- 気象予報は日常の利便性を超え、暴風・猛暑への対応、農業、電力網、航空・海上輸送におけるリスク管理インフラとなっている
- 精度はここ数十年で大きく向上し、Met Officeの現在の4日予報は30年前の1日予報と同程度に正確で、米国のハリケーン48時間進路誤差も1970年代の200〜400海里から現在は約50海里まで縮小した
- より高密度な観測網、高速なコンピューター、精緻な数値予報モデル、スマートフォンやオンラインでの配信が、予報の品質と活用スピードの両方を押し上げている
- 低所得国では観測機器と報告頻度が不足しており格差が大きく、裕福な国の7日予報が一部の低所得国の1日予報より正確な場合がある
- 正確な予報でも人々に適時に届かなければ効果は限定的であり、早期警報システムとAI・ドローン・モバイル技術がアクセス格差を縮める鍵となる
日常情報を超えた気象予報
- 気象予報はバーベキューや傘の準備を助けるレベルを超え、命と生計に直接つながっている
- 暴風、猛暑、災害を事前に知らせれば、地域社会は被害を減らすための時間を確保できる
- 農家は播種、灌漑、肥料使用、病害虫対策を決める際に予報に頼っている
- 電力網の運用者は、暖房・冷房需要や風力・太陽光発電量を予測するために気象情報を活用している
- パイロットや船員にとっては、航空・海上輸送を安全に維持するための必須情報となっている
ここ数十年で大きく改善した予報精度
- 気象予測は古くから試みられてきたが、大きな転換点は1960年代以降のコンピューターによる数値モデリングの導入だった
- UK Met Officeは1859年に船舶向けの最初の気象予報を出し、2年後に初の一般向け気象予報を放送した
- 現在のMet Officeの4日予報は、30年前の1日予報と同程度に正確である
- 米国National Hurricane Centerのハリケーン・サイクロン進路誤差データでも改善幅は大きい
- 1970年代の48時間予報の進路誤差は200〜400海里だった
- 現在の48時間予報の進路誤差は約50海里水準である
- 1960〜70年代の72時間予報誤差は400海里を超えていたが、現在は80マイル未満に縮小している
- ハリケーンの上陸地点を3〜4日前により正確に予測できるようになったことで、都市や地域社会が備えられるようになり、以前なら実施されていた不要な避難も減らせる
全球モデルの長期予報改善
- European Centre for Medium-Range Weather Forecastsは全球数値気象モデルを開発している
- 各国の気象機関は地域予報でより高解像度の処理を使うが、全球モデルはそうしたシステムへの重要な入力値となる
- ECMWFの誤差分析は、3日、5日、7日、10日前の予報と実際の天気結果の差を比較する
- 分析指標としては、気象パターンを左右する気圧関連の気象指標である500 hPaジオポテンシャル高度が使われる
- 3日予報は1980年代からかなり正確で、現在の精度は約97%である
- 改善幅は予報期間が長いほどより顕著である
- 2000年代初頭には5日予報が「非常に正確」な水準に到達した
- 7日予報は現在、その基準に近づいている
- 10日予報はまだ同じ水準ではないが、着実に改善している
精度向上をもたらした技術的要因
- 観測データは、より広い地域をより高い解像度でカバーするようになった
- より多く、より優れた衛星データが使われている
- 地上観測所がより多くの地域をより高密度にカバーしている
- 観測機器の精度も向上している
- 数値予報モデルは、こうした観測値を入力として天気を予測する
- コンピューター性能の向上により、より細かな格子計算が可能になった
- Met Officeは過去には幅90kmの格子で世界をモデル化していた
- 現在は1.5km格子まで細かくなっている
- 解像度が高くなるほど必要な計算量も大幅に増える
- 観測値をモデル出力に変換する方法も進歩し、単純化された世界観ではなく複雑な気象システムをより詳しく捉えられるようになった
- 配信方法の変化も予報の実用性を高めている
- かつては日刊新聞で1日1回更新を受け取っていた
- ラジオとテレビの普及後は、1日に数回通知を受けられるようになった
- 現在はオンラインとスマートフォンで分単位の更新を確認できる
低所得国に残る予報格差
- スコットランドではスマートフォンアプリで数秒以内にかなり正確な5日予報を見られるが、同水準の情報がすべての人に提供されているわけではない
- Manuel LinsenmeierとJeffrey Shraderの最近の論文によれば、裕福な国の7日予報が一部の低所得国の1日予報より正確な場合がある
- すべての所得水準で各国の予報は時間とともに改善してきたが、現在の品質格差は1980年代とほぼ同じくらい大きい
- 格差の核心は観測インフラと報告頻度にある
- より貧しい国には地上観測機器とラジオゾンデがはるかに少ない
- 気象データの報告頻度もはるかに低い
- 気象・気候情報への支出にも大きな差がある
- 低所得国の1人当たり支出は高所得国より15〜20倍少ない
- ただし経済規模を考慮すると、GDP比の支出割合は低所得国のほうが高い
最も脆弱な人々にこそ切実な予報
- 低所得国の労働者の60%は農業に従事しており、農業は天候依存度が非常に高い部門である
- その多くは小規模農家で、しばしば極度の貧困状態にある
- 正確な予報は農家の意思決定を直接助ける
- 作物播種の最適なタイミングが分かる
- 灌漑が最も必要な時点や、肥料が流されるリスクの高い時点を事前に把握できる
- 病害虫発生の警報を受ければ、襲来が迫った際に作物を守り、リスクが低い時には殺虫剤の使用を減らせる
- 予報へのアクセス性が高まれば、水、肥料、労働といった貴重な資源をより効率的に使える
- 優れた気象予報は、世界で最も貧しい人々に特に大きな違いをもたらす
正確な予報だけでは不十分
- サイクロン、猛暑、洪水、高潮に備えるには、予報の精度とともに伝達体制が必要である
- 数日前から正確な予報を受け取れれば、都市や地域社会は準備できる
- 住宅を保護できる
- 緊急サービスは復旧支援のため待機できる
- 近年数十年で最も致命的だった災害の多くは事前に正確に予測されていたが、共通する失敗点は不十分な伝達だった
- 予報は、人々が実際に対応できる形で届けられてこそ価値を持つ
- World Meteorological Organizationは、世界の約3分の1、主に最も貧しい国々が早期警報システムを備えていないと推定している
投資と新技術の役割
- 一部の地域では優れた予報と迅速な伝達が当たり前と見なされているが、これをすべての人に提供するだけでも大きな違いを生み出せる
- 気候変動が気象関連災害のリスクを高める中、より良い予報は気候変動への適応の重要な手段である
- 格差を縮めるには、適切な投資と財政支援が不可欠である
- 新技術は改善のスピードを高め得る
- Natureに掲載された最近の論文は、AIシステムPangu-Weatherが主要な気象機関と同等またはそれ以上に正確な予報を最大10,000倍高速に実行できると記している
- Pangu-Weatherは39年分の過去データで学習された
- 予報速度が上がれば運用コストが下がり、予算が限られた国にもより良い結果を提供できる
- より高速で効率的な技術は、地上気象観測所のない地域の空白を埋めるのに役立つ可能性がある
- センサーを搭載したドローンは特定地域を調査し、より高解像度の地図を作成できる
- 安価で効率的な予報生成方式にモバイル技術を組み合わせれば、情報を迅速に届けられる
- 一部の企業はすでに低所得国の農家に作物播種のタイミングを助言するメッセージを送っている
- こうしたイノベーションは、現在の天候に対してより強靭な国をつくり、天候がさらに極端化する可能性のある世界でも不可欠である
1件のコメント
Hacker News の意見
予報の良し悪しは、どの気象モデルを使っているかに左右されるように思う。Apple Watch の天気は GFS とほぼぴったり合っているように見えるが、GFS は中期予報には悪くないものの短期ではあまり役に立たず、1〜2日先なら NAM、数時間先なら HRRR のほうがよいと思う。
どこかの集計サービスが天気を単純化してくれるのに任せるのではなく、生データを直接見ることもできる: https://weather.cod.edu/forecast/
大きなイベントのときは National Weather Service のメディア向けブリーフィングがよいが、更新が早めに止まってしまうことがある。数週間前、ニューヨークで大雪になる可能性が高かったとき、午前9時ごろに更新が止まり、雪は午後1時ごろに始まる予報だった。短期モデルを見ると降雪確率は下がっていて、実際にはほとんど積もらなかった。イベントが近づくほど予報はより正確になるので、望めばいつでもより多くのデータを自分で見ることができる。
Skip Talbot を見ている人がいるかは分からないが、彼は数時間先の HRRR の helicity swath を見て大きな値を見つけ、HRRR が強い回転を予測した経路は、実際の大きな竜巻の経路とほぼ一致していた。
https://www.youtube.com/@markfinanweather
明日雨が降る確率が50%ということより、自分が通勤する午前9時の降水確率は10%、正午には90%というような時間別の情報が重要になる。雨が降るなら風と気温もあわせて見るべきで、こうした情報はモザイクのように提示されるべきだ。
この目的では NOAA の時間別地域予報が群を抜いていると感じる: https://www.weather.gov/okx/ で郵便番号を入力し、時間別地域予報に進めばよい。
例: https://forecast.weather.gov/MapClick.php?lat=33.797&lon=-11...
このくらい詳細な情報を出してくれる Android アプリがあるといいし、できればマイクを盗み聞きしないアプリだとなおよい。
https://windy.com
義母は Google に聞いたりテレビで見た天気をいつも教えてくれるが、たいてい間違っている。集計されていない情報は優れていて、ほかの出典で報じられるものよりほぼ常に正確だ。
Andrew Blum の The Weather Machine をおすすめする。予報の歴史と、現在その背後で何が起きているのかを扱った本だ。
この本は、古い気象観測所や新しい衛星の打ち上げ、大気のスーパーコンピューターモデルを作るための科学者たちの取り組み、そのアルゴリズムの歴史までを追いながら、私たちは気象学の黄金時代に入りつつあるものの、まだその道具を十分には信頼できておらず、現代の気象システムを可能にしている脆弱な国際協力も保証できない、という点を扱っている。
https://www.andrewblum.net/the-weather-machine-2
https://www.goodreads.com/en/book/show/42079139
気象学のごく初期の歴史については、Luke Howard を扱った The Invention of Clouds も読む価値がある。
https://www.goodreads.com/book/show/1148768.The_Invention_of...
https://en.wikipedia.org/wiki/Luke_Howard
The Signal and The Noiseで読んだ記憶では、雨の確率が50%未満だと言われていたのに雨が降ると、人は予報が悪いと感じる傾向がある
雨は降らなさそうだと言われていたのに降るのは腹立たしいが、雨が降りそうだと言われていたのに晴れる日は、うれしい意外な結果になる。だから人々に「良い予報」だと判断させるには、降水確率を途方もなく高めに調整する必要があり、消費者向け予報サービスはそうしている、という内容だった
https://en.wikipedia.org/wiki/The_Signal_and_the_Noise
オランダでは雨がかなり局地的に降るため、今日の降水確率が100%でも、1日のうち1〜2時間に散らばって降り、時には非常に強く降った後すぐ止むこともある。外れる場合は、移動中の雨雲が風向きの変化で紙一重でそれる、という程度だった
実際には予報が外れる方法は数え切れないほどあり、当たる方法は数通りしかない
全体として予報は驚くほど正確だと思う。中西部、特にChicago市場圏では、天気がこちらに来る前に米国やカナダの広い地域を通過してくるためそうであり、沿岸地域のように変動が大きく予測が難しい場所では違うかもしれない
Floridaのようにハリケーンが多い地域に住んでいると、予報がずっと良くなったことは分かるが、まだ改善の余地も非常に大きいと感じる
関係者ではないが、自分の都市でどの予報が最も良いかを見るなら https://www.forecastadvisor.com/ を勧める。これを見て天気情報の提供元を完全に変え、今はずっと良く見える
予報なしで、あるいは予報を補完して天気を読むことに興味があるなら、Gooleyの The Secret World of Weather: How to Read Signs in Every Cloud, Breeze, Hill, Street, Plant, Animal, and Dewdrop も楽しく読める
現地のアプリはJapan Meteorological Agencyのデータを取り込んでおり、Apple Weatherもそうで、最近のアップデート以降はCarrot Weatherもそうなった。ところがApple WeatherとCarrot Weatherは依然として互いに異なる結果を返す
日本国外へ旅行するときはさらに分からないので、Carrot Weatherの情報源をApple Weatherにしている。少なくとも可能な場合には現地の気象サービスのデータを取得するからだ: https://developer.apple.com/weatherkit/data-source-attributi...
この記事は主に長期予報を扱っているが、差し迫った嵐の通知の品質と信頼性にも感心してきた。豪雨でずぶ濡れになるのを避けさせてくれたり、大雨が来る前に車を止めて休ませてくれたりしたことがある
大きく注目されてはいないが、記事が述べているように、進歩は着実かつ有意義に続いてきた
低所得国の予報改善が過小評価されているというが、より良い予報がどのような影響をもたらすかを予測した研究があるのか気になる。技術で貧しい人を助けることは多くの慈善家が関心を持ちそうなプロジェクトであり、gravity lightのようなものより効果的であってほしい
現代技術は驚くべきものだ
オープンソースの天気API open-meteo.comを作った者である
天気予報の未来はAIモデルに大きく依存する可能性が高い。記事ではPangu Weatherを扱っており、HNのコメントではGraphCastも例として挙がっていた。興味深いことに、3月1日にEuropean Centre for Medium-Range Weather Forecasts（ECMWF）が新しいAI天気モデルAIFSをオープンデータとして公開した
このモデルは従来の数値モデルより正確なだけでなく、実行に必要な計算能力もはるかに少ない。ECMWFは、AIFSが予報精度で他のモデルを上回るという比較も公開している: https://www.ecmwf.int/en/about/media-centre/aifs-blog/2024/f...
記事で触れられている内容はおおむね正しい。より良い元データ、より高速なコンピュータ、より細かい格子、より優れた予測アルゴリズムなどが、現在では全体としてはるかに良い気象情報を生み出している。
ただし、個人にとってより良い結果を得るには、より多くの手間が必要になったということでもある。アプリがどんなアルゴリズムを使っているのか、近所や通りの単位までローカライズしているのか、どれくらい頻繁に更新しているのか、GPSが正確なのか、といった点を見極める必要がある。普通はこうしたことを考えないが、少し調整するだけで結果が大きく良くなることがある。
予報が良くなったのは確かだろうが、都市全体で30分以上かなり強い雨が降っているのに、天気アプリが今雨が降っていることを認めず、曇りとだけ表示していたことがある。いまだにどうしてそんなことが可能なのか分からない。
ミネソタでも、吹雪の中を運転しているのにレーダーには何も映っていないという似たようなことを見たことがある。
後者はかなりよくある。モデルは、さまざまな初期条件が互いに異なる結果を生む確率的推定を使い、「雨になる結果」の数で降水確率を決める仕組みなので、実際の観測条件で必ず更新されるわけではない。
それでも、そうした困惑や冷笑には同意する。十分に良くはない。以前、こういう「常に古くなっている」予報を出す役割をしていたことがあるので言っている。
高校で気象学を履修していて、先生が毎日予測の練習をさせていた。特に自分の逸話に過度の重みを置く人たちには役立つと思う。
翌日の天気を自分で予測し、発表された予報と比較するだけだった。成績で重視されたのはどれだけ正確だったかではなく、この練習を体系的に行ったかどうかだった。
これをやってみると、予報の品質を高く評価するようになり、「気象キャスターはいつも外れる」という言い方がまったく事実ではないことが分かる。多くの不満は、観察の厳密さが足りないところから来ている。天気予報であれ他のどんな予測であれ、正確性に反論するには確かな証拠を出す必要がある。
ECMWF（European Centre for Medium-Range Weather Forecasts）の科学者数人にインタビューしたポッドキャストを聞いたことがある。
そのエピソードで誰かが「10年ごとに予報は1日分改善する」と言っていたと思う。
2019年に録音されたものなので、今ほどAIが大きなテーマではなかった。Googleが昨年11月にAI気象モデルを公開したことを考えると、なおさらだ。
https://omegataupodcast.net/326-weather-forecasting-at-the-e...
https://deepmind.google/discover/blog/graphcast-ai-model-for...