Transcript 衛星ライダーによるエアロゾル観測とデータ同化

© NASA
今日の話
 エアロゾルの衛星観測
イメージャーで平面分布を測る
MODIS
ライダーで鉛直分布を測る
CALIPSO
 衛星ライダー観測の活用
アンサンブル・カルマン・フィルタ
黄砂のデータ同化
データ同化による放出量の逆推定
MODISによるエアロゾル観測
日本近辺のエアロゾル光学
的厚さ(AOT)［2011年5月2
日］↓
© NASA
↑日本近辺のエアロゾル光
学的厚さ(AOT)［2011年4月
29日］
© NASA
光学的厚さ（鉛直積算量）では
鉛直分布が分からない
CALIPSOによるエアロゾル観測
© NASA
2006年4月NASA打ち上げ．532, 532(偏光), 1064nm．
CALIPSOによるエアロゾル観測
CALIPSOの軌道の一部(2011年7月26日午後23時頃)：ウラル
山脈−カスピ海−アラビア半島−マダガスカル沖
CALIPSOによるエアロゾル観測
ウラル山脈
アラビア半島
マダガスカル沖
532nm減衰後方散乱係数の大きさ．雲のシグナルは除去済み．
縦軸は地表面から高度20kmまで．
CALIPSOによるエアロゾル観測
リトリーブ処理で得られた532nmエアロゾル消散係数．高度は0
〜20km．
CALIPSOによるエアロゾル観測
リトリーブ処理によって推定されたエアロゾルの種類［0〜21番
（雲および地面を含む）］．高度は0〜20km．
CALIPSOによるエアロゾル観測
０~欠測
１~完全に減衰
２~地表面
３~地表面下
４~雲
５~清浄な海塩ｴｱﾛｿﾞﾙ
６~砂埃ｴｱﾛｿﾞﾙ
７~汚染された大陸起源
８~清浄な大陸起源ｴｱﾛｿﾞﾙ
９~汚染された砂埃ｴｱﾛｿﾞﾙ
10~植物燃焼起源ｴｱﾛｿﾞﾙ
12~雲ｼｸﾞﾅﾙ除去後の⑪
13~雲ｼｸﾞﾅﾙ除去後の⑤
14~雲ｼｸﾞﾅﾙ除去後の⑥
15~雲ｼｸﾞﾅﾙ除去後の⑦
16~雲ｼｸﾞﾅﾙ除去後の⑧
17~雲ｼｸﾞﾅﾙ除去後の⑨
18~雲ｼｸﾞﾅﾙ除去後の⑩
19~清浄大気（検出限界）
20~雲ｼｸﾞﾅﾙ除去後の⑲
21~雲が原因の欠測
CALIPSOによるエアロゾル観測
成層圏ｴｱﾛｿﾞ
ﾙ？
砂埃(ﾀﾞｽﾄ)
森林火災
ウラル山脈
海塩粒子
アラビア半島
マダガスカル沖
リトリーブ処理で得られた532nmエアロゾル消散係数．高度は0
〜20km．
鉛直分布は分かったが、軌道
の真下しか見えない･･･
CALIPSOによるエアロゾル観測
© NASA
CALIPSOの１日分の軌道（2011年7月30日の例）
＝ 地球約14.5周分
衛星ライダー観測の活用
 ライダーは真下しか見えないが、
 鉛直／時間解像度が驚異的に高い．
 だから、観測された鉛直分布に
 上流の情報が隠されているはず
 データ同化を使って
 その情報を水平方向へ
 広げられないか？
アンサンブル･カルマン･フィルタ
• Suppose we have a forecast (back-ground)
and an observation.
Forecast error?
If we don’t know
about the error of
the day,…
Obs error
Observation
Forecast
アンサンブル･カルマン･フィルタ
• Generally, forecast errors lie on a lowdimension attractor, so…
Obs error
Forecast error
Observation
Forecast
アンサンブル･カルマン･フィルタ
• Kalman filter finds the forecast error
covariance (= attractor’s structure).
low-dimension attractor
Observation
Ensemble
members
EnKFによるデータ同化結果
Observation
Variables:
attenuated
backscattering coeff.
at 532 nm;
a) CALIPSO/CALIOP;
b) model without
data assimilation;
c) model with data
assimilation.
White squares:
aerosol plumes.
Sekiyama et al., ACP (2010)
EnKFによるデータ同化結果
Contours and gray
shades are surface dust
concentrations.
(a) Free model-run
result without data
assimilation.
(b) CALIPSO data
assimilation result.
Red and blue circles
are weather stations.
The Red ones observed
aeolian dust on the
day. Blue ones did not
observe any dust
events.
Sekiyama et al., ACP (2010)
EnKFによるデータ同化結果
Comparison of
532nm extinction
coefficients for dust
aerosol.
(a) Independent
ground-based lidar
observation;
(b) free model-run
results without data
assimilation;
(c) CALIPSO data
assimilation
results.
Sekiyama et al., ACP (2010)
EnKFデータ同化による逆推定
• Correlation between dust flux & conc
enables inverse analysis.
(Surface)
EnKFデータ同化による逆推定
• Dust emission inverse analysis by EnKF
Sekiyama et al., SOLA (2011)
EnKFデータ同化による逆推定
• Asian dust source regions
are often covered with
snow.
• It’s difficult for models to
simulate dust outbreaks
(Fig. b).
• EnKF improves dust flux
estimation and dust
concentration (Fig. c).
Sekiyama et al., SOLA (2011)
まとめ
 エアロゾルの衛星観測
ライダー観測から詳細な鉛直情報が得ら
れる
しかし、面的広がりが無いため、これまで
は利用方法が限られていた
 ライダー観測のデータ同化
観測情報の有効利用が可能
ライダー衛星観測さえあれば、データ同化
で面的な情報を復元できる