Transcript Document

２０１０．９．１５ 第１回ヤマセ研究会
CMIP3マルチモデルにおけるヤマセに関連した
大規模循環場の再現性と将来変化
気象研・気候
遠藤洋和
謝辞：本研究は、環境省の地球環境研究総合
推進費（S-5-2）の支援により実施された。
１．解析データ
● 解析したＣＭＩＰ３モデル： 計18モデル
Model
Country
cccma_cgcm3_1
cccma_cgcm3_1_t63
cnrm_cm3
csiro_mk3_0
csiro_mk3_5
gfdl_cm2_0
gfdl_cm2_1
giss_aom
giss_model_e_r
iap_fgoals1_0_g
ingv_echam4
inmcm3_0
ipsl_cm4
miroc3_2_hires
miroc3_2_medres
Canada
Canada
France
Australia
Australia
USA
USA
USA
USA
China
Italy
Russia
France
Japan
Japan
Germany,
Korea
Germany
Japan
miub_echo_g
mpi_echam5
mri_cgcm2_3_2a
Atmospheric
resolution (lat. x lon.)
2.8 x 2.8
1.9 x 1.9
1.9 x 1.9
1.9 x 1.9
1.9 x 1.9
2.0 x 2.5
2.0 x 2.5
3.0 x 4.0
4.0 x 5.0
2.8 x 2.8
1.1 x 1.1
4.0 x 5.0
2.5 x 3.8
1.1 x 1.1
2.8 x 2.8
● 再解析データ
- ＪＲＡ25
- ＮＣＥＰ
3.9 x 3.9
1.9 x 1.9
2.8 x 2.8
CMIP3: The World Climate Research Programme’s (WCRP’s)
Coupled Model Intercomparison Project phase 3
第３期結合モデル相互比較マルチ気候モデル実験
（IPCC第４次報告書で使用された）
・ ２０Ｃ３Ｍ実験
・ ＳＲＥＳ-Ａ１Ｂ実験
・ dailyデータ
・ 地上風、地上気圧
・ ５～８月
１９８１～２０００年
２０８１～２１００年
２．現在気候の再現性
● 平均海面気圧（MSLP）分布
MAY
JUN
赤線： ＪＲＡ
青線： ＭＭＥ１８
陰影： モデルバイアス
（領域平均＝０）
JUL
・ オホーツク海付近で負のバイアス
・ 亜熱帯高気圧が強いバイアス
AUG
● ヤマセ風の頻度
ヤマセ風の頻度（気候値）
Yamase Frequency [ /20yr]
7
JRA
MME18
6
5
4
3
2
1
May
Jun
Jul
Aug
late-AUG
mid-AUG
early-AUG
late-JUL
mid-JUL
early-JUL
late-JUN
mid-JUN
early-JUN
late-MAY
mid-MAY
領域平均（40-45N,142.5-155E）の地上風が
北東風となる場合をヤマセ風発現とし、累年
の旬平均値（20年分）から頻度を数える。
early-MAY
0
・ヤマセ風頻度は再解析値よりも少ない
・季節変化（６月下旬に頻度の極大）に
ついて適切に再現
Yamase frequency (/20yr)
Model
cccma_cgcm3_1
cccma_cgcm3_1_t63
cnrm_cm3
csiro_mk3_0
Model
csiro_mk3_5
cccma_cgcm3_1
gfdl_cm2_0
cccma_cgcm3_1_t63
gfdl_cm2_1
cnrm_cm3
giss_aom
csiro_mk3_0
giss_model_e_r
csiro_mk3_5
iap_fgoals1_0_g
gfdl_cm2_0
inmcm3_0
gfdl_cm2_1
miroc3_2_hires
giss_aom
miroc3_2_medres
giss_model_e_r
mpi_echam5
iap_fgoals1_0_g
mri_cgcm2_3_2a
inmcm3_0
ingv_echam4
miroc3_2_hires
ipsl_cm4
miroc3_2_medres
miub_echo_g
mpi_echam5
mri_cgcm2_3_2a
MME18 mean
ingv_echam4
MME18 s.d.
ipsl_cm4
miub_echo_g
MME9hi mean
MME9hi s.d.
MME18 mean
MME18
s.d.
JRA
● ヤマセ風の頻度
*
*
*
*
*
**
**
*
*
*
*
**
*
*
*
MME9hi mean
MME9hi s.d.
May
Jun
Jul
2
2
8
5
May 3
26
23
81
5
11
33
64
35
16
116
36
42
5
10
66
6
6
4.94
2
2.70
10
6
5.44
2.79
4.94
2.707
3
0
9
13
Jun15
3
10
06
97
13
20
154
10
11
68
78
207
4
14
114
8
14
85
7
14
8.78
4
4.88
14
5
10.22
4.64
8.78
4.88
16
5.44
2.79
10.22
4.64
7.11
2.02
7.11
3.31
29.9
7.56
7
16
12
8
43
5
1
Yamase
8
8
Jul11
57
17
88
84
11
18
73
75
82
44
18
18
36
5
19
27
4
18
7.83
6
5.25
19
7
7.11
2.02
7.83
5.25
12
Aug
May-Aug
4
14
0
3
frequency
(/20yr)
10
35
12
38
Aug10 May-Aug
39
44
14
27
07
3
23
105
35
21
124
38
39
10
39
11
36
45
27
23
74
23
22
50
21
16
42
39
19
11
36
19
57
59
23
21
4
22
15
58
0
16
10
28
2
19
19
57
7.28
28.8
9
21
4.98
13.8
15
58
10
28
7.11
29.9
3.31
7.56
7.28
28.8
4.988
13.8
43
個々のモデルで見るとばらつきがとても大きい
JRA
Skill
8.05
10.79
4.18
3.35
Skill
2.35
8.05
4.42
10.79
5.96
4.18
5.96
3.35
5.29
2.35
7.16
4.42
5.57
5.96
5.77
5.96
7.57
5.29
6.75
7.16
6.36
5.57
7.18
5.77
5.27
7.57
6.14
6.75
6.36
6.01
7.18
1.83
5.27
6.14
4.93
1.37
6.01
1.83
4.93
1.37
Adjusted
Skill
0.325
0.000
0.782
Adjusted
0.881
Skill
1.000
0.325
0.755
0.000
0.572
0.782
0.572
0.881
0.651
1.000
0.430
0.755
0.619
0.572
0.595
0.572
0.382
0.651
0.479
0.430
0.524
0.619
0.428
0.595
0.654
0.382
0.550
0.479
0.524
0.428
0.654
0.550
M
● ヤマセ風頻度とMSLP分布の再現性の関係
Skill_Yamase
15
10
両者に強い相関が見られる
5
0
0.7
0.8
0.9
Skill_MSLP
1.0
再現性が高い
ヤマセ風頻度（縦軸）： ヤマセ風頻度の５～８月の月別気候値のＲＭＳＥ
MＳＬＰ分布（横軸）：
MSLPの５～８月の月別気候値分布（25～60Ｎ、120－180Ｅ）の
スキルスコア平均(Taylor,2001)
３－１．将来変化: 18モデル
（MME18）
～９０％
～８０％
MAY
～８０％
～９０％
● MSLPの変化
線： MME18平均
陰影： 正に変化するモデル数
５月： 高緯度で低下
６～７月： 変化が小さい
８月： 北太平洋中緯度で低下
北太平洋高緯度で上昇
JUN
JUL
AUG
Change of Yamase frequency (/20yr)
-5
-10
miroc3_2_medres
cccma_cgcm3_1
miroc3_2_hires
iap_fgoals1_0_g
ipsl_cm4
inmcm3_0
ingv_echam4
mri_cgcm2_3_2a
giss_model_e_r
miub_echo_g
mpi_echam5
giss_aom
cnrm_cm3
gfdl_cm2_1
gfdl_cm2_0
csiro_mk3_5
15
10
5
MME18
cccma_cgcm3_1_t63
-15
csiro_mk3_0
● ヤマセ風頻度の変化
May
Jun
Jul
Aug
May-Aug
0
・ ５～８月合計値ではモデル間のばらつきが大きい
・ 月別に見ると、多くのモデルは５月に減少、８月に増加。
３－２．将来変化: 再現性の良い９モデル
● MSLP分布の再現性
MME9hi
MAY
JUN
赤線： ＪＲＡ （MME9hi）
青線： ＭＭＥ１８
陰影： モデルバイアス（領域平均＝０）
JUL
AUG
MME18
MME9hiではオホーツク海付近の負のバイアスが改善
● 平均海面気圧の変化（MM9hi）
線： MME9hi平均
陰影： 正に変化するモデル数
～９０％
～８０％
MAY
JUN
MME18に比べて、
・５月、８月： 変化傾向がより明瞭に。
・６月、７月： オホーツク海付近の変
化傾向のモデル間一致
率が高い。
JUL
AUG
～８０％
～９０％
Change of Yamase frequency [ /20yr]
-5
-10
-15
miroc3_2_medres
cccma_cgcm3_1
miroc3_2_hires
iap_fgoals1_0_g
ipsl_cm4
inmcm3_0
ingv_echam4
mri_cgcm2_3_2a
giss_model_e_r
miub_echo_g
10
5
MME9hiでは、
・ ８月： ヤマセ風頻度増加をすべてのモデルが予測
・ ７月： ヤマセ風頻度増加を予測するモデルが多い
MME９hi
15
MME18
cccma_cgcm3_1_t63
MME9hi
mpi_echam5
giss_aom
cnrm_cm3
gfdl_cm2_1
gfdl_cm2_0
csiro_mk3_5
csiro_mk3_0
● ヤマセ風頻度の変化（MME9hi）
May
Jun
Jul
Aug
May-Aug
0
４．考察①： ８月のヤマセ風増加
８月のMSLP変化（MME18）
ΔMSLP(140-170E, 30-40N)
1.5
● MME9hi
○ それ以外
○ ヤマセ風増加
0.5
-1.5
-0.5
-0.5
-1.5
0.5
Ｃｏｒ（ΔEQ-SOI, ΔMSLP）
may
-0.06
jun
-0.05
jul
0.19
aug
0.74
Δ(EQ-SOI)
ΔEQ-SOI ＝ 東部太平洋（5S-5N, 160W-80W）と
インド洋～西部太平洋（ 5S-5N, 80E-160E）
のJJA平均MSLPの変化
Vecchi et al.(2006)
ΔMSLP ＝ 東方海上（30-40N, 140E-170E）
の８月平均MSLP変化
・ EQ-SOIの低下 → 東方海上のMSLP低下 → ヤマセ風増加
・ MME9hi: EQ-SOIが低下するモデルが多い
● 現実の年々変動における関係
（ＮＣＥＰ再解析の１９５８～２００７年）
線：
回帰係数
陰影： 信頼度95%以上
Reg (EQ-SOI, MSLP)
JUN
JUL
AUG
現実の年々変動においても、
８月はEQ-SOIと太平洋中緯度MSLPの変動の相関が高い
４．考察②： ５月のヤマセ風減少
MSLPの変化
ＪＡＮ
線： MME平均
陰影： 正に変化するモデル数
ＭＡＲ
ＭＡＹ
MME
18
MME
9hi
・ 冬季の高緯度域のMSLP低下が初夏まで残る傾向
→ 西風が強く、５月のヤマセ風減少
・ 高緯度域のMSLP低下はMME9hiの方が明瞭
４．考察③： ６～７月の変化
MME９hi
ΔＥＱ-SOI＜０
１４モデル
冬季高緯度域でΔMＳＬＰ
の減少が大きい９モデル
JUN
JUL
MSLPの変化
線： MME平均
陰影： 正に変化するモデル数
６～７月のオホーツク海付近の気圧変化は、
ΔEQ-SOIや冬季高緯度域ΔMSLPの変化
とは関係ないように見える。
→ 現在気候再現性が重要？
2
JUN
JUL
1
0
1
2 3
4
5 6
7
8
9 10 11 12 13 14 15 16 17 18
-1
-2
-3
再現性指標が高い
オホーツク海付近のΔMＳＬＰ
５．まとめ
再現性
・MME18平均のヤマセ風頻度は再解析よりも少ないが、季節変化
（６月下旬に頻度の極大）を適切に再現。
・ヤマセ風頻度の再現性能と北西太平洋のMSLP分布の再現性能に
強い相関関係がある。
将来変化
・MME18のヤマセ風頻度の変化は、５～８月合計ではモデル間でば
らついたが、月別では５月に減少、８月に増加するモデルが多い。
ヤマセの吹く季節が変化する？
・８月のヤマセ風増加はEQ-SOIの低下、 ５月のヤマセ風減少は冬
季北極域の気圧低下と関係があるようだ。
・MME9hiではヤマセ風頻度やMSLP変化傾向のモデル間一致率が
高くなった。
○要因： - 熱帯域や高緯度域のMSLP変化の特徴が似ている
- オホーツク海高気圧の再現性が比較的良いから？
将来気候のヤマセ型低温の季節変化
６月
７月
＊現在気候と将来気候では「低
温」の閾値が異なる点に注意
ヤマセ型低温の割合
1
0.8
0.6
RCM20(現在)
RCM20(現在)
RCM20(将来)
0.4
0.2
25
27
29
31
33
35
37
39
41
43
45
47
49
51
53
55
0
半旬
将来気候ではヤマセの影響を受ける時期が８月まで長引く
親モデルの盛夏期の将来変化
CGCM2.2の将来変化（７月25～8月18日平均）
ベクトル： 地上10m風
線：
地表気圧
・ 北日本太平洋側では北東風偏差。
→ RCM20で得られた「ヤマセの影響の遅延」と矛盾しない。
・ 北東風偏差をもたらしている大規模場の変化
① 日本の東海上の低気圧偏差
② オホーツク海方面の高気圧偏差
温暖化予測実験の方法
 歴史気候再現実験（20C3M）
 産業革命以降の気候変動を再現
 過去の既知の強制を与える
強制力
の強さ
予測シナリオ
に基づく強制力
・硫酸エーロゾル
・温室効果ガス
（CO2, CH4, N2Oなど）
シナリオ実験（SRESA1B, etc.）
 将来の気候変動を予測
 将来のシナリオに基づく温室効果気体
濃度などで強制
観測された強制力
・太陽活動、火山活動
・硫酸エーロゾル
・温室効果ガス
（CO2, CH4, N2Oなど）
スピンアップ
SRESA2
SRESA1B
SRESB1
20C3M
1850年
2000年
2100年
● 再現性指標（メトリック）の作成
① ヤマセ頻度（/20yr）
② 平均海面気圧
20
JRA
15
10
5
0
MAY
JUN
JUL
AUG
ヤマセに関する再現性指標
① 旬別累年値から算出したヤマセ頻度の月別気候値（５～８月）のＲＭＳＥ
② ＳＬＰの月別気候値分布（５～８月、25～60Ｎ、120－180Ｅ）のスキルスコア(Taylor,2001)
①と②を規格化して平均したものを再現性メトリックとした
Yamase frequency (/20yr)
*
*
*
*
*
*
*
*
*
Model
cccma_cgcm3_1
cccma_cgcm3_1_t63
cnrm_cm3
csiro_mk3_0
csiro_mk3_5
gfdl_cm2_0
gfdl_cm2_1
giss_aom
giss_model_e_r
iap_fgoals1_0_g
inmcm3_0
miroc3_2_hires
miroc3_2_medres
mpi_echam5
mri_cgcm2_3_2a
ingv_echam4
ipsl_cm4
miub_echo_g
Jun
Jul
Aug
MSLP x-y map
Adjusted
Skill
Skill
0.803
0.224
0.758
0.000
0.914
0.771
0.960
1.000
0.929
0.846
0.949
0.942
0.957
0.985
0.930
0.850
0.892
0.662
0.850
0.455
0.891
0.656
0.811
0.263
0.771
0.068
0.936
0.882
0.915
0.778
0.931
0.855
0.872
0.562
0.914
0.771
2
2
8
5
3
6
3
1
11
3
4
5
6
6
6
2
10
6
3
0
9
13
15
10
6
7
20
4
11
8
8
7
14
4
14
5
5
1
8
8
11
7
7
8
4
18
3
5
2
4
18
6
19
7
4
0
10
12
10
4
7
5
4
11
5
4
0
2
19
9
15
10
May-Aug
14
3
35
38
39
27
23
21
39
36
23
22
16
19
57
21
58
28
Skill
8.05
10.79
4.18
3.35
2.35
4.42
5.96
5.96
5.29
7.16
5.57
5.77
7.57
6.75
6.36
7.18
5.27
6.14
MME18 mean
MME18 s.d.
4.94
2.70
8.78
4.88
7.83
5.25
7.28
4.98
28.8
13.8
6.01
1.83
0.972
0.062
MME9hi mean
MME9hi s.d.
5.44
2.79
10.22
4.64
7.11
2.02
7.11
3.31
29.9
7.56
4.93
1.37
0.980
0.021
7
16
12
8
43
JRA
May
Adjusted
Skill
0.325
0.000
0.782
0.881
1.000
0.755
0.572
0.572
0.651
0.430
0.619
0.595
0.382
0.479
0.524
0.428
0.654
0.550
Metric
SS
0.275
0.000
0.777
0.940
0.923
0.848
0.779
0.711
0.657
0.443
0.637
0.429
0.225
0.680
0.651
0.641
0.608
0.660
年平均地上気温の将来変化（２１Ｃ末ー２０世紀末）
4.50
4.00
3.50
3.00
2.50
系列1
2.00
1.50
1.00
0.50
0.00
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
Fig.4
(c) MME14
(d) MME9ao