天気予報
概要
天気予報は、大気状態の物理的変化を観測資料と数値モデルで分析し、特定の地域・時点の天気を事前に知らせる活動である。流体力学と熱力学の方程式をスーパーコンピュータで解く数値予報（NWP）が中核であり、最近では人工知能ベースの予報モデルが急速に実用化されている。予報は、観測 → データ同化 → モデル積分 → 後処理（バイアス補正） → 伝達の段階からなる。
主要な内容
歴史的背景
古代農耕社会の経験則やことわざ（例：「ツバメが低く飛ぶと雨が降る」）が予報の起源である。近代的な予報は、1854年のクリミア戦争中に黒海の暴風で艦隊が沈没した事件を契機に、フランスのル・ヴェリエが天気図を作成したことから始まった。1922年にリチャードソンが数値予報の概念を提示し、1950年に米国のENIACで最初の数値予報計算が行われた。1960年のTIROS-1衛星打ち上げ以降に衛星観測が導入され、1990年代にはアンサンブル予報が一般化した。
観測体系
地上自動観測所（AWS）、ラジオゾンデ（1日2回、00・12 UTC）、航空機・船舶・ブイ、ドップラー気象レーダー、静止軌道および極軌道気象衛星、GNSS大気可降水量、ライダー・シーロメーターなどが大気状態を立体的に監視する。観測値はリアルタイムで世界中で交換され、世界気象機関（WMO）のWIS/GTS体系がこれを担っている。
数値予報モデル
運動量方程式、質量保存、熱力学方程式、状態方程式、水蒸気方程式を格子上で数値的に積分する。雲・放射・乱流・地表面過程はパラメータ化で近似し、格子解像度が高いほど局地現象をよく模擬する。代表的なモデルにはECMWFのIFS、米国のGFS、英国のUM、韓国型KIM、領域モデルWRFなどがある。初期場を正確に作るためのデータ同化（3D/4D-Var、アンサンブルカルマンフィルタ）が予報性能の半分を左右する。
アンサンブル予報と確率予報
初期条件とモデルの不確実性を反映して数十個のアンサンブルメンバーを積分し、その分布で降水確率・気温範囲を提示する。カオス理論（ローレンツのバタフライ効果）のため、決定論的予報の有効限界は約2週間程度であり、アンサンブルはその限界を確率情報で補完する。
予報の種類
超短期（6時間以内）、短期（3日）、中期（10日）、長期（1か月）、季節予報、気候見通しに区分される。農業・航空・海運・エネルギー・建設・災害安全など分野別のカスタマイズ予報（影響ベース予報）も拡大している。
精度と限界
降水強度や局地的な集中豪雨、山岳地域、対流性降水は依然として予測が難しい。モデルバイアスを減らすための統計的後処理（MOS、バイアス補正）とマルチモデルアンサンブル手法が活用される。
伝達と活用
気象庁をはじめとする公共気象機関や民間気象事業者が、アプリ、放送、災害メール、APIで予報を伝達する。予報は単なる情報提供を超え、防災、物流、農業、電力需給、保険など社会・経済システムの意思決定基盤となる。
最新動向
2023年以降、AIベースの予報が情勢を変えている。DeepMindのGraphCast、HuaweiのPangu-Weather、FourCastNet、FuXi、GenCastなどは、従来の数値モデルに比べて数百～数千倍速い速度で、同等以上の精度を示した。ECMWFは2025年にAIFS（AI統合予報システム）を運用体系に統合し、韓国気象庁もAI予報モデルの試験運用と1時間単位の超短期降水予報の高度化を推進している。一方、気候変動により猛暑・集中豪雨・台風などの極端気象の頻度が高まるにつれ、確率予報と影響ベース予報、リスクコミュニケーションの重要性が増している。衛星・ドローン・民間データなどの非伝統的観測資料を活用したデータ同化や、km級の超高解像度アンサンブルも主要な流れである。
関連トピック
- [[数値予報]]
- [[気象庁]]
- [[気象衛星]]
- [[気候変動]]
- [[人工知能]]