研究概要
数値気候モデルにおける雲・降水パラメタリゼーションの高度化
信頼性の高い気候予測を実現するためには、数値気候モデルが特に苦手としているエアロゾル・雲・降水過程の再現性向上が必要不可欠です。エアロゾルは雲・降水と複雑に相互作用するため数値モデルにおける最大の不確実要素として認識されており、その定量的な見積もりには未だに大きなモデル間のばらつきが存在します。
その原因の一つが、降水のモデリング手法が非常に簡素であることです。現状の多くの気候モデルは、計算コストの節約のため降水を診断的に取り扱うモデリング手法がほとんどですが（図1a）、この手法では降水粒子が地表面へと即座に落下することを意味するため、雲の“成長履歴”に応じた降水生成ができない問題点がありました。 より現実的な雲・降水・放射過程を再現するために、こうした従来の降水診断型スキームを見直し、降雨・降雪の時間発展を陽に表現する降水予報型スキーム“CHIMERRA(Cloud/Hydrometeors Interactive Module with Explicit Rain and Radiation; 図1b)”を開発しています（Michibata et al., 2019, 2020）。
こうした雲・降水モデリング手法の高度化を通して、地球規模の水循環やエネルギー収支をより高精度にシミュレート可能な、信頼性の高い気候変動予測を目指しています。
人工衛星観測データを用いた降水素過程の理解
雲・降水の微細構造を理解するために、全球で観測を行っている人工衛星データの解析も重要な研究テーマの一つです。
例えば、2024年5月に打ち上げられたEarthCARE衛星には世界初となるドップラー雲レーダーが搭載され、雲・降水粒子の上昇・下降の様子も推定可能となりました。また、高精度の雲レーダーとライダーの観測情報を統合的に活用することで、雲・降水粒子のタイプも識別できるようになり、数値モデルの性能評価や物理過程の理解に役立てています（図2）。
（上）雲粒子のドップラー速度（赤で上昇流、青で下降流）および（下）粒子のタイプを鉛直断面図の色で、雲の光学的厚さを地表面の色で示す。273Kを下回る温度層でも雲頂付近に雲水・雲氷が共存する混合相が観測されたり、ドリズル（霧雨）も比較的高頻度で観測されたりする北極域の雲の特徴がこの図からも読み取れます。
衛星シミュレータを用いた数値モデルと衛星観測の比較
気候モデルの性能をより向上させるためには、こうした衛星観測データをうまく活用した比較・検証を行うことが重要です。観測データを有効に活用しエビデンスに裏付けされた気候モデル開発を加速させるため、数値モデルの性能を診断するツールの開発も推進しています。
エアロゾル・雲・降水を観測する衛星センサーには MODIS, ISCCP, MISR, CloudSat, CALIPSO, EarthCARE-CPR/ATLID など様々なものがありますが、センサーごとに検出感度やアルゴリズムがことなるため、数値モデルと衛星データを整合的に比較するためには技術的な問題点が多く存在していました。 これら複数の人工衛星観測を、コンピュータが再現する仮想地球上で再現するソフトウェアが衛星シミュレータです。衛星シミュレータは、数値モデルと衛星観測の整合的な比較のために開発された、いわば“雲の共通言語”を提供する必要不可欠なツールとしての役割を担っています。
当研究グループは衛星シミュレータの開発・運営委員として国際貢献しており、数値モデルと衛星観測データを組み合わせた解析（図3）を軸とした研究を特色としています。
大気・海洋・雪氷相互作用の理解深化
気候が変化した際の雲・降水の応答は過程が非常に複雑であり、未だ知られていない気候フィードバックも存在すると考えられています。地球温暖化のメカニズムを包括的に理解するためには、大気と海洋の相互作用を適切に考慮することに加え、温暖化のシグナルが特に顕著である極域の気候変動メカニズムの理解も必須です（図4）。
不確実性を大きく改善した最新の気候モデルを用いることで、雲・降水過程の再現性に課題を抱えていた従来の簡素化された数値気候モデルでは着手できなかった、大気圏・海洋圏・雪氷圏・人間圏にまたがる多圏間の気候フィードバックを紐解く研究を推進しています。また、世界中で開発されている様々な気候モデルのシミュレーション結果も用いたマルチモデル解析を行うことで、予測の不確実性の要因をメカニズムレベルで解き明かす研究を行っています。
→ 創発的研究支援事業にて実施中（2021年4月〜2028年3月）
