降水短時間予報は、現在から少し先（半日強）までの雨量を非常に細かいメッシュで予測する情報です。大雨災害時の避難行動の判断や、河川・ダムの管理などに広く利用されています。
学科試験（専門知識）では、ナウキャストとの明確な仕様の違い（予測対象の物理量や解像度）や、「なぜ2つの全く異なる予測手法を合成しなければならないのか」という観点を頻繁に問われます。
1. 降水短時間予報の基本情報
まず、試験で最も引っかかりやすい「ナウキャスト」との根本的な違いを押さえておきましょう。ナウキャストが「その瞬間の雨の激しさ（降水強度：mm/h）」を予測するのに対し、降水短時間予報は「1時間でどれくらい雨水が溜まるか（1時間積算降水量：mm）」を予測の対象としています。
この数字の組み合わせ（予報期間、更新頻度、解像度の切り替わり）は暗記必須です。
| 項目 | 降水短時間予報の仕様 |
|---|---|
| 予報対象 | 1時間降水量（ある時刻までの「前1時間」の積算降水量） |
| 予報期間 | 15時間先まで（※防災対応強化のため、以前は6時間でしたが延長されました） |
| 更新頻度 | ・6時間先まで：10分ごと ・7時間〜15時間先まで：1時間ごと（毎正時） |
| 水平解像度 | ・6時間先まで：1kmメッシュ ・7時間〜15時間先まで：5kmメッシュ |
| 初期値 | 解析雨量（レーダーと雨量計を組み合わせて作った精度の高い実況値） |
2. 予測手法：2つの手法の合成
降水短時間予報の最大の特徴であり、学科試験で必ず狙われるのが「時間の経過とともに、予測の作り方（重み付け）を連続的に変えている」という点です。
これを実現するために、特性の異なる以下の2つの予測手法を合成しています。
2-1 補外予測モデル（実況の移動）
- 仕組み: 初期値である「解析雨量（現在の雨雲）」の動きから移動ベクトル（風に流される方向と速度）を計算し、「今ある雨雲がそのまま形を保って移動する」と仮定して外挿（延長）する手法です。
- メリット: 実況の雨量分布を忠実に引き継ぐため、予測開始直後（1〜3時間先）の精度が極めて高いのが特徴です。
- デメリット（限界）: 物理法則を計算していないため、地形による雨雲の発生や、大気不安定による「新しい雨雲の発生・発達・衰退」を一切予測できません。時間が経つにつれて急激に精度が落ちます。
2-2 数値予報モデル（MSM・LFMによる力学的予測）
- 仕組み: メソモデル（MSM）や局地モデル（LFM）が物理方程式を用いて計算した、大気の状態変化に基づく降水予測です。
- メリット: 地形性降雨や、これから新しく発生・発達する雨雲のポテンシャルを表現できるため、予測後半（長時間の予測）において威力を発揮します。
- デメリット: 数値予報特有の「スピンアップ現象（計算開始直後は降水量が過小評価される現象）」があるため、予測の初期段階では実況（補外予測）の精度に勝てません。
【試験のポイント】時間経過による加重平均（重み付け）の変化
スピンアップの弱点を持つ「数値予報」と、発達・衰退を表現できない「補外予測」の欠点を互いに補い合うため、時間経過とともに加重平均の割合（ブレンド比率）をシフトさせています。
- 開始 〜 3時間先: 「補外予測」を圧倒的に重視。（スピンアップ中の数値予報の比重は極めて小さい）
- 3時間 〜 6時間先: 補外予測の比重を徐々に減らし、立ち上がってきた「数値予報」の比重を連続的に増やしていく。
- 7時間 〜 15時間先: 今ある雨雲は既に寿命を迎えており、新しい雨雲ができているはずなので、補外予測は使わず「数値予報（MSM/LFM）」の結果を全面的に採用する。
3. 【参考】初期値となる「解析雨量」とは？
降水短時間予報の計算のスタート地点（T=0）には、「解析雨量」というデータが使われます。
気象レーダーは「面的な分布」を捉えるのが得意ですが、雨量の絶対値には誤差があります。一方、アメダスなどの雨量計は「正確な雨量」を測れますが、点の観測です。
この両者の長所を組み合わせ、「レーダーによる1kmメッシュの細かい分布」を「雨量計の正確な値」で補正して作った、極めて精度の高い実況データが「解析雨量」です。これが補外予測の精度の高さを支えています。
4. まとめ：学科試験対策チェックリスト
- 予測対象のひっかけ: 降水短時間予報の対象は、瞬間の「降水強度」ではなく「1時間降水量」である。
- 仕様の変化点（超重要）: 6時間先を境目にして、更新頻度（10分 $\rightarrow$ 1時間）と、メッシュ解像度（1km $\rightarrow$ 5km）が切り替わる。
- 補外予測の限界: 補外予測は現在の雨雲を流すだけなので、「新しい雨雲の発生」や「山岳地帯での地形性降雨の強化」を予測することはできない。
- 重み付けの変化: 予測の前半は実況に基づく「補外予測」を重視し、後半になるにつれて物理方程式に基づく「数値予報（MSM/LFM）」の割合を大きくしていく（加重平均）。
- 初期値の整合性: 予測のスタート地点には、レーダーと雨量計の観測データを統合して作成された「解析雨量」が用いられている。