5-1 アンサンブル予報

これまで解説した「数値予報モデル（GSMやMSM）」は、基本的には1つの初期値から1つの未来を計算する「決定論的予報」でした。

しかし、大気にはカオス性（初期のわずかな違いが時間とともに拡大する性質）があるため、計算期間が長くなるほど予報が外れるリスクが高まります。

これを克服するために開発されたのがアンサンブル予報です。

1. アンサンブル予報のしくみ

一言で言えば、「条件をわずかに変えて、何度も計算し、その平均やバラつきを見る手法」です。

初期値の作成:
- 最も確からしい観測データに基づく初期値（コントロールメンバー）を用意します。
- それに、観測誤差の範囲内で意図的に「わずかなズレ（摂動）」を加えた複数の初期値を作ります。
多数の計算（メンバー）:
- 例えば、51通りの初期値を使って、51通りの未来（メンバー）を計算します。
結果の解析:
- すべてのメンバーの結果を並べて比較します。

メンバー : 計算された一つ一つの予報シナリオ。
スプレッド: メンバー同士のばらつき具合（標準偏差）。
- スプレッドが小さい $\rightarrow$ どのメンバーも似た予報 $\rightarrow$ 予報の信頼度が高い。
- スプレッドが大きい $\rightarrow$ メンバーによって予報がバラバラ $\rightarrow$ 予報の信頼度が低い。
アンサンブル平均: 全メンバーの平均値。
- ランダムな誤差がお互いに打ち消し合うため、単独の予報（決定論的予報）よりも平均誤差が小さくなる（精度が良い）傾向があります。ただし、これは全体的な傾向の話で、たまたま単独予報の精度が良い場合もあります。

なぜわざわざ手間をかけて何度も計算するのか、その利点は試験でも頻出です。

これが最大のメリットです。「明日は雨です」と言われるより、「明日は雨ですが、予報が大きく変わる可能性があります（スプレッドが大きい）」と言われた方が、リスク管理がしやすくなります。

決定論的予報（1回の計算）では、たまたまその計算で台風が発生しなければ「なし」となります。

しかし、アンサンブル予報で「51回中3回だけ猛烈な台風が発生する」という結果が出れば、確率は低くても「台風発生のポテンシャルがある」と事前に警戒を呼びかけることができます。

「メンバーの30%が雨を予想している」 $\rightarrow$ 「降水確率30%」というように、客観的な確率を算出できます。

万能に見えるアンサンブル予報にも弱点があります。実技試験で図を読み解く際に注意が必要です。

同じ計算を何十回も行うため、膨大なコンピュータパワーが必要です。

そのため、決定論的予報（GSMやMSM）に比べて、格子の間隔（解像度）を粗くせざるを得ません。

「アンサンブル平均図」を使う際、例えば台風の位置がメンバーごとにバラバラだと、平均をとると低気圧の中心がぼやけてしまい、実際よりも「弱く、広く」表現されてしまうことがあります。

アンサンブル平均をとると「ランダムな誤差」は消えますが、モデルそのものが持っている「常に気温を高めに出す癖（バイアス）」などの系統的誤差は、平均しても残ったままです。