CGERリポート

CGER’s Supercomputer Monograph Report Vol. 23 Improvement of a global aerosol transport model through validation and implementation of a data assimilation system 検証およびデータ同化システムの実装による全球エアロゾル輸送モデルの改良

CGER-I132-2017 imagePDF, 6.8 MB

PDFをご覧いただくには別途アプリケーションが必要になる場合があります

要旨

エアロゾルは地域規模の大気汚染だけではなく、地球規模の気候にも影響を与えている。エアロゾルは短波放射・長波放射の収支を変化させるため、二酸化炭素などの気体を人工衛星から導出する際にも影響を考慮する必要がある。エアロゾル空間分布を精度よく見積もるためには、エアロゾル輸送モデルの改良が必要である。われわれのチームでは、エアロゾル輸送モデルSPRINTARS(Spectral Radiation-Transport Model for Aerosol Species, Takemura et al., 2000)を継続的に発展させてきた。このモデルは、大気大循環モデルであるMIROC(Model for Interdisciplinary Research on Climate, Watanabe et al., 2010)や非静力学正20面体格子大気モデルNICAM(Nonhydrostatic Icosahedral Atmospheric Model, Tomita and Satoh, 2004)にも取り入れられている。このモデル結果は、地上サンプリング観測、人工衛星・スカイラジオメーター・ライダーなどのリモートセンシング観測や、AeroComなどの国際モデル相互比較プロジェクトを通じた他のエアロゾル輸送モデル等と比較されてきており、この比較検証を通じて、継続的なモデル改良を行なってきた。われわれのチームは、国立環境研究所のスーパーコンピュータの研究課題を通じ、10年以上かけてSPRINTARSを改良してきた。われわれが発表した主要研究論文のうち、Goto et al. (2011) を第1章に、Oikawa et al. (2013) を第2章に載せた。

第1章では、硫酸塩濃度や物質収支、さらに直接効果放射強制力(DARF: direct aerosol radiative forcing)に着目し、他のモデル結果との比較を通じて、MIROCに結合されたSPRINTARSの硫酸化学過程を改良した(図1)。第2章では、CALIPSO(Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation)衛星に搭載されているCALIOP(Cloud-Aerosol Lidar with Orthogonal Polarization)衛星ライダーの観測データを用いることで、晴天大気・曇天大気におけるエアロゾルの鉛直分布がDARFに及ぼす影響に注目し、エアロゾル輸送モデルの結果を新しい切り口で検証した(図2)。さらに、われわれのチームは、エアロゾルのより正確な空間分布を得るために、人工衛星観測を用いたエアロゾルのデータ同化手法を開発した(Schutgens et al., 2010a)。

Figure

図1 (a) 硫酸塩エアロゾル鉛直積算量(横軸)と、大気上端における全天大気における人為起源硫酸塩エアロゾルの直接効果放射強制力(縦軸)との関係。(b) 硫酸塩エアロゾル鉛直積算量に対する高度5kmより上空に存在する硫酸塩濃度の割合(横軸)と、大気上端における全天大気における人為起源硫酸塩エアロゾルの直接効果放射強制力(縦軸、単位はWm2)との関係。黒丸で提示されたデータはAeroComプロジェクトで得られた他のモデル結果である(Schulz et al., 2006; Textor et al., 2006)。赤色は本研究での結果を示しており、白抜きの赤丸は従来版のMIROC-SPRINTARSの結果であり、赤丸は改良版の結果である

Figure

図2 エアロゾルが雲の上に存在する場合における短波放射のエアロゾル直接効果放射強制力の年平均値(上段の図)と雲の光学的厚さ(下段の図)。左図はCALIOPとMODISの観測データに基づく結果であり、右図はMIROC-SPRINTARSで計算された結果である

第3章では、アンサンブカルマンフィルター法を用いたエアロゾルデータ同化研究を紹介する。アンサンブルカルマンフィルター法は他のデータ同化手法とは異なり、現実的な時空間変数の共分散を求めることが可能である。解析される変数はエアロゾル輸送モデルの予報変数であるエアロゾル混合比である。エアロゾル光学的厚さ(AOT: Aerosol Optical Thickness)を解析した従来のデータ同化手法で用いられていた特別な仮定は不要である。データ同化システムは図3に示した結果等の様々な感度実験を通じて、十分に検証されてきた(Schutgens et al., 2010a, 2010b)。さらに、エアロゾルの排出量インベントリを導出するためのカルマンスムーザー法にも拡張させた(Schutgens et al., 2012)。これらのデータ同化システムから得られる精度の高いエアロゾル分布は、GOSAT(Greenhouse gases Observing SATellite)のような衛星を用いたリトリーバルにも適用可能である。実際に、MIROC-SPRINTARSのエアロゾル場が、フーリエ分光計(FTS: Fourier Transform Spectrometer)による短波長赤外(SWIR: ShortWave InfraRed)バンドのレベル2プロダクトを作成するときの参照データとして用いられている。ごく最近では、MIROC-SPRINTARSによるデータ同化システムから導出したエアロゾル場が、より高次のGOSATのプロダクトを作成する際に試験的に用いられている。

Figure

図3 AERONETサイト(Ames)における波長675nmのエアロゾル光学的厚さ(AOT)。黒線がデータ同化なしの結果である。赤線がAOTのみをデータ同化した結果であり、青線がAOTとオングストローム指数をデータ同化した結果である。緑は観測値である。

参考文献

本研究では次の3つの論文を引用している。

  • Goto D., Nakajima T., Takemura T., Sudo K. (2011) A study of uncertainties in the sulfate distribution and its radiative forcing associated with sulfur chemistry in a global aerosol model. Atmospheric Chemistry and Physics, 11, 10889-10910.
  • Oikawa E., Nakajima T., Inoue T., Winker D. (2013) A study of the shortwave direct aerosol forcing using ESSP/CALIPSO observations and GCM simulation. Journal of Geophysical Research, 118, 3687-3708, doi:10.1002/jgrd.50277.
  • Schutgens N.A.J., Miyoshi T., Takemura T., Nakajima T. (2010a) Applying an ensemble Kalman filter to the assimilation of AERONET observations in a global aerosol transport model. Atmospheric Chemistry and Physics, 10, 2561-2576.

その他の参考文献は次のものである。

  • Schulz M., Textor C., Kinne S., Balkanski Y., Bauer S., Bertsen T., Berglen T., Boucher O., Dentener F., Guibert S., Isaksen I.S.A., Iversen T., Koch D., Kirkevag A., Liu X., Montanaro V., Myhre G., Penner J. E., Pitari G., Reddy S., Seland O., Stier P., Takemura T. (2006) Radiative forcing by aerosols as derived from the AeroCom present-day and pre-industrial simulations, Atmospheric Chemistry and Physics, 6, 5225-5246.
  • Schutgens N.A.J., Miyoshi T., Takemura T., Nakajima T. (2010b) Sensitivity tests for an ensemble Kalman filter for aerosol assimilation, Atmospheric Chemistry and Physics, 10, 6583-6600.
  • Schutgens N.A.J., Nakata M, Nakajima T. (2012) Estimating Aerosol Emissions by Assimilating Remote Sensing Observations into a Global Transport Model. Remote Sensing, 4(11), 3528-3543, doi:10.3390/rs4113528.
  • Takemura T., Okamoto H., Maruyama Y., Numaguti A., Higurashi A., Nakajima T. (2000) Global three-dimensional simulation of aerosol optical thickness distribution of various origins, Journal of Geophysical Research, 105, 17853–17873.
  • Textor C., Schulz M., Guibert S., Kinne S., Balkanski Y., Bauer S., Berntsen T., Berglen T., Boucher O., Chin M., Dentener F., Diehl T., Easter R., Feichter H., Fillmore D., Ghan S., Ginoux P., Gong S., Grini A., Hendricks J., Horowitz L., Huang P., Isaksen I., Iversen I., Kloster S., Koch D., Kirkevåg A., Kristjansson J. E., Krol M., Lauer A., Lamarque J. F., Liu X., Montanaro V., Myhre G., Penner J., Pitari G., Reddy S., Seland Ø., Stier P., Takemura T., Tie X. (2006) Analysis and quantification of the diversities of aerosol life cycles within AeroCom, Atmospheric Chemistry and Physics, 6, 1777–1813.
  • Tomita H., Satoh M. (2004) A new dynamical framework of non-hydrostatic global model using the icosahedral grid, Fluid Dynamics Research, 34, 357–400, doi: 10.1016/j.fluiddyn.2004.03.003.
  • Watanabe M., Suzuki T, O’ishi R, Komuro Y, Watanabe S, Emori S, Takemura T, Chikira M, Ogura T, Sekiguchi M, Takata K, Yamazaki D, Yokohata T, Nozawa T, Hasumi H, Tatebe H, Kimoto M (2010) Improved climate simulation by MIROC 5: mean states, variability, and climate sensitivity, Journal of Climate, 23, 6312-6335, doi: 10.1175/2010JCLI3679.1.