ユーザー別ナビ |
  • 一般の方
  • 研究関係者の方
  • 環境問題に関心のある方
2021年6月28日

統計的ダウンスケーリングによる詳細な日本の気候予測情報を公開
~日本で初めて第6期結合モデル相互比較プロジェクト(CMIP6)に準拠~

(筑波研究学園都市記者会、環境省記者クラブ、環境記者会同時配布)

2021年6月28日(月)
国立研究開発法人国立環境研究所
気候変動適応センター
気候変動影響評価研究室
 研究員 石崎 紀子
 

   国立環境研究所気候変動適応センターの研究チームは、統計的ダウンスケーリング手法を用いて、20世紀初頭から21世紀末までの日単位で全国1kmメッシュの気候予測情報を公開しました。気候予測は5種類の最新の全球気候モデル、3種類の温室効果ガス排出想定に基づいており、将来予測の不確実性を考慮することができます。また、気温、降水など8種類の気象変数から構成されており、地域の気候変動予測情報として、気候変動の影響評価への活用が期待されます。
 

1.データ開発の背景

 全球平均気温は上昇しており、その主な原因は人為起源の温室効果ガスであることがわかっています。温暖化の傾向は日本の観測データにも表れています。既存研究によれば、温暖化が近年の猛暑や豪雨の発生に影響していたことが示されています。今後の温暖化の影響による被害を軽減するため、前もって対策を検討し、気候変動の適応策を講じることが重要です。そのためには、将来の気候の見通しが必要となります。地域特性に応じた対策の立案には、時間間隔や空間解像度の細かい気候予測情報が必須です。

2.データ開発・公開の概要

 将来の気候予測は、気候変動の主な要因である温室効果ガスの排出量を仮定し、気温や雨の降り方がどう変化するかを地球全体を格子状に区切った全球気候モデルで物理方程式を計算することで行われます。全球気候モデルの結果を地域の気候予測情報として利用するには、2つの問題があります。1つ目は、格子の水平方向のサイズが数十kmから100km程度であり、地域の情報とするには解像度が粗いこと、2つ目は、全球気候モデルで過去を再現した結果が実際の観測値と完全には一致せず、系統的なズレが生じることです。この問題を解決するために、私たちは、全球気候モデルの結果を1km間隔に内挿し、過去の気候を再現した全球気候モデルの結果と観測値との間の統計関係を使って系統的なズレを除去する統計的ダウンスケーリングという手法を用いて詳細な地域気候予測データを開発しました(Ishizaki, 2021)。
 基にする全球気候モデルとして、日本の地域気候予測として初めて第6期結合モデル相互比較プロジェクト(CMIP6)と呼ばれる最新のモデル群を採用しました。これらは、50以上のモデルからなり、2021年から2022年に公表される予定の気候変動に関する政府間パネル(IPCC)の第6次影響評価報告書の解析に主に用いられています。全球気候モデルは様々な国や地域で開発されており、同じ温室効果ガス排出量を想定しても同じ将来変化を示すとは限りません。この将来変化のばらつきを、少数のモデルでできるだけカバーするモデル選択手法(Shiogama et al. 2021)を用いて、日本で開発された2つのモデルを含む5つの全球気候モデルを選択しました。また、将来の温室効果ガス排出量の想定には、影響評価報告書2020や気候変動レポート2020など、日本の将来の気候変動の議論に用いられてきたRCP8.5(温暖化対策を行わず温室効果ガスが増え続ける想定)、RCP2.6(温暖化対策を積極的に行った場合の想定)の2つに加え、その間の中間的な排出想定のRCP4.5の計3種類を使用しており、様々な将来の想定下での気候変化を調べることが可能です。
 利用者へのアンケートを基に、日最高気温、日最低気温、日平均気温、日降水量、相対湿度、全天日射量、下向き長波放射、風速の8変数を対象にデータを整備しました。気候変動の影響が懸念される様々な分野で活用できます。

 図1は過去を再現したある日の日平均気温を表しています。前述の通り、全球気候モデルは格子のサイズが大きいため、日本の複雑な地形やそれに応じた気温分布を捉えることができませんが(図1a)、格子のサイズを1kmにして現実の標高に近づけ、さらに全球気候モデルの系統的なズレも修正することで、図1bのような気温の詳細な水平分布が得られます。山の上は標高が高いために地上の気温が低くなっていることがわかります。図2は冬のある日の降水量を示しています。全球気候モデルでは日本海沿岸部に降水量の多い地域が広がっていますが、格子が大きいので全体的にぼんやりとして見えます(図2a)。統計的ダウンスケーリングを施した結果、大陸からの冬季モンスーンの吹き出しに伴う降水が脊梁山脈や中部山岳で遮られ、日本海側と太平洋側との間に明瞭なコントラストを生み出す典型的な冬型の降水分布が得られました。
 また、20世紀初頭から21世紀にわたる日データを対象としているため、日々の変動を考慮できるだけでなく、長期にわたる時間変化を調べることも可能です。図3は日本の気温と年間降水量を示しています。過去の気象庁の観測値を重ねると、年々の値は一致しませんが、気温、降水共に過去の地域気候予測情報の値の変動の幅や傾向が観測と概ねよく合っていることが示されています。ただし、系統的なズレの修正量を決めるために使用したデータ期間は、メッシュ化された観測データが存在する1980-2018年なので、1980年以前のデータは観測値とのズレが相対的に大きくなっています。また、全球気候モデルごとに将来期間の予測が異なり、それに伴う影響の違いを検討することもできます。
 このように、このデータは時空間解像度が細かく、各地の地域気候がどのように変化するのかを調べたり、様々な気候変動の影響の評価研究に利用され、気候変動適応策の検討に活用されることが期待されます。

過去を再現したある日の日平均気温を、ある全球気候モデルによる分布図と統計的ダウンスケーリング実施後の分布図を並べた図
図 1:過去を再現したある日の日平均気温。(a)はある全球気候モデルによる分布図、 (b)は統計的ダウンスケーリング実施後(本気候予測情報)の分布図を示す。

過去を再現した冬のある日の日降水量を、ある全球気候モデルによる分布図と統計的ダウンスケーリング実施後の分布図を並べた図
図 2:過去を再現した冬のある日の日降水量。 (a)はある全球気候モデルによる分布図、(b)は統計的ダウンスケーリング実施後(本気候予測情報)の分布図を示す。

20世紀から21世紀末までの日本の地上気温と年間降水量の時間変化を、5つの異なる全球気候モデルに基づく気候予測情報の結果と観測値を示している図
図 3:20世紀から21世紀末までの日本の地上気温(a)と年間降水量(b)の時間変化。気象庁の長期変化傾向に用いられている気温15地点、降水量51地点の平均値を30年移動平均したもの。5つの異なる全球気候モデルに基づく気候予測情報の結果と観測値を示している。将来はRCP8.5の想定。

3.参考文献

・H. Shiogama, N. N. Ishizaki, N. Hanasaki, K. Takahashi, S. Emori, R. Ito, T. Nakaegawa, I. Takayabu, Y. Hijioka, Y. N. Takayabu, R. Shibuya, Selecting CMIP6-based future climate scenarios for impact and adaptation studies. SOLA, 17, 57-62 (2021).
https://doi.org/10.2151/sola.2021-009【外部サイトに接続します】
・N. N. Ishizaki, Bias corrected climate scenarios over Japan based on CDFDM method using CMIP6, Ver.1, NIES. (Reference date: 2021/06/11)
https://doi.org/10.17595/20210501.001

4.研究助成

 本研究は、国立環境研究所 気候変動適応研究プログラム及び(独)環境再生保全機構の環境研究総合推進費(JPMEERF20192004)により実施されました。

5.問い合わせ先

【研究に関する問い合わせ】
国立研究開発法人国立環境研究所 気候変動適応センター
気候変動影響評価研究室 研究員 石崎 紀子

【報道に関する問い合わせ】
国立研究開発法人国立環境研究所 企画部広報室
kouhou0(末尾に@nies.go.jpをつけてください)
029-850-2308