気象予報士試験 学科専門②「数値予報のしくみ」完全解説｜データ同化と初期値・静力学と非静力学・格子とパラメタリゼーション・GSM/MSM/LFMの使い分け・予測可能性｜出題傾向とオリジナル問題15問＋一問一答20問【元気象庁職員が解説】

数値予報は学科専門で毎回2〜3問出る分野で、「数値予報モデルの基本方程式と近似（静力学・非静力学）」「初期値の作り方（データ同化）」「格子間隔と表現できる現象・パラメタリゼーション」「気象庁の各モデルの仕様（GSM・MSM・LFM・アンサンブル）」「予報誤差の成長と予測可能性」が問われます。数字（格子間隔・予報時間・メンバー数）は運用変更で変わるので、「細かいモデルほど予報時間が短い」「アンサンブルはスプレッドで信頼度を測る」といった関係で理解しておくのが安全です。この記事は出題傾向、3つの図解、オリジナル問題15問＋一問一答20問で構成しています。ガイダンスと精度評価は次の記事で扱います。

出題傾向｜第55〜65回でどう出たか

直近11回で数値予報に分類できる出題はのべ27問（1回あたり2〜3問）。ガイダンス・アンサンブルを含めるとさらに増えます。

分野・論点	出題頻度	典型的な問われ方
格子間隔・解像度と表現できる現象	◎ ほぼ毎回	格子より小さい現象はパラメタリゼーション、格子間隔の数倍以下は表現不可、水平と鉛直の格子
気象庁モデルの仕様と使い分け	◎ ほぼ毎回	GSM・MSM・LFMの領域・格子・予報時間・用途、境界値、静力学と非静力学
データ同化・初期値	○ 2回に1回	第一推定値、4次元変分法、観測の品質管理、解析予報サイクル
パラメタリゼーション	○ 2回に1回	積雲対流・放射・境界層・雲物理・地表面の各過程、なぜ必要か
基本方程式と近似	△ 3回に1回	プリミティブ方程式、静力学近似が使える条件、CFL条件とタイムステップ
予報誤差の成長・予測可能性	△ 3回に1回	初期値誤差の増幅、予測可能な期間（約2週間）、アンサンブルの目的

数値予報の全体の流れ

数値予報は、大気の状態を格子点上の数値（気圧・気温・風・水蒸気など）で表し、物理法則の方程式をコンピュータで時間積分して未来の状態を計算する方法です。出発点となる初期値は、観測値をそのまま並べたものではなく、前回の予報値（第一推定値）を観測で修正して作ります（データ同化）。観測は場所も時刻もまばらで、格子点すべてを埋められないからです。予報が終わると、その予報値が次の初期値の土台になる。この繰り返しを解析予報サイクルと呼びます。

基本方程式と近似｜静力学と非静力学

方程式	内容	ポイント
運動方程式（3成分）	風の時間変化＝気圧傾度力＋コリオリ力＋重力＋摩擦	ニュートンの第2法則。鉛直成分を静力学平衡で置き換えるのが静力学近似
熱力学方程式	気温の時間変化＝断熱変化＋非断熱加熱（放射・潜熱・顕熱）	第一法則。潜熱・放射の項はパラメタリゼーションで
連続の式	質量保存。収束すると密度（気圧）が増える・上昇流が生じる	静力学モデルでは鉛直流を連続の式から診断的に求める
状態方程式	p＝ρRT	気圧・密度・気温を結ぶ
水蒸気の保存式	水蒸気（と雲水・雨など）の時間変化＝移流＋蒸発−凝結	雲物理過程を含む

静力学近似は「鉛直方向の加速度を無視して、気圧傾度力と重力がつり合っている」とする近似で、水平スケールが鉛直スケール（約10km）より十分大きい現象（格子間隔が10km程度以上）で成り立ちます。全球モデル（GSM）はこの近似を使った静力学モデルです。一方、格子間隔が数km以下になると積乱雲のような強い鉛直加速度をもつ現象を直接計算する必要があり、鉛直の運動方程式をそのまま解く非静力学モデル（MSM・LFM）を使います。

時間積分の刻み（タイムステップ）はCFL条件で制限されます。1ステップの間に情報が1格子以上進んではいけない（Δt ＜ Δx／速度）ので、格子を細かくするとタイムステップも短くしなければならず、計算量は格子間隔の3〜4乗で増えます。これが「細かいモデルほど領域・予報時間が短い」理由です。音波や重力波の速さで制限されるため、それらを暗黙的に扱う工夫（セミインプリシット法）や、風速だけで制限するセミラグランジュ法が使われます。

データ同化｜初期値の作り方

用語	内容
第一推定値	前回（6時間前など）の初期値から計算した短時間予報値。観測のない場所や要素を埋め、力学的に整合した場を与える
客観解析	第一推定値と観測値を、それぞれの誤差の大きさに応じた重みで組み合わせて格子点の値を決める。観測誤差が小さいほど観測に近づける
4次元変分法（4D-Var）	同化する時間幅（6時間など）の中の観測を、モデルの時間発展と整合するように初期値を最適化する。GSM・MSMで採用。観測時刻がばらばらでも使える
アンサンブルカルマンフィルタ（EnKF・LETKF）	アンサンブル予報のばらつきから「その日の誤差の大きさ・相関」を推定して重みを決める。ハイブリッド手法として組み込まれている
品質管理	観測値の誤り（センサー不良・通信エラー・代表性のない値）を第一推定値との差などで検出して除外
衛星データ	現在の初期値に最も貢献。輝度温度（放射量）をそのまま同化（変分法なら放射伝達モデルで比較できる）。海上・南半球で特に重要
初期値化	同化の結果に含まれる不自然な高周波の揺れ（重力波）を取り除き、予報開始直後の不安定を防ぐ

「観測値をそのまま初期値にすればよいのでは」と思いがちですが、観測は空間的にまばら（海上・上空はほとんどない）で誤差があり、そのまま使うとモデルの中で不整合な波が発生します。第一推定値という「力学的に整合した下地」に観測を溶け込ませるのが同化の考え方です。

格子とパラメタリゼーション｜表現できない現象をどう扱うか

モデルは格子点の値しか持たないので、格子間隔より小さい現象（サブグリッドスケール）は直接表現できません。実際には格子間隔の5〜8倍程度の大きさがないとまともに表現できないので、13km格子なら100km未満の現象は苦手です。しかし積乱雲・乱流・放射・雲粒の成長などは格子より小さくても大気全体に大きな影響を与えるため、格子点の値（気温・湿度・風など）からその効果を統計的・経験的に見積もるのがパラメタリゼーションです。

物理過程	何を見積もるか	備考
積雲対流	格子内の積乱雲による潜熱の放出・水蒸気の鉛直輸送・降水	格子が細かくなると（数km以下）積乱雲を直接計算でき、不要になる。LFMは積雲対流パラメタリゼーションを使わない
雲物理（雲微物理）	雲水・雲氷・雨・雪・あられの生成・成長・落下	格子スケールの雲による降水。細かいモデルほど重要
放射	太陽放射・赤外放射の吸収・射出による加熱・冷却	雲・水蒸気・CO₂・オゾンの効果。計算が重いので間引いて実行
大気境界層・乱流	地表付近の乱流による運動量・熱・水蒸気の鉛直輸送	混合層の発達、地上気温・風の予測に直結
地表面過程	地面・海面と大気の熱・水蒸気のやり取り、積雪、土壌水分	海面水温は観測値を与える（結合しない場合）
重力波抵抗	山岳で発生する重力波が上空で砕けて風を弱める効果	格子で表現できない地形の効果

気象庁のモデル｜仕様は関係で覚える

モデル	領域・格子	予報時間	主な用途	特徴
全球モデル GSM	全球・水平約13km・鉛直128層	5.5日（132時間）、12UTC初期値は11日（264時間）	週間予報・台風進路予報・府県予報の骨格・海外	静力学。境界値不要。1日4回
メソモデル MSM	日本周辺・約5km・鉛直96層	39時間（00・12UTCは78時間）	府県予報・大雨大雪の量的予想・警報	非静力学。側面境界値はGSMから。1日8回（3時間ごと）
局地モデル LFM	日本周辺・約2km・鉛直76層	10〜18時間	航空・局地的な大雨・竜巻の環境場	非静力学。積雲対流パラメタリゼーションなし。1日24回（毎時）
全球アンサンブル GEPS	全球・約27〜40km	18日（週1回は34日）	週間予報・台風の不確実性・2週間気温予報・早期天候情報・1か月予報	多数のメンバー（数十）で不確実性を評価
メソアンサンブル MEPS	日本周辺・約5km	39時間	大雨・大雪の不確実性、警報級の可能性	MSMを親モデルとするアンサンブル
季節アンサンブル	全球・大気海洋結合	数か月	3か月予報・暖候期寒候期予報・エルニーニョ予測	海洋の変化まで計算

覚え方は「細かいほど短い」です。全球13km→11日、メソ5km→39〜78時間、局地2km→10〜18時間。領域モデル（MSM・LFM）は側面境界で外からの空気を与える必要があり、それは一段粗いモデル（GSMやMSM）の予報値から取ります。だから領域モデルは親モデルの予報より長く計算できず、境界付近の精度は親モデルに依存します。海外のモデル（ECMWF・GFSなど）との比較はWindyの使い方で実物を見られます。

誤差と予測可能性｜なぜ2週間が限界か

• 大気はカオス的で、初期値のわずかな誤差（観測できない小さな乱れ）が時間とともに指数関数的に成長する。誤差の倍増時間は総観規模で2〜3日程度
• 観測をどれだけ増やしても初期値の誤差は0にならないので、決定論的な予報の限界は総観規模で約2週間とされる（ローレンツ）。それより先は「平年からのずれの確率」（季節予報）としてしか予測できない
• 現象が小さいほど予測可能な時間は短い：積乱雲は1時間程度、メソスケールの雨域は半日程度、温帯低気圧は数日、偏西風の大きな流れは1〜2週間
• 誤差の源は初期値の誤差だけでなくモデルの誤差（パラメタリゼーションの不完全さ、解像度）もある。アンサンブルでは初期値だけでなくモデルの物理過程にもばらつきを与える
• アンサンブル予報は初期値をわずかに変えた多数の予報（メンバー）を計算し、その平均（アンサンブル平均、1本の予報より精度が高い）とばらつき（スプレッド）から信頼度・確率を求める。詳しくはガイダンス・精度・アンサンブル

ひっかけ10選

選択肢の言い方	正誤	なぜ
数値予報の初期値は観測値をそのまま格子点に内挿して作る	×	第一推定値（前回の予報）を観測で修正する（データ同化）
全球モデルは非静力学モデルである	×	GSMは静力学。MSM・LFMが非静力学
格子間隔と同じ大きさの現象はモデルで正確に表現できる	×	格子間隔の5〜8倍程度以上が必要
格子が細かいモデルほど予報時間を長くできる	×	計算量が増えるので短くなる
積雲対流のパラメタリゼーションは格子間隔が細かいほど重要になる	×	数km以下では積乱雲を直接計算でき不要になる
領域モデル（MSM）は側面境界値を必要としない	×	外側からGSMの予報値を与える
観測を十分に増やせば数値予報の誤差はなくせる	×	カオス性により誤差は必ず成長。限界約2週間
アンサンブル予報のスプレッドが大きいほど予報の信頼度は高い	×	スプレッド大＝ばらつき大＝信頼度が低い
衛星の輝度温度は気温に変換してから同化する	×	放射伝達モデルを使って輝度温度のまま同化する
アンサンブル平均は個々のメンバーより一般に精度が高い	○	予測しにくい細部の誤差が打ち消される

オリジナル問題15問

仕様の数字は「関係」で判断。過去問は気象業務支援センターで。

一問一答20問｜分野別の成績が出ます

この分野でよくある質問

Q. モデルの格子間隔や予報時間は覚える必要がありますか？

A. 大まかな値（GSM約13km・11日、MSM約5km・39〜78時間、LFM約2km・10〜18時間）と「細かいほど短い」という関係を覚えてください。細かい数字は運用変更で変わるので、選択肢も桁違いの値で作られることが多いです。

Q. データ同化と客観解析は同じですか？

A. ほぼ同じ意味で使われます。客観解析は「観測から格子点値を客観的に決める」こと、データ同化は「モデルの予報値と観測を組み合わせて初期値を作る」ことで、現在の手法（変分法・アンサンブルカルマンフィルタ）は後者の考え方です。

Q. パラメタリゼーションはなぜ誤差の原因になるのですか？

A. 格子内の平均状態から積乱雲などの効果を「推定」しているため、実際の雲と一致しないからです。特に対流性の降水の量と位置はパラメタリゼーションの影響が大きく、モデル間の差の主因です。

Q. なぜ2週間より先は予報できないのですか？

A. 大気がカオス的で、観測できないほど小さな初期値の誤差が数日で倍増を繰り返し、2週間ほどで気候的なばらつきと同程度になるからです。それより先は「平年より高い確率が何％」という確率予報になります。

Q. この分野は実技で使いますか？

A. 実技の資料はほとんどが数値予報の出力（予想天気図・予想図）です。「12時間後の予想図」「FXFE」などの資料の性質と限界を知っていると、読み取りの判断が速くなります。

出典：気象庁「数値予報モデルの概要」「数値予報解説資料」「数値予報課報告・別冊」、気象業務支援センター「気象予報士試験 過去の試験問題」。オリジナル問題の設問・選択肢は当サイト作成です。モデルの仕様は更新されるため最新の資料で確認してください。

※記事内にはアフィリエイト広告（PR）を含みます。