[論文レビュー] Three-Dimensional Variational Data Assimilation with Rapid Update Cycling for Short-Range Precipitation Forecasting: A Case Study of Heavy Rainfall in Bali, Indonesia

Nurjanna Joko Trilaksono, Sandy Herho+4 more|arXiv (Cornell University)|Mar 20, 2026

Meteorological Phenomena and Simulations被引用数 0

ひとこと要約

この研究は Bali を対象に WRFDA で Rapid Update Cycle (RUC) を用いた3D-Var データ同化を評価する；日次サイクルより頻度の高いサイクルと非DAに比べ、時系列での予報精度と降水予測を大幅に改善する。

ABSTRACT

This study evaluates the effectiveness of three-dimensional variational (3D-Var) data assimilation coupled with a Rapid Update Cycle (RUC) framework for improving short-range precipitation forecasts over the Indonesian Maritime Continent (IMC). We employ the Weather Research and Forecasting (WRF) model and its data assimilation component (WRFDA) to assimilate surface observations from Automatic Weather Stations (AWS) at cycling intervals of 1, 3, 6, and 12 hours. Our test case is a heavy rainfall event on 7 July 2023 in Bali Province, during which accumulated precipitation exceeded 193 mm.day$^{-1}$. The 1-hour cycling interval yields the lowest root-mean-square error (RMSE) for both 2-meter temperature (0.0-0.3$\,^\circ$C) and hourly precipitation (1.295 mm.h$^{-1}$), corresponding to reductions of roughly 75% and 57%, respectively, relative to non-assimilated forecasts. Frequent cycling constrains initial-condition errors and captures mesoscale convective evolution, as confirmed by improved spatial agreement with radar reflectivity observations. These results demonstrate that high-frequency assimilation cycling offers clear advantages for nowcasting in tropical maritime environments.

研究の動機と目的

• インドネシア海域大陸周辺の短時間降水予報のため、Rapid Update Cycle を統合した3D-Varデータ同化の有効性を評価する。
• 異なるサイクリング間隔（1, 3, 6, 12時間）がバリの豪雨イベント時の予報精度にどのように影響するか定量化する。
• 高頻度同化が初期条件誤差の成長と中尺度対流の進化に与える影響を評価する。

提案手法

• CV3 コントロール変数と NMC 法による背景誤差共分散を用いた WRFDA 内の3D-Varデータ同化を実装する。
• バリを対象とする2ドメイン WRF 設定（外側 9 km、内側 3 km）と、10分間隔での AWS 表面観測を使用する。
• 2023年7月6日08:00 WITA から48時間予報として、12、6、3、1 時間のサイクリング間隔をテストする。
• AWS 観測値およびレーダー/ BMKG データに対して、2 m 温度と hourly 降水の RMSE と Bias で予報を評価する。
• データ同化の影響を分離するため、非 DA（コールドスタート）実行と比較する。
• 観測前処理ワークフロー（品質管理と補間）と標準観測誤差の仕様を含む。

実験結果

リサーチクエスチョン

• RQ1 熱帯海洋域のバリのような場所で、より頻繁なデータ同化サイクリングは短時間降水予報を改善するか。
• RQ2 サイクリング間隔は降水の空間分布と対流進化をレーダー観測と比べてどう影響するか。
• RQ3 1時間サイクリングと6、3、12時間サイクリングを比較した場合、温度と降水の予報 RMSE および Bias にどのような定量的改善があるか。
• RQ4 計算コストや観測ネットワークの観点から、 hourly サイクリングを実装する際の実務上の考慮点と制限は何か。

主な発見

• 1時間サイクリングは、2 m温度の RMSE（0.0–0.3 °C）と hourly 降水量の RMSE（1.295 mm h^-1）で最も低い値を示す。
• Non-DA と比較して、1時間サイクリングは温度 RMSE を約75%、降水 RMSE を約57%低減。
• Tabanan および Denpasar での hourly 降水 RMSE は、サイクリングを粗くするほど（Cycle 3、Cycle 6、Cycle 12）漸次増加。
• Tabanan では、Cycle 1: 1.295 mm h^-1; Cycle 3: 1.432 mm h^-1; Cycle 6: 1.745 mm h^-1; Cycle 12: 2.572 mm h^-1; DA: 2.482 mm h^-1; Non-DA: 3.023 mm h^-1。
• Denpasar では、Cycle 1: 1.487 mm h^-1; Cycle 3: 1.853 mm h^-1; Cycle 6: 1.855 mm h^-1; Cycle 12: 3.224 mm h^-1; DA: 3.877 mm h^-1; Non-DA: 3.954 mm h^-1。
• Cycle 1 は高頻度サイクリングよりも GPM の降水パターンとレーダー反射率をより良く再現する。