[Japanese]
卒業論文要旨(植木 虹晴)
光学式ディスドロメーターを用いた霙粒子降水期間の検出
植木 虹晴
地上観測により雨、霙（湿雪）、雪（乾雪）の判別を行うことは、着雪害のリスク評価やレーダーで観測されるブライトバンド領域における正確な降水強度推定に対して有用である。霙粒子の観測においては粒径、落下速度、そして密度の情報が重要である。粒径、落下速度は光学式ディスドロメーターにより簡易的に測定することが可能だが、霙の密度については正確な計測が難しく、現状ではほとんど研究されていない。
先行研究では、雪片や霰といった固体降水粒子種の自動判別を目的としてある期間に観測された降水粒子の粒径－落下速度分布に対応した質量フラックス中心（Center of Mass Flux distribution; CMF）を求める方法を開発している。この手法では各降水粒子の質量および密度を、粒径と落下速度の測定値を基に、降水種ごとの経験的な粒径－落下速度関係式、粒径－質量関係式から内挿することで推定している。しかし、融解中の粒子である霙については、その密度を粒径－落下速度空間から経験的に算出することが不可能であり、質量が求まらず、CMFを求められないという問題が生じる。このことから、粒径－落下速度分布に基づいて雨、霙、雪を判別し、霙が降っている期間を特定するような解析はこれまで行われてこなかった。
そこで、本研究では慣性抵抗を仮定することで降水粒子種に関係なく密度を推定できるような手法を開発した。仮定にあたってレイノルズ数、および空気抵抗係数を粒径と落下速度の関数として求めることで、降水粒子の任意の粒径、落下速度に対して密度を推定することが可能となった。この手法を用いて CMF を算出し、粒径－落下速度分布図の中で複数の雨と霙の境界、雪と霙の境界を設定することで、気温が 0℃を上回るような状況で霙粒子が降っている期間を検出することを試みる。
本 研 究 で は 石 川 県 の 金 沢大 学 に 設置 さ れ た 光 学 式 デ ィ ス ドロ メ ー ターPARSIVEL の観測データを使用し、2018 年 1 月 10 日 15 時から 22 時の 7 時間を対象に解析を行った。観測地点に近い金沢地方気象台の観測記録との比較を通して検証を行ったところ、霙期間が全体の大半を占めているという点では一致しており、手法に関して不確実性はあるものの、検出の妥当性に関してはある程度認められると考えられる。
[戻る]
[English]
Identification of periods of sleet precipitation using an optical disdrometer
Kosei Ueki
Discriminating between rain, sleet (wet snow), and snow (dry snow) through ground-based observations is beneficial for evaluating the risks of snow accretion damage andfor accurately estimating precipitation intensity in bright band regions observed by radar. In the observation of sleet particles, information on particle size, fall velocity, and density is essential. While particle size and fall velocity can be easily measured using an optical disdrometer, accurately measuring the density of sleet is challenging, and little research has been conducted on this aspect.
Previous studies have developed a method to determine the Center of Mass Flux distribution (CMF) corresponding to the size-fall velocity distribution of precipitation particles observed over a certain period, aiming for the automatic classification of solid precipitation types such as snowflakes and graupel. This method estimates the mass and density of individual precipitation particles by interpolating from empirical size-fall velocity and size-mass relationships specific to each precipitation type, based on the measured size and fall velocity. However, for melting particles such as sleet, it is impossible to empirically determine density from the size-fall velocity space, making it difficult to estimate mass and consequently derive CMF. As a result, no previous studies have attempted to classify rain, sleet, and snow based on the size-fall velocity distribution to identify periods of sleet precipitation.
To address this issue, this study developed a method that enables density estimation by assuming inertial resistance. By determining the Reynolds number and the drag coefficient as functions of particle size and fall velocity, it became possible to estimate density for precipitation particles of any size and fall velocity. Using this method, CMF was calculated. By setting multiple boundaries between rain and sleet, as well as between snow and sleet within the size-fall velocity distribution, This study attempted to detect periods of sleet precipitation under conditions where the temperature exceeded 0°C.
This study analyzed observational data from the PARSIVEL optical disdrometer installed at Kanazawa University in Ishikawa Prefecture, focusing on a 7-hour period from 15:00 to 22:00 on January 10, 2018. A comparison with observational records from the Kanazawa Local Meteorological Observatory, located near the observation site, showed general agreement in that sleet accounted for the majority of the precipitation period. Although uncertainties exist in the methodology, the results suggest a reasonable degree of validity for the detection approach.
[BACK]