4分で読めます予報

予報検証:気象予報を評価する方法

評価していない予報は、値付けも、調整も、信頼もできません。よく使われるスコアを平易な言葉で説明し、陥りやすい落とし穴と、誠実な報告の公開事例を一つ紹介します。

ワシントン州とオレゴン州を対象とした、地上80メートルの風速の予報図(1 km格子)。山あいの切れ目を抜ける強風が、明るい筋として描かれています。

初出:2026年11月11日 · 更新:2026年11月16日

予報検証とは、実際に起きたことと照らして予報を評価する作業です。予報チームのリーダーは、新しいモデル設定が改善になっているかどうかをこれで確かめ、購入者はベンダーの予報の価値を知り、運用責任者は明日の数値をどこまで信頼するかを決めます。このガイドでは、何と比較するか、よく使われるスコアの平易な説明、実力以上に良く見える結果を生む落とし穴、そして限界を添えて報告された結果の公開事例を一つ取り上げます。

予報を何と比較するか

完全な真値となる基準はありません。どの基準にも、強みと死角があります。

  • 地上観測所は、ある地点の気温、風、気圧、雨を直接測定します。空港や都市の近くには密にありますが、それ以外ではまばらです。また、標準的な風の観測は高さ10 mで行われ、風車のハブよりはるかに低い位置です。
  • ライダーは、ハブ高さを含め、機器の上空の複数の高さで風を測定します。風力発電によく適していますが、設置しているサイトはわずかです。
  • レーダーは、雨、ひょう、雷雨の構造を、広い範囲にわたって数分ごとに捉えます。測定しているのは、地上に届く雨ではなく、上空の降水が反射したエネルギーです。そのため、雨量への換算には注意が必要です。
  • 解析値は、観測とモデルを組み合わせて作る、格子状の大気の最良推定値です。あらゆる場所をカバーするので便利ですが、作成に使ったモデルの癖を引き継いでいます。自身の解析値と照らして評価されたモデルは、実力以上に良く見えます。

どの基準を使う場合でも、ベースラインも評価してください。持続予報(現在の状態から変化しないとする予報)、気候値、あるいはNOAAの毎時実行の米国予報モデルであるHRRRのような公開予報です。予報が費用に見合うのは、それがなくても得られたものを上回る場合だけです。

よく使われるスコアの平易な説明

誤差が+2、−1、+3、−2、+3 m/s(予報値から観測値を引いた値)だった、五つの風予報を考えます。計算を示すために作った架空の数値です。

  • バイアスは、符号を残したままの誤差の平均です。(2 − 1 + 3 − 2 + 3) ÷ 5 = +1.0 m/s。予報は高めに出ています。バイアスは最も補正しやすい誤差ですが、バイアスがゼロでも、打ち消し合っている大きな誤差が隠れていることがあります。
  • 平均絶対誤差(MAE)は、符号を外した誤差の大きさの平均です。(2 + 1 + 3 + 2 + 3) ÷ 5 = 2.2 m/s。典型的な外れ幅として読みます。
  • 二乗平均平方根誤差(RMSE)は、各誤差を二乗し、その平均をとって、平方根を求めたものです。√((4 + 1 + 9 + 4 + 9) ÷ 5) = √5.4 = 2.32 m/s。二乗すると大きな外れがより重く効くため、RMSEがMAEより小さくなることはありません。一度の大きな外れが、数回の小さな外れより高くつく場合に使います。

拠点での雷雨や、風車のカットアウト風速を超える風のような事象については、適中、見逃し、空振りを数えます。たとえば、雷雨が20日について予報され、そのうち12日で実際に発生し、さらに予報のない雷雨が3回発生したとします(これも架空の数値です)。

  • 捕捉率(探知確率、probability of detectionとも呼ばれます):適中 ÷ (適中 + 見逃し) = 12 ÷ (12 + 3) = 0.80。発生した雷雨のうち、80%が予報されていました。
  • 空振り率:空振り ÷ (適中 + 空振り) = 8 ÷ (12 + 8) = 0.40。予報された雷雨のうち、40%は発生しませんでした。

この二つは一緒に報告してください。毎日雷雨を予報すれば、捕捉率は満点になりますが、空振り率は使いものにならない値になります。より詳しい定義は、WMOの世界天気研究計画(World Weather Research Programme)のもとにある作業部会、Joint Working Group on Forecast Verification Researchが管理する手法ガイドにあります。METplusは、Developmental Testbed CenterがNCARおよびNOAAとともに提供している、公開の検証フレームワークです。

判断を誤らせる三つの落とし穴

代表性

モデルの値は、格子のマス目全体の平均です。一方、観測機器が測るのは一地点です。一つのマス目に、尾根と谷の両方が入ることがあります。高さも重要です。高さ10 mの風速計からは、高さ80 mの風についてほとんど何もわかりません。「誤差」の一部は予報のせいではなく、この不一致によるものです。

タイミングのずれと二重ペナルティ

高解像度モデルは、輪郭のはっきりした雷雨を描きます。その雷雨の位置が20 kmずれていたり、1時間遅れていたりすると、地点ごとのスコアでは、実際に雷雨があった場所で見逃し、予報した場所で空振りと数えられます。惜しい外れ一つに対して、ペナルティが二つ課されるわけです。位置や時刻をはっきり示さない、滑らかで粗い予報のほうが、有用性は低いのにスコアは良くなることがあります。空間的な近傍や時間的な幅を許容するスコアを使えば、輪郭のはっきりした予報をより公平に扱えます。

都合のよい事例の選別

劇的な事例が一つあっても、何の証明にもなりません。結果を見る前に、期間、対象地点、スコアを決めておきます。そのうえで、すべての事例、サンプル数、ベースライン、うまくいかなかった点を報告します。

誠実な報告の実例

TempoQuestが運営する気象インテリジェンスプラットフォームであるAeravaは、風の比較結果を公開しています。その構成要素は、上のチェック項目に対応しています。

  • サンプル:オクラホマ州の風力発電所1か所での12夜。
  • 基準:米国エネルギー省(DOE)が公開している高度80 mのライダー観測。
  • ベースライン:HRRR単独。
  • 結果:HRRRとブレンドした1 km予報は、HRRR単独より誤差が11~13パーセント小さく、12夜のうち11夜で上回りました。
  • うまくいかなかった点:1 kmの計算単独では、HRRRを安定して上回ることはありませんでした。
  • 現状:このブレンドは研究段階のもので、販売はしていません。

Aeravaは、まだ評価していないものも明らかにしています。雷雨予報はまだスコア評価が行われておらず、ひょうの大きさは実験的な参考情報です。1か所での12夜は小さなサンプルであり、この記述も、その12夜を超えることは何も主張していません。これこそ、TempoQuestを含むあらゆるベンダーに求めるべき形です。サンプル、基準、ベースライン、うまくいかなかった点、そしてまだ評価されていないものを示すことです。

TempoQuestは、気象予報の検証を改善することを目的としたForecast Verification Tool(FVT)を開発中です。このガイドで取り上げたスコアと落とし穴は一般的な実務であり、FVTの説明ではありません。

次のステップ

Aeravaの1 km拠点予報とは何かを読む、またはTempoQuestに問い合わせる。

お客様の予報

ご自身の予報について、ご質問がありますか?

その予報がどのような判断に使われるのかをお聞かせください。短いフォームひとつで担当チームに届き、すべてのお問い合わせを確認します。