台風接近時に国や地方自治体等が的確な防災対策を行う上で、台風の進路や勢力等に関する情報が必要となる。勢力については、中心気圧や最大風速、最大瞬間風速などの情報が提示されるが、観測・予測精度の問題や情報伝達の観点からの問題などから、具体的な数値ではなく、強さをいくつかのカテゴリーに分類した指標が使われることもある（表1）。同様な指標は竜巻に対しても導入されており、Fujitaスケールと呼ばれる（Fujita,1981）。これは、実際の現地での被害状況から竜巻の強度（風速）を推定することを視野に分類されたものである。なお、構造物などの時代の変化に応じて、現在はその修正版が利用されている（http://www.jma.go.jp/jma/kishou/know/toppuu/tornado1-2-2.html）。

表1　台風の強さを表す階級

最大風速（m/s）	最大風速（knot）	カテゴリー	階級
< 17.2	< 34	Tropical Depression (TD)	熱帯低気圧
17.2 – 24.5	34 – 47	Tropical Storm (TS)	(弱い)台風
24.6 – 32.6	48 – 63	Severe Tropical Storm (STS)	(並みの強さの)台風
7. – 43.7	64 – 84	Typhoon	強い台風
7. – 54.0	84 – 104	Very Strong Typhoon	非常に強い台風
> 54.0	> 105	Violent Typhoon	猛烈な台風

寒候期に、急速に発達する低気圧、所謂、爆弾低気圧は、短時間で台風並みの強度に達することから時に大きな被害をもたらすことがある。Sanders and Gyakum (1980)は、このような急速に発達する低気圧の指標として以下のような発達率を定義した。

(1)

ここで、pは低気圧中心の海面気圧、tは時間、θは緯度を表す。しかしながら、防災情報の観点からは、発達率もさることながら、台風と同様に強さを表す指標も必要と考えられる。そこで、Zielinski (2002)は、地上天気図に基づき米国東海岸域に大雪などの被害をもたらす低気圧（Nor’Easters）を対象として、以下に示す指標を組み合わせて低気圧の強度を分類する手法を提案した。

(2)

(3)

(4)

一つ目の指標 I_A は、Sanders and Gyakum (1980)が提唱した低気圧の発達率と同じ指標であり、過去に米国東海岸域に被害をもたらした低気圧に急発達したものが多い事実を踏まえたものである。二つ目の指標は、低気圧の中心気圧と平均的な大気の気圧との差であり、台風の強度に用いられるものと同じである。しかし、ほぼ同心円状の構造を持し、旋衡風バランスに近い台風と比べると前線を伴うなど空間構造が複雑な低気圧では、中心気圧だけで強風の指標を表せるとは限らない（図1）。そこで、地衡風バランスの関係に基づき、低気圧と周辺の高気圧との気圧差の指標I_Cも取り入れている。最終的な強度指標は、上記の３つの指標の合計で表される。すなわち、

(5)

である。この指標の値に基づき、以下のように低気圧の強度を台風のカテゴリーと同じ５つに分類し（表2）、降雪量、風速、波浪などとの対応関係を調べ、その有効性を検討している。

表2　低気圧強度のカテゴリー

カテゴリー	強度：I	階級
1	0–24	Weak
2	25–48	Moderate
3	49–72	Strong
4	73–96	Very Strong
5	> 96	Powerful

但し、米国東海岸へ吹き込む強い北東風並びに大雪をもたらすNor’Eastersと呼ばれる低気圧を対象としていることから、東海岸に位置する低気圧と北西部の北米大陸上に位置する高気圧との気圧差から指標I_Cを求めている。地理的な状況が異なる日本周辺では、爆弾低気圧は太平洋側のみならず日本海側も通過するため、どの位置の高気圧を指標に用いるのか特定することは難しく、対象範囲の位置に制約をかける指標の利用は問題がある。

一方、Hart and Grumm (2001)は再解析データを利用し、米国東海岸に低気圧など総観規模に伴いもたらされる極端現象を対象とした客観的なランク付けの手法を提案した。再解析データを利用し、まず各物理変数に対して以下の正規化偏差を定義する。

(6)

ここで、Xは高度場Z、温度T、風速W、湿度qであり、μは変数Xの気候値、σはその標準偏差である。このような正規化を行うことで、偏差の分布が正規分布に近づく（Hart and Grumm, 2001）。但し、30年の期間から作成した気候値でも日以下のデータではノイズが残るため、スムーズな変化とするために21日平均を施す。また、標準偏差σも21日平均した気候値μからの偏差に基づき計算している。これらを用いて求めた各変数の偏差を次のように対流圏全体に対して鉛直平均した指標を求める。

(7)

(8)

(9)

(10)

ここで、風速については、UまたはVのいずれかの最大値を使う。なお、実際には、Vの方がずれは大きいことが多いことが指摘されている。また、Maxは解析する領域での最大値を意味する。さらに、上記の４つの偏差指標を平均したものを対流圏全体の指標とする。

(11)

Hart and Grumm (2001)は、この方法で実際に大きな被害をもたらした低気圧を抽出することにある程度の成功を収めている。また、Junker et al. (2008) は、下層の水蒸気フラックスを変数に選び、カリフォルニア北部の豪雨をもたらす気象場を調べている。

Pinto et al. (2007)では、ヨーロッパにおける暴風インデックスとして、以下の指標を提示している。

(12)

ここで、関数Iは以下のように定義される。

(13)

また、添え字i, jは東西、南北方向の各格子点番号である。また、M, Nは対象とする格子の範囲である。さらに、各格子点での人口密度P_i,jを加味すれば暴風による暴露人口を評価するハザード指標

(14)

が定義される。ここで、

(15)

である。なお、指標を求める際の基準値や規格化の求め方が異なるが、Hart and Grumm (2001)の方法とPinto et al. (2007)の方法は、本質的には同じと言える。

本研究では、Pinto et al. (2007)の手法に従い爆弾低気圧に伴う暴風指標を求めることとする。これは、風の被害の情報として、平均値や標準偏差を使うよりも基準耐風値に関連付けられるパーセンタイル値を使う方が直感的と思われるからである。また、再解析データのU10m, V10mは解像度などの問題により実際よりも過小評価されているが、再解析データから求めたパーセンタイル値を使い相対的な強度を求めるので、その影響は小さいと考えられる。ここでは、暴風インデックスを

(16)

と定義する。日本における過去の爆弾低気圧による被害情報の抽出状況との対応から98パーセンタイルから95パーセンタイルに変えている。また、広範囲に長時間影響する場合の方が社会的な影響が大きいので時間方向にも積算している。U10m, V10mの値が再解析に用いられているモデルの地形に影響を受けていることも踏まえ、海陸分布LはJRA55のデータを用いる（図2）。時間の基準に関しては、低気圧の中心から1000kmの範囲に定義した陸上があれば日本に影響を与えたと判断し、低気圧が離れれば影響はないと判断している。

使用データは気象庁が作成した全球の大気再解析データである（Ebita et al., 2011）。水平解像度は1.25°で、時間分解能は6時間である。解析に用いた期間は1979年1月から2018年12月までである。日本に影響を与えた全爆弾低気圧の発達率と暴風インデックスの頻度分布を図3、図4に示すが、極端な事例の頻度分布は同じような傾向が見られる。但し、発達率と暴風インデクスの関係を見ると1対1の対応は見られない（図5）。日本から離れていれば急発達しても日本への影響は限定的になるためである。なお、日本への影響という観点からは、低気圧が日本海側に位置すること太平洋側に位置することによる差はあまり見られない（図6）。しかし、暴風インデックスに影響を与えているのは、低気圧の西側の風である特徴は見られる（図7）。気圧でははっきりしないが、発達直後、低気圧の後面での狭い範囲で風速が急激に増加する傾向が見られ、この風速の影響が暴風インデックスに強く影響しているものと考えられる。

1：バス転落、各地で列車脱線
2：暴風警報、23区早期帰宅指示詳細は爆弾低気圧情報データベースから参照可
3：秋田新幹線運休詳細は爆弾低気圧情報データベースから参照可
4：暴風雪、波浪により漁船破損
5：暴風、高潮など
6：24時間に46hPa低下、貨物船座礁詳細は爆弾低気圧情報データベースから参照可
7：暴風雪、北海道で特急運休、欠航詳細は爆弾低気圧情報データベースから参照可
8：羽越本線・奥羽本線などで運休詳細は爆弾低気圧情報データベースから参照可
9：旭川市内で煙突倒壊詳細は爆弾低気圧情報データベースから参照可
10：根室で高潮詳細は爆弾低気圧情報データベースから参照可
11：道内各所で計約7100戸が停電詳細は爆弾低気圧情報データベースから参照可
12：東北地方で湿雪により送電鉄塔倒壊

• Ebita,A.et al., 2011: The Japanese 55-year Reanalysis “JRA-55”: An interim report. SOLA, 7, 149-152.
• Fujita, T., 1981: Tornadoes and downbursts in the context of generalized planetary scales. J. Atmos. Sci., 38, 1151–1534.
• Hart, R., and R. H. Grumm, 2001: Using normalized climatological anomalies to rank synoptic-scale events objectively, Mon. Wea. Rev., 129, 2426–2442.
• Junker, N.W., R.H. Grumm, R. Hart, L.F. Bosart, K.M. Bell, and F. Pereira, 2008: Use of normalized anomaly fields to anticipate extreme rainfall in the mountains of northern California, Wea. Forecasting, 23, 336–356.
• Pinto, J.G., M.K. Karremann, K. Born, P.M. Della-Marta, and M. Kalawa, 2012: Loss potentials associated European windstorms under future climate conditions, Clm. Res., 54, 1–20.
• Zielinski, G. A., 2002: A classification scheme for winter storms in the eastern and central United States with an emphasis on “Nor’easters.” Bull. Amer. Meteor. Soc., 83, 37–51.

（原稿掲載日：2019年12月30日）