2014年03月20日08:52
【相关新闻】
尼康发布旗舰款无反相机“Nikon 1 V3”，连拍和AF速度超过单反
2014年2月8～9日和14～15日，日本关东甲信地区下了两次创纪录的大雪。其中，山梨县甲府市的积雪达到1.14米，创下了1894年有观测记录以来的最大降雪纪录，并且是历史最大纪录的2倍以上，给城镇带来了巨大灾害。
但是，这次降雪也随之带来了宝贵的“大雪大数据”。仔细分析这些数据，会对未来的减灾有所助益。
图1：2月15日下午1时的路面积雪情况。清楚地显示了积雪的地区（供图：日本天气新闻公司，下同）
那么，从这次的大雪大数据中究竟能够看出些什么呢？
首先请看图1。这是日本天气新闻公司收到的2月15日下午1时关东地区路面示意图。地图上用不同的颜色，标记了参加日本天气新闻公司气象预报的“协助员”用手机和智能手机发来的首都圈路面情况。
尤其要注意的是颜色的划分。标记从西开始，依次分成了“红色”、“绿色”、“黄色”三个区块。
“无形”的纵向分隔线隔开了三个颜色，仿佛真实存在一般。
呈现出雨雪的边界
在这些颜色中，红色代表路面“积雪”、绿色代表“冰沙状”、黄色代表“无影响”。就是说，从路面报告，可以清楚地看出雨雪的“边界线”。清晰地显示了从雨变雪，路况越来越差的情况。
日本天气新闻公司之所以能够实现这种不同于观测，而是利用人类五感的“感测”，是借助了民众的力量。全国600万天气报告员自愿参加了预报。顺便一提，2月14～15日，日本全国共发来了7.7万条报告。
在关东地区，检测积雪量的装置为数很少。因此，过去的积雪预报一直是以 “平原部分积雪多少厘米，山区积雪多少厘米” 粗略表述的。
像日本天气新闻公司这样收集到详细表示路面情况的“大雪大数据”尚属首次。可以说，前面介绍的清晰的雨雪边界还是第一次展现在世人面前。
如果按照时间序列，追踪随时上报的信息，还能更便利地掌握天气的变化。
举例来说，把东京开始降雪的2月14日下午3时和下午6时的情况排列在一起（图2）。3小时后的下午6时，积雪情况从“道路上隐约可见”（绿色）变成了“覆盖了道路”（黄色）。由此可见，道路上已经开始积雪了。
图2：2月14日下午3时和下午6时的积雪比较。下午6时，在东京、埼玉、神奈川的绝大多数地区，积雪已经“覆盖了道路”（黄色）
日本天气新闻公司此次之所以关注“路面情况”，是因为对于“大雪中最在意哪些影响”的问题，近半数的协助员回答“对开车的影响”。因此，在8日和14日的降雪中，该公司决定彻底追踪路面情况。这对收集大雪大数据的“集体智慧”发挥了有益的作用。
下面，让我们通过大雪大数据，回顾2月份降下第一场大雪的8日。这一天的预报让日本天气新闻公司着实伤了一番脑筋。
照片1：GPE-Corner预报中心主任喜田胜
日本天气新闻公司总部所在的千叶地区经历了前所未有的大雪（图3）。“千叶比东京积雪还多的情况十分罕见”，身为气象预报员的日本天气新闻公司GPE-Corner预报中心主任喜田胜说道（照片1）。这一天，东京的最大积雪深度在20年来首次超过了20cm，而千叶则以33cm的深度超过东京，创出了历史最大降雪纪录。
图3：2月8日下午6时，在平常很少积雪的千叶广大区域，积雪“掩埋了道路”（红色）
从图3右上方“最初的积雪预想图”来看，日本天气新闻公司的预测是，千叶主要为降雨，即使积雪，大部分地区也只是在道路上形成薄薄一层。但实际上判明的情况是，在以千叶西侧为中心的广大区域，积雪“掩埋了道路”。日本天气新闻公司根据协助员的报告，中途调整了预报。
喜田主任说，预测积雪多少是十分困难的。因此，“协助员的报告是极其重要的信息来源”。
积雪量取决于降水量和气温两个因素。通常，千叶区域的气温很少降至冰点以下，即便是冬季，也多是降雨而不是下雪。当时，千叶的太平洋沿岸的确也是在下雨。
但千叶西侧不仅降水量多，而且气温降到了零度附近，因此变成了下雪。虽说在千叶地区，这样的气象条件凑到一起很难得，但喜田主任也表示“下次再看到这样的趋势，我们就能早一些发出降雪预报”。
通过大雪大数据积累的经验将这样运用于未来的天气预报。
在千叶地区，该公司还“感测”到了其他宝贵的大雪大数据，为今后的天气预报积累了经验。这就是以10分钟为单位，按时序排列降雪状态的报告。这种“10分钟天气预报”是将协助员的报告绘制成的表格。报告方式是按照预先设置的“暴风雪”、“鹅毛大雪”、“中小雪”等表示降雪状态的选项，让协助员从中选择。2月8～9日收到报告约15万条，14～15日收到约17万条。将这些报告以县为单位统计，基本可以做到实时掌握当地的降雪趋势。
由图可知，2月8日下午6时以后，表示鹅毛大雪的粉红色的折线超过了整体的50％（图4）。可以说外出也存在危险。
图4：千叶2月8日下午的降雪变化。代表鹅毛大雪的粉红色折线超过了报告数量的50％，表示外出有危险的状况
而在下了史无前例的大雪，遭受巨大损失的山梨县，从14日下午2时开始，表示“暴风雪”的黑色折线多次超过了报告总数的50％（图5）。而且，降雪状态持续了半天以上。顺便一提，深灰色的折线表示“中小雪”。
图5：山梨2月14日下午的降雪变化。从下午2时开始，代表“暴风雪”的黑色折线多次超过报告总数的50％
虽说只是“暴风雪”、“鹅毛大雪”、“中小雪”等数据，但作为大雪大数据收集起来之后，对气象预报和警报的研究十分有用。
另外，日本天气新闻公司除了报告内容之外，还注意到了报告数量这一“绝对数值”。一旦当地发生某些“异常情况”，日本天气新闻公司收到的报告数量“会跃升至平常的几十倍”（喜田主任）。这次的山梨就是如此。
如果每天关注日常的报告数量，掌握其趋势，当报告数量突然增加时，“数量多少的本身就会成为指示异常的信号”（喜田主任）。
通过报告数量可以迅速察觉“山梨出了大事”，这有助于该公司提高按照时间序列，认真追踪报告内容的意识。
另外，日本天气新闻公司还与丰田合作，于2月20日开设了网站“关东甲信暴雪减灾报告地图”（图6）。这个网站利用配备丰田车载信息服务终端“G-BOOK”的汽车收集探测信息，每隔1小时筛选出“通行道路地图（通行情况）”，并且把地图与天气报告员发送给日本天气新闻公司的现场照片和评论整合，在地图上做出标记。用户可以通过网站和智能手机浏览。
图6：丰田与日本天气新闻公司合作开设的“关东甲信暴雪减灾报告地图”
随着这些数据的可视化，快速确定需要支援的地区将变得容易。对大雪地区的救援和支援也很有用。
在大雪大数据的基础上，通过结合汽车的探测信息，除了扩大信息用途的同时，数据的价值也大大提高。可以说是数据融合的一个良好典范。（作者：川又 英纪，日经技术在线！供稿）
