気象予測（weather forecasting）は、大気の状態やその変化を科学的に推定し、将来の天気を予報する応用気象学の一分野である。観測データ、数値シミュレーション、統計的手法を組み合わせることで、降水、気温、風、雲量などを予測する。現代ではスーパーコンピューターによる数値予報モデルが主流であり、日常生活から航空、農業、防災に至るまで幅広く利用されている。本記事では、気象予測の歴史、手法、応用、課題について網羅的に解説する。
1.1 古代の観測と予兆
古代文明では、雲の形状や風向、動物の行動などの自然観察に基づく天気予兆が用いられた。例えば、古代ギリシャのアリストテレスは『気象学』で大気現象を体系的に記述した。また、農事暦や航海術の中で経験則が蓄積され、長期にわたる気候パターンの認識が行われた。
1.2 近代気象学の誕生（19世紀）
19世紀に入り、電信の発明により遠隔地の気象情報がリアルタイムで共有可能となった。1854年のクリミア戦争での嵐被害を契機に、フランスのルヴェリエが初めて天気図を作成。1860年代には各国で気象機関が設立され、観測網の整備と予報業務が始まった。この時期、高気圧・低気圧の概念や前線理論が確立された。
1.3 コンピューター時代の到来（20世紀）
1922年、リチャードソンが数値予報の概念を提唱したが、計算量が膨大で実用化されなかった。1950年代に電子計算機が登場し、チャーニーらが初めてコンピューターによる数値予報を実行。以降、スーパーコンピューターの性能向上とともに全球モデル・局地モデルが発展し、衛星やレーダーからのデータ同化技術が精度を飛躍的に高めた。
2.1 観測データの収集
2.1.1 地上観測
世界各地の気象官署や自動観測所で、気温、気圧、湿度、風向・風速、降水量などを定時観測する。これらのデータは国際的に統一されたフォーマットで交換され、数値予報の初期値として用いられる。
2.1.2 気象衛星
静止衛星と極軌道衛星が雲画像、水蒸気分布、海面水温などを全球規模で観測する。特に熱帯低気圧の監視や海洋上のデータ補完に不可欠である。
2.1.3 レーダーとラジオゾンデ
気象レーダーは降水強度や移動方向を高分解能で捉える。ラジオゾンデは気球に搭載され、上空の気温、湿度、風の鉛直プロファイルを取得する。これらのデータは短時間予報や雷雨予測に重要である。
2.2 数値予報モデル
2.2.1 全球モデル
地球全体を格子状に分割し、大気の物理法則（ナビエ・ストークス方程式など）を数値的に解く。水平解像度は数十キロメートル程度で、数日から2週間先の予報に用いられる。代表例としてECMWF（欧州中期予報センター）モデルやGFS（米国全球予報システム）がある。
2.2.2 局地モデル
特定の地域を高解像度（数キロメートル）で計算するモデル。地形や海岸線の影響を詳細に再現でき、降水や風の局所的な予測に優れる。日本では気象庁のメソモデル（MSM）が該当する。
2.2.3 アンサンブル予報
初期値やモデルに微小な摂動を与えた複数の予報を実行し、確率的な予測を得る手法。これにより予報の信頼度や最悪シナリオを評価できる。台風の進路予報や長期予報に活用される。
2.3 統計的補正と機械学習
数値モデルの系統誤差を補正するために、過去の観測データを用いた統計手法（MOS：モデル出力統計）が用いられてきた。近年では深層学習により、モデル出力と観測との関係を非線形に学習し、短時間降水予測や気温補正の精度向上が進んでいる。
3.1 日常生活と交通
スマートフォンの天気アプリにより、個人が時間単位の予報を入手できる。鉄道や道路交通では、降雨や積雪による運行規制の判断材料として使われる。
3.2 農業と水管理
播種や収穫時期の決定、灌漑計画、病害虫発生予測に気象予報が活用される。ダムの放流操作や洪水予警報にも長期・中期予報が利用される。
3.3 防災と警報
台風、豪雨、大雪、竜巻など災害をもたらす現象に対して、気象庁などが警報・注意報を発表する。数値予報モデルの高精度化により、避難判断のリードタイムが延びている。
3.4 航空と海上運航
離着陸の可否、航路の決定、乱気流の回避に気象予報は不可欠である。海上では波浪予報や海氷情報が安全運航を支える。
4.1 予報限界（カオス理論）
大気は非線形カオス系であり、初期値の小さな誤差が時間とともに指数関数的に拡大する。このため、決定論的な予報には約2週間の理論的限界が存在する。アンサンブル予報はカオス的振る舞いを確率的に捉える手段である。
4.2 データ不足地域の課題
海洋、極域、山岳部など観測網が疎な地域では、モデルの初期値精度が低下する。特に南半球や発展途上国では地上観測所の密度が低く、予報精度に地域差が生じる。
4.3 気候変動と長期予測
数十年スケールの気候予測では、温室効果ガス濃度や海氷変化などの外部強制力の不確実性が加わる。また、モデル間の出力のばらつきも大きく、長期間の平均的な傾向を確率的に示すにとどまる。
5.1 AIの高度活用
深層学習による観測データ同化の高速化、モデル誤差の自己学習、降水予測のピンポイント化が進む。また、自然言語処理を用いたユーザー向けのわかりやすい予報文生成も開発されている。
5.2 観測ネットワークの拡充
低コストのIoT気象センサーやドローン、民間航空機からのデータ（AMDAR）が観測空白域を埋める。次世代静止衛星（ひまわり9号、GOES-Rシリーズ）による高頻度観測も期待される。
5.3 市民参加型観測
スマートフォンの気圧センサーや住宅地用気象ステーションからのデータをクラウドソーシングすることで、局地的な現象の捕捉が可能になる。市民科学によるデータ提供は予報精度向上に貢献するとともに、気象リテラシーの向上にも寄与する。