熱帯降雨観測衛星(TRMM)/降雨レーダー(PR)運用事業
JAXAスーパーコンピュータシステム利用成果報告(2017年4月~2018年3月)
報告書番号: R17JR1400
利用分野: 宇宙技術
- 責任者: 中島映至 宇宙科学研究所
- 問い合せ先: 久保田拓志 kubota.takuji@jaxa.jp
- メンバ: 吉田直文, 荒井頼子, 東上床智彦, 久保田拓志
事業概要
熱帯降雨観測衛星TRMMを活用した全球雨分布データを,GSMaPアルゴリズム(V7)を用いて2000年~2014年の期間で処理する.
2014年6月,TRMM衛星とGPM衛星が同時観測している期間についてPR アルゴリズム(V8)とDPRアルゴリズム(V5)の連続性を確認する.
参照URL
「TRMM JAXA」参照.
JSS2利用の理由
アルゴリズムの評価,改善やプロダクト作成のため,降水観測に関する複数衛星・センサデータを用いた長期処理を短期間で処理するために,JSS2が必要.処理アルゴリズムの複雑さのため,JSS2の厳格な事業進捗管理,緊急対応,運用側によるきめ細かなユーザ対応等が求められ,JSS2を利用しなければ,短期間での再処理は達成し得ない事業と言える
今年度の成果
TRMM/PR アルゴリズム(V08 レベル2&3)とGPM/DPRアルゴリズム(V05 レベル2&3)について,2014年6月の試験処理が,アルゴリズムバージョンアップに伴い8セット行われた.図1は,最新アルゴリズムを用いた地表面降水強度の帯状平均である.上図は海+陸を,左下図は海,右下図は陸の結果をそれぞれ示している.PRとDPR/Kuによって観測された降水強度は非常に似ているのに対し,DPR/Ku&Kaのそれは海上でやや強いことが示唆された.また,GSMaPアルゴリズム(V7)のMMRおよびMMLモジュールについて,2000年~2014年の期間の再処理を実施した.さらに,GSMaP精度向上を目的とした機械学習をMATLABにより実施した.
成果の公表
■ 査読付論文
1) K. Kanemaru, T. Kubota, T. Iguchi, Y. N. Takayabu, and R. Oki, 2017: Development of a precipitation climate record by spaceborne precipitation radar. Part I: Mitigation in effects of switching to redundancy electronics in the Tropical Rainfall Measuring Mission Satellite Precipitation Radar, J. Atmos. Oceanic Technol., vol. 34 No. 9, 2043-2057.
2) S. Kida, T. Kubota, S. Shige, and T. Mega, 2017: Development of a Rain/No-Rain Classification Method over Land for the Microwave Sounder Algorithm, Remote Sensing of Aerosols, Clouds, and Precipitation, Chapter 12, 249-265.
■ 口頭発表
1) T. Kubota et al., Recent progress in Global Satellite Mapping of Precipitation (GSMaP)product, JpGU-AGU Joint Meeting 2017, 20 May 2017, Makuhari-Messe, Chiba.
2) T. Kubota et al. Recent progress in Global Satellite Mapping of Precipitation (GSMaP)product, 2017IGARSS, July 26 2017, Fort Worth, TX, US
3) T. Kubota, 2018: Global Satellite Mapping of Precipitation(GSMaP) overview, The 7th Global Precipitation Measurement (GPM) Asia Workshop on Precipitation Data Application Technique, Jakarta, Indonesia, Jan. 2018.
4) T. Kubota, 2018: JAXA’s GSMaP Overview, SEMDP Workshop, Jakarta, Indonesia, Mar. 2018.
■ Web上の研究成果のURL
1) http://sharaku.eorc.jaxa.jp/GSMaP/index_j.htm
JSS2利用状況
計算情報
- プロセス並列手法: 非該当
- スレッド並列手法: N/A
- プロセス並列数: 1
- 1ケースあたりの経過時間: 24.00 時間
利用量
総資源に占める利用割合※1(%): 0.20
内訳
JSS2のシステム構成や主要な仕様は、JSS2のシステム構成をご覧下さい。
計算システム名 | コア時間(コア・h) | 資源の利用割合※2(%) |
---|---|---|
SORA-MA | 0.00 | 0.00 |
SORA-PP | 127,152.31 | 1.59 |
SORA-LM | 7,366.04 | 3.79 |
SORA-TPP | 37,548.09 | 4.19 |
ファイルシステム名 | ストレージ割当量(GiB) | 資源の利用割合※2(%) |
---|---|---|
/home | 063.58 | 0.04 |
/data | 69,726.34 | 1.29 |
/ltmp | 13,020.84 | 0.98 |
アーカイバシステム名 | 利用量(TiB) | 資源の利用割合※2(%) |
---|---|---|
J-SPACE | 33.45 | 1.44 |
※1 総資源に占める利用割合:3つの資源(計算, ファイルシステム, アーカイバ)の利用割合の加重平均.
※2 資源の利用割合:対象資源一年間の総利用量に対する利用割合.
JAXAスーパーコンピュータシステム利用成果報告(2017年4月~2018年3月)