本文へ移動

サイトナビゲーションへ移動

検索ボックスへ移動

サイドバーへ移動

ここは、本文エリアの先頭です。

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

PDFはここからダウンロード

  • 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.

Annual Reoprt Figures for 2017

図1: TRMM/PRおよびGPM/DPR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.

 

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。

計算資源
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

 

ファイルシステム資源
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

 

アーカイバ資源
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)