JAXAスーパーコンピュータシステム利用成果報告(2020年4月～2021年3月)

報告書番号: R20JR1400

利用分野: 宇宙技術

PDFはここからダウンロード

• 責任者: 沖理子, 第一宇宙技術部門地球観測研究センター
• 問い合せ先: 久保田拓志(kubota.takuji@jaxa.jp)
• メンバ: 東上床 智彦, 正木 岳志, 山本 宗尚, 久保田 拓志, 田島 知子, 山地 萌果

事業概要

TRMM/PR およびGPM/DPRアルゴリズム次期メジャーバージョンアップに係るアルゴリズム開発のため2014年～2020年の長期処理を実施する.

参照URL

「TRMM JAXA」参照.

JAXAスーパーコンピュータを使用する理由と利点

TRMM/GPM レーダアルゴリズムは, 日米協力のもとNASAと共同で開発を行っている. そのため, 日本側のアルゴリズム開発進捗は全体のスケジュールにも影響しかねない. とくにレベル1アルゴリズムの開発および長期データの作成は最も上流にある工程であり, その作業は最優先される. その点, JSS2では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徹底されており, JSS2を使った長期処理は非常に有意である. ひいては, JSS2なしでは達成し得ない事業と言える.

今年度の成果

GPM DPRは2020年7月に活発化した梅雨前線に伴って発生した九州地方の線状降水帯の観測を行うなど, 現在も観測を継続している. 2021年度に予定されているTRMM PR とGPM DPRのメジャーバージョンアップに向けたアルゴリズム開発のため, 2014～2020年までの長期試験処理を実施した.

長期試験は, DPR レベル1アルゴリズムにおける移相器挿入損失の補正に係る改訂, 観測開始距離の補正に係る改訂, DPR レベル1プロダクトを入力とするDPR レベル2アルゴリズムでの後方散乱断面積(σ0)の再計算, それらを用いた降水強度推定アルゴリズムの改良などに利用された.

プロダクト評価において, 既存のアルゴリズム(V06X)で推定したKuPR 単センサプロダクトの降水強度(図2:橙線)と, DPR二周波プロダクトの降水強度(図2:青線)に一部乖離があることがわかった. これらは次期メジャーバージョンアップで改善されることが期待される. JSS2では並列処理を実行することにより処理時間が短縮され, 開発サイクルの加速につながった.

図1: 全球降水観測計画(GPM)二周波降水レーダ(DPR)が観測した2020年7月5日12時40分(日本時間)の梅雨前線に伴う降水帯の鉛直構造

図2: TRMM PRとGPM DPRの高度2kmにおける降水強度の経年変化. 熱帯(35N-35S)領域, 降水強度の閾値に係る条件なし平均で求めた月積算量. 黒線:TRMM PR, 緑線:GPM DPR二周波プロダクト(V06A), 青線:GPM DPR二周波プロダクト(V06X), 橙線:GPM KuPRプロダクト(V06X).

成果の公表

-査読付き論文

1.T. Masaki, T. Iguchi, K. Kanemaru, K. Furukawa, N. Yoshida , T. Kubota, and R. Oki, 2020: Calibration of the Dual-frequency Precipitation Radar (DPR) Onboard the Global Precipitation Measurement (GPM) Core Observatory, IEEE Trans. Geosci. Remote Sens., https://doi.org/10.1109/TGRS.2020.3039978

2. Ikuta, Y., K. Okamoto, and T. Kubota, 2020: One-Dimensional Maximum Likelihood Estimation for Spaceborne Precipitation Radar Data Assimilation, Q. J. R. Meteorol. Soc., https://doi.org/10.1002/qj.3950.

3. S. Seto, T. Iguchi, R. Meneghini, J. Awaka,T. Kubota, T. Masaki and N. Takahashi, 2020: The Precipitation Rate Retrieval Algoirthms for the GPM Dual-frequency Precipitation Radar, J. Meteor. Soc. Japan, https://doi.org/10.2151/jmsj.2021-011.

4. T. Kubota, S. Seto, M. Satoh, T. Nasuno, T. Iguchi, T. Masaki, J. M. Kwiatkowski, and R. Oki, 2020: Cloud assumption of Precipitation Retrieval Algorithms for the Dual-frequency Precipitation Radar, J. Atmos. Oceanic Technol. 37, 2015-2031, https://doi.org/10.1175/JTECH-D-20-0041.1

-招待講演

T. Kubota et al., Evaluation of CLOUD LIQUID WATER DATABASE USING GLOBAL CLOUD-SYSTEM RESOLVING MODEL FOR GPM/DPR ALGORITHMS, IGARSS2020, Sep 2020.

-口頭発表

1. T. Kubota et al., Cloud liquid water database derived from a global cloud-system resolving model for precipitation retrievals of GPM/DPR observations, JpGU-AGU Joint Meeting 2020, July 2020.

2. 久保田ら,二周波降水レーダの降水推定における雲水量仮定について, 日本気象学会2020年秋季大会, 2020年10月.

-ポスター

1. T. Kubota et al., Cloud liquid water assumption of Precipitation Retrieval Algorithms for the Dual-frequency Precipitation Radar onboard the GPM Core Observatory, AGU2020, Dec 2020.

-Web

世界の雨分布速報

https://sharaku.eorc.jaxa.jp/GSMaP/index_j.htm

EORC TRMM

https://www.eorc.jaxa.jp/TRMM/index_j.htm

JSS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: 非該当
• プロセス並列数: 1
• 1ケースあたりの経過時間: 24 時間

JSS2利用量

総資源に占める利用割合※1(%): 0.05

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。

※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.

JSS3利用量

総資源に占める利用割合※1(%): 0.05

内訳

JSS3のシステム構成や主要な仕様は、JSS3のシステム構成をご覧下さい。

※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(2020年4月～2021年3月)