テキストデータについて

テキストデータには、半月平均データを元にした日本の各県の領域平均値（あるいは世界の各国・領域）と、いくつかの陸域観測サイトについての画素を抽出したデータが含まれています。また、このデータはJASMESホームぺージのグラフの元データとなっています。

1. Japan area data:

text data format:
 read(10,'(i4,3(1x,i2),80f7.2)') year,month,day_min,day_max,(par_average(k),k=1,49),(site_samples(k),k=1,nloc)

# pav: japan(1), prefecture ID+1:2~48, forign country(49),valsites(50~80)

# Prefectures (ID  name)
#  00 All Japan
#  01 Hokkaido
#  02 Aomori
#  03 Iwate
#  04 Miyagi
#  05 Akita
#  06 Yamagata
#  07 Fukushima
#  08 Ibaraki
#  09 Tochigi
#  10 Gunma
#  11 Saitama
#  12 Chiba
#  13 Tokyo
#  14 Kanagawa
#  15 Niigata
#  16 Toyama
#  17 Ishikawa
#  18 Fukui
#  19 Yamanashi
#  20 Nagano
#  21 Gifu
#  22 Shizuoka
#  23 Aichi
#  24 Mie
#  25 Shiga
#  26 Kyoto
#  27 Osaka
#  28 Hyogo
#  29 Nara
#  30 Wakayama
#  31 Tottori
#  32 Shimane
#  33 Okayama
#  34 Hiroshima
#  35 Yamaguchi
#  36 Tokushima
#  37 Kagawa
#  38 Ehime
#  39 Kohchi
#  40 Fukuoka
#  41 Saga
#  42 Nagasaki
#  43 Kumamoto
#  44 Ooita
#  45 Miyazaki
#  46 Kagoshima
#  47 Okinawa
#  48 Forign country areas

# val sites: 1-31
#  45.0500, 142.1000,    ! TSE
#  45.2786, 127.5784,    ! LSH
#  44.3842, 142.3186,    ! MBF
#  44.3219, 142.2614,    ! MMF
#  42.9900, 141.3875,    ! HEF
#  42.9868, 141.3853,    ! SAP
#  42.7370, 141.5186,    ! TMK
#  42.4333, 142.4833,    ! SZN
#  40.0017, 140.9375,    ! API
#  37.7500, 127.1500,    ! GDK
#  37.0667, 126.0333,    ! har
#  36.9167, 139.9667,    ! NSS
#  36.5500, 140.1333,    ! NFT
#  36.4000, 138.5833,    ! KZW
#  36.2114, 139.9474,    ! SJP
#  36.1462, 137.4231,    ! TKY
#  36.1397, 137.3708,    ! TKC
#  36.1138, 140.0944,    ! TGF
#  36.0540, 140.0269,    ! MSE
#  35.8693, 139.4903,    ! KWG
#  35.4514, 138.7653,    ! FJY
#  35.4333, 138.7500,    ! FHK
#  35.2500, 137.0667,    ! SMF
#  34.9619, 135.9958,    ! KEW
#  34.7948, 135.8462,    ! YMS
#  34.7349, 134.3743,    ! AKO
#  34.5500, 126.5700,    ! HFK
#  34.5345, 133.9302,    ! yhm
#  33.1370, 130.7095,    ! KHW
#  31.9667, 130.9333,    ! KBY
#  31.7347, 131.0139/    ! kmtc

2. Global area data

text data format:
 read(10,'(i4,3(1x,i2),80f7.2)') year,month,day_min,day_max,(pav(k),k=1,238)
# pav(1): countries (1~141),ocean areas(142~238)

Countries :
1 Global Both hemisphere
2 Global Northern hemisphere
3 Global Southern hemisphere
4  E_Asia S_Korea
5  E_Asia China
6  E_Asia N_Korea
7  E_Asia Japan
8  E_Asia Mongolia
9  E_Asia Taiwan
10  SE_Asia Indonesia
11  SE_Asia Cambodia
12  SE_Asia Thailand
13  SE_Asia Philippines
14  SE_Asia Negara Brunei Darussalam
15  SE_Asia Vietnam
16  SE_Asia Malaysia + Singapore
17  SE_Asia Myanmar (Burma)
18  SE_Asia Laos
19  S_Asia India
20  S_Asia Sri Lanka
21  S_Asia Nepal
22  S_Asia Pakistan
23  S_Asia Bangladesh
24  S_Asia Bhutan
25  S_Asia Others
26  C_Asia Uzbekistan
27  C_Asia Kazakhstan
28  C_Asia Kyrgyz
29  C_Asia Tajikistan
30  C_Asia Turkmenistan
31  W_Asia Afghanistan
32  W_Asia Iran
33  W_Asia Turkey
34  W_Asia Others
35  N_Africa Algeria
36  N_Africa Egypt
37  N_Africa Tunisia
38  N_Africa Morocco+Western Sahara
39  N_Africa Libya
40  Saharan_Des Sudan
41  Saharan_Des Chad
42  Saharan_Des Niger
43  Saharan_Des Mali
44  Saharan_Des Mauritania
45  Guinea_Bay Ghana
46  Guinea_Bay Cote d'Ivoire
47  Guinea_Bay Senegal
48  Guinea_Bay Nigeria
49  Guinea_Bay Burkina Faso
50  Guinea_Bay Others_9
51  Tropical_Africa Republic of Gabon
52  Tropical_Africa Cameroon
53  Tropical_Africa Republic of Congo
54  Tropical_Africa Democratic Republic of the Congo
55  Tropical_Africa Republic of Equatorial Guinea
56  Tropical_Africa Central Africa
57  S_Africa Angora
58  S_Africa Zambia
59  S_Africa Zimbabwe
60  S_Africa Namibia
61  S_Africa Botswana
62  S_Africa South Africa
63  S_Africa Mozambique
64  S_Africa Others_3
65  E_Africa Ethiopia Eritrea
66  E_Africa Kenya
67  E_Africa Somalia
68  E_Africa Tanzania
69  E_Africa Others_4
70  Africa_Indian_O Madagascar
71  Africa_Indian_O Other_4_Islands
72  Europe_Union Ireland
73  Europe_Union United Kingdom
74  Europe_Union Italy
75  Europe_Union Estonia
76  Europe_Union Austria
77  Europe_Union Greece
78  Europe_Union Sweden
79  Europe_Union Spain
80  Europe_Union Slovakia
81  Europe_Union Slovenija
82  Europe_Union Czechoslovakia
83  Europe_Union Denmark
84  Europe_Union Germany
85  Europe_Union Hungary
86  Europe_Union Finland
87  Europe_Union France
88  Europe_Union Bulgaria
89  Europe_Union Poland
90  Europe_Union Portugal
91  Europe_Union Latvia
92  Europe_Union Lithuania
93  Europe_Union Rumania
94  Europe_Union Be_Ne_Lux
95  Europe_Union Other EU
96  Non_EU Iceland
97  Non_EU Azerbaijan
98  Non_EU Albania
99  Non_EU Armenia
100  Non_EU Ukraine
101  Non_EU Georgia
102  Non_EU Croatia
103  Non_EU Switzerland
104  Non_EU Serbia and Montenegro
105  Non_EU Norway
106  Non_EU Belarus
107  Non_EU Bosnia and Hercegovina
108  Non_EU Macedonia
109  Non_EU Moldova
110  Non_EU Other_Non_EU
111  Russia W_Russia
112  Russia W_Siberia
113  Russia C_Siberia
114  Russia E_Siberia
115  Russia F_E_Russia
116  N_America U.S.Mainland+Hawaii
117  N_America U.S.Alaska
118  N_America Canada
119  N_America Mexico
120  N_America Others
121  S_America Argentina
122  S_America Uruguay
123  S_America Ecuador
124  S_America Guyana
125  S_America Colombia
126  S_America Surinam
127  S_America Dust
128  S_America Paraguay
129  S_America Brazil
130  S_America Venezuela
131  S_America Peru
132  S_America Bolivia
133  S_America Guiana (French)
134  S_America Others(Falkland Islands)
135  Oceania Australia
136  Oceania New Zealand
137  Oceania Other_Islands
138  Polar_north Greenland
139  Polar_south Antarctic
140  Polar_islands Subaru Byrd Jan Mayen
141  Off_Shore_Islands Canary South_Georgia St_Helena

3. Thai area data

Countries (same as the global data)
val sites:
#  18.423 ,  99.720 , ! 380m MaeMoh plantation (MMP)
#  16.4500, 102.5330, ! Khon Kaen
#  14.5763,  98.8439, ! 231m, Mae Klong (MKL)
#  14.4924, 101.9163, ! 543m, Sakaerat (SKR)
#    2.9667, 102.3000, ! 112m, Pasoh Forest Reserve (PSO)
#   -0.8614, 117.0447, ! 20m, Bukit Soeharto (BKS)
#   -2.3450, 114.0364/ ! Palangkaraya (PDF)