2024年04月05日更新
JAXA ひまわりモニタ
2015年9月 宇宙航空研究開発機構 地球観測研究センター

ひまわり8号から9号に切り替わることによる、ひまわりモニタの変更点

2022年12月13日より、ひまわり9号へと切り替わります。
これに合わせて、ひまわりモニタでは以下の点に変更が発生します。
  • エアロゾル特性のアルゴリズムのレベル2のバージョンが3.1に変更されます。
  • 海面水温のアルゴリズムバージョンが2.1に変更されます。
  • 日射量/光合成有効放射量、ならびにクロロフィルa濃度のアルゴリズムバージョンが2.1に変更されます。
  • 提供データのファイル名中のH08の表記がH09になります。
  • 太陽光発電量の画像提供を終了します。今後はデータの作成元である太陽放射コンソーシアムをご覧ください。

1. データ概要

JAXAの分野横断型プロダクト提供システム(P-Tree)では、気象庁から提供されている静止気象衛星ひまわり標準データ、および、JAXAがひまわり標準データから作成する物理量データを公開しています。

利用可能なひまわり標準データ(HSD)

フルディスク

観測範囲フルディスク
時間分解能10分
空間分解能0.5km(バンド3)、1km(バンド1,2,4)、2km(バンド5-16)

日本域

観測範囲日本域(領域1と2)
時間分解能2.5分
空間分解能0.5km(バンド3)、1km(バンド1,2,4)、2km(バンド5-16)

機動観測域

観測範囲機動観測域(領域3)
時間分解能2.5分
空間分解能0.5km(バンド3)、1km(バンド1,2,4)、2km(バンド5-16)

カラー画像データ

備考 3つの可視3バンド(青:0.47ミクロン、緑:0.51ミクロン、赤:0.64ミクロン)から作成した、フルディスク、日本域、機動観測域のカラー画像(png形式)
カラー画像データ


JAXA作成の投影変換済みひまわりL1格子化データ

ひまわりL1格子化データ提供開始とひまわり標準データの提供期間変更について
JAXA分野横断型プロダクト提供システム(P-Tree)では、これまで気象庁提供の静止気象衛星ひまわり標準データ(HSD形式)の提供をおこなってきましたが、2016年8月31日より、ひまわり標準データをJAXAにおいて等緯度経度格子にリサンプリングした「ひまわりL1格子化データ」(NetCDF4形式)の提供を開始いたします。 なお、2016年10月以降は、ひまわり標準データは最新30日分のみの提供とし、それ以前の期間についてはひまわりL1格子化データのみの提供となります。

フルディスク領域

ファイル形式NetCDF
投影法等緯度経度
観測範囲フルディスク領域(60S-60N, 80E-160W)
時間分解能10分
空間分解能 5km(ピクセル数:2401、ライン数:2401)
2km(ピクセル数:6001、ライン数:6001)
格納データ 反射率(band01~band06)
輝度温度(band07~band16)
衛星天頂角, 衛星方位角, 太陽天頂角, 太陽方位角、観測時間(UT)

日本域

ファイル形式NetCDF
投影法等緯度経度
観測範囲日本域(24N-50N, 123E-150E)
時間分解能10分
空間分解能 1km(ピクセル数:2701、ライン数:2601)
格納データ 反射率(band01~band06)
輝度温度(band07, 14, 15)
衛星天頂角, 衛星方位角, 太陽天頂角, 太陽方位角、観測時間(UT)


JAXA作成の物理量データ

README

エアロゾル特性(昼間のみ)

ファイル形式NetCDF
エアロゾルの光学的厚さ
最新バージョン3.1
観測領域フルディスク
時間分解能10分(レベル2)、1時間(レベル3)、
1日(レベル3)、1ヶ月(レベル3)
空間分解能 5km(ピクセル数:2401、ライン数:2401)
格納データ エアロゾルオングストローム指数, 500nmにおけるエアロゾル光学的厚さ, QAフラグ
備考 JAXAひまわりモニタエアロゾルプロダクト解説書 (英語)
MODISプロダクトとの比較による精度検証

Ver. 3.1変更点:
  • 初期値として使うエアロゾルモデルの誤差を更新
  • ひまわり9号用の代替校正係数を更新

雲特性(昼間のみ)

ファイル形式NetCDF
雲光学的厚さ
最新バージョン1.0
観測領域フルディスク
時間分解能10分(レベル2)
空間分解能 5km(ピクセル数:2401、ライン数:2401)
格納データ 雲光学的厚さ、雲粒有効半径、雲頂温度、雲頂高度、雲タイプ(ISCCP定義)
備考 ひまわりモニタWebでは、雲光学的厚さと雲タイプを可視化しています。
雲光学的厚さは、無次元量です。
雲タイプは、ISCCP(International Satellite Cloud Climatology Project)の雲分類方法に基づいたもので、ひまわりから推定した雲光学的厚さと雲頂気圧を用いて、下表のように分類されています。



海面水温

ファイル形式NetCDF(GDS2.0対応
海面水温
最新バージョン2.1 (レベル2、レベル3 (1時間値))、2.2(レベル3 (日別, 月別))
観測領域フルディスク
時間分解能10分(レベル2)、1時間(レベル3)、
1日(レベル3)、1ヶ月(レベル3)
空間分解能 2km(ピクセル数:6001、ライン数:6001)
格納データ 海面水温(10分、1時間、1日のプロダクトに格納されている他データについては、GDS2.0フォーマットも参照のこと。)
注意 標準プロダクトの公開後、準リアルタイムプロダクトは、観測から約72間後にFTPサーバから削除されます。
備考 ファイルバージョン(fv)について
ひまわり海面水温プロダクトでは、ファイル名に、作成履歴を示すファイルバージョン番号が付与されています。レベル3(時間積分)プロダクトについて、レベル1データ遅延などにより、ファイルの再作成が行われた場合には、ファイルバージョンが更新されます。P-treeシステムでは、ファイルバージョンが最新のデータについて、提供をおこないます。
バージョン2.0における改善点について
最適SSTの計算手法の見直し他、微修正によりSST算出方法を改良しました。
可視、短波長赤外を追加し、SSTの空間一様性を用いたSGLI用雲マスク処理を適用することで、雲マスク処理を改善しました。 また、夏季、北太平洋では下層雲や霧の温度がSSTより高くなることがあります。これら温度が逆転した下層雲/霧の検出のための処理も新たに追加しました。


ブイ海面水温データ(iQuam)との比較による精度検証

バージョン2.1における改善点について
AHI近赤外データのノイズ除去のため、縞取りフィルター(DOI: 10.1175/JTECH-D-22-0051.1)を適用。

バージョン2.2における改善点について
日別データについて、10分値から作成していましたが、1時間値から作成するように変更しました。また、これまで提供していた「日最低海面水温」の他に、「日平均海面水温」、「日最高海面水温」を追加しました。ひまわりモニタWebでは、これまでどおり「日最低海面水温」を可視化しています。
月別データについて、これまで1時間値から作成していましたが、日別データから作成するように変更しました。

海面水温(夜間モード)

ファイル形式NetCDF(GDS2.0対応
海面水温(夜間モード)
最新バージョン2.1 (レベル2、レベル3 (1時間値))、2.2(レベル3 (日別, 月別))
観測領域フルディスク
時間分解能1時間(レベル3)
空間分解能 2km(ピクセル数:6001、ライン数:6001)
格納データ GDS2.0フォーマットを参照
注意 標準プロダクトの公開後、準リアルタイムプロダクトは、観測から約72間後にFTPサーバから削除されます。
備考 ファイルバージョン(fv)について
ひまわり海面水温プロダクトでは、ファイル名に、作成履歴を示すファイルバージョン番号が付与されています。レベル3(時間積分)プロダクトについて、レベル1データ遅延などにより、ファイルの再作成が行われた場合には、ファイルバージョンが更新されます。P-treeシステムでは、ファイルバージョンが最新のデータについて、提供をおこないます。
バージョン2.0における改善点について
最適SSTの計算手法の見直し他、微修正によりSST算出方法を改良しました。
可視、短波長赤外を追加し、SSTの空間一様性を用いたSGLI用雲マスク処理を適用することで、雲マスク処理を改善しました。 また、夏季、北太平洋では下層雲や霧の温度がSSTより高くなることがあります。これら温度が逆転した下層雲/霧の検出のための処理も新たに追加しました。


ブイ海面水温データ(iQuam)との比較による精度検証

バージョン2.1における改善点について
AHI近赤外データのノイズ除去のため、縞取りフィルター(DOI: 10.1175/JTECH-D-22-0051.1)を適用。

バージョン2.2における改善点について
日別データについて、10分値から作成していましたが、1時間値から作成するように変更しました。また、これまで提供していた「日最低海面水温」の他に、「日平均海面水温」、「日最高海面水温」を追加しました。ひまわりモニタWebでは、これまでどおり「日最低海面水温」を可視化しています。
月別データについて、これまで1時間値から作成していましたが、日別データから作成するように変更しました。

日射量/光合成有効放射

ファイル形式NetCDF
日射量
最新バージョン2.1
観測領域フルディスク
時間分解能10分(レベル2)、1時間(レベル3)、
1日(レベル3)、1ヶ月(レベル3)
空間分解能 5km(ピクセル数:2401、ライン数:2401、フルディスク)
1km日本域*(ピクセル数:2701、ライン数:2601)
*ひまわりの日本域とは異なる、24N-50N,123E-150Eの矩形領域
格納データ 大気の光学的厚さ, 大気オングストローム指数, 光合成有効放射, 日射量, UV-A, UV-B
備考 Ver. 2.0変更点:
  • AHIセンサ感度の時間変化を考慮し、代替校正係数を観測期間毎に設定
  • 大気補正で参照するオゾンデータについて、気象庁全球化学輸送モデル(MRI-CCM2)データを使うように切り替え
Ver. 2.1変更点:
  • ひまわり8号、9号用の代替校正係数を更新

クロロフィルa濃度

ファイル形式NetCDF
クロロフィルa濃度
最新バージョン2.1
観測領域フルディスク
時間分解能1時間(レベル3)、
1日(レベル3)、1ヶ月(レベル3)
空間分解能 5km(ピクセル数:2401、ライン数:2401、フルディスク)
1km日本域*(ピクセル数:2701、ライン数:2601)
*ひまわりの日本域とは異なる、24N-50N,123E-150Eの矩形領域
格納データ クロロフィルa, バンド1、2、3における海水射出反射率,
442nmにおける海中の水分子以外による吸収係数
442nmにおける海中の粒子による散乱係数,
バンド2(510nm)でのエアロゾル光学的厚さ, オングストローム指数
備考 7月の8日平均でのMODISとの比較で「誤差絶対値の平均(MAPD)」は38%となっております。但し、冬半球の中-高緯度のデータは太陽天頂角が大きいため精度が悪化します。
アルゴリズムの詳細についての記述は現在準備中です。
NetCDF4のデータには、クロロフィルa(chlor_a)の他、バンド1、2、3における海水射出反射率(Rw_01、Rw_02、Rw_03;リモートセンシング反射率への換算は散乱光の等方性を仮定すればRrs_xx=Rw_xx/pi)、442nmにおける海中の水分子以外による吸収係数(apg442)、442nmにおける海中の粒子による散乱係数(bbp442)や、大気補正結果の参考情報として、バンド2(510nm)でのエアロゾル光学的厚さ(AROT_02)、オングストローム指数(ARAE)が含まれます。

Ver. 2.0変更点:
  • AHIセンサ感度の時間変化を考慮し、代替校正係数を観測期間毎に設定
  • 大気補正で参照するオゾンデータについて、気象庁全球化学輸送モデル(MRI-CCM2)データを使うように切り替え
Ver. 2.1変更点:
  • ひまわり8号、9号用の代替校正係数を更新

林野火災

ファイル形式csv (フォーマット : レベル2 | レベル3)
林野火災
最新バージョン1.0
観測領域フルディスク
時間分解能10分(レベル2)、1時間(レベル3)、
1日(レベル3)、1ヶ月(レベル3)
空間分解能 2km (10分、1時間、1日)、0.25度(1ヶ月)

モデルプロダクト

README

エアロゾル特性 (MRI/JMA)

ファイル形式NetCDF
エアロゾルの光学的厚さ
最新バージョンベータ・バージョン
領域全球
時間分解能1時間(レベル4)
空間分解能 経度0.375deg、緯度0.37147~0.37461deg(ガウシアン)(ピクセル数:960、ライン数:480)
格納データ 550nmにおける、エアロゾル光学的厚さ(硫酸塩, ブラックカーボン, 有機エアロゾル, 海塩, ダスト), PM2.5濃度, PM10濃度
注意 本プロダクトはベータ・バージョンであり、ひまわり8号の初期成果を示すためのものです。利用者は、データの品質が保証されていないことにご注意ください。
備考 気象庁気象研究所のエアロゾルの数値シミュレーションモデルModel of Aerosol Species IN the Global AtmospheRe (MASINGAR)によるエアロゾル特性の予測値(1時間毎)です。00,03,06,09UTCにひまわりL3エアロゾル光学的厚さの同化を行っています。また,ひまわりのエアロゾル物理量が得られない地球の裏側については,12,18UTCにMODIS/Terra+Aqua L3 Value-added Aerosol Optical Depth - NRT データセットの同化を行っています。(トップページの画像に関しては、前日以前の観測値を同化した速報値が表示されている場合があります。) 同化手法等については、下記の参考文献を参照して下さい。MASINGAR同化予測システムは気象研究所/九州大学によって開発されました。プロダクト処理は気象研究所で運用しており、処理済プロダクトはJAXA分野横断型プロダクト提供サービス(P-Tree)より提供しています。
謝辞 MODIS/Terra+Aqua L3 Value-added Aerosol Optical Depth - NRTデータセットは、 ゴダード宇宙飛行センターのLevel-1 and Atmosphere Archive & Distribution System (LAADS) Distributed Active Archive Center (DAAC)から取得しました(https://ladsweb.nascom.nasa.gov/)。
モニタページ https://www.eorc.jaxa.jp/ptree/aerosol_model/index_j.html


海面水温 (JAXA/JAMSTEC)

ファイル形式NetCDF
海面水温
(左:ひまわりによる観測、右:モデルシミュレーション(JCOPE-TDA))

数値モデルによって再現される海に欠損は生じず、海洋内部の状況を把握することや、将来の海の状態を予測することができます。
最新バージョンv20170705
領域日本周辺海域
(117E-150E、17N-50N)
時間分解能1時間(レベル4)
空間分解能 約3km(1/36 deg.)
(ピクセル数:1190、ライン数:1190)
格納データ 海面水温
備考 本プロダクトは、JAMSTECが開発する高解像度領域海洋モデルJCOPE-Tに、JAXAが提供する6種類(※)の衛星海面水温データ等を同化することによって作成されました。
※Himawai-8/AHI, GCOM-W/AMSR2, GPM-Core/GMI, Windsat/Colioris, GCOM-C/SGLI, NPP/VIIRS。SGLIとVIIRSは、2019年11月14日より同化開始。

データ同化を行う際に、衛星海面水温データ間に見られる差異を取り除くために、GCOM-W/AMSR2の海面水温データを標準値とするバイアス補正を行なっています。このプロダクトには、Near Real-TimeデータとBest Estimateデータが含まれており、それぞれの更新頻度と期間は以下の通りです。

Near Real-Timeデータ:毎日、解析値と予測値を更新
・解析値(ANAL)/最近7日分(更新時に上書き)
・予測値(FCST)/今後10日分(更新時に上書き)
Best Estimateデータ :毎週1回、週初め(日曜日か月曜日)に更新
・約2週間遅れで提供される遅延モードのデータ
・1回の更新で7日分のデータが追加される

本研究は、JAXA-JAMSTECの共同研究及び「日本沿海予測可能性実験(JCOPE)」の一環として行われました。
モニタページ https://www.eorc.jaxa.jp/ptree/ocean_model/index_j.html

アンサンブル海洋解析プロダクトLORA (JAXA/RIKEN)

ファイル形式NetCDF
海面水温
(左:ひまわりによる観測、右:モデルシミュレーシ ョン (LORA))

数値モデルによって再現される海に欠損は生じず、海洋内部の状況を把握することや、将来の海の状態を予測することができます。
最新バージョン1.0
領域北西太平洋(108°E-180°、12°N-50°N)、海大陸(95°E-136°E、18°S-30°N)
時間分解能1日(レベル4)
空間分解能 約10km(0.1 degree) 鉛直50層(σ座標)
格納データ
  • アンサンブル平均・スプレッドの日平均値(2次元の変数×1、3次元の変数×5):海面高度、水温、塩分、東西・南北・鉛直速度
  • 海面の全アンサンブルの日平均値(128アンサンブルおよび2次元の変数×5):海面高度・水温・塩分・東西速度・南北速度
  • 混合層水温・塩分収支式の各項および関連する変数のアンサンブルおよび日平均値(2次元の変数×41)
備考 本プロダクトLORAは理化学研究所が開発する高解像度領域アンサンブル海洋データ同化システムsbPOM-LETKFに以下の観測値を1日ごとに同化することによって作成されました。
  • JAXAが提供する衛星海面水温(Himawari-8/AHI、GCOM-W/AMSR2)
  • NASAおよびESAが提供する衛星海面塩分(SMAP、SMOS)
  • CMEMSが提供する衛星海面高度
  • NOAAおよびJAMSTECが提供する現場水温・塩分(GTSPP、AQC Argo)

本研究はJAXA-RIKENの共同研究の一環として行われました。

(提供期間は2015年8月から2024年1月です。
LORAの作成に必要な大気強制データセット(JRA55-do)が2024年1月末で終了したため、それ以降のLORAの作成を停止しています。現在、代替となるデータセットについて検討しています。)
モニタページ https://www.eorc.jaxa.jp/ptree/LORA/index_j.html

2. 関連リンク

3. 成果の報告

本サービスにて提供するJAXA物理量データ、画像データ等を用いて論文、レポート等を出版する場合は、以下のような文章を明記してください。

日本語の場合:
「本論文にて使用した「(ひまわりデータから作成した)XXXに関する研究プロダクト」は、宇宙航空研究開発機構(JAXA)の分野横断型プロダクト提供サービス(P-Tree)より提供を受けました。」

英語の場合:
"'Research product of XXX (produced from Himawari data) that was used in this paper' was supplied by the P-Tree System, Japan Aerospace Exploration Agency (JAXA)."

本サービスにて提供するモデルデータを用いて論文、レポート等を出版する場合は、以下のような文章を明記してください。

(モデルプロダクト: エアロゾル特性)
日本語の場合:
「本論文にて使用したエアロゾルモデルプロダクトは、気象研究所と九州大学によって開発され、宇宙航空研究開発機構(JAXA)の分野横断型プロダクト提供サービス(P-Tree)より提供を受けました。」

英語の場合:
"Aerosol model product that was used in this paper was developed by Meteorological Research Institute and Kyushu University, and supplied by the P-Tree System, Japan Aerospace Exploration Agency (JAXA)."

(モデルプロダクト: 海面水温(JAXA/JAMSTEC))
日本語の場合:
「本論文にて使用した海面水温モデルプロダクトは、海洋研究開発機構(JAMSTEC)によって開発され、宇宙航空研究開発機構(JAXA)の分野横断型プロダクト提供サービス(P-Tree)より提供を受けました。」

英語の場合:
"Sea Surface Temperature model product that was used in this paper was developed by Japan Agency for Marine-earth Science and Technology (JAMSTEC), and supplied by the P-Tree System, Japan Aerospace Exploration Agency (JAXA)."

(モデルプロダクト: 海洋解析(JAXA/RIKEN))
日本語の場合:
「本論文にて使用した海洋モデルプロダクトは、宇宙航空研究開発機構(JAXA)と理化学研究所で共同開発され、JAXAの分野横断型プロダクト提供サービス(P-Tree)より提供を受けました。」

英語の場合:
"Ocean model product that was used in this paper was jointly developed by the Japan Aerospace Exploration Agency (JAXA) and RIKEN and supplied by the JAXA P-Tree System."

なお、論文の場合は、「7.参考文献」に記載する当該プロダクトの論文も引用ください。

4. よくある質問(FAQ)

よくある質問と回答は、FAQページもご参照ください。

5. お問い合せ先

本サービス全般に関しての質問等については、下記にお問合せください。

担当窓口: P-Tree事務局
住所: 〒305-8505
茨城県つくば市千現2-1-1
国立研究開発法人 宇宙航空研究開発機構 第一宇宙技術部門 地球観測研究センター
E-mail:

6. 関連文書

7. 参考文献

  • ひまわり8号観測機器

    K. Bessho et al., 2016: An introduction to Himawari-8/9 - Japan's new-generation geostationary meteorological satellites, J. Meteorol. Soc. Japan, 94, doi:10.2151/jmsj.2016-009.
    https://www.jstage.jst.go.jp/article/jmsj/94/2/94_2016-009/_article

  • 海面水温

    Y. Kurihara et al, 2021: A quasi-physical sea surface temperature method for the split-window data from the Second-generation Global Imager (SGLI) onboard the Global Change Observation Mission-Climate (GCOM-C) satellite. Remote Sens. Environ., DOI: 10.1016/j.rse.2021.112347.
    https://doi.org/10.1016/j.rse.2021.112347

    Y. Kurihara, H. Murakami, and M. Kachi, 2016: Sea surface temperature from the new Japanese geostationary meteorological Himawari-8 satellite. Geophys. Res. Letters. DOI: 10.1002/2015GL067159.
    http://onlinelibrary.wiley.com/doi/10.1002/2015GL067159/full

    (Bi-Spectral Filter used since Ver.2.1)
    Y. Kurihara, 2022: A bi-spectral approach for destriping and denoising the sea surface temperature from SGLI thermal infrared data. J. Atmos.
    Oceanic Technol., DOI:10.1175/JTECH-D-22-0051.1.
    https://doi.org/10.1175/JTECH-D-22-0051.1

  • 海面水温モデル
    (Ocean model)

    Varlamov, S. M., X. Guo, T. Miyama, K. Ichikawa, T. Waseda, and Y. Miyazawa, 2015: M2 baroclinic tide variability modulated by the ocean circulation south of Japan, J. Geophys. Res. Oceans, 120, 3681-3710. DOI:10.1002/2015JC010739.
    https://agupubs.onlinelibrary.wiley.com/doi/full/10.1002/2015JC010739.

    (Data assimilation method)

    Miyazawa, Y., S. M. Varlamov, T. Miyama, Y. Kurihara, H. Murakami, M. Kachi, 2021: A Nowcast/Forecast System for Japan’s Coasts Using Daily Assimilation of Remote Sensing and In Situ Data. Remote Sens., 13, 2431.
    https://doi.org/10.3390/rs13132431.

    Miyazawa, Y., S. M. Varlamov, T. Miyama, X. Guo, T. Hihara, K. Kiyomatsu, M. Kachi, Y. Kurihara, H. Murakami, 2017: Assimilation of high-resolution sea surface temperature data into an operational nowcast/forecast system around Japan using a multi-scale three-dimensional variational scheme, Ocean Dyn., 67, 713-728. DOI: 10.1007/s10236-017-1056-1.
    https://link.springer.com/article/10.1007/s10236-017-1056-1.

  • アンサンブル海洋解析プロダクトLORA
    (Data assimilation)

    Ohishi, S., T. Hihara, H. Aiki, J. Ishizaka, Y. Miyazawa, M. Kachi, and T. Miyoshi, 2022: An ensemble Kalman filter system with the Stony Brook Parallel Ocean Model v1.0, Geosci. Model Dev., 15, 8395?8410, DOI:10.5194/gmd-15-8395-2022.
    https://gmd.copernicus.org/articles/15/8395/2022/

    Ohishi, S., T. Miyoshi, and M. Kachi, 2022: An ensemble Kalman filter-based ocean data assimilation system improved by adaptive observation error inflation (AOEI), Geosci. Model Dev., 15, 9057?9073, DOI:10.5194/gmd-15-9057-2022.
    https://gmd.copernicus.org/articles/15/9057/2022/

    (Validation)

    Ohishi, S., T. Miyoshi, and M. Kachi: LORA: A local ensemble transform Kalman filter-based ocean research analysis, Ocn. Dyn., DOI: 10.1007/s10236-023-01541-3.
    https://doi.org/10.1007/s10236-023-01541-3

  • エアロゾル特性
    (L2 Aerosol Algorithm)

    Yoshida, M., Yumimoto, K., Nagao, T. M., Tanaka, T., Kikuchi, M., and Murakami, H.: Retrieval of Aerosol Combined with Assimilated Forecast, Atmos. Chem. Phys., 21, 1797, 2021.
    https://doi.org/10.5194/acp-21-1797-2021.

    Yoshida, M, M. Kikuchi, T. M. Nagao, H. Murakami, T. Nomaki, and A. Higurashi, 2018: Common retrieval of aerosol properties for imaging satellite sensors, J. Meteor. Soc. Japan, doi:10.2151/jmsj.2018-039. https://www.jstage.jst.go.jp/article/jmsj/advpub/0/advpub_2018-039/_article/-char/en.

    (L3 Hourly Aerosol Algorithm)

    Kikuchi, M., H. Murakami, K. Suzuki, T. M. Nagao, and A. Higurashi, Improved Hourly Estimates of Aerosol Optical Thickness using Spatiotemporal Variability Derived from Himawari-8 Geostationary Satellite, IEEE Transactions on Geoscience and Remote Sensing, accepted.
    https://ieeexplore.ieee.org/document/8334203/.

  • エアロゾルモデル
    (MASINGAR and prediction system)

    田中 泰宙, 小木 昭典 2017:気象庁全球黄砂予測モデルの更新について. 気象庁測候時報第84巻
    http://www.jma.go.jp/jma/kishou/books/sokkou/84/vol84p109.pdf.

    (assimilation method)

    Yumimoto, K., T. Y. Tanaka, N. Oshima, and T. Maki, 2017: JRAero: the Japanese Reanalysis for Aerosol v1.0, Geosci. Model Dev., 10, 3225-3253
    https://doi.org/10.5194/gmd-10-3225-2017.

    (assimilation with Himawari-8 Aerosol optical properties)

    Yumimoto, K., T. Y. Tanaka, M. Yoshida, M. Kikuchi, T. M. Nagao, H. Murakami, and T. Maki, 2018: Assimilation and forecasting experiment for heavy Siberian wildfire smoke in May 2016 with Himawari-8 aerosol optical thickness. J. Meteor. Soc. Japan, 96B 
    http://jmsj.metsoc.jp/GA/JMSJ2018-035.html.

    (quotation for MODIS assimilation)

    MODIS/Terra+Aqua Near Real Time value-added Aerosol Optical Depth Product, 6.1NRT, L2 Swath 1 km and 5 km, C6, NASA Level-1 and Atmosphere Archive & Distribution System (LAADS) Distributed Active Archive Center (DAAC), Goddard Space Flight Center, Greenbelt, MD.
    http://dx.doi.org/10.5067/MODIS/MCDAODHD.NRT.061.

  • 日射量/光合成有効放射

    R. Frouin and H. Murakami, 2007: Estimating photosynthetically available radiation at the ocean surface from ADEOS-II global imager data. J. Oceanography, 63, 493-503.

    (JMA Objective Analysis data (Ozone) used as ancirally data since Ver.2.0)

    JMA 2019, OUTLINE OF THE OPERATIONAL NUMERICAL WEATHER PREDICTION AT THE JAPAN METEOROLOGICAL AGENCY, March 2019, Appendix to WMO TECHNICAL PROGRESS REPORT ON THE GLOBAL DATA-PROCESSING AND FORECASTING SYSTEM AND NUMERICAL WEATHER PREDICTION, https://www.jma.go.jp/jma/jma-eng/jma-center/nwp/outline2019-nwp/index.htm

  • クロロフィルa濃度

    Murakami, H. (2016): Ocean color estimation by Himawari-8/AHI, Proc. SPIE 9878, Remote Sensing of the Oceans and Inland Waters: Techniques, Applications, and Challenges, 987810 (May 7, 2016); doi:10.1117/12.2225422;
    http://dx.doi.org/10.1117/12.2225422.

    (JMA Objective Analysis data (Ozone) used as ancirally data since Ver.2.0)

    JMA 2019, OUTLINE OF THE OPERATIONAL NUMERICAL WEATHER PREDICTION AT THE JAPAN METEOROLOGICAL AGENCY, March 2019, Appendix to WMO TECHNICAL PROGRESS REPORT ON THE GLOBAL DATA-PROCESSING AND FORECASTING SYSTEM AND NUMERICAL WEATHER PREDICTION, https://www.jma.go.jp/jma/jma-eng/jma-center/nwp/outline2019-nwp/index.htm

  • 雲特性
    (Cloud Flag Algorithm)

    Ishida, H., and T. Y. Nakajima, 2009: Development of an unbiased cloud detection algorithm for a spaceborne multispectral imager, J. Geophys. Res., 114, D07206, doi:10.1029/2008JD010710.

    Ishida, H., T. Y. Nakajima, T. Yokota, N. Kikuchi, and H. Watanabe, 2011: Investigation of GOSAT TANSO-CAI cloud screening ability through an inter-satellite comparison, J. Appl. Meteor. Climatol., 50, 1571?1586. doi: http://dx.doi.org/10.1175/2011JAMC2672.1.

    Letu, H., T. M. Nagao, T. Y. Nakajima, and Y. Matsumae, 2014: Method for validating cloud mask obtained from satellite measurements using ground-based sky camera. Applied optics, 53(31), 7523-7533.

    Nakajima, T. Y., T. Tsuchiya, H. Ishida, and H. Shimoda, 2011: Cloud detection performance of spaceborne visible-to-infrared multispectral imagers. Applied Optics, 50, 2601-2616.

    (Cloud Retrieval Algorithm)

    Kawamoto, K., T. Nakajima, and T. Y. Nakajima, 2001: A Global Determination of Cloud Microphysics with AVHRR Remote Sensing, J. Clim., 14(9), 2054?2068, doi:10.1175/1520-0442(2001)014<2054:AGDOCM>2.0.CO;2.

    Nakajima, T. Y., and T. Nakajima, 1995: Wide-Area Determination of Cloud Microphysical Properties from NOAA AVHRR Measurements for FIRE and ASTEX Regions, J. Atmos. Sci., 52(23), 4043?4059, doi:10.1175/1520-0469(1995)052<4043:WADOCM>2.0.CO;2.

    (Scattering property database for nonspherical ice particles)

    Ishimoto, H., K. Masuda., Y. Mano, N. Orikasa, and A. Uchiyama, 2012a, Optical modeling of irregularly shaped ice particles in convective cirrus. In radiation processed in the atmosphere and ocean (IRS2012): Proceedings of the International Radiation Symposium (IRC/IAMAS) 1531, 184-187.

    Ishimoto, H., K. Masuda, Y. Mano, N. Orikasa, and A. Uchiyama, 2012b: Irregularly shaped ice aggregates in optical modeling of convectively generated ice clouds, J. Quant. Spectrosc. Radiat. Transfer, 113, 632?643.

    Masuda, K., H. Ishimoto, and Y. Mano, 2012: Efficient method of computing a geometric optics integral for light scattering, Meteorology and Geophysics ., 63, 15?19.

    Letu, H., T. Y. Nakajima, and T. N. Matsui, 2012: Development of an ice crystal scattering database for the global change observation mission/second generation global imager satellite mission: Investigating the refractive index grid system and potential retrieval error. Appl. Opt., 51, 6172-6178.

    Letu, H. H. Ishimoto, J. Riedi, T. Y. Nakajima, L. C.-Labonnote, A. J. Baran, T. M. Nagao, and M. Sekiguchi, 2016: Investigation of ice particle habits to be used for ice cloud remote sensing for the GCOM-C satellite mission. Atmos. Chem. Phys, 16(18), 12287-12303.

    Letu, H., T. M. Nagao, T. Y. Nakajima J. Riedi, H. Ishimoto, A. J. Baran, H. Shang, M. Sekiguchi, and M. Kikuchi: Ice cloud properties from Himawari-8/AHI next-generation geostationary satellite: Capability of the AHI to monitor the DC cloud generation process. IEEE Transactions on Geoscience and Remote Sensing, in revision.

  • 放射伝達コード

    Nakajima, T., and M. Tanaka (1986), Matrix formulation for the transfer of solar radiation in a plane-parallel scattering atmosphere, J. Quant. Spectrosc. Radiat. Transfer, 35, 13?21, doi:10.1016/0022-4073(86)90088-9.

    Nakajima, T., and M. Tanaka (1988), Algorithms for radiative intensity calculations in moderately thick atmospheres using a truncation approximation, J. Quant. Spectrosc. Radiat. Transfer, 40, 51?69, doi:10.1016/0022-4073(88)90031-3.

    Ota, Y., A. Higurashi, T. Nakajima, and T. Yokota (2009), Matrix formulations of radiative transfer including the polarization effect in a coupled atmosphere-ocean system, J. Quant. Spectrosc. Radiat. Transfer, 111, 878?894, doi:10.1016/j.jqsrt.2009.11.021.

  • 林野火災

    Y. Kurihara, K. Tanada, H. Murakami, and M. Kachi, 2020: Australian bushfire captured by AHI/Himawari-8 and SGLI/GCOM-C. JpGU-AGU Joint Meeting 2020.
    発表ポ スター

PAGE TOP