Beberapa penggunaan operasional satelit penginderaan jauh dan GIS laut untuk perikanan tangkap dan budidaya yang berkelanjutanSei-Ichi Saitoh 1 *, Robinson Mugo1, I Nyoman Radiarta1, Shinsuke Asaga1, Fumihiro Takahashi 2, Toru Hirawake 1, Yoichi Ishikawa3, Toshiyuki Awaji 3, Teiji Pada 4, dan Shigeki Shima4

Sebuah gambaran dari aplikasi operasional Satelite Remote-Sensing (SRS) perikanan telah diperkenalkan, dan termasuk dua studi kasus yang menggambarkan manfaat sosial dari SRS. Yang pertama menggambarkan penggunaan sistem berbasis satelit pemantauan kapal (VMS) dan data SRS di penangkapan tuna cakalang (Katsuwonus pelamis), termasuk algoritma sederhana untuk menentukan kegiatan penangkapan ikan dari kecepatan kapal. Kasus kedua

penelitian menggambarkan penerapan informasi penginderaan jauh dalam menentukan dampak perubahan iklim di situs kesesuaian untuk budidaya kerang (Mizuhopecten yessoensis). Simulasi pemanasan global menurut Panel Antar pemerintah tentang skenario Perubahan Iklim memiliki dampak yang signifikan terhadap situs dengan kesesuaian terbesar bagi kerang budidaya. Beberapa tantangan di bidang perikanan sistem informasi juga dibahas.

Kata kunci: prediksi perubahan iklim, GIS, budidaya laut, operasional oseanografi perikanan, penginderaan jauh.Pengantar

Produksi perikanan tangkap global relatif stabil selama satu dekade terakhir, sedangkan produksi perikanan budidaya terus meningkat (FAO, 2009). Kedua sektor yang sangat penting bagi pangan keamanan global, namun mereka menghadapi berbagai tantangan yang berkembang yang mengancam dengankeberlanjutan (FAO, 2009). Untuk perikanan tangkap, penangkapan ikan yang berlebihan, degradasi habitat utama spesies ', tidak menentunya harga bahan bakar global dan perubahan iklim adalah tantangan mendasar. Pada perikanana budidaya menghadapi meningkatnya persaingan untuk ruang, pakan, dan tenaga kerja, serta

sebagai wabah penyakit dan potensi dampak perubahan iklim. Solusi untuk beberapa masalah ini dapat melibatkan menerapkan satelit penginderaan jauh (SRS) informasi, sehingga kami dapat memberikan gambaran singkat yang dipilih aplikasi operasional SRS, diikuti oleh dua studi kasus, satu di perikanan tangkap dan yang lainnya di akuakultur. Yang pertama membahas aplikasi data lingkungan SRS dan teknologi pemantauan kapal dalam tuna cakalang (Katsuwonus pelamis) perikanan di barat Pasifik Utara. Fokus kedua tentang dampak perubahan iklim terhadap budidaya kerang (Mizuhopecten yessoensis) di Funka Bay, Hokkaido, Jepang, menggunakan pencitraan SRS. Akhirnya, kami menyoroti tantangan dan memberikan perspektif tentang masa depan sistem informasi perikanan di bidang ini.Gambaran singkat mengenai operasional oseanografi perikanan di perikanan pelagis

Operasional Oseanografi telah didefinisikan sebagai cabang ilmu kelautan yang secara rutin menyediakan observasional dan data model untuk aplikasi praktis dengan kualitas tinggi (Pinardi dan Coppini, 2010). Aplikasi ini termasuk antara lain penyediaan layanan yang meminimalkan waktu pencarian dengan mengarahkan armada dan kapal memancing ke daerah spesies target dengan ketersediaan, berdasarkan pada pengetahuan tentang perilaku mereka di bawah kondisis lingkungan yang berbeda (Petit et al., 1994). Pengukuran SRS suhu permukaan laut(SST), warna laut, tinggi permukaan air laut anomali (SSHA), arus, dan angin yang paling penting data streams yang membentuk operasional oseanografi. Sebelumnya dalam ulasan tentang penerapan informasi SRS di perikanan laut disediakan oleh Simpson (1992, 1993) dan Santos (2000), dan

mereka termasuk pembahasan rinci dari jenis data, sistem operasional dan aplikasi perikanan tangkap. Ruang lingkup di sini menghalangi detil seperti itu, tapi banyak yang telah berubah selama dekade terakhir (Barale et al., 2010).

Dalam perikanan pelagis, dua tema menonjol dalam aplikasi operasional SRS: (i) identifikasi zona perikanan potensial (PFZs), yang mengambil keuntungan dari hubungan antara spesies sasaran dan faktor lingkungan, dan (ii) pengembangan langkah-langkah manajemen , terutama meminimalkan spesies bycatch yang terancam punah. Pemodelan habitat ikan (Valavanis et al., 2008) digunakan dalam perikanan dan SRS satu set data lingkungan untuk menunjukkan bahwa identifikasi fitur oseanografi seperti PFZs layak dalam cekungan laut yang berbeda, termasuk Samudera Atlantik (Zagaglia et al, 2004), bagian barat Samudera Pasifik (Zainuddin et al, 2008..; Mugo et al., 2010), dan Laut Arab (Solanki et al., 2010). Integrasi dari tag elektronik dan data SRS untuk mempelajari perilaku dan pemanfaatan habitat telah menambahkan dimensi yang menarik untuk operasional oseanografi perikanan (Teo et al, 2007;.. Weng et al,---------------------------------------------------------------------------------------------------

2009; Dewar et al., 2010) dan telah menunjukkan kegunaan SRS dalam pengelolaan perikanan berbasis ilmu pengetahuan (Hobday dan Hartmann, 2006; Howell et al., 2008; Teo dan Block, 2010). Sebagai contoh, Howell et al. (2008) menunjukkan alat (Turtles Watch) yang difasilitasi menghindari penyu tempayan (Caretta caretta) tertangkap saat memancing untuk ikan todak (Xiphias gladius) dan tuna (Thunnus spp.) di Pasifik Utara (lihat juga Kobayashi et al., 2011). Hobday dan Hartmann (2006) mengembangkan alat untuk mengurangi tuna sirip biru selatan (Thunnus maccoyii) tertangkap di bagian timur tuna dan perikanan billfish dengan terbatas atau tidak ada sirip biru selatan kuota. Ini menunjukkan kelayakan merancang mendekati real-time batas pengelolaan perikanan menggunakan SRS SST, model data, dan memberi tanda habitat termal dari satelit pop-up tags. Hartog et al. (2010) juga mempertimbangkan bagaimana manajemen keputusan berdasarkan preferensi habitat SRS yang diturunkan dari selatan sirip biru dan tuna yellowfin (Thunnus albacares) dapat dipengaruhi oleh pemanasan laut. Contoh-contoh ini tidak lengkap, tetapi menggambarkan beberapa arah penelitian yang operasional aplikasi informasi SRS telah mengambil di masa lalu. Aplikasi penangkapan ikan komersial oseanografi operasional sebagian besar bertujuan untuk meminimalkan waktu pencarian dan menghemat bahan bakar (IOCCG, 2009). Kemajuan dalam sistem komunikasi dan pengolahan data metodologi terus melakukan diversifikasi produk yang dikirim ke armada penangkapan ikan secara real atau dekat dengan layanan informasi perikanan. Ini termasuk diantaranya, yang berbasis di Miami Roffer ini Ocean Service Fishing Peramalan, Inc (http://www.roffs.com/), menyediakan perkiraan perikanan yang berasal dari SRS sejak 1987; itu SeaStar Komersial Fishing Layanan dijalankan oleh GeoEye (http: // www.geoeye.com), menampilkan peta oseanografi tiga dimensi; dan Catsat (www.catsat.com), yang menyediakan layanan serupa. Pusat Nasional India untuk Pelayanan Informasi Lautan (INCOIS; http://www.incois.gov.in) memberikan prakiraan PFZ untuk laut sekitar India. Jepang Perikanan Layanan Informasi Pusat (JAFIC; www.jafic.co.jp) dan Lingkungan Simulasi Laboratorium Perusahaan (www.esl.co.jp) menyebarkan perikanan pelayanan informasi kepada nelayan Jepang. Sebuah perusahaan swasta, SpaceFish LLP (http://spacefish.co.jp), baru-baru ini mendirikan sebuah sistem informasi perikanan dan layanan yang dikenal sebagai "TOREDAS" (Saitoh et al., 2009), yang menyatakan Tujuan adalah untuk (i) memfasilitasi transfer data mendekati real-time melalui internet dan satelit koneksi selama operasi perikanan, (ii) memprediksi PFZs berdasarkan ilmiah Temuan, dan (iii) memberikan tinggi nilai tambah perikanan oseanografi Informasi (Kiyofuji et al., 2007). Semua informasi Sistem yang tercantum di atas mengandalkan data SRS untuk memberikan perkiraan berbagai jenis di berbagai belahan lautan dunia.

Bahan dan metode

Pada studi kasus ini dilakukan di Utara Barat Pacifik (18-508N 125-1608E) untuk perikanan tuna cakalang dan di Funka Bay (selatan Hokkaido Island) untuk budidaya kerang Jepang (Gambar 1).Penangkapan Tuna Cakalang

Resolusi tinggi spasial (1-menit selang logging) VMS (vessel sistem pemantauan) Data diperoleh melalui TOREDAS dari pole and line memancing kapal untuk periode 2007-2009. Data ini terdiri dari lintang dan bujur posisi dicatat oleh GPS kapal dan cap tanggal-waktu. Jarak berdekatan antar posisi dihitung di ArcGIS 9.2, dengan asumsi bahwa Kapal bergerak antara setiap posisi memasuki sepanjang garis lurus. Kecepatan kapal (knot) dihitung dengan menggunakan jarak tempuh antara titik polling yang berdekatan dan waktu yang dibutuhkan (biasanya 1 menit). Sebuah histogram dari perkiraan kecepatan kapal diplot dan digunakan untuk mengkategorikan aktivitas kapal. Sebuah tapis ruang dikecualikan semua Data VMS diterima dari jarak 10 km dari pantai Jepang, jadi menghilangkan gerakan masuk dan keluar dari pelabuhan, yang memicu kegiatan penangkapan ikan karena kecepatan kapal lambat.. Akhirnya, filter kecepatan mempertahankan semua data yang terkait dengan kecepatan 0,1-3 knot, indikasi memancing kegiatan sebagaimana disimpulkan dari kecepatan histogram VMS. SST dan klorofil a (CHL) dari bulanan Aqua MODIS standar dipetakan gambar (resolusi hingga 4 km), dan waktu tertunda untuk bergabung produk SSHA dari AVISO (http: //www.aviso.oceanobs.com/en/data/products/sea-surface-heightproducts/global yang / msla / index.html) yang didownload untuk periode 2007-2009 dan dipetakan dalam ArcGIS 9.2. Data yag cocok dengan grid resolusi seragam, cocok dengan VMS yang diturunkan posisi memancing, dan sampel di ArcGIS 9.2.Budidaya KerangBudidaya kerang Jepang digunakan untuk menunjukkan penggunaan SRS dalam mengeksplorasi potensi dampak perubahan iklim pada sumber daya perikanan budidaya. Konstruksi model dan analisis terdiri dari dua langkah (Gambar 2). Pertama, kesesuaian lokasi untuk budidaya scallop ditentukan dengan menggunakan remote terintegrasi

---------------------------------------------------------------------------------------------------

Sensing (SRS) dan model didasarkan pada sistem informasi geografis (SIG). Evaluasi multikriteria disesuaikan dengan model GIS untuk situs peringkat pada skala 1 (paling cocok) sampai 8 (paling cocok), menurut toRadiartaet al. (2008). Kedua, dari model sitesuitability akhir,pengaruh SST pemanasan pada Model situs-pilihan menggunakan suhu meningkat dari 1, 2, atau 48 C, yaitu skenario yang diberikan dalam laporan penilaian keempat dari Panel Antarpemerintah tentang Perubahan Iklim (IPCC, 2007). Pendekatan tersebut sebagai kerangka kerja yang valid untuk mengevaluasi dampak perubahan iklim terhadap perikanan atau sumber daya perikanan budidaya (Brody dan Hlohowskyj, 1998;. Perryet al, 2005).Hasil dan diskusi

VMS, SRS oseanografi, dan memancing ikan cakalang

Aplikasi SRS dan GIS dapat membantu memenuhi manajemen dan tantangan pemanenan penting dalam hal perikanan tuna cakalang, tangkapan yang berada pada peringkat ketiga di dunia setelah ikan teri (Engraulidae) dan Alaska pollock (Theragra chalcogramma; Mugoet al., 2010). Pencarian untuk kediaman ikan tuna adalah langkah yang paling memakan waktu dalam operasi penangkapan ikan (Miyakeet al., 2004; Majkowski, 2010), secara signifikan mempengaruhi biaya bahan bakar dan tenaga kerja.

VMS berbasis satelit pertama kali diperkenalkan untuk tujuan surveilans (FAO, 1988;. Denget al, 2005), tetapi baru-baru menjadi sumber data tambahan dalam memancing lokasi tanah dan pendugaan sistem, seperti TOREDAS (Saitohet al., 2009). Data VMS juga memiliki kegunaan potensial dalam ilmu pengetahuan dan pengelolaan perikanan (Lee et al., 2010), memberikan buku catatan-independen, resolusi tinggi informasi temporal dan spasial pada kegiatan perikanan (Witt dan Godley, 2007). Data VMS memiliki keunggulan dibandingkan buku harian memancing dalam arti bahwa mereka dapat diakumulasikan secara real time dekat dan lebih

obyektif, akurat, dan lengkap (Mullowney dan Dawe, 2009).

Mereka telah digunakan untuk memperkirakan usaha penangkapan terutama dalam trawl perikanan (Millset al, 2004;. Mullowney dan Dawe, 2009; Palmer dan Wigley, 2009; Leeet al., 2010). Untuk perikanan pelagis, simultan analisis VMS dan data SRS dapat digunakan untuk mempelajari perilaku kapten relatif terhadap menargetkan spesies. Jenis informasi ini dapat

meningkatkan model dan manajemen pendugaan perikanan operasional tindakan, misalnya dalam desain kawasan perlindungan laut yang dinamis atau tindakan upaya pengendalian. Namun, di Utara Barat Pacific perikanan tuna, sedikit yang telah dilakukan dengan informasi VMS.---------------------------------------------------------------------------------------------------Lintasan kapal harian dan terkait dengan grafik kecepatan lengkap memancing yang dilakukan selama periode 19-23 Juni 2008 diilustrasikan pada Gambar 3, juga termasuk keberangkatan (Gambar 3a), aktivitas lepas pantai (Gambar 3b dan c), dan jalur pulang (Gambar 3d). Selama pole dan line memancing ikan , kapal hampir menuju stasiun kecuali untuk drift yang minimal. Aktivitas penangkapan yang dicirikan oleh sekelompok poin yang terkait dengan kecepatan rendah, dan yang bukan kegiatan penangkapan (yaitu mengepul) dari jalan yang lurus yang sesuai dengan kecepatan tinggi. Histogram dari kecepatan kapan (gambar 4a) menyatakan dengan jelas distrribusi bimodal, mewakili penangkapan(kecepatan lambat, cara pertama) dan aktivitas yang bukan penangkapan (mengepul) pada kecepatan yang lebih tinggi dari 4.5-20 knots. Fakta bahwa sebuah kapal penangkap ikan berjalanan lebih lambat selama memancing, penyebaran perlengkapan rodagigi, dan memungkinkan pengambilan data partisi sederhana (Witt dan Godley, 2007). Namun, sebuah kapal penangkap ikan dapat memperlambat kecepatan karena faktor selain memancing, yaitu termasuk mendekati atau meninggalkan pelabuhan, pengaturan gear, berada di dekat kapal lain, dan selama Cuaca yang membahayakan (Mills et al., 2007). Dalam kasus cakalang, identifikasi yang salah pada aktivitas nelayan dapat terjadi ketika sekumpulan tuna diidentifikasi, tapi tidak mempengaruhi umpan, yaitu kapal dihentikan, tapi tidak memancing. Sebuah pemahaman yang baik tentang perikanan tersebut dapat meningkatkan Data filter VMS dan karakterisasi kegiatan penangkapan ikan.SST, CHL, dan SSHA di lokasi pemancingan VMS yang diturunkan (Gambar 4b-d) berkisar antara 17 sampai 298C; 0,07-0,7 mg M23, dan 230-50 cm, masing-masing pada (Gambar 4d). Ini mirip dengan rentang optimum untuk spesies (20.4-24.48C, 0.07- 0.26 mg M23, dan 28-12 cm, masing-masing) diperoleh pada pekerjaan sebelumnya (Mugo et al., 2010), mendukung keakuratan VMS yang diturunkan lokasi memancing dan data lingkungan yang terkait.SST sangat mempengaruhi distribusi cakalang tuna di Pasifik Utara barat (Mugo et al., 2010) dan barat selatan Atlantic (de Oliveira et al., 2010), di mana ikan ditemukan terutama di .158C (Wild dan Hampton, 1993). SRS Chl a gradien dan SSHA yang berperan dalam mengidentifikasi fitur laut terkait dengan agregasi spesies hijauan (Zainuddin et al., 2008).Kemungkinan mekanisme ini mengakibatkan agregasi ini di luar cakupan makalah ini dan telah dibahas di tempat lain (Olson, 1991;. Lehodey et al, 1998; Bakun, 2006;. Fonteneau et al,

2009; Mugo et al., 2010). Studi kasus ini menggambarkan bagaimana, pada tingkat operasional, informasi VMS dapat digunakan di hampir waktu yang sebenarnya untuk meningkatkan perkiraan perikanan. Data dapat digunakan dalam berbagai cara untuk menambah informasi biasanya tidak tersedia dalam memancing logbook. Sebagai contoh, data VMS dapat digunakan untuk mengidentifikasi daerah-daerah yang dilalui, tetapi tidak memancing, sesuai untuk memungkinkan investigasi menentukan bagaimana hal ini membedakan dari daerah penangkapan ikan yang diinginkan.Hal.4 gambar---------------------------------------------------------------------------------------------------

Umpan balik independen dan otomatis dari kapal penangkap ikan adalah penting untuk memantau kegiatan penangkapan atau meningkatkan efisiensi memancing. Kami menyimpulkan bahwa penggunaan simultan dari VMS dan SRS informasi dapat memberikan laporan rinci tentang kegiatan dari kapal cakalang memancing tuna. VMS juga dapat membantu dalam fine-tuning pelagis model peramalan perikanan termasuk informasi tentang bagaimana memancing nakhoda kapal memilih tempat memancing relatif terhadap jarak jauh data oseanografi merasakan. Aplikasi lain yang potensial adalah sebagai alat pendidikan untuk mentransfer keterampilan dan pengetahuan memancing dari berpengalaman untuk kapten baru.Perubahan Iklim dan Budidaya Kerang

Perubahan iklim dan budidaya Kerang adalah kerang laut yang paling sukses dibudidayakan di Jepang (Bourne, 2000). Saat ini, .40% dari Produksi kerang Jepang dari budidaya (FAO, 2007). Perubahan suhu air akan mempengaruhi waktu dan tingkat produktivitas di sistem pesisir dan laut (Walther et al., 2002; Beukema dan Dekker, 2005; Harley et al., 2006). Keberlanjutan dari kerang budidaya dapat dipengaruhi oleh lingkungan perubahan yang terkait dengan pemanasan iklim, mengancam optimal tumbuh-out suhu, dan cuaca. Lokasi yang cocok untuk budidaya kerang banyak berubah relatif terhadap model asli situs kesesuaian setelah aplikasi skenario IPCC (Gambar 5). Peningkatan SST dari 18oC menghasilkan di relatif sedikit perubahan nilai kesesuaian (Tabel 1), tetapimeningkat dari 2 dan 48oC mengurangi luas area yang paling cocok (skor 8) sebesar 52 dan 100%, masing-masing. Ada peningkatan bersamaan dalam daerah yang kurang cocok; misalnya, daerah mencetak 7 meningkat dari 28-35 dan 41% dari total luas dengan 2 dan 48oC meningkat, masing-masing. Perubahan dibagikan kurang lebih merata di atas daerah (Gambar 5). Hasil ini menunjukkan bahwa perubahan iklim bisa mempengaruhi perkembangan budidaya kerang melalui perubahan situs kesesuaian, sehingga harus dipertimbangkan dalam perencanaan, misalnya, program pemuliaan kerang yang dirancang untuk meningkatkan toleransi suhu spesies berbudaya. Handisyde et al. (2006) menganalisis dampak perubahan iklim pada budidaya dunia dari perspektif global dan disarankan studi kasus tertentu yang tambahan (seperti disajikan di sini) akan berkontribusi besar terhadap pemahaman bagaimana iklim perubahan dapat mempengaruhi sumber daya perikanan budidaya. Contoh lain diberikan oleh Baba et al. (2009), yang menggambarkan efek variabilitas iklim, terutama pengaruh langsung dari El Nin~o dan La Nin~a, pada kerang budidaya. Model berbasis GIS pada Dampak perubahan iklim terhadap budidaya kerang Jepang menunjukkan bahwa perubahan iklim mungkin memiliki berbagai dampak pada kerang budidaya. Jelas, dampak potensial perubahan iklim terhadap kerang budidaya perlu penyelidikan lebih lanjut untuk membantu memastikan keberlanjutan pembangunan budidaya laut.

Tantangan baru sistem informasi perikanan dan perspektif masa depanSRS citra untuk parameter seperti SST, CHL, dan SASHA mengungkapkan fenomena kelautan pada skala sinoptik. Aplikasi GIS juga telah telah berperan dalam mengintegrasikan dan menganalisis informasi SRS dalam ilmu perikanan (Meaden, 2009). Bagaimanapun juga GIS telah ---------------------------------------------------------------------------------------------------dikembangkan untuk data terestrial representasi di mana dua dimensi memadai. Akibatnya, mereka terbatas dalam mewakili batas-batas dinamis dan struktur tiga dimensi dari sifat-sifat laut dan habitat laut(Carette et al., 2008).Perpaduandata pengamatan ke dalam model sirkulasi umum laut akan bermain peran penting dalam bergerak menuju representasi tiga dimensi (Awaji et al., 2003). Arah penelitian masa depan kami meliputipengembangan informasi perikanan pesisir terpadu sistem (Gambar 6), memanfaatkan berbagai oseanografi dataset dari satelit dan pengukuran in situ. Selain itu, dimaksudkan untuk lebih empat dimensi, variasional (4D-VAR)model data-asimilasi(Broquet et al., 2009; Ishikawa et al.,2009)mampu menghasilkan produk terintegrasi yang dibutuhkan olehperikanan dan akuakultur menggunakan sintesis optimal observasional data, model sirkulasi laut, dan Nemuro ekologi Model (Kishi et al., 2007). Sistem ini juga diharapkan untuk menyertakan peramalan dan penyebaran informasi komponen (http: // innova01.fish.hokudai.ac.jp/marinegis/).Penyebaran informasi kepada pengguna secara kini atau mendekati waktu sekarangakan menjadi inovasi dalam beberapa tahun ke depan (Aguilar-Manjarrez et al., 2010). Berlanjutnya miniaturisasi perangkat komunikasi dan rendahnya biaya transmisi besar jumlah informasi membuatnya semakin praktis untuk menyampaikan informasi oseanografi sebagai nilai tambah, produk buatan costum. Platform berbasis web seperti Google Earth / Samudra bisa berperan dalam memajukan proses ini (Carocci et al.,2009; Aguilar-Manjarrez et al., 2010).Dalam perikanan ilmu, produk seperti update fishing ground, situs kesesuaian untuk budidaya fasilitas, dan informasi keselamatan akan menjadi bagian dari produk paket. Peningkatan prediksi dan validasi oseanografi Parameter SRS (SST, klorofil) untuk aplikasi khusus akan juga membentuk daerah penelitian kunci (Saitoh et al., 2009, 2010). jelas, Data SRS telah membuat kontribusi penting untuk perikanan operasional oseanografi. Kekayaan informasi yang terus menumpuk dari satelit sangat penting untuk penelitian, pemantauan, dan pengelolaan perikanan laut, serta mendukung keberlanjutan sistem akuakultur.---------------------------------------------------------------------------------------------------

Gambar 6. Kerangka konseptual untuk sistem informasi perikanan fi pesisir terpadu. Komponen utama dari sistem ini adalah (i) pengamatanatau akuisisi data (in situ dan data satelit), (ii) pemanfaatan data dalam numerik/ model spasial, dan (iii) peramalan dan penyebaranproduk operasional responsif terhadap kebutuhan masyarakat.

Ucapan Terima Kasih

Kami berterima kasih kepada Distribusi Active Archive Center di NASAGoddard Space Flight Center untuk produksi dan distribusidari data SeaWiFS dan MODIS. Karya ini didukung olehHakodate Kelautan Bio Proyek Industri-Cluster di Daerah

Program inovasi Cluster (Global Jenis) dari 2010 (sebelumnyadikenal sebagai Program Cluster Pengetahuan pada tahun 2009) dariGrant-in-Aid untuk Universitas dan Masyarakat Kolaborasi dariKementerian Pendidikan, Kebudayaan, Olahraga, Sains dan Teknologi(MEXT), Jepang