| Project/Area Number |
22K05946
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 41050:Environmental agriculture-related
|
|---|
| Research Institution | National Agriculture and Food Research Organization |
|---|
Principal Investigator |
朝田 景 国立研究開発法人農業・食品産業技術総合研究機構, 農業環境研究部門, 上級研究員 (10574460)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
片柳 薫子 国立研究開発法人農業・食品産業技術総合研究機構, 農業環境研究部門, 上級研究員 (20455265)
山下 尚之 国立研究開発法人森林研究・整備機構, 森林総合研究所, 主任研究員 等 (30537345)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2022: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
|
|---|
| Keywords | 土壌水分移動 / 土壌微生物 / 農耕地 / モデリング / 一酸化二窒素 |
|---|
| Outline of Research at the Start |
既存の一酸化二窒素（N2O）排出予測モデルは土壌中の水移動プロセスの再現能力が低く、N2O排出量を予測する上で大きな不確実性要因となっている。本研究では、詳細な水移動プロセスが組込まれた窒素溶脱モデルLEACHMを、土壌微生物プロセスを重視したN2O排出予測モデルDNDC-Riceに統合し、さらに、各プロセスの一部をデータ駆動型の機械学習モデルに担わせることで、農耕地からのN2O排出量の予測精度を改善させることを目的とする。窒素溶脱に伴う水質汚染と温室効果ガス排出を同時に精度よく予測するモデルを開発することで、農耕地からの環境負荷低減に向けた次世代の窒素管理手法への応用が期待できる。
|
| Outline of Annual Research Achievements |
既存の一酸化二窒素(N2O)排出予測モデルは土壌中の水移動プロセスの再現能力が低く、N2O排出量を予測する上で大きな不確実性要因となっている。本研究は、硝酸性窒素(NO3-N)溶脱モデルとして実績があるLEACHMで計算された土壌水分量等の出力値をN2O排出予測モデルであるDNDC-Riceの入力値とし、さらに、各モデルのプロセスの一部を機械学習モデル(ML)に担わせることにより、新たな統合モデルを構築してN2O排出量の予測精度を大幅に改善することを目的とする。NO3-N溶脱に伴う水質汚染と温室効果ガス排出を同時に精度よく予測するモデルを開発することで、農耕地からの環境負荷低減に向けた次世代の窒素管理手法への応用が期待できる。1年目にLEACHMによって十分な予測精度があると判断した北海道三笠市のタマネギ畑の観測データ（1995～2000年）をDNDC-RiceとMLに受渡し、それぞれで計算を試みた。DNDC-Riceでは、土壌炭素の分解速度の調整により、タマネギの生育及びCO2を精度よく予測できることが明らかとなったが、土壌のNO3-N含量を過小評価しており、N2Oを精度よく予測するためには、硝化・脱窒速度調整の必要性が示唆された。また、LEACHMとDNDC-Riceを統合しつつその一部をMLによって代替するためにシミュレーションを進めた結果、気象・作物・施業データを説明変数としたMLにより、LEACHMの予測によるNO3-N溶脱変動をある程度の精度で再現できることが明らかとなった。LEACHMでは、N2O排出とNO3-N溶脱の両者を同時観測した2地点に新たにモデル適用した。土壌中の水分変化に応じた硝化反応および脱窒反応由来のN2O発生プロセスそれぞれについて、既往の文献をもとに様々な予測手法を試行したところ、比較的良く再現できる地点と再現できない地点があった。さらに再現性を高めるための土壌プロセスの導入を検討し、また、地点間の再現性の違いを分析した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の計画通り、LEACHM、DNDC-Rice、MLそれぞれが、同一の観測データを用いてN2O排出量とNO3-N溶脱濃度を再現するためのモデル計算およびML構築を進め、課題の抽出・検討を行った。特に、LEACHMでは、N2O発生フラックスを予測するためのモデル適用地点を増やし、既往の文献を参考に、様々な土壌プロセスの導入を検討して計算を試行した。以上の理由により、本研究はおおむね順調に進展していると考えられる。
|
| Strategy for Future Research Activity |
本研究課題の今後の推進方策については、以下の通りである。1)LEACHMで予測された土壌の水分量やNO3-N含量等をDNDC-Riceの入力値として受け渡し、DNDC-RiceでN2O排出量を予測する。2)LEACHMによる出力をMLの説明変数とした統合モデル、MLの出力値をDNDC-Riceの入力値とした統合モデル、LEACHM×DNDC-Riceの予測値と実測値の残差をMLの目的変数とした統合モデル等、様々な組み合わせでMLとプロセスモデルの統合を探索し、N2O発生フラックスの再現を進める。3)LEACHM×DNDC-Rice×MLによる単独または統合モデルの予測精度を「栽培期間」や「地点間」の観点から検証してさらなるフィードバックを行い、N2O排出とNO3-N溶脱の最適モデルを提案する。
|
