| Project/Area Number |
23K23665
|
|---|
| Project/Area Number (Other) |
22H02400 (2022-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2022-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 40010:Forest science-related
|
|---|
| Research Institution | Forest Research and Management Organization |
|---|
Principal Investigator |
Imaya Akihiro 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 (60353596)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
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)
石塚 成宏 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 (30353577)
稲垣 昌宏 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 (00343781)
橋本 昌司 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 (90414490)
木田 仁廣 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 (00828113)
|
|---|
| Project Period (FY) |
2024-04-01 – 2025-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,550,000 (Direct Cost: ¥13,500,000、Indirect Cost: ¥4,050,000)
Fiscal Year 2024: ¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
Fiscal Year 2023: ¥5,200,000 (Direct Cost: ¥4,000,000、Indirect Cost: ¥1,200,000)
Fiscal Year 2022: ¥7,930,000 (Direct Cost: ¥6,100,000、Indirect Cost: ¥1,830,000)
|
|---|
| Keywords | 火山灰土壌 / デジタルソイルマッピング / 機械学習 / 近接センシング / 土壌特性 / 広域評価 / 土壌特性値マップ / 近赤外分光スペクトル / 火山灰混入 / 深層学習 / 土壌特性値の深度別推定 / 火山灰影響評価 / 不確実性評価 / 火山灰土壌分布 / 近赤外分光反射スペクトル / 土壌の乾湿 |
|---|
| Outline of Research at the Start |
本研究の概要は、①過去の土壌調査データ（資・試料、土壌図）による属性値のデジタル化、②近接センシング（近赤外分光スペクトルデータ）による大規模土壌理化学性データセットの構築、③衛星センシングデータ（標高や地形、水分、土壌、植生指標）の整備により、これらのデータを用いて土壌特性値の空間分布予測モデルを深層学習（ディープラーニング）によって構築し、このモデルを用いて日本全体をカバーする高精細・高精度の土壌特性値デジタルマップ群の新たな創出を行う研究である。
|
| Outline of Final Research Achievements |
To predict soil properties at various depths in forest soils across Japan, a machine learning model was constructed using spatial data such as topography and climatic conditions. A map of volcanic ash soil distribution throughout Japan was created based on the model's prediction of acid oxalate extractable aluminum concentration, an indicator of amorphous material content, which is common in soils of volcanic ash origin. The model also derived the probability of soil layers being above a certain depth based on depth information from previous soil surveys, and produced a soil layer thickness probability map.
|
| Academic Significance and Societal Importance of the Research Achievements |
日本のような起伏に富んだ地形に分布する森林の多面的機能を広域で評価し、その将来を推測するためには、その基盤となっている土壌の特性を知る必要がある。しかし、これらを網羅的に調査することは現実的ではないことから、本研究では機械学習によりこれらの予測を行った。生成した火山灰土壌分布マップは土壌炭素蓄積量の推定精度向上に資することで地球温暖化対策に貢献する。また、山地・丘陵地における全国土層厚確率マップデータについては、防災機能評価など、森林の多面的機能に関わる施策の立案等に貢献する。
|
