| Project/Area Number |
24K03067
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 63010:Environmental dynamic analysis-related
|
|---|
| Research Institution | University of Hyogo |
|---|
Principal Investigator |
大橋 瑞江 兵庫県立大学, 環境人間学部, 教授 (30453153)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
小林 元 信州大学, 学術研究院農学系, 准教授 (40325494)
中路 達郎 北海道大学, 北方生物圏フィールド科学センター, 教授 (40391130)
平野 恭弘 名古屋大学, 環境学研究科, 教授 (60353827)
高木 正博 宮崎大学, 農学部, 教授 (70315357)
池野 英利 福知山公立大学, 情報学部, 教授 (80176114)
檀浦 正子 京都大学, 農学研究科, 准教授 (90444570)
|
|---|
| Project Period (FY) |
2024-04-01 – 2028-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥18,590,000 (Direct Cost: ¥14,300,000、Indirect Cost: ¥4,290,000)
Fiscal Year 2027: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
Fiscal Year 2026: ¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000)
Fiscal Year 2025: ¥6,240,000 (Direct Cost: ¥4,800,000、Indirect Cost: ¥1,440,000)
Fiscal Year 2024: ¥6,630,000 (Direct Cost: ¥5,100,000、Indirect Cost: ¥1,530,000)
|
|---|
| Keywords | 樹木細根 / 炭素循環 / 人工林 / スキャナ法 / 画像解析 / 深層学習 / 根リター / 分解 / 森林土壌 / 炭素蓄積 / 細根 |
|---|
| Outline of Research at the Start |
本研究では、樹木細根の枯死によって、「いつ、どのように、どれくらいの細根が土壌へ投入され、分解されるのか？」に対する問を得るために研究を実施する。ここでは、国内に広く生育する針葉樹人工林を対象に、土壌への根リターの供給速度と分解速度を実測し、根リターから生じる土壌での炭素蓄積過程を表す環境応答モデルを構築することを目的とする。そのために（1）スキャナ法の自動化による根リターの発生速度とその制御要因の解明、（2）根リタートラップを用いた根リターの分解過程の解明、（3）根リターに由来する土壌への有機物供給モデルの構築、の三つの課題を達成する。
|
| Outline of Annual Research Achievements |
森林では、土壌に供給される植物リターの約半分は、根の先端部にある直径2ミリ程度の細根の脱落でもたらされる。細根は、葉のように短期 間で成長と枯死を繰り返し、多量の炭素を根リターとして土壌に供給する。しかし、目に見えない現象であるため、いつ、どのように、どれく らいの細根が土壌へ投入され、分解されるのか？はこれまで全く明らかでない。そこで本研究は、日本の森林の約半分を占める針葉樹人工林に 、環境傾度を伴って根リターの供給速度と分解速度を実測することで、根リター由来の炭素蓄積過程をモデル化することを目標とする。そのために土壌に埋設したスキャナから得られた連続土壌画像を、深層学習を導入して解析し、細根動態を高精度かつスピーディに抽出することを可 能とする。そしていまだ知見が乏しく詳細が不明な森林地下部の炭素蓄積過程について、その環境応答性を解明する。今年度は具体的な目標として、深層学習を用いたスキャナ画像中の細根の成長フェノロジーの評価に取り組んだ。
スキャナ画像の撮影は、先行研究で設定した根系試験地を活用した。特に姫路市内のヒノキ人工林で撮影した画像を用いて、教師データとなる手抽出画像を準備した。その後、深層学習プログラムARATAを訓練し、細根領域を自動抽出することを試みた。ここで複数のPCでプログラムを実装し、利用マニュアルを開発した。さらに、手動抽出画像を正解データとし、既存のプログラムと結果を比較することで、ARATAの精度評価および性能評価を行った。その結果、ARATAが他のプログラムよりも高い精度で根のフェノロジーを抽出可能であることを示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
深層学習プログラムARATAをインストールし、細根領域を精度よく抽出することに成功した。
|
| Strategy for Future Research Activity |
次年度は以下の方針を立てている。
(1) 各サイトのスキャナ画像およびその周辺環境データを整理し、日本全域での細根動態の抽出を試みる。
(2) ARATAで複数の試験地による画像処理を行うための訓練の必要性を評価し、教師画像を作成する。ノイズ除去や画像の位置合わせなど、ARATAを適用するための前処理プログラムを開発する。
|
