2019 Fiscal Year Research-status Report

病害虫拡散予測および制御に関わる順応的最適化システムの構築と社会実装

Research Project

Project/Area Number	18K14493
Research Institution	National Agriculture and Food Research Organization
Principal Investigator	伊高静国立研究開発法人農業・食品産業技術総合研究機構, 農業情報研究センター, 研究員 (80776336)
Project Period (FY)	2018-04-01 – 2021-03-31
Keywords	ナラ枯れ / 被害木抽出 / 被害予測 / 拡散制御
Outline of Annual Research Achievements	森林資源環境を取り巻く諸問題は複雑で、木材生産のみならず、生態系サービスへの関心も強まる中、現場における意思決定が難しくなっている。そのような現状で、意思決定をサポートするため、本研究では、病害虫の拡散を把握した上で、その被害を制御するためにどのように環境資源を管理していくかを提案するためのシステム構築を目指している。本研究は、過去の被害履歴や制御履歴のはっきりしているナラ枯れを対象とした。当初は、山形県森林研究研修センター協力のもと、山形県のみを対象とする予定だったが、新潟県森林研究所の協力も得られることになった。これまでは、主にデータ収集と、拡散モデル構築に向けたデータ準備を行なった。山形県森林研究研修センターが管理する林地において、無人小型航空機UAV（ドローン）による空撮を行い、高解像度のナラ枯れ画像を入手した。2018-2019年の８月下旬から９月中旬にかけて空撮を行ない、枯れ木を、画像上で区別できるようにした。さらに、ドローン空撮に合わせて、現地調査を行い、樹種・直径・樹高に加え、ナラ枯れをもたらすキクイ虫であるカシノナガキクイムシの穿孔数、樹木の生死を記録した。また、基盤地図上で解析していくため、ドローン空撮画像から、歪みを補正したオルソフォトを作成した。オルソフォトからの簡易な枯れ抽出法を模索した。さらに、山形県庁と新潟県庁から入手した過去30年にわたるナラ枯れデータは、基盤地図情報や植生情報とともにGIS(地理情報システム、geographic information system)に入力、リンクした。
Current Status of Research Progress	Current Status of Research Progress 3: Progress in research has been slightly delayed. Reason これまでは、主にデータ収集と、拡散モデル構築に向けたデータ準備を行なった。当初は、山形県森林研究研修センター協力のもと、山形県のみを対象とする予定だったが、新潟県森林研究所の協力も得られることになった。教師データ・検証データとして利用するための継続調査データは、これまで山形県森林研究研修センターより提供を受けていた過去30年分の枯れ現地調査データ（メッシュデータ）に加え、その元になるより詳細なデータを入手した。さらに、新潟県森林研究所からも、過去30年分の現地調査データ（メッシュデータ）の提供を受けた。また当初は、スペクトルカメラを搭載したドローンによって空撮し、NDVI (正規化植生指数、Normalized Difference Vegetation Index)により枯れを抽出する予定だったが、ドローンに標準搭載されているRGBカメラを利用した。RGB画像で解析できれば、より汎用的な手法を確立できると考え、植生らしさの指標となるVARI (Visible Atmospherically Resistant Index)や、深層学習を用いて枯れ抽出を試み、手法を比較した。さらに、山形県庁と新潟県庁から入手した過去30年にわたるナラ枯れデータは、基盤地図情報や植生情報とともにGIS上でリンクした。また、山形県、新潟県のミズナラ・コナラ林において、およそ８時期をカバーする衛星画像を入手するため、リサーチした。汎用的な手法を構築することを目指しており、より安価な画像による枯れ抽出を可能にするため、低い解像度でも枯れの抽出が可能かどうかを検証した。
Strategy for Future Research Activity	構築した時系列枯れデータをもとに、拡散モデルを構築する。県から入手した現地調査による枯れデータでは把握できない枯れを、衛星画像から抽出し、使用する予定であったが、データ準備に思った以上に時間がかかっため、県から入手したデータを元に拡散モデルを構築することとする。拡散モデルにはセルオートマトン法を用い、将来の時空間変動を仮定し、拡散パターンを予測する。そして、被害費用及び制御コストを、県や市町村が公開している各種統計資料、現地での聞き取り調査をもとに収集し、ナラ枯れ拡散を最小コストで制御するための最適な管理の時空間配置に向けた分析を行う。最終的には、GISを基盤として、上記の結果を地理情報システムと連動させ、出力・可視化する。そして、制御管理計画を県庁に提案する見込みである。
Causes of Carryover	データの準備に予想以上に時間がかかってしまったために、予定していた衛星画像を入手していない。また、コロナウイルス感染拡大防止のために、年度末に予定していた学会参加等を取りやめたために、次年度繰越金が生じた。次年度は、引き続き感染拡大防止に留意しつつ、可能な範囲で学会参加等をしていきたい。