2022 Fiscal Year Annual Research Report
Develpment of agricultural information system for smarter water managemet of land improvement districts
| Project/Area Number |
20H03101
|
|---|
| Research Institution | Kobe University |
|---|
Principal Investigator |
長野 宇規 神戸大学, 農学研究科, 准教授 (70462207)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
中村 公人 京都大学, 農学研究科, 教授 (30293921)
吉川 夏樹 新潟大学, 自然科学系, 教授 (90447615)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 土地改良区 / 農業情報システム / リモートセンシング / 氾濫低減 / 用水量 |
|---|
| Outline of Annual Research Achievements |
C-band SARを用いたリモートセンシングによるi)水田の水入れ状況，ii)作付け分布の解析について，従来の閾値法にかえてDifference Time Warp法の適用を試みた．Difference Time Warpは時系列の時間方向のずれを考慮した判別法で，判別標準曲線を作成すると地域の違いなどに起因する作物フェノロジーのずれに柔軟に対応しつつ，判別対象の特徴に対し，多点で同定が可能である．新潟平野での解析では水稲判別の速報性においては閾値法に劣るものの，閾値法よりも高い水稲判別精度を示した．
iii)末端水路用水量については，滋賀県愛知川扇状地内の水田地区における水田水収支観測を継続し，2020～2022年のデータから取水量と浸透量の関係を整理した．その結果，中干し後の水管理に着目すると，水管理システムの整備状況の違い（自動給水栓の有無）や浸透量の多少に関わらず，期間平均では，浸透量とほぼ同量の取水量が行われる圃場と，浸透量より20mm/d程度多い取水量が確認された圃場があり，この場合は排水量が増加していた．つまり，整備状況の違いに関わらず，地表排水が生じないような管理を行うことができれば，蒸発散量による損失は少なくとも降雨量によって補填でき，必要用水量は浸透量とほぼ同量になるが，実際の圃場水管理では，20mm/d程度の栽培管理用水量が発生することが推察された．
vi)浸水予測については順応的水管理の実現に向けて，氾濫予測の逐次性を高めるため，物理プロセスに基づく「内水氾濫解析モデル」と機械学習を組み合わせた新たな浸水予測手法を確立した．入力（降雨）に対する出力（浸水域）を内水氾濫解析モデルによって多数生成し，この入力と出力を機械学習モデル（長短期記憶ニューラルネットワーク：LSTMモデル）に学習させ，短時間で浸水深を予測するモデルである．
|
| Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|
