2021 Fiscal Year Research-status Report
Soil sampling optimization for complex topography in mountainous, upland and hilly area of Japan
| Project/Area Number |
20K06155
|
|---|
| Research Institution | Forest Research and Management Organization |
|---|
Principal Investigator |
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) |
2020-04-01 – 2023-03-31
|
| Keywords | 土壌特性値 / デジタルソイルマッピング / 最適サンプリング / 機械学習 / 打ち切りデータ |
|---|
| Outline of Annual Research Achievements |
機械学習による土壌特性値のマッピング技術が近年急速に発達するとともに、マッピング精度を高めるためのサンプリングの最適化が注目されている。本研究は、様々な最適化手法の有効性を検証することにより、日本の山地の複雑地形における土壌採取の問題点を克服し、次世代の土壌サンプリングとその活用法を提案することを目的とした。本年度は「打ち切り」を含む不完全な土層厚のデータセットをマッピングに活用する方法を検討した結果、ランダムサバイバルフォレスト法の有効性が新たに示された。土層厚の測定（サンプリング）は大きな時間的コストがかかるため、土壌断面の掘削等が終わらずに途中で打ち切りとなってしまう事態が頻繁に生じる。既存のマッピング手法では打ち切りデータを解析に含めることができなかったため、これが測定地点不足による土層厚マッピングの不確実性要因の一つとなっていた。そこで、生存時間分析の機械学習アプローチの一つであるランダムサバイバルフォレスト法を用いて打ち切りデータを含めた土層厚マッピングを試みた結果、「その地点の土層厚が各目的深度（5, 15, 30, 60, 100cm）より深い確率の分布」を示すマップを約0.3のカッパ係数（0がランダム、1が完全な一致を示す精度指標）で作成できた。これにより、測定（サンプリング）が途中で打ち切りになった場合も、教師データとしてマップに利用可能であることが示された。この手法は不完全データの活用を通して土壌サンプリングの最適化とコスト削減に役立つと考えられた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度は現地調査を実施することができなかったため、既存データの効率的な活用法に着目することで、サンプリング最適化のための手法開発を進めた。このアプローチは当初の年度計画には含まれていなかったものの、新たな機械学習手法を試すことで「打ち切りデータ」を利用するめどが立ち、結果的に既存データの活用とサンプリングの最適化に資する結果を得ることができた。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 |
本研究は、当初の計画では計算機上での模擬サンプリング試験（シミュレーション）と、実際の現場での新規・追加サンプリング試験を2つの軸としていたが、初年度、本年度と新型コロナウィルスの影響で調査が満足に実施できなかった状況を鑑みて、模擬サンプリング試験を主とした研究計画に変更する。これまでに整備してきたデータを最大限に活用することで、サンプリング数とマッピング精度のバランスに関する解析を進め、日本の山地に最適な土壌サンプリング技術を提案する。なお、次年度は可能な範囲で検証のための土壌調査を実施する予定である。
|
| Causes of Carryover |
新型コロナウィルスによる緊急事態宣言の発令の影響で予定していた調査を取りやめたため、繰り越しが生じた。次年度は、本年度に予定していた調査を縮小して実施するほか、調査精度を向上させるためのGNSS機器や、解析に必要な衛星データの購入に予算を使用する計画である。
|
