2022 Fiscal Year Annual Research Report
Digital soil maps using deep learning with spectral reflectance
Project/Area Number |
22H02400
|
Allocation Type | Single-year Grants |
Research Institution | Forest Research and Management Organization |
Principal Investigator |
今矢 明宏 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 (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, 研究員 (00828113)
|
Project Period (FY) |
2022-04-01 – 2025-03-31
|
Keywords | 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 Annual Research Achievements |
日本全国の約800地点の森林土壌についてこれまでに取得されている調査・分析データに基づき火山灰土壌か否かの判定を行い、機械学習および深層学習用の教師データを作成した。この火山灰土壌の判別結果と数値標高モデルから作成した地形画像データとの関係を深層学習の一つである畳み込みニューラルネットワークを用いて学習し、約70%の推定精度をもつ火山灰土壌分布推定モデルを構築した。また、これらの土壌2500地点の保管試料のうち、試料の微粉砕が完了した約1500地点の試料について、近赤外分光光度計を用いて近赤外分光反射スペクトルを取得し、土壌分析データとの関係を畳み込みニューラルネットワークにより学習し、火山灰混入度合いの指標となるシュウ酸可溶アルミニウム含量を推定する機械学習モデルを作成した。過去の多地点における土壌調査データに基づき機械学習の一つである勾配ブースティング決定木法を用いて、林野土壌の分類における土壌型と立地、地形解析データとの関係を学習し、四国及び九州地方を対象として土壌の乾湿を判別するモデルを構築した。デジタルソイルマッピングの基盤となる地図データの扱いについて検討し、本プロジェクトでは地図投影法としてランベルト正積方位図法を用いることとし、投影変換した地図データを整備した。現場において近赤外分光反射スペクトルの取得を可能とする小型近赤外測定システムの開発のため、各部の調整機構を備えた土壌観測用プローブを設計・試作した。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
小型近赤外簡易測定システムについては、使用するハロゲンランプなどの主要部品の納入が遅れたため開発期間を延長した。基盤となるデータ整備を進め、基礎モデルの開発を行うとともに、webGISでの公開に向けてシステムの機能向上を行った。
|
Strategy for Future Research Activity |
1500地点の近赤外分光反射スペクトルより土壌試料中のシュウ酸可溶アルミニウム含量を推定し、これによりデータ拡張を行うことで高精度に火山灰影響評価モデルを構築する。土壌型判定モデルを全国スケールに拡張する。深度別の土壌特性値分布モデルを構築する。
|