| 研究課題/領域番号 |
21H02314
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分41040:農業環境工学および農業情報工学関連
|
|---|
| 研究機関 | 名古屋市立大学 (2023)
東京農工大学 (2021-2022) |
|---|
研究代表者 |
辰己 賢一 名古屋市立大学, データサイエンス学部, 教授 (40505781)
|
|---|
| 研究分担者 |
本林 隆 東京農工大学, 農学部, 教授 (20262230)
桂 圭佑 東京農工大学, (連合)農学研究科(研究院), 准教授 (20432338)
斎藤 広隆 東京農工大学, (連合)農学研究科(研究院), 教授 (70447514)
山下 恵 東京農工大学, (連合)農学研究科(研究院), 准教授 (70523596)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
18,070千円 (直接経費: 13,900千円、間接経費: 4,170千円)
2023年度: 2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2022年度: 2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2021年度: 12,350千円 (直接経費: 9,500千円、間接経費: 2,850千円)
|
|---|
| キーワード | データ同化 / 作物生長モデル / 融合粒子フィルタ / LAI / 収量予測 / データ同化技術 / マルチスケール |
|---|
| 研究開始時の研究の概要 |
作物の生長およびバイオマス・収量の精緻な予測は,最適な営農ポリシーの導出,単収の増加,農作業の省力化を実現する上で必要不可欠である.しかし,農業に関与する実世界の現象は複合的かつ連鎖的で非常に複雑である.また,センシング技術の進展により取り扱えるデータ量は増えたが,特性が多様でありデータ分析の難しさが増している.本研究課題では,データ同化技術により作物モデルと数理統計手法を融合させ,直接観測できない情報を推定し,農業従事者の意思決定に資する予測情報の提供が可能な空間スケールに非依存な高精度シミュレーション技術の確立を目的とする.
|
| 研究実績の概要 |
作物の生長およびバイオマス・収量の精緻な予測は，最適な営農ポリシーの導出，単収の増加，農作業の省力化を実現する上で必要不可欠である．また，センシング技術の進展により取り扱えるデータ量は増えたが，特性が多様でありデータ分析の難しさが増している． 本研究では，統合型作物生長モデルと数理統計手法を融合させることにより直接的に観測困難なデータや条件などのパラメータをモデルとの整合性から合理的に推定でき，空間スケールに依存しない高精度シミュレーション技術の確立を目的としている．そのため，1) 野外圃場における栽培実験，2) 統合型作物モデルと融合粒子フィルタの融合によるデータ同化システムの構築，3) モデルパラメータ・変数の不確定性低減と作物バイオマスの再現・予測精度に立脚したデータ同化の効果検証をそれぞれ実施した．R3およびR4年度には野外圃場においてトマトのLAI，葉窒素濃度，草丈，地上部・地下部のバイオマス・収量の時系列測定，およびUAV計測による草丈・LAIの推定をそれぞれ実施した．並行して統合型作物生長モデルと融合粒子フィルタの融合と地上および空撮により得られた実測値を活用したデータ同化効果の検証・評価を実施した．その結果，データ同化を作物生長モデルに実装し，LAIの実測値をモデルに同化することにより，MAPE指標で見た際のLAIの再現・予測精度が向上することを確認した．一方で，LAIの再現・予測精度の改善結果として期待された収量については予測精度が向上しなかった．また，初期条件やパラメータの不確実性をデータ同化により大きく低減させることは困難であることがわかった．今後の課題として，拡大空間ベクトルにモデルパラメータを追加することやモデルパラメータを最適な値に推定するための新手法の適用などが挙げられる．これらの成果は，研究期間内の査読付き論文13報，学会発表10件として公表済となっている．
|
| 現在までの達成度 (段落) |
令和5年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和5年度が最終年度であるため、記入しない。
|
