2017 年度実施状況報告書

深層学習モデリングによる広域穀物単収予測手法の構築

研究課題

研究課題/領域番号	17K08037
研究機関	国立研究開発法人農業・食品産業技術総合研究機構
研究代表者	坂本利弘国立研究開発法人農業・食品産業技術総合研究機構, 農業環境変動研究センター, 主任研究員 (20354053)
研究期間 (年度)	2017-04-01 – 2020-03-31
キーワード	リモートセンシング / 収量予測 / コーンベルト / Deep Learning / 大豆
研究実績の概要	１．深層学習のための時空間データベースの構築 2000～2017年を対象に、高頻度観測衛星データ(MODIS/Terra, Aqua 地表面反射率8日間コンポジット合成データ)、気象再解析データ(NLDAS-2)、作物分類図(Cropland Data Layer)を収集し、後述する作物フェノロジー把握手法および深層学習フレームワークに適したデータフォーマットに変換した上で、専用のデータベースを構築した。２．作物フェノロジー把握手法(SMF)の改良時系列MODIS観測データからアメリカの主要作物の生育ステージを広域把握することが可能な「改良型Shape Model Fitting 法（rSMF法）」を開発した。TIMESATに代表される従来型のフェノロジー把握手法で定義される情報は、作物生育ステージと一致していないという問題があった。本年度の研究の結果、SMF法のモデルキャリブレーションプロセスを改良することで、トウモロコシ, 大豆, 冬小麦, 春小麦, 大麦, 水稲, ソルガム, 綿花の計36種類の生育ステージを、従来手法よりも精度良く推定できるようになった【RMSE: 5.6日(トウモロコシ)～12.3日(冬小麦)】（論文公表済）。３．深層学習のフレームワーク構築ステップ気候（灌漑地域）と湿潤性大陸気候（天水地域）を含む５つの州(ネブラスカ, カンザス, アイオワ, ミズーリ, イリノイ)をテストサイトとして設定した。開花期（Silking, Blooming　stage）以降の気象データ(降水量, 最高気温等)および灌漑率を入力値とし、衛星データのみでトウモロコシ・大豆単収を推定した場合の誤差を推定するニューラルネットワークのフレームワーク構築のための解析プログラムを開発した。
現在までの達成度 (区分)	現在までの達成度 (区分) 2: おおむね順調に進展している理由以下の点で初年度の計画どおり順調に研究が進んでいる。１．衛星・気象に関する時空間データベースを構築した。２．作物フェノロジー把握手法の改良に関する結果を論文としてとりまとめ、海外有名誌に掲載された。３．深層学習のフレームワーク構築し、テストサイトにおける深層学習によるトウモロコシ・大豆の単収予測モデルのプロトタイプを開発した。また、気象情報等を考慮した上で干ばつ年の郡別単位収量を面的に推定可能であることを確認した。
今後の研究の推進方策	平成３０年度についても、2018年分の衛星・気象データ収集を含む時空間データベースの拡充を行う。また、前年度に構築した深層学習のフレームワークをもとに、入力データの種類・期間等の組み合わせを変化させた様々なニューラルネットワーク構造を用いた時、トウモロコシ・大豆単収の推定結果がどのように変化するのかについて分析を深め、最適と思われる推定モデルを提示する。また、新たに改良された作物フェノロジー把握手法により得られた冬小麦の生育ステージ情報を用いて、郡別単位単収の推定モデル構築を試みる。
次年度使用額が生じた理由	消耗品類が当初計画より安価に購入できたため。また、本年度に予定したいたデータ取得・入力作業が不要となり、当初計上していた人件費・謝金が不要になったため。翌年度分として請求した助成金については、平成３０年度に予定するデータ解析にともなって必要となる可能性のハードディスクの購入に使用する予定である。