| 研究課題/領域番号 |
18K05914
|
|---|
| 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 |
官 森林 国立研究開発法人農業・食品産業技術総合研究機構, 九州沖縄農業研究センター, 研究員 (30554092)
|
|---|
| 研究分担者 |
鹿内 健志 琉球大学, 農学部, 准教授 (20264476)
深見 公一郎 国立研究開発法人農業・食品産業技術総合研究機構, 九州沖縄農業研究センター, 上級研究員 (50399424)
名嘉村 盛和 琉球大学, 工学部, 教授 (80237437)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | ハイブリッドペトリネット / 作物生育モデル / 生育指標 / ドローン / リモートセンシング |
|---|
| 研究実績の概要 |
過去の草丈・茎数・葉数などの生育指標データを利用し、ハイブリッドペトリネット用いて稲の基本生育モデルを作成した。また、ハイブリッドペトリネットのシミュレーション計算を行い、生育日数に対する草丈、茎数、葉数などの経時変化を明らかにした。
基本生育モデルを実際の作物へ適用させるために、２０１８年春から直播水稲に関する上記生育指標データ、同年冬から麦（２０１９年５月収穫）の生育指標データに加えて地温・水分などの環境影響要素データを測定・蓄積してきた。九州沖縄農業研究センター試験圃場と福岡県生産者圃場においては、１週間間隔でマルチスペクトルカメラが搭載されたドローン（DJI Phantom 4 + Parrot Sequoia）によるリモートセンシング試験を行った。沖縄県農業研究センター試験圃場では１～２週間間隔で可視光カメラのみが搭載されたドローン（DJI Phantom 4）による空撮試験を実施した。また、空撮画像からサトウキビ草丈を推定するために、トータルステーション測量機器を利用し、試験圃場高さの測量を行った。可視光カメラとマルチスペクトルカメラで取得した画像は、稲・大豆・麦に関する空撮画像と生育変化（草丈、正規化植生指数NDVIなど）の時系列データとして蓄積し、解析した。
「ハイブリッドペトリネットを用いた作物生育モデリング」に関連する「軽量型ドローンによる稲と麦の高解像度NDVI、施肥水準と収量の相関性」と「サトウキビ生産法人における実際のスケジューリング問題とその解法」についての論文２本が国際誌ジャーナルへ公表された。
|
| 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
２０１８年始めから準備してきた特許出願に関しては、調査を継続しAIと融合することで、新しい知見を見出せる可能性がある。
ハイブリッドペトリネットを用いた作物基本生育モデル構築は、分担研究者らと打ち合わせ、稲と麦の生育プロセスや生育指標の時系列変化などに対し、モデルの設計に必要な理論と方法を獲得した。これにより、生育プロセスをシミュレーションでき、任意時点の生育指標を推定することが可能となった。
作物基本生育モデルを構築するために必要なデータ収集は、２０１８年春から稲・サトウキビ、同年冬からは麦に関する生育データ（草丈・茎数・葉数・植生指数など）と環境影響要素データ（積算温度・地温・水分）を計測し続け、相関分析を行なった。特にリモートセンシングについては、マルチスペクトルカメラが搭載された軽量型ドローンを用いて1週間隔で試験を行い、２テラバイト以上の画像データを蓄積し、ハイブリッドペトリネットとAIを利用した作物生育モデリングに関するデータ基盤を整備できた。また、基本生育モデルへ適用するための、作物生育期間の植生指数時系列データとその変化を明らかにした。
以上によりH31年度に学術的な成果を出す事が可能と考えられる。研究課題全体は順調に進んでいる。
|
| 今後の研究の推進方策 |
ハイブリッドペトリネットによる稲と麦の基本生育モデルを設計し構築できたため、２０１９年５月収穫の麦に対する全生育期間データを利用しシミュレーション計算を行い、その結果を早期にオープン国際誌ジャーナルへ投稿する。また、この基本生育モデルに他の影響要素（防除や病害発生の有無）や生育指標（緑の正規化植生指標GNDVIなど）を考慮し、改良したモデルとその関連成果は国内学会において発表予定である。
対象作物の稲・麦・大豆・サトウキビに対する生育データの計測は、２０１９年からも続けて行う。草丈・茎数・葉数の調査は生育適期に行い、マルチスペクトルカメラが搭載された軽量型ドローンを用いたリモートセンシングは生育期間を通し、１週間間隔で実施する。
上記の作物基本生育成長モデルから圃場単位の作物全体生育モデルへ拡張し、そのモデリング方法の開発とシミュレーション計算を行う。その結果を作物の実際生育データと比較し、モデルの改良やモデリングの精度向上を目指す。
また、圃場単位の作物全体生育モデルに基づき、AIを利用した作物生育状況の自動判別と予測プログラムを試作する。
|
| 次年度使用額が生じた理由 |
学会発表と英文校正は次年度へ変更し、当初計画した購入機材・旅費などは必要最小限にし予算利用の節約に努力したためである。
次年度は学会発表、英文校正、ドローンセンシング業務とデータ収集に関わる機材に使用する。
|
