| 研究課題/領域番号 |
22H00577
|
|---|
| 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 |
飯泉 仁之直 国立研究開発法人農業・食品産業技術総合研究機構, 農業環境研究部門, 上級研究員 (60616613)
|
|---|
| 研究分担者 |
酒井 徹 国立研究開発法人国際農林水産業研究センター, 社会科学領域, 主任研究員 (40401278)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| キーワード | コメ収量 / 全球データプロダクト / 衛星リモートセンシング / 作物モデル / 極端気象影響 |
|---|
| 研究実績の概要 |
当初計画では2023年度には全球コメ収量データプロダクト第1版の作成と品質確認を予定していた。しかしながら、収量推定における重要な入力である気象データなどについて大きな情勢変化があったため、第1版の作成を延期し、情勢変化に対応した。
具体的には、本研究の立案時に使用を想定していた気象データはTerraClimateと呼ばれるプロダクトであり、全球4km・月別解像度であった。2023年6月にCHELSA-W5E5と呼ばれる全球1km・日別解像度の気象データが公表された（https://doi.org/10.5194/essd-15-2445-2023）。TerraClimateでは捉えることが困難な日々の気象変動と作物生育への影響をCHELSA-W5E5では捉えることができると期待される。そこで、使用する気象データをCHELSA-W5E5に切り替えることとした。
CHELSA-W5E5は38年間（1979-2016年）のデータが利用可能だが、本研究で計画しているコメ収量データプロダクトは直近の期間（2020年以降）についてである。このため、直近の期間の気象再解析値にCHELSA-W5E5の長期平均値を基準値としてバイアス補正と統計的ダウンスケーリングと呼ばれる処理を施し、2020年以降について1km・日別値の再解析値を作成した。使用した再解析値は気象庁のJRA-55と呼ばれるプロダクトである。CHELSA-W5E5のデータ量は7.4テラバイト（TB）あり、単純な計算であっても相当の計算負荷がかかる。このため、基準値は10年間（2007-2016年）とやや短く設定した。また、Climate Data Operators（CDO）と呼ばれる気候データ処理ツールを新たに導入し、計算の高速化を図った。2024年度には1km・日別のJRA-55を入力としてコメ収量を推定する予定である。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
本研究に関連する分野で大きな情勢変化が2つあり、それらに対応したため進捗が当初の予定から遅れている。
情勢変化の一つは、研究実績の概要で既に述べたように、気象データを本研究の立案時に想定していたTerraClimate（全球4km・月別）から2023年に公表されたCHELSA-W5E5（1km・日別）に切り替えたことである。
もう一つは、北京師範大学の研究グループがアジア域・21年間（1995-2015年）を対象とした4km・年別解像度のコメ収量データプロダクトAsiaRiceYield4kmを2023年に公表したことである。AsiaRiceYield4kmは衛星データと農業統計を入力として作成されており、本研究のようにプロセスモデルは使用されていない。また、年別データであり、熱帯低緯度地域で行われている2期作や3期作を明示的に捉えることは難しいと考えられる。このように、AsiaRiceYield4kmについて理解を深め、本研究で作成するデータプロダクトの相対的な強み・弱みを改めて明確にする対応を取った。
|
| 今後の研究の推進方策 |
2023年度までに年収穫回数の推定、水田面積の推定については手法が確立した。収量推定については平年収量とそこからの年々の変動（収量偏差）をそれぞれモデル化する手法を提案し、現在、論文Aが査読中である。また、機械学習により収量推定を行う場合、推定値が学習データとして用いた収量値に強く依存する問題点を明らかにし、現在、論文Bが査読中である。それらの知見をベースとして収量推定手法について検討を進め、衛星データとプロセスモデル出力値、圃場試験データ、機械学習を組み合わせる手法についてはほぼ確定した。その手法を用いて2024年度はコメ収量データプロダクトを作成する。また、圃場試験データについても国際稲研究所（IRRI）の研究者からデータ提供を受けられることになったため、2024年度はIRRIを訪問し、データを確実に入手してデータプロダクトの作成に役立てる。
|
