モニタリング手法

今年の梅雨は長雨

Posted on Updated on

今年の梅雨入りは6月7日で、平年より1日早く極端に早い・遅いはありませんでした。ただ、今年の梅雨は、本来の梅雨らしく、関東地方では長雨が続いています。そのため、平年と比べると日照不足や低温の傾向となっています。ちなみに、昨年は6月29日に梅雨明け(平年より22日早い)をしており、7月は晴天・高温の日々が続きました。

ぐずついた天気が続いているので、ドローンによるモニタリングも大変です。雨が降っていない時間を狙って飛行させるのですが、そのときに役に立つのは気象庁が行っている「高解像度降水ナウキャスト」です。スマフォで現在地の雨雲の動きを確認することができます。ただし、レーダの特性上、実際には降水がない場所でもレーダでは降水として観測されることもあるので、最終的には現場での判断になります。

6月22日のモニタリングは霧雨のような細かい雨が降ったりやんだりする天気で行いましたが、モニタリング終了直後には強い雨が・・・精神的に疲れる時期です。

モニタリングを始める前に撮影している画像(近赤外)をアニメーション加工

(2019年5月22日~7月6日)

 

6月25日から中干しを始めていますが、梅雨の中休みもなく、圃場内の土もなかなか乾きません。モニタリングと同時に40株の草丈・茎数をカウントしているのですが、昨年に比べると幼穂形成期の時期も遅くなっています。生育調査を行う際には、事前に対象とする株に下図のようにマーキングテープで印を付けます。いろいろ試したのですが、マーキングテープが水が濁ったときでも目立つのでおすすめです。

圃場内に設置した生育調査用のマーカー

 

雨の中の生育調査(2019年6月22日撮影)

 

毎年行っている調査で手慣れているはずですが・・・40株をカウントするとなると1.5時間程度かかっています。雨の日となると、さらに時間がかかります。

 


リモセン学会発表(2019年)

Posted on Updated on

令和初のリモートセンシング学会は、東京電機大学(鳩山キャンパス)で行われました。自宅から約1.6kmの距離(車で5分)なので、これは発表しなければと思い、ポスター発表で参加しました。

「ドローンを用いた水稲生育管理の精度向上に関する検討」

〇田中 圭(日本地図センター)・濱 侃(千葉大)・近藤昭彦(千葉大)

内容は、今までのモニタリングで得られた知見をもとに、水稲生育管理の精度向上を検討したものです。具体的には、いつモニタリングするのが最適なのか、解析単位を5mメッシュから株単位に変更、倒伏リスク診断の見直しなどです。

作り終えたばかりのポスター

 

会場では、いろいろと意見交換することができました。

その中でも、イネの生育のばらつきは地表面の凹凸以外にも作土層の厚さが関係するのでは?という質問がありました。

確かに、指摘されたように作土層の厚さは関係していると思うのですが、今まで作土層を計測したことがないので、この時はちゃんとした回答はできませんでした。ただ、毎年、何回か圃場内に入るので、自分の感覚で漠然とどこが深いか浅いかはわかっていたつもりでしたが、その情報を栽培までには活かしていませんでした。

この質問は、さらに美味しいお米作りのヒントをもらった感じでした。まずは、今年の収穫後に地道に金属棒を使って作土層の厚さを計測し、作土深マップとして可視化してみたいと思います。

また、作土で検索していたら可変施肥田植機(井関農機)がヒットしました。移植を行いながら、作土深を計測し、肥料を調整するという最新型の田植機です。さすがに個人でここまでのシステムはできないのですが、この方法は面白そうなので来年の移植の際には、田植機に計測装置を取り付けてみようかと思います。たぶん、自宅にあるドローンの部品を流用して作れそうなので、安くできそうです。進捗があれば報告します。

 


結果:均平精度(2019年)

Posted on Updated on

いろいろとが業務に縛られ、更新が怠ってしまいました。先月の内容になりますが・・・

今年も代かきが終わりました。事前にトラクターのエンジンオイルも取り替え、快調な作業でした。浅水代かきを実施した結果、代かき後の水位は低く、泥も予想以上に早く沈着しました。圃場内の水は1日おいたら透明です。

そこからは、例年行なっている均平度のチェックです。2014年から比べると均平度の精度は毎年良くなっています。2019年の結果は以下のようになりました。

代かき後のオルソ画像(2019年5月17日撮影)

 

代かき後の凹凸マップ(2019年)

 

2014~2019年における均平精度の変遷

 

ただし、今年は問題が発生しました。代かき後の天気が良すぎた結果、いつも以上に圃場を乾きすぎてしまい、一部の土が固くなってしまいました。今までは固くなる前に田植えを行なっていたので、問題ありませんでした…。それにしても今回の件は不覚でした。来年以降への教訓です。


日経 xTECH(クロステック)

Posted on

この時期はブログにする記事内容があまり無いので、更新頻度が落ちてしまいます...。

先日、日経 xTECH(2月12日付)に水稲モニタリングの記事が紹介されました。

※全文読むためには、会員登録が必要となります。

内容は、電子情報通信学会誌(Vol.101 No.12 pp.1181-1185)に掲載された「精密農業実現に向けたドローンの活用」の抜粋です。

 


日射量

Posted on

千葉大の濱氏は、ドローンを用いたモニタリングデータと日射量を組み合わせて収量を推定する研究を論文として報告しています。論文はこちらから閲覧できます。

2018年の収量は、日射量を組み合わせた濱モデルが精度良く推定することができました。詳しくはこちら

その研究の一環として、2017年から自宅の屋上に全天日射計を設置し、観測を始めました。具体的には、全天日射計からは電圧の情報が出力され、その情報をデータロガーで記録する仕組みです。データ回収後に、電圧を全天日射量(MJ/㎡)に変換します。データロガーは乾電池で動作するので、コンセントがない場所でも設置できるので便利です。

影の影響を受けない屋上の南側に設置

 

日平均の日射量(2017~2018年)

オレンジ色:日単位に集計した埼玉県坂戸市の全天日射量(2017~2018年)
紺色:東京の全天日射量(平年値)

 

2017年の6月は空梅雨だったので、日射量が高い値を示しています。一方、8月は冷夏の影響で日射量が極端に少ないことがわかります。
次に、2018年は早すぎる梅雨明けで7~8月は猛暑が続きました。梅雨の期間は日射量が少なくなるのですが、2018年は日射量が多い結果を示しています。

時間解像度は2017年の観測は1時間単位で行ってきましたが、電池・記憶媒体の余裕もあることから2018年からは10分単位で実施しています。

 


平均収量の解釈

Posted on Updated on

農林水産省は水稲の平均収量を毎年公表しています。公表される情報には、市町村別の10a当たりの収量も含まれるので、自分のところの収量と比較することができます。ただし、集計されている収量は「水稲」でまとめられているため、品種別の収量はわかりません。データはe-Stat(政府統計の総合窓口)から閲覧できます。

埼玉県の水稲栽培は「コシヒカリ」がメインですが、近年は地域ブランド米である「彩のきずな」の比率が高まっています。2017年には県東産の「彩のきずな」が特Aランクを獲得したので、今後はコシヒカリを抜いていくことが予想されます。

その「彩のきずな」は多収な品種で、一般的にコシヒカリの20%増と言われています。前述のように農林水産省の情報では様々な品種の合計となっている数値なので、品種別の収量内訳はわかりません。関係機関に問い合わせればわかるかもしれませんが、今回は公表されている情報を使って品種別の内訳を推定し、コシヒカリの平均収量を求めてみました。

地域で栽培されている品種の割合を示す情報は、JAいるま野が公表しているカントリーエレベータ(CE)直接買入れ実績を使いました。情報元:JAいるま野広報誌

 

JAいるま野は埼玉県南西部の10市3町が管轄になります。管内の農業産出額は、ほうれんそうや大根などの野菜類が56.1%とメインで、米は11.4%となっています。下図は農林水産省が公表した2017年の市町村別10a当たりの収量を可視化したものになります。この図から埼玉県の10a当たりの収量は県東部で高く、県西部で低い、東高西低の分布傾向になります。また、赤枠で示すJAいるま野の管内の西部は秩父山系に位置し、中部・南部は洪積台地となっているため、水稲栽培は東部が中心となります。試験サイトがある坂戸市は、川越市に次いで水稲収量が多い地域になります(坂戸市は埼玉県全体で見ると16位)。

埼玉県の10a当たりの収量(2017年)

 

JAいるま野が公表しているCEデータは管区全体(10市3町)となっているため、農林水産省の市町村別収量情報を再集計しました。

品種別直接買入れ実績

 

コシヒカリがCEの直接買入れの半数を占めていますが、年々減少しています。一方、彩のきずなの栽培は増加傾向です。彩のきずなは、JAいるま野の独自ブランド戦略により、生産拡大と集荷拡大となる数量目標および品質目標を策定し、生産者と一体となった産地づくりを進めていることが影響しています。来年か再来年にはシェアが逆転すると思われます。

 

次に、品種による収量の違いを求めます。コシヒカリの収量を1としたとき、他の品種(彩のきずな・彩のかがやき・彩のみのりなど)の収量の比率を文献などから求めました。

その結果、2014年の管区の水稲の平均収量が489kgとなっていますが、内訳はコシヒカリ468kg、彩のきずな548kg、彩のかがやき492kg となりました。この年の試験サイトの10a当たりの収量は388kgなので、管内のコシヒカリ収量より少ない結果となります。2015年は、管内のコシヒカリ収量が451kg、試験サイトは431kgだったので、2014年よりは平均的な収量に近づきました。2016年からは推定値を上回る結果となっています。

 

JAいるま野における10a当たりの収量と品種別推定収量

管内収量 コシヒカリ 彩のきずな 彩のかがやき 彩のみのり キヌヒカリ
2014 489 468 548 492 520 465
2015 480 451 528 474 501
2016 492 461 540 484 512
2017 488 457 535 480
単位:kg

 

試験サイトのコシヒカリ収量と管区内のコシヒカリの推定収量の比較

 

ちなみに、JAいるま野の栽培目標は以下の通りです。
10aあたりの目標収量
・ コシヒカリ  ・・・ 480kg(8俵)
・ 彩のきずな ・・・ 600kg(10俵)
・ 彩のかがやき ・・・ 540kg(9俵)

 

水稲としてまとめられた平均収量の数値も、別資料を組み合わせることで品種別の収量を推定することできました。求めた数値は、自分の栽培技術がどのあたりに位置しているのかを把握することに使えそうです。

 


クローズアップ現代+

Posted on Updated on

10月31日に、NHK のクローズアップ現代+で「AIがうまい米を作った!~“農業革命”最前線~」が放送されました。放送内容は、NHKのHPから閲覧できます。(クローズアップ現代+:2018年10月31日

全体的にスマート農業など先端技術を用いた農業に詳しくない人でもわかりやすく、今後の日本の農業の可能性を解説した番組だったと思います。

前半は人工衛星やドローンによるモニタリングでイネの生育を管理し、肥料のピンポイント散布や収穫適期の解析で美味しい米を栽培するという内容で、後半はトラクターや田植え機などの無人ロボット化の紹介が中心でした。

 

ただ、私としては収穫適期を紹介するVTRに疑問が生じました。

放送では、下図のように衛星画像の解析で圃場のタンパク質含有率のマップが紹介され、以下のような説明がありました。

・9月下旬の田んぼは全体的に赤っぽく、タンパク質が多くなっていました。この段階で刈り取ると粘りのない米になるため、時間を置いて待つことにしました。

その時の画面には「タンパク質低下待つ」の文言が表示されています。

放送された画面のキャプチャ

 

収穫間近の状態で、時間を置くことでタンパク質が低下するという部分が疑問です。出穂後、子実に蓄積された同化産物が減少していくのは考えづらいことです。

この文言がタンパク質ではなく、NDVIの低下を待つといった説明であれば納得しました。NDVIは出穂期から成熟期に進むにつれ、値は小さくなっていきます。モニタリングを実施している試験サイトでは、出穂期と登熟期のNDVIから収穫適期を求めて、収穫を実施しています。

また、籾水分が高いため、時間を置くことで水分の低下を待つという流れでも問題なかったと思います。ただし、現在の衛星画像から籾水分を求めるのは難しいと思いますが・・・現場では、収穫適期を出穂後の積算温度や籾の黄化率、籾水分で判断しているので、農家さんには理解されやすい指標ではないかと思います。

 

HPで紹介されている画面をキャプチャ

 

 


夏の連続観測

Posted on Updated on

恒例となった夏の連続観測を8月4〜5日にかけて実施しました。2016年から実施している連続観測は今年も快晴になりました。主な観測項目は2016年から変わらず、日出から日没までの間を、ドローン(熱赤外・NDVI)と地上(気温など)で観測します。【参考】2016年の連続観測 ・ 2017年の連続観測

3年目にもなると観測の改善点がわかってきます。まず、今年の圃場内の気温を観測する装置(通風口)の改良です。昨年は塩ビのパイプにアルミ箔を巻きました。パイプの中にはファンを設置しましたが、ファンが大きいため、動かすための電力も多く必要となってしまいました。そこで、今年は細めの塩ビパイプを白く塗装し、さらに小型ファンを取り付けました。昨年よりレベルアップです。電源は小型の太陽光パネルからの給電で十分動作しました。これらは濱氏(千葉大)の自作です。さすがです!!

圃場内に設置した気温観測装置

 

ドローンによる観測は初年度から変更はありません。NDVIはYubaflex、熱赤外はF30です。

今年は、新たにイネの蒸散を調べるために、ポロメーター(Delta-T社:AP4)による観測を追加しました。吉田先生(横国大)にご協力いただきました。ありがとうございます。

ポロメーターによるイネの蒸散測定

 

ドローン、ポロメーターは2時間ごとにデータを取得しました。また、気温・CO2・日射量は観測前にセンサを設置して昼夜の連続観測になります。

今年は観測データが充実しました。その分、解析するのも時間がかかりそうです。

 


イネの大百科

Posted on Updated on

農山漁村文化協会から「イネの大百科」という本が出版されました。小学高学年〜高校が対象ということもあって、写真や図が多くまたカラーで掲載されています。内容もわかりやすくまとまっているので、勉強になります。

「省力化と水田フル活用 大規模化にむけた技術」のページでは、ドローンを使った生育調査ということで、私の写真を掲載してもらいました。ありがとうございます。

イネの大百科(引用:農山漁村文化協会サイト)

 


水稲株抽出(2018年)

Posted on Updated on

2016年から始めた水稲株位置の抽出ですが、いろいろ試した結果、対地高度は30mぐらいがいいのかもしれません。対地高度が低いと、撮影した画像の解像度が高すぎて、処理時間が大幅にに増えてしまいます。また、水稲以外の草丈の低い雑草がノイズとして多くなります。ちなみに、このときのイネの草丈は約37㎝です。

今回は「Mission Planner」で、クロスの飛行コースを設定しました。クロスにする事で死角をなくすことができます。実際はここまでしなくてもいいかもしれませんが・・・。

水稲株抽出のための飛行ルート

 

可視光、近赤外線の両方で撮影を行いましたが、やはり明確に水部とイネが判読できる近赤外画像が精度よく抽出できます。

 

【水稲株位置抽出の手順】

(前準備)近赤外画像から対象とする圃場だけをクリップ(切り抜き)します。この工程で大幅に作業時間を短縮できます。

その後の工程は、ノイズ除去→フォーカル統計→ラスベク変換→重心算出 の順番です。

試験サイト全体の水稲株位置

 

水稲株抽出の拡大図(水色点:水稲株位置、背景:近赤外オルソ画像)

 

今年は田植え機の一部の調子が悪いためか、所々で欠株が発生してしまいました。圃場全体で約4万5千株となり、昨年に比べると若干少ない結果となりました。

参考 :2017年の欠株率マップ