モニタリング手法

2020年収量結果

Posted on Updated on

8月は晴れの日が続いたのですが、9月に入ってから集中豪雨が頻繁に襲ってきました。そのため、刈取りは天気予報を見ながら雨の降らない合間を狙って急遽実施しました。

今まで使っていたコンバインは、令和元年東日本台風(台風19号)による水没によって廃車となり、今年からは新型のコンバインになります。初運転となるので、ヤンマーの担当者さんから操作のレクチャーを受けました。また、実際に刈り取る圃場でも丁寧に教えていただきました。担当者さんも言っていたのですが、梅雨の長雨による不十分な中干し、刈取り前の豪雨で土壌を乾燥することができないといった・・・コンバインの操縦にはハードな土壌状態での刈取りとなりました。

新しいコンバインでの刈取り

 

今年の出穂期までの積算日照時間は、下図のようにモニタリングを始めてから最も低い値を示しています。そのため、日照不足であった2019年の収量予測パラメータ(日照不足用)を用いて収量を予測しました。

(アメダス:鳩山地点を用いて作成)

2014~2020年の移植日から収穫日まで積算日照時間

 

それでは、1ヶ月前に投稿した収量予測(予測値:1464 kg、474kg/10a)の答え合わせです。

 

試験サイト全体の精玄米収量 :1491 kg(483kg / 10a)

収量予測との誤差 約27kg (1.8%)

 

今年は、ほぼほぼピッタリの予測ができました(ニアピン賞ぐらい)。また、過去の結果から幅を持たせて予測した1464~1512kg(474~489kg/10a)の間には収まりました。ドローン水稲モニタリングを始めてから7年目になるので、いろいろな知見から対応できつつあります。

ドローン運用開始からのコシヒカリ収量(10a当たりの精玄米収量)およびタンパク質含有率の結果

 

今年はドローン水稲モニタリングを始めて歴代2位の収量となりました。日照時間から見ると2020年は2019年と同様だったので、10a当たり465kgの収量でもおかしくなかったのですが、農閑期に行った土づくりの見直しが功を奏したのかも知れません。

 


倒伏警報発令

Posted on Updated on

今年は8月5日に出穂期を迎えました。既に収量予測を紹介しましたので、次は倒伏しやすいコシヒカリの倒伏リスク診断結果(2020年)を記事にします。おおよそ出穂14日前のモニタリングデータを利用して倒伏リスク診断を行うのですが、今回は空撮スケージュールが合わず、18日前のデータから約4.8万株についてリスク診断を行いました。倒伏リスク診断の計算方法はこちらに掲載しています。

倒伏リスク診断マップ(2020年)

 

倒伏リスク診断の結果、橙~赤色は倒伏する確率が高い株で、寒色系は倒伏する確率が低い株になります。圃場の南西部と南中部の一部で倒伏リスクが高くなっています。南西部は、2019年の台風19号によって倉庫に保管してあった肥料などが浸水してまい、それらを廃棄した場所になります。この影響が生育にも表れていると考えられます。また、南中部は今年から始めたある土づくりの方法によって草丈が高くなったかもしれません。※ある土づくりの方法については後日紹介予定です。

 

高い確率で倒伏すると予想できたので、何らかの対応をしなければいけません。特に、稲穂が地表面の水に着いてしまう状態だけは避けなければなりません。

登熟後期に入ってから、だんだんとイネが傾き始めてきました。この時期に豪雨や強風に襲われると一気に倒れてしまいます。幸い、梅雨明けから天気のいい日が続いていますが(気温は最寄りのアメダス地点:鳩山では40℃越えの日も・・・)、いつ豪雨や強風が来てもいいように対策を施しました。

イネ4株を麻糸でまとめて倒伏対策

 

狭い範囲のイネに対して施しましたが、意外と作業時間はかかりました。草丈の生育ムラがなければやらなくてもいい作業なのですが・・・均一に栽培する難しさを今年も実感しました。

上空から撮影した倒伏対策をしたイネ

 

稲刈りまであと少し・・・倒伏しないことを祈る日々です。

 


サンシェード

Posted on Updated on

晴れた日は太陽光が強く、タブレットなどのモニター画面は見にくくなります。新しいPhantomシリーズは、iPadなどのデバイスを取り付けて操縦するのが前提なので、画面から得る情報は重要です。

対策としては、画面の明度を上げる、太陽光の当たらない位置に移動するなどがあります。また、サンシェード(日よけ)で外部からの光を遮光する方法もあります。既に各社から様々なデバイスに対応したサンシェード(2000~3000円程度)が市販されていますが、iPad Pro用のサンシェードは種類が少なく、価格も高めとなっています。

そこで、100均で売られている材料でiPad Pro用のサンシェードを自作してみました。

【材料】

・カラーボード(黒)、マジックテープ(黒)、輪ゴム(太目)、テープ(黒)

サンシェードの部品

 

写真のように、iPadの大きさに合うようにカッターで3枚(上面、側面×2)に切ります。上面の左右の端にはそれぞれマッジクテープを貼ります。側面にもマジックテープと輪ゴムをそれぞれ貼り付けます。

あとは、iPadに側面から上面の順番に取り付けていきます。

簡易的なiPad Pro用サンシェード

 

多少、隙間から光が漏れてきますが、サンシェードが無い時と比べると画面は大幅に見やすくなります。

 


P4Mによるモニタリング指標の動画撮影

Posted on Updated on

2020年8月6日にP4M(P4 Multispectral)ファームウェアのバージョンアップがありました。今回のバージョンアップによる主な追加機能は、ライブビュー画像を動画として記録できるところです。

それまでは、P4Mが撮影している画像をiPad上でリアルタイムに表示(RGBやNDVIなど様々なモニタリング指標の選択が可能)するだけでした。そこに、今回は動画として記録できるようになりました。

さっそく、RGB・NDVI・GNDVI・NDREを動画で撮影してみました。※今回のバージョンアップで、表示できるカラーの種類の追加やカラースケールの範囲設定ができるようにもなっています。

 

P4Mによるモニタリング指標の動画撮影

 

動画機能を試した結果、動画でも生育状況の違いを詳細に判断できることを確認できました。また、モニタリングによる解析を行うときには静止画が最適なのですが、現場でのデモやプレゼンの資料作成には静止画にはない動画の魅力を感じました。

 


出穂期・収量予測(2020年)

Posted on Updated on

今年も昨年と同様に梅雨の長雨で梅雨明けが、平年より11日(昨年より8日)遅い8月1日となりました。梅雨明けが遅かったので、試験サイトでも2日遅い(5年間の平均)8月5日に出穂期を迎えました。

イネの開花(2020年8月5日撮影)

 

2014年からの水稲モニタリングの記録から、2020年は2016、2019年の積算日照時間・積算温度に近い傾向となっています。特に2020年の積算日照時間は過去のデータと比べると短く、最も長かった2018年の58%となっています。2020年の積算温度は1775.8℃と平均に近い値を示しました。これらの結果から、この地域におけるコシヒカリの出穂期までの積算温度の目安は1700℃ぐらいだと考えられます。

 

移植日~出穂日の積算日照時間・積算温度

移植日 出穂期 日数 積算日照時間(h) 積算温度(℃)
2020 5月22日 8月5日 75
282.2
1775.8
2019 5月18日 8月2日 76
337.8
1749.6
2018 5月19日 7月27日 70 480.9 1699.0
2017 5月21日 7月30日 71 399.8 1697.6
2016 5月21日 8月4日 76 381.3 1774.5
2015 5月23日 8月3日 73 427.8 1742.1
2014 5月24日 8月3日 72 400.4 1714.0
Average 5月21日 8月1日 72.0 387.2 1736.1

気象データは最寄りのアメダス地点:鳩山を用いて算出

 

出穂期のモニタリングも終えたので、2020年収量予測マップを作成してみました。今年は2019年に近似しているので、2019年の収量パラメータを使ってみたところ、以下のような結果となりました。

試験サイト全体の玄米収量予測 (ドローン): 1464 kg

 

10aあたりでは474kg/10aです。なお、過去のデータから予測パラメータに幅を持たせると、1464~1512kg(474~489kg/10a)になりました。今年は土づくりについて見直しを行ったので、その成果が表れるかもしれません。順調に生育すれば9月11日前後に答えがわかります。

 


P4Mの画像解析

Posted on Updated on

DJIから貸与してもらったP4Mを使って、実際に圃場のモニタリングを始めてみました。
P4Mは、RGBカメラと、ブルー・グリーン・レッド・レッドエッジ・近赤外線の波長帯を撮影できるマルチスペクトルカメラが一体となっています。また、P4Mの機体上部には日照センサーが取り付けられています。

P4M上部に取り付けられている日照センサー(DJI HPより

 

農作物のモニタリングにとって、飛行時の気象条件を把握することは重要です。晴天の場合、撮影する時間によってNDVIが大きく変動します。そのため、モニタリング精度を向上させるためには日照センサーが大切になってきます。

 

実際にP4Mで撮影をすると、JPGファイルと5つのTIFFファイルが生成されます。

DJI_0010.JPG(RGB、1600×1300ピクセル)
DJI_0011.TIF(ブルー(B):450nm±16nm、1600×1300ピクセル)
DJI_0012.TIF(グリーン(G):560nm±16nm、1600×1300ピクセル)
DJI_0013.TIF(レッド(R):650nm±16nm、1600×1300ピクセル)
DJI_0014.TIF(レッドエッジ(RE):730nm±16nm、1600×1300ピクセル)
DJI_0015.TIF(近赤外(NIR):840nm±26nm、1600×1300ピクセル)

※4桁の数字の下1桁(赤太字)で、どの波長帯の画像かわかります。

 

現在(2020/8/7時点)、P4Mの画像に直接対応しているソフトは、DJI TerraPix4Dfields になります。私が使用しているMetashape(旧PhotoScan)はP4Mには現時点では対応していません。

 

よく間違えやすいのが、日照センサーが機体に取り付けられているので、撮影された画像は日照センサーの情報が既に反映されていると思いがちです。しかし、日照センサーの情報はXMPメタデータに記録されているだけなので、P4Mに対応していないMetashapeを利用する場合は事前にこれらのメタデータを用いて補正する必要があります。DJI Terra とPix4Dfields はP4Mに対応しているので、ソフト上で自動的に補正してくれます。

P4MのXMPメタデータは、DJIからP4 Multispectral Image Progressing Guide v1.0 が公開されています。

 

下図は、P4Mで撮影されたTIFFデータをそのままMetashapeに読み込んで作成したオルソ画像(トゥルーカラー)とNDVI画像です。

補正前のオルソ画像(トゥルーカラー)と補正前のNDVI(2020年6月6日撮影)

 

シャッタースピード、ISOなどが変化している画像をそのまま読み込んでいるため、明度の違いが発生しています。さらに、NDVIを計算すると、その影響によって明らかにおかしなマップになってしまいます。

 

次は、XMPメタデータに記録されている日照センサーなどの情報をもとに画像を補正し、Metashape(旧PhotoScan)でオルソ化した画像から計算したNDVIマップを示します。

補正した画像から計算したNDVI

 

補正した画像を用いることで、上図のNDVIマップのおかしな箇所が修正されていることが確認できます。これらの結果から、MetashapeでP4Mの画像を利用する場合は、事前に画像の補正が必要なことがわかります。

 

参考文献

濱 侃・田中 圭・田 寛之・近藤昭彦(2018):ドローンに搭載可能な近赤外カメラの比較と検討:RedEdge とYubaflex,日本リモートセンシング学会誌,38(5),pp.451-457.

 


水稲株位置抽出(移植版)

Posted on

水稲株位置の抽出は以前にも紹介しました。以前紹介した方法は、苗がある程度生長した(草丈35cm程度)状態の空撮画像から水稲株の位置を抽出するので、「移植」だけではなく「直播」にも対応できました。今回は、移植に特化した水稲株位置の抽出方法を紹介していきます。

まず、重要なのは田植機の株間の設定が何cmなのか知る必要があります。株間は田植機で設定できます。私のところでは、2016年から株間設定を21cmとしています。ちなみに、条間(苗を植えつけた列の幅)は固定されて30cmとなっていますが、北海道では33cmとなっているそうです。

 

今回試した解析方法

1)苗と水面がはっきり区別できる近赤外オルソ画像を用意します。
今回は、2020年6月21日(移植から30日)にP4Mで空撮した画像を使用してみました。

近赤外オルソ画像(上空50mからP4Mで撮影)

 

2)撮影した近赤外オルソ画像をQGISで表示し、基本となる条(列)をラインでトレースしていきます。
トレースするラインは、5条植えの場合は真ん中、4条植えなら端の条でもいいかもしれません。なお、スタート地点とゴール地点は位置抽出に重要な地点になるので、慎重にトレースしてください。

5条植え田植機のため、真ん中の条をトレース(紫線)

 

3)基本となるラインを全てトレースしたら、今度は30cmごとのバッファでラインを複製します。試験サイト(37m×88m(32a))では、全部で132条(枕地10条含む)となりました。

基本トレースラインから30cmのバッファラインを生成

 

4)圃場全体にトーレスされた条から、次は田植機の設定した株間でポイントを生成していきます。QGISの「QChainage」というプラグインが便利です。このプラグインは、ラインから等間隔にポイント生成してくれます。試験サイトの全132条のラインから21cmごとにポイントを生成します。

「QChainage」で21cmの等間隔にポイントを生成

 

5)所々に欠株があるので、そのようなポイントは取り除いていきます。出来たポイントと近赤外オルソ画像を重ね合わせ、その場所のDN値を取得していきます。この時、水面に近いDN値のポイントは一斉に削除します。その結果、苗がある株だけを抽出することができます。

水稲株のみを抽出した結果

 

2020年における試験サイトに植えた苗は全体で50,206株になりますが、実際は欠株もあり48,621株となりました。試験サイト全体の欠株率は3.2%となります。今回は育苗箱に蒔く種籾の量が少なかったのが要因かもしれません。次年度への反省点です。

これらの水稲株にはユニークIDを割り当てていますので、株単位で管理することもできます(実際に運用するとなると作業時間が増えてしまいますが・・・)。

P4Mで空撮を実施しましたが、ドローンとカメラの一体型は操縦なども含めて、全ての面において楽でした。空撮画像もピンぼけがなく、水稲株の位置抽出にも問題ありませんでした。

 


Phantom プロポ

Posted on Updated on

P4MのフライトにはiPad専用アプリのGS Pro(DJI)が必要になります。そのため、手元にあるiPad Pro(10.5インチ)にインストールしました。P4Mのプロポには、モバイルデバイスを設置できるホルダーが付いているので、そこにiPadを取り付けます。

ところが、ここで問題が発生しました

モバイルデバイスホルダーの最大幅が170 mm までとなっていました。iPad Proの幅は174.1 mm とわずかばかりオーバーしています。ちょっと力を入れて取り付けるとギリギリ入ります。しかし、毎回この作業をするのはプロポにも負担がかかってしまいます。

ネットで調べてみると、拡張マウントというアイディア商品がありました。世の中、同じように困っている人がいるみたいです。さっそく、Amazon(送料無料で899円)で購入しました。中国から配送するとのことで商品到着まで約2週間かかりました。

拡張マウント

中国から直接届く商品は、だいたい箱が潰れてきます。中身はプラスチックの塊なのですが、大きいiPadユーザには便利な商品です。

拡張マウント・iPad Proを装着したプロポ

 

これで、プロポの負担やデバイスを取り付けるわずらわしさもなくなりました。

 


P4M(P4 Multispectral)

Posted on Updated on

今年のモニタリングには、新たなドローンを投入することができました。
モニタリング界隈で話題となっているDJIのP4M(P4 Multispectral)です。

P4 Multispectral(DJIから貸与)

 

DJIと共同研究ということで、P4Mを貸与していただくことになりました。
P4MのフライトにはiPadおよび無償アプリのGS Pro(一部機能は有償)が必要で、アプリ上で事前にコースやカメラのパラメータなど細かい設定ができます。

まずは、それぞれのセンサー(自作の近赤外カメラYubaflex、P4M、地上センサ)の特徴を把握したいと思います。

 


2020年もNDVIフィールドセンサー設置

Posted on Updated on

2019年に設置したNDVIフィールドセンサーは、ドローンモニタリングに有益な情報をいろいろもたらせてくれました。昨年の台風19号でセンサーやロガーが水没してしまいましたが、徹底的に乾燥・清掃をしたおかげで無事に起動することができ、今年もセンサを設置することができました。2年目ということで昨年の反省を活かして少し工夫をしています。

まず、センサを設置する単管パイプの工夫です。昨年は単管パイプと直交クランプを取り付けただけでしたが、今回は強度を増すために筋交を追加しました。

単管パイプの打ち込みの工夫

 
次に、単管パイプの打ち込みです。昨年は単管パイプを直接金槌で叩いていたのですが、調べるといろいろ補助部材があることがわかりました。単管パイプの先端にヘッドと先端ミサイルを取り付ける事で打ち込みも多少楽になりました。

NDVIフィールドセンサーの設置の様子

 
さらに、今年はモニタリング情報の充実化を図るために、千葉大学の共同研究費で温度・気圧・湿度センサを追加(後日、濡れ葉センサを追加予定)することができました。

ドローンを用いて移植2日後に設置したNDVIフィールドセンサーを撮影

 
今年もいろいろ発見出来ることを期待したいと思います。