ドローン計測

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。

 


結果:均平精度(2020年)

Posted on Updated on

今年の代かきはトラクターナビを搭載することで、より的確に高い土を低い方へ土寄せを実施することができました。2019年に失敗してしまった圃場の乾きすぎ状態にならないように、天気予報と相談しながら水の状態を管理しました。その結果、ほぼ問題ない状態で田植えを迎えることができました。

 

田植えの直前(30分前)にドローンによる空撮を実施し、そのデータを用いて今年の均平精度の検証を行いました。2014年から比べると試験サイトの均平度の精度は良くなっていますが、そろそろ頭打ちになってきた感じです。実際にトラクターを動かし、圃場の均平化を実施してきましたが、満足いく状態になるまでは5年はかかるなぁと実感しました。また、均平化のアドバイスをくれたベテラン農家さんの言う通りでした

ⅰ) 代かき後の凹凸マップ(2020年)

 

ⅱ) 代かき後のオルソ画像(2020年5月22日撮影)

 

2014~2020年における均平精度の変遷

 

2020年は均平精度:1.1cm・最大高低差:4.0cmとなりました。今年も均平精度は問題ない結果となり、水管理もムラなくできるはずです。あとは、昨年みたいな梅雨の長雨にならないことを祈るだけです。

 


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。


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

 

 


結果:均平精度(2018年)

Posted on Updated on

試験サイトでは、代かきを行った後に泥が沈着するまで待ってから、水を落とし土壌が見える状態になるようにしています。これは、代かき後の圃場を測量するためです。
3年間実施していることもあって、近所の農家さんから不思議がられることもなくなりました。

代かき後のオルソ画像(2018年5月18日撮影)

 

圃場の北側では、ほんの少し水が残っています。一方、南側(明るく写っている部分)は水が抜けています。圃場にいくつかの線条の跡が残っていますが、これは鳥などの足跡になります。畦畔を超えて、隣の圃場(北側)までつながっています。

水がある程度なくなった状態で、ドローン計測による圃場の均平精度(凹凸の定量化)を求めました。その結果、2018年は均平精度:1.2cm・最大高低差:5.1cmとなりました。過去最高の結果です(といっても5回しかデータはありませんが・・・)。
過去の記事にも書きましたが、移植栽培で目標とする均平精度は標準偏差:1.8cm・最大高低差:9.0cmが目標値となっています(農林水産省)。

下に2016~2018年の代かき後の圃場凹凸マップを示します。

ⅰ) 代かき後の凹凸マップ(2018年)

 

ⅱ) 代かき後の凹凸マップ(2017年)

 

ⅲ) 代かき後の凹凸マップ(2016年)

 

2014~2018年における均平精度の変遷

 

試験サイトの均平精度は、2014年が標準偏差:2.6cm・最大高低差:10.2cmに対して、2015年は標準偏差:1.8cm・最大高低差:7.5cm、2016年は標準偏差:1.4cm・最大高低差:6.1cmとなり,年々圃場内の高低差は小さくなっています。トラクターの操縦経験を積むことで、技術が身についてきているのかもしれません(^_^;)。なお、2014年・2015年は代かき前のDSMを用いて計測を行っています。2016年以降は代かき後の高低差を精確に求めるために、代かき直後に圃場内の水を抜いた状態で空撮を実施しています。

 

【参考】

2014~2017年までの均平精度と玄米タンパク含有率との関係を、濱ほか(2018):UAVリモートセンシングおよび登熟期の気象データに基づく玄米タンパク含有率推定 にまとめています。

 


農閑期の圃場計測

Posted on Updated on

2018年度の栽培に向けて始動です。

昨年の秋に「すき込み」をしてから、久しぶりのトラクター運転になります。

田起こし作業の前に、ドローンによる圃場計測を行いました。ドローンは農閑期にメンテナンスを施し、いつでも飛行できるように準備をしていたのですが、GCP用のマーカーが色あせているのに気づいてしまいました・・・。

再塗装前後のGCP用マーカー

 

上図の右側はドローン水稲モニタリングを始めてから使用しているマーカーです。長年使用していると色があせたり、剥がれたりしてしまいます。この程度であれば、上空から撮影しても特に問題ないのですが、気分一新ということで再塗装し直しました(下図参考)。

上空50mから撮影したGCP用マーカー(左:2018年3月31日撮影 右:2017年9月9日撮影)

 

昨年のブログを見直してみると2月中旬に田起こしをしていたので、今年は少し遅い始動となります。まずは、田起こしの前に圃場の状態をドローンを用いて計測しました。

圃場凹凸マップ(田起こし前:2018年3月31日撮影)

 

最近は、圃場の均平化に力を注いでいるので、そこまで気になる凹凸はありませんでした(圃場の四隅やトラクターの出入り口を除いて)。この作成したマップは、運転席に貼って凹凸の位置を意識しながら田起こし&均平化を行いました。

圃場凹凸マップ(田起こし後:2018年4月1日撮影)

 

上図は作業後の凹凸マップです。マップを見る限り、そこそこ良い感じであると思います。これなら今年の代かきはそんなに作業時間がかからないかもしれません。ベテラン農家さんの「この圃場の均平化は3~4年かかるよ」のアドバイスの通りで、この状態になるまで時間がかかりました。

 

ドローン水稲モニタリングも今年で5年目の節目を迎えます。これからも「どろーん米」の作業記録を兼ねた情報を発信していきたいと思います。

 

相棒(ドローン、トラクター)

 


倒伏の定量化

Posted on Updated on

以前にも紹介したように、コシヒカリは稲穂が垂れやすく、倒伏しやすい品種になります。
今年の「どろーん米」は、8月19日の降雨(約67mm)をきっかけに、出穂2週間前に診断した高リスク箇所から徐々に倒伏が進んでいきました。

今回はモニタリングデータから倒伏の定量化について、少しまとめてみました。

まず、イネが倒伏してしまうと、農機具による収穫が難しくなります。
我が家ではコンバインを所有しているので今まで気にしていませんでしたが、農作業を外部に委託した場合、倒伏した圃場では標準料金とは別に10%~30%程度加算されてしまいます(料金は各自治体によって異なります)。たとえば、島根県邑南町が公開している農作業標準賃金(平成29年度)では、倒伏面積割合で割増料金が以下のように決まっています。

倒伏面積割合 0%~30% 30%~50% 50%~80% 80%以上
割増 規定料金 20%増 30%増 50%増

※標準価格:コンバインによる刈取り 10aあたり20,800円

現場では倒伏面積割合をいちいち算出するのは時間がかかるので、担当者の目分量で判断していることがほとんどだと思います。

 

そこで、刈取り前の空撮データから倒伏面積割合を算出できるか試してみました。

【使用するデータ】

・ドローンによる空撮(可視光:Richo GR)データ(2017年9月8日撮影:刈取り前日)

狭い範囲なら目視で倒伏範囲を特定しても時間はかかりませんが、広範囲に及ぶと目視での範囲特定は手間と時間がかかってしまいます。
リモートセンシングの分野では、古くから画像データを利用した画像分類は得意とするところです。たとえば、JAXAがALOS/ALOS-2の人工衛星から画像分類して作成した高解像度(解像度約10m)の土地被覆図などがあります。

画像分類には「教師なし分類」・「教師付き分類」がありますが、今回はトレーニングデータを必要とせず、画像の特徴量をもとに自動分類を行う「教師なし分類」を選択しました。

ドローンによる空撮画像から作成したオルソ画像を用いて、教師なし分類を行った結果が下図になります。

画像分類結果(2017年9月8日撮影データを使用)

 

誤分類も多々ありますが、大きく倒伏した範囲の抽出ができているので、倒伏の抽出には教師なし分類も使えることがわかりました。なお、試験サイトの倒伏面積は 517.1㎡ で圃場面積の 15.9% となりました。

 

画像分類による倒伏範囲の特定は倒伏しているかどうかを抽出する方法で、イネがどの程度の傾きで倒伏しているかはわかりません。

イネの倒伏程度の判断基準は、一般的に倒伏したイネの傾きの大きさを「0(無)」~「5(甚)」の6段階で表すことが多いそうです。

倒伏程度の判断基準

 

今度は、モニタリング解析で作成するDSMデータを用いて倒伏程度を求めてみます。
使用するデータは、倒伏する直前(出穂期から14日後)と刈取り前日(出穂期から40日後)の2時期のDSMデータです。

【使用するデータ】

・ドローンによる空撮データから作成したDSM
倒伏直前のDSM :2017年8月13日撮影
刈取り前日のDSM:2017年9月8日撮影

 

倒伏直前のDSMと刈取り前日のDSMの三角関数から角度を求め、倒伏程度に変換した分布図が下図になります。

倒伏前後のDSMから計算した倒伏程度(ラスタデータ)

 

地点1 倒伏のない状態(ベテラン農家さん)

 

地点2 倒伏程度の大きい地点(試験サイト)

 

試験サイトでは倒伏程度の大きい箇所(地点2)が多く見られますが、隣のベテラン農家さんの圃場ではほとんど倒伏(地点1)がありません。
移植日は同じなので、同じ気象条件であるにもかかわらず、結果的に倒伏の差が生じます。これがベテランと新米の違いなのかもしれません...。

 

2016年から水稲株単位でも解析を行っています。倒伏程度も株単位(2017年:圃場全体で約4.7万株)で計算すると次のようになりました。

水稲株単位の倒伏程度(ポイントデータ)

 

水稲株単位で求めた倒伏程度別占有率

 

コンバインによる収穫作業が難しくなるのを「倒伏程度4」と仮定した場合、倒伏割合(倒伏程度4+倒伏程度5)は31.4%(約1.4万株)となりました。
最初で紹介した画像分類による倒伏範囲の抽出より高い結果となります。精度検証として、画像分類によって抽出した倒伏範囲と水稲株単位の倒伏程度で重ね合わせ分析を行った結果、倒伏範囲に含まれる水稲株の約82%が倒伏程度4.5~5となりました。このことから、画像分類による倒伏範囲の抽出は、上空からでも判読しやすい倒伏程度が大きい「4.5~5」を捉えているのではないかと考えられます。

 

来年こそ、倒伏しないような水稲栽培ができるように頑張ります!!

 


倒伏リスク診断(2017年)

Posted on Updated on

今年は7月30日に出穂期を迎えましたので、出穂14日前の7月16日のモニタリングデータを利用して、倒伏しやすいコシヒカリの倒伏リスク診断を行ってみました。

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(2017年)

「7月16日(出穂14日前)のDSM-5月18日(代掻き直後)のDSM」から計算した倒伏リスク診断マップです。橙~赤色は倒伏リスクの高い株で、青色はリスクが低い株になります。今年は圃場の西側(特に南西側)で倒伏リスクが高い結果となっています。昨年は圃場の北側で倒伏リスクが高い結果となり、実際に倒伏してしまいました。草丈のむらが出ないように、圃場の均平化など努力しているのですが、均一に栽培する難しさを実感します。

 

2017年7月16日空撮のオルソ画像


欠株率

Posted on Updated on

田植えから1ヶ月が経過すると、苗も順調に生長し上空からのモニタリングでもはっきりと確認できます(この頃の草丈は約35cm)。

昨年からはじめた「水稲株位置の抽出」を今年も行いました。抽出方法については、昨年の記事をご参照下さい。

水稲株位置の抽出に使用した画像は、移植してから28日後の近赤外オルソ画像になります。

 

水稲株位置抽出(2017年6月18日撮影)

オルソ画像と抽出した水稲株位置(オレンジ点)を重畳した画像になります。両者の画像を比較してもわかるように、おおよその水稲株の位置抽出ができているのではないかと思います。

 

圃場全体の水稲株位置(2017年) 背景:近赤外画像(Canon S110近赤外改造)

今年は株間21cmに設定して移植を行った結果、圃場内の株数は約4.7万株となりました。ちなみに、昨年は株間18cm設定で約5.1万株となっております。

 

次に、水稲株をメッシュごとにまとめて可視化した結果です。

 

単位面積あたりの株数(株/㎡) 背景:可視画像(Richo GR)

圃場の西側は田植機の移植方向が異なる部分にあたるため、若干株数が少なくなっています。圃場内全体では単位面積あたり14.2(株/㎡)【坪あたり46.9株】となりました(昨年の結果はこちらから)。

また、株間21cmの標準的な単位面積あたりの株数は15.9(株/㎡)となります。そこで、この値を基準としてメッシュごとの欠株率を算出してみました。

 

欠株率(2017年) 背景:近赤外画像(Canon S110近赤外改造)

その結果、メッシュ全体の欠株率は7.9%となりました。欠株率が最も高い値を示したメッシュは、トラクタの出入り部分にあたります。それ以外のメッシュでは、だいたい数%の欠株率で収まっています。

 


熱赤外カメラによる空撮

Posted on

少し前の話題になりますが、今年の農閑期(4月中旬)に熱赤外カメラによる空撮を実施しました。

熱赤外カメラはイネ群落の表面温度の連続観測(穂揃期)で使用しましたが、今回は圃場の地表面温度から土壌水分量および均平を把握できるのか観測してみました。

 

【圃場環境】

・田起しを行ってから、約1カ月経過 (試験サイトの隣(北側)の圃場も同時期に田起しを実施)

・熱赤外カメラによる空撮実施の前日に、数時間の降雨

 

オルソ画像(4月中旬)

 

熱赤外カメラ画像(4月中旬)

 

上記画像の拡大図

 

地表面温度は西側で相対的に高く、東側が低い結果となりました。特に中央部では温度が低くなっています。この部分を拡大してみると、田起し後に石拾いのために歩いた足跡周辺で地表面温度が低下していました。圃場を歩くと5cm程度は凹むので、熱赤外カメラはその影響までも観測できているのではないかと考えられます。また、西~東側に筋状に地表面温度が高くなっている場所は、昨年の収穫後に籾殻を撒いたところになります。ちなみに、隣(北側)の圃場は足跡もなく、地表面温度が一様な分布をしていることがわかりました。

わずかな環境の違いを捉えられる熱赤外カメラは有益なセンサであると実感しました。

 

上記の実験後に、トラクタによる均平化を行い、1週間後に再度空撮(可視光・熱赤外カメラ)を実施しました。

 

オルソ画像(5月上旬)

 

熱赤外カメラ画像(5月上旬)

 

トラクタによる均平化を行った後の均平精度は標準偏差1.5cmとなり、地表面温度のばらつきは前回の分布と異なる結果となりました。

西側にある給水口ではわずかな量の水が漏れ出していたため、地表面温度が低くなっています。オルソ画像では地表面の見た目の変化はありませんが、熱赤外ではちゃんと変化を捉えることができています。また、圃場の3辺(西側除く)にかけて温度が低い場所は、くろつけを行った際のトラクターの車輪跡になります。

今回の実験から熱赤外カメラを用いた観測は様々な現象を取得できるセンサとして有望なので、今後も継続して観測していく予定です。