ドローン計測

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。

 


代かき後のドローン計測(2017年)

Posted on Updated on

今年も代かき直後の圃場の高さをドローンを用いて計測しました。(参考:昨年の計測結果

代かき直後は泥水となっているので、泥が沈着するまでの2日間ほど時間を置いてから、落水および蒸発によって土壌が見える状態までにしてから計測します。

代かき後に湛水を行わず、ある程度水がなくなった状態(2017年5月18日撮影)

 

ドローン計測は圃場内の凹凸をどのぐらい均平化できたかを定量的に明らかにするのが目的です。また、代かき後に水を張った状態でもドローンによるDSM計測ができるか実験を行いました。

まず、代かき後に水がなくなって土壌が見えている場合のオルソ画像とDSM(陰影図)

2017年5月18日撮影

圃場の均平精度は、圃場内の高さを測定し、それらの結果から算出した標準偏差が均平精度を示します。この標準偏差の値が大きいと圃場内の凹凸のムラが大きくなります。

目標とする均平精度は、湛水直播や乾田直播などといった栽培方法によって異なります。農林水産省の資料によると、移植栽培の場合は標準偏差:1.8cm・最大高低差:9.0cmが目標値となっています。

今回の代かきによる均平精度は、標準偏差:1.3cm・最大高低差:6.9cm となり、今年の均平化も悪くない出来だと思います。(参考:2016年の均平精度 標準偏差:1.4cm・最大高低差:6.1cm)

代かき後は湛水状態にしなければいけませんが、今年も水を張らなかったので、近所のベテラン農家さんは心配していたそうです。ご迷惑をお掛けしました。m(_ _)m

水を張った状態でもドローンによる計測ができるか実験するために、水がない状態での空撮が終了直後に水を入れました。翌日には、2~3cm程度の深さで水が張った状態となります。

湛水状態(2017年5月19日撮影)

湛水状態でドローン計測して作成したオルソ画像とDSM(陰影図)

2017年5月19日撮影

 

この日の気象状態は、ほぼ無風で、時折微風によって水面が波を打つ程度でした。空撮時は全くの無風状態で絶好のデータ取得日でした。

水の透明度の高い箇所では底の土壌まではっきりと見ることができます。一方、泥水が撹拌してしまった箇所(圃場の西側)では土壌を見ることはできません。

これらのデータをSfM-MVS処理でオルソ画像・DSMを作成すると、泥水が撹拌している箇所ではマッチングが上手くいかず、ノイズとしてDSMの精度が落ちています。

下図は「湛水状態のDSM - 水のない状態のDSM」 の差分マップです。

 

湛水状態のDSM - 水のない状態のDSM マップ

泥水で底が見えなかった箇所でDSMが高い値(ノイズを含む)となったため、水の有無の差分で約10cmの差が生じました(圃場の西南側)。一方、透明度が高かった箇所では湛水状態のDSMが約2~3cmが高い結果となりました。

赤線部分の断面図

赤線部分の断面図の結果から、湛水状態のDSMが一定の高さを示していないので、水面の高さより圃場の高さが影響していると考えられます。水深や水の屈折率を用いて計算すれば、湛水状態でも圃場の高さを取得できる可能性があることが今回の実験でわかりました。

 

ただし、代かき後(湛水状態)に計測する場合、無風かつ泥が撹拌していない状態でないと精度の良いデータを取得することができないため、撮影条件は結構厳しいと思われます。

来年以降も代かき後は水がない状態で計測するのがベストなのかもしれません。

 


代かき(2017年)

Posted on Updated on

私の経験(短い期間ですが・・・)から収穫量・品質の向上には「均平化」は大切な作業だと思います。

今年も代かき前には、いろいろと圃場の均平化を試しましたが、容易に圃場内の土を移動できるのは代かきになります。

まずは、代かき前にドローンでDSMを計測し、凹凸マップを作成します。

代かき前の凹凸マップ(2017年)

高い(淡いピンク) ← 地表面の高さ → 低い(紺)

圃場の西(左)の中側が高くなっています。また、圃場の3辺の低い部分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。

屋上から撮影した圃場(画像の上が北)

凹凸マップが示すように地表面がちょっとでも高いところ(数cmの差)は、水が溜まっていないことがわかります。

水が全体的に入ったら、代かきを行います。

圃場の凹凸を意識しながら、トラクターによる均平化

均平化後には、ドローンによる計測を実施します。


圃場均平化(2017年)

Posted on Updated on

以前、このブログでも紹介した「セミナー(ドローンの農業活用とセンシング・モニタリング技術)」も先日終了しました。

私の予想以上に多くの方々に受講していただき、ドローンによるモニタリングの注目の高さを実感しました。

セミナーでは、水稲以外にも畑作や果樹等に利用したいとの声がありました。いろいろと話をしていると、作物によって欲しい情報が異なり、その情報には需要があることを知ることができたので、私自身の勉強になりました。

 

3月に入ったので、そろそろ2017年度の栽培に向けて、圃場の均平化とドローン計測を実施しました。

 

ドローンによる計測

 

圃場の西中央部が高く、排水口がある東側が周囲に比べて低くなっているので、代かきを実施するまでの約2ヶ月間で地道に土を移動させ、均平化を目指します。

 

点群データを表示できるサイトがありましたので、ドローン計測に用いたデータをアップしました。

 

画像をクリックすると別サイトが開きます。

任意の地点から点群データを表示できるほかに、地点計測(高さも含む)や距離計測も行えます。ただし、計測機能はサイトに会員登録する必要があります。