DSM
結果：均平精度（2020年）
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。
トラクターナビ（均平作業編）
先日紹介したトラクターナビを装着して、代かきを行いました。トラクターナビはRTK-GNSSを用いたナビゲーションで、背景地図をユーザ側で自由に選択できる特徴があります。今回は代かきを行うので、背景地図には圃場内の高さを示したDSM（地表面高さ）データを使用します。このDSMデータは事前にドローンを用いて計測したもので、圃場内の高低差を可視化しています。RTK-GNSSで取得できる位置情報はとても高精度（数cm程度）なので、ピンポイントで地表面の高いところの土寄せを効率的にできます。
前回のトラクターナビ（β版）では、アンテナをトラクターの屋根付近に装着しましたが、今回はトラクターの先端に位置を変更しました。アンテナは裏側に磁石が貼られているANN-MB-00（２周波対応）を使用しています。屋根付近からトラクター先端にアンテナの位置を変えても、人工衛星からの受信信号に大きな変化はありませんでした。
アンテナをボンネットの先端に位置変更
「善意の基準局」として自宅屋上に設置した基準局の受信データをネット配信し、スマフォのテザリング機能を用いてRTK-GNSSを行います。
均平作業に利用するトラクターナビ
画面の〇十字は現在位置をリアルタイムに表示している
トラクターナビの背景地図は事前にドローンで計測したDSMになります。１cmの高さごとに色が変化するように可視化してます。このナビゲーションの画面を見ながら、地表面の高いところから低い方へ土寄せを行います。
代かき直後の試験サイト
今までは、紙に印刷した地図を見ながら代かきを行っていましたが、トラクターナビを使った均平作業はこれからのスマート農業にも使えるのではないかと思います。
それにしても、空撮画像から判断して・・・もう少し土寄せができたのかなぁと来年に向けての反省です。
【備忘録】
トラクターのアタッチメント位置
ロータリー（左） / ハロー（右）
ビニールハウスでドローン
令和元年東日本台風（台風19号）による被災で多くの農機具が使用不能になってしまいましたが、国・県・市による補助金のおかげで今年の水稲栽培もできるようになりました。感謝です。ありがとうございます。
４月に入り、この地域の多くの農家さんが動き始めました。
私のところでは、まずは育苗用のビニールハウスの準備からです。昨年の台風による洪水によって，ハウス内の地面には、いたる所で凹凸が生じてしまいました。
昨年の反省から今年は、事前にビニールハウス内の凹凸マップを作成してみました。ポールカメラとドローンの両方で凹凸マップを作成しましたが、今回はドローンの方法を紹介します。大型ドローンではハウス内の飛行は危険ですが、今回は昨年発売された200g未満機ドローン「Mavic Mini（DJI）」を使いました。東京で積雪があった日でもMavic Miniによるハウス内の撮影は問題ありません。プロペラガードも付いているので、安心して飛ばせます。
Mavic Miniでハウス内をインターバル２秒で空撮
撮影した画像はSfM-MVS技術を用いて３Dモデルにします。さらに、このデータからビニールハウス内の高低差をcm単位で可視化できるので、この凹凸マップをベースに均平化を行います。ハウス内に重機を入れることは難しいので、トンボ・シャベルによる手作業で整地にします。マップがあるだけで均平作業も効率的に実施できます。
ドローンによるビニールハウス内の均平化
凹凸マップ（DSMの色は１cmごとに設定）
育苗用のビニールハウスの整地後は、種籾の塩水選・消毒（24時間薬液漬）です。濃度20%（約比重1.13）の塩水を種籾を投入し、実がつまった種子だけを選別します。選別した種籾を浸種し、約さらに１カ月後には田植えになりますが、それまでにコロナ禍が収束することを祈ります。
塩水で浮いている種子（この種子は移植には使いません）
結果：均平精度（2019年）
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。
結果：均平精度（2018年）
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、
【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
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
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)
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
代かき後のドローン計測（2017年）
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）
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。
