モニタリング手法
【カメラ】改造近赤外カメラ
近赤外カメラは植生や雪氷などの分野では、重要な情報の取得ツールとなります。稲などの植物の葉は近赤外の波長を強く反射し、反射の強弱で植物が元気であるかを判断することができます。しかし、市販されている多くの近赤外カメラは高価（数十万円）です。私のモニタリングの基本コンセプトは「低コスト」です。あまり馴染みがない近赤外カメラは市販のコンデジを改造することで、コストを抑えて作ることができます。ここでは、近赤外カメラに改造する手順を紹介していきます。
市販コンデジは最新機種を用意する必要はありません。自宅に眠っているカメラでも十分です。
私が近赤外カメラとして使用しているのは、中古品（約２万円）で購入したCanon S110です。旧型機種は発売してから時間が経過しているので、中古市場で安く入手できます。また、ドローンが墜落してカメラが破壊・故障しても精神的負担が大きくないというメリットもあります。
１） 機種確認
改造したいコンデジのイメージセンサが近赤外までの感度を持っているかを確認します。機種によって近赤外の撮影に適さないものもあります。
テレビ等のリモコンをカメラレンズに向けて、リモコンボタンを押しながら、シャッターを押します。
感度チェック
イメージセンサが近赤外まで感度を持っていると、リモコンの送信部が明るく写ります。この部分が暗いと、そのカメラはあまり感度がないことになります。
２） カメラ分解
カメラ本体のネジを外し、分解していきます。ネジは大変小さいので、紛失しないように作業を行います。
コンデジ分解
３） ガラス板除去
イメージセンサを覆うフタを慎重に外すと、センサ前方に薄いガラス板があります。このガラス板は赤外カットフィルタやローパスフィルタの機能を有しています。非常に薄いので、割らないように取り除きます。
その後は、可視光を遮断するIR（Infrared）フィルタ（富士フィルムのIR-78：（約２千円））を準備し、これをガラス板とほぼ同じ大きさで切ります。
※対象物によっては、フィルタの波長を変更した方がいい場合もあります。
４） ピント調整
ガラス板を取り除いたことで、このまま撮影すると光の屈折率などの関係でピントがボケた状態になってしまいます。そこで、ピント補正をするために0.3mmの透明プラ板（約5百円）を用意します。
これをガラス板より約１mmほど大きく切って、IRフィルタと透明プラ板をガラス板があった場所に収めます。
フィルタやイメージセンサ部分に、ほこりや指紋が付かないように慎重に作業を進めます。
後は分解した逆の手順でネジを締めていきます。初めての作業となると約２～３時間程度はかかると思います。慣れてくると数十分ぐらいの終了します。
【注意】カメラを分解すると、一般にメーカー保証が受けられなくなるので注意してください。
改造近赤外カメラの撮影画像
上図は改造したCanon S110をドローンに搭載して、撮影した近赤外画像です。植生からの反射が強い所が白くなって、写っています。
現在は、このカメラをドローンに搭載して、水稲モニタリングを実施しています。
今回紹介した改造などについては、「地理に使える低空撮ガイド6 低空撮で使える工夫、様々なドローン（古今書院 月刊地理）」で紹介しています。
また、カメラの改造をしなくても、NDVI（植生指標）を求めることができるカメラ「Yubaflex」も販売されています。このカメラも軽量なのでドローンに搭載することが可能です。おすすめのカメラの一つです。
【手法】GIS（地理情報システム）
【手法】3Dモデル作成（SfM-MVS処理）で紹介したオルソ画像・DSMをGISを使って解析します。
モニタリング結果の可視化や効率的なデータ管理には、GISが最適なツールです。
一昔前は数百万円する業務ソフトもオープンソースの波によって、無償で使用できるソフト「QGIS」が登場しました。
登場当時はいろいろと不便なところもありましたが、最新版では問題なく使えます。
QGISは http://qgis.org/ja/site/ から日本語版をダウンロードできます。
Windows以外にも対応しています。
ここでは、QGIS（バージョン2.18.1）を用いたメッシュ解析を紹介します。
１） メッシュ作成
空撮画像は高解像度なデータが取得できるため、モニタリング結果は数cm単位で求めることができます。しかし、現場では詳細すぎる情報は役に立たないこともあります（木を見て，森を見ずになってはいけません）。私の圃場では、５m×５mのメッシュを設定し、メッシュ内に含まれるピクセルの平均値をメッシュ代表値として生産管理に活かしています。
メッシュ作成
※QGIS→Vector grid
不必要なメッシュは削除していきます。また、メッシュを回転させて、圃場と一致するように調整します。
圃場の形に合わせた５mメッシュ
※圃場が広大な場合やその他のメッシュデータを組み合わせたい場合には、JIS規格で決められた標準地域メッシュを使うと便利です。
２） NDVI（植生指標）
QGIS→ラスタ計算機で演算ができます。
NDVI = （近赤外画像 - 赤（可視光）画像） / （近赤外画像 + 赤（可視光）画像）
※センサ 可視光をRicho GR、近赤外をCanon S110（近赤外の波長帯を撮影できるように改造）でそれぞれ空撮を実施。
本来なら、放射輝度に変換しないといけませんが、ここでは近似値的にDN（Digital Number）値で計算しています。
NDVI（2016年７月21日）
赤色ほど植生の活性が高く、反対に青色は植生の活性が低い状態を示します
３） メッシュ統計
QGIS→地域統計でメッシュ統計を行います。
※メッシュ内の平均値、最大値、最小値、個数、標準偏差などが計算できます。
計算はボタンを押すだけです。計算後、レイヤを選択して、色を割り当てます。地図は、色彩次第で解析結果の印象も変わるので、適切な色合いを選択するようにしましょう。
NDVIメッシュ（2016年７月21日）
QGISが苦手だった鳥瞰図（３D表示）もプラグインを用いることで、下図のように表示できるようになりました。HTML形式で出力されます。
NDVIの鳥瞰図（2016年７月21日）
リモセン学会発表資料
11月に行われた日本リモートセンシング学会の発表資料になります。
要旨はこちらから見ることができます。
- 水稲の群落表面温度は一様ではなく、ばらつきをもって分布している。
- 群落表面温度のばらつきはNDVIと対応しており、相対的に群落表面温度の低温域でNDVIが高くなり、反対に高温域ではNDVIが低い値を示す。
- 群落表面温度とNDVIの時間変化は、日中の時間帯で明瞭な相関を示す。
- 群落表面温度のばらつきは、玄米重量にも影響を及ぼす。
- 今回の観測で、掛け流しによって群落表面温度が約３℃低下することが確認できた。
【手法】3Dモデル作成（SfM-MVS処理）
【手法】ドローン飛行設定で紹介したように、地図を作成する場合の撮影にはルールがあります。隣接する写真の約60％以上が重複するように撮影します。重複部分があることで、撮影した地表面を立体的に見ることができるようになります。
数年前から個人でも３Dモデルを作成できるソフトがいくつか登場しました。例えば、PhotoScan（Agisoft）やPix4Dmapper（Pix4D）などの有料ソフトの他に、無料のVisualSFMがあります。私は操作方法や価格などを検討した結果、PhotoScanを使用しています。
※PhotoScanを購入する際にはProfessional Edition を選択してください。Standard Edition ではオルソ画像・DSMを出力できませんので注意してください。
フローチャート（３Dモデル作成）
１） 撮影画像
撮影カメラにはRicho GRおよびCanon S110（近赤外改造カメラ）を使います（2015年以降）。30a程度の圃場であれば、上空50mを約６分の飛行時間で300枚程度撮影できます（Richo GRでインターバル１秒設定）。この撮影した画像のうち、ブレの小さい画像のみを使用します。PhotoScanでは、画像の品質を 「０~１」で 数値することができます。高品質の画像は１に近い数値を示します。反対に、ブレの大きい低品質の画像は０に近くなります。
左：高画質（0.92） 右：低画質（0.65）
（2016年７月21日撮影 Richo GR）
基準点（GCP：Ground Control Point）の位置座標設定
３Dモデルに位置情報を付与するために、撮影した画像の基準点に位置座標を設定します。下図は上空50mから撮影した基準点＋対空標識です。
PhotoScanでの基準点設定
2015年以降はTS測量の計測値を使用しているので、高精度な３Dモデルが作成できます（誤差は数cm）。
２）SfM-MVS 処理
撮影した画像をPhotoScanで処理していくのですが、作業工程のほとんどが自動化されているので、簡単に３Dモデルを作成することができます。数時間程度で処理が完了するので、観測した当日にはモニタリング結果を手にすることができます。
SfM-MVS 処理の結果
３）３Dモデル（オルソ画像・DSM）
位置座標を付与した３Dモデルからオルソ画像・DSMを出力することができます。モニタリングデータの解析では、生育状況の判断にオルソ画像、倒伏リスク診断にDSMを使用します。
可視光域、近赤外域で撮影後、作成したオルソ画像・DSMはGIS（Geographic Information System：地理情報システム）で解析し、管理していきます。GISは地図を表示するだけではなく、解析結果などを地図として可視化することができ、生育状況の判断に使用します。
フリーソフトの「QGIS」で水稲モニタリングの解析を十分に行うことができます。
QGISによるモニタリング結果の可視化
【手法】ドローン飛行設定
ドローンによる空撮手順の一例を紹介します。
モニタリングや地図作成など定期的かつ効率的に撮影するには、ドローンの自律飛行機能は重要になります。
私がドローンに触れたときは、上記の目的を満たす機体は僅かでした。
※2012年発売のPhantom1(DJI社)は電波法によって制限されていました。現在のPhantomシリーズはPCまたはタブレットを通して、自律飛行は可能となっています。
そこで、当時でも自律飛行が可能なオープンソース系のフライトコントローラを搭載したZion EX700を購入しました。
ここでは、飛行コースや機体のセッティングを行うフリーソフトの「Mission Planner」を紹介します。
撮影カメラ
【2014年】
オルソ画像・DSM
・可視光域：Nikon AW1
Nikon AW１（シャッター部分には小型サーボを設置）
NDVI
・近赤外域：GoPro3×2台
GoPro3を用いた簡易型近赤外カメラ
左側：近赤外域（光吸収・赤外線透過フィルターをレンズ前に設置）、右側：可視光域
【2015年以降】
2014年に判明した問題点を改善するために、撮影カメラを以下のものに変更しました。
オルソ画像・DSM
・可視光域：Richo GR
Richo GR
RICHO GRは、これまでに試したカメラの中で空撮に適したカメラです。重量が245gと軽量でありながら、撮像素子（23.7mm×15.7mm）が大きいので、画質の高い画像を撮影できます。また、レンズの歪みも小さいので、3Dモデル作成にも適しています。私がお勧めするカメラの一つです。
NDVI
・近赤外域：Canon S110（近赤外域を撮影できるように改造）
改造Canon S110（近赤外域撮影用）
１） 撮影計画
Mission Plannerでは、撮影カメラの仕様や飛行高度などを入力することで、最適な飛行経路を設定できます。 下図は週１間隔でモニタリングを行っている飛行コースになります。地面効果の影響によって機体が不安定になりやすい離着陸時は、マニュアルで操縦を行い、ある程度上空に到達したら、自律飛行に切替えます。
飛行コース（黄線：設定コース 緑点：ウェイポイント）
※対地高度：50m サイドラップ率：70%
２） 基準点設置
撮影画像から作成する3Dモデルに位置情報を付与するために、基準点(GCP：Ground Control Point)を設置します。高精度の3Dモデルを作成したい場合は，トータルステーション(TS)や人工衛星を用いた測量（RTK-GNSS測量）が望ましいです。多少精度が落ちますが、地理院地図の緯度経度座標及び標高値を使用することもできます。
2014年は地理院地図の座標を用いていましたが、高精度な3Dモデルが欲しくなったので、トータルステーションで圃場四隅を計測しました。2015年以降はTS測量で取得した値を使用しています。
トータルステーション測量（2015年）
基準点は対地高度50mからでもが判読できるように設置します。材料はホームセンターで揃えることができます（約1,200円）。
基準点用の杭：テント用のプラスチック製ペグを使用（ホームセンターで購入：１本約100円×４本）
対空標識：直径30cmのプラスチック製の漬物落し蓋を使用（ホームセンターで購入：１枚約200円×４枚） ※判読しやすいように、油性マジックで塗装。
基準点＋対空標識
３）飛行・撮影
ドローン撮影の基本は「下手な鉄砲も数撃てば当たる」です。無駄になっても構わないので、枚数を多く撮影していきます。機体の揺れなどによってピンボケが撮影されこともあるので、Richo GRでは最短インターバルの１秒で撮影します。Canon S110も同様に最短のインターバルで撮影します。ただし、Canon S110は標準機能にはインターバル撮影がないので、ロシアン・ファーム（ロシアで開発されたソフトを使った裏技）で機能を追加します。
3Dモデル作成には、ピンボケの撮影画像などは取り除きます。
上空から撮影中
次回、3Dモデル作成について説明します。
試験サイト周辺の3Dモデル
収量計算確定（2016年）
先日掲載した地上サンプリングからメッシュごとに単位面積あたりの玄米重量（g/㎡）を求めました。
単位面積当たりの玄米重量は、メッシュ内の株数・１株当たり平均茎数・１穂あたりの玄米重量から計算できます。
求めた玄米重量とNDVI（出穂期）の回帰分析から線形回帰式を求めます。
以下の式は、収量予測に用いた推定式になります。
【2014年】
Y = 968.42 × NDVI – 33.50
【2016年】
Y = 1822.2 × NDVI – 341.43
Y：単位面積あたりの玄米重量（g/㎡）
2016年推定式で計算した収量分布が下図になります。
収量マップ（2016年）
８月中旬に予測したマップと比較すると，分布傾向は似ていますが，多くのメッシュで数量が異なりました。
収穫１カ月前に予測した収量マップ（2016年）
※収穫１カ月前に予測した収量マップ（2016年）は、２０１５年の推定式を用いて作成しています。
収量検証（2016年）
計算で求めた収量：1461 kg
実際の収量：1437.5 kg
この結果から、2016年の推定式は1.6%の誤差で推定玄米収量を求めることができました。
2014年は5.3%の誤差がありましたが、年々精度は向上しています。
リモセン学会発表
11月１日～２日にかけて、新潟市の新潟テルサで日本リモートセンシング学会が開催されます。
今回は８月に実施した温度観測の結果を発表します。
UAV近接リモートセンシングによる水稲の群落表面温度の観測
〇田中 圭（日本地図センター）・濱 侃（千葉大）・近藤昭彦（千葉大）
要旨
本研究の目的は，稲の高温登熟障害に対応するために，水稲の群落内の温度環境をUAV近接リモートセンシングによって明らかにすることである。埼玉県坂戸市北部の水田を試験サイトとし、穂揃期にあたる2016年８月６日10時~７日12時にかけて水稲の群落表面温度の観測を行った。その結果、水稲の群落表面温度は一様ではなく、ばらつきをもって分布していることがわかった。また、このばらつきはNDVIと対応しており、相対的に群落表面温度の低温域でNDVIが高くなり、反対に高温域ではNDVIが低い値を示すことが明らかになった。
熱赤外解析の一例
学会では、農業リモセンやドローンに関連する発表が多くあります。いろんな情報を知ることができる機会なので、楽しみです。
修行：地上サンプル
ドローン水稲モニタリングは、上空からのモニタリングの精度を向上させるために、実際に地上でイネをサンプリングした資料が必要となります。
サンプリング資料とドローンモニタリングを紐付けることによって、収量やタンパク質含有率などを面的に推定することができます。
地上サンプリングは、ドローン導入１年目から実施していますが、この作業がかなり大変で苦労します。精度向上のための修行です。
サンプリングの手順
１） 刈り取り
５mメッシュで管理している圃場から、収穫直前に数箇所（毎年一緒）を対象にメッシュ内の中心から10株程度刈り取ります。
棒を頼りにサンプリングするメッシュの特定
メッシュの特定は杭近くに立てた棒を頼りに刈り取っていきます。
天日干し
刈り取ったイネは、天日干しで水分を落とします。
※コンバインによる刈り取り・脱穀は精確な量や該当メッシュ以外のイネも含まれる可能性があるので、全て手作業で行います。
１年目は手探りながらサンプリングを行ったので、全てのサンプリング地点の刈り取りを終えるまで半日かかってしまいました。
しかし、２年目以降は無駄な作業をしないように気を付けた結果、２～３時間程度で終えるようになりました。
２） 脱穀
脱穀するためにいろいろと試しましたが、私は透明の蓋付きプラスチック（Futabaの受信機のケース）を愛用しています。
プラスチックケースを利用した脱穀
脱穀作業現場
３） 籾摺り
サンプリングした籾は少量のため、出荷用に使う籾摺り機を使用することができません。以前、購入した水分測定器（高森コーキ）に付属していたローラーもみすり器を使用します。
本来なら手で回すのですが、写真のように回転軸にスクリューネジを取り付けて、電気ドリルを使って籾摺りをしています。手より確実に籾殻と玄米を分別できます。
電動籾摺り機
４） 玄米選別
実は、この工程が一番大変です。籾摺り後は、玄米と籾殻が混ざっている状態です。これを玄米と籾殻に選別しなければなりません。先人たちは風力を使った唐箕で選別を行っていましたが、我が家に唐箕がありせん（昔はありましたが．．．）。
低コストが基本コンセプトなので、家にある扇風機と段ボールの簡易的唐箕を作って、選別していきます。
※製作時間３０分、選別精度あまり良くない。
簡易型唐箕
一応、選別はできるのですが、完全ではありません。ここからが修行というか．．．苦行になります．．．。
簡易的に選別した玄米には籾殻も混ざっているので、ピンセットで取り除いていきます。１サンプルの作業時間は約２時間です。今年は18サンプルあります．．．。
玄米・籾殻選別
サンプル資料の準備がようやく終了
全サンプルを分析すると費用が高くなってしまうので、このうち数サンプル分を女子栄養大学にタンパク質分析を依頼します。
収量結果（2016年）
2016年の収量は10a当たり465 kgとなりました。圃場全体では、1440 kg（屑米を除く）です。
ドローン水稲モニタリングを始めて３年目になりますが、１年目と比べると収量は約20%の増加になりました。また、お米の美味しさの指標となる玄米タンパク質含有率も2015年では約6.1%と日本人が好むやわらかいご飯になっています。2016年はこれから分析です。
ちなみに、一般的な玄米のタンパク質含有率は6.8%とされており、タンパク質含有率が低いほどやわらかいご飯となり、数値が高いとしっかりとした硬いご飯となります。
ドローン水稲モニタリングの成果（2014－2016）
ドローン水稲モニタリングの導入１年目は、これまで行っていた「勘と経験」の水稲栽培の問題点を洗い出しました。２年目以降は浮かび上がった問題点を改善するような栽培を行うことによって、収量・食味の向上に結び付けることができました。収量・食味UPにつなげるためには、単年だけではなく、複数年のモニタリングが必要です。
収穫前に予測した収量(８月19日)は、地上観測による予測1520kg、ドローンによる予測1570kgでした。地上観測の予測値が実測と近い結果となりましたが、両者とも約10%の誤差の範囲内に収まっています。
ドローンによる予測は、2015年のパラメータをそのまま利用したのが誤差を大きくした要因ではないかと考えられます。
今年は株間（16cm→18cm）を変更した影響も考えられるので、様々な状況下のパラメータを取得することによって、今後の予測精度の向上を図りたいと思います。
農作業も一段落した農閑期は、2016年のモニタリングで得たデータを詳細に解析する期間です。
