CN111432628A - 施肥设计方法及施肥设计装置 - Google Patents
施肥设计方法及施肥设计装置 Download PDFInfo
- Publication number
- CN111432628A CN111432628A CN201880077989.2A CN201880077989A CN111432628A CN 111432628 A CN111432628 A CN 111432628A CN 201880077989 A CN201880077989 A CN 201880077989A CN 111432628 A CN111432628 A CN 111432628A
- Authority
- CN
- China
- Prior art keywords
- calibration curve
- crop
- cultivation
- fertilizing amount
- fertilization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000004720 fertilization Effects 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000013461 design Methods 0.000 title claims description 58
- 238000011088 calibration curve Methods 0.000 claims abstract description 293
- 238000005259 measurement Methods 0.000 claims abstract description 42
- 239000003337 fertilizer Substances 0.000 claims description 83
- 238000003306 harvesting Methods 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 238000001556 precipitation Methods 0.000 claims description 8
- 230000005855 radiation Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 23
- 238000003384 imaging method Methods 0.000 description 23
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 18
- 238000010586 diagram Methods 0.000 description 15
- 230000003247 decreasing effect Effects 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 229910052757 nitrogen Inorganic materials 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 241000209094 Oryza Species 0.000 description 7
- 235000007164 Oryza sativa Nutrition 0.000 description 7
- 230000001186 cumulative effect Effects 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 235000009566 rice Nutrition 0.000 description 7
- 235000019804 chlorophyll Nutrition 0.000 description 6
- 230000007123 defense Effects 0.000 description 6
- 241000196324 Embryophyta Species 0.000 description 5
- 229930002875 chlorophyll Natural products 0.000 description 5
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 5
- 238000002360 preparation method Methods 0.000 description 5
- 239000002689 soil Substances 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003333 near-infrared imaging Methods 0.000 description 2
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010413 gardening Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Mining & Mineral Resources (AREA)
- Biodiversity & Conservation Biology (AREA)
- Botany (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Marketing (AREA)
- Animal Husbandry (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Agronomy & Crop Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
施肥设计方法包含作物信息取得工序(S1)、测定值取得工序(S2)、指标计算工序(S3)、优化校准曲线估计工序(S5)和施肥量决定工序(S6)。在S1中，取得与作物的品种及栽培地域相关的作物信息。在S2中，关于栽培作物的栽培地中包含的多个区域，取得基于遥感的测定值。在S3中，基于上述测定值，按各区域计算表示作物的生长状态的指标。在S5中，根据基准校准曲线、或者作物信息及上述指标，估计关于作物的优化校准曲线。在S6中，基于上述指标和优化校准曲线，决定对栽培地施肥的施肥量。
Description
技术领域
本发明涉及决定对栽培作物的栽培地施予的肥料的量(施肥量)的施肥设计方法及施肥设计装置。
背景技术
以往，提出了各种决定向栽培地的施肥量的施肥设计方法。例如在专利文献1中，如下决定施肥量。首先，参照数据库，取得对象栽培地中的作为目标的氮量(目标氮量)。接下来，通过规定的实验估计对象栽培地中包含的氮的量，取得估计氮量。然后，计算目标氮量与估计氮量之差(缺氮量)。由于向对象栽培地施予的肥料中包含的每单位量的氮量是已知的，因此通过运算求出能够弥补上述缺氮量的肥料的总量(适当施肥量)。即，通过执行该运算，决定了向对象栽培地的适当施肥量。
另外，例如在专利文献2中，显示包含苗圃的地图，在显示的地图上受理了苗圃的指定及施肥设计条件(肥料的组合模式、基准量等)的输入之后，参照数据库，设计针对苗圃的多个施肥模式，将设计的多个施肥模式与苗圃显示在同一画面上。通过这样的显示，用户能够一边在同一画面上比较多个施肥模式，一边决定适当的肥料的种类及施肥量。此外，苗圃一般指的是周围由田埂包围的水田或者旱田。
在先技术文献
专利文献
专利文献1:日本特开2015－027296号公报(参照权利要求1、段落〔0043〕～〔0087〕、图1等)
专利文献2:日本特开2011－215697号公报(参照权利要求1、段落〔0007〕、〔0019〕～〔0030〕、图11～图15等)
发明内容
本发明所要解决的课题
可是，上述专利文献1及2的方法都是与实际的作物的生长状态无关地决定施肥量的方法，因此无法进行与实际的作物的生长状态相应的合适的施肥(可变施肥)。作物的生长状态例如根据气温、降水量、日照量等环境条件、土壤的状态而变动，因此为了培育品质好的作物并增加其收获量，需要进行可变施肥。
在此，关于可变施肥，以下的方法在以往是公知的。例如，图18是表示由日本的某县公布的关于稻的某个品种的培育指导方针的图表。图表的横轴表示每单位面积(在此设为1m2)的稻的茎数，纵轴表示SPAD值。在此，SPAD值是通过计测器(叶绿素计)对作物(植物)的叶子中包含的叶绿素(chlorophyll)量进行计测而得到的值。此外，SPAD的拼写是Soil&Plant Analyzer Development(农林水产省农蚕园艺局农产课的大规模经营体土壤/作物/产品分析***实用化事业)的简称。
如该图所示，在上述培育指导方针中，示出了与SPAD值相应地使施肥量增减。叶绿素量与作物的生长状态相应地变化，因此可以想到：通过对叶绿素量进行计测并求取SPAD值，与该SPAD值相应地使施肥量增减，能够进行与作物的生长状态相应的合适的施肥。但是，在这样的可变施肥的方法中产生以下的问题。
首先，在得到SPAD值时，需要通过计测器对每1个作物的叶子照射光来进行计测。针对整个栽培地(苗圃)的植物进行该作业，需要花费很多精力和劳力。因此，希望通过简易的方法取得表示作物的生长状态的指标，并进行使用该指标决定施肥量的施肥设计。
另外，上述的培育指导方针(与SPAD值相应地使施肥量增减的施肥设计)仅关于作物的一部分品种示出，并没有关于全部品种示出。因此，关于剩余的品种，无法进行与SPAD值相应的合适的可变施肥。
进而，上述的培育指导方针是在SPAD值从适当的范围偏离的情况下使施肥量增加或者减少的粗略指导方针。因此，即使高精度地检测了SPAD值，也无法高精度地求取与该SPAD值相应的合适的施肥量(增减的施肥量)。结果，无法进行高精度的可变施肥。
本发明为了解决上述的问题点而做出，其目的在于，提供能够以简易的方法取得表示作物的生长状态的指标，并使用该指标关于作物的全部品种高精度地进行与生长状态相应的可变施肥的施肥设计方法及施肥设计装置。
用于解决课题的手段
本发明的一个方面所涉及的施肥设计方法包含：作物信息取得工序，取得与作物的品种及栽培地域相关的作物信息；测定值取得工序，关于栽培所述作物的栽培地中包含的多个区域，取得基于遥感的测定值；指标计算工序，根据所述测定值，按各区域计算表示所述作物的生长状态的指标；优化校准曲线估计工序，根据作为关于所述作物的过去的校准曲线的基准校准曲线、或者所述作物信息及所述指标，估计优化地表示关于所述作物的所述指标与施肥量的关系的优化校准曲线；以及施肥量决定工序，基于所述指标和所述优化校准曲线，决定对所述栽培地施肥的所述施肥量。
本发明的其他方面所涉及的施肥设计装置具备：输入部，用于接受用户对信息的输入；指标计算部，在通过所述输入部输入了与作物的品种及栽培地域相关的作物信息时，根据关于栽培所述作物的栽培地中包含的多个区域的基于遥感的测定值，按各区域计算表示所述作物的生长状态的指标；优化校准曲线估计部，根据作为关于所述作物的过去的校准曲线的基准校准曲线、或者所述作物信息及所述指标，估计优化地表示关于所述作物的所述指标与施肥量的关系的优化校准曲线；以及施肥量决定部，基于所述指标和所述优化校准曲线，决定对所述栽培地施肥的所述施肥量。
发明效果
根据上述的施肥设计方法及施肥设计装置，能够以简易的方法取得表示作物的生长状态的指标，使用该指标关于作物的全部品种高精度地进行与生长状态相应的可变施肥。
附图说明
图1是示意性地表示本发明的一个实施方式所涉及的施肥设计***的整体构成的框图。
图2是示意性地表示上述施肥设计***中包含的服务器的构成的框图。
图3是示意性地表示关于作物的某个品种的校准曲线的说明图。
图4是示意性地表示上述施肥设计***中包含的施肥设计装置的构成的框图。
图5是表示上述施肥设计***中的处理流程的流程图。
图6是表示优化校准曲线估计工序的详细情况的流程图。
图7是表示基准校准曲线及优化校准曲线的一例的说明图。
图8是表示基准校准曲线及优化校准曲线的其他例的说明图。
图9是表示优化校准曲线的另外的其他例的说明图。
图10是表示优化校准曲线的另外的其他例的说明图。
图11是表示指标地图的一例的说明图。
图12是表示施肥量地图的一例的说明图。
图13是第1直方图的一例的说明图。
图14是第2直方图的一例的说明图。
图15是表示按各栽培地的施肥量的平均值的一例的说明图。
图16是表示显示部的显示画面的一例的说明图。
图17是表示上述显示部上显示的优化校准曲线的一例的说明图。
图18是表示关于稻的某个品种的培育指导方针的图表。
具体实施方式
关于本发明的实施方式，基于附图如下说明。
〔施肥设计***的构成〕
图1是示意性地表示本实施方式的施肥设计***1的整体构成的框图。施肥设计***1通过将摄像部10、服务器20和施肥设计装置30经由通信线路NW以能够通信的方式连接而被构成。通信线路NW例如由LAN(Local Area Network：局域网)或互联网线路等网络(有线、无线皆可)构成。
(摄像部)
摄像部10例如由多光谱相机构成，从上空对栽培作物PL的栽培地FD进行摄影并取得图像。像这样，将在远离作物PL(栽培地FD)的位置取得作物PL(栽培地FD)的信息(图像)称为遥感。为了实现这样的遥感，摄像部10被安装于飞行体11。飞行体11例如由能够自主飞行的无人飞行器(drone)构成。通过使飞行体11沿着栽培地FD飞行，能够由摄像部10从上空对构成栽培地FD的多个区域T(栽培区域)进行摄影，并取得各区域T以及栽培地FD整体的图像。此外，飞行体11除了无人飞行器以外，也可以由气球、飞船、飞机、直升飞机等构成。另外，摄像部10除了安装于飞行体11以外，也可以例如在完全固定或者以能够转动的方式固定于铁塔或起重机的状态下，对栽培地FD进行摄影并取得图像。
摄像部10具有：对被摄对象(在此为作物PL或栽培地FD)进行摄影并取得可视图像的可视摄像部、以及对被摄对象进行摄影并取得近红外图像的近红外摄像部。
可视摄像部具有第1带通滤波器、第1成像光学***、第1图像传感器(光学传感器)及第1数字信号处理器、第1通信部等。第1带通滤波器在例如以波长650nm作为中心波长的比较窄的频带使光透射。第1成像光学***使透射了第1带通滤波器后的测定对象(作物PL或者栽培地FD)的可见光的光学像成像于规定的第1成像面上。第1图像传感器使受光面与第1成像面一致地配置，对由测定对象反射的太阳光中包含的以波长650nm作为中心波长的比较窄的频带的光进行检测，将测定对象的可见光的光学像转换为电信号。第1数字信号处理器针对第1图像传感器的输出实施图像处理，形成可视图像。第1通信部是用于将可视图像的数据向外部(例如服务器20)发送的通信接口，包含发送电路、天线等而被构成，与通信线路NW以能够通信的方式连接。
近红外摄像部具有第2带通滤波器、第2成像光学***、第2图像传感器(光学传感器)及第2数字信号处理器、第2通信部等。第2带通滤波器在以750nm以上的规定波长(例如波长800nm)作为中心波长的比较窄的频带使光透射。第2成像光学***使透射了第2带通滤波器后的测定对象的近红外光的光学像成像于规定的第2成像面上。第2图像传感器使受光面与第2成像面一致地配置，对由测定对象反射的太阳光中包含的以波长800nm作为中心波长的比较窄的频带的光进行检测，将测定对象的近红外光的光学像转换为电信号。第2数字信号处理器针对第2图像传感器的输出实施图像处理，形成近红外图像。第2通信部是用于将近红外图像的数据向外部(例如服务器20)发送的接口，包含发送电路、天线等而被构成，与通信线路NW以能够通信的方式连接。
此外，作为摄像部10的第1图像传感器及第2图像传感器，例如能够使用VGA类型(640像素×480像素)的图像传感器。
(服务器)
服务器20是存储各种数据的终端装置。图2是示意性地表示服务器20的构成的框图。服务器20具有第1数据库21、第2数据库22、第3数据库23、通信部24和控制部25。
第1数据库21存储基于摄像部10的遥感的测定值。也就是说，第1数据库21将由摄像部10取得并向服务器20发送的栽培地FD中包含的多个区域T的摄像图像(可视图像、近红外图像)的数据作为上述测定值存储。此外，第1数据库21也可以存储由摄像部10以外取得的测定值作为基于遥感的测定值。例如，第1数据库21也可以存储通过人造卫星的摄影取得并向服务器20发送的图像(可视图像、近红外图像)的数据。在该情况下，能够不设置摄像部10地构成施肥设计***1。
第2数据库22按作物PL的每个品种及栽培地域，存储过去取得的校准曲线的数据。例如，如果作物PL是稻(米)，则第2数据库22按米的每个品种(例如品种A，B，……)及各品种的每个栽培地域(例如每个地区、每个县、每个市、每个城镇或者每个村庄)，存储过去(例如1年前、2年前、3年前……)取得的校准曲线的数据。在此，图3示意性地表示关于作物PL的某个品种A的校准曲线。校准曲线指的是：在考虑将表示作物PL的生长状态的指标取为横轴、且将向栽培作物PL的栽培地FD的施肥量取为纵轴的坐标平面时，表示指标与施肥量的关系的线。
另外，第2数据库22还存储上述栽培地D中的作物PL的过去的收获量的数据。上述收获量的数据例如通过在施肥设计装置30上输入并向服务器20发送，从而被存储于第2数据库22，但也可以从其他终端发送并被存储于第2数据库22。
第3数据库23存储与作物PL的栽培条件相关的栽培信息。作为上述的栽培条件，例如能够考虑作物PL的栽培地域中的栽培期间内的累计气温、平均降水量或者平均日照量。此外，上述的累计气温指的是：将任意的栽培期间内的小于对作物PL的生长有效的最低温度的温度作为无效而除去，仅将上述最低温度以上的温度提取出来并累计而得到的值。
上述第1数据库21、第2数据库22及第3数据库23例如由硬盘、非易失性存储器等存储介质构成。在本实施方式中，第1数据库21、第2数据库22及第3数据库23全部设于相同的服务器20，但也可以将其至少1个设于与服务器20不同的服务器。
通信部24是用于在与摄像部10及施肥设计装置30之间进行通信的接口。该通信部24通过包含发送电路、接收电路、调制电路、解调电路、天线等而被构成，与通信线路NW以能够通信的方式连接。控制部25由对服务器20的各部的动作进行控制的CPU(CentralProcessing Unit：中央运算处理装置)构成，依照未图示的存储器中存储的动作程序而动作。
(施肥设计装置)
图4是示意性地表示施肥设计装置30的构成的框图。施肥设计装置30是决定向栽培地FD的合适的施肥量并向用户提供的装置，例如由PC(个人计算机)构成。此外，施肥设计装置30也可以由多功能便携终端(例如智能电话、平板电脑终端)构成。
施肥设计装置30具有输入部31、显示部32、存储部33、通信部34和控制部35。
输入部31被设置以供用户操作，接受用户对信息的输入。这样的输入部31具体而言由键盘、鼠标、触摸板等操作部构成。显示部32是显示各种信息的显示器，例如由液晶显示装置构成。
存储部33是存储用于使控制部35动作的程序及各种信息(例如从服务器20取得的信息)的存储器，例如由硬盘构成。通信部34是用于与服务器20之间进行通信的接口，通过包含发送电路、接收电路、调制电路、解调电路、天线等而被构成，与通信线路NW以能够通信的方式连接。
控制部35由CPU构成，依照存储部33中存储的动作程序而动作。该控制部35包含整体控制部35a、指标计算部35b、优化校准曲线估计部35c、施肥量决定部35d、地图制作部35e、第1直方图制作部35f、第2直方图制作部35g及订购控制部35h，实现其各功能。此外，控制部35的上述各模块也可以由个别的CPU构成。整体控制部35a控制施肥设计装置30的各部的动作(包含显示部32中的显示控制、通信部34中的通信控制)。关于控制部35中的整体控制部35a以外的模块的功能，在以下示出的处理的说明之中一并说明。
〔关于施肥设计***中的处理〕
图5是表示本实施方式的施肥设计***1中的处理的流程的流程图。由施肥设计***1实现的施肥设计方法包含作物信息取得工序(S1)、测定值取得工序(S2)、指标计算工序(S3)、栽培信息取得工序(S4)、优化校准曲线估计工序(S5)、施肥量决定工序(S6)、施肥量地图制作工序(S7)、第1直方图制作工序(S8)、第2直方图制作工序(S9)、总施肥量计算工序(S10)、显示工序(S11)、优化校准曲线调整工序(S12)、调整判断工序(S13)及订购控制工序(S14～S16)。以下，说明各工序。
(S1；作物信息取得工序)
在S1中，在施肥设计装置30中，通过用户操作输入部31，输入与作物PL的品种(例如品种A)及栽培地域(例如AA县aa市)相关的作物信息。通过该输入，取得上述作物信息。取得的作物信息被存储于存储部33。
(S2；测定值取得工序)
在S2中，控制部35(例如整体控制部35a)基于S1中输入的作物信息(作物PL的品种、栽培地域)，请求服务器20的控制部25发送第1数据库21中存储的测定值。也就是说，向服务器20发送命令，以使其向施肥设计装置30发送第1数据库21中存储的、关于栽培上述作物PL的栽培地FD中包含的多个区域T的基于遥感的测定值。服务器20的控制部25接受该命令，将第1数据库21中存储的上述测定值的数据向施肥设计装置30发送。由此，在施肥设计装置30中，取得上述测定值。取得的上述测定值被存储于存储部33。在上述栽培地域中存在由相同的拥有者(农户)管理的多个栽培地FD的情况下，关于各个栽培地FD的上述测定值被发送至施肥设计装置30，并被存储于存储部33。
(S3；指标计算工序)
在S3中，指标计算部35b基于上述测定值，按栽培地FD的各区域T计算表示作物PL的生长状态的指标。在本实施方式中，指标计算部35b计算NDVI(Normalized DifferenceVegetation Index：归一化差值植被指数，归一化植被指数)作为上述的指标。NDVI是表示植被的分布状况、活性度的指标，使用通过基于摄像部10的遥感而取得的测定值(像素值)来计算。也就是说，如果将由摄像部10取得的可视图像的像素值作为R，将近红外图像的像素值作为IR，则NDVI＝[(IR－R)/(IR+R)]。NDVI表示被归一化为－1与1之间的数值，越为正且大的数字则表示植被越浓。此外，在S2中关于多个栽培地FD取得了测定值的情况下，关于各栽培地FD的各个，由指标计算部35b按各区域T计算上述的指标。
此外，指标计算部35b也可以替代NDVI而计算以下的值作为上述指标。作为NDVI以外的指标，例如可以举出RVI(Ratio Vegetation Index；比植被指数，RVI＝IR/R)、DVI(Difference Vegetation Index：差值植被指数，DVI＝IR－R)、TVI(TransformedVegetation Index：转换植被指数，TVI＝NDVI0.5+0.5)或者IPVI(Infrared PercentageVegetation Index：红外比率植被指数，IPVI＝IR/(IR+R)＝(NDVI+1)/2)等。
另外，指标计算部35b也可以替代NDVI而计算植被率作为上述指标。植被率表示作物PL覆盖栽培地FD的地表面的比例。例如，指标计算部35b对由摄像部10取得的近红外图像进行二值化处理，形成白色和黑色的二值化图像，计算在该二值化图像中白色部分所占的比例，从而能够计算植被率。此外，在二值化图像中，白色部分相当于作物PL，黑色部分相当于土壤。
(S4；栽培信息取得工序)
在S4中，控制部35(例如整体控制部35a)基于S1中输入的作物信息(作物PL的品种、栽培地域)，请求服务器20的控制部25发送第3数据库23中存储的栽培信息。也就是说，向服务器20发送命令，以使其向施肥设计装置30发送第3数据库23中存储的、与作物PL的栽培条件(例如作物PL的栽培地域中的今年及过去的累计气温)相关的栽培信息。服务器20的控制部25接受该命令，将第3数据库23中存储的上述栽培信息向施肥设计装置30发送。由此，在施肥设计装置30中，取得上述栽培信息。取得的上述栽培信息被存储于存储部33。此外，在S4中，也可以替代上述的累计气温，从第3数据库23取得平均降水量、平均日照量的信息作为栽培信息。
(S5；优化校准曲线估计工序)
在S5中，优化校准曲线估计部35c根据作为关于作物PL的过去的校准曲线的基准校准曲线、或者S1中取得的作物信息及S3中取得的指标，估计优化地表示关于作物PL的指标(例如NDVI)与施肥量的关系的优化校准曲线(最适于作物PL的栽培的校准曲线)。特别是，在S5中，优化校准曲线估计部35c在关于作物PL的过去的校准曲线的数据被存储于第2数据库22的情况下，从第2数据库22取得上述校准曲线的数据并估计优化校准曲线，另一方面，在上述校准曲线的数据未被存储于第2数据库22的情况下，根据S1中取得的作物信息及S3中计算的指标，估计优化校准曲线。以下，说明S5的工序的详细情况。
图6是表示S5的优化校准曲线估计工序的详细情况的流程图。首先，优化校准曲线估计部35c在经由通信部34确立了与服务器20的通信之后，参照第2数据库22，判断是否存储着与由输入部31输入的作物PL的品种相同的品种(例如品种A)而且相同的栽培地域(例如AA县aa市)的过去的(例如1年前的)校准曲线的数据(S21)。此外，关于要参照的校准曲线的数据的过去的年度(要参照过去多少年前的校准曲线的数据)，例如能够通过用户操作输入部31来指定。在S21中存储着上述过去的校准曲线的数据的情况下，从第2数据库22接收并取得该校准曲线(数据)，作为用作估计优化校准曲线的基准的基准校准曲线(S22)。
在S21中上述过去的校准曲线的数据未存储在第2数据库22中的情况下，接下来，判断是否存储着与由输入部31输入的作物PL的品种不同的品种(例如品种B)且相同的栽培地域(例如AA县aa市)的过去的校准曲线的数据(S23)。在S23中存储着上述过去的校准曲线的数据的情况下，从第2数据库22接收并取得该校准曲线(数据)作为基准校准曲线(S22)。
在S23中上述过去的校准曲线的数据未存储在第2数据库22中的情况下，接下来，判断关于由输入部31输入的作物PL的栽培地域的周边地域(例如AA县bb市)中栽培的品种(例如相同的品种A或者不同种的品种B)，是否存储着过去的校准曲线的数据(S24)。此外，上述的周边地域优选是与作物PL的栽培地域(AA县aa市)接近的地域，更优选是与上述栽培地域相邻的地域。另外，上述的周边地域也可以是栽培上述作物PL的农户的邻近农户的地域。在S24中存储着上述过去的校准曲线的数据的情况下，从第2数据库22接收并取得该校准曲线(数据)作为基准校准曲线(S22)。
在S24中未存储上述过去的校准曲线的数据的情况下，接下来，关于与由输入部31输入的作物PL的品种(例如品种A)为直系的品种，判断是否存储着过去的校准曲线的数据(S25)。此外，与品种A为直系的品种，指的是与品种A血统相同且品质相近的品种，例如能够想到在系谱图中品种A的前一代(父母代)的品种A1、后一代(子代)的品种A1’、前两代的品种A2、后两代的品种A2’等。另外，在S24中，在S25中存储着上述过去的校准曲线的数据的情况下，从第2数据库22接收并取得该校准曲线(数据)作为基准校准曲线(S22)。
如果在S22中取得了基准校准曲线，则接下来优化校准曲线估计部35c再次参照第2数据库22，判断关于与上述基准校准曲线对应的作物(相同品种、相同栽培地域的品种、周边栽培地域的品种或者直系的品种)，是否存储着过去的收获量的数据(S26)。
在S26中过去的收获量的数据被存储于第2数据库22的情况下，优化校准曲线估计部35c从第2数据库22接收并取得上述收获量的数据(S27)，基于S22中取得的基准校准曲线、以及S27中取得的收获量，估计今年的优化校准曲线(S28)。
图7及图8分别表示过去(例如1年前)的基准校准曲线、以及根据该基准校准曲线估计的今年的优化校准曲线的例子。例如，在1年前的收获量比其上一年的2年前更多的情况下，可以想到即使降低施肥量的上限也预计某种程度的收获量。反之，在1年前的收获量比2年前更少的情况下，可以想到如果不提高施肥量的下限，则无法获得某种程度的收获量。
于是，在1年前的收获量比其上一年更多的情况下，优化校准曲线估计部35c如图7所示，通过与收获量的相对于上一年之比相应地降低基准校准曲线(1年前的校准曲线)中的施肥量的上限，估计今年的优化校准曲线。具体而言，在1年前的收获量比2年前的收获量上升了a％的情况下，优化校准曲线估计部35c通过使基准校准曲线中的施肥量的上限下降a％，来估计优化校准曲线。反之，在1年前的收获量比其上一年更少的情况下，优化校准曲线估计部35c如图8所示，通过与收获量的相对于上一年之比相应地提高基准校准曲线中的施肥量的下限，估计今年的优化校准曲线。具体而言，在1年前的收获量比2年前的收获量下降了b％的情况下，优化校准曲线估计部35c通过使基准校准曲线中的施肥量的下限提高b％，来估计优化校准曲线。
另一方面，在图6的S26中上述过去的收获量的数据未存储于第2数据库22的情况下，优化校准曲线估计部35c通过与S4中取得的栽培条件相应地变更基准校准曲线，来估计今年的优化校准曲线(S29)。例如，在今年的累计气温与1年前相比更高的情况下，能够想到作物PL的生长与1年前的同时期相比更快，在该情况下，能够想到可以与1年前相比降低施肥量的上限。反之，在今年的累计气温与1年前相比更低的情况下，可以想到作物PL的生长与1年前的同时期相比更慢，与1年前相比需要提高施肥量的下限。
于是，优化校准曲线估计部35c通过与累计气温的变化的比例相应地降低基准校准曲线中的施肥量的上限或者下限，来估计今年的优化校准曲线。具体而言，在今年的累计气温与1年前相比提高了c％的情况下，优化校准曲线估计部35c与图7同样，通过使基准校准曲线中的施肥量的上限降低c％，来估计优化校准曲线。反之，在今年的累计气温与1年前相比降低了d％的情况下，优化校准曲线估计部35c通过使基准校准曲线中的施肥量的下限提高d％，来估计优化校准曲线。
另外，在S25中关于与作物PL的品种为直系的品种，过去的校准曲线的数据未存储于第2数据库22的情况下，优化校准曲线估计部35c基于S1中取得的作物信息及S3中计算的各区域T的指标在栽培地FL中的分布，估计优化校准曲线(S30)。
例如，在图9所示的坐标平面上，优化校准曲线估计部35c与作物PL相应地，决定表示施肥量的上限及下限的水平部H1及H2、以及与NDVI的值相应地使施肥量变化的倾斜部S(将水平部H1及H2的端部相连的部分)的斜度。此时，决定倾斜部S的水平方向的位置，以使NDVI的中央值成为标准施肥量(例如在作物PL为稻的情况下，每单位面积2kg)。然后，与栽培地FD内的NDVI的分布相应地，调整施肥量的上限(水平部H1)及下限(水平部H2)。例如，在NDVI的平均值是阈值以上的情况下，可以想到作物PL的生长比较好，能够降低施肥量的上限，因此使施肥量的上限降低与NDVI的平均值和阈值之差相应的量(使水平部H1向下方偏移)。反之，在NDVI的平均值小于阈值的情况下，可以想到作物PL的生长慢，需要增加施肥量的下限，因此如图10所示，使施肥量的下限提高与NDVI的平均值和阈值之差相应的量(使水平部H2向上方偏移)。像这样，优化校准曲线估计部35c估计今年的优化校准曲线。此外，优化校准曲线估计部35c也可以替代上述的NDVI的平均值，而与NDVI的偏差程度(标准偏差)相应地调整施肥量的上限或者下限，来估计优化校准曲线。
(S6；施肥量决定工序)
在S6中，施肥量决定部35d基于S3中计算的指标(NDVI)、以及S5中估计的优化校准曲线或者后述的S14中调整的优化校准曲线，决定对栽培地FD施肥的施肥量。在上述的S3中，按栽培地FD中包含的各个区域T得到了NDVI的值，因此按各区域T，根据上述优化校准曲线(参照图7～图10)可知与NDVI的值对应的施肥量。因此，施肥量决定部35d通过将与各区域T的NDVI的值对应的施肥量合并，能够决定关于1个栽培地FD的施肥量。此外，在S3中关于多个栽培地FD计算了指标的情况下，通过按各栽培地FD进行与上述同样的运算，能够决定关于各栽培地FD的施肥量。
(S7；施肥量地图制作工序)
在S7中，地图制作部35e制作表示S6中决定的施肥量在栽培地FD中的分布的施肥量地图。例如，图11表示：在栽培地FD中，将S3中计算的各区域T的指标(NDVI)的值简易地分为3阶段(小、中、大)时的作为NDVI的分布的指标地图。此外，在指标地图上，以FD’表示与栽培地FD对应的部分，以T’表示与栽培地FD的各区域T对应的部分(关于下一个施肥量地图也相同)。在栽培地FD中，在NDVI的值高的区域中，作物PL的生长好，因此需要的施肥量较少即可，反之，在NDVI的值低的区域中，需要的施肥量变多。因此，作为施肥量地图，如图12所示，得到与图11所示的指标地图对应的地图。即，能够得到施肥量的大小与NDVI的值的大小反转的施肥量地图。此外，在由多个栽培地FD的情况下，按各栽培地FD制作施肥量地图。
(S8；第1直方图制作工序)
在S8中，第1直方图制作部35g按每个栽培地FD计算栽培地FD内的指标的平均值，制作表示上述指标的平均值与栽培地FD的数量之间的关系的第1直方图。图13示意性地表示第1直方图的一例。参照第1直方图，NDVI的平均值比横轴的中央值更低的苗圃的数量相对较少，NDVI的平均值比横轴的中央值更高的苗圃的数量相对较多，因此可以说这些苗圃的生长环境(例如气候、土壤等)较好，这些苗圃中栽培的作物PL的收获量预计总计(合计全部苗圃)较多。
(S9；第2直方图制作工序)
在S9中，第2直方图制作部35h按每个栽培地FD计算在S6的施肥量决定工序中决定的各区域T的施肥量的平均值，制作表示施肥量的平均值与栽培地的数量之间的关系的第2直方图。图14示意性地表示第2直方图的一例。另外，图15表示各栽培地FD(为了方便，将这些栽培地FD用苗圃1，2，3，……区别)的施肥量的平均值的一例。参照第2直方图，施肥量的平均值比横轴的中央值更低的苗圃的数量相对较多，施肥量的平均值比横轴的中央值更高的苗圃的数量相对较少，因此在这些苗圃中，预计能够以总计(合计全部苗圃)较少的施肥量收获作物PL。
(S10；总施肥量计算工序)
在S10中，施肥量决定部35d基于S6的施肥量决定工序中决定的关于各栽培地FD的施肥量，计算关于全部栽培地FD的总施肥量、即关于各栽培地FD的施肥量的合并值(在栽培地FD是1个的情况下，S6中决定的施肥量成为总施肥量)。在图15中，表示关于全部栽培地FD的总施肥量是75kg的情况。
(S11；显示工序)
在S11中，基于整体控制部35a的控制，显示部32显示各种信息。图16示意性地表示显示部32的显示画面32a的一例。如该图所示，在显示部32上显示的信息中，例如除了包含S1中输入的作物信息(品种、栽培地域)、输入部31对校准曲线的指定信息(要参照过去多少年前的校准曲线)、S5中估计的优化校准曲线、S7中制作的施肥量地图、S8中制作的第1直方图、S9中制作的第2直方图及每个栽培地FD的施肥量的平均值、S10中计算的总施肥量之外，还包含供用户指定经营方针的框(指定进取/防御的框)、用于请求用户的批准的批准按钮、用于受理用户的订购的订购按钮。此外，还可以在显示画面32a上一并显示相当于总施肥量的肥料的价格(肥料的单价×总施肥量)。
此外，在图16中，在有多个栽培地FD的情况下，首先显示多个栽培地FD的整体的地图，之后，在通过输入部31指定了规定的栽培地FD时(例如由鼠标点击了规定的栽培地FD时)，扩大显示与该指定的栽培地FD的优化校准曲线对应的施肥量地图。此外，在进行了接下来说明的优化校准曲线调整工序的情况下，关于调整后的优化校准曲线，在S6～S10中得到的信息被显示在显示部32上。
(S12；优化校准曲线调整工序)
在S11中，通过将各种信息显示在显示部32的显示画面32a上，用户能够观察被显示的信息，并确认优化校准曲线及要订购的施肥量。另外，在希望修正优化校准曲线的情况下，用户通过操作输入部31，能够修正优化校准曲线。在S12中，优化校准曲线估计部35c按照需要，基于用户的指示输入对优化校准曲线进行调整。此外，在没有用户对优化校准曲线的指示输入的情况下，跳过S12的工序。
例如，图17表示显示部32的显示画面32a上显示的优化校准曲线。用户在显示画面32a上，使作为输入部31的鼠标的指针，位于作为优化校准曲线中的水平部H1与倾斜部S的连接点的控制点P、或者作为水平部H2与倾斜部S的连接点的控制点Q，在该位置点击鼠标并且使指针上下左右移动。优化校准曲线估计部35c与这样的鼠标(指针)的移动相应地，使控制点P或者控制点Q上下左右移动，从而能够将优化校准曲线调整为期望的形状。
另外，用户在图16所示的显示画面32a中，按照需要通过输入部31指定经营方针(进取/防御)，从而还能够实现与其经营方针相应的优化校准曲线。在此，上述的“进取”指的是，虽然能够期待较多的收获量但如果失败则风险(损失)也较大的方针，例如，使施肥量的上限与下限之间的宽度变宽的优化校准曲线的调整相当于该“进取”的方针。反之，“防御”指的是，收获量稳定且风险也较少的方针，例如，使施肥量的上限与下限之间的宽度变窄的优化校准曲线的调整相当于该“防御”的方针。也就是说，优化校准曲线估计部35c如果通过输入部31指定了经营方针(进取/防御)，则使估计的优化校准曲线中的施肥量的上限与下限的宽度(在进取的情况下)增大或者(在防御的情况下)减少规定量，从而对优化校准曲线进行调整。
像这样，在本实施方式中，能够针对显示画面32a上显示的信息通过输入部31的操作进行各种指示及输入，因此可以说显示画面32a的显示信息及输入部31构成了GUI(图形用户界面)。
(S13；调整判断工序)
在S13中，整体控制部35a判断S12中有无优化校准曲线的调整，基于其判断结果，控制施肥设计装置10的各部。更详细而言，整体控制部35a在判断为S12中进行了优化校准曲线的调整的情况下(S13为是的情况下)，对控制部35的各部及显示部32进行控制，以基于调整后的优化校准曲线再次执行S6以后的处理。因此，在该情况下，基于调整后的优化校准曲线，再次进行栽培地FD的施肥量的决定(S6)、施肥量地图的制作(S7)、第1直方图的制作(S8)、第2直方图的制作(S9)、总施肥量的计算(S10)、各种信息的显示(S11)。另一方面，整体控制部35a在判断为S12中没有进行优化校准曲线的调整的情况下(S13为否的情况下)，过渡到以下所示的订购控制工序。
(S14～S16；订购控制工序)
订购控制部35h基于输入部31的指示输入，对肥料的订购进行控制。更具体而言，订购控制部35h首先判断是否通过用户对显示部32上显示的批准按钮进行指示输入(例如鼠标的点击)从而受理了用户的批准(S14)。在受理了用户的批准的情况下，接下来，订购控制部35h判断是否通过用户对订购按钮的指示输入(例如鼠标的点击)从而受理了用户的订购(S15)。在受理了用户的订购的情况下，订购控制部35h针对订购目的地的公司(肥料厂商、代理店或者销售店等)，订购对应于S12中显示的总施肥量的肥料(S16；订购工序)。然后，结束一系列的处理。
此外，也可以在用户对批准按钮或者订购按钮进行了指示输入之后，进行用于再次确认批准或者订购的确认显示。例如，也可以在用户对批准按钮进行了指示输入之后，显示“真的批准？”的确认语句，并且显示“是”及“否”的选择框，供用户选择性地输入这些中的某一个，再度促使用户确认。
另一方面，在S14中未受理到用户的批准的情况下(例如未受理到批准而显示画面32a被关闭的情况下)、以及在S15中未受理到用户的订购的情况下(例如未受理到订购而显示画面32a被关闭的情况下)，不进行肥料的订购而结束一系列的处理。此外，在用户未对批准按钮进行指示输入的状态下，如果用户对订购按钮进行了指示输入，则由于未受理到用户的批准，因此不进行肥料的订购。因此，S16的订购工序仅在通过用户对批准按钮的指示输入而受理了用户的批准之后，且通过用户对订购按钮的指示输入而受理了用户的订购时执行。
〔效果〕
如上，在本实施方式中，指标计算部35b根据S2中取得的基于遥感的测定值，按栽培地FD的各区域T计算表示作物PL的生长状态的指标(S3)。例如在指标是NDVI的情况下，如上所述，能够通过使用上述测定值(像素值IR及R)的简单运算来取得NDVI。因此，不像以往那样关于作物PL的每1个进行用于调查其生长状态的基于计测器的测定(例如基于叶绿素计的测定)，就能够通过简单的方法取得指标。
另外，优化校准曲线估计部35c根据过去的校准曲线(基准校准曲线)、或者S1中取得的作物信息及S3中取得的指标，估计使关于作物PL的指标与施肥量的关系优化而得到的优化校准曲线(S5)。然后，施肥量决定部35d基于上述指标和上述优化校准曲线，决定对栽培地FD施肥的施肥量(S6)。由此，不仅在存在关于作物PL的基准校准曲线的情况下显然能够求出作物PL的生长所需的(优化的)施肥量，在不存在基准校准曲线的情况下也能够求出作物PL的生长所需的(优化的)施肥量。也就是说，根据作物PL不同，即使有不存在基准校准曲线的品种，关于这样的品种，也根据作物信息及指标估计优化校准曲线并决定施肥量。另外，由于基于指标及优化校准曲线决定施肥量，因此该决定的施肥量也充分反映了指标所表示的当前的作物PL的生长状态。因此，关于作物PL的全部品种，能够使用决定的施肥量的肥料进行与作物PL的生长状态相应的施肥(可变施肥)。
另外，优化校准曲线是使指标与施肥量的关系优化而得到的校准曲线，因此通过使用上述优化校准曲线来决定施肥量，能够实现高精度的(充分减少肥料的过多过少的)可变施肥。
另外，在S5中，优化校准曲线估计部35c在关于作物PL的基准校准曲线的数据被存储于服务器20的第2数据库22的情况中，从第2数据库22取得上述数据，并估计优化校准曲线。由此，施肥设计装置30不具备用于存储上述基准校准曲线的数据的大容量的存储器即可，能够简化装置的构成。另一方面，在上述数据未存储于第2数据库22的情况下，优化校准曲线估计部35c根据S1中取得的作物信息及S3中计算的指标估计优化校准曲线，因此如上所述即使关于过去不存在基准校准曲线的品种，也能够估计优化校准曲线。
另外，在S4中，从服务器20的第3数据库23取得与作物PL的栽培条件相关的栽培信息。然后，优化校准曲线估计部35c通过基于上述栽培条件对基准校准曲线进行变更，来估计优化校准曲线(S29)。在该情况下，能够使用上述优化校准曲线，决定考虑了实际的作物PL的栽培条件后的施肥量(施肥设计)，能够基于这样的施肥设计，高精度地进行可变施肥。
此时，上述的栽培条件包含作物PL的栽培地域中的栽培期间内的累计气温、平均降水量、平均日照量中的任一个。累计气温、平均降水量、平均日照量都是对作物PL的栽培而言不可欠缺的必要条件，因此能够切实地进行考虑了作物PL的栽培条件的施肥设计。
另外，优化校准曲线估计部35c从第2数据库22取得关于作物PL的基准校准曲线的数据及关于作物PL的过去的收获量的数据，基于上述基准校准曲线及上述收获量，估计优化校准曲线(S22，S26～S28)。不仅考虑关于作物PL的基准校准曲线，还考虑过去的收获量来估计优化校准曲线，因此能够进行考虑了过去的实际成果的施肥设计，提高这样的施肥设计的可靠性。
在此，基准校准曲线也可以是关于与作物PL相同的品种在过去取得的校准曲线(S21、S22)。另外，基准校准曲线也可以是关于与作物PL相同的栽培地域在过去取得的校准曲线(S21、S23、S22)。进而，基准校准曲线也可以是关于作物PL的栽培地域的周边地域中栽培的品种在过去取得的校准曲线(S24、S22)。再另外，基准校准曲线也可以是关于与作物PL为直系的品种在过去取得的校准曲线(S25、S22)。这些校准曲线由于与被输入的作物信息中包含的作物PL的品种或者栽培地域之间关联性高(品种或者栽培地域相同或相近)，因此无论在将哪个校准曲线用作基准校准曲线的情况下，都能够根据该基准校准曲线，合适地估计关于作物PL的优化校准曲线，决定施肥量。
另外，优化校准曲线估计部35c基于作物信息及栽培地FD中的指标的分布，估计优化校准曲线(S30)。由此，即使在基准校准曲线未存储于第2数据库22的情况下，也能够基于估计的上述优化校准曲线决定施肥量并进行可变施肥。
另外，基于整体控制部35a的控制，显示部32显示被估计的优化校准曲线(S11)。由此，能够将估计的优化校准曲线推荐给用户。另外，用户也能够观察被显示的优化校准曲线，如S12那样，按照需要操作输入部31并对优化校准曲线进行自定义(微调)(参照图17)。
另外，优化校准曲线估计部35c基于用户的指示输入对优化校准曲线进行调整(S12、S13)，施肥量决定部35d基于指标、以及调整后的优化校准曲线，决定施肥量(S6)。由此，即使根据用户的意图调整了优化校准曲线，也能够基于调整后的优化校准曲线决定施肥量，并进行可变施肥。
另外，地图制作部35e制作表示由施肥量决定部35d决定的施肥量在栽培地FD中的分布的施肥量地图(S7)，显示部32还显示上述施肥量地图(S11)。在该情况下，用户能够确认被显示的施肥量地图，基于该施肥量地图，操作输入部31并按照需要对优化校准曲线进行微调。例如，在用户观察被显示的施肥量地图，判断为也可以使施肥量少的区域T的上述施肥量增加的情况下，能够操作输入部31，进行提高优化校准曲线的下限等微调。
另外，第1直方图制作部35f按每个栽培地FD计算指标在栽培地FD内的平均值，制作表示指标的平均值与栽培地的数量之间的关系的第1直方图(S8)。然后，显示部32还显示上述第1直方图(S11)。在该情况下，用户能够基于显示的第1直方图，操作输入部31并按照需要对优化校准曲线进行微调。
例如，在显示的第1直方图中，作为指标的NDVI的平均值高的栽培地FD(苗圃)的数量多，考虑作物PL的生长环境好的栽培地FD多的情况下，即使降低全部栽培地FD的总计的施肥量也能预计某种程度的收获量。在该情况下，用户能够对输入部31进行操作，按施肥量地图(整体)中指定的每个栽培地FD，进行使优化校准曲线的施肥量的上限降低等微调。由此，能够抑制关于全部栽培地FD的总计的施肥量，削减肥料的成本。
另外，第2直方图制作部35g按每个栽培地FD计算由施肥量决定部35d决定的施肥量在栽培地FD内的平均值，制作表示施肥量的平均值与栽培地FD的数量之间的关系的第2直方图(S9)。然后，显示部32还显示上述第2直方图(S11)。在该情况下，用户能够基于显示的第2直方图，操作输入部31并按照需要对优化校准曲线进行微调。
例如，在显示的第2直方图中，施肥量的平均值高的栽培地FD(苗圃)的数量少，考虑作物PL的生长环境好的栽培地FD多的情况下，即使降低全部栽培地FD的总计的施肥量也预计某种程度的收获量。因此，在该情况下与上述同样，用户通过对输入部31进行操作，按施肥量地图(整体)中指定的每个栽培地FD，进行使优化校准曲线的施肥量的上限降低等微调，能够抑制关于全部栽培地FD的总计的施肥量，削减肥料的成本。
另外，施肥量决定部35d基于S6中决定的关于各栽培地FD的施肥量，计算关于全部栽培地FD的总施肥量、即关于各栽培地FD的施肥量的合并值(S10)。然后，显示部32显示上述的总施肥量、用于请求用户的批准的批准按钮、以及用于受理用户的订购的订购按钮。由此，用户能够在显示部32的显示画面32a上确认总施肥量，按照需要针对批准按钮及订购按钮通过输入部31进行输入指示(点击)，来指示肥料的订购。
另外，订购控制部35h仅在显示部32的显示画面32a上通过用户对批准按钮的指示输入而受理了用户的批准之后，且通过用户对订购按钮的指示输入而受理了用户的订购时，订购对应于总施肥量的肥料(S14～S16)。如果没有得到用户的批准则不订购肥料，因此能够防止与肥料的订购相关的纠纷发生。
以上，本实施方式中说明的施肥设计方法、施肥设计装置及施肥设计***也能够如下表现。
A1.一种施肥设计方法，包含：作物信息取得工序，取得与作物的品种及栽培地域相关的作物信息；测定值取得工序，关于栽培所述作物的栽培地中包含的多个区域，取得基于遥感的测定值；指标计算工序，基于所述测定值，按各区域计算表示所述作物的生长状态的指标；优化校准曲线估计工序，根据作为关于所述作物的过去的校准曲线的基准校准曲线、或者所述作物信息及所述指标，估计优化地表示关于所述作物的所述指标与施肥量的关系的优化校准曲线；以及施肥量决定工序，基于所述指标和所述优化校准曲线，决定对所述栽培地施肥的所述施肥量。
A2.如A1所述的施肥设计方法，在所述优化校准曲线估计工序中，在关于所述作物的所述基准校准曲线的数据被存储于数据库的情况下，从所述数据库取得所述数据，估计所述优化校准曲线，另一方面，在所述数据未存储于所述数据库的情况下，根据所述作物信息及所述指标估计所述优化校准曲线。
A3.如A1或者A2所述的施肥设计方法，还包含取得与所述作物的栽培条件相关的栽培信息的栽培信息取得工序，在所述优化校准曲线估计工序中，通过基于所述栽培条件对所述基准校准曲线进行变更，来估计所述优化校准曲线。
A4.如A3所述的施肥设计方法，所述栽培条件包含所述作物的所述栽培地域中的栽培期间内的累计气温、平均降水量、平均日照量中的任一个。
A5.如A1或者A2所述的施肥设计方法，在所述优化校准曲线估计工序中，从数据库取得关于所述作物的所述基准校准曲线的数据及关于所述作物的过去的收获量的数据，基于所述基准校准曲线及所述收获量，估计所述优化校准曲线。
A6.如A1至A5中任一项所述的施肥设计方法，所述基准校准曲线是关于与所述作物相同的品种在过去取得的校准曲线。
A7.如A6所述的施肥设计方法，所述基准校准曲线是关于与所述作物相同的栽培地域在过去取得的校准曲线。
A8.如A6所述的施肥设计方法，所述基准校准曲线是关于所述作物的栽培地域的周边地域中栽培的品种在过去取得的校准曲线。
A9.如A1至A5中任一项所述的施肥设计方法，所述基准校准曲线是关于与所述作物为直系的品种在过去取得的校准曲线。
A10.如A1或者A2所述的施肥设计方法，在所述优化校准曲线估计工序中，基于所述作物信息及所述栽培地中的所述指标的分布，估计优化校准曲线。
A11.如A1至A10中任一项所述的施肥设计方法，还包含对所述优化校准曲线估计工序中估计的所述优化校准曲线进行显示的显示工序。
A12.如A11所述的施肥设计方法，还包含基于用户的指示输入对所述优化校准曲线进行调整的优化校准曲线调整工序，在所述施肥量决定工序中，基于所述指标以及调整后的所述优化校准曲线，决定所述施肥量。
A13.如A11或者A12所述的施肥设计方法，还包含制作表示所述施肥量决定工序中决定的所述施肥量在所述栽培地中的分布的施肥量地图的施肥量地图制作工序，在所述显示工序中，还显示所述施肥量地图。
A14.如A11至A13中的任一项所述的施肥设计方法，还包含第1直方图制作工序，在第1直方图制作工序中，按每个所述栽培地计算所述指标在所述栽培地内的平均值，制作表示所述指标的平均值与所述栽培地的数量之间的关系的第1直方图，在所述显示工序中，还显示所述第1直方图。
A15.如A14所述的施肥设计方法，还包含第2直方图制作工序，在第2直方图制作工序中，按每个所述栽培地计算所述施肥量决定工序中决定的所述施肥量在所述栽培地内的平均值，制作表示所述施肥量的平均值与所述栽培地的数量之间的关系的第2直方图，在所述显示工序中，还显示所述第2直方图。
A16.如A11至A15中任一项所述的施肥设计方法，还包含总施肥量计算工序，在总施肥量计算工序中，基于所述施肥量决定工序中决定的关于各栽培地的所述施肥量，计算关于全部栽培地的总施肥量，在所述显示工序中，还显示所述总施肥量、用于请求用户的批准的批准按钮、以及用于受理用户的订购的订购按钮。
A17.如A16所述的施肥设计方法，还包含订购工序，在订购工序中，仅在通过用户对所述批准按钮的指示输入而受理了用户的批准之后，且通过用户对所述订购按钮的指示输入而受理了用户的订购时，订购对应于所述总施肥量的肥料。
B1.一种施肥设计装置，具备：输入部，用于接受用户对信息的输入；指标计算部，在通过所述输入部输入了与作物的品种及栽培地域相关的作物信息时，根据关于栽培所述作物的栽培地中包含的多个区域的基于遥感的测定值，按各区域计算表示所述作物的生长状态的指标；优化校准曲线估计部，根据作为关于所述作物的过去的校准曲线的基准校准曲线、或者所述作物信息及所述指标，估计优化地表示关于所述作物的所述指标与施肥量的关系的优化校准曲线；以及施肥量决定部，基于所述指标和所述优化校准曲线，决定对所述栽培地施肥的所述施肥量。
B2.如B1所述的施肥设计装置，所述优化校准曲线估计部在关于所述作物的所述基准校准曲线的数据被存储于数据库的情况下，基于所述基准校准曲线估计所述优化校准曲线，另一方面，在所述数据未存储于所述数据库的情况下，根据所述作物信息及所述指标估计所述优化校准曲线。
B3.如B1或者B2所述的施肥设计装置，所述优化校准曲线估计部在通过所述输入部输入了与所述作物的栽培条件相关的栽培信息时，通过基于所述栽培条件对所述基准校准曲线进行变更，来估计所述优化校准曲线。
B4.如B3所述的施肥设计装置，所述栽培条件包含所述作物的所述栽培地域中的栽培期间内的累计气温、平均降水量、平均日照量中的任一个。
B5.如B1或者B2所述的施肥设计装置，所述优化校准曲线估计部基于所述数据库中存储的关于所述作物的所述基准校准曲线的数据及关于所述作物的过去的收获量的数据，估计所述优化校准曲线。
B6.如B1至B5中任一项所述的施肥设计装置，所述基准校准曲线是关于与所述作物相同的品种在过去取得的校准曲线。
B7.如B6所述的施肥设计装置，所述基准校准曲线是关于与所述作物相同的栽培地域在过去取得的校准曲线。
B8.如B6所述的施肥设计装置，所述基准校准曲线是关于所述作物的栽培地域的周边地域中栽培的品种在过去取得的校准曲线。
B9.如B1至B5中任一项所述的施肥设计装置，所述基准校准曲线是关于与所述作物为直系的品种在过去取得的校准曲线。
B10.如B1或者B2所述的施肥设计装置，所述优化校准曲线估计部基于所述作物信息、以及所述栽培地中的所述指标的分布，估计优化校准曲线。
B11.如B1至B10中任一项所述的施肥设计装置，还包含对由所述优化校准曲线估计部估计的所述优化校准曲线进行显示的显示部。
B12.如B11所述的施肥设计装置，所述优化校准曲线估计部基于用户的指示输入对所述优化校准曲线进行调整，所述施肥量决定部基于所述指标、以及调整后的所述优化校准曲线，决定所述施肥量。
B13.如B11或者B12所述的施肥设计装置，还包含制作表示由所述施肥量决定部决定的所述施肥量在所述栽培地中的分布的施肥量地图的施肥量地图制作部，所述显示部还显示所述施肥量地图。
B14.如B11至B13中任一项所述的施肥设计装置，还包含第1直方图制作部，第1直方图制作部按每个所述栽培地计算所述指标在所述栽培地内的平均值，制作表示所述指标的平均值与所述栽培地的数量之间的关系的第1直方图，所述显示部还显示所述第1直方图。
B15.如B14所述的施肥设计装置，还包含第2直方图制作部，第2直方图制作部按每个所述栽培地计算由所述施肥量决定部决定的所述施肥量在所述栽培地内的平均值，制作表示所述施肥量的平均值与所述栽培地的数量之间的关系的第2直方图，所述显示部还显示所述第2直方图。
B16.如B11至B15中任一项所述的施肥设计装置，所述施肥量决定部基于每个所述栽培地的所述施肥量，计算关于全部栽培地的总施肥量，所述显示部还显示所述总施肥量、用于请求用户的批准的批准按钮、以及用于受理用户的订购的订购按钮。
B17.如B16所述的施肥设计装置，还包含订购控制部，订购控制部仅在通过用户对所述批准按钮的指示输入而受理了用户的批准之后，且通过用户对所述订购按钮的指示输入而受理了用户的订购时，订购对应于所述总施肥量的肥料。
B18.如B1所述的施肥设计装置，还具备：基于由所述施肥量决定部决定的关于各栽培地的所述施肥量，计算关于全部栽培地的总施肥量的总施肥量计算部；以及显示所述总施肥量、用于请求用户的批准的批准按钮、以及用于受理用户的订购的订购按钮的显示部。
B19.如B18所述的施肥设计装置，还具备基于经由所述输入部的指示输入来控制肥料的订购的订购控制部，所述订购控制部仅在通过用户对所述批准按钮的指示输入而受理了用户的批准之后，且通过用户对所述订购按钮的指示输入而受理了用户的订购时，订购对应于所述总施肥量的肥料。
C1.一种施肥设计***，包含：B1至B19中任一项所述的施肥设计装置、存储所述测定值的第1数据库、以及至少存储所述基准校准曲线的数据的第2数据库，所述施肥设计装置的所述指标计算部基于所述第1数据库中存储的所述测定值计算所述指标，所述优化校准曲线估计部根据所述第2数据库中存储的所述基准校准曲线的数据、或者所述作物信息及所述指标，估计所述优化校准曲线。
C2.如C1所述的施肥设计***，还包含存储与所述作物的栽培条件相关的栽培信息的第3数据库，所述优化校准曲线估计部基于所述第3数据库中存储的所述栽培条件的数据，对所述基准校准曲线进行变更，从而估计所述优化校准曲线。
C3.如C1或者C2所述的施肥设计***，还包含对栽培所述作物的所述栽培地进行摄影并取得图像的摄像部，所述第1数据库将由所述摄像部取得的图像的数据作为所述测定值存储。
以上，说明了本发明的实施方式，但本发明的范围不限定于此，在不脱离发明的主旨的范围内能够进行扩展或者变更来实施。
工业实用性
本发明能够用于决定向栽培地的施肥量的装置及***。
附图标记说明：
30 施肥设计装置
31 输入部
32 显示部
35b 指标计算部
35c 优化校准曲线估计部
35d 施肥量决定部
35h 订购控制部
Claims (20)
1.一种施肥设计方法，包含：
作物信息取得工序，取得与作物的品种及栽培地域相关的作物信息；
测定值取得工序，关于栽培所述作物的栽培地中包含的多个区域，取得基于遥感的测定值；
指标计算工序，基于所述测定值，按各区域计算表示所述作物的生长状态的指标；
优化校准曲线估计工序，根据作为关于所述作物的过去的校准曲线的基准校准曲线、或者所述作物信息及所述指标，估计优化地表示关于所述作物的所述指标与施肥量的关系的优化校准曲线；以及
施肥量决定工序，基于所述指标和所述优化校准曲线，决定对所述栽培地施肥的所述施肥量。
2.如权利要求1所述的施肥设计方法，
在所述优化校准曲线估计工序中，在关于所述作物的所述基准校准曲线的数据被存储于数据库的情况下，从所述数据库取得所述数据，估计所述优化校准曲线，另一方面，在所述数据未被存储于所述数据库的情况下，根据所述作物信息及所述指标估计所述优化校准曲线。
3.如权利要求1或者2所述的施肥设计方法，还包含：
栽培信息取得工序，取得与所述作物的栽培条件相关的栽培信息，
在所述优化校准曲线估计工序中，通过基于所述栽培条件对所述基准校准曲线进行变更，来估计所述优化校准曲线。
4.如权利要求3所述的施肥设计方法，
所述栽培条件包含所述作物的所述栽培地域中的栽培期间内的累计气温、平均降水量、平均日照量中的任一个。
5.如权利要求1或者2所述的施肥设计方法，
在所述优化校准曲线估计工序中，从数据库取得关于所述作物的所述基准校准曲线的数据及关于所述作物的过去的收获量的数据，基于所述基准校准曲线及所述收获量，估计所述优化校准曲线。
6.如权利要求1至5中任一项所述的施肥设计方法，
所述基准校准曲线是关于与所述作物相同的品种在过去取得的校准曲线。
7.如权利要求6所述的施肥设计方法，
所述基准校准曲线是关于与所述作物相同的栽培地域在过去取得的校准曲线。
8.如权利要求6所述的施肥设计方法，
所述基准校准曲线是关于所述作物的栽培地域的周边地域中栽培的品种在过去取得的校准曲线。
9.如权利要求1至5中任一项所述的施肥设计方法，
所述基准校准曲线是关于与所述作物为直系的品种在过去取得的校准曲线。
10.如权利要求1或者2所述的施肥设计方法，
在所述优化校准曲线估计工序中，基于所述作物信息及所述栽培地中的所述指标的分布，估计优化校准曲线。
11.如权利要求1至10中任一项所述的施肥设计方法，还包含：
显示工序，对所述优化校准曲线估计工序中估计的所述优化校准曲线进行显示。
12.如权利要求11所述的施肥设计方法，还包含：
优化校准曲线调整工序，基于用户的指示输入，对所述优化校准曲线进行调整，
在所述施肥量决定工序中，基于所述指标和调整后的所述优化校准曲线，决定所述施肥量。
13.如权利要求11或者12所述的施肥设计方法，还包含：
施肥量地图制作工序，制作表示所述施肥量决定工序中决定的所述施肥量在所述栽培地中的分布的施肥量地图，
在所述显示工序中，还显示所述施肥量地图。
14.如权利要求11至13中任一项所述的施肥设计方法，还包含：
第1直方图制作工序，按每个所述栽培地计算所述指标在所述栽培地内的平均值，制作表示所述指标的平均值与所述栽培地的数量之间的关系的第1直方图，
在所述显示工序中，还显示所述第1直方图。
15.如权利要求14所述的施肥设计方法，还包含：
第2直方图制作工序，按每个所述栽培地计算所述施肥量决定工序中决定的所述施肥量在所述栽培地内的平均值，制作表示所述施肥量的平均值与所述栽培地的数量之间的关系的第2直方图，
在所述显示工序中，还显示所述第2直方图。
16.如权利要求11至15中任一项所述的施肥设计方法，还包含：
总施肥量计算工序，基于所述施肥量决定工序中决定的关于各栽培地的所述施肥量，计算关于全部栽培地的总施肥量，
在所述显示工序中，还显示所述总施肥量、用于请求用户的批准的批准按钮、以及用于受理用户的订购的订购按钮。
17.如权利要求16所述的施肥设计方法，还包含：
订购工序，仅在通过用户对所述批准按钮的指示输入而受理了用户的批准之后，且通过用户对所述订购按钮的指示输入而受理了用户的订购时，订购对应于所述总施肥量的肥料。
18.一种施肥设计装置，具备：
输入部，用于接受用户对信息的输入；
指标计算部，在通过所述输入部输入了与作物的品种及栽培地域相关的作物信息时，根据关于栽培所述作物的栽培地中包含的多个区域的基于遥感的测定值，按各区域计算表示所述作物的生长状态的指标；
优化校准曲线估计部，根据作为关于所述作物的过去的校准曲线的基准校准曲线、或者所述作物信息及所述指标，估计优化地表示关于所述作物的所述指标与施肥量的关系的优化校准曲线；以及
施肥量决定部，基于所述指标和所述优化校准曲线，决定对所述栽培地施肥的所述施肥量。
19.如权利要求18所述的施肥设计装置，还具备：
总施肥量计算部，基于由所述施肥量决定部决定的关于各栽培地的所述施肥量，计算关于全部栽培地的总施肥量；以及
显示部，显示所述总施肥量、用于请求用户的批准的批准按钮、以及用于受理用户的订购的订购按钮。
20.如权利要求19所述的施肥设计装置，还具备：
订购控制部，基于经由所述输入部的指示输入，对肥料的订购进行控制，
所述订购控制部仅在通过用户对所述批准按钮的指示输入而受理了用户的批准之后，且通过用户对所述订购按钮的指示输入而受理了用户的订购时，订购对应于所述总施肥量的肥料。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017-235942 | 2017-12-08 | ||
| JP2017235942 | 2017-12-08 | ||
| PCT/JP2018/037796 WO2019111527A1 (ja) | 2017-12-08 | 2018-10-10 | 施肥設計方法および施肥設計装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111432628A true CN111432628A (zh) | 2020-07-17 |
| CN111432628B CN111432628B (zh) | 2022-03-29 |
Family
ID=66751002
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201880077989.2A Active CN111432628B (zh) | 2017-12-08 | 2018-10-10 | 施肥设计方法及施肥设计装置 |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JP7243635B2 (zh) |
| CN (1) | CN111432628B (zh) |
| WO (1) | WO2019111527A1 (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7113773B2 (ja) * | 2019-03-07 | 2022-08-05 | ヤンマーパワーテクノロジー株式会社 | 施肥マップ作成装置および施肥マップ作成方法 |
| AU2020359451A1 (en) * | 2019-09-30 | 2022-04-21 | Nutrien Ag Solutions, Inc. | Agriculture service platform |
| JP7429964B2 (ja) | 2020-04-27 | 2024-02-09 | 国立研究開発法人農業・食品産業技術総合研究機構 | 基肥量演算装置、基肥量演算方法および基肥量演算プログラム |
| JP7340258B2 (ja) * | 2020-04-27 | 2023-09-07 | 国立研究開発法人農業・食品産業技術総合研究機構 | 追肥量演算装置、追肥量演算方法および追肥量演算プログラム |
| JP7051161B2 (ja) * | 2020-05-25 | 2022-04-11 | 国立研究開発法人農業・食品産業技術総合研究機構 | 農作物関連値導出装置および農作物関連値導出方法 |
| US11844297B2 (en) | 2020-06-10 | 2023-12-19 | Deere & Company | In-field soil analysis system and method |
| JP7495822B2 (ja) | 2020-06-17 | 2024-06-05 | ヤンマーホールディングス株式会社 | 収穫量管理システム、収穫量管理方法、及び収穫量管理プログラム |
| CN117322214B (zh) * | 2023-11-30 | 2024-02-09 | 余姚市农业技术推广服务总站 | 一种基于神经网络的农作物肥料精准施用方法与*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1032724A (zh) * | 1986-12-30 | 1989-05-10 | 航空工业部六○二研究所 | 土壤识别与优化施肥方法 |
| JPH11313594A (ja) * | 1998-04-30 | 1999-11-16 | Omron Corp | 農作業決定支援装置および方法、並びに記録媒体 |
| US6070539A (en) * | 1997-03-21 | 2000-06-06 | Case Corporation | Variable rate agricultural product application implement with multiple inputs and feedback |
| JP2011215697A (ja) * | 2010-03-31 | 2011-10-27 | Hitachi Solutions Ltd | 地図連携型施肥設計システム |
| JP2017012138A (ja) * | 2015-07-06 | 2017-01-19 | 日立マクセル株式会社 | 作物管理システムおよび作物管理方法 |
| JP6295452B2 (ja) * | 2015-09-02 | 2018-03-20 | 京都府 | 農作物育成支援装置、及びそのプログラム |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015027296A (ja) * | 2014-07-23 | 2015-02-12 | 株式会社へんこ | 施肥設計方法および施肥設計システム |
-
2018
- 2018-10-10 CN CN201880077989.2A patent/CN111432628B/zh active Active
- 2018-10-10 JP JP2019558037A patent/JP7243635B2/ja active Active
- 2018-10-10 WO PCT/JP2018/037796 patent/WO2019111527A1/ja active Application Filing
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1032724A (zh) * | 1986-12-30 | 1989-05-10 | 航空工业部六○二研究所 | 土壤识别与优化施肥方法 |
| US6070539A (en) * | 1997-03-21 | 2000-06-06 | Case Corporation | Variable rate agricultural product application implement with multiple inputs and feedback |
| JPH11313594A (ja) * | 1998-04-30 | 1999-11-16 | Omron Corp | 農作業決定支援装置および方法、並びに記録媒体 |
| JP2011215697A (ja) * | 2010-03-31 | 2011-10-27 | Hitachi Solutions Ltd | 地図連携型施肥設計システム |
| JP2017012138A (ja) * | 2015-07-06 | 2017-01-19 | 日立マクセル株式会社 | 作物管理システムおよび作物管理方法 |
| JP6295452B2 (ja) * | 2015-09-02 | 2018-03-20 | 京都府 | 農作物育成支援装置、及びそのプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JPWO2019111527A1 (ja) | 2020-11-26 |
| JP7243635B2 (ja) | 2023-03-22 |
| WO2019111527A1 (ja) | 2019-06-13 |
| CN111432628B (zh) | 2022-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111432628B (zh) | 施肥设计方法及施肥设计装置 | |
| US11776071B2 (en) | Machine learning in agricultural planting, growing, and harvesting contexts | |
| US10721859B2 (en) | Monitoring and control implement for crop improvement | |
| Pallottino et al. | Optoelectronic proximal sensing vehicle-mounted technologies in precision agriculture: A review | |
| US10255670B1 (en) | Image sensor and module for agricultural crop improvement | |
| Xie et al. | Crop height estimation based on UAV images: Methods, errors, and strategies | |
| EP2633460B1 (en) | System and method for calibrating agricultural measurements | |
| JP4873545B2 (ja) | 圃場管理支援方法及びシステム | |
| CN113167779A (zh) | 使用数字图像和机器学习模型对田地异常绘制地图 | |
| Ballesteros et al. | Combined use of agro-climatic and very high-resolution remote sensing information for crop monitoring | |
| US11096324B2 (en) | Fertilization design device, agricultural tool, fertilization design method and fertilization design program | |
| JP2006314215A (ja) | 移動体搭載用の生育度測定装置 | |
| CN111357009A (zh) | 用于进行植物表型分型数据分析的方法和*** | |
| JP7081536B2 (ja) | 作物の倒伏リスク診断に用いる生育パラメータの測定推奨スポット提示方法、倒伏リスク診断方法、および情報提供装置 | |
| CN111095339A (zh) | 作物栽培支持装置 | |
| JP6960698B2 (ja) | 農作物関連値導出装置および農作物関連値導出方法 | |
| JP2020054395A (ja) | 施肥量決定装置および施肥量決定方法 | |
| Warren et al. | Agricultural applications of high-resolution digital multispectral imagery | |
| CN114730437A (zh) | 信息处理设备、信息处理方法和程序 | |
| Zhang et al. | Phenotyping flowering in canola (brassica napus l.) and estimating seed yield using an unmanned aerial vehicle-based imagery | |
| JP2021171057A (ja) | 農作物関連値導出装置および農作物関連値導出方法 | |
| Bao et al. | Forecasting spring maize yield using vegetation indices and crop phenology metrics from UAV observations | |
| Papadopoulos et al. | Spatio-temporal monitoring of cotton cultivation using ground-based and airborne multispectral sensors in GIS environment | |
| Audebert et al. | Toward a regional field phenotyping network in West Africa | |
| Taylor et al. | Applications of optical sensing of crop health and vigour |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |