JP7176980B2 - Crop management system and crop management method - Google Patents
Crop management system and crop management method Download PDFInfo
- Publication number
- JP7176980B2 JP7176980B2 JP2019034273A JP2019034273A JP7176980B2 JP 7176980 B2 JP7176980 B2 JP 7176980B2 JP 2019034273 A JP2019034273 A JP 2019034273A JP 2019034273 A JP2019034273 A JP 2019034273A JP 7176980 B2 JP7176980 B2 JP 7176980B2
- Authority
- JP
- Japan
- Prior art keywords
- growth
- crop
- data
- management system
- temperature
- 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.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、作物の生長状況及び収穫等を管理するためのシステム及び方法に関する。 The present invention relates to a system and method for managing crop growth, harvest, and the like.
大規模な農場においては、現場で詳細を把握することは難しく、ＧＩＳ（Ｇｅｏｇｒａｐｈｉｃａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ）や衛星を利用した管理手法が求められている。常時監測、コスト削減及び早期収量予測を実現するため、衛星画像又はドローンが撮影した画像などを利用する分析手法が使われている。例えば、特開２０１６－１２３３６９号公報（特許文献１）には、「リモートセンシング画像に基づいて、植物の成長を分析する植物成長分析システムであって、植物の所定時期からの経過時間を示す時間情報に対応して、植物の成長の特徴量の変化が登録された植物成長モデルと、リモートセンシング画像の一部である植物の複数の生育場所に対応する画像に基づいて、特徴量を算出する特徴量算出部と、植物成長モデルを参照し、複数の生育場所の特徴量を基準時間情報に対応する特徴量に補正し、複数の生育場所の生育差を補正する生育差補正部と、リモートセンシング画像の一部である複数の生育場所に対応する画像が補正後の特徴量となるように、新たな画像を生成する画像生成部と、を備えることを特徴とする。」と記載されている。 In large-scale farms, it is difficult to grasp details on site, and a management method using GIS (Geographical Information System) or satellites is required. In order to achieve constant monitoring, cost reduction and early yield prediction, analytical methods such as satellite imagery or images taken by drones are used. For example, Japanese Unexamined Patent Application Publication No. 2016-123369 (Patent Document 1) describes, "A plant growth analysis system for analyzing plant growth based on remote sensing images, in which time indicating the elapsed time from a predetermined time of the plant Feature values are calculated based on a plant growth model in which changes in plant growth feature values are registered in response to information and images corresponding to multiple plant growth locations that are part of the remote sensing image. a feature amount calculation unit, a growth difference correction unit that refers to the plant growth model, corrects the feature amount of the plurality of growth locations to a feature amount corresponding to the reference time information, and corrects the growth difference of the plurality of growth locations; and an image generation unit that generates a new image so that the image corresponding to the plurality of growing places, which is part of the sensing image, becomes the feature amount after correction." there is
ＧＩＳデータに基づき、圃場を地図に表示し、圃場データをマッピングすることによって、農場の管理を行う場合、作物の植え付け日の差に起因して、生長段階にばらつきがあり、そのために分析及び予測などの観測管理が困難になっている。 Based on the GIS data, when the farm is managed by displaying the field on a map and mapping the field data, there is a variation in the growth stage due to the difference in the planting date of the crop, which is analyzed and predicted. Such observation management is becoming difficult.
一方、現状では、早期収量予測を行い、収穫プランニングを作成しているが、収穫時間については農家の経験に依存する。作物には、最適な収穫時点があり、その時点をこえると収量が下がるのが普通である。また、収穫順序のプランニングによって、収穫機器の待機消耗が大きいことがコストとなる。 On the other hand, at present, early yield predictions are made and harvest plans are prepared, but the harvest time depends on the experience of the farmers. Crops usually have an optimal harvest point, beyond which yields usually decline. In addition, due to the planning of the harvesting order, the standby consumption of the harvesting equipment is large, which is costly.
上記の特許文献１には、生育段階にズレがある植物の成長の分析において、リモートセンシング画像から算出した特徴量を補正することが記載されているが、作物の生長状況を推定するための生長モデルを補正することは記載していない。
The above-mentioned
本願において開示される発明のうち、代表的なものの概要を簡単に説明すれば、下記のとおりである。すなわち、プロセッサと、前記プロセッサがアクセスする記憶装置と、を有する作物管理システムであって、前記記憶装置は、農場の複数の区画を過去のそれぞれ異なる時期に撮影した複数の画像を含む画像データと、過去のそれぞれ異なる時期に計測された前記区画ごとの気象データと、を保持し、前記プロセッサは、前記気象データに基づいて、時間ごとの作物の生長状況を示す指標を計算し、時間ごとの気温を取得し、前記時間ごとの前記作物の生長状況を示す指標及び前記時間ごとの気温に基づいて、積算温度に対する前記作物の生長状況を示す指標を、作物の生長状況を示す指標を推定するための生長モデルとして生成し、前記画像データに基づいて、前記区画ごとに、前記画像データから得られたスペクトル特徴量と前記作物の生長状況を示す指標との数学的関係性を推定し、前記スペクトル特徴量の曲線を前記作物の生長状況を示す指標の曲線に変換し、変換された前記作物の生長状況を示す指標の曲線を前記生成された生長モデルの前記作物の生長状況を示す指標の曲線とフィッティングすることによって、前記生長モデルを補正することを特徴とする。 A brief outline of typical inventions disclosed in the present application is as follows. That is, a crop management system comprising a processor and a storage device accessed by the processor, wherein the storage device stores image data including a plurality of images of a plurality of plots of a farm taken at different times in the past. , meteorological data for each section measured at different times in the past, and the processor calculates an index indicating the growth status of crops for each hour based on the meteorological data, and Obtaining the temperature, and estimating an index indicating the growth state of the crop with respect to the integrated temperature based on the index indicating the growth state of the crop for each hour and the temperature for each hour . based on the image data , estimating a mathematical relationship between the spectral feature value obtained from the image data and an index indicating the growth status of the crop for each section, converting the curve of the spectral feature quantity into an index curve indicating the growth status of the crop, and converting the converted index curve indicating the growth status of the crop to the index curve indicating the growth status of the crop in the generated growth model; The growth model is corrected by curve fitting .
本発明の一態様によれば、生長ステージ統一画像を生成し、作物の生長段階を補正でき、画像内の作物の特徴量のバラツキが生長段階ズレの影響を受けなくなり、解析の精度が向上でき、管理の精度も向上する。 According to one aspect of the present invention, a growth stage unified image can be generated, the growth stages of crops can be corrected, variations in feature amounts of crops in the image are no longer affected by growth stage shifts, and the accuracy of analysis can be improved. , the accuracy of management is also improved.
上記した以外の課題、構成及び効果は、以下の実施例の説明によって明らかにされる。 Problems, configurations, and effects other than those described above will be clarified by the following description of the embodiments.
以下に本発明の作物管理システム及び方法を適用した実施例を説明する。 An embodiment to which the crop management system and method of the present invention are applied will be described below.
本実施例の作物管理システムは、作物の育成及び収穫等を管理するシステムであり、時系列リモートセンシング画像データの対象地域及び圃場の生長ステージを補正した新たな作物生理特徴量マップを出力する。図１３及び図１５は本実施例における入力と出力を表す模式図である。本実施例では、解析単位は圃場とするが、他の単位で解析を行ってもよい。 The crop management system of the present embodiment is a system for managing the cultivation, harvesting, etc. of crops, and outputs a new crop physiological feature amount map in which the target area of the time-series remote sensing image data and the growth stage of the field are corrected. 13 and 15 are schematic diagrams showing inputs and outputs in this embodiment. In this embodiment, the analysis unit is the field, but the analysis may be performed in other units.
なお、圃場とは、農場の区画の一例である。例えば、各圃場は道路又は水路等によって区切られていててもよいが、圃場の大きさ、形状及び境界線の決め方は限定されない。以下の説明における圃場は、任意の区画に置き換えることができる。 A farm field is an example of a division of a farm. For example, each field may be separated by roads or waterways, but the size and shape of the field and how to determine the boundaries are not limited. Fields in the following description can be replaced with any plot.
図１は、本発明の実施例における作物管理システム１００の構成を表すブロック図である。
FIG. 1 is a block diagram showing the configuration of a
作物管理システム１００は、入力データ１０１、作物生理・環境データ取得部１０２、気象・ＧＩＳ（Ｇｅｏｇｒａｐｈｉｃａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ）データ取得部１０３、リモートセンシング画像データ取得部１０４、生長モデル生成部１０５、生長ステージ抽出部１０６、生長ステージ解析部１０７、生長モデル補正部１０８、生長差計算部１０９及び生長差補正部１１０を備える。入力データ１０１は、作物生理データ及び環境データ（以下、作物生理・環境データ１０１ａと記載する）、気象データ及びＧＩＳデータ（以下、気象・ＧＩＳデータ１０１ｂと記載する）、並びに、時系列リモートセンシング画像データ１０１ｃを含む。
The
作物管理システム１００は、作物生長時期の時系列リモートセンシングデータ、気象・ＧＩＳデータ、作物生理・環境データを取得し、データベース１１５に提供する。リモートセンシング画像データ１０１ｃ、気象・ＧＩＳデータ１０１ｂ及び作物生理・環境データ１０１ａは図１で説明する。また、データベース１１５は図１４で説明する。
The
データベース１１５が管理するデータは、生長ステージ統一画像生成部１１１及び作物収穫画像生成部１１２に提供される。生長ステージ統一画像生成部１１１及び作物収穫画像生成部１１２は、提供された情報を使用して、推計対象（圃場又は地域）の生長段階のズレを補正した新たな分析マップ（生長ズレ補正マップ）と、作物収穫画像とを出力する。
Data managed by the
生長ステージ統一画像生成部１１１で生成した新たな生長ズレ補正マップは、生長分析システム使用部に提供され、作物の管理に使用される。作物収穫画像生成部１１２が生成した作物収穫画像は、物流配車システム使用部に提供され、作物の収穫プランに使用される。
The new growth deviation correction map generated by the growth stage unified
図２は、本発明の実施例における作物管理システム１００の全体的なハードウェア構成を示すブロック図である。
FIG. 2 is a block diagram showing the overall hardware configuration of the
リモートセンシング観測装置１２０から、時系列リモートセンシング画像を撮影する様子を示す。リモートセンシング観測装置１２０の例としては、観測衛星又は航空機などがあり、種類としては限定してない。本実施例は観測衛星が取得した衛星画像を利用する例について説明する。図２は、作物管理システム１００がコンピュータシステム１２１に実装されている例を示す。すなわち、図１の作物管理システム１００の主要部は、コンピュータシステム１２１で処理されている。このコンピュータシステムは、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１２２、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１２３及び記憶部１２４などの一般的なハードウェア構成を有する。
A state in which time-series remote sensing images are taken from the remote
図１に戻り説明を続ける。入力データ１０１（作物生理・環境データ１０１ａ、気象・ＧＩＳデータ１０１ｂ及び時系列リモートセンシング画像データ１０１ｃ）はリモートセンシングデータであり、ＲａｐｉｄＥｙｅ、ＭＯＤＩＳもしくはＬａｎｄＳａｔなどのような人工衛星からのデータ又は航空写真等である。なお、本実施例では時系列リモートセンシング画像を示したが、データの種類は限定せず、入力データ１０１が他の種類のデータであってもよい。また、同一のリモートセンシング画像における時系列画像を用いてもよい。なお、解像度の違いは相対比較である。
Returning to FIG. 1, the description continues. The input data 101 (crop physiology/
気象データとしては、アメダスのデータ、ＭＯＤＩＳ表面温度衛星からのデータ、又は気象局データなど様々ありうるが、種類としては限定してない。ＧＩＳデータとは、圃場ポリゴン又はＧＰＳデータなど、現地データと衛星データとを共用する際に不可欠なデータである。作物生理データとは、葉面積、茎重さ及びバイオマスなどの生理特性データであるが、種類としては限定してない。環境データとは、土壌データ及び生態データなどの作物生長の環境に関するデータであるが、種類としては限定してない。データは前処理を行った後にデータベース１１５に格納される。データベースの詳細は図１４で説明する。
The meteorological data may include AMeDAS data, MODIS surface temperature satellite data, meteorological station data, and the like, but the types are not limited. GIS data is essential data for sharing field data and satellite data, such as field polygons or GPS data. Crop physiological data is physiological characteristic data such as leaf area, stem weight, and biomass, but the type is not limited. Environmental data are data related to the environment of crop growth such as soil data and ecological data, but are not limited in kind. The data is stored in the
作物生理・環境データ取得部１０２、気象・ＧＩＳデータ取得部１０３、リモートセンシング画像データ取得部１０４、生長モデル生成部１０５、生長ステージ抽出部１０６、生長ステージ解析部１０７、生長モデル補正部１０８、生長差計算部１０９、生長差補正部１１０、生長ステージ統一画像生成部１１１、作物収穫画像生成部１１２、生長分析システム使用部１１３及び物流配車システム使用部１１４は、各演算処理を行うため、役割毎に分けられた複数のＣＰＵ及びＲＡＭの組み合わせとして実装される。前記の各部は外部記憶装置としてのハードディスク、ＵＳＢメモリなどを採用する。
Crop physiology/environment
例えば、図１に示した作物生理・環境データ取得部１０２、気象・ＧＩＳデータ取得部１０３、リモートセンシング画像データ取得部１０４、生長モデル生成部１０５、生長ステージ抽出部１０６、生長ステージ解析部１０７、生長モデル補正部１０８、生長差計算部１０９、生長差補正部１１０、生長ステージ統一画像生成部１１１、作物収穫画像生成部１１２、生長分析システム使用部１１３（後述）及び物流配車システム使用部１１４（後述）は、それぞれ、ＲＡＭ１２３に格納されたプログラムによって実現されてもよい。例えば、それらのプログラムは、記憶部１２４（例えばハードディスク装置又はフラッシュメモリ等）に格納され、それらの少なくとも一部が必要に応じて読み出され、ＲＡＭ１２３に格納されてもよい。すなわち、以下の説明において上記の各部が実行する処理は、実際には、ＣＰＵ１２２（すなわちプロセッサ）がＲＡＭ１２３に格納されたプログラムに従って実行する。
For example, the crop physiology/environment
同様に、データベース１１５は、記憶部１２４に格納され、その少なくとも一部が必要に応じて読み出され、ＲＡＭ１２３に格納されてもよい。
Similarly, the
図３は、本発明の実施例における作物管理システム１００全体の処理例を説明するフローチャートである。
FIG. 3 is a flow chart illustrating an example of overall processing of the
処理が開始されると（Ｓ３０１）、まず、Ｓ３０２において、時系列リモートセンシング画像データ１０１ｃがリモートセンシング画像データ取得部１０４に、気象・ＧＩＳデータ１０１ｂが気象・ＧＩＳデータ取得部１０３に、作物生理・環境データが作物生理・環境データ取得部１０２に、それぞれ入力される。本実施例では、気象データは圃場の表面温度のデータであるが、他の方法で計測した温度データでもよい。
When the process is started (S301), first, in S302, the time-series remote
時系列リモートセンシング画像データ、温度データ、作物生理データ及び環境データは、ＧＩＳデータと対応付けられて、データベース１１５に提供される。ＧＩＳデータには、位置の情報と形状の情報が含まれ、位置と形状によって、リモートセンシングデータに対して圃場のマスキングを行う。マスキング圃場が抽出され、その圃場のリモートセンシングデータと表面温度とがデータベース生成部から生成され、データベース１１５にデータが提供される。
Time-series remote sensing image data, temperature data, crop physiological data, and environmental data are provided to
Ｓ３０３では、生長モデル生成部１０５が、データベース１１５に格納されたＧＩＳデータの位置情報及び形状情報からマスキング処理を行い、その結果の圃場の作物生理データ、環境データ及び表面温度データから、各圃場の時間ごとの作物生理特徴量及び有効積算温度データを算出してデータベース１１５に格納する。
In S303, the growth
Ｓ３０４では、データベース１１５に格納された作物生理特徴量及び有効積算温度データを生長モデル生成部１０５に提供し、生長モデル生成部１０５がそれらを作物特徴量及び有効積算温度の座標系の曲線（例えば、横軸を有効積算温度、縦軸を作物特徴量とする曲線）に変換する。Ｓ３０４での作物特徴量及び有効積算温度データ算出とＳ３０５での生長曲線生成の詳細については、後に図４を参照して説明する。
In S304, the crop physiological feature values and the effective cumulative temperature data stored in the
Ｓ３０５では、生長モデル生成部１０５によって格納された作物特徴量及び有効積算温度の推移モデルを、生長ステージ抽出部１０６に提供し、生長ステージ抽出部１０６が作物の栽培特性から作物の生長ステージを抽出する。Ｓ３０５での作物生長ステージ抽出の詳細については、後に図５を参照して説明する。
In S305, the transition model of the crop feature amount and effective cumulative temperature stored by the growth
Ｓ３０６では、生長ステージ抽出部１０６に格納された生長ステージ抽出済みの作物特徴量、有効積算温度の推移モデルを、生長ステージ解析部１０７に提供し、生長ステージ解析部１０７が作物の各ステージの生物特性に応じて、各ステージの生長モデルを解析する。Ｓ３０６での作物ステージの生物特性に応じた各ステージの生長モデルのパラメータ化の詳細については、後に図６を参照して説明する。
In S306, the growth
そして、Ｓ３０７では、生長モデル補正部１０８が、生長モデル生成部１０５によって生成された作物の生長曲線モデルに対して、生長ステージ抽出部１０６が抽出した生長ステージを生長ステージ解析部１０７が解析した結果に基づいて計算したパラメータを用いて、時系列リモートセンシング画像データから抽出したスペクトル特徴量／有効積算温度の分布を補正する。Ｓ３０７での生長モデル補正の詳細については、後に図７を参照して説明する。
Then, in S307, the growth
Ｓ３０８では、生長差計算部１０９が、高解像度リモートセンシング画像データに対して、ＧＩＳ圃場マスキング及び作物生理特徴量を計算し、データベース１１５で格納した作物生理特徴量の各圃場の中に、ある圃場を基準とし、他の圃場と基準圃場の生長段階の差を計算する。Ｓ３０８での生長差計算の詳細については、後に図８参照して説明する。
In S308, the growth
Ｓ３０９では、生長差補正部１１０が、生長ステージ解析部１０７及び生長モデル補正部１０８によって計算された各圃場のパラメータと、生長差計算部１０９によって計算された各圃場の基準圃場に対する生長差とを用いて、作物生理特徴量を補正する。Ｓ３０９での生長差補正の詳細については、後に図９、図１０、図１１及び図１２を参照して説明する。
In S309, the growth
Ｓ３１０では、生長ステージ統一画像生成部１１１が、生長差補正部１１０によって計算された各圃場に対する補正した作物生理特徴量を有する圃場について、生長ズレ補正マップを生成する。Ｓ３１０での生長ステージ統一画像生成の詳細については、後に図１３を参照して説明する。
In S<b>310 , the growth stage unified
Ｓ３１１では、生長分析システム使用部１１３が、Ｓ３１０で生成された生長ステージ統一画像を用いて、作物生長管理を行う。
In S311, the growth analysis
Ｓ３１２では、作物収穫画像生成部１１２が、生長モデル補正部１０８によって補正された作物生長モデルを用いて、作物収穫画像を生成する。Ｓ３１２での作物収穫画像生成の詳細については、後に図１５を参照して説明する。
In S312, the crop harvest
Ｓ３１３では、物流配車システム使用部１１４が、Ｓ３１２で生成された作物収穫画像を用いて、物流配車最適化を行う。
In S313, the physical distribution vehicle allocation
すべてのデータはデータベース１１５に格納される。データベース１１５の一例は図１４に示す。
All data is stored in
以下、上記の処理の詳細を説明する。 The details of the above processing will be described below.
作物生理・環境データ取得部１０２は、作物生理・環境データ１０１ａを取得し、データベース１１５に提供する。
The crop physiological/environmental
気象・ＧＩＳデータ取得部１０３は、気象・ＧＩＳデータ１０１ｂを取得し、データベース１１５に提供する。
The weather/GIS
リモートセンシング画像データ取得部１０４は、リモートセンシング画像データ１０１ｃを取得し、データベース１１５に提供する。
The remote sensing image
続いて、生長モデル生成部１０５は、データベース１１５に格納された圃場の作物生理特徴量データと表面温度データ（気象・ＧＩＳデータ１０１ｂに含まれる）とを用いて、各分析対象（圃場、地域など）の作物生理特徴量、有効積算温度生長曲線を作成する。
Next, the growth
作物生理特徴量は、作物指標などの作物の生長状態を示すパラメータである。本実施例では、作物生理指標を用いて説明する。作物生理指標とは、農業分野で、地面センサーから取ったデータに基づいて、様々の作物生長状況を反映する指標である。最も使われている作物指標の一つは、ＬＡＩ（葉面積指数）、バイオマス、又は糖度などであり、本実施例では、ＬＡＩを例として説明する。ただし、他の作物指標を使用してもよい。生長モデル生成部１０５は、数式（１）を用いて有効積算温度（ＥＡＴ）を算出する。
The crop physiological feature value is a parameter indicating the growth state of the crop, such as a crop index. In the present embodiment, a description will be given using a crop physiological index. Crop physiological index is an index that reflects various crop growth conditions based on data taken from ground sensors in the field of agriculture. One of the most commonly used crop indicators is LAI (leaf area index), biomass, sugar content, etc. In this embodiment, LAI will be described as an example. However, other crop indicators may be used. The growth
ここで、ｔｄは一日の平均温度である。ｔ０は有効積算温度の基準温度であり、作物によって異なる。本実施例ではｔ０は１５度に設定される。ｉは日数である。 where td is the average daily temperature. t0 is the reference temperature of the effective integrated temperature, and varies depending on crops. In this example, t0 is set to 15 degrees. i is the number of days.
ＥＡＴは、ある期間の日々の平均気温のうち、一定の基準値を超えた分を取り出して合計したものである。ＥＡＴは植物の生長に必要な熱量の大小の目安に用いられ、基準値として、たとえば春コムギで３℃以上、トウモロコシで１３℃以上といった値が用いられる。 EAT is the sum of the daily average temperatures for a certain period of time that exceed a certain reference value. EAT is used as a measure of the amount of heat required for plant growth, and as a reference value, for example, a value of 3° C. or higher for spring wheat and 13° C. or higher for maize is used.
本実施例では、サトウキビを例として説明する。ほかの品種及び植物でもよい。 In this embodiment, sugar cane is used as an example. Other varieties and plants may be used.
作物指標／有効積算温度生長モデルは、作物の特性として重要な時期の日付から、有効積算温度を積算し、その値を座標系の横軸に設定することで生成される。 The crop index/effective cumulative temperature growth model is generated by accumulating the effective cumulative temperature from the date of the important period as a characteristic of the crop and setting the value on the horizontal axis of the coordinate system.
そして、生長モデル生成部１０５は、各時期の作物指標をデータベース１１５から取得し、その値を座標系の縦軸に設定する。植物の植え付け日の日付がある場合は、植え付け日からの曲線が生成される。ただし、圃場地域によっては、植え付け日が分からない場合もあるので、開花期などのほか重要時期の日付から計算してもよい。データがある時期の点を座標系の中に入れ、全ての点に基づいて曲線を生成する。曲線の生成手法の例の一つは、二次近似であるが、スプライン補間など、他の手法でもよい。
Then, the growth
図４は、本発明の実施例における生長モデル生成の処理を表す説明図である。 FIG. 4 is an explanatory diagram showing the growth model generation process in the embodiment of the present invention.
生長モデル生成部１０５は、時間ごとの生理データと、時間ごとの気温データと、に基づいて、積算温度に対する生理データを生成する（図４（ａ））。具体的には、生長モデル生成部１０５は、植物の重要時期の日からの積算温度を計算し、それを横軸に設定し、それに対応する作物指標ＬＡＩを縦軸に設定して、ＬＡＩ／積算温度分析曲線を生成する（図４（ｂ））。重要時期とは、作物の生長フェーズが変わる時期である。
The growth
本実施例のサトウキビの場合では、Ｒ１、Ｒ２、Ｒ３及びＲ４いう生長時期がある。Ｒ１とは、最初の花が出る時期である。Ｒ２とは、茎が生長する時期である。Ｒ３とは、糖分を蓄積する時期である。Ｒ４とは、葉が５０％以上黄色になり、糖分が減り、収穫される時期である。それぞれの重要時期では、この時期になるために必要なＥＡＴがあり、そのＥＡＴの時期のＬＡＩ値を算出できる。 In the case of the sugar cane of this example, there are growth stages R1, R2, R3 and R4. R1 is the time when the first flowers appear. R2 is the time when the stem grows. R3 is the time to accumulate sugar. R4 is the time when the leaves are more than 50% yellow and sugar content is reduced and harvested. For each critical period, there is an EAT required to reach this period, and the LAI value for that EAT period can be calculated.
生長モデルとするＬＡＩは、公知である植生生長モデルから作成できる。例えばＣＡＮＥＧＲＯモデルにさまざまな生理パラメータ及び環境パラメータを入力すれば、サトウキビの各生理特徴量に対して、植え付けから収穫までの一サイクルの生長曲線を推定できる。 The LAI used as a growth model can be created from a known vegetation growth model. For example, by inputting various physiological parameters and environmental parameters into the CANEGRO model, one cycle growth curve from planting to harvest can be estimated for each physiological feature of sugarcane.
続いて、生長ステージ抽出部１０６は、生長モデル生成部１０５で生成したある対応地域、圃場の生長モデルに基づき、植物の栽培生長特性を考量し、生長ステージを抽出する。
Subsequently, the growth
図５は、本発明の実施例における生長ステージ抽出の処理を表す説明図である。 FIG. 5 is an explanatory diagram showing growth stage extraction processing in the embodiment of the present invention.
生長ステージは、作物の栽培生育特性を考慮した上で抽出される。例えばサトウキビの場合は、Ｒ１、Ｒ２、Ｒ３及びＲ４という生長時期があり、Ｒ１－Ｒ２、Ｒ２－Ｒ３、及びＲ３－Ｒ４の三つの生長ステージに分けられる。Ｒ１－Ｒ２とは、花が出る時期から花が完全に成長し終わるまでの開花期である。Ｒ２－Ｒ３とは、サトウキビの茎が最大に生長するまでの時期である。Ｒ３－Ｒ４とは、体の生長が止まり、殆どの糖分が蓄積される時期である。Ｒ４以後とは、葉が５０％以上黄色になり、糖分が減り、収穫される時期である。 The growth stage is extracted after considering the cultivation growth characteristics of the crop. For example, sugar cane has growth stages R1, R2, R3 and R4, and is divided into three growth stages R1-R2, R2-R3 and R3-R4. R1-R2 is the flowering period from when the flowers appear until the flowers are fully grown. R2-R3 is the time until the sugar cane stalk reaches maximum growth. R3-R4 is the time when the body stops growing and most of the sugar accumulates. After R4 is the time when the leaves turn yellow by 50% or more and the sugar content is reduced and harvested.
データは農家又は作物の基本生長データから入手し、データベース１１５に格納する。作物の基本生長データとしては、既に説明したように、各時期の日数及び必要な積算温度に関する公知のデータがある場合がある。
Data is obtained from farm or crop base growth data and stored in
ほかの植物を対象とする場合は、作物の基本生長データが変わるが、抽出原理は変わらない。その作物の生長フェーズを調べた上で、各重要時期の必要積算温度を計算し、その積算温度のＬＡＩを算出することができる。 When targeting other plants, the basic growth data of the crop changes, but the extraction principle remains the same. After examining the growth phase of the crop, the required accumulated temperature for each critical period can be calculated, and the LAI of the accumulated temperature can be calculated.
生長ステージ解析部１０７は、生長ステージ抽出部で抽出した作物の栽培生育時期に基づき、各ステージの生物性を分析し、各ステージの作物生長モデルを分解する。
The growth
図６は、本発明の実施例における生長ステージ解析の処理を表す説明図である。 FIG. 6 is an explanatory diagram showing growth stage analysis processing in the embodiment of the present invention.
例えばサトウキビの場合は、Ｒ１、Ｒ２、Ｒ３、Ｒ４という生長時期（言い換えると生長段階の区切り）があり、Ｒ１－Ｒ２、Ｒ２－Ｒ３、Ｒ３－Ｒ４の三つの生長ステージ（すなわち生長段階の区分）に分けられる。 For example, sugar cane has growth stages R1, R2, R3, and R4 (in other words, divisions of growth stages), and three growth stages R1-R2, R2-R3, and R3-R4 (that is, divisions of growth stages). divided into
生長モデル補正部１０８は、生長モデル生成部１０５から生成した作物の生長曲線モデルに対して、生長ステージ抽出部１０６で抽出した生長ステージを生長ステージ解析部１０７の解析に基づいて計算したパラメータを用いて、リモートセンシング画像データから抽出したＮＤＶＩ（正規化差植生指数）／有効積算温度の分布（図６（ａ））を補正して、ＬＡＩ＿ＮＤＶＩ／有効積算温度の分布（図６（ｂ））を生成する。ＮＤＶＩは、下記の数式（２）によって計算される。
The growth
ここで、Ｒは、可視領域の赤の反射率であり、ＩＲは、近赤外領域の反射率である。これらの領域ごとの反射率は衛星画像から抽出できる。 where R is the red reflectance in the visible region and IR is the reflectance in the near-infrared region. The reflectance for each of these regions can be extracted from satellite images.
図７は、本発明の実施例における生長モデル補正の処理を表す説明図である。 FIG. 7 is an explanatory diagram showing growth model correction processing in the embodiment of the present invention.
生長モデル補正部１０８は、リモートセンシングのデータを取得し、作物生理データから得られた生長モデルを補正するため、スペクトル特徴量と作物生理特徴量との数学的関係性を推定する。そして、生長モデル補正部１０８は、観測されたリモートセンシングデータから得られたスペクトル特徴量曲線を、作物生理特徴量曲線に変換する。変換された作物生理特徴量曲線と元の作物生長モデルの曲線とをフィッティングし、元の作物生長モデルを補正する。
The growth
例えば、ある年（当該年度）の、作物が生長の途上にある時点に、その作物の生長状況を知るために生長モデルを利用しようとする場合に、生長モデル補正部１０８は、前年度までの気象データ等に基づいて生成された生長モデル（図４、図５）を、当該年度の現時点までのリモートセンシング画像データから得られたＬＡＩ＿ＮＤＶＩ（図６）によって補正してもよい。 For example, when trying to use a growth model to know the growth status of a crop in a certain year (current year) when the crop is in the process of growing, the growth model correction unit 108 A growth model (FIGS. 4 and 5) generated based on meteorological data and the like may be corrected by LAI_NDVI (FIG. 6) obtained from remote sensing image data up to the present time of the year.
補正の例として、サトウキビの場合では生長ステージがＲ１－Ｒ２、Ｒ２－Ｒ３、Ｒ３－Ｒ４の三つに分けられ、各ステージにおけるスペクトルモデルと作物生理モデルとの数学的関係式が異なる。生長モデル補正部１０８は、各ステージのＮＤＶＩ（図７（ａ））からＬＡＩ＿ＮＤＶＩ（図７（ｂ））を計算し、その結果をＬＡＩとフィッティングすることで、ＬＡＩ曲線のパラメータを最適化する（図７（ｃ））。ＬＡＩ曲線のパラメータ最適化によって、作物生理特徴量曲線は補正され、収量、糖度などの曲線も推定できるようになる。他の植物または他の作物特徴量の場合には、各ステージの生物性及び生物性から作物特徴量に反映する関係が異なるため、それらを用いることで、上記の解析手段をサトウキビに限らずに適用することができる。
As an example of correction, in the case of sugarcane, the growth stages are divided into three stages R1-R2, R2-R3, and R3-R4, and the mathematical relational expressions between the spectral model and the crop physiological model are different at each stage. The growth
生長差計算部１０９は、作物生理データ及び環境データに対して、ＧＩＳ圃場マスキング及び作物生理特徴量を計算し、データベース１１５に格納されたリモートセンシング画像データの各圃場の中で、ある圃場を基準とし、他の圃場と基準圃場の生長段階の差を計算する。
The growth
図８は、本発明の実施例における生長差計算の処理を表すフローチャートである。 FIG. 8 is a flow chart showing processing of growth difference calculation in the embodiment of the present invention.
計算の方法は次のとおりである。データベース１１５に格納された各圃場の植え付け時期又はある重要時期を用いて、基準圃場と他の圃場の植え付け時期又はある重要時期との積算温度の差を計算する。この差を各圃場の補正基準の値としてデータベース１１５に提供する。基準圃場の選び方として、二つの方法がある。リモートセンシング画像からある特定の時期の画像を生成したい場合には、この時期の圃場を基準圃場とする。そうでない場合には、各圃場の植え付け時期又はある重要時期との積算温度に基づき、積算温度の差の合計が最小になる圃場を基準としてもよい（例えば数式（３））。あるいはさらに他の方法で基準圃場を選択してもよい。
The calculation method is as follows. Using the planting times or certain important times of each field stored in the
生長差補正処理Ｓ１０６０は、各圃場の生長差を計算する処理である。Ｓ１０６１において、生長差計算部１０９は、各圃場の積算温度値を計算する。Ｓ１０６２において、生長差補正部１１０は、基準圃場を前述の方法で選択する。Ｓ１０６３において、生長差補正部１１０は、各圃場と基準圃場の積算温度差を計算する。Ｓ１０６３において、生長差補正部１１０は、各圃場の積算温度と基準圃場の積算温度との差を生長差としてデータベース１１５に格納する。
The growth difference correction process S1060 is a process of calculating the growth difference of each field. In S1061, the growth
生長差補正部１１０は、生長ステージ解析部１０７と生長モデル補正部１０８が計算した各圃場のパラメータと、生長差計算部１０９が計算した各圃場の基準圃場にたいする生長差とを用いて、各圃場の作物特徴量を補正する。
The growth
図９、図１０、図１１及び図１２は、それぞれ、本発明の実施例における生長差補正の処理の第１から第４の例を表す説明図である。 9, 10, 11 and 12 are explanatory diagrams showing first to fourth examples of growth difference correction processing according to the embodiment of the present invention, respectively.
本実施例の補正では、サトウキビの生長ステージがＲ１－Ｒ２、Ｒ２－Ｒ３、及びＲ３－Ｒ４の三つに分けられ、各ステージに対して計算及び補正する生長曲線がある。図９から図１２に示す生長曲線はいずれも同じものであり、図７を参照して説明した方法で補正されたＬＡＩを示す。 In the correction of this example, the sugarcane growth stages are divided into three stages, R1-R2, R2-R3, and R3-R4, and there is a growth curve to calculate and correct for each stage. The growth curves shown in FIGS. 9-12 are all identical and show LAI corrected in the manner described with reference to FIG.
図９から図１２のいずれの例においても、基準圃場はいずれもＲ２－Ｒ３の生長ステージにある（すなわち基準圃場の積算温度がＲ２からＲ３の範囲内にある）。一方、補正対象である他の圃場（以下、該当圃場とも記載する）は、図９の例においては、Ｒ２－Ｒ３の生長ステージであって、基準圃場の左側にあり、図１０の例においては、Ｒ２－Ｒ３の生長ステージであって、基準圃場の右側にあり、図１１の例においては、Ｒ３－Ｒ４のステージにあり、図１２の例においては、Ｒ１－Ｒ２のステージにある。図９及び図１２の例では、該当圃場の積算温度が基準圃場の積算温度より小さい（すなわち該当圃場の生長段階が基準圃場の生長段階より遅い）。一方、図１０及び図１１の例では、該当圃場の積算温度が基準圃場の積算温度より大きい（すなわち該当圃場の生長段階が基準圃場の生長段階より早い）。 9 to 12, all of the reference fields are in the R2-R3 growth stage (that is, the integrated temperature of the reference fields is within the range of R2 to R3). On the other hand, the other field to be corrected (hereinafter also referred to as the relevant field) is the R2-R3 growth stage in the example of FIG. , R2-R3 on the right side of the reference field, in the example of FIG. 11 it is in the R3-R4 stage, and in the example of FIG. 12 it is in the R1-R2 stage. In the examples of FIGS. 9 and 12, the cumulative temperature of the relevant field is smaller than the cumulative temperature of the reference field (that is, the growth stage of the relevant field is later than the growth stage of the reference field). On the other hand, in the examples of FIGS. 10 and 11, the cumulative temperature of the relevant field is greater than the cumulative temperature of the reference field (that is, the growth stage of the relevant field is earlier than the growth stage of the reference field).
図９の例では、生長差補正部１１０は、該当圃場の作物特徴量を、積算温度差とＲ２－Ｒ３ステージの生長モデル関数のパラメータとに応じて横軸のプラス方向（すなわち基準圃場の積算温度の方向）に補正する計算をする。
In the example of FIG. 9, the growth
図９において、黒丸の点は、該当圃場の補正された生長モデルにおける、該当圃場の積算温度に対応するＬＡＩを示し、白丸は、基準圃場の積算温度に対応するＬＡＩを示す。黒丸の点のＬＡＩが、白丸の点のＬＡＩに補正される。両者の差が補正量である。図１０～図１２でも同様である。 In FIG. 9, the black dots indicate the LAI corresponding to the accumulated temperature of the corresponding field in the corrected growth model of the corresponding field, and the white dots indicate the LAI corresponding to the accumulated temperature of the reference field. The LAI of the black dot is corrected to the LAI of the white dot. The difference between the two is the correction amount. The same applies to FIGS. 10 to 12 as well.
図１０の例では、生長差補正部１１０は、該当圃場の作物特徴量を、積算温度差とＲ２－Ｒ３ステージの生長モデル関数のパラメータとに応じて横軸のマイナス方向（すなわち基準圃場の積算温度の方向）に補正する計算をする。
In the example of FIG. 10, the growth
図１１の例では、生長差補正部１１０は、該当圃場の積算温度と基準圃場の積算温度との差をＲ２－Ｒ３ステージ部分とＲ３－Ｒ４ステージ部分とに分ける。そして、生長差補正部１１０は、該当圃場の作物特徴量を、Ｒ３－Ｒ４ステージの生長モデル関数のパラメータを用いてＲ６時点に補正し、続いてＲ２－Ｒ３ステージの生長モデル関数のパラメータを用いて基準圃場の積算温度の方向に補正する計算をする。
In the example of FIG. 11, the growth
図１２の例では、生長差補正部１１０は、該当圃場の積算温度と基準圃場の積算温度との差をＲ２－Ｒ３ステージ部分とＲ１－Ｒ２ステージ部分とに分ける。そして、生長差補正部１１０は、該当圃場の作物特徴量を、Ｒ１－Ｒ２ステージの生長モデル関数のパラメータを用いてＲ２時点に補正し、続いてＲ２－Ｒ３ステージの生長モデル関数のパラメータを用いて基準圃場の積算温度の方向に補正する計算をする。
In the example of FIG. 12, the growth
基準圃場がＲ１－Ｒ２ステージ又はＲ３－Ｒ４ステージにある場合は、生長差補正部１１０は、上記の処理と同じように、基準圃場に向けて、補正対象の圃場のあるステージに応じて、補正値を計算し、補正圃場の作物特徴量を計算する。
When the reference field is in the R1-R2 stage or the R3-R4 stage, the growth
図１１のケースを例として、ステージの生長モデル関数のパラメータと積算温度差とから補正する方法を数式（４）に示す。他の植物または他の作物特徴量の場合には、各ステージの生物性及び生物性から作物特徴量に反映する関係が異なるため、線形関数ではない場合があり、その関数パラメータに応じて補正を行う。 Using the case of FIG. 11 as an example, Equation (4) shows a correction method based on the parameters of the growth model function of the stage and the accumulated temperature difference. In the case of other plant or other crop feature values, the relationship reflected in the crop feature values from the biological properties of each stage and the biological properties are different, so it may not be a linear function, and corrections are made according to the function parameters. conduct.
ここで、
（ｘ１，ｙ１）は補正前のデータ
（ｘ２，ｙ２）は補正後のデータ
ｘ２は基準圃場の積算温度値（既知）
ｙ２は算出対象
（ｘＲ３，ｙＲ３）はＲ３時期のデータ
ｘＲ３は既知
ｙＲ３は算出対象
である。
here,
(x 1 , y 1 ) is the data before correction (x 2 , y 2 ) is the data after correction x 2 is the integrated temperature value of the reference field (known)
y 2 is a calculation target (x R3 , y R3 ) is R3 data x R3 is a known y R3 is a calculation target.
生長ステージ統一画像生成部１１１は、生長差補正部１１０が計算した各圃場の補正した作物生理特徴量を有する圃場によって、リモートセンシング画像の各対応圃場を置き替え、生長ズレ補正のマップを生成する。
The growth stage unified
例えば、生長ステージ統一画像生成部１１１は、基準圃場以外の各圃場の作物生理特徴量の補正量（具体的には、例えば、図９～図１２の例における黒丸の点と白丸の点のＬＡＩの値の差）に基づいて、各圃場のポリゴン内の画素（ピクセル）の値の変更量を決定し、その変更量に従って各画素の値を変更してもよい。補正値は圃場ごとに計算されるため、圃場に対応するポリゴン内の画素に同一の変更量が適用される。これによって、圃場内の作物生理特徴量のばらつきに対応するポリゴン内の画素の値のばらつきは維持したまま、ポリゴン全体の画素の値のレベルを変更することができる。
For example, the growth stage unified
図１３は、本発明の実施例における生長差補正の処理の各ケースを表す説明図である。 FIG. 13 is an explanatory diagram showing each case of growth difference correction processing in the embodiment of the present invention.
図１３（ａ）に示したように、元の画像は時間的に統一された画像である。一方、図１３（ｂ）に示した処理後の画像は、時間にズレがあるが、生長段階が統一された画像になる。このような画像は、例えば、各圃場の補正値を圃場内のピクセルにかけて、生長差を補正することによって生成してもよい。 As shown in FIG. 13(a), the original image is a temporally unified image. On the other hand, the image after processing shown in FIG. 13(b) is an image in which the growth stages are unified although there is a time lag. Such an image may be generated, for example, by multiplying the correction values for each field over the pixels within the field to correct for growth differences.
生長ステージ統一画像生成部１１１は、元の各該当圃場の画像をそれぞれに対応する補正後の新画像に差し替えることで圃場マップを生成し、それをデータベース１１５に提供する。このようにしてデータベース１１５に格納された圃場マップは、その後、生長分析システム使用部１１３に提供され、農業支援解析に使用される。
The growth stage unified
作物収穫画像生成部１１２は、生長差補正部１１０が計算した各圃場の補正した作物生理特徴量を有する圃場によって、リモートセンシング画像の各対応圃場を置き替え、収穫時期及び収量のマップを生成する。
The crop harvest
図１５は、本発明の実施例における収穫マップの処理の各ケースを表す説明図である。 FIG. 15 is an explanatory diagram showing each case of harvest map processing in the embodiment of the present invention.
図１５（ａ）に示した元の生理特性生長マップ、及び、図１５（ｂ）に示した収穫マップは、両方とも、時間的に統一された画像である。図１５（ｂ）に示した処理後の画像は圃場ごとに色がつけられ、その色が、収穫時期によって収穫順番及び収穫量を表すようになる。作物収穫画像生成部１１２は、元の各該当圃場の画像をそれぞれに対応する補正後の新画像に差し替えることで圃場マップを生成し、それをデータベース１１５に提供する。このようにしてデータベース１１５に格納された圃場マップは、その後、物流配車システム使用部１１４に提供され、収穫プラン作成に使用される。
Both the original physiological characteristic growth map shown in FIG. 15(a) and the harvest map shown in FIG. 15(b) are temporally unified images. In the processed image shown in FIG. 15(b), each field is colored, and the colors indicate the order of harvesting and the amount of harvesting according to the harvesting time. The crop harvest
図１４Ａは、本発明の実施例におけるデータベース１１５の例を表す説明図である。
FIG. 14A is an explanatory diagram showing an example of the
データベース１１５には、時系列衛星画像データ１４０１、ＧＩＳデータ（位置及び形状データ）１４０２、植物生長データ（データベース生成部でＧＩＳデータ及び衛星、気象データから算出したデータ）１４０３、気象データ（本実施例では表面温度データ）１４０４、土壌及び他の相関データ１４０５、並びに、処理パラメータ１４０６を格納する。図示は省略するが、データベース１１５は上記以外のデータ（例えば災害データ等）を含んでもよい。
The
図１４Ｂは、本発明の実施例におけるデータベース１１５に格納される時系列衛星画像データ１４０１の例を表す説明図である。
FIG. 14B is an explanatory diagram showing an example of time-series
リモートセンシング画像データ取得部１０４が取得したリモートセンシング画像データ１０１ｃが、時系列衛星画像データ１４０１としてデータベース１１５に格納される。時系列衛星画像データ１４０１は、同じ場所（例えば作物管理システム１００による管理対象の圃場を含む農場）をそれぞれ異なる時期に撮影した複数の画像群であり、例えば、複数年の年間を通した複数リモートセンシング画像を含んでもよい。
The remote
時系列衛星画像データ１４０１は、生長モデルの補正（Ｓ３０７）、及び、生長段階が統一された画像の生成（Ｓ３０８～Ｓ３１０）に用いられる。
The time-series
図１４Ｃは、本発明の実施例におけるデータベース１１５に格納されるＧＩＳデータ１４０２の例を表す説明図である。
FIG. 14C is an explanatory diagram showing an example of
気象・ＧＩＳデータ取得部１０３が取得した気象・ＧＩＳデータ１０１ｂのうち、ＧＩＳデータが、ＧＩＳデータ１４０２としてデータベース１１５に格納される。ＧＩＳデータ１４０２には、各圃場の位置データ及び形状データが登録される。ＧＩＳデータ１４０２は、圃場ＩＤ、ＧＰＳデータ、及び形状データを含む。圃場ＩＤには圃場の識別情報が登録される。ＧＰＳデータには、圃場の位置を示す緯度及び経度が登録される。形状データには圃場の輪郭を示すデータ（圃場ポリゴン）が登録される。
Of the weather/
ＧＩＳデータ１４０２を参照することによって、時系列衛星画像データ１４０１に含まれる画像から、圃場の画像の輪郭である圃場のポリゴンを抽出することができる。
By referring to the
図１４Ｄは、本発明の実施例におけるデータベース１１５に格納される植物生長データ１４０３の例を表す説明図である。
FIG. 14D is an explanatory diagram showing an example of
植物生長データ１４０３は、植生指標時系列データ及び作物生長基準データを含む。
The
植生指標時系列データには、各圃場の植生の状況を示す特徴量（植生指標）が含まれる。本実施例では、特徴量としてＮＤＶＩが保持される。例えば、圃場１、圃場２といった圃場ごとの、時期ごとのＮＤＶＩが植生指標時系列データとして保持される。
The vegetation index time-series data includes a feature amount (vegetation index) indicating the state of vegetation in each field. In this embodiment, NDVI is held as a feature amount. For example, the NDVI for each period of each field such as
成長ステージ基準データ４６０は、例えば大豆の各重要な時期に達したと判断される積
算温度、及び各成長ステージの植物特性が登録される。
The growth stage reference data 460 registers, for example, the accumulated temperature at which the soybean reaches each important time and the plant characteristics of each growth stage.
作物生長基準データは、各生長ステージの積算温度及び植物特性を含む。例えば、大豆の生長ステージには、開花する開花期、莢を付ける着莢期、種が完全な状態になるまでの時期、及び葉の５０％以上黄色になり、種が完熟する完熟期がある。サトウキビなど、他の作物にも同様にそれぞれの生長ステージがある。作物生長基準データとして、対象の作物がそれぞれの生長ステージに達するまでの積算温度、及び、各生長ステージの植物特性が保持される。 Crop growth reference data includes integrated temperature and plant characteristics for each growth stage. For example, the growth stages of soybeans include flowering, pod setting, seed maturity, and full ripeness, when more than 50% of the leaves turn yellow and the seeds are fully ripe. . Other crops, such as sugarcane, have their own growth stages as well. As the crop growth reference data, the integrated temperature until the target crop reaches each growth stage and the plant characteristics of each growth stage are held.
図１４Ｅは、本発明の実施例におけるデータベース１１５に格納される気象データ１４０４の例を表す説明図である。
FIG. 14E is an explanatory diagram showing an example of
気象データ１４０４は、例えば、降水量データ及び気温データを含む。降水量データとして、ある地域（例えば管理対象の農場を含む地域）の所定期間の降水量が保持される。降水量データは、例えば、気象庁等の降水量のデータを利用することができる。
また、気温データとして、ある地域の所定期間の最高気温及び最低気温が保持される。例えば、最高気温及び最低気温は、ある地域の圃場の表面温度であってもよい。気温データは、例えば、ＭＯＤＩＳ表面温度衛星によるデータを利用することができる。 Also, as temperature data, the highest temperature and lowest temperature in a certain area for a predetermined period are held. For example, the maximum and minimum temperatures may be the surface temperatures of fields in a certain region. Air temperature data can use, for example, data from the MODIS surface temperature satellite.
また、図１４Ｅでは省略しているが、気象データ１４０４は、さらに日射量のデータ等を含んでもよい。
Moreover, although omitted in FIG. 14E, the
気温データは、積算温度の算出に利用することができる。また、何らかのモデルを使用してＬＡＩを算出する場合には、気象データ１４０４に含まれる気温データ、日射量データ及び降水量データ等を利用することができる。
Air temperature data can be used to calculate the cumulative temperature. Also, when calculating the LAI using some model, temperature data, solar radiation data, rainfall data, etc. included in the
図１４Ｆは、本発明の実施例におけるデータベース１１５に格納される土壌及び他の相関データ１４０５の例を表す説明図である。
FIG. 14F is an illustration showing an example of soil and
図１４Ｆに示す土壌及び他の相関データ１４０５は、土壌データ及び作物栽培データを含む。
Soil and other correlated
土壌データには、ある地域の各圃場の土壌の成分のうち、植物の成長に必要な成分の植物の成長に寄与する係数が登録される。図１４Ｆに示す土壌データは、圃場ごとのリン酸係数を含む。 In the soil data, coefficients of components necessary for plant growth among soil components of each field in a certain region are registered. The soil data shown in FIG. 14F includes phosphate coefficients by field.
作物栽培データには、各圃場の作物が所定の段階に達した時期（例えば日付）が登録される。図１４Ｆに示す作物栽培データは、圃場ごとの植付時期、開花時期、着莢時期及び収穫時期を含む。これらの時期は、各圃場の作物の種類（例えば大豆又はサトウキビ等）に応じたものが登録される。これらの時期は、例えば、農家から得られる情報に基づいて登録されてもよい。 The time (for example, date) when the crops in each field reached a predetermined stage is registered in the crop cultivation data. The crop cultivation data shown in FIG. 14F includes planting time, flowering time, pod setting time and harvest time for each field. These times are registered according to the type of crops in each field (for example, soybeans or sugar cane). These times may be registered, for example, based on information obtained from farmers.
図１４Ｇは、本発明の実施例におけるデータベース１１５に格納される処理パラメータ１４０６の例を表す説明図である。
FIG. 14G is an explanatory diagram showing an example of
処理パラメータ１４０６には、各圃場の生長モデルに関するパラメータ等が登録される。
In the
処理パラメータ１４０６は、圃場ごとの生長ステージパラメータ、生長差及び補正値を含む。生長ステージパラメータは、植物の生長ステージに対応するパラメータ（例えば、各ステージの生長モデルを表すためのパラメータ等）が登録される。生長差には、各圃場の積算温度と基準圃場の積算温度との差が生長差として登録される。補正値には、各圃場の特徴量（例えばＬＡＩ）を基準圃場の積算温度に対応させるための補正値が登録される。
以上に説明した本発明の態様の代表的な例をまとめると次の通りとなる。すなわち、プロセッサ（例えばＣＰＵ１２２）と、プロセッサがアクセスする記憶装置（例えばＲＡＭ１２３又は記憶部１２４）と、を有する作物管理システムであって、記憶装置は、農場の複数の区画（例えば圃場）を過去のそれぞれ異なる時期に撮影した複数の画像を含む画像データ（例えばリモートセンシング画像データ取得部１０４が取得してデータベース１１５に格納した画像データ）と、過去のそれぞれ異なる時期に計測された区画ごとの気象データ（例えば気象・ＧＩＳデータ取得部１０３が取得してデータベース１１５に格納した気象データ）と、を保持し、プロセッサは、気象データに基づいて、作物の生長状況を示す指標を推定するための生長モデルを生成し（例えばＳ３０４）、画像データに基づいて、区画ごとに、生長モデルを補正（例えばＳ３０７）してもよい。
The representative examples of the aspects of the present invention described above are summarized as follows. That is, the crop management system includes a processor (eg, CPU 122) and a storage device (eg,
これによって、実際の圃場の状況が反映された精度の高い生長モデルを得ることができる。 As a result, it is possible to obtain a highly accurate growth model that reflects the actual field conditions.
このとき、プロセッサは、気象データに基づいて、時間ごとの作物の生長状況を示す指標を計算し、時間ごとの気温を取得し、時間ごとの作物の生長状況を示す指標及び時間ごとの気温に基づいて、積算温度に対する作物の生長状況を示す指標を、生長モデルとして生成し、積算温度に基づいて、作物の生長段階の区分（例えば図５のＲ１～Ｒ４によって区切られた生長ステージ）を抽出してもよい。 At this time, the processor calculates an index indicating the growth state of crops for each hour based on the weather data, obtains the temperature for each hour, and calculates the index for the growth state of crops for each hour and the temperature for each hour. Based on this, an index indicating the growth status of the crop with respect to the accumulated temperature is generated as a growth model, and based on the accumulated temperature, the division of the growth stage of the crop (for example, the growth stage divided by R1 to R4 in FIG. 5) is extracted. You may
これによって、同種類の植物の植える時間などの差異によって生長状況が異なる問題が解決できる。 This solves the problem of different growth conditions due to different planting times for the same kind of plants.
また、プロセッサは、生長段階の区分ごとに、積算温度と作物の生長状況を示す指標との関係を示す関数を生成して、関数のパラメータを生長モデルとして記憶装置に保持してもよい。 In addition, the processor may generate a function indicating the relationship between the integrated temperature and the index indicating the growth state of the crop for each growth stage division, and store the parameters of the function in the storage device as a growth model.
これによって、数学的に生長状況を表現することができ、表現された生長状況を、生育段階が統一された画像の生成のベースとすることができる。 This makes it possible to express the growth situation mathematically, and the expressed growth situation can be used as the basis for generating images in which growth stages are unified.
また、プロセッサは、画像データに基づいて、区画ごとに、作物の量及び活力を示す植生指標を計算し、植生指標に基づいて、作物の生長状況を示す指標を計算し、植生指標に基づいて計算した作物の生長状況を示す指標を用いて、生長モデルを補正してもよい（例えばＳ３０７、図７）。 In addition, the processor calculates a vegetation index indicating the amount and vitality of crops for each plot based on the image data, calculates an index indicating the growth status of the crops based on the vegetation index, and calculates The growth model may be corrected using the calculated index indicating the growth state of the crop (eg, S307, FIG. 7).
これによって、画像から得られる実際の植生の状況が反映され、より精度の高い生長状況の推定を行うことができる。 As a result, the actual vegetation situation obtained from the image is reflected, and the growth situation can be estimated with higher accuracy.
また、作物の生長状況を示す指標は、葉面積指数、バイオマス又は糖度のいずれかであり、植生指標は、可視領域の赤の反射率と近赤外領域の反射率とに基づく正規化差植生指数であり、積算温度は、作物の種類に応じた基準温度に基づく有効積算温度であってもよい。 In addition, the index indicating the growth status of crops is either the leaf area index, biomass, or sugar content, and the vegetation index is the normalized difference vegetation based on the red reflectance in the visible region and the reflectance in the near-infrared region. It is an index, and the accumulated temperature may be an effective accumulated temperature based on a reference temperature according to the type of crop.
これによって、作物の管理に有効な情報を得ることができる。 This makes it possible to obtain useful information for crop management.
また、プロセッサは、補正された生長モデルに基づいて、生長段階が統一された、複数の区画における作物の生長状況を示す画像を生成してもよい（例えばＳ３１０、図１３（ｂ））。 The processor may also generate an image showing the growth status of crops in a plurality of plots with a unified growth stage based on the corrected growth model (eg, S310, FIG. 13(b)).
これによって、植え付け時期の違いの影響が取り除かれた生長状況を視覚的に把握することが可能になる。 As a result, it is possible to visually grasp the growth state from which the influence of differences in planting times has been removed.
また、プロセッサは、複数の区画のうち第１の区画を基準区画として選択し（例えばＳ１０６２）、第１の時点の、複数の区画のうち前記第１の区画とは異なる第２の区画における積算温度に基づく生長段階（例えば図９～図１２の黒丸の点の生長段階）と、第１の時点の、第１の区画における積算温度に基づく生長段階（例えば図９～図１２の白丸の点の生長段階）との相違を計算し（例えばＳ１０６３）、第２の区画の生長モデルと、計算された生長段階の相違と、に基づいて、第２の区画における作物の生長状況を示す指標を、第２の区画における生長段階が第１の区画における生長段階と同一となる時点の、第２の区画における作物の生長状況を示す値に補正し（例えばＳ１０６４、図９～図１２）、第１の時点の、第１の区画における作物の生長状況を示す指標の値と、補正された第２の区画における作物の生長状況を示す指標の値と、に基づいて、複数の区画における作物の生長状況を示す画像を生成してもよい（例えばＳ３１０）。
In addition, the processor selects a first section among the plurality of sections as a reference section (eg, S1062), and calculates the integration in a second section different from the first section among the plurality of sections at a first time point. The temperature-based growth phase (eg, the solid dot growth phase in FIGS. 9-12) and the integrated temperature-based growth phase in the first plot at the first time point (eg, the open dot growth phase in FIGS. 9-12). (e.g., S1063), and based on the growth model of the second plot and the calculated difference in growth stage, an index indicating the growth status of the crop in the second plot is calculated. , corrected to a value indicating the growth status of the crop in the second section at the time when the growth stage in the second section becomes the same as the growth stage in the first section (eg, S1064, FIGS. 9 to 12), Based on the value of the index indicating the growth status of the crops in the first section and the corrected value of the index indicating the growth status of the crops in the second section at
このとき、プロセッサは、生長段階の区分ごとに、積算温度と作物の生長状況を示す指標との関係を示す関数を生成して、関数のパラメータを生長モデルとして記憶装置に保持し、第１の区画における生長段階を含む区分から第２の区画における生長段階を含む区分までの全ての区分の関数のパラメータを使用して、第２の区画における作物の生長状況を示す指標の補正をしてもよい。これは、図１１の例においてＲ２－Ｒ３の生長ステージの関数パラメータ及びＲ３－Ｒ４の生長ステージの関数パラメータを使用してＬＡＩが補正され（式（４））、図１２の例においてＲ１－Ｒ２の生長ステージの関数パラメータ及びＲ２－Ｒ３の生長ステージの関数パラメータを使用してＬＡＩが補正されることに相当する。 At this time, the processor generates a function indicating the relationship between the integrated temperature and the index indicating the growth state of the crop for each growth stage division, holds the parameters of the function as a growth model in the storage device, and stores the first Using parameters of functions of all sections from the section containing the growth stage in the section to the section containing the growth stage in the second section, even if the index indicating the growth situation of the crop in the second section is corrected. good. This is because the LAI is corrected (equation (4)) using the R2-R3 growth stage functional parameters and the R3-R4 growth stage functional parameters in the example of FIG. 11, and the R1-R2 and the functional parameters of the R2-R3 growth stages are used to correct the LAI.
これによって、生長状況を示す指標の値が、基準圃場の生長段階に整合するように精度よく計算される。 As a result, the value of the index indicating the growth state is accurately calculated so as to match the growth stage of the reference field.
また、プロセッサは、他の区画の積算温度との関係が所定の条件を満たす積算温度を有する区画を基準区画として選択してもよい（例えばＳ１０６２、式（３））。 Also, the processor may select a section having an accumulated temperature that satisfies a predetermined condition with respect to the accumulated temperatures of other sections as the reference section (for example, S1062, formula (3)).
これによって、適切な基準区画を選択することができる。 This allows the selection of a suitable reference partition.
また、プロセッサは、第２の区画に対応するポリゴン内の複数のピクセルに同一の補正を行うことによって、複数の区画における作物の生長状況を示す画像を生成してもよい。 The processor may also generate an image showing crop growth in multiple plots by applying the same correction to multiple pixels within the polygon corresponding to the second plot.
これによって、ポリゴン内（例えば同一圃場内）のピクセルの値のばらつきは維持したまま、全体のレベルを、植え付け日の相違の影響が取り除かれるように補正することができる。 As a result, the overall level can be corrected so as to remove the influence of the planting date difference while maintaining the variation in the pixel values within the polygon (for example, within the same field).
また、プロセッサは、補正された生長モデルに基づいて、複数の区画における作物の収穫順序を示す画像を生成してもよい（例えばＳ３１２、図１５）。 The processor may also generate an image showing the harvest order of the crops in the multiple plots based on the corrected growth model (eg, S312, FIG. 15).
これによって、収穫プランニングが容易になり、収穫機器の待機等によるコストの増加を抑えることができる。 As a result, harvest planning is facilitated, and an increase in costs due to waiting for harvesting equipment can be suppressed.
また、本発明の態様の代表的な例である作物管理システムは、リモートセンシング画像取得部、気象データ取得部、作物生長データ環境データで取得したリモートセンシング画像、気温データ、作物生育データ環境データを用いて参考になる作物データを保存し、作物生育、環境データと気象データを併用して作物生理特性の有効積算温度によりの変化推移を生成する生長モデル生成部と、この有効積算温度ごとの指標変化推移により作物生長の生長ステージを抽出する生長ステージ抽出部と、抽出した生長ステージに対して解析し各ステージの生長をパラメータ化する生長ステージ解析部と、リモートセンシング特徴量を用いた生長モデルを補正する生長ステージ補正部と、各圃場に対して生育差を計算する生育差計算部と、生育差を補正する生育差補正部と、生育補正に応じて生育ステージ統一画像を生成する生育ステージ統一画像生成部と、生育モデル補正に応じて作物収穫画像生成部と、生育ステージ統一画像を用いた生育分析システム使用部と、作物収穫画像を用いた物流配車システム使用部と、を有してもよい。 In addition, the crop management system, which is a representative example of the aspect of the present invention, includes a remote sensing image acquisition unit, a weather data acquisition unit, a remote sensing image acquired by the crop growth data environmental data, the temperature data, and the crop growth data environmental data. A growth model generation unit that stores crop data that can be used as a reference, and generates a change transition of crop physiological characteristics depending on the effective cumulative temperature using both crop growth, environmental data, and weather data, and an index for each effective cumulative temperature. A growth stage extraction unit that extracts the growth stages of crop growth based on change transitions, a growth stage analysis unit that analyzes the extracted growth stages and parameterizes the growth of each stage, and a growth model that uses remote sensing features. A growth stage correction unit that corrects, a growth difference calculation unit that calculates the growth difference for each field, a growth difference correction unit that corrects the growth difference, and a growth stage unification that generates a growth stage unified image according to the growth correction. An image generation unit, a crop harvest image generation unit according to the growth model correction, a growth analysis system use unit using the growth stage unified image, and a distribution vehicle dispatch system use unit using the crop harvest image. good.
リモートセンシング画像取得部は、時系列リモートセンシング画像を取得し、その画像を反映した作物特徴量を抽出してもよい。気象データ取得部としては、分析対象の地域または圃場の気温データを取得してもよい。作物生育、環境データ取得部としては、作物自身の生理特性パラメータ及び分析対象の土壌などの環境データを取得してもよい。そして、リモートセンシング観測装置から送信された、リモートセンシング画像と、作物生長、環境データを用いて、対象地域を分析する作物管理システムにおいて、該観測装置から送信された画像をデータベースに保存してもよい。 The remote sensing image acquisition unit may acquire time-series remote sensing images and extract the crop feature amount reflecting the images. The weather data acquisition unit may acquire temperature data of the region or field to be analyzed. The crop growth/environmental data acquisition unit may acquire environmental data such as the physiological characteristic parameters of the crop itself and the soil to be analyzed. Then, in a crop management system that analyzes a target area using remote sensing images and crop growth and environmental data transmitted from a remote sensing observation device, images transmitted from the observation device may be stored in a database. good.
また、観測装置から送信された、リモートセンシング画像と、作物生長、環境データを用いて、対象地域を分析する作物管理システムは、該観測装置から送信された画像を保存するデータベースと、該データベースに保存されたリモートセンシング画像のうち、時系列でとれる画像と作物生長、環境データを用いて、予め設定された画像取得期間内の時系列で演算処理して、気温データを合成し生長モデルを生成する生長モデル生成部を有してもよい。このシステムにおいて、生長モデル生成部は、通常の作物指標／時間の変化推移ではなく、時間データと気温データを併用し、作物の植え付け時間からの毎日有効温度の積算値を算出し、作物本質を示す有効積算温度分析モデルに変換し、この積算温度により変化を分析してもよい。有効積算温度は、同種類の作物に対して、生長段階を反映することができるので、本発明の有効積算温度の使用を通じて、同種類の植物の植える時間などの差異によって生長状況が異なる問題が解決できると考えられる。 In addition, a crop management system that analyzes a target area using remote sensing images, crop growth, and environmental data transmitted from the observation device includes a database that stores the images transmitted from the observation device, and Among the stored remote sensing images, time-series images, crop growth, and environmental data are used to perform time-series arithmetic processing within a preset image acquisition period, and the temperature data is combined to generate a growth model. You may have a growth model generation part which carries out. In this system, the growth model generation unit uses both time data and temperature data, instead of the normal crop index/time change transition, to calculate the integrated value of the effective temperature every day from the planting time of the crop, and to understand the essence of the crop. It may be converted into an effective integrated temperature analysis model shown, and the change may be analyzed based on this integrated temperature. Since the effective cumulative temperature can reflect the growth stage of the same type of crops, the use of the effective cumulative temperature of the present invention solves the problem of different growth conditions due to differences in the planting time of plants of the same type. considered to be solvable.
また、上記の作物管理システムは、生長モデル生成部が生成した作物指標／積算温度の変化推移曲線から生長ステージを抽出する生長ステージ抽出部を有してもよい。このシステムにおいて、生長ステージ抽出部が、すべての同種類の作物栽培特性のステージを明らかにすることによって、精密な分析が可能になる。 Further, the above crop management system may have a growth stage extraction unit for extracting a growth stage from the change transition curve of the crop index/accumulated temperature generated by the growth model generation unit. In this system, the growth stage extractor reveals the stages of all homogenous crop growth characteristics, allowing for a more precise analysis.
また、上記の作物管理システムは、生長ステージ抽出部が抽出したステージを解析し、生物性と作物特徴量の関係を考量する上各ステージの生長モデルを関数パラメータ化する生長ステージ解析部を有してもよい。このシステムにおいて、生長ステージ解析部は、生長モデルを本質な作物生長特性と合わせ、数学的に生長状況を示すことができ、これを生育統一画像の生成のベースとすることができる。 Further, the above crop management system has a growth stage analysis unit that analyzes the stages extracted by the growth stage extraction unit, considers the relationship between the biological properties and the crop feature amount, and converts the growth model of each stage into a function parameter. may In this system, the growth stage analysis unit can combine the growth model with the essential crop growth characteristics to mathematically represent the growth situation, which can be used as the basis for generating a unified growth image.
また、上記の作物管理システムは、生長モデル生成部が生成した作物指標／積算温度の変化推移曲線から生長ステージ抽出部が抽出したステージを解析し、生物性と作物特徴量の関係を考量する各ステージの生長モデルを関数パラメータ化し、本年度のデータから生長モデルを補正してもよい。このシステムにおいて、過去データと本年度データの融合にって、より精密な作物生長モデルを生成でき、生育補正の精度を高めることができる。 In addition, the above crop management system analyzes the stages extracted by the growth stage extraction unit from the change transition curve of the crop index/accumulated temperature generated by the growth model generation unit, and considers the relationship between the biological characteristics and the crop feature amount. The growth model of the stage may be converted into a function parameter and corrected from the data of the current year. In this system, it is possible to create a more precise crop growth model by fusing past data and current year data, and to increase the accuracy of growth correction.
また、作物管理システムは、上記のように生成した補正後の作物生長モデルを用いて、各解析単位に対して基準解析単位との生育差を計算し、基準解析単位に生育差を補正し、補正をかけた各解析単位を元の画像の対応解析単位を替えて、生育ステージ統一画像と生長モデル時間統一収穫マップを生成してもよい。このシステムにおいて、作物生長モデルの活用を通じて、生育ズレがある各解析単位の生育補正ができ、生育統一画像を生成でき、収量予測及び生長状況分析などによって高い精度と信頼度が得られる。 In addition, the crop management system calculates the growth difference between each analysis unit and the standard analysis unit using the corrected crop growth model generated as described above, corrects the growth difference to the standard analysis unit, A unified growth stage image and a unified growth model time harvest map may be generated by replacing each corrected analysis unit with the corresponding analysis unit of the original image. In this system, through the use of a crop growth model, it is possible to correct the growth of each analysis unit that has a growth deviation, generate a unified growth image, and obtain high accuracy and reliability through yield prediction and growth situation analysis.
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明のより良い理解のために詳細に説明したのであり、必ずしも説明の全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることが可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。 In addition, the present invention is not limited to the above-described embodiments, and includes various modifications. For example, the above embodiments have been described in detail for better understanding of the present invention, and are not necessarily limited to those having all the configurations described. Also, it is possible to replace part of the configuration of one embodiment with the configuration of another embodiment, or to add the configuration of another embodiment to the configuration of one embodiment. Moreover, it is possible to add, delete, or replace a part of the configuration of each embodiment with another configuration.
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によってハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによってソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、不揮発性半導体メモリ、ハードディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶デバイス、または、ＩＣカード、ＳＤカード、ＤＶＤ等の計算機読み取り可能な非一時的データ記憶媒体に格納することができる。 Further, each of the above configurations, functions, processing units, processing means, and the like may be realized by hardware, for example, by designing a part or all of them using an integrated circuit. Moreover, each of the above configurations, functions, etc. may be realized by software by a processor interpreting and executing a program for realizing each function. Information such as programs, tables, files, etc. that realize each function is stored in storage devices such as non-volatile semiconductor memories, hard disk drives, SSDs (Solid State Drives), or computer-readable non-volatile memory such as IC cards, SD cards, DVDs, etc. It can be stored on a temporary data storage medium.
また、制御線及び情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線及び情報線を示しているとは限らない。実際にはほとんど全ての構成が相互に接続されていると考えてもよい。 Also, the control lines and information lines indicate those considered necessary for explanation, and not necessarily all the control lines and information lines are indicated on the product. In fact, it may be considered that almost all configurations are interconnected.
１００：作物管理システム
１０１ａ：作物生長データ、環境データ
１０１ｂ：気象、ＧＩＳデータ
１０１ｃ：時系列リモートセンシング画像データ
１０２：作物生理、環境データ取得部
１０３：気象、ＧＩＳデータ取得部
１０４：リモートセンシング画像データ取得部
１０５：生長モデル生成部
１０６：生長ステージ抽出部
１０７：生長ステージ解析部
１０８：生長モデル補正部
１０９：生長差計算部
１１０：生長差補正部
１１１：生長ステージ統一画像生成部
１１２：作物収穫画像生成部
１１３：生長分析システム使用部
１１４：物流配車システム使用部
100:
Claims (10)
前記記憶装置は、
農場の複数の区画を過去のそれぞれ異なる時期に撮影した複数の画像を含む画像データと、
過去のそれぞれ異なる時期に計測された前記区画ごとの気象データと、を保持し、
前記プロセッサは、
前記気象データに基づいて、時間ごとの作物の生長状況を示す指標を計算し、時間ごとの気温を取得し、前記時間ごとの前記作物の生長状況を示す指標及び前記時間ごとの気温に基づいて、積算温度に対する前記作物の生長状況を示す指標を、作物の生長状況を示す指標を推定するための生長モデルとして生成し、
前記積算温度に基づいて、前記作物の生長段階の区分を抽出し、
前記画像データに基づいて、前記区画ごとに、前記画像データから得られたスペクトル特徴量と前記作物の生長状況を示す指標との数学的関係性を推定し、前記スペクトル特徴量の曲線を前記作物の生長状況を示す指標の曲線に変換し、変換された前記作物の生長状況を示す指標の曲線を前記生成された生長モデルの前記作物の生長状況を示す指標の曲線とフィッティングすることによって、前記生長モデルを補正することを特徴とする作物管理システム。 A crop management system comprising a processor and a storage device accessed by the processor,
The storage device
image data including multiple images taken at different times in the past of multiple plots of a farm;
holding weather data for each section measured at different times in the past,
The processor
calculating an index indicating the growth state of crops for each hour based on the meteorological data, obtaining temperature for each hour, and based on the index indicating the growth state of crops for each hour and the temperature for each hour , generating an index indicating the growth state of the crop with respect to the integrated temperature as a growth model for estimating the index indicating the growth state of the crop;
extracting a growth stage category of the crop based on the integrated temperature;
Based on the image data , a mathematical relationship between the spectral feature amount obtained from the image data and an index indicating the growth state of the crop is estimated for each section, and a curve of the spectral feature amount is calculated for the crop. and fitting the converted index curve indicating the crop growth status with the index curve indicating the crop growth status of the generated growth model, A crop management system characterized by correcting a growth model.
前記プロセッサは、前記生長段階の区分ごとに、前記積算温度と前記作物の生長状況を示す指標との関係を示す関数を生成して前記関数のパラメータを前記生長モデルとして前記記憶装置に保持することを特徴とする作物管理システム。 The processor generates a function indicating a relationship between the accumulated temperature and an index indicating the growth status of the crop for each of the growth stages, and stores parameters of the function as the growth model in the storage device. A crop management system characterized by:
前記作物の生長状況を示す指標は、葉面積指数、バイオマス又は糖度のいずれかであり、 The index indicating the growth status of the crop is either leaf area index, biomass or sugar content,
前記積算温度は、前記作物の種類に応じた基準温度に基づく有効積算温度であることを特徴とする作物管理システム。 The crop management system, wherein the accumulated temperature is an effective accumulated temperature based on a reference temperature corresponding to the type of the crop.
前記プロセッサは、補正された前記生長モデルに基づいて、生長段階が統一された、前記複数の区画における前記作物の生長状況を示す画像を生成することを特徴とする作物管理システム。 The crop management system, wherein the processor generates an image showing the growth status of the crops in the plurality of plots with a unified growth stage based on the corrected growth model.
前記プロセッサは、 The processor
前記複数の区画のうち第１の区画を基準区画として選択し、 selecting a first partition from the plurality of partitions as a reference partition;
第１の時点の、前記複数の区画のうち前記第１の区画とは異なる第２の区画における積算温度に基づく生長段階と、前記第１の時点の、前記第１の区画における積算温度に基づく生長段階との相違を計算し、 a growth stage based on accumulated temperature in a second section of said plurality of sections different from said first section at a first point in time; and based on accumulated temperature in said first section at said first point in time. Calculate the difference with the growth stage,
前記第２の区画の生長モデルと、計算された前記生長段階の相違と、に基づいて、前記第２の区画における前記作物の生長状況を示す指標を、前記第２の区画における前記生長段階が前記第１の区画における前記生長段階と同一となる時点の、前記第２の区画における前記作物の生長状況を示す値に補正し、 Based on the growth model of the second plot and the calculated difference in the growth stage, an index indicating the growth status of the crop in the second plot is calculated based on the growth stage in the second plot. Correcting to a value indicating the growth status of the crop in the second section at the same time as the growth stage in the first section,
前記第１の時点の、前記第１の区画における前記作物の生長状況を示す指標の値と、補正された前記第２の区画における前記作物の生長状況を示す指標の値と、に基づいて、前記複数の区画における前記作物の生長状況を示す画像を生成することを特徴とする作物管理システム。 Based on the value of the index indicating the growth state of the crop in the first section and the corrected value of the index indicating the growth state of the crop in the second section at the first time point, A crop management system, wherein an image showing the growth status of the crops in the plurality of sections is generated.
前記プロセッサは、 The processor
前記生長段階の区分ごとに、前記積算温度と前記作物の生長状況を示す指標との関係を示す関数を生成して前記関数のパラメータを前記生長モデルとして前記記憶装置に保持し、 generating a function indicating the relationship between the integrated temperature and an index indicating the growth status of the crop for each of the growth stages, and storing the parameters of the function as the growth model in the storage device;
前記第１の区画における前記生長段階を含む前記区分から前記第２の区画における前記生長段階を含む前記区分までの全ての前記区分の前記関数のパラメータを使用して、前記第２の区画における前記作物の生長状況を示す指標の補正を行うことを特徴とする作物管理システム。 using the parameters of the function for all the segments from the segment containing the growth stage in the first compartment to the segment containing the growth stage in the second compartment, the A crop management system characterized by correcting an index indicating a crop growth situation.
前記プロセッサは、他の区画の前記積算温度との関係が所定の条件を満たす積算温度を有する区画を前記基準区画として選択することを特徴とする作物管理システム。 The crop management system, wherein the processor selects, as the reference section, a section having an accumulated temperature that satisfies a predetermined condition with respect to the accumulated temperatures of other sections.
前記プロセッサは、前記第２の区画に対応するポリゴン内の複数のピクセルに同一の補正を行うことによって、前記複数の区画における前記作物の生長状況を示す画像を生成することを特徴とする作物管理システム。 Crop management, wherein the processor generates an image showing the growth status of the crop in the plurality of sections by performing the same correction on the plurality of pixels within the polygon corresponding to the second section. system.
前記プロセッサは、補正された前記生長モデルに基づいて、前記複数の区画における前記作物の収穫順序を示す画像を生成することを特徴とする作物管理システム。 The crop management system, wherein the processor generates an image showing the harvest order of the crops in the plurality of plots based on the corrected growth model.
前記記憶装置は、 The storage device
農場の複数の区画を過去のそれぞれ異なる時期に撮影した複数の画像を含む画像データと、 image data including multiple images taken at different times in the past of multiple plots of a farm;
過去のそれぞれ異なる時期に計測された前記区画ごとの気象データと、を保持し、 holding weather data for each section measured at different times in the past,
前記作物管理方法は、 The crop management method includes:
前記プロセッサが、前記気象データに基づいて、時間ごとの作物の生長状況を示す指標を計算し、時間ごとの気温を取得し、前記時間ごとの前記作物の生長状況を示す指標及び前記時間ごとの気温に基づいて、積算温度に対する前記作物の生長状況を示す指標を、作物の生長状況を示す指標を推定するための生長モデルとして生成する手順と、 The processor calculates, based on the weather data, an index indicating the growth state of crops for each hour, obtains temperature for each hour, and calculates the index indicating the growth state of crops for each hour and the hourly index for crop growth. a step of generating an index indicating the growth state of the crop with respect to the integrated temperature as a growth model for estimating the index indicating the growth state of the crop based on the temperature;
前記プロセッサが、前記積算温度に基づいて、前記作物の生長段階の区分を抽出する手順と、 a step in which the processor extracts a growth stage segment of the crop based on the integrated temperature;
前記プロセッサが、前記画像データに基づいて、前記区画ごとに、前記画像データから得られたスペクトル特徴量と前記作物の生長状況を示す指標との数学的関係性を推定し、前記スペクトル特徴量の曲線を前記作物の生長状況を示す指標の曲線に変換し、変換された前記作物の生長状況を示す指標の曲線を前記生成された生長モデルの前記作物の生長状況を示す指標の曲線とフィッティングすることによって、前記生長モデルを補正する手順と、を含むことを特徴とする作物管理方法。 The processor, based on the image data, estimates a mathematical relationship between the spectral feature amount obtained from the image data and an index indicating the growth state of the crop for each section, and estimates the spectral feature amount. The curve is converted into an index curve indicating the growth status of the crop, and the converted index curve indicating the growth status of the crop is fitted to the index curve indicating the growth status of the crop in the generated growth model. and a step of correcting said growth model by:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019034273A JP7176980B2 (en) | 2019-02-27 | 2019-02-27 | Crop management system and crop management method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019034273A JP7176980B2 (en) | 2019-02-27 | 2019-02-27 | Crop management system and crop management method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020140347A JP2020140347A (en) | 2020-09-03 |
| JP7176980B2 true JP7176980B2 (en) | 2022-11-22 |
Family
ID=72280359
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019034273A Active JP7176980B2 (en) | 2019-02-27 | 2019-02-27 | Crop management system and crop management method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7176980B2 (en) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7074269B1 (en) | 2020-08-21 | 2022-05-24 | Ａｇｃ株式会社 | Chemically tempered glass and crystallized glass and their manufacturing methods |
| CN114829896A (en) * | 2020-11-27 | 2022-07-29 | 乐天集团股份有限公司 | Sensing system, sensing data acquisition method and control device |
| US20220358265A1 (en) * | 2021-05-04 | 2022-11-10 | X Development Llc | Realistic plant growth modeling |
| KR102653356B1 (en) * | 2021-09-16 | 2024-04-02 | 한국항공우주연구원 | Crop yield prediction method and apparatus using the same |
| CN115909063A (en) * | 2022-11-15 | 2023-04-04 | 生态环境部卫星环境应用中心 | Medium-resolution rice extraction method and system |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015133971A (en) | 2015-02-19 | 2015-07-27 | 株式会社ニコン | Plant cultivation plant |
| JP2015188333A (en) | 2014-03-27 | 2015-11-02 | 株式会社日立製作所 | Vegetation growth analyzing system and method |
| JP2016123369A (en) | 2015-01-06 | 2016-07-11 | 株式会社日立製作所 | Plant growth analysis system and plant growth analysis method |
| JP2018046787A (en) | 2016-09-23 | 2018-03-29 | ドローン・ジャパン株式会社 | Agricultural management prediction system, agricultural management prediction method, and server apparatus |
| US20190057460A1 (en) | 2016-03-25 | 2019-02-21 | Nec Corporation | Information processing device, control method for information processing device, and recording medium having control program for information processing device recorded therein |
-
2019
- 2019-02-27 JP JP2019034273A patent/JP7176980B2/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015188333A (en) | 2014-03-27 | 2015-11-02 | 株式会社日立製作所 | Vegetation growth analyzing system and method |
| JP2016123369A (en) | 2015-01-06 | 2016-07-11 | 株式会社日立製作所 | Plant growth analysis system and plant growth analysis method |
| JP2015133971A (en) | 2015-02-19 | 2015-07-27 | 株式会社ニコン | Plant cultivation plant |
| US20190057460A1 (en) | 2016-03-25 | 2019-02-21 | Nec Corporation | Information processing device, control method for information processing device, and recording medium having control program for information processing device recorded therein |
| JP2018046787A (en) | 2016-09-23 | 2018-03-29 | ドローン・ジャパン株式会社 | Agricultural management prediction system, agricultural management prediction method, and server apparatus |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020140347A (en) | 2020-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7176980B2 (en) | Crop management system and crop management method | |
| Ballesteros et al. | Onion biomass monitoring using UAV-based RGB imaging | |
| Pereira et al. | Crop evapotranspiration estimation with FAO56: Past and future | |
| Duan et al. | Comparison of ground cover estimates from experiment plots in cotton, sorghum and sugarcane based on images and ortho-mosaics captured by UAV | |
| JP6285875B2 (en) | Plant growth analysis system and plant growth analysis method | |
| Fang et al. | Corn‐yield estimation through assimilation of remotely sensed data into the CSM‐CERES‐Maize model | |
| Cunha et al. | Very early prediction of wine yield based on satellite data from VEGETATION | |
| JP4873545B2 (en) | Field management support method and system | |
| CN102033230B (en) | Grassland satellite remote sensing monitoring system and method | |
| EP2633460B1 (en) | System and method for calibrating agricultural measurements | |
| Morel et al. | Coupling a sugarcane crop model with the remotely sensed time series of fIPAR to optimise the yield estimation | |
| Guo et al. | Integrating spectral and textural information for identifying the tasseling date of summer maize using UAV based RGB images | |
| Thorp et al. | Integrating geospatial data and cropping system simulation within a geographic information system to analyze spatial seed cotton yield, water use, and irrigation requirements | |
| Wang et al. | Increased uncertainty in simulated maize phenology with more frequent supra-optimal temperature under climate warming | |
| Sarkar et al. | High‐throughput measurement of peanut canopy height using digital surface models | |
| Yu et al. | Deep convolutional neural networks for estimating maize above-ground biomass using multi-source UAV images: A comparison with traditional machine learning algorithms | |
| González-Gómez et al. | Use of different temporal scales to monitor phenology and its relationship with temporal evolution of normalized difference vegetation index in wheat | |
| Tolba et al. | Rice acreage delineation in the Nile Delta based on thermal signature | |
| JP2022060277A (en) | Crop related value derivation device and crop related value derivation method | |
| Amankulova et al. | Sunflower crop yield prediction by advanced statistical modeling using satellite-derived vegetation indices and crop phenology | |
| Pelta et al. | Forecasting seasonal plot-specific crop coefficient (Kc) protocol for processing tomato using remote sensing, meteorology, and artificial intelligence | |
| CN107437262B (en) | Crop planting area early warning method and system | |
| CN116579521B (en) | Yield prediction time window determining method, device, equipment and readable storage medium | |
| Lykhovyd | Forecasting oil crops yields on the regional scale using normalized difference vegetation index | |
| US20230082714A1 (en) | Soil Property Model Using Measurements of Properties of Nearby Zones |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210408 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220225 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220308 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220509 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220707 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221011 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221110 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7176980 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |