JP2009058443A

JP2009058443A - 土壌中の根圏要素の自動分類方法

Info

Publication number: JP2009058443A
Application number: JP2007227066A
Authority: JP
Inventors: Tatsuro Nakaji; 達郎中路
Original assignee: National Institute for Environmental Studies
Current assignee: National Institute for Environmental Studies
Priority date: 2007-08-31
Filing date: 2007-08-31
Publication date: 2009-03-19
Anticipated expiration: 2027-08-31
Also published as: JP5078508B2

Abstract

【課題】樹木等の細根の分布量やその動態を定量的に把握するための効果的で客観的な土壌中の根圏要素を非破壊的に自動分類する方法、特に腐植物と土壌との分類を正確に行うことができる自動分類方法を提供すること。
【解決手段】ハロゲンランプの光を根圏要素に照射するステップと；緑（５１３〜５２２ｎｍ）、赤（６２３〜６７９ｎｍ）、及び近赤外波長域（７２８〜８８６ｎｍ）からそれぞれ選択される３バンドにおける根圏要素の近接連続分光画像をハイパースペクトルデジタルカメラを用いて経時的に撮影するステップと；画像処理により、前記３バンドの波長領域における分光反射率を計測するステップと；計測した分光反射率を、あらかじめ作成した教師データと比較評価するステップ；の各ステップを順次実施して、土壌中の根圏要素の自動分類を行う。
【選択図】なし

Description

本発明は、土壌中の根圏要素の自動分類方法、より詳しくは、可視領域（４００〜７００ｎｍ）の一部を含む領域及び近赤外領域（７００〜１１００ｎｍ）の一部を含む領域における根圏要素の近接連続分光画像を撮影し、画像処理により分光反射率を経時的に計測するステップを含む土壌中の根圏要素の自動分類方法に関する。

地球温暖化が問題となっている現在、森林のもつ炭素固定能力が注目されている。一定期間内（通常１年間）における炭素の総一次生産（植物の光合成による炭素吸収量）から、呼吸による炭素放出量を差し引いたものが純一次生産量（ＮＰＰ）とされ、さらに、ＮＰＰから土の中の微生物などによる呼吸量を差し引いたものが、森林生態系の炭素吸収量に相当する。したがって、ＮＰＰ分布の把握は森林の炭素吸収量把握の上で重要である（非特許文献１参照）。森林土壌炭素の主要な供給源は地上部からの落葉落枝と地下部の細根の脱落である（非特許文献２参照）。根は養水分吸収を行う細根（吸収根）と、木化して支持作用を主な役割とする太根（支持根）とに分けられる。細根は、全根量に占める割合が１割以下であるが寿命が短く、枯死後に微生物による分解を受けると、多数の炭素分子が結合した構成を有する暗色の腐植質に変わり、長期にわたり土壌中に貯留されるため、森林土壌炭素の主要な構成物と考えられている（非特許文献３参照）。

土壌中に蓄積された炭素は、微生物分解による土壌呼吸量が小さい、寒いところほど大きくなり、冷帯気候の広葉樹林では、細根のＮＰＰは、総ＮＰＰの最大６０％を占め（非特許文献４参照）、スコットランドの松林では、最大３０％を占める（非特許文献５参照）との報告があり、細根の分布量、及びその動態を定量的に把握することが課題となっている。

１９８０年代中頃から、ライゾトロン技術やミニライゾトロン技術が開発され、細根の動態の研究に広く用いられてきた（非特許文献６及び７等参照）。この測定技術の利点は、土壌中に透明のガラスや樹脂製のケースあるいはパイプを埋設し、根の画像を連続的にカメラで撮影することで、非破壊的に細根の成長などの動態が観察できることにある。ライゾトロン技術やミニライゾトロン技術により、観察時毎に個々の細根の生死について調査して、細根のライフスパンを推定することができるようになった（非特許文献８、９及び１０等参照）。

また、ＵＶ光を用いて、細根の生理学的状態を調査しようとした研究もある。例えば、ミニライゾトロンでの細根の生存状況を測定するに当たり、ＴＴＣ(2,3,5-triphenyltetrazolium chloride)を用いた化学的活性測定と組み合わせて、可視光とＵＶ光を使用した場合の分類精度を調査した結果、可視光は、草地を調査することに主に有用であり、ＵＶ光は、広葉樹林地域を調査することに主に有用であることが示唆された（非特許文献１１参照）。しかし、ＵＶ光による手法では、根の年齢よりも、作物の種類（芽キャベツとリーキ(Brassica oleraceavar. gemmifera and Allium porrum L.)）により結果が異なり、根の年齢や機能性についての一般的な指標としては用いることができないという問題点も指摘されている（非特許文献１２参照）。

一方、可視（ＶＩＳ）−近赤外（ＮＩＲ）領域の分光特性については、地上の葉と幹について（非特許文献１３、１４、１５、１６、１７等参照）、あるいは乾燥した植物性素材について（非特許文献１８、１９、２０、２１等参照）、広く研究されている。それらの研究では、ＮＩＲでの植物の腐植の反射率は、同様の含水率の土壌よりも一般に高く（非特許文献１９、２２、２３参照）、ＮＩＲ領域での乾燥草本根の反射率（５６％〜７９％）は、天然の乾燥土の反射率（１０％〜４０％）よりも比較的高い（非特許文献２４参照）と報告されている。なお、地中の分光反射率を計測した事例はなく、ライゾトロンやミニライゾトロンなどの画像解析におけるＮＩＲ領域の有効性は明らかにされていない。

大塚俊之、鞠子茂、小泉博「陸上生態系における炭素循環」地球環境Ｖｏｌ．９Ｎｏ．２１８１−１９０（２００４）酒井正治、伊藤江利子著「コジイ林における細根量とその土壌炭素蓄積量への影響」日林九支研論文集Ｎｏ．５４２００１．３森貞和仁著、「第８回森林土壌の炭素蓄積機能」森林総合研究所、所報Ｎｏ．２５、２００３−４） Can. J. ForestRes. 23, 2507-2520 Tree Physiol. 23, 505-516, 2003 Ecology 73, 1094-1104, 1992 Glob. Change Biol. 10, 182-188, 2004 Root observations and measurements at (transparent) interfaces with soil. In Root Methods: A Handbook, pp. 235-271, Springer-Verlag, BerlinHeidelberg 2000 Environ. Exp. Bot. 45, 263-289, 2001 Plant Soil 276, 1-8 Ecology 76,2330-2334, 1995 Plant Soil 185, 271-280, 1996 Appl. Opt. 4, 11-20, 1965 Plant Physiol. 52, 57-62, 1973 Trees 12, 73-81, 1997 Am. J. Bot. 85, 940-946, 1998 Am. J. Bot. 88, 278-284, 2001 Int. J. Remote Sens. 18, 3683-3690, 1997 Oecologia 118, 173-182, 1999 Soil Sci. Soc. Am. J. 66, 722-727, 2002 New Phytol. 170, 631-638, 2006 Remote Sens. Environ. 71, 207-215, 2000 Remote Sens. Environ. 87, 310-325, 2003 New Phytol. 170, 631-638, 2006

森林の二酸化炭素吸収量を増加させるため、さらには林業の付加価値の増大のために、二酸化炭素の吸収・固定能力の高い林業用品種の開発が進められている。成長の速い樹木等の選抜のため、細根の分布量、及びその動態を定量的に把握することが必要であり、細根をはじめとする根圏要素の効果的な分類方法を確立することが急務となっている。樹木の根を掘り出せば定量的に把握できるが、成長を続ける植物について、継続的な計測を行うことができない。そのため光や電波などを利用して、土壌におけるありのままの情報を非破壊的に捉える方法が模索されている。

従来のミニライゾトロンによる根圏の植物根、腐植、土壌の分類は、目視により行われるのが一般的である。根の特徴（長さ、表面積、直径等）を計算する優れた市販のソフトウェアパッケージも開発されているが、根の生死判別や土壌との識別には研究者ごとの経験や直感も影響するため、測定結果の個人差が研究者間で問題となっていた。また、可視画像からは、生根、枯死根、枯死根を含む腐植を区別することが困難であるという問題がある。根の「消失」と「枯死」とを同一視し、根が「消失」するまで、「枯死」としては認識されず(Norby R J, Ledford J, Reilly C D, Miller N E, and O'Neill E G 2004,Proc. Natl. Acad. Sci. USA 101, 9689; Withington J M, Reich P B, Oleksyn J, Eissenstat D M 2006 Ecol. Monogr. 76, 381-397)、細根のライフスパンを過大評価する場合があった。また、根の色素沈着、又は白から暗色への色の変化を、「枯死」として認識している研究もあった（Wells C E and Eissenstat D M 2001,Ecology 82, 882-892;Ruess R W, Hendrick R L, Burton A J, Pregitzer K S, Sveinbjornsson B, Allen M F and Maurer G E 2003,Ecol Monogr. 73, 643-662）。したがって、本発明の課題は、樹木等の細根の分布量やその動態を定量的に把握するための効果的で客観的な土壌中の根圏要素を非破壊的に自動分類する方法、特に腐植と土壌との分類を正確に行うことができる自動分類方法を提供することにある。

本発明者らは以前、広域の植生のフェノロジーや生理機能の定性・定量評価に向けたリモートセンシング手法を利用して、北方林の主要構成樹種であるカラマツを対象に、その炭素固定のフェノロジーを評価するため、個葉の光合成活性の季節変化と分光観測によって得られる植生指標の関係を調査した。本発明者らは、上記課題を解決するため、可視領域と近赤外領域の分光反射率を計測した以前の経験等を踏まえ、根圏要素の近接連続分光画像の撮影における適切な波長領域をハイパースペクトルデジタルカメラシステムを用いて検討し、これまで根圏要素の分類方法においてはいまだ報告のない可視域（ＶＩＳ，λ＝４００〜７００ｎｍ）と近赤外域（ＮＩＲ，λ＝７００〜１１００ｎｍ）の両波長帯の分光反射率を計測することにより、土壌と有機物（根と腐植）の反射率が相違する結果、土壌におけるありのままの根圏情報を非破壊的に捉えることができ、根圏要素を非破壊的に自動分類することができることを見い出し、本発明を完成するに至った。

すなわち本発明は、［１］（ａ）光源から、可視領域（４００〜７００ｎｍ）の一部を含む領域及び近赤外領域（７００〜１１００ｎｍ）の一部を含む領域の波長の光を根圏要素に照射するステップと；（ｂ）可視領域の一部を含む領域及び近赤外領域の一部を含む領域における根圏要素の近接連続分光画像を経時的に撮影するステップと；（ｃ）画像処理により、可視領域の一部を含む領域及び近赤外領域の一部を含む領域における分光反射率を計測するステップと；（ｄ）計測した分光反射率を、あらかじめ作成した教師データと比較評価するステップ；の各ステップを順次備えたことを特徴とする土壌中の根圏要素の自動分類方法に関する。

また本発明は、［２］光源として、ハロゲンランプを用いることを特徴とする上記［１］記載の土壌中の根圏要素の自動分類方法や、［３］可視領域の一部を含む領域及び近赤外領域の一部を含む領域が、可視領域２〜３バンド及び近赤外領域１バンドであることを特徴とする上記［１］又は［２］記載の土壌中の根圏要素の自動分類方法や、［４］可視領域の一部を含む領域及び近赤外領域の一部を含む領域が、緑（５１３〜５２２ｎｍ）、赤（６２３〜６７９ｎｍ）、及び近赤外波長域（７２８〜８８６ｎｍ）からそれぞれ選択される３バンドであることを特徴とする上記［１］又は［２］記載の土壌中の根圏要素の自動分類方法や、［５］ハイパースペクトルデジタルカメラを用いて、根圏要素の近接連続分光画像を経時的に撮影することを特徴とする上記［１］〜［４］のいずれか記載の土壌中の根圏要素の自動分類方法や、［６］根圏要素が、生根、枯死根、腐植、及び土壌であることを特徴とする上記［１］〜［５］のいずれか記載の土壌中の根圏要素の自動分類方法に関する。

本発明によると、樹木等の細根の分布量やその動態を定量的に把握するための効果的で客観的な土壌中の根圏要素を、目視等人手によることなく自動的に非破壊的に分類することができる。特に近赤外領域における分光反射率を計測する本発明の自動分類方法によると、腐植と土壌との分類を正確に行うことができる。

本発明の土壌中の根圏要素の自動分類方法としては、光源から、可視領域（４００〜７００ｎｍ）の一部を含む領域及び近赤外領域（７００〜１１００ｎｍ）の一部を含む領域の波長の光を根圏要素に照射するステップ（ａ）と、可視領域の一部を含む領域及び近赤外領域の一部を含む領域における根圏要素の近接連続分光画像を経時的に撮影するステップ（ｂ）と、画像処理により、可視領域の一部を含む領域及び近赤外領域の一部を含む領域における分光反射率を計測するステップ（ｃ）と、計測した分光反射率を、あらかじめ作成した教師データと比較評価するステップ（ｄ）とを順次備える分類方法であれば特に制限されるものではなく、上記根圏要素とは根圏（植物の根の周り）を構成している要素をいい、例えば、生根、枯死根、腐植、土壌などを挙げることができ、生根については、日齢に応じて、例えば、根端、白色根、淡黄〜薄茶色根、茶色根等のクラスに分けて評価することもできる。

上記ステップ（ａ）〜（ｃ）における可視領域（４００〜７００ｎｍ）の一部を含む領域としては、好ましくは４６０〜６９０ｎｍ、より好ましくは５００〜６９０ｎｍ、中でも５１０〜６８０ｎｍの可視領域の所定の１〜３バンド、好ましくは２〜３バンドなどのバンド領域を例示することができ、また、上記近赤外領域（７００〜１１００ｎｍ）の一部を含む領域としては、好ましくは７００〜９００ｎｍ、より好ましくは７２０〜８９５ｎｍの近赤外領域の所定の１〜２バンドなどのバンド領域を例示することができ、バンド幅は特に制限されないが、中心波長に対する半値全幅が２０ｎｍ以下、例えば半値全幅５〜１０ｎｍを好適に例示することができる。好ましい所定の可視領域として、具体的には、中心波長５１３ｎｍ、５２２ｎｍなど緑（５１３〜５２２ｎｍ）領域、中心波長６２３ｎｍ、６７９ｎｍなど赤（６２３〜６７９ｎｍ）領域、中心波長４８０ｎｍなど青領域の各領域から選ばれる１〜３バンド、中でも、中心波長５１３ｎｍ、５２２ｎｍ、６２３ｎｍ、６７９ｎｍなどの緑領域や赤領域の各々から選ばれる１〜３バンドを特に好適に例示することができる。好ましい所定の近赤外領域として、具体的には、中心波長７２８ｎｍなど７２２〜７３４ｎｍ領域、中心波長８４８ｎｍ、８８６ｎｍなど８４２〜８９２ｎｍ領域等を好適に例示することができる。

例えば、上記可視領域の一部を含む領域と上記近赤外領域の一部を含む領域の波長の好ましい２バンドの組合せとしては、５１３〜５２２ｎｍ領域から選ばれる１バンドと７２２〜７３４ｎｍ領域から選ばれる１バンドとの組合せ、６２３〜６７９ｎｍ領域から選ばれる１バンドと７２２〜７３４ｎｍ領域から選ばれる１バンドとの組合せ、５１３〜５２２ｎｍ領域から選ばれる１バンドと８４２〜８９２ｎｍ領域から選ばれる１バンドとの組合せ、６２３〜６７９ｎｍ領域から選ばれる１バンドと８４２〜８９２ｎｍ領域から選ばれる１バンドとの組合せの各組合せ等を挙げることができる。また、同様に好ましい３バンドの組合せとしては、５１３〜５２２ｎｍ領域から選ばれる１バンドと６２３〜６７９ｎｍ領域から選ばれる１バンドと７２２〜７３４ｎｍ領域から選ばれる１バンドとの組合せ、５１３〜５２２ｎｍ領域から選ばれる１バンドと６２３〜６７９ｎｍ領域から選ばれる１バンドと８４２〜８９２ｎｍ領域から選ばれる１バンドとの組合せ、５１３〜５２２ｎｍ領域から選ばれる１バンドと７２２〜７３４ｎｍ領域から選ばれる１バンドと８４２〜８９２ｎｍ領域から選ばれる１バンドとの組合せ、６２３〜６７９ｎｍ領域から選ばれる１バンドと７２２〜７３４ｎｍ領域から選ばれる１バンドと８４２〜８９２ｎｍ領域から選ばれる１バンドとの組合せの各組合せ等を挙げることができる。同様に好ましい４バンドの組合せとしては、５１３〜５２２ｎｍ領域から選ばれる１バンドと６２３〜６７９ｎｍ領域から選ばれる１バンドと７２２〜７３４ｎｍ領域から選ばれる１バンドと８４２〜８９２ｎｍ領域から選ばれる１バンドとの組合せの各組合せ等を挙げることができる。同様に好ましい５バンドの組合せとしては、５１３〜５２２ｎｍ領域から選ばれる１バンドと６２３〜６７９ｎｍ領域から選ばれる２バンドと７２２〜７３４ｎｍ領域から選ばれる１バンドと８４２〜８９２ｎｍ領域から選ばれる１バンドとの組合せ等を挙げることができる。

より具体的には、上記可視領域の一部を含む領域と上記近赤外領域の一部を含む領域の波長の好ましい２バンドの組合せとしては、５１３ｎｍ及び７２８ｎｍ；５２２ｎｍ及び７２８ｎｍ；６２３ｎｍ及び７２８ｎｍ；６７９ｎｍ及び７２８ｎｍ；５１３ｎｍ及び８４８ｎｍ；５２２ｎｍ及び８４８ｎｍ；６２３ｎｍ及び８４８ｎｍ；６７９ｎｍ及び８４８ｎｍ；５１３ｎｍ及び８８６ｎｍ；５２２ｎｍ及び８８６ｎｍ；６２３ｎｍ及び８８６ｎｍ；６７９ｎｍ及び８８６ｎｍの各組合せを挙げることができる。また、同様に好ましい３バンドの組合せとしては、５１３ｎｍ、６２３ｎｍ、及び７２８ｎｍ；５１３ｎｍ、６７９ｎｍ、及び７２８ｎｍ；５１３ｎｍ、６２３ｎｍ、及び８４８ｎｍ；５１３ｎｍ、６７９ｎｍ、及び８４８ｎｍ；５１３ｎｍ、６２３ｎｍ、及び８８６ｎｍ；５１３ｎｍ、６７９ｎｍ、及び８８６ｎｍ；５２２ｎｍ、６２３ｎｍ、及び７２８ｎｍ；５２２ｎｍ、６７９ｎｍ、及び７２８ｎｍ；５２２ｎｍ、６２３ｎｍ、及び８４８ｎｍ；５２２ｎｍ、６７９ｎｍ、及び８４８ｎｍ；５２２ｎｍ、６２３ｎｍ、及び８８６ｎｍ；５２２ｎｍ、６７９ｎｍ、及び８８６ｎｍの各組合せ等を挙げることができる。また、同様に好ましい４バンドの組合せとしては、５１３ｎｍ、６７９ｎｍ、７２８ｎｍ、及び８４８ｎｍ；５１３ｎｍ、６７９ｎｍ、７２８ｎｍ、及び８８６ｎｍ；５１３ｎｍ、６７９ｎｍ、８４８ｎｍ、及び８８６ｎｍ；５２２ｎｍ、６７９ｎｍ、７２８ｎｍ、及び８４８ｎｍ；５２２ｎｍ、６７９ｎｍ、７２８ｎｍ、及び８８６ｎｍ；５２２ｎｍ、６７９ｎｍ、８４８ｎｍ、及び８８６ｎｍ；６２３ｎｍ、６７９ｎｍ、７２８ｎｍ、及び８４８ｎｍ；６２３ｎｍ、６７９ｎｍ、７２８ｎｍ、及び８８６ｎｍ；６２３ｎｍ、６７９ｎｍ、８４８ｎｍ、及び８８６ｎｍの各組合せ等を挙げることができる。また、同様に好ましい５バンドの組合せとしては、５１３ｎｍ、６２３ｎｍ、６７９ｎｍ、７２８ｎｍ、及び８４８ｎｍ；５１３ｎｍ、６２３ｎｍ、６７９ｎｍ、７２８ｎｍ、及び８８６ｎｍ；５１３ｎｍ、６２３ｎｍ、６７９ｎｍ、８４８ｎｍ、及び８８６ｎｍ；５２２ｎｍ、６２３ｎｍ、６７９ｎｍ、７２８ｎｍ、及び８４８ｎｍ；５２２ｎｍ、６２３ｎｍ、６７９ｎｍ、７２８ｎｍ、及び８８６ｎｍ；５２２ｎｍ、６２３ｎｍ、６７９ｎｍ、８４８ｎｍ、及び８８６ｎｍの各組合せ等を挙げることができる。これらの組合せの中でも、６７９ｎｍ及び８４８ｎｍ；５２２ｎｍ、６７９ｎｍ、及び８８６ｎｍ；５１３ｎｍ、６７９ｎｍ、７２８ｎｍ、及び８８６ｎｍ；５１３ｎｍ、６２３ｎｍ、６７９ｎｍ、７２８ｎｍ、及び８８６ｎｍの各組合せを特に好適に例示することができる。

上記ステップ（ａ）における光源としては、中心波長５１３ｎｍ、５２２ｎｍなど緑（５１３〜５２２ｎｍ）領域、中心波長６２３ｎｍ、６７９ｎｍなど赤（６２３〜６７９ｎｍ）領域の各領域から選ばれる２〜３バンド等の可視領域の所定の領域、及び中心波長７２８ｎｍなど７２２〜７３４ｎｍ領域、中心波長８８６ｎｍなど８４２〜８９２ｎｍ領域等の近赤外領域の所定の領域の波長の光を放射しうるものであれば特に制限されないが、４００〜１１００ｎｍの波長連続性を有する光源であってもよく、測定対象に対する光源からの照射光量が大きいものが好ましく、入手のし易さからして市販のランプを好適に例示することができる。例えば、可視波長域−近赤外領域である４００ｎｍ〜１１００ｎｍの範囲において波長連続性があり、光量の欠落がないハロゲンランプを特に好適に例示することができる。ハロゲンランプ等の光源は、通常防水処理を施された１又は複数個が同時に用いられ、分光画像を撮影するカメラと同調して作動するようにセットされる。

上記ステップ（ｂ）において近接連続分光画像を経時的に撮影する方法としては、土壌中の根圏要素を近接連続分光画像として経時的に撮影することのできる方法であれば特に制限されず、近接連続分光画像を撮影するため、樹木の細根の観察のために長年使用されているライゾトロンやミニライゾトロンにおいて有利に用いることができる。かかるライゾトロンやミニライゾトロンでは、地中に埋設される樹脂製又はガラス製の透明なケースやチューブで区切られた空間の中に、撮影用のカメラ、光源を設置し、透明なケースやチューブの外壁と土壌の境界に存在する根圏要素を撮影し観察することができるようになっている。ライゾトロンやミニライゾトロンは、通常野外では複数個が同時に用いられる。埋設するケースやチューブの大きさは任意であり、分光画像計測装置や光源を利用することができる。

上記分光画像撮影カメラは、対物レンズによって取り込まれた根圏要素からの反射光を各波長毎のバンドの線スペクトルに分光し、二次元領域におけるスペクトルデータを撮影することが可能なカメラであれば特に制限されず、ハイパースペクトルデジタルカメラを特に好適に例示することができる。このハイパースペクトルデジタルカメラには、対物レンズ、反射光を各波長のバンドの線スペクトルに分光する画像スペクトログラフ、ＣＣＤカメラ等から構成されている。

上記ステップ（ｂ）における根圏要素の近接連続分光画像の撮影は、通常根圏を非破壊的に、例えば１日おき、１週間おき、２週間おき、１月おきなど経時的に行われる。撮影頻度は、植物の種類、樹齢、季節、土壌環境、気候等を適宜考慮して決定される。また、あらかじめ決められた一定時刻に撮影することが好ましい。なお、限られた地域・場所での根圏要素を自動分類する場合、灌水して所定の時間が経過した後に撮影することにより、データの分類精度を高めることができる。

上記ステップ（ｃ）における画像処理としては、各根圏要素を識別することを可能とする画像の加工処理であれば特に制限されるものではなく、光を照射されたそれぞれの物質が特定の波長の光における固有の反射率を有するという性質を利用して、前記画像処理により、特定波長の光における反射率を示す分光反射率を計測することにより、各根圏要素を識別することが可能となる。

例えば上記ＣＣＤカメラを用いた場合の画像処理について次に説明する。ＣＣＤカメラに搭載されているイメージセンサとしてのチップがスペクトルデータを受光すると、光を信号化して画像にする。デジタル画像を構成する単位である各ピクセルは、多数のバンドで分光されたスペクトルの強度を登録することを特徴としており、ピクセルが正方形又は長方形に規則正しく縦横に並ぶことで二次元画像を表現できるとともに、各ピクセルが、バンドごとの反射率のデータを有しており、１又は複数のバンドを選択して、画像を合成することで、通常ヒトの目で現実に見る色とはかけ離れているが、分析目的にふさわしい処理を施したことで、画面による識別がしやすくなっているフォールスカラー画像を合成することができる。

上記ステップ（ｄ）における教師データとは、人手や既存の分類結果により分類が正しいことが確実な、分類したい項目のお手本となるエリアについてのデータを意味し、撮影した分光画像の中で、あらかじめ構成が明確に判っている根、土壌、腐植の反射率を抽出することにより、かかる教師データをあらかじめ作成しておくことができる。また、生根、枯死根、腐植質、土壌などについて、土壌圏が湿潤時と乾燥時などの土壌の水分や、乾性褐色森林土、適潤性褐色森林土、弱湿性褐色森林土などの土壌の種類ごとの複数の教師データを作成しておくこともできる。また、自然環境でのデータに限らず、実験室レベルの研究段階で、潅水の回数、温度等を変更したうえで植物の生育段階に合わせた教師データを作成することも可能である。

上記ステップ（ｄ）における教師データとの比較評価は、通常、所定のクラス（生根、枯死根、腐植質、土壌など）の分類精度の比較評価により行われる。ハイパースペクトルデジタルカメラシステムを用いた場合における分類精度は次式により求められ、分類精度が８０％以上、好ましくは８５％以上、特に９０％以上、中でも９３％以上の場合、精度よく自動分類しうるということができる。
分類精度（％）＝（正しいクラスに分類されたピクセル数）÷（試験に使用したそのクラスの教師データのピクセル数）×１００

以下、実施例により本発明をより具体的に説明するが、本発明の技術的範囲はこれらの例示に限定されるものではない。

（試料の調製）
実験は、ポプラクローン（I45/51）を用いて行った。黒ボク土（８５体積％）と市販の広葉樹腐葉土（菊池産業（株）製）（１５体積％）を混合した土壌を入れたガラスケース（２０ｃｍ×３０ｃｍ×高さ２０ｃｍ）に、長さ約１０ｃｍのポプラの挿し枝（発根していないもの）８本を植栽し、人工光チャンバー（小糸製作所社製）で、明期１２時間／暗期１２時間に制御して、１２週間育成を行った。チャンバー内の温度は明期２５℃／暗期２０℃に、湿度は明期５５％／暗期７０％に設定し、２０００倍に希釈した液体肥料（Ｎ：Ｐ：Ｋ＝５：１０：５、ハイポネックス社製）を含んだ水を０．５Ｌ／１日潅水した。１２週間後、ポプラの挿し枝の高さは、平均で約８５ｃｍであった。地上部を切断し、ガラスケース中の地中部を残し、潅水を停止して暗所でさらに１２週間経過させ、完全に枯死させた。

（分光反射測定）
根圏要素（成育期間の異なる生根、枯死根、土壌、及び腐植）の分光反射特性の相違について検討するため、可視光−近赤外光連続分光画像の撮影を行った。

撮影は、育成期間中の生個体を対象に、植栽後１１、２０、２７、３５、４２、５５、及び７０日目の７回、並びに潅水停止後の枯死個体を対象に、植栽後１７０日の１回の、合計８回行った。根、腐植、及び土壌の水分状態の相違による反射率変動の影響を減らすため、撮影の前日のポプラには十分に潅水を行い、静置した後に撮影を行った。

ポプラの挿し枝を植栽する前に、対照として、５ｍｍの厚さのＥＶＡ（エチレンビニルアセテート）のカード（４０ｍｍ×４０ｍｍ）をガラスの表面の内側に貼り付け、実験前にカードの分光反射を測定した。カードの外周は、シリコーンのシーリング剤で隙間をふさぎ、ガラスとカードの間の水分の侵入を防いだ。ガラスの表面は、土壌と根からの照射を防ぐためにアルミホイルで覆い、試料窓のアルミニウムのフィルムは、測定の間は取り除かれた。（図１参照）。

連続分光画像の撮影のために、ハイパースペクトルデジタルカメラシステムを用いた（Oguma et al., 2002）。該カメラシステムは、対物レンズ（１２ｍｍ、コンパクトＶＩＳ−ＮＩＲレンズ、Schneider Optics Inc.,社製、Germany）、画像スペクトログラフ（ImSpector V10, Specim Ltd社製, Finland）、及び１０ビットのＣＣＤカメラ（MC-781PF、Texas Instruments Co.,社製、USA）から構成され、測定可能範囲は３５６〜９７６ｎｍ、波長分解能（半値全幅）は５〜１０ｎｍであり、記録のインターバルは０．８３ｎｍ（７５４バンド）であった。対物レンズの透過率は、全観測を通じて、８０％以上であった。分光データは、５バンド（４．１５ｎｍ）のインターバルごとに記録され、記録した波長の合計数は１５１であった。信号対雑音比（Ｓ／Ｎ）が、最初の３０波長と最終のバンドでは５０未満であったので、中央部の４８０〜９７２ｎｍの波長で、１２０バンド（３１〜１５０）の連続分光画像を取得した。

分光画像システムは、８０μｍ幅の垂直のスリットを通じて入ってくる縦長の線画像情報を水平方向に分光させてＣＣＤアレイに投影する。撮影距離を５０ｍｍに設定して撮影したときの１コマの画像サイズは、縦３５ｍｍ、横１２３μｍに相当する。回転半径１７６ｍｍ、０．０４°ピッチで水平方向に３００コマ（１２°）、システムを回転させながら対象を撮影した（図１参照）。３００コマの線画像を結合させることで１回の撮影につき、縦３５ｍｍ×横３７ｍｍの二次元分光画像を作成した。座標を表す、標的領域の周囲の１ｍｍごとのグリッドも同時に撮影した。各撮影日に、垂直に４０ｍｍ〜１２０ｍｍの深さにわたり、２０ｍｍ間隔で４回、二次元分光画像を撮影した。根圏要素の分光反射率は、試料の分光放射とＥＶＡの分光放射との比として計算した。画像の歪曲収差は、グリッドデータを用いて修正した。作成した分光反射画像の１ピクセルは、０．００９ｍｍ^２の土壌表面の投影面積（７２μｍ×１２３μｍ）に相当する。

各根圏構成物の特徴的な分光特性を算出するために、各画像の明確な中心部分の各構成物のピクセルにおける各バンドの反射率を手動で抽出し、平均値を出した。表１は、分析した試料のリストである。成長を伴う生根の分光反射の一時的な変化を調査するため、８本の根を連続的に分析した。４本については２０日後から、別の４本については２７日後から分析した。調査した根の抽出されたピクセルにおける各バンドの反射率は、時間の経過と共に徐々に変化した。このことは、根の成長に起因するものでもあり、また、細根が、ガラスの表面や根の間に捕捉されるということもあろう。表１からもわかるように、根の色は、一週間後に淡黄色になり、二週間後に薄茶色に変化し、さらに一月後には茶色に変化した。教師エリアのピクセルの詳細を表１に示す。

（分光バンドと波長の調査）
生きている根（生根）を成長段階ごとに４クラスに分類し、さらに枯死根、腐植、土壌を加えた７つのクラスの自動分類のために効果的な分光バンドと波長を調査した。

それぞれのクラスについて、クラス間分離度を表すジェフリー・松下距離（Swain and Davis, 1978）を用いて、クラス間の平均分離度が最大になるように、２バンド、３バンド、４バンド、及び５バンドの４種類のすべての組合せを、統計的に選択した(表２参照)。いずれの組合せにおいても、緑（５１３〜５２２ｎｍ）、赤（６２３〜６７９ｎｍ）、及び近赤外波長域（７２８〜８８６ｎｍ）が選択された。これらのバンドは、根端(クラス１)が淡黄〜薄茶色根(クラス３)や茶色根（クラス４）と交差する部分を除いた波長帯（可視域）、又は特に土壌（クラス７）と他の対象との差が明確になる近赤外領域に位置する（図５参照）。

この結果に基づき、一般的なＣＣＤカメラを想定した、赤（６５０ｎｍ）、緑（５５０ｎｍ）、及び青（４８０ｎｍ）のＲＧＢ画像を比較対象として加え（表２参照）、２〜５バンドの各組合せの分類精度を調査した。最尤法により教師付分類を行って、(Schowengerdt, 1983、Richards, 1993)、分類精度は、教師データで用いたものと同一のエリアの結果の分類から正解率を算出した。画像処理、分離可能性テスト、分類及び正解率試験は、ＥＲＤＡＳＩＭＡＧＩＮＥソフトウェア（ERDAS社、USA）で行われた。

この結果を基にして、３バンドのＲＧＢ画像と２〜５バンドの可視−近赤外合成画像を構築し、根圏要素を分類した（表３及び図６参照）。

これらの選択された可視−近赤外バンドで合成した反射率画像と、一般的なＣＣＤカメラを想定した可視バンド画像のそれぞれにおいて教師付き分類を行ったところ、生根（クラス１〜４）では、分類精度（正解率）は可視波長と可視−近赤外波長で大差はなかった。例えば、表３に示すとおり、３バンドの合成画像を用いたケースでは、クラス１から５の分類精度は、可視バンドでは１００％、９３．８％、６６．９％、７８．８％、及び６６．８％であり、可視−近赤外バンドでは１００％、９４．８％、６３．７％、８２．３％、及び７１．７％であった。

しかしながら、図６（ａ）に示すように、可視波長で分類を行った場合では、腐植（クラス６）と土壌（クラス７）の間の分離は実質的には不可能であり、分類精度は、それぞれ７２．６％と６３．５％であった（表３参照）。対照的に、可視−近赤外バンドの両方を用いた分類試験では、土壌と腐植は、明確に分離しており（図６（ｂ）、（ｃ）、及び（ｄ）参照）、２〜５バンドを選択した場合の可視−近赤外バンドの分類精度は、クラス６では、９１．５％〜９５．２％であり、クラス７では、９６．５％〜９６.９％であった（表３参照）。すべてのクラスを通じた分類精度は、可視バンドでは６７．１％であったが、可視−近赤外バンドでは９１．３％〜９４．０％に上昇した。

［結果］
（インサイチュの根圏要素のＶＩＳ−ＮＩＲ反射）
図３では、測定例として２７、５５、及び１７０日後の、根圏のトゥルーカラー（可視）画像（Ｒ：６５０ｎｍ、Ｇ：５５０ｎｍ、Ｂ：４８０ｎｍ）と、可視−近赤外フォールスカラー画像（Ｒ：８８６ｎｍ、Ｇ：６７９ｎｍ、Ｂ：５２２ｎｍ）を示す。植栽後、成長に伴い、合成画像で、根の色が白色から茶色に変化していく様子が観察された。土壌中の腐植の外観は、可視画像と可視−外画像では、明確に異なっていた。土壌と腐植は、可視画像では同じように観察されたが（図３ａ参照）、可視−近赤外画像では、腐植では、土壌よりも高いＮＩＲ反射があり、Ｒバンドのディスプレイが強調されたので、土壌とは異なって観察された（図３ｂ参照）。

生根の日齢に関しては、４つのクラスに分けた。すなわち、
クラス１、根の発生からまもない根端（０〜１日齢）、
クラス２、伸長と肥大成長を示す白色根（０〜９日齢）、
クラス３、伸長がほぼ停止し、色素沈着と木質化が始まろうとしている若い（淡黄〜薄茶色）根（７〜３１日齢）、
クラス４、成長が停止し、成熟した茶色根（２８〜５９日齢）
である。また、
クラス５、完全に乾燥した枯死根、
クラス６、腐植、及び
クラス７、土壌
にクラス分けした。図４に示すように、反射特性は、同一クラス内では類似していた。

図４は、３バンド（緑、赤、及び近赤外）における、植えてから枯死するまでの様々な成長段階でのポプラの根の分光反射率を示す。可視と近赤外域の反射率は、新たな根（０〜１日齢）の発生から０−９日齢まで増加した。生根の可視域反射は、７〜１６日齢以降減少するが、近赤外反射率は、０〜６日齢以降はほぼ一定であった。枯死根（クラス５）の反射は、ＶＩＳとＮＩＲ双方において低い値であった。

図５は、各クラスの可視−近赤外分光反射率の特性を示す。ポプラの根の反射率は、日齢に関わらず、また生死にかかわらず、波長が長くなるにつれて上昇する傾向があった。生根（クラス１〜４）では、ピークは、８５０〜９００ｎｍの範囲に観察され、約９７０ｎｍ（水の吸収バンド）においては、最大値よりも低くなった。根端（クラス１）の分光反射のグラフは、他の生根(クラス２〜４)とは、異なった態様を見せ、上昇率は低かった。枯死根（クラス５）の分光反射は、全波長領域を通じて比較的低く、腐植と生根の中間に位置した。枯死根、腐植（クラス６）、土壌（クラス７）の反射は、可視領域では、ほぼ同じであったが、近赤外領域では、枯死根＞腐植＞土壌の順により低い値となった。

［考察］
成長に伴う生根の可視域反射率の低下は、主として、根の表面の二次的な成長に関連する色素の沈着によるものと推論する(e.g. Hishi and Takeda 2005; Hishi 2007)。１０００ｎｍ未満のＮＩＲ反射の変化に対する植物細胞組織中のリグニン又はセルロースの蓄積の影響は不明である。なぜなら、リグニン又はセルロースの吸収バンドは、それぞれ約２１００ｎｍ及び２３００ｎｍであるからである(Dawson et al. 1998; Nagler et al., 2000, 2003)。クラス１よりもクラス２〜４の近赤外域の反射率が高かったのは、細胞組織の発達に関連する細胞間隙の拡散の増大に関連するものであろう。枯死根で全体の反射率が低くなったのは、根の色素の変化と枯死後の細胞組織の構造の破壊によるものであろう(Comas et al., 2000)。すなわち枯死根の表面の暗色により、可視域の反射率は低下し、崩壊細胞組織への水分の均一な浸入が原因で、近赤外域の反射率が低下した。枯死根、腐植、土壌の反射は、近赤外領域で異なったが（枯死根＞腐植＞土壌）（図５参照）、この相違は、細胞壁と気層の間の近赤外波長の反射と散乱特性の相違や枯死細胞組織の分解による構造的変化をおそらく反映するものである。地中の腐植などの有機物は、一般的に同様の水分含有率を有する粘土鉱物よりも高い近赤外反射率を示し(Nagler et al., 2000, 2003)、根、腐植及び土壌の反射率についての我々の結果を支持するものである。

したがって、可視領域（４００〜７００ｎｍ）の一部を含む領域及び近赤外領域（７００〜１１００ｎｍ）の一部を含む領域の波長で自動画像分類を行うと、従来の可視光による分類よりも、根の成長段階、生死の状態、腐植と土壌の分離などについてのより客観的な分類を提供することができる。

分光反射装置と対象の撮影概念図を示す。スキャンした画像と教師エリアの一例を示す。１波長（６５０ｎｍ）の反射率画像を示す。外側のグリッドのスケールは１ｍｍである。ポプラ根圏の可視域トゥルーカラー画像（ａ）と可視−近赤外フォールスカラー画像(ｂ)を示す。ポプラの生根と枯死根の、３つの典型的な波長（緑、赤、及び近赤外光）の分光反射を示す。棒グラフの上の数字は、根の日齢を示す。凡例は、根の日齢と、成長段階に基づいたクラスを示す。クラス１、根端（０〜１日齢）；クラス２、白色根（０〜９日齢）；クラス３、淡黄〜薄茶色根（７〜３１日齢）；クラス４、茶色根（２８〜５９日齢）；クラス５、枯死根クラス分けされた根圏要素の分光反射特性を示す。試料数と計算したエリアのピクセルについては、表１を参照のこと。根圏要素の主題図（分類結果）を示す。試料エリアは、図３に示されたものと同じである。なお、５バンドの分類結果はほぼ４バンドと同等であったため、可視−近赤外バンドを用いた分類結果は、２〜４バンドについて示す。

Claims

以下の（ａ）〜（ｄ）の各ステップを順次備えたことを特徴とする土壌中の根圏要素の自動分類方法。
（ａ）光源から、可視領域（４００〜７００ｎｍ）の一部を含む領域及び近赤外領域（７００〜１１００ｎｍ）の一部を含む領域の波長の光を根圏要素に照射するステップ；
（ｂ）可視領域の一部を含む領域及び近赤外領域の一部を含む領域における根圏要素の近接連続分光画像を経時的に撮影するステップ；
（ｃ）画像処理により、可視領域の一部を含む領域及び近赤外領域の一部を含む領域における分光反射率を計測するステップ；
（ｄ）計測した分光反射率を、あらかじめ作成した教師データと比較評価するステップ；
光源として、ハロゲンランプを用いることを特徴とする請求項１記載の土壌中の根圏要素の自動分類方法。
可視領域の一部を含む領域及び近赤外領域の一部を含む領域が、可視領域２〜３バンド及び近赤外領域１バンドであることを特徴とする請求項１又は２記載の土壌中の根圏要素の自動分類方法。
可視領域の一部を含む領域及び近赤外領域の一部を含む領域が、緑（５１３〜５２２ｎｍ）、赤（６２３〜６７９ｎｍ）、及び近赤外波長域（７２８〜８８６ｎｍ）からそれぞれ選択される３バンドであることを特徴とする請求項１又は２記載の土壌中の根圏要素の自動分類方法。
ハイパースペクトルデジタルカメラを用いて、根圏要素の近接連続分光画像を経時的に撮影することを特徴とする請求項１〜４のいずれか記載の土壌中の根圏要素の自動分類方法。
根圏要素が、生根、枯死根、腐植、及び土壌であることを特徴とする請求項１〜５のいずれか記載の土壌中の根圏要素の自動分類方法。