JP2016049102A - 圃場管理システム、圃場管理方法、プログラム - Google Patents

Abstract

【課題】農作物の品質や収量のばらつきを抑制する圃場管理システム等を提供する。【解決手段】栽培されている農作物に関する情報を取得する情報検出手段と、農作物の生育状況を予測するための農作物登録情報を記憶する記憶手段と、農作物に関する情報に基づき農作物登録情報を参照して、農作物の生育状況を予測する生育予測手段と、生育予測手段で予測された生育状況を表示する表示手段と、を有する。【選択図】図１

Description

本発明は、圃場を管理する圃場管理システム等に関する。

圃場（農場、牧場含む）の生産物の品質や収穫量は、天候などの自然環境に依存する側面があるため、圃場の情報化は必ずしも容易でない。しかし、我が国では農業の担い手の不足・高齢化の問題が顕在化しているため、圃場での生産性の向上等がこれまで以上に求められている。また、植物の栽培経験が必ずしも豊富でない者たちによる栽培を支援するため、作物の栽培に関するノウハウをＩＴ化で支援することで将来の農業の担い手を増やしていくことも求められている。

このため、従来から圃場の情報化についていくつか考案されている（例えば、特許文献１参照。）。特許文献１には、農場の状況を農場以外の場所から把握して農場の管理をおこなう農場管理システムが開示されている。

ところで、圃場が情報化されても栽培される農作物の品質と収穫性が求められるのは変わりがない。しかしながら、従来の圃場の情報化では、農作物に関する情報を検出し、検出した農作物に関する情報から農作物の生育状況を予想し、把握することは行われていなかった。

すなわち、農作物の品質や生育状況に大きな影響を与える環境情報や、それを制御する作業、例えば土壌中の水分を制御する灌水制御などが栽培者の勘や経験といったノウハウに頼ってしまこととなり、その結果、品質や収量にばらつきが出てしまうという問題があった。

また、例えば上記の土壌中の水分情報などがどのように農作物の品質や収量に影響を与えるかは、営農日誌をつけて農作物の生育状態に影響を与えるデータを収集することが望まれるが、従来の圃場の情報化では詳細な営農日誌は作成されていない。

本発明は、上記課題に鑑み、農作物の品質や収量のばらつきを抑制する圃場管理システムを提供することを目的とする。

本発明は、栽培されている農作物に関する情報を取得する情報検出手段と、前記農作物の生育状況を予測するための農作物登録情報を記憶する記憶手段と、前記農作物に関する情報に基づき前記農作物登録情報を参照して、前記農作物の生育状況を予測する生育予測手段と、前記生育予測手段で予測された生育状況を表示する表示手段と、を有する。

農作物の品質や収量のばらつきを抑制する圃場管理システム等を提供することができる。

圃場管理システムの概要を模式的に説明する図の一例である。 モニタリング装置の外観図の一例を示す図である。 モニタリング装置に接続されているセンサ及び周辺機器を示す図の一例である。 サーバーのハードウェア構成図の一例である。 圃場管理システムの機能ブロック図の一例である。 圃場管理システムにおける灌水制御を説明する図の一例である。 圃場管理システムにおける通信経路を説明する図の一例である。 管理センターのサーバーが実行する土壌灌水制御手続きのフローチャート図の一例である。 生育度測定装置が搭載された移動体の外観図の一例である。 生育度測定装置が備える受光部を説明する図の一例である。 生育度測定装置と、これを電波で遠隔操作するコントローラ部の機能ブロック図の一例である。 マルチスペクトルカメラの構成を示す図の一例である。 フィルタ及び絞りの正面図の一例である。 マルチスペクトルカメラにより撮影された画像の一例を示す図である。 マクロピクセルの拡大図の一例である。 反射率の測定結果の一例を示す図である。 マルチスペクトルカメラに使用可能なフィルタの他の例を示す図の一例である。 ＰＲＩを説明するための図の一例である。 水ストレスとＰＲＩの対応関係を表すデータを圃場管理システムが取得する処理のフローチャート図の一例である。 水ストレスの程度とＰＲＩの関係の概念的な図の一例を示す 圃場管理システムが灌漑制御を行う手順を示すフローチャート図の一例である。 全天球画像データを模式的に示す図の一例である。 圃場で撮影された全天球画像の一例である。 全天球画像から変換された平面画像の一例を示す図である。 二値化結果のヒストグラムの一例を示す図である。 農薬散布装置を示す図の一例である。 農業機械であるトラクタを示す図の一例である。 農業機械のブロック図の一例である。 温室がある圃場管理システムのブロック図の一例である。 設定温度と測定温度の一例を示す図である。 サーバーの機能について説明する図の一例である。 生育状態予測処理部の処理を示すフローチャート図の一例である。 収穫状態予測処理部の処理を示すフローチャート図の一例である。

以下、本発明を実施するための形態について図面を参照しながら説明する。

図１は、圃場管理システム１００の概要を模式的に説明する図の一例である。圃場管理システム１００は、灌水装置２０、モニタリング装置１４、及び、サーバー１１を有している。

灌水装置２０は、水源１３、水圧送装置１９、水の流路となる配管１２、及び、スプリンクラー２２を有している。水源１３は、例えば井戸や水道など水を供給できるものであればよい。水圧送装置１９は、水源１３から圃場２００にいたる経路に設置される。水源１３からくみ上げられた水は配管１２を通して圃場２００に供給され、スプリンクラー２２を介して農作物１５に散水される。

なお、灌水装置２０は、スプリンクラー２２を介して農作物１５に水を供給して灌水をおこなうための給水装置であると共に、供給する水に液体肥料を混合して供給するための施肥装置としても動作する。また、水圧送装置１９は、制御盤を備え、得られる圃場情報や時間などの条件に基づいて灌水や施肥の制御を行うことができる。

スプリンクラー２２は、配管１２に設けられた電磁弁が開放されている間、圧送された水を圃場２００に散水する。また、電磁弁の閉鎖により水の散水を停止する。電磁弁の開閉はサーバー１１又はモニタリング装置１４のいずれによって制御されてもよい。水圧送装置１９は、配管１２に配置された流量センサや圧力センサなどにより圃場２００への水の供給量を測定している。

さらに、図３（ｂ）に示すように、灌水装置２０には水温センサ２０１，ｐＨセンサ２０２，及び、成分センサ２０３が接続されており、水の温度、ｐＨ及び成分などの成長に影響する因子が監視されている。この水の排出量等はサーバー１１に送信される。なお、水の排出量、水の温度、ｐＨ及び成分などの成長に影響する因子の一部又は全てはモニタリング装置１４により監視されてもよい。

サーバー１１には、後述するモニタリング装置１４の気温センサ１４０２等の出力値、灌水装置２０からの水の排出量等が入力され、栽培環境不良による異常の有無を判断する。異常が認められるときは、サーバー１１はメールサーバー経由で電子メールにて異常内容を端末２１に警報として送信する。

端末２１は、モニタリング装置１４や灌水装置２０が計測しサーバー１１に蓄積された情報を、ブラウザーを介して確認することができる。

なお、圃場管理システム１００は、移動体１７、農業機械１８及び端末２１を有しているが、これらについては後述する。

次に、図２、３を用いてモニタリング装置１４について説明する。図２はモニタリング装置１４の外観図の一例を、図３はモニタリング装置１４に接続されているセンサ及び周辺機器を示す図の一例である。

モニタリング装置１４は、全天球カメラ１４４を有しており、圃場２００の状態を撮影する。全天球カメラ１４４は一度の撮影で、そのカメラの周囲３６０度を撮影できるもので、圃場２００に設置することで、圃場２００はもちろんのこと、たとえば空の画像から天候のモニタリングも行うこともできる。例えば、カラスやイノシシなど圃場２００を荒らす害獣を監視するために、カメラを用いて広い範囲で圃場２００の監視を行う。

モニタリング装置１４は、太陽光エネルギーを電気エネルギーに変換する太陽電池３３を複数並べ相互接続されたソーラーパネル１４２と、制御部１４７と、制御部１４７と接続されサーバー１１と無線通信を行うための無線アンテナ１４１と、全天球カメラ等を周辺環境から保護する透明なカバー１４３と、モニタリング装置１４を高い位置に支持する柱１４６を備えている。さらに、ＬＥＤ等で周囲を証明することもできる。

図３（ａ）に示すように、全天球カメラ１４４はＵＳＢホスト１４０１に接続されているが、例えば無線ＬＡＮなどで接続されていてもよい。また、全天球カメラ１４４に加え、又は、全天球カメラ１４４ではなく、マルチスペクトルカメラやステレオカメラを備えていてもよい。

また、モニタリング装置１４には、各種のセンサが接続されている。具体的には、気温センサ１４０２、相対湿度センサ１４０３、ＣＯ２濃度センサ１４０４、風量センサ１４０５、地温センサ１４０６、土壌水分センサ１４０７、及び、日射量（光合成有効光量子束密度）センサ１４０８などである。サーバー１１にはこれら各種センサの出力が常に入力されている。

モニタリング装置１４は、これらのセンサと全天球カメラ１４４による圃場２００のモニタリング結果に応じて、インタフェース（例えばＲＳ２３２Ｃ）を介して灌水装置２０のスプリンクラー２２を動作させるサーボ機構１４１０や電磁弁などのアクチュエータ１４０９を遠隔制御する屋外用Ｗｅｂサーバーとしても機能する。これらの制御は、サーバー１１が行ってもよくモニタリング装置１４が行ってもよい。

また、モニタリング装置１４は、無線通信部（無線ＬＡＮ、携帯電話網など）１４８を有しており、ネットワークへ接続してサーバー１１と通信したり、ホットスポットを構築したりすることを実現している。

モニタリング装置１４には、耐候性の高い筐体、環境や動植物の計測技術、長時間利用できるセンサ、外気を取り込んで計測と内部の冷却を行う吸排気システム、ネットワーク技術、自然エネルギーによる発電技術などの要素技術が統合されている。

モニタリング装置１４の内部では、ＰＣ（Personal Computer）のマザーボードに相当する制御部１４７に全天球カメラ１４４及び各種のセンサなどの機器がＥｔｈｅｒｎｅｔ（登録商標）で接続されている。制御部１４７は、Ａ/Ｄコンバータ、信号発生用ＬＳＩ、半導体リレー、リアルタイムクロック等を搭載している。

モニタリング装置１４は、気温センサ１４０２、相対湿度センサ１４０３、ＣＯ２濃度センサ１４０４、土壌水分センサ１４０７、及び、日射量（光合成有効光量子束密度）センサ１４０８などのセンサで気温、相対湿度、ＣＯ２濃度、土壌水分、日射量を測定する。気温、相対湿度、ＣＯ２濃度、土壌水分、日射量は、制御部１４７に設けられたＡ/Ｄコンバータ（Analog/Digital Converter）でデジタル値に変換して取り込まれる。デジタル値に変換された各センサの出力は、サーバー１１に送信される。モニタリング装置１４は、強制通風によって内部の電子機器の冷却を行うと共に、例えばアスマン式温湿度計測によって精度の高い測定が可能である。

また、モニタリング装置１４は計数型センサ１４１２として、転倒ます式雨量計、粉塵・花粉カウンタ、害虫カウンタ（フェロモンで特定の害虫を誘引し、電撃殺虫機で殺虫した個体数をカウントする）などを有している。これらのセンサの出力値はセンサと制御部１４７のインターフェースを経由してデジタルデータとして取り込まれる。

また、モニタリング装置１４は位置センサとしてＧＰＳ装置１４１１を有しており、制御部１４７は、計数型センサ１４１２と同様にインターフェースを経由して位置情報を取り込む。

また、モニタリング装置１４は、このインターフェースを使ってアクチュエータ１４０９やサーボ機構１４１０の制御もおこなう。これにより、全天球カメラ１４４の撮影方向の制御が可能となり、アクチュエータ１４０９などでスイッチ類を機械的に押すなどの物理的な動作が可能になる。

モニタリング装置１４への電源供給は太陽電池３３によっておこなわれる。ソーラーパネル１４２は強風を受け流すために水平に固定され、限られた設置面積で大きな電力を得られるように垂直方向に多層化されている。なお、モニタリング装置１４の設置場所が寒暖の差が激しい環境の場合、結露が生じる可能性があり、結露を防ぐためにＬＥＤ等の熱量の大きいデバイスを先に起動して内部を暖めるような対策が施されている。

図４は、サーバー１１のハードウェア構成図の一例を示す。サーバー１１は、ＰＣとして一般的な構成として、それぞれバスＢで相互に接続されているＣＰＵ１４７１、ＲＡＭ１４７２、ＲＯＭ１４７３、通信装置１４７４、入力装置１４７５、記憶媒体装着部１４７８及び補助記憶装置１４７６、を有する。ＣＰＵ１４７１は、ＯＳやプログラムを補助記憶装置から読み出して実行することで種々の機能を提供する。

ＲＡＭ１４７２はＣＰＵ１４７１がプログラムを実行する際に必要なデータを一時保管する作業メモリ（主記憶メモリ）になり、ＲＯＭ１４７３はＢＩＯＳ（Basic Input Output System）やＯＳを起動するためのプログラムが記憶されている。

入力装置１４７５は、キーボードやタッチパネルなど、ネットワークを介さなくてもユーザの操作指示を受け付けるために使用される。

補助記憶装置１４７６には、サーバー１１が提供する機能を実現するプログラム１４７７が記憶される。なお、補助記憶装置１４７６は、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等の不揮発メモリである。

通信装置１４７４は、ネットワークに接続するためのＮＩＣ（Network Interface Card）であり、例えば、イーサネット（登録商標）カードである。

記憶媒体装着部１４７８には記憶媒体１４７９が脱着可能に装着される。記憶媒体１４７９は、例えばＵＳＢメモリ、ＳＤメモリ、ＣＤ、ＤＶＤ、ＢＤなどである。プログラム１４７７は記憶媒体１４７９に記憶された状態やプログラムを配信するサーバーからダウンロードされることで配布される。

なお、モニタリング装置１４の制御部１４７のハードウェア構成はサーバー１１とほぼ同じでよい。

図５は、圃場管理システム１００の機能ブロック図の一例を示す。図５では、サーバー１１は散水量決定部１１１、日陰算出部１１４，通信部１１２及び規定値ＤＢ１１３を有している。これらの機能はＣＰＵ１４７１がプログラム１４７７を実行しハードウェアと協働することで実現される機能又は手段である。

散水量決定部１１１は土壌水分センサ１４０７から送信された含水率検出信号と規定値ＤＢ１１３に記憶された規定値を比較して散水量を決定する。決定した散水量はスプリンクラー２２の運転時間に変換され、通信部１１２を介してモニタリング装置１４に送信される。モニタリング装置１４はスプリンクラー２２を制御して散水する。

日陰算出部１１４は圃場２００の撮影画像から日陰面積を撮影する。

土壌水分センサ１４０７は送受信機３１及びセンサ部３２を有している。土壌水分センサ１４０７は太陽電池３３により駆動され、センサ部３２が検出した含水率検出信号が送受信機３１を介してサーバー１１に送信される。

＜圃場管理システムの灌水制御＞
図６は、圃場管理システム１００における灌水制御を説明する図の一例である。図７は、圃場管理システム１００における通信経路を説明する図の一例である。

灌水を施すべき地域が複数のエリア(Ａ、Ｂ、Ｃ、Ｄ・・・)に分割されて、各エリアにスプリンクラー２２が設置されている。各エリアには、土壌の含水率を測定するための土壌水分センサ１４０７が埋設されており、各土壌水分センサ１４０７は、センサ部３２と有線で接続された地上に配置された送受信機３１とを有している。

送受信機３１には、土壌水分センサ１４０７及び送受信機３１の電源となる太陽電池が装備されると共に、後述する中継局３４と通信を行なうためのアンテナが装備されている。図７に示すように、各エリアの送受信機３１からは、複数のエリア毎に設けられた中継局３４へ向けて、含水率検出信号が送信される。中継局３４は、受信した含水率検出信号を、管理センター３０に設置されたサーバー１１へ転送する。なお、各中継局３４及び管理センター３０にはそれぞれ、無線通信のためのアンテナが装備されている。含水率検出信号の送信には、必ずしも中継局３４を経由しなくてよく、管理センター３０に直接、含水率検出信号を送信してもよい。

１つのエリアに、複数の土壌水分センサ１４０７を埋設することも可能である。各エリアに埋設された複数の土壌水分センサ１４０７が、送受信機３１によって、エリア毎の中継局３４と無線で接続され、各中継局３４が管理センター３０と無線で接続される。また、各エリアには、少なくとも１つ以上のスプリンクラー２２が配備されて、サーバー１１からの灌水指令にしたがって、モニタリング装置１４が各エリアの土壌に灌水を施す。

なお、土壌水分センサ１４０７は、一例として以下のような構成を有している。一面が開口した筐体の開口部に光透過性部材を固定してなる密閉ケーシングの内部に、発光素子となるタングステンランプと、一対の受光素子となるシリコンフォトダイオード及び焦電素子とが配置され、それぞれケーシングの光透過性部材へ向けて取り付けられている。なお、光透過性部材は、可視光領域及び近赤外光領域を含む広帯域の波長の光を透過させることが可能である。

土壌水分センサ１４０７のシリコンフォトダイオード及び焦電素子の出力信号は含水率検出信号として送受信機３１の制御回路へ供給される。該制御回路は、無線回路を経て、アンテナから中継局３４へ向けて、無線で含水率検出信号を送信する。中継局３４は、受信した含水率検出信号を管理センター３０へ転送する。

管理センター３０からモニタリング装置１４に無線で送られてくる灌水指令信号は、アンテナを経て無線通信部１４８により受信され、制御部１４７へ供給される。制御部１４７は、灌水指令信号に基づいて、スプリンクラー２２に接続された電磁弁を制御し、散水量を最適設定する。管理センター３０は、灌水装置２０に灌水指令信号を送信してもよい。

管理センター３０に設置されたサーバー１１は、各中継局３４から転送されてくる各エリアの土壌の含水率検出信号に基づき、上記の原理にしたがって、各エリアの含水率を算出し、その結果に、各エリアの作物の種類、成長の度合い等を加味した分析を施して、各エリアの灌水の必要性や散水量を決定する。

図８は、管理センターのサーバー１１が実行する土壌灌水制御手続きのフローチャート図の一例である。

まず、サーバー１１は、各エリアの土壌水分センサ１４０７に対し含水率測定指令を出力する（Ｓ１）。

次に、各エリアの土壌水分センサ１４０７から中継局３４を経て送られてくる含水率検出信号に基づいて、各エリアの含水率を算出する（Ｓ２）。各エリアに複数の土壌水分センサ１４０７が埋設されている場合、複数の土壌水分センサ１４０７からの含水率検出信号の平均値、最大値、又は最小値等の代表値に基づいて、そのエリアの含水率を算出することができる。

次に、サーバー１１の散水量決定部１１１は、算出した全てのエリアの含水率を考慮して、各エリアの灌水の必要性及び散水量を決定し、その結果に基づいて、全エリアに配備された複数台のスプリンクラー２２の中から駆動すべきスプリンクラー２２を決定する（Ｓ３）。なお、各エリアの灌水の必要性は、測定された含水率を既定値と比較することによって判断される。該既定値は、そのエリアの作物の種類、成長段階、季節、土壌の質等に応じて予め定められたテーブルに登録されている。

次に、サーバー１１の散水量決定部１１１は、散水量に基づき各スプリンクラー２２の運転時間を決定する（Ｓ４）。散水量と運転時間の関係は予め設定されている。

次に、サーバー１１は、運転の必要な複数台のスプリンクラー２２に対する駆動指令を出力する（Ｓ５）。

サーバー１１は、散水したエリア、散水量、散水した日時等を記録する（Ｓ６）。これにより、後の品質や生育の早さ、収穫量と紐づけることで、散水量をきめ細かに記録して、作物の品質や収穫量と灌水制御の関係を蓄積することができる。

その後、一定時間(例えば１時間)の待機を経て、ステップＳ１に戻って、各エリアの含水率の測定を繰り返す（Ｓ７）。

＜移動体による生育度測定＞
次に、農作物の生育度の測定について説明する。本実施形態では、移動体により生育度を測定する場合を説明する。

図９は、生育度測定装置４０が搭載された移動体１７の外観図の一例である。移動体１７はコントローラ部４４により電波で遠隔操作される。なお、この移動体１７はヘリコプタである。ヘリコプタの機体下部に第１受光部４１が配置されている。第１受光部４１は、圃場２００の水稲から反射される太陽光を受光する。この第１受光部４１は機体下部に設けた懸架部を介してヘリコプタに設置されている。懸架部は第１受光部４１が常に鉛直下方向に向くように姿勢を制御する。なお、懸架部は公知のものを採用しており、アクチュエータによる電気的な制御により第１受光部４１が鉛直下方向へ向くように調整することができる。

ヘリコプタのテール部上には第２受光部４２が上向き姿勢で固定されている。この第２受光部４２は太陽光を直接に受光する。第２受光部４２は太陽光を受光するのに妨げとならないようにローターの回転中心よりも外側であるテール部の端部側に設置される。なお、第２受光部４２についても常に鉛直上方向に向くように懸架部と同様の姿勢制御部を介して固定してされる。

生育度測定装置４０は、第１受光部４１及び第２受光部４２と、これらに接続される操作制御部４３とを備えて構成される。操作制御部４３は第１受光部４１及び第２受光部４２を制御すると共に、第１受光部４１及び第２受光部４２が検出する光強度に基づいて所定の演算を実行する。

図９では、操作制御部４３を機体内に配置した状態を一例として示しているが、機体の設計に応じて適当な箇所に設置すればよい。なお、このヘリコプタには位置情報取得部としてＧＰＳ装置４５が搭載されており、ヘリコプタの位置を確認することができる。ＧＰＳ装置が検出した位置情報は操作制御部４３に供給される。

図１０は、生育度測定装置４０が備える受光部を説明する図の一例である。図１０（ａ）はヘリコプタの機体に下向きに設置される第１受光部４１の斜視図、図１０（ｂ）はテール部に上向きに設置される第２受光部４２の斜視図である。

第１受光部４１について詳細に説明する。第１受光部４１は圃場２００と対向するように下向き姿勢で配置され、水稲から反射する太陽光を受光する。第１受光部４１は、デジタルカメラのように多数の画素で圃場２００を撮影するものとは異なり、受光範囲に設定された圃場２００に植生している水稲全体から反射された光を複数に分けて受光するのではなく、一体の光として受光するものである。すなわち、第１受光部４１は測定対象である圃場２００に生育している植物群全体から反射される太陽光の光強度を検出する。第１受光部４１は、特定波長の光を受光する複数の受光素子を備えており、例えば、第１受光部４１は赤色（例えば波長６５０ｎｍ）用の受光素子４１ａ、近赤外光（例えば波長８５０ｎｍ）用の受光素子４１ｂ及び緑色（例えば波長５５０ｎｍ）用の受光素子４１ｃを備えている。なお、ここで採用する受光素子は公知のものでよく、これに限らない。受光素子としては、例えばＳｉフォトダイオードやスペクトルメータなどが使用できる。また、入射光を赤色光、近赤外光又は緑色光に分光するために、分光フィルタが各受光素子の受光面に取り付けられている。

第２受光部４２は、太陽光を直接に受光するように上向き姿勢で配置されている。この第２受光部４２は、第１受光部４１と同一の特定波長を受光するように設定されている。すなわち、第２受光部４２も同様に、赤色領域の受光素子４２ａ、近赤外光領域の受光素子４２ｂ及び緑色用の受光素子４２ｃを備え、各受光素子の受光面には分光フィルタが取り付けられている。なお、太陽光の入射角度の影響を避けるために拡散板を分光フィルタの前面にさらに取り付けてもよい。上記第１受光部４１についても拡散板を取り付けてもよい。

図１１は、生育度測定装置４０と、これを電波で遠隔操作するコントローラ部４４の機能ブロック図の一例である。生育度測定装置４０が備える操作制御部４３はコントローラ部４４により操作者が遠隔地から操作することができる。コントローラ部４４は、操作者が指示を行うための操作部４４３、画像を表示する表示部４４２、生育度測定装置４０と双方向に通信を行う通信部４４１等を備える。これらの各部は制御部４４４により制御される。

操作制御部４３はＩ／Ｆ（インターフェース部）４３１を介して第１受光部４１及び第２受光部４２に接続されている。操作制御部４３は、さらにコントローラ部４４と信号の送受信を行う通信部４３５、記憶部４３４、演算部４３３及びこれらを全体的に制御する制御部４３２を含む。これらはバス４３６を介して互いに接続される。

制御部４３２は例えばＣＰＵ（Central Processing Unit）を中心にして形成したマイクロコンピュータからなる。記憶部４３４は、例えば、ＳＳＤやＨＤＤなどの電気的に書き換えが可能なメモリにより構成される。この記憶部４３４には制御部４３２を駆動するためのプログラムを格納する他、生育指標に関する一連のデータを記憶することができる。なお、移動体１７に搭載したＧＰＳ装置４５もインターフェース部を介して生育度測定装置４０に接続されている。

よって、制御部４３２は圃場２００の位置情報も付加した生育指標マップを作成可能となる。このように圃場毎の生育指標に関する生育データも記憶部４３４に記憶するようにしてもよい。制御部４３２は演算部４３３を制御して、第１受光部４１及び第２受光部４２が測定した光強度を用いて後述する生育指標を算出させる。制御部４３２は生育指標を算出するためのプログラムを記憶部４３４から読み出して演算部４３３を制御して生育指標を算出させる。

演算部４３３は、赤色光について第２受光部４２の測定値に対する第１受光部４１の測定値の比として反射率Ｒを算出する。演算部４３３は、同様に近赤外光（近赤外領域の光）について第２受光部４２の測定値に対する第１受光部４１の測定値の比として反射率ＮＩＲを算出する。さらに、演算部４３３は上記反射率Ｒ及び反射率ＮＩＲを次式に算入することにより、第１の生育指標Ｉ及び第２の生育指標ＩＩを算出する。 第１の生育指標Ｉは、次式（１）により算出される。
生育指標Ｉ＝（ＮＩＲ−Ｒ）／（ＮＩＲ＋Ｒ）・・・・・・・・・・・・（１）
第１の生育指標Ｉは、正規化植生指数（ＮＤＶＩ：Normalized Difference Vegetation Index）と称される生育指標で植物の茎葉の窒素含有量と極めて高い相関がある。

第２の生育指標ＩＩは、次式（２）により算出される。
生育指標ＩＩ＝｛（ＮＩＲ−Ｒ）／（ＮＩＲ＋Ｒ）｝／√｛（１−ＮＩＲ）^２＋Ｒ^２｝
…（２）
この生育指標ＩＩは、正規化植生指数（ＮＤＶＩ）を√｛（１−ＮＩＲ）^２＋Ｒ^２｝で除したものである。これらの生育指標Ｉ及びＩＩについては後述する。

＜ＰＲＩを用いた灌漑制御＞
まず、図１２〜１７を用いてマルチスペクトルカメラについて説明する。

図１２はこのマルチスペクトルカメラ４５０の構成を示す図である。図１２（ａ）が正面図、図１２（ｂ）が側面からみた断面図である。本体部６０は、マイクロレンズアレイ６２、受光素子アレイ６４、ＦＰＧＡ６６及び分光反射率算出部６８を有する。鏡筒部１７０は、発光ダイオード（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ：ＬＥＤ）１７２、メインレンズ１７４、絞り１７６、フィルタ１７８Ａ及び集光レンズ１７９を有する。

マイクロレンズアレイ６２は、複数の小レンズが二次元方向に配列された光学素子である。受光素子アレイ６４は、複数の受光素子を有し、受光素子（以下「画素」という場合がある）ごとのカラーフィルタが実装されていないモノクロセンサである。また、受光素子アレイ６４は、光情報を電気情報に変換するセンサである。ＦＰＧＡ６６は、受光素子アレイ６４から出力される分光情報である電気情報に基づいて複数種類の分光画像を生成する分光画像生成部である。

分光反射率算出部６８は、ＣＰＵやＲＯＭ、ＲＡＭなどの半導体素子から構成されており、ＦＰＧＡ６６で生成された分光画像から画素ごとの分光反射率を算出する。

このマルチスペクトルカメラ４５０からの出力は、ＦＰＧＡ６６で生成された複数種類の分光画像とそれらの分光画像の各画素の分光反射率である。これらの情報がサーバー１１等に伝達される。

ＬＥＤ１７２は、鏡筒部１７０の先端部に等間隔に埋設状態で複数配置された光源である。ＬＥＤを光源とすることによって、撮影環境の影響を受けにくくなり、安定した分光情報を得ることが可能となる。メインレンズ１７４は物体Ｏｍからの反射光を絞り１７６を経由してフィルタ１７８Ａに導くレンズである。絞り１７６は、通過する光の量を調整するために用いる遮蔽物である。フィルタ１７８Ａは、分光透過率が空間的に連続的に変化する。すなわち、フィルタ１７８Ａは複数の分光特性を有する。なお、フィルタ１７８Ａの分光透過率の連続性の方向性は、１つの面内であれば限定されない。例えば、メインレンズ１７４の光軸に直交する面において、図１２（ｂ）の上下方向、又は、これに直交する方向、あるいは斜めに交差する方向などで連続性を有していればよい。集光レンズ１７９は、フィルタ１７８Ａを通過した光をマイクロレンズアレイ６２に導くためのレンズである。

ＬＥＤ１７２やその他の光を受けた物体Ｏｍからの反射光は、メインレンズ１７４に入射する。このメインレンズ１７４に入射した光束が分光反射率測定の対象となる。メインレンズ１７４に入射した光束は無数の光線の集合であり、それぞれの光線は絞り１７６の異なる位置を通過する。メインレンズ１７４で集光された前記反射光は、絞り１７６で通過する光量が調整され、フィルタ１７８Ａに入射する。なお、本実施形態では絞り１７６はフィルタ１７８Ａ上に存在するが、これに限られない。フィルタ１７８Ａに入射した各光線は異なる分光透過率のフィルタを通過する。フィルタ１７８Ａを通過した光線は、集光レンズ１７９により集光され、マイクロレンズアレイ６２付近でいったん結像する。なお、メインレンズ１７４の光軸と直交する方向に複数のマイクロレンズ（小レンズ）が配置されるようにマイクロレンズアレイ６２は設置される。いったん結像した各光線はマイクロレンズアレイ６２によって、それぞれ受光素子アレイ６４の別の位置に到達する。すなわち、受光素子アレイの受光面の位置は光線が通過したフィルタ１７８Ａの位置に対応するので、物体Ｏｍのある一点の分光反射率を同時に測定することができる。

図１３は、本実施形態に用いられるフィルタ１７８Ａ及び絞り１７６の正面図である。フィルタ１７８Ａの下部が短波長、上部が長波長の分光透過率ピークを持つ。この場合、撮影画像は、図１４に示すように、小さな円が並んだものとなる。円になるのはメインレンズ１７４の絞り１７６の形状が円であるためである。それぞれの小さな円を、ここでは「マクロピクセル」と呼ぶこととする。マクロピクセル１７７を全て集めると１つの画像となる。各マクロピクセル１７７は、マイクロレンズアレイ６２を構成する各小レンズ（マイクロレンズ）の直下に形成される。マクロピクセル１７７の径とマイクロレンズの径はほぼ同じである。

図１２に示すように、マクロピクセル１７７の上部はフィルタ１７８Ａの下部を通過してきた光線が到達し、下部にはフィルタ１７８Ａの上部を通過してきた光線が到達する。フィルタ１７８Ａの下部が短波長、上部が長波長の分光透過率を持つような配置とすると、それに対応するように、マクロピクセル１７７の上部には短波長、下部には長波長の光線が到達する。ＦＰＧＡ６６は、波長ごとの光線が到達する画素からの分光情報から分光画像を生成する。これにより所望の波長に対する分光画像が複数得られる。分光反射率算出部６８は、各マクロピクセル１７７の行ごとの平均値を算出し、ＬＥＤ１７２等の照明の分光強度、メインレンズ１７４、集光レンズ１７９の分光透過率、フィルタ１７８Ａの分光透過率、受光素子アレイ６４の分光感度を考慮して計算することで分光反射率を求めることができる。

マクロピクセル１７７の拡大図を図１５示す。ここでは、一つのマクロピクセル１７７が１９×１９の画素の場合を考える。この一つのマクロピクセル１７７から被検物としての物体Ｏｍのある点の分光反射率を求める。まず、最も短波長（λs）側の反射率を求める手順を述べる。マルチスペクトルカメラ４５０から得られるデータは受光素子からの出力値であり、出力値は受光素子に入射する光線量に対応している。光線量はＬＥＤ１７２等の照明の分光強度、物体Ｏｍの分光反射率、光学系（メインレンズ１７４、集光レンズ１７９等）の分光透過率、フィルタ１７８Ａの分光透過率、受光素子アレイ６４の分光感度の５つの特性の波長λsにおける値の積である。よって、物体Ｏｍのλsにおける反射率を求めるには、出力値を分光反射率以外の４つの値で除算すればよい。

ここでの出力値には、図１５の最下段の行の画素１９個の出力値の総和をマクロピクセル１７７が形成されている面積で除した値を用いる。マクロピクセル１７７が形成されている面積とは、図１５中、黒く塗りつぶされている領域以外の光線が届いている面積のことである。これは各行の出力値を規格化するためである。以上の手順でλsでの反射率の相対値を得ることができる。絶対値は別途校正が必要となる。ＬＥＤ１７２等の照明の分光強度、メインレンズ１７４、集光レンズ１７９の分光透過率、フィルタ１７８Ａの分光透過率、受光素子アレイ６４の分光感度、マクロピクセル１７７の各行の面積は設計時に既知である。以上の処理をマクロピクセル１７７の各行に対して適用することで１９の波長における反射率を得ることができる。

その測定結果の一例を図１６に示す。横軸が波長、縦軸が分光反射率の相対値である。以上が一つのマクロピクセル１７７に対する処理であり、全てのマクロピクセル１７７に対して同じ処理を適用することで、二次元分光反射率を測定することが可能となる。フィルタ１７８Ａは、光学ガラスなどの透明基板に、薄膜を厚みがくさび状に変化するように蒸着することで作製することができる。本実施形態における薄膜の材質は五酸化ニオブであり、短波長側の材質は五酸化タンタルである。薄膜の膜厚は数十〜数百ｎｍである。膜厚の薄いほうが短波長、厚いほうが長波長に対応する。薄膜の厚みがくさび状（無段階）に変化するため、分光透過率も連続的に変化する。

光の干渉により分光透過率を制御しているので、透過光が強め合う条件が分光透過率のピーク波長に相当する。透明基板の厚みは、フィルタの保持が可能であればよい。絞り位置付近にレンズが近接している設計のレンズもあり、その場合は薄いほうがよい。例えば０．５ｍｍ程度である。上記のように、連続的な分光透過特性をもつフィルタ１７８Ａを利用することで、連続的な分光反射率を撮影と同時に直接得ることができる。これにより、推定処理は不要となり、ノイズに対するロバスト性の高い二次元分光反射率を測定することができる。

次に図１７を使って、本実施形態のマルチスペクトルカメラ４５０に使用可能なフィルタの他の例を説明する。図１７（ａ）のフィルタ１７８Ｂは、透過帯域毎に分割した構成を有している。すなわち、フィルタ１７８Ｂは、４００ｎｍから５００ｎｍの波長域に対応するフィルタ１７８Ｂａと、５００ｎｍから６００ｎｍの波長域に対応するフィルタ１７８Ｂｂと、６００ｎｍから７００ｎｍの波長域に対応するフィルタ１７８Ｂｃとから構成されている。したがって、フィルタ１７８Ｂは、紫外域あるいは赤外域においても連続的に分光透過率が変化するフィルタである。各フィルタ１７８Ｂａ、１７８Ｂｂ、１７８Ｂｃは、それぞれ空間的に連続的に分光透過率が変化するフィルタである。ここでは、図中上から下に向ってそれぞれ波長が大きくなっている。各フィルタ１７８Ｂａ、１７８Ｂｂ、１７８Ｂｃの長手方向の向きは統一する必要はない。要するに、分光透過率が連続的に変化する領域が存在すればよく、方向性は関係ない。また、各フィルタ１７８Ｂａ、１７８Ｂｂ、１７８Ｂｃは上記構成に限定されず、各々異なる波長域を少なくとも一部に有していればよい。各透過帯域は一例であり、これらの値に限定される趣旨ではない。このようにフィルタを分割することで、１画素に対応する波長幅を狭くすることができる。すなわち、波長的な分解能が高い分光反射率測定が可能となる。また、分割して配置することにより、細長いフィルタに比べ、狭い絞り径内で分光透過率の連続性を確保することができる。

なお、光を効率的に使うため、絞り１７６の形状を四角などの多角形やその他所望の形状に形成してもよい。

次に、ＰＲＩ（Photochemical / Physiological Reflectance Index）について説明する。ＮＤＶＩは急激には変化しにくい値であるため安定した育成制御が可能である反面、短周期に植物の状態を監視し育成を制御する指標としては適していない。そこで、ＰＲＩという指標を用いることが有効である。ＰＲＩは式（３）により算出される。ただし、R531、R570はそれぞれ波長531nm、570nmの反射率である。
PRI = (R531 - R570) / (R531 + R570) ・・・・・・・・・・・（３）
図１８は、ＰＲＩを説明するための図の一例であり、植物の葉に対する５００〜６００nmの分光反射スペクトルが示されている。実線３２１は水ストレスが与えられていない葉の分光反射スペクトルであり、破線３２２は水ストレスが与えられた葉の分光反射スペクトルである。図１８の分光反射スペクトルは典型的なものといえる。すなわち、反射率の絶対値や波長に対する傾きは植物や気温、育成時期によって種々であるが、水ストレスは広い波長域に渡って反射率が大きくなるように変化させる。これは、植物に水ストレスが与えられると、葉に含まれる葉緑体の色素の性質が変化するため等によるものと考えられる。

このような変化は水ストレスが与えられてから１時間程度という比較的短い時間で生じるため、反射率の変化を監視できれば効果的な灌漑が可能になる。そして、この反射率の変化を監視するための有効な指標として上記のＰＲＩが考えられる。

また、ＰＲＩは光合成速度と高い正の相関があることが知られている（光合成速度が大きいほどＰＲＩは"１"に近づく）。光合成速度は植物に水ストレスが与えられると、葉の気孔が閉じて急激に低下することが知られている。したがって、光合成速度とＰＲＩに関する知見からもＰＲＩを用いて水ストレスを定量的に測定することが可能であることが裏付けられる。

すでに説明したようにマルチスペクトルカメラ４５０は、波長531nm、570nmの光の反射率をそれぞれ検出することができる。この場合、図１７（ｂ）のフィルタ１７８Ｃにおいて、フィルタ１７８Ｃａに531nmの波長域に対応するフィルタが採用され、フィルタ１７８Ｃｂに570nmの波長域に対応するファイルが採用される。理論的には撮影領域すべてにおいてＰＲＩを求めることができる。

マルチスペクトルカメラ４５０が備える複数のＬＥＤ１７２のうち約半分には531ｎｍ付近の波長が強いＬＥＤが採用され、残りの約半分には570ｎｍ付近の波長が強いＬＥＤが採用される。このような構成で、マルチスペクトルカメラ４５０は対象の植物にＬＥＤ光の照射を行い、反射光の撮影を行う。そして、ＦＰＧＡ６６は波長531ｎｍにおける分光画像と波長570ｎｍにおける分光画像を得る。分光反射率算出部６８はそれらの分光画像内の所望の位置又は領域における分光反射率を求める。また、分光反射率算出部６８は式（３）を用いてＰＲＩを算出する。ＦＰＧＡ６６が、上記の分光画像に基づいて画素ごとにＰＲＩを算出してもよい。

なお、マルチスペクトルカメラ４５０ではなく、分光画像や分光反射率情報を取得したサーバー１１が式（３）を用いて、ＰＲＩを算出してもよい。このようにして算出された植物ごとのＰＲＩは補助記憶装置１４７６に蓄積される。

ＰＲＩは、式（３）から明らかなように"-1"から"+1"の値を取り得るが、実際に葉の反射率から算出されるＰＲＩはゼロ近辺の絶対値が小さい値をとることが多い。ＰＲＩの値がいくつであるから、水ストレスがない状態又は水ストレスが与えられている状態であるとサーバー１１が断定することは一般には困難である。反射率は植物の種類や気温などにより影響されるためである。

しかし、植物工場のように安定した生育環境で育てられる植物であれば、マルチスペクトルカメラ４５０が、予め水ストレスが制御された状態で栽培対象の植物の反射光を測定しておくことができる。したがって、サーバー１１は、水ストレスが制御された状態で観測された任意の植物の一定期間のＰＲＩを蓄積しておくことができる。例えば、単位時間に散布された水の量とＰＲＩの関係を蓄積しておくことができるので、ある植物における水ストレスとＰＲＩの値との関係をあらかじめ取得しておくことができる。また、どのくらいの水ストレスが植物の育成に有効かは、収穫後の検査や実際の試食などにより植物の管理者が把握できる。

このように予め蓄積された知見データが参照されることで好ましいＰＲＩの値が明らかになるので、ＰＲＩがある閾値（たとえば"０"）を下回った場合に、サーバー１１がモニタリング装置１４に対し灌漑を開始させる制御が可能になる。ＰＲＩは水ストレスに対して１時間に満たない極めて短い時間で値が変化するため、サーバー１１はＰＲＩを数分間隔で観測することによって、適切な灌漑を行うことが可能である。圃場管理システム１００はこのようなＰＲＩ観測−灌漑制御システムを構築することでそれぞれの植物に対し適切な灌漑を行うことができる。

なお、ＮＤＶＩは育成状況や収穫時期など比較的長い期間に対する制御の指標として用いることができるのに対して、ＰＲＩは水ストレスが加わった場合に短周期の制御を可能とする指標である。両者の指標を用いることで、育成期間の全般にわたって、サーバー１１等が植物の質と収穫量を所望の状態にするための制御を行うことが可能となる。

図１９は、水ストレスとＰＲＩの対応関係を表すデータを圃場管理システム１００が取得する処理のフローチャートである。以下では、サーバー１１がＰＲＩを算出するものとするが、マルチスペクトルカメラ４５０を有するモニタリング装置１４がＰＲＩを算出することも当然可能である。

まず、圃場２００のモニタリング装置１４は、サーバー１１の制御や植物の管理者の操作に応じて水ストレスの制御を行う（Ｓ１）。水ストレスの制御は、水が十分な状態から作物の育成過程において許容される水分欠乏状態まで幅広く制御することが好ましい。

次に、マルチスペクトルカメラ４５０は、植物の葉の画像を取得する（Ｓ２）。植物の葉の画像は、水ストレスを与えることと並行に行われ、水ストレスが与えられた後、時間的に安定した水ストレスの影響をサーバー１１が観測できるように複数枚の画像が取得されることが好ましい。

マルチスペクトルカメラ４５０はステップＳ２で取得した画像をサーバー１１へ送信する（Ｓ３）。また、水ストレスが与えられたか否かの二値でなく、与えられた水ストレスの程度が制御された場合は水ストレスの程度もサーバー１１へ送信する。

次に、サーバー１１は画像を受信し（Ｓ４）、サーバー１１の散水量決定部１１１は式（３）を用いてＰＲＩを算出する（Ｓ５）。

サーバー１１の散水量決定部１１１は水ストレスとＰＲＩの対応関係を表すデータを補助記憶装置１４７６に蓄積させる（Ｓ６）。このようにして、ある植物の水ストレスの程度とＰＲＩの関係が補助記憶装置１４７６に蓄積される。

図２０（ａ）は水ストレスの程度とＰＲＩの関係の概念的な図の一例を示す。図２０（ａ）では水ストレスが大きいほど（水が少ないほど）ＰＲＩが右下がりになっているが、この図はあくまで概念的なものであり、右上がりになっていてもよいし、一様に変化するとも限らない。

水ストレスがどの程度であればこの植物にとって好ましいかという知見は、農業などの従事者や収穫後の検査や実際の試食などから得られるので、図２０（ａ）から好ましいＰＲＩも決定できる。

ところで、好ましい水ストレスは植物の育成時期によって異なる場合がある。このため、植物の育成時期に対し定期的（例えば、１０日や１ヶ月ごと）にサーバー１１が水ストレスの程度とＰＲＩの関係を取得することが好ましい。これにより、育成時期の全域に渡って好ましいＰＲＩを蓄積しておくことができる。

図２０（ｂ）は育成月数と好ましいＰＲＩの関係の概念的な図の一例を示す。図２０（ｂ）によればこの植物は、育成時期の前半で高いＰＲＩを示す水ストレスが与えられることが好適であり、育成時期の後半で低いＰＲＩを示す水ストレスが与えられることが好適であることが分かる。このような水ストレスは「水切り」と呼ばれる場合がある。例えば果実収穫前に「水切り」と呼ばれる意図的な水分欠乏状態に植物が置かれることによって果実の糖度を高める技術が知られている。予め定められた育成時期にこのような所望の水分欠乏状態に相当するＰＲＩの値が補助記憶装置１４７６に登録されていることで、サーバー１１は自動的に水切りを実現することができる。したがって、図２０（ｂ）のような知見が補助記憶装置１４７６に蓄積されていれば、サーバー１１がＰＲＩに基づいて意図的に好ましい水ストレス状態を作ることができる。

次に、図２１を用いて、水ストレスと好ましいＰＲＩの対応関係を表すデータを用いた灌漑制御について説明する。図２１は圃場管理システム１００が灌漑制御を行う手順を示すフローチャートを示す。図２１の処理は例えば数分おきに繰り返し実行される。

圃場２００（モニタリング装置１４）のマルチスペクトルカメラ４５０は作物の画像を断続的に撮影する（Ｓ１）。画像の撮影間隔は１分毎程度が好ましい。

次に、マルチスペクトルカメラ４５０は取得した画像をサーバー１１へ送信する（Ｓ２）。

サーバー１１は画像を受信し（Ｓ３）、サーバー１１は画像を解析してＰＲＩを算出する（Ｓ４）。

次に、サーバー１１はＰＲＩを補助記憶装置１４７６のデータと照合し、水ストレスの状態を推定する（Ｓ５）。例えば、図２０（ｂ）から現在の育成月数のＰＲＩを読み出して、ステップＳ４で算出したＰＲＩと比較する。

次に、サーバー１１は推定した水ストレスの状態に応じて灌漑する/しないを判断する（Ｓ６）。具体的には、ステップ５で推定した水ストレスの状態と、所望の水ストレスの状態との差分を埋めるように制御する。すなわち、所望の水ストレスの状態（ＰＲＩ）に対して推定された水ストレスの状態（ＰＲＩ）が水分欠乏状態であれば灌漑を行うと判断し、水分過剰状態であれば灌漑しないと判断する。

灌漑する場合（Ｓ７のＹｅｓ）、サーバー１１は灌漑制御信号を生成してモニタリング装置１４に送信する（Ｓ８）。スプリンクラー２２に直接、送信してもよい。

モニタリング装置１４は灌漑制御信号に応じた灌漑制御を行う（Ｓ９）。

以上のように、ＰＲＩを監視することで適切な灌漑が可能になる。なお、ＰＲＩの算出時には必ずしも波長531nm、570nmの反射率を用いる必要はなく、植物ごとに最適な波長の反射率を用いてよい。また、ＰＲＩを算出することなく任意の波長の反射率に基づいて水ストレスの状態を監視してもよい。

以上のように、本実施形態の生育度測定装置４０は、ＧＰＳ装置４５とも接続しておくことで圃場２００における水稲の位置を確認して生育度データ（生育度情報）に位置情報を付加してマップ化することもできる。さらに、測定時期や気候データ（天候、気温等）等を付加してもよい。そして、これらの情報を年次データとして蓄積し、灌水制御と生育計画に反映させることにより、より効率的な生育が可能になる。例えば、エリアごとに意図的に変えた散水量に対し各エリアの農作物の生育度データを比較すれば、適切な散水量を見いだせる可能性がある。

このような一連のデータは記憶部４３４に記憶しておき後にコントローラ部４４を操作して読出できるようにしてもよいし、電波を介して瞬時にコントローラ部４４に出力するようにしてもよい。

生育度測定装置４０は、水稲からの反射光を第１受光部４１で受光し、その光強度に基づいてデータ処理を行うだけでよい。その際に、第２受光部４２で太陽光を光源として直に受光し、参照光として反射率を求めるだけでよい。従来のようにデジタルカメラで圃場２００を撮影して多数データを処理する必要がない。よって、本実施例の生育度測定装置４０は、デジタルカメラを利用する場合と比較して、光学系の機器構成が簡素化されると共に、データ処理を行う電算機系の構成も簡素化できる。しかも、データ処理が短時間に実行されるので光強度に基づいて迅速に水稲の生育状態を診断でき、低コストで作業効率を高めることができる。

本実施例の生育度測定装置４０は、従来とは異なり、測定対象とした圃場２００から１つの情報（測定対象とした植物群全体からの平均値となる反射光）を処理するため極めて簡便に生育診断を行うことができる。そして、生育度測定装置４０の演算部４３３が算出する前述した生育指標Ｉ及び生育指標ＩＩは、地上における測定結果と相関関係を有するものである。

＜光合成する量に基づく制御＞
植物の状態を観測するために有用な情報として、植物が光合成する量がある。植物が木である場合、光合成する量は、林冠と相関があると考えられる。林冠とは、太陽光線を直接に受ける枝葉が茂る部分を示す。林冠の大きさは、晴天時に木が地面につくる日影面積で間接的に計測できる。日影面積を画像から計測するためには、地面の広い領域を撮影する必要があり、超広角なカメラを使用し、撮影したい領域が画角内に入るように適切にカメラを設置する必要がある。全天球カメラを使う場合、全方位、すなわち全画角を撮影できるため、画角の調整が不要で、カメラ設置の自由度が高いという利点がある。

全天球カメラにより撮影される画像は、例えば、図２２に示すような形式で表現される。図２２（ａ）は全天球画像データを模式的に示す図の一例である。全天球画像データは、水平方向に３６０度、垂直方向に１８０度の画角を有するため、周囲の全方位が撮影されている。

したがって、図２２（ｂ）に示すように、球形状の中心から全方位を撮影した画像データが得られる。図２２（ａ）のθが図２２（ｂ）の経度方向、図２２（ａ）のφが図２２（ｂ）の緯度方向に対応する。

図２３は、実際に圃場２００で撮影された全天球画像の一例を示す。水平方向３６０度に渡り、地面から天頂方向の範囲の画像が得られている。

次に、全天球画像データから地面の影の大きさを算出する手順を説明する。この手順は、サーバー１１又はモニタリング装置１４のいずれが行ってもよい。以下では、サーバー１１が行うとして説明する。
・ステップ１…サーバー１１の日陰算出部１１４は、まず、全天球画像データから地面の平面画像を生成する。
・ステップ２…サーバー１１の日陰算出部１１４は、地面の平面画像から日影部分を抽出し、面積を算出する。

以下、各ステップの詳細を説明する。
ステップ１では、全天球画像データから地面の平面画像を生成する。図２２（ａ）に示した全天球画像の座標系(θ, φ)と、地面の平面画像の座標系(x, y)は、式（４）の関係にある。

これらの関係を用いて、地面の平面画像を生成する。ただし、式（４）は、地面と垂直な方向に全天球画像データの天頂方向が一致することを仮定している。

また、平面画像の半画角（被写体の端がレンズの光軸となす角）は、地面の監視対象の範囲に合わせて設定される。平面画像の半画角は９０度が最大となる（９０度で発散してしまう）ため、半画角は最大で７５度程度にしておくことが望ましい。図２４は、式（４）により全天球画像から変換された平面画像の一例を示す。

ステップ２では、日陰算出部１１４が地面の平面画像から日影部分を抽出し日陰部分の面積を算出する。
まず、ＲＧＢカラー画像をモノクロ画像(輝度画像)に変換する。例えば、輝度Y= (R + 2G + B)/4のような式で変換可能である。元々、モノクロ画像で撮影している場合は、変換不要である。

次に、日陰算出部１１４は二値化を行い日なた部分と日影部分に分離する。図２５は二値化結果のヒストグラムの一例を示す。横軸は画素値（pixel values：０〜２５５）を縦軸は画素数を示す。二値化手法は、例えば、k-means法を用いて２つのクラスに分類する方法を用いることが可能である。k-means法を用いる場合、２つのクラスに対応させて２つの重心を決定し、各画素の画素値を近い方の重心に所属させる。初期の２つの重心はある程度離して設定する。全ての画素の所属が決まったら、所属先の画素を用いて新しく重心を決定し、各画素の画素値を近い方の重心に所属させる。これを繰り返して画素の移動がなくなったら二値化できたと判断する。図２５では画素値が１１０位で二値化されている。なお、二値化の手法はk-means法に限られない。

次に、日陰算出部１１４は、日影部分（画素値が１１０未満）をカウントし、全体に対する日影率を算出する。日影率に平面画像全体の実面積をかけることで実際の日影面積が算出できる。ただし、図２４の平面画像では、隣接する木の間隔が近く影がつながっているため、１本毎に区別して林冠算出するのではなく、エリア毎に算出して活用する。

なお、日影算出に用いる画像は晴天時の全天球画像であることが好ましい。もし晴天時でない場合、日陰と日なたの境界が明確でなくなるので正確な日影率を算出することが困難になる。晴天時か否かの自動判断を行う場合には、先ほどの二値化処理の結果を活用することができる。例えばk-means法を用いた場合、各クラス(日なたクラス、日影クラス)の平均値の差が小さい場合、日なた画素と日影画素の差が小さいことになり、明確な影が出ていないことが分かる。よって各クラスの平均値の差を閾値と比較することで、晴天時か否かの自動判断が可能である。

＜農薬散布装置＞
次に、移動体１７を利用した農薬散布装置５０について説明する。一例として図９のヘリコプタが移動体１７であるものとする。図２６は、農薬散布装置５０を示す図の一例である。図２６（ａ）は移動体の概略図を、図２６（ｂ）は農薬散布装置５０の散布部５０３を拡大して示している。

移動体１７は、機体内に軸支されたメインシャフト５０４の上端にメインロータやスタビライザー等を装架している。移動体１７の背後には薬液タンク５０１を備える。薬液タンク５０１の薬液は、機体から機体の両外側へ向けて延設された供給路５０２を通過して、散布部５０３から散布される。

移動体１７は、機体内のエンジン部を始動させてメインシャフトを連動回転させた後にコントローラ部４４からの無線誘導でもつて機内に設けたサーボ機構を動作させながら飛行する。メインシャフトの回転に連動して、供給路５０２の薬液が散布部５０３に付勢されるので、地上の誘導者は移動体１７をコントローラ部４４で農薬散布する地域の上空へ誘導し、該上空において散布部５０３を開放する。これにより、薬液タンク５０１内の薬液が散布部５０３から下方に噴霧される。

＜土壌採集＞
次に、図２７，２８を用いて土壌採集について説明する。図２７は、農業機械１８であるトラクタを示す図の一例である。トラクタは、エンジン部を内設させるボンネット両側に左右の前走行輪を装設させ、ボンネット後部に操向ハンドル１８０を設け、操向ハンドル後方に運転席を設置させ、運転席両側外方に左右の後走行輪を装設させ、作業者が運転席に座乗して走行移動する。

また、トラクタの後側にロワリンク及びトップリンクを介して土壌の採集部５１を取り付け、採集部５１をトラクタ後側に昇降自在に装設させると共に、一定軌跡上を移動させる採集部５１の採集爪によって圃場２００から土壌サンプルをトレイに自動的に採集する。操向ハンドル１８０の前側に本体ケースを取外し自在に固定させる。

図２８は、農業機械１８のブロック図の一例を示す。農業機械１８は、作業コントローラ１８７により制御される。作業コントローラ１８７には着脱自在なコネクタ１８４を介して管理コントローラ１８３が接続され、管理コントローラ１８３にはタッチパネル付きモニタ１８１、カーナビ用ＧＰＳ受信機１８２及び採集部５１が接続されている。また、作業コントローラ１８７には、自律走行用ＧＰＳ受信機１８５、無線送受信機１８６、エンジン制御機構１８８、変速機構１８９、操向機構１９０、左右ブレーキ機構１９１、作業機昇降機構１９２、方位センサ１９３、車輪回転センサ１９４、操舵角センサ１９５、ピッチングセンサ１９６、及び、ローリングセンサ１９７が接続されている。

エンジン制御機構１８８はトラクタのエンジン部の回転数をアクセルの設定回転数に自動的に調節する。変速機構１８９は、自律走行用ＧＰＳ受信機１８５からの方位データ及び土壌地図の圃場地形データに基づきトラクタの走行速度を自動制御する。操向機構１９０は、自律走行用ＧＰＳ受信機１８５からの方位データ及び土壌地図の圃場地形データに基づきトラクタの走行進路を自動的に変更する。作業機昇降機構１９２は、自律走行用ＧＰＳ受信機１８５からの方位データ及び土壌地図の圃場地形データに基づき圃場枕地でトラクタが方向転換するときに採集部５１を自動的に上昇及び下降させる。

作業コントローラ１８７は、自律走行用ＧＰＳ受信機１８５からの方位データ及び土壌地図に基づきトレイの各採集ポットに入れる土壌サンプルの採集位置を特定しながら土壌サンプル分析を行う。また、土壌サンプル分析に応じて圃場２００の土壌地図を作成する。これにより、有人又は無人運転でトラクタを圃場内で走行させて土壌サンプル採集並びに土壌地図の作成作業を自動的に行わせる。

また、自律走行用ＧＰＳ受信機１８５のアンテナは、運転席上方のキャビン天井上面に固定させるもので、作業機昇降機構１９２やエンジン制御機構１８８などの電波を乱す外乱の影響が最も少なく、かつ受信精度の優れるキャビン天井頂上部に設置されている。自律走行用ＧＰＳ受信機１８５の有効な活用により希望する任意の圃場２００に移動して圃場マッピング作業を行うことができる。したがって、圃場２００を確認したことがない作業者であっても、複数の圃場２００の集中管理を行え、各圃場２００に適応した農作業を無駄なく行える。

＜温室を対する制御＞
図２９は、温室がある圃場管理システム１００のブロック図の一例を示す。なお、図５において図示した事項は省略されている。図２９では、サーバー１１に温室６１、モニタリング装置１４、及び、端末２１が接続されている。温室６１は、通信装置６１１、測定取得装置６１４、農場撮影装置６１３、メンテナンス支援装置６１２、灌水設備６１５、換気設備６１６、及び、加湿設備６１７を有している。測定取得装置６１４は測定値を取得する。農場撮影装置６１３は圃場２００や温室を撮影する。メンテナンス支援装置６１２はメンテナンスを支援する。灌水設備６１５は灌水する設備である。換気設備６１６は換気する設備である。加湿設備６１７は加湿する設備である。温室６１は、圃場管理システム１００と同様に、本実施形態の圃場管理が適用可能なほか、換気が可能であり、湿度や温度を制御することができる。

サーバー１１は、通信部１１０１、蓄積部１１０３、閲覧部１１０５、異常通知部１１０２、稼動設定変更部１１０４、農場撮影部１１０６、メンテナンス支援部１１０７、及び、表示部１１０８を備える。

通信部１１０１は、モニタリング装置１４から送られてくる圃場２００に関する情報を受信する。受信した圃場２００に関する情報は蓄積部１１０３に蓄積される。蓄積部１１０３は、通信部１１０１にて受信した圃場２００に関する情報を蓄積する。また、蓄積部１１０３には、圃場２００に関する情報の種類に応じてその保存期間や保存間隔が設定されている。閲覧部１１０５は、端末２１からの要求に応じて蓄積部１１０３に蓄積された農場に関する情報を、端末２１で取り扱うことができるように加工を行い、端末２１に送信する。この閲覧の形態は任意に選択することができ、現在の農場に関する情報の一覧を表示、特定の農場に関する情報についての経過グラフ、参考例（例えば過去の平均値）との比較表示、後述する生育状況などを表示することができる。

異常通知部１１０２は、蓄積部１１０３に蓄積される農場に関する情報や気象サーバー１１０９からの気象情報から作物の育成に適した状態かどうか等について判断を行い、不適切な状態であった場合は予め設定された通知先に対して異常の通知を行う。異常通知の例として、温室内の温度が作物の育成に適さない程の高温や低温になった場合、強風により温室６１の損壊が懸念される場合、土壌の水分が満たされていない場合等を挙げることができる。

メンテナンス支援部１１０７はメンテナンス支援装置６１２によるメンテナンスを支援する。

図３０は設定温度と測定温度の一例を示す図である。この例では、測定温度が設定温度に追従しており、異常通知が行われない例を示している。

また、異常通知部１１０２は複数用意されており、設定によって電話、携帯電話、ポケットベル（登録商標）、ファクシミリ又は電子メール等によって農場の関係者へ通知する。また、異常通知部１１０２は異常時に対処するための専任の担当者へ通知することを任意に選択することもできる。さらに、異常の判断に必要な条件等は、蓄積部１１０３に予め蓄積することができる。

稼動設定変更部１１０４は、温室内の環境を希望の状態に維持するために温室６１の稼動設定を、通信部１１０１及び通信装置を介して送信し変更させる。農場撮影部１１０６は、通信部１１０１を介して送られてくるモニタリング装置１４からの映像を受信し、蓄積部１１０３に蓄積したり、表示部１１０８に表示したり、端末２１に送信を行う。

モニタリング装置１４にて得られる圃場２００に関する情報は、通信部１１０１を介して蓄積部１１０３によって蓄積される。このように圃場２００に関する情報をサーバー内に蓄積することによって、通信回線を経由して任意の場所から農場に関する情報の閲覧をすることができる。また、蓄積される農場に関する情報を様々な情報と比較したり、統計処理を行うなどの加工を行うことで、より適切な農作業を行うための情報として使用することができる。圃場２００の関係者は、端末２１をサーバーに接続し閲覧部１１０５を使用することで、蓄積部１１０３に蓄積された圃場情報を閲覧することができる。この閲覧は、端末２１をサーバーに直結したり、通信回線を経由して接続することで行うことができるため、圃場２００の関係者は、任意の場所から圃場２００に関する情報を閲覧することができる。

また、圃場情報を端末２１に送信する際に、サーバーがグラフ化したり、偏差処理をする等の加工をすることができ、よりわかりやすく圃場情報を閲覧することができる他、分析などが容易となる。さらに、加工によって、端末２１が携帯電話やファクシミリ等の簡易なものであっても高度な形態で圃場情報の閲覧を行うことができる。

端末２１は、通信部２１１、映像出力部２１２、操作受付部２１３、及び、音声出力部２１４を有している。通信部２１１によりサーバー１１に接続し、サーバー１１から送られてくる農場に関する情報を映像出力部２１２が表示し、音声出力部２１４が音声で出力する。また、操作受付部２１３により、サーバー１１へ送信する指令を入力可能である。

端末２１は例えばパーソナルコンピュータ、タブレット端末、スマートフォン、携帯電話、ＰＤＡ（Personal Digital Assistant）、及び、ウェアラブルＰＣなどであり、これらに限定されるものではない。

端末２１とサーバー１１との接続方法は任意に選択することができ、本実施形態では通信回線やネットワークを介して接続される。通信プロトコルはＨＴＴＰなどが知られているがこれらに限定されるものではない。また、サーバー１１には端末２１を複数接続することができる。

＜サーバーの機能＞
図３１は、サーバー１１の機能について説明する図の一例である。サーバー１１は、生育情報収集処理部７１、生育状態予測処理部７２、収穫状態予測処理部７３、生産関連情報配信処理部７４、消費関連情報配信処理部７５、及び、生育管理支援処理部７６を有している。これらの機能はＣＰＵ１４７１がプログラム１４７７を実行しハードウェアと協働することで実現される機能又は手段である。また、植物登録情報ＤＢ８１、植物生育情報ＤＢ８２、生育環境情報ＤＢ８３、生産企業情報ＤＢ８４、及び、消費企業情報ＤＢ８５の各データベースを有している。

サーバー１１は、モニタリング装置１４が圃場２００のある領域を撮影した画像情報と画像情報以外の付加的な情報（植物の生育状態を示す情報（ＮＤＶＩなど）や病害虫の情報や霜情報、害虫等による変色情報、土壌情報、糖度情報など）とを取得する。なお、サーバー１１はモニタリング装置１４から、たとえば分光反射率の情報を取得することによって、それを処理して植物の生育状態を示す情報（ＮＤＶＩなど）を求めることができる。

サーバー１１は、これらの画像と付加情報とに基づき、散水や肥料散布、除草などの作業が必要な植物が存在する箇所を検出する。例えば、ＮＶＤＩが所定値以下又は所定値を下回る箇所を分光画像内で特定することにより検出することができる。ＮＶＤＩ以外には可視赤域の波長（たとえば６６０ｎｍ）に対する分光画像において分光反射率が所定値以下又は所定値を下回る箇所を特定するようにしてもよい。

さらに、サーバー１１は検出した箇所の位置を特定する。これには、まずサーバー１１は、画像認識処理を行い、撮影した圃場２００の画像に存在する複数のオブジェクトをそれぞれ認識する。サーバー１１はそれら認識された複数のオブジェクトの位置を求める。そして、サーバー１１は認識された複数のオブジェクトと作業が必要な箇所との位置関係から、作業が必要な箇所の位置を特定する。

サーバー１１は、特定した位置を作業箇所として農業機械１８及び端末２１に送信して、処理を終了する。これによって、農業機械１８は農作物の生育状況その他の状態を作業可能な領域すべてにわたって一つ一つ計測する必要もなくなり効率的に作業を行えるようになる。このため、作業時間を短縮することができると共に、ユーザも作業が必要な箇所を簡単に把握することができる。

作業対象としての農作物ごとに状況を確認しながら個別に作業を行う場合の動作について説明する。処理が開始されると、農業機械１８は画像情報と付加的な情報とを取得し、サーバーに送信する。この際、農業機械１８の進行を一旦停止させてもよい。

なお、農業機械１８が有する生育度測定装置４０で得られた撮影画像情報及び画像情報以外の付加的な情報（ステレオカメラ装置であれば視差値又は距離情報、マルチスペクトルカメラ装置であれば波長ごとの分光反射率情報又はその分光反射率を使って算出した情報）であってもよいし、それら撮影画像情報と画像情報以外の付加的な情報とに加えてレーザレーダ装置で得られる距離情報や形状情報といった画像情報以外の付加的な情報であってもよい。

また、農業機械１８、サーバー１１、端末２１のいずれかからの制御によりモニタリング装置１４によって撮影された画像又はモニタリング装置１４が自律的に撮影した画像が、サーバーに送信される。同様に、波長ごとの分光反射率情報、その分光反射率を使って算出した情報、又は、偏光情報や日照領域などの情報もサーバー１１に送信される。

モニタリング装置１４から取得した画像情報以外の情報（たとえば、モニタリング装置１４などが取得する気温、湿度やインターネットを経由して取得する天気予報や日照量などの情報）をサーバー１１に送信してもよい。この工程で取得した情報は、農業機械１８がどういった作業を行うかによって異なってくる。

モニタリング装置１４、灌水装置２０、移動体１７、生育度測定装置４０、農薬散布装置５０、及び、農業機械１８から様々な情報を受信したサーバー１１は情報を分析する。

例えば、肥料散布の作業であれば、サーバー１１は画像認識を行うことで作物の葉ごとにＮＤＶＩ（植物の活性度）を調べ、土壌のスペクトル分布を調査する。その結果、肥料を散布する必要があるか否かを判断する。雑草を除草する作業の場合、サーバーは画像認識を行うことで対象物が雑草であるか否かの判断を行い、雑草であると判断するときには、除草剤を散布する。また、移動体１７が具備するピックアップ用のアームをその位置まで持っていくために雑草までの距離を算出する。

農作物を収穫する作業の場合には、農作物の大きさや色、糖度などを分析し、収穫するか否かを判断する。

植物登録情報ＤＢ８１には、農作物生育管理者によって登録される農作物に関する情報（種類、種苗日、生育環境）及び管理者情報が、農作物を特定する農作物ＩＤと関連づけられて記憶される。管理者情報とは、農作物生育管理者を特定する管理者ＩＤを含み、管理者が生産者であるか又は生産を委託している企業であるかの情報も含む。植物登録情報ＤＢ８１には、登録された農作物の農作物ＩＤ及び管理者ＩＤに関連づけて水源位置の情報も記憶される。

植物生育情報ＤＢ８２には、農作物の生育場所から取得した農作物の生育状況が、農作物を特定する農作物ＩＤ及び農作物生育管理者を特定する管理者ＩＤが関連付けられて記憶される。

生育環境情報ＤＢ８３には、農作物の生育環境情報が記憶される。生育環境情報には、農作物の生育場所から取得する農作物の土壌の情報、気象サーバー１１０９などの情報提供機関から入手する気象情報、水源情報が含まれる。また、モニタリング装置１４から取得した温度、湿度といった情報も含まれる。生育環境情報も、農作物を特定する農作物ＩＤ及び農作物生育管理者を特定する管理者ＩＤに関連付けて記憶される。さらに情報提供ＤＢを備えて、気象サーバー１１０９などの情報提供機関から入手する気象、水源に関する情報を記憶するようにしてもよい。

植物登録情報ＤＢ８１、植物生育情報ＤＢ８２、及び、生育環境情報ＤＢ８３の少なくとも1つは農作物の生育状況を予測するための農作物登録情報を記憶している。

生産企業情報ＤＢ８４には農作物を生産する企業が登録される。消費企業情報ＤＢ８５には農作物を消費する企業が登録される。

次に、生育情報収集処理部７１によって実行される処理を説明する。生育情報収集処理部７１は定期的に起動されるように設定されており、起動されると植物登録情報ＤＢ８１を参照して、管理センター３０がその時点で管理すべき農作物の生育場所を特定するための情報及び管理者情報を読み出す。

特定された生育場所に読出指令を発して、植物の生育状況情報及び土壌情報を読み取ると共に、気象サーバー１１０９などの情報提供機関から気象情報、水源情報、及び経済指標情報を読み取る。

その後、監視すべき農作物ＩＤ及び農作物管理者ＩＤに対応付けて、収集した生育状況情報を植物生育情報ＤＢ８２に格納し、収集した土壌情報、気象情報、水源情報、経済指標情報を、農作物ＩＤ及び農作物生育管理者ＩＤに対応付けて、生育環境情報ＤＢ８３に格納される。一連の処理は、監視すべきすべての農作物の生育場所について実行される。

図３２を用いて、生育状態予測処理部７２によって実行される処理を説明する。図３２は、生育状態予測処理部７２の処理を示すフローチャート図の一例である。生育状態予測処理部７２は植物登録情報ＤＢ８１を参照して、管理センター３０がその時点で管理すべき農作物の生育場所を特定するための情報、及び管理者が設定した条件を読み出す（Ｓ１１）。

そして、植物生育情報ＤＢ８２を参照して生育状況情報を読み出す（Ｓ１２）。

次に、生育環境情報ＤＢ８３を参照して土壌情報、気象情報、水源情報を読み出す（Ｓ１３）。

そして、生育場所と生育状況、土壌情報、気象情報、水源情報を総合的に判断して、生育状況の予測を行う（Ｓ１４）。予測される生育状況には、生育度（生育良否）、並びに、種苗、肥料、農薬の必要量及び必要時期に関する情報が含まれる。一例として、気象状態を、平均値（３０年平均）をベースとして外挿（予測）し、そして、予測された気象状態に植物生育状態を、経験式（相関、ＧＭＤＨ（Group Method of Date Handling））を用いて関連づけることにより、気象状態に対応した植物生育状態を予測する。
そして、予測された生育状況を、植物生育情報ＤＢ８２に格納する（Ｓ１５）。

次に、生産関連情報配信処理部７４を起動して生産関連情報を配信する（Ｓ１６）。生産関連情報は、農作物の生産状況を記録した情報である。

次に、消費関連情報配信処理部７５を起動して消費関連情報を配信する（Ｓ１７）。消費関連情報は、農作物の消費状況を記録した情報である。

これら一連の処理は、監視すべき全ての農作物の生育場所について実行される（Ｓ１８）。

このように、生育場所と生育状況、土壌情報、気象情報及び水源情報を総合的に判断することで、植物生育状態を高精度に予測することが可能になる。また、灌水装置２０をきめ細かく制御しているので、農作物の品質や収量のばらつきを抑制しやすく、さらに予測精度を高めることができる。

図３３に基づいて、収穫状態予測処理部７３によって実行される処理を説明する。図３３は、収穫状態予測処理部７３の処理を示すフローチャート図の一例である。収穫状態予測処理部７３は、まず、植物登録情報ＤＢ８１を参照して、管理センター３０がその時点で管理すべき農作物の生育場所を特定するための情報、及び管理者が設定した条件を読み出す（Ｓ２１）。

そして、植物生育情報ＤＢ８２を参照して生育状況情報を読み出す（Ｓ２２）。

次に、生育環境情報ＤＢ８３を参照して土壌情報、気象情報、水源情報、経済指標を読み出す（Ｓ２３）。

次に、生育場所と生育状況、土壌情報、気象情報、水源情報、経済指標を総合的に判断して、収穫の予測を行う（Ｓ２４）。予測される収穫情報には、収穫時期、収穫量、収穫品質、市場価格に関する情報が含まれる。

そして、予測された収穫情報を、植物生育情報ＤＢ８２に格納する（Ｓ２５）。

次に、生産関連情報配信処理部７４を起動し（Ｓ２６）、消費関連情報配信処理部７５を起動する（Ｓ２７）。

これらの処理は、監視すべき全ての農作物の生育場所について実行される（Ｓ２８）。したがって、生育場所と生育状況、土壌情報、気象情報、水源情報、経済指標を総合的に判断するので、収穫情報を高精度に予測可能になる。また、灌水装置２０をきめ細かく制御しているので、農作物の品質や収量のばらつきを抑制しやすい。また、灌水装置２０をきめ細かく制御しているので、農作物の品質や収量のばらつきを抑制しやすく、さらに予測精度を高めることができる。

なお、生育情報及び収穫情報の予測は、公知の統計手法、ファジィ推論、ニューラルネットワーク、遺伝的アルゴリズム等のシミュレーションにより実行される。

＜好適な変形例＞
以上、本発明を実施するための最良の形態について実施例を用いて説明したが、本発明はこうした実施例に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

例えば、サーバー１１の機能は、複数のサーバーに分散して搭載されていてもよい。また、サーバー１１が複数あってもよい。サーバー１１の機能はネットワーク上に存在していればよいものである。

また、サーバー１１の機能の全て又は一部をモニタリング装置１４や灌水装置２０が有していてもよい。また、移動体１７又は農業機械１８の一部機能をサーバー１１が備えていてもよい。

また、本実施形態では移動体１７としてヘリコプタを図示したが、移動体１７はグライダーや飛行機などでもよい。また、圃場２００の上部にレールなどを敷設して移動体１７が移動できる場合は、移動体１７は飛行機能を有していなくてもよい。

また、農業機械１８は、トラクターの他、有人又は無人で圃場２００を移動できるものであればよく、耕うん機、コンバイン、トラックなどでもよい。

また、農薬散布装置５０が農薬を散布すると説明したが、ヘリコプタは成長促進剤など農薬以外の薬液を散布してもよい。

また、土壌水分センサ１４０７は土壌の水分を検出するが、土中で検出可能な水分以外の情報を検出してもよい。例えば、霜の程度、根の張り具合（密度）、根の色、根の深さなどを検出してもよい。

１１ サーバー
１２ 配管
１３ 水源
１４ モニタリング装置
１５ 農作物
１７ 移動体
１８ 農業機械
２０ 灌水装置
２１ 端末
２２ スプリンクラー

特開２００３−１８９１８号公報

Claims (13)

1. 栽培されている農作物に関する情報を取得する情報検出手段と、
   前記農作物の生育状況を予測するための農作物登録情報を記憶する記憶手段と、
   前記農作物に関する情報に基づき前記農作物登録情報を参照して、前記農作物の生育状況を予測する生育予測手段と、
   前記生育予測手段で予測された生育状況を表示する表示手段と、
   を有する圃場管理システム。
2. 前記農作物に関する情報は、天候、温度、風、霜、害虫、土壌水分、前記農作物の数、又は、日照量に関する情報の少なくとも１以上からなることを特徴とする請求項１に記載の圃場管理システム。
3. 前記農作物に関する情報と、前記生育予測手段によって予測された前記生育状況とに基づいて、前記農作物の収穫時期及び収穫量を含む収穫情報を予測する収穫予測手段を有し、
   前記表示手段は、予測された前記収穫情報を表示することを特徴とする請求項２に記載の圃場管理システム。
4. 前記情報検出手段は、圃場の分割された領域ごとに土壌水分を検出するものであり、
   各領域ごとに土壌水分と規定値を比較して、複数の散水手段の中から駆動すべき散水手段及び散水手段による散水量を決定する散水量決定手段を有する、ことを特徴とする請求項１〜３いずれか１項に記載の圃場管理システム。
5. 前記領域に対応づけて前記農作物の生育度情報を記録しておき、
   前記散水量決定手段は、前記領域ごとの散水量と前記農作物の生育度情報を比較し、適切な散水量を見いだす、ことを特徴とする請求項４に記載の圃場管理システム。
6. 前記規定値は、前記領域のエリアの作物の種類、成長段階、季節、及び、土壌の質の１つ以上によって定められている、ことを特徴とする請求項４に記載の圃場管理システム。
7. 前記情報検出手段は、圃場の前記農作物からの反射光を受光する第１の受光手段と、光源からの光を受光する第２の受光手段と、を有し、
   前記第１の受光手段の測定値と前記第２の受光手段の測定値とに基づき、前記農作物の生育指標を算出する、ことを特徴とする請求項１〜６いずれか１項に記載の圃場管理システム。
8. 前記第２の受光手段が受光した赤色領域の測定値に対する前記第１の受光手段の測定値の比をＲ、前記第２の受光手段が受光した近赤外領域の測定値に対する前記第１の受光手段の測定値の比をＮＩＲとした場合、
   （ＮＩＲ−Ｒ）／（ＮＩＲ＋Ｒ）
   により前記農作物の前記生育指標を算出する、ことを特徴とする請求項７に記載の圃場管理システム。
9. 前記情報検出手段は、
   前記農作物のＰＲＩ（Photochemical / Physiological Reflectance Index）値を取得することを特徴とする請求項１〜６のいずれか１項に記載の圃場管理システム。
10. 全天球画像を撮影する撮影手段と、
    前記全天球画像から日影面積を算出する算出手段と、
    を備えることを特徴とする請求項１〜９のいずれか１項に記載の圃場管理システム。
11. 前記算出手段は、
    前記全天球画像から地面の平面画像を生成する平面画像生成手段と、
    二値化により平面画像から日なた部分と日影部分を抽出し、日影面積を算出する日影算出手段と、を備えることを特徴とする請求項１０に記載の圃場管理システム。
12. 情報検出手段が、栽培されている農作物に関する情報を取得するステップと、
    生育予測手段が、前記農作物に関する情報に基づき記憶手段に記憶された前記農作物の生育状況を予測するための農作物登録情報を参照して、前記農作物の生育状況を予測するステップと、
    生育計画作成手段が、前記生育予測手段により予測された生育状況を表示するステップと、を有する圃場管理方法。
13. コンピュータに、
    栽培されている農作物に関する情報を取得する情報検出ステップと、
    前記農作物に関する情報に基づき記憶手段に記憶された前記農作物の生育状況を予測するための農作物登録情報を参照して、前記農作物の生育状況を予測する生育予測ステップと、
    前記生育予測ステップで予測された生育状況を表示する表示ステップと、
    を実行させるプログラム。