JP2018105046A - 土壌侵食地域推定方法および土壌侵食地域推定装置 - Google Patents

Abstract

【課題】動物由来の影響を加味した土壌侵食リスクを推定できる土壌侵食地域推定方法および土壌侵食地域推定装置を提供する。
【解決手段】土壌侵食地域推定方法は、植物の林床植生データを含む植生データと、地形データと、気象データとに基づいて、所定の大きさのエリアごとに林床植生の回復の度合いを示す植生回復度を予測する。土壌侵食地域推定方法は、植生データと、地形データと、気象データと、植物を利用する動物の生態を示す生態データとに基づいて、エリアごとに動物の生息分布を予測する。土壌侵食地域推定方法は、植生データと、地形データと、気象データとに基づいて、エリアごとに土壌の表層崩壊が発生するリスクを示す表層崩壊リスクを予測する。土壌侵食地域推定方法は、予測した植生回復度と、生息分布と、表層崩壊リスクとに基づいて、エリアごとに土壌侵食リスクを判定する。
【選択図】図１

Description

本発明は、土壌侵食地域推定方法および土壌侵食地域推定装置に関する。

近年、山地等の森林地域においてシカ等が急増し、分布域が拡大している。シカは、森林の林床植物をエサとして摂取するが、頭数が増加したため林床植物を過剰に摂取する状況となっている。このため、森林の土壌表面を覆う植物が少なくなり、降雨の際に雨が直接地面を叩き、土壌の侵食が激しくなることが知られている。土壌の侵食を推定する手法としては、例えば、米国農務省土地保全局が農地の侵食資料をもとに開発したＵＳＬＥ（Universal Soil Loss Equation）や、森林への適用が検討されているＥＵＲＯＳＥＭ（European Soil Erosion Model）が挙げられる。

また、所定領域についての日射量の評価に静止衛星画像を用いる際に、３次元地図モデルと撮像日時データにより特定される太陽位置とに基づいて日影領域を演算し、日射量評価要素に対して演算した日影領域を用いて補正することが提案されている。また、大雨による斜面崩壊や洪水等を予測するために、土壌雨量指数を測定して区画ごとの土壌雨量指数のデータを単位時間ごとに蓄積し、区画ごとの水災害の危険度を単位時間ごとに算出し、指定された区画の危険度を時系列で表示することが提案されている。

特開２０１０−２１７１０７号公報 特開２０１１−０７５３８６号公報

しかしながら、ＵＳＬＥは、山地森林に対する広範囲な適用は難しく、ＥＵＲＯＳＥＭは、林床植物の作用や効果が組み込まれていない。このため、これらの手法を用いて、広範囲の山地森林における動物由来の林床植物の状態を考慮した土壌侵食リスクを推定することは困難である。

一つの側面では、動物由来の影響を加味した土壌侵食リスクを推定できる土壌侵食地域推定方法および土壌侵食地域推定装置を提供することにある。

一つの態様では、土壌侵食地域推定方法は、植物の林床植生データを含む植生データと、地形データと、気象データとに基づいて、所定の大きさのエリアごとに林床植生の回復の度合いを示す植生回復度を予測する処理をコンピュータが実行する。土壌侵食地域推定方法は、前記植生データと、前記地形データと、前記気象データと、前記植物を利用する動物の生態を示す生態データとに基づいて、前記エリアごとに前記動物の生息分布を予測する処理をコンピュータが実行する。土壌侵食地域推定方法は、前記植生データと、前記地形データと、前記気象データとに基づいて、前記エリアごとに土壌の表層崩壊が発生するリスクを示す表層崩壊リスクを予測する処理をコンピュータが実行する。土壌侵食地域推定方法は、予測した前記植生回復度と、前記生息分布と、前記表層崩壊リスクとに基づいて、前記エリアごとに土壌侵食リスクを判定する処理をコンピュータが実行する。

動物由来の影響を加味した土壌侵食リスクを推定できる。

図１は、実施例の推定装置の構成の一例を示すブロック図である。 図２は、植生ＤＢの一例を示す図である。 図３は、気象ＤＢの一例を示す図である。 図４は、生態ＤＢの一例を示す図である。 図５は、植生回復予測表記憶部の一例を示す図である。 図６は、リスクレベル記憶部の一例を示す図である。 図７は、常緑樹分布の一例を示す図である。 図８は、日射量分布の一例を示す図である。 図９は、植生回復度と林齢との関係の一例を示す図である。 図１０は、植生回復予測図の一例を示す図である。 図１１は、生息適性図の一例を示す図である。 図１２は、生息予測図の一例を示す図である。 図１３は、土壌保持力が大である植生分布の一例を示す図である。 図１４は、傾斜角度２５度以上の地形分布の一例を示す図である。 図１５は、表層崩壊予測図の一例を示す図である。 図１６は、土壌侵食リスク図の一例を示す図である。 図１７は、実施例の推定処理の一例を示すフローチャートである。 図１８は、生態データセット補完処理の一例を示すフローチャートである。 図１９は、植生回復度予測処理の一例を示すフローチャートである。 図２０は、動物生息予測処理の一例を示すフローチャートである。 図２１は、表層崩壊予測処理の一例を示すフローチャートである。 図２２は、推定プログラムを実行するコンピュータの一例を示す図である。

以下、図面に基づいて、本願の開示する土壌侵食地域推定方法および土壌侵食地域推定装置の実施例を詳細に説明する。なお、本実施例により、開示技術が限定されるものではない。また、以下の実施例は、矛盾しない範囲で適宜組みあわせてもよい。

図１は、実施例の推定装置の構成の一例を示すブロック図である。図１に示す推定装置１００は、指定された地域における植生データ等の各種データに基づいて、当該地域の所定のエリアごとに土壌侵食リスクを判定し、土壌侵食地域を推定する情報処理装置の一例である。すなわち、推定装置１００は、土壌侵食地域推定装置の一例である。推定装置１００は、例えば、据置型や可搬型のパーソナルコンピュータを用いることができる。また、推定装置１００は、可搬型の端末としては、上記の可搬型のパーソナルコンピュータの他にも、例えば、タブレット端末を採用することもできる。

推定装置１００は、植物の林床植生データを含む植生データと、地形データと、気象データとに基づいて、所定の大きさのエリアごとに林床植生の回復の度合いを示す植生回復度を予測する。推定装置１００は、植生データと、地形データと、気象データと、植物を利用する動物の生態を示す生態データとに基づいて、エリアごとに動物の生息分布を予測する。推定装置１００は、植生データと、地形データと、気象データとに基づいて、エリアごとに土壌の表層崩壊が発生するリスクを示す表層崩壊リスクを予測する。推定装置１００は、予測した植生回復度と、生息分布と、表層崩壊リスクとに基づいて、エリアごとに土壌侵食リスクを判定する。これにより、推定装置１００は、動物由来の影響を加味した土壌侵食リスクを推定できる。

次に、推定装置１００の構成について説明する。図１に示すように、推定装置１００は、通信部１１０と、表示部１１１と、操作部１１２と、入出力部１１３と、記憶部１２０と、制御部１３０とを有する。なお、推定装置１００は、図１に示す機能部以外にも既知のコンピュータが有する各種の機能部、例えば各種の入力デバイスや音声出力デバイス等の機能部を有することとしてもかまわない。

通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。通信部１１０は、図示しないネットワークを介して他の情報処理装置と有線または無線で接続され、他の情報処理装置との間で情報の通信を司る通信インタフェースである。通信部１１０は、他の情報処理装置から植生データ、地形データ、気象データおよび生態データ等を受信する。通信部１１０は、受信した植生データ、地形データ、気象データおよび生態データ等を制御部１３０に出力する。

表示部１１１は、各種情報を表示するための表示デバイスである。表示部１１１は、例えば、表示デバイスとして液晶ディスプレイ等によって実現される。表示部１１１は、制御部１３０から入力された表示画面等の各種画面を表示する。

操作部１１２は、推定装置１００のユーザから各種操作を受け付ける入力デバイスである。操作部１１２は、例えば、入力デバイスとして、キーボードやマウス等によって実現される。操作部１１２は、ユーザによって入力された操作を操作情報として制御部１３０に出力する。なお、操作部１１２は、入力デバイスとして、タッチパネル等によって実現されるようにしてもよく、表示部１１１の表示デバイスと、操作部１１２の入力デバイスとは、一体化されるようにしてもよい。

入出力部１１３は、例えば、メモリカードＲ／Ｗ（Reader/Writer）である。入出力部１１３は、通信部１１０で受信する植生データ、地形データ、気象データおよび生態データ等の代わりに、メモリカードに記憶された植生データ、地形データ、気象データおよび生態データ等を読み出して制御部１３０に出力するようにしてもよい。また、入出力部１１３は、例えば、制御部１３０から出力された土壌侵食リスクデータおよび土壌侵食リスク図をメモリカードに記憶する。なお、メモリカードとしては、例えばＳＤメモリカード等を用いることができる。

記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、ハードディスクや光ディスク等の記憶装置によって実現される。記憶部１２０は、植生データベース１２１と、地形データベース１２２と、気象データベース１２３と、生態データベース１２４と、植生回復予測表記憶部１２５と、リスクレベル記憶部１２６とを有する。なお、以下の説明では、データベースをＤＢと表す場合がある。また、記憶部１２０は、制御部１３０での処理に用いる情報を記憶する。

植生ＤＢ１２１は、例えば山地の森林地域にどのような植物が生育しているのかを示す植生データを記憶する。図２は、植生ＤＢの一例を示す図である。図２に示すように、植生ＤＢ１２１は、「格子点ＩＤ（Identifier）」、「東経」、「北緯」、「森林計画区」、「土地利用」、「標高」、「斜面方位」、「斜面傾斜」、「林齢」、「優占樹種（相観）１」、「優占樹種（相観）２」といった項目を有する。また、植生ＤＢ１２１は、「下層植生出現種数」、「低木層植被率」、「草本層植被率」といった項目を有する。植生ＤＢ１２１は、例えば、林野庁の調査データ等のオープンデータを用いることができる。また、植生ＤＢ１２１は、より詳細な地域固有のデータを用いてもよい。植生ＤＢ１２１は、例えば、格子点ごとに１レコードとして記憶する。

「格子点ＩＤ」は、例えば森林生態系多様性基礎調査で用いられる調査地を識別する識別子である。「東経」および「北緯」は、それぞれ経度および緯度を示す情報である。「森林計画区」は、森林法に基づく区域の情報である。「土地利用」は、当該格子点における土地利用を示す情報である。「標高」は、当該格子点における標高を示す情報であり、単位はｍである。「斜面方位」は、当該格子点における斜面の方位を示す情報である。「斜面傾斜」は、当該格子点における斜面の傾斜を示す情報であり、単位は度である。「林齢」は、当該格子点における森林の年齢を示す情報である。「優占樹種（相観）１」および「優占樹種（相観）２」は、当該格子点内に出現する樹種の胸高断面積の合計が３０％以上を占める樹種、つまり植物群落を外から見たときの特徴となる樹種を示す情報である。「下層植生出現種数」は、当該格子点における森林での低木および草本類で構成される植物集団について、出現する植物種の数を示す情報である。「低木層植被率」は、植物群落の低木層の植物が当該格子点内の標本とする面積のどれだけを覆っているかを示す情報であり単位は％である。「草本層植被率」は、植物群落の草本層の植物が当該格子点内の標本とする面積のどれだけを覆っているかを示す情報であり、単位は％である。

図１の説明に戻って、地形ＤＢ１２２は、例えば、標高等の情報を含む数値地図である地形データを記憶する。地形ＤＢ１２２は、例えば、国土地理院の数値地図（国土基本情報）等のオープンデータを用いることができる。また、地形ＤＢ１２２は、数値地図の標高に基づいて求めた傾斜角度および傾斜方位を地形データの一部として記憶するようにしてもよい。

気象ＤＢ１２３は、土壌侵食リスクを判定する地域の気象データを記憶する。図３は、気象ＤＢの一例を示す図である。図３に示すように、気象ＤＢ１２３は、「年月日」、「平均気温」、「最高気温」、「最低気温」、「降水量の合計」、「日照時間」、「最深積雪」、「降雪量合計」といった項目を有する。気象ＤＢ１２３は、例えば、各気象台の気象データ等のオープンデータを用いることができる。気象ＤＢ１２３は、例えば、日ごとに１レコードとして記憶する。

「年月日」は、気象データの年月日を示す情報である。「平均気温」は、その日の平均気温を示す情報であり、単位は℃である。「最高気温」および「最低気温」は、それぞれ、その日の最高気温および最低気温を示す情報であり、単位は℃である。「降水量の合計」は、その日の降水量の合計を示す情報であり単位はｍｍである。「日照時間」は、その日の日照時間の合計を示す情報である。「最深積雪」は、その日の積雪深を示す情報であり、単位はｃｍである。「降雪量合計」は、その日に降った雪の量の合計を示す情報であり、単位はｃｍである。

図１の説明に戻って、生態ＤＢ１２４は、例えば、地域ごとの動物の生態を示す生態データを記憶する。図４は、生態ＤＢの一例を示す図である。図４に示すように、生態ＤＢ１２４は、「動物種」、「食性」、「体重」、「生息密度」、「生息面積」といった項目を有する。生態ＤＢ１２４は、例えば、動物種ごとに１レコードとして記憶する。

「動物種」は、当該地域に生息する動物の種類を示す情報である。「食性」は、当該動物の肉食、草食、雑食等の食性を示す情報である。「体重」は、当該地域に生息する動物種の想定体重を示す情報であり、単位はｋｇである。「生息密度」は、１ｋｍ^２あたりの当該動物種の生息密度を示す情報である。「生息面積」は、当該動物種の一頭あたりの生息に要求される要求生息面積を示す情報であり、単位は、ｋｍ^２／頭およびｈａ／頭である。なお、生息面積は、動物種の体重および生息密度に基づいて算出し、算出した生息面積を記憶するようにしてもよい。

図１の説明に戻って、植生回復予測表記憶部１２５は、植生回復予測に用いるパラメータと回復程度との対応を示す植生回復予測表を記憶する。図５は、植生回復予測表記憶部の一例を示す図である。図５に示すように、植生回復予測表記憶部１２５は、縦軸に伐採種における植生回復度の項目として「落葉樹」、「常緑樹」といった項目を有し、横軸に伐採・植樹後の経過年数（林齢）を「１０」年から５年ごとに「５０」年までの項目を有する。植生回復予測表は、数値が「１」に近い場合には植生が回復しやすいことを示す。また、植生回復予測表は、数値が「０．５」前後の場合には植生回復度が中程度であることを示す。また、植生回復予測表は、数値が「０」に近い場合には植生が回復しづらいことを示す。すなわち、植生回復予測表は、高木種の種別と、伐採および植樹後の経過年数とに応じた係数を表すことになる。

図１の説明に戻って、リスクレベル記憶部１２６は、土壌の表層崩壊が発生するリスクレベルを記憶する。図６は、リスクレベル記憶部の一例を示す図である。図６に示すように、リスクレベル記憶部１２６は、縦軸に所定の大きさのエリアにおける土壌保持力を有する樹木の面積率の項目として、「×（１％以下）」、「△（２５％未満）」、「○（５０％未満）」、「◎（５０％以上）」といった項目を有する。また、リスクレベル記憶部１２６は、所定の大きさのエリアにおける横軸に傾斜角度２５度以上の面積率の項目として、「×（５０％以上）」、「△（５０％未満）」、「○（２５％未満）」、「◎（１％以下）」といった項目を有する。なお、所定の大きさのエリアは、例えば、地域を１ｋｍ四方のメッシュに区切った場合におけるメッシュの１つとすることができる。すなわち、この例では、所定の大きさのエリアは１ｋｍ^２である。また、以下の説明では、所定の大きさのエリアを、単にエリアと表現して説明する場合がある。リスクレベル記憶部１２６は、リスクレベルを「なし（−）」から「III」までの４段階とする。

図１の説明に戻って、制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、内部の記憶装置に記憶されているプログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されるようにしてもよい。

制御部１３０は、受付部１３１と、第１予測部１３２と、第２予測部１３３と、第３予測部１３４と、判定部１３５とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図１に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部１３０は、通信部１１０を介して、予め図示しない他の情報処理装置から植生データ、地形データ、気象データおよび生態データ等を取得して、植生ＤＢ１２１、地形ＤＢ１２２、気象ＤＢ１２３および生態ＤＢ１２４に、それぞれ記憶する。

受付部１３１は、操作部１１２を介して、推定装置１００のユーザから推定用データの入力を受け付ける。受付部１３１は、例えば、ユーザから地域、動物種、季節といった情報の入力を推定用データとして受け付ける。受付部１３１は、生態ＤＢ１２４を参照し、受け付けた推定用データに含まれる動物種の生態データセットがあるか否かを判定する。受付部１３１は、動物種の生態データセットがない場合には、生態データセット補完処理を実行する。

受付部１３１は、動物種の生態データセットがある場合には、ユーザに対して既存データを使用するか否かを問い合わせる。受付部１３１は、既存データを使用しない場合には、生態データセット補完処理を実行する。受付部１３１は、既存データを使用する場合には、生態データセットが複数あるか否かを判定する。受付部１３１は、生態データセットが複数ある場合には、使用する生態データセットの指定をユーザに問い合せて、ユーザに指定された生態データセットを、使用する生態データセットに設定する。受付部１３１は、生態データセットが複数ない場合には、１つの既存データの生態データセットを、使用する生態データセットに設定する。受付部１３１は、使用する生態データセットを設定すると、第１予測部１３２、第２予測部１３３および第３予測部１３４に対して、設定した生態データセットの情報を出力する。

ここで、生態データセット補完処理について説明する。受付部１３１は、生態データセットを生成するか否かの指示をユーザから受け付ける。受付部１３１は、生態データセットを生成する場合には、ユーザから生態データの入力を受け付ける。受付部１３１は、受け付けた生態データに基づいて生成した生態データセットを生態ＤＢ１２４に記憶し、生態データセット補完処理を終了する。

受付部１３１は、生態データセットを生成しない場合には、代替種の生態データセットを使用するか否かの指示をユーザから受け付ける。受付部１３１は、代替種の生態データセットを使用する場合には、ユーザから代替種の入力を受け付けて、生態データセット補完処理を終了する。受付部１３１は、代替種の生態データセットを使用しない場合には、推定不可であるとして、生態データセット補完処理、および、土壌侵食リスクの推定処理自体を終了する。

次に、第１予測部１３２における植生回復度予測処理について説明する。第１予測部１３２は、受付部１３１から設定した生態データセットの情報が入力されると、生態データセットの情報の地域や季節に応じたデータを各ＤＢから取得して処理を行う。まず、第１予測部１３２は、地形ＤＢ１２２を参照し、地形データに基づいて、日射量データを算出する。

ここで、日射量データの算出について説明する。第１予測部１３２は、日射量（全天日射量、Ｇｌｏｂａｌ_ｔｏｔ）として、すべての太陽軌道図セクターと天空図セクターのそれぞれの直達日射量（Ｄｉｒ_ｔｏｔ）と散乱日射量（Ｄｉｆ_ｔｏｔ）の合計値（Ｇｌｏｂａｌ_ｔｏｔ＝Ｄｉｒ_ｔｏｔ＋Ｄｉｆ_ｔｏｔ）を算出する。

［直達日射量（Ｄｉｒ_ｔｏｔ）の算出］
指定の場所の総直達日射量（Ｄｉｒ_ｔｏｔ）は、下記の式（１）に示すように、すべての太陽軌道図セクターの直達日射量（Ｄｉｒθ，α）の合計値となる。また、天頂角（θ）と方位角（α）で指定された重心を持つ太陽軌道図セクターの直達日射量（Ｄｉｒθ，α）は、下記の式（２）を用いて算出する。

Ｄｉｒ_ｔｏｔ ＝ΣＤｉｒθ，α ・・・（１）
Ｄｉｒθ，α＝ＳＣｏｎｓｔ×βｍ（θ）×ＳｕｎＤｕｒθ，α
×ＳｕｎＧａｐθ，α×ｃｏｓ（ＡｎｇＩｎθ，α）・・・（２）

ここで、ＳＣｏｎｓｔは、地球と太陽間の平均距離における大気圏外の太陽エネルギー束、つまり太陽定数である。使用する太陽定数は、１３６７Ｗ／ｍ^２であり、この値は、世界放射センター（ＷＲＣ：World Radiation Center）の太陽定数と一致する。βは、最短距離（天頂角の方向）での大気圏の透過率（波長全体での平均値）である。ｍ（θ）は、天頂角の光路長に対する比率として計測される相対光路長であり、太陽天頂角と標高（海抜）によって求めることができる。太陽天頂角が８０度未満の場合には、下記の式（３）を用いて算出する。ＳｕｎＤｕｒθ，αは、天空セクターが表す時間である。ＳｕｎＤｕｒθ，αは、大部分のセクターでは、日間隔（１ヶ月など）に時間間隔（３０分など）を乗算した値と等しくなる。ＳｕｎＤｕｒθ，αは、部分的なセクター（地平線近く）では、球面幾何学を用いて算出する。ＳｕｎＧａｐθ，αは、太陽軌道図セクターのギャップ比率である。ＡｎｇＩｎθ，αは、天空セクターの重心とサーフェスに垂直な軸との間の入射角であり、下記の式（４）を用いて算出する。

ｍ（θ）＝ＥＸＰ（-0.000118×Ｅｌｅｖ−1.638×10^-9×Ｅｌｅｖ^２）
／ ｃｏｓ（θ） ・・・（３）

ここで、θは、太陽天頂角である。Ｅｌｅｖは、標高（単位：メートル）である。

ＡｎｇＩｎθ，α＝ａｃｏｓ（Ｃｏｓ（θ）×Ｃｏｓ（Ｇｚ）＋Ｓｉｎ（θ）
×Ｓｉｎ（Ｇｚ）×Ｃｏｓ（α−Ｇａ）） ・・・（４）

ここで、天空セクターの重心とサーフェスに垂直な軸との間の入射角であるＡｎｇＩｎθ，αでは、サーフェスの傾斜方向の影響は、入射角の余弦を乗算することにより考慮される。Ｇｚは、サーフェスの天頂角である。なお、８０度を超える天頂角では、屈折が重要となる。Ｇａは、サーフェスの方位角である。

［散乱日射量（Ｄｉｆ_ｔｏｔ）の算出］
重心における散乱日射量（Ｄｉｆ）は、天空セクターごとに下記の式（５）を用いて算出する。すなわち、重心における散乱日射量（Ｄｉｆ）は、時間で積分し、さらにギャップ比率と入射角で補正する。

Ｄｉｆθ，α＝Ｒｇｌｂ×Ｐｄｉｆ×Ｄｕｒ×ＳｋｙＧａｐθ，α
×Ｗｅｉｇｈｔθ，α×ｃｏｓ（ＡｎｇＩｎθ，α） ・・・（５）

ここで、Ｒｇｌｂは、全天標準日射量である。Ｐｄｉｆは、全天標準日射量のうち散乱する比率である。Ｐｄｉｆは、通常、非常に晴れた状況で約０．２、非常に曇った状況で０．７になる。Ｄｕｒは、解析の時間間隔である。ＳｋｙＧａｐθ，αは、天空セクターのギャップ比率（全天可視領域の割合）である。Ｗｅｉｇｈｔθ，αは、指定した天空セクターを起点とする散乱日射の、すべてのセクターに対する比率である。ＡｎｇＩｎθ，αは、天空セクターの重心と入射面との間の入射角である。

全天標準日射量（Ｒｇｌｂ）は、各セクター（不可視のセクターを含む）からの直達日射量を合計してから、入射角を補正せずに、直達日射量の割合（１−Ｐｄｉｆ）を補正することで、下記の式（６）に示すように算出する。

Ｒｇｌｂ＝（ＳＣｏｎｓｔΣ（βｍ（θ）））／（１−Ｐｄｉｆ） ・・・（６）

Ｗｅｉｇｈｔθ，αは、均質な天空の散乱モデルでは、下記の式（７）を用いて算出する。

Ｗｅｉｇｈｔθ，α＝（ｃｏｓθ_２−ｃｏｓθ_１)／Ｄｉｖａｚｉ ・・・（７）

ここで、θ_１およびθ_２は、天空セクターの境界の天頂角である。Ｄｉｖａｚｉは、天空図の方位角方向の分割数である。また、Ｗｅｉｇｈｔθ，αは、標準的な曇り空のモデルでは、下記の式（８）を用いて算出する。

Ｗｅｉｇｈｔθ，α＝（２ｃｏｓθ_２＋ｃｏｓ２θ_２−２ｃｏｓθ_１−ｃｏｓ２θ_１）
／４×Ｄｉｖａｚｉ ・・・（８）

場所の総散乱日射量（Ｄｉｆ_ｔｏｔ）は、全天空図セクターからの散乱日射量（Ｄｉｆ）の合計値として、下記の式（９）を用いて算出する。

Ｄｉｆ_ｔｏｔ＝ΣＤｉｆθ，α ・・・（９）

第１予測部１３２は、日射量データを算出すると、植生ＤＢ１２１を参照して、ユーザから受け付けた推定用データの地域における林床植生データがあるか否かを判定する。第１予測部１３２は、林床植生データがある場合には、植生ＤＢ１２１から当該地域の林床植生データを取得する。また、第１予測部１３２は、気象ＤＢ１２３から当該地域の気温データを取得する。第１予測部１３２は、林床植生データ、日射量データおよび気温データに基づいて、エリアごとの植生回復度を予測し、植生回復予測図を生成する。第１予測部１３２は、生成した植生回復予測図を判定部１３５に出力し、植生回復度予測処理を終了する。

第１予測部１３２は、林床植生データがない場合には、林床植生データを予測するか否かの指示をユーザから受け付ける。第１予測部１３２は、林床植生データを予測する場合には、植生ＤＢ１２１の当該地域の植生データを参照し、高木種の優占種が常緑樹と落葉樹のどちらであるかに基づいて、常緑樹分布データを生成する。すなわち、第１予測部１３２は、例えば、植生ＤＢ１２１の項目「優占樹種（相観）１」および「優占樹種（相観）２」の樹種が、常緑樹か落葉樹のどちらであるかに基づいて、常緑樹分布データを生成する。

第１予測部１３２は、植生回復予測表記憶部１２５を参照し、常緑樹分布データ、日射量データおよび植生回復予測表に基づいて、林床植生データを予測する。林床植生データは、高木種の優占種が常緑樹であるか落葉樹であるかの情報と日射量との関係が、ほぼ直線関係にあることが知られている（斉藤昌宏（1989）スギ人工林における林内日射量と林床植生量の関係．日本林學會誌71（7）：276−280．など）。このため、林床植生の量は、日射量が十分であれば、落葉樹＞常緑樹との関係が成り立つ。なお、落葉樹の一例としては、アカシデ・イヌシデ群落、アカメガシワ−カラスザンショウ群落、イヌブナ群落、クリ−コナラ群集、ダケカンバ群落などが挙げられる。また、常緑樹の一例としては、アカマツ群落、ウラジロモミ群落、コカンスゲ−ツガ群集、シキミ−モミ群集、シラビソ−オオシラビソ群集、アラカシ、シラカシなどが挙げられる。

第１予測部１３２は、林床植生データを予測した場合は、予測した林床植生データと、算出した日射量データと、気象ＤＢ１２３から取得した気温データとに基づいて、エリアごとの植生回復度を予測し、植生回復予測図を生成する。第１予測部１３２は、生成した植生回復予測図を判定部１３５に出力し、植生回復度予測処理を終了する。

第１予測部１３２は、林床植生データを予測しない場合には、植生ＤＢ１２１から取得した植生データと、算出した日射量データと、気象ＤＢ１２３から取得した気温データとに基づいて、エリアごとの植生回復度を予測し、植生回復予測図を生成する。第１予測部１３２は、生成した植生回復予測図を判定部１３５に出力し、植生回復度予測処理を終了する。

ここで、図７から図１０を用いて常緑樹分布、日射量分布、植生回復度および植生回復予測図について説明する。図７は、常緑樹分布の一例を示す図である。図７に示す分布図２０は、ある地域における常緑樹の分布を示す図である。分布図２０は、例えば、植生データに基づいて常緑樹分布データを求め、高木種の優占種が常緑樹である部分と、落葉樹である部分とを塗り分けて表現したものである。

図８は、日射量分布の一例を示す図である。図８に示す分布図２１は、ある地域における日射量の分布を示す図である。分布図２１は、例えば、算出した日射量データに基づいて生成される。分布図２１では、日射量が少ないエリアを枠２１ａおよび２１ｂで示している。

図９は、植生回復度と林齢との関係の一例を示す図である。図９に示すグラフ２２は、植生回復度（林床被覆率）と林齢との関係を示すグラフである。グラフ２２に示すように、常緑樹と落葉樹とでは、林齢によって植生回復度が大きく異なる部分があることがわかる。例えば、林齢４０年から６０年の間では、常緑樹の植生回復度が０．２前後であるのに対し、落葉樹の植生回復度は０．８程度である。すなわち、ある地域において、高木種の優占種が落葉樹であれば、林齢に依らずに林床植生が回復しやすいが、優占種が常緑樹であれば、林齢５０年前後が最も植生回復度が低く林床植生が回復しにくいことがわかる。

図１０は、植生回復予測図の一例を示す図である。図１０に示す植生回復予測図２３は、ある地域における所定の大きさのエリアごとの植生回復度を表す図である。植生回復予測図２３は、例えば、１０ｋｍ四方の地域に対して、１ｋｍ四方のエリアごとの植生回復度を予測したものである。植生回復予測図２３では、植生回復度を、例えば、０．２未満、０．２以上０．４未満、０．４以上０．６未満、０．６以上０．８未満、０．８以上１．０未満の５段階に分けて表現している。

図１の説明に戻る。続いて、第２予測部１３３における動物生息予測処理について説明する。第２予測部１３３は、受付部１３１から設定した生態データセットの情報が入力されると、生態データセットの情報の地域や季節に応じたデータを各ＤＢから取得して処理を行う。第２予測部１３３は、植生ＤＢ１２１および生態ＤＢ１２４を参照し、植生データと、生態データセットの情報に対応する生態データとに基づいて、適性植生エリアを抽出する。なお、適性植生エリアは、植生データに基づく植物資源分布の一例である。また、第２予測部１３３は、地形ＤＢ１２２および生態ＤＢ１２４を参照し、地形データと、生態データセットの情報に対応する生態データとに基づいて、適性地形エリアを抽出する。さらに、第２予測部１３３は、気象ＤＢ１２３および生態ＤＢ１２４を参照し、気象データと、生態データセットの情報に対応する生態データとに基づいて、適性気象エリアを抽出する。

第２予測部１３３は、抽出した適性植生エリア、適性地形エリアおよび適性気象エリアに基づいて、対象の動物種の生息に適した地域を分類する生息適性図を生成する。すなわち、第２予測部１３３は、植生データ、地形データ、気象データおよび生態データに基づいて、生息適性図を生成する。

図１１は、生息適性図の一例を示す図である。図１１に示すように、生息適性図２４は、ある地域における、ある動物、例えばシカの生息に適した生息地、生息に適さない非生息地、および、生息に適していないが移動に利用できる通路の３つに区分される。

第２予測部１３３は、通路で連結した生息地を抽出して動物の生息地の面積を算出する。すなわち、第２予測部１３３は、生息適性図に基づいて、動物の生息地の面積を算出する。また、第２予測部１３３は、生息密度Ｄと体重Ｗの関係式に基づいて、動物一頭あたりの生息に要求される要求生息面積を算出する。ここで、当該関係式は、例えば、哺乳動物の体重と生息に必要な餌場（広葉樹林、草地）の間の関係式（R.H.Peters,J.V.Raelson（1984）. Relations between Individual Size and Mammalian Population Density, The American Naturalist,Vol.124,No.4）を用いることができる。

例えば、シカの場合には、当該関係式を用いると、生息密度Ｄ＝２１４Ｗ^{−０．６１}となり、シカの想定体重を６０ｋｇとすると、要求生息面積は、５．７×１０^４ｍ^２／頭となる。第２予測部１３３は、エリアごとに動物の生息地の面積を要求生息面積で除算することで、エリアごとに動物の生息可能数を算出する。すなわち、第２予測部１３３は、動物の生息地の面積および要求生息面積に基づいて、エリアごとに動物の生息可能数を算出する。第２予測部１３３は、算出したエリアごとの動物の生息可能数に基づいて、生息予測図を生成する。第２予測部１３３は、生成した生息予測図を判定部１３５に出力して、動物生息予測処理を終了する。

図１２は、生息予測図の一例を示す図である。図１２に示すように、生息予測図２５は、ある地域における１０ｋｍ四方の地域に対して、ある動物、例えばシカの生息可能数を１ｋｍ四方のエリアごとに予測したものである。生息予測図２５は、予測頭数を、例えば、５頭／ｋｍ^２未満、１０頭／ｋｍ^２未満、１０頭／ｋｍ^２以上の３段階に分けて表現している。

図１の説明に戻る。次に、第３予測部１３４における表層崩壊予測処理について説明する。第３予測部１３４は、受付部１３１から設定した生態データセットの情報が入力されると、生態データセットの情報の地域や季節に応じたデータを各ＤＢから取得して処理を行う。第３予測部１３４は、植生ＤＢ１２１を参照し、植生データに基づいて、土壌保持力が大である植生分布データを生成する。また、第３予測部１３４は、地形ＤＢ１２２を参照し、例えば、地形データの標高に基づいて、傾斜角度を示す傾斜度データを生成する。さらに、第３予測部１３４は、気象ＤＢ１２３から降水量データを取得する。

ここで、表層崩壊について説明する。表層崩壊、つまり斜面土壌崩壊は、土層中のある連続面を境にしてその上の土塊が一体となって滑り落ちる現象である。表層崩壊の発生条件は、この面に働く摩擦力と粘着力とが滑りに抵抗する力で、これが滑りを起こす力よりも小さくなると土塊が滑り出す。摩擦力は、上から押さえつける力に比例し、滑りを起こす力は斜面の傾き（ｓｉｎθ）および土塊の重さに比例する。土塊を斜面傾斜の方向へ動かそうとする力は、その土塊の重量が大きいほど、また、斜面傾斜が急なほど大きくなる。さらに、崩壊を起こそうとする力は、雨水が地中に浸透するとその水の重さ分だけ土塊の重量が増して大きくなる。なお、降雨による崩壊の場合には、斜面の傾斜角が２５度よりも小さいとほとんど崩れないことから、傾斜角度２５度以上を基準値として設定する。

表層崩壊は、土壌保持力を有する樹木が存在すると、発生しにくくなる。この様な要因としては、例えば、植生が持つ根系による土壌の緊縛効果、根系による杭効果、樹幹による侵食防止効果等がある。このため、表層崩壊予測処理では、植生データに基づいて、土壌保持力を有する樹木の存在率を求める。土壌保持力が高い樹種としては、針葉樹では、スギ、アカマツ、クロマツ、モミが挙げられる。また、広葉樹では、アカシデ、ケヤキ、カシワ、クヌギ、カツラ、ミズナラ、コナラ、オニグルミが挙げられる。反対に、土壌保持力の低い樹木としては、針葉樹では、ヒノキ、ヒバ、サワラ、カラマツ、ツガ、コメツガ、エゾマツ、トウヒが挙げられる。また、広葉樹では、ミズキ、ニセアカシア、ブナ、ヤマハンノキ、カバ、ノグルミ、ムクノキ、エンジュが挙げられる。

表層崩壊は、地表面の降水流出により発生するが、ある程度の降水量に達しないと地表流は発生しないため、降水量１５０ｍｍ以上を基準値として設定する。

第３予測部１３４は、リスクレベル記憶部１２６を参照し、植生分布データ、傾斜度データおよび降水量データに基づいて、エリアごとの表層崩壊リスクを算出する。すなわち、第３予測部１３４は、植生分布データに基づいて、各エリアを、土壌保持力を有する樹木の面積率が１％以下（×）、２５％未満（△）、５０％未満（○）、５０％以上（◎）の４段階に分類する。また、第３予測部１３４は、傾斜度データに基づいて、各エリアを傾斜角度２５度以上の面積率が１％以下（◎）、２５％未満（○）、５０％未満（△）、５０％以上（×）の４段階に分類する。第３予測部１３４は、土壌保持力を有する樹木の面積率と、傾斜角度２５度以上の面積率との組み合わせにより、エリアごとの表層崩壊リスクを求める。表層崩壊リスクは、「なし」から「III」までの４段階で求められる。また、降水量データは、例えば、季節ごとの表層崩壊リスクを求める場合に用いることができる。第３予測部１３４は、例えば、梅雨の終わりや夏から秋にかけての台風シーズンでは、表層崩壊リスクが「I」、「II」のエリアを、それぞれ「II」、「III」に引き上げるといった処理を行うようにしてもよい。

第３予測部１３４は、エリアごとに表層崩壊リスクを算出すると、算出したエリアごとの表層崩壊リスクに基づいて、表層崩壊予測図を生成する。第３予測部１３４は、生成した表層崩壊予測図を判定部１３５に出力して表層崩壊予測処理を終了する。

ここで、図１３から図１５を用いて、土壌保持力が大である植生分布、傾斜角度２５度以上の地形分布および表層崩壊予測図について説明する。図１３は、土壌保持力が大である植生分布の一例を示す図である。図１３に示すように、分布図２６は、植生データに基づく土壌保持力が高い樹種の分布を示すものである。分布図２６では、ハッチング部分が、土壌保持力が高い樹種の分布を示す。

図１４は、傾斜角度２５度以上の地形分布の一例を示す図である。図１４に示すように、分布図２７は、地形データに基づく傾斜角度２５度以上の地形の分布を示すものである。分布図２７では、ハッチング部分が、傾斜角度２５度以上の地形の分布を示す。

図１５は、表層崩壊予測図の一例を示す図である。図１５に示すように、表層崩壊予測図２８は、エリアごとに表層崩壊リスクの４段階の評価を表したものである。表層崩壊予測図２８では、表層崩壊リスクが「III」のエリアが最も表層崩壊リスクが高く、表層崩壊リスクが空欄であるエリアが最も表層崩壊リスクが低い。

図１の説明に戻る。判定部１３５には、第１予測部１３２から植生回復予測図が入力され、第２予測部１３３から生息予測図が入力される。また、判定部１３５には、第３予測部１３４から表層崩壊予測図が入力される。判定部１３５は、入力された予測結果、つまり植生回復予測図、生息予測図および表層崩壊予測図に基づいて、エリアごとの土壌侵食リスクを判定する。土壌侵食リスクは、例えば、リスクが高い順に「警戒」、「注意」、「懸念」、「なし」で表すことができる。

判定部１３５は、例えば動物種がシカの場合、土壌侵食リスクの各判定基準は次の通りとする。「警戒」の判定基準は、シカの予測頭数が１５頭以上、植生回復度が０．４以下、表層崩壊リスクが「III」であるエリアとする。「注意」の判定基準は、シカの予測頭数が１０頭以上、植生回復度が０．４以下、表層崩壊リスクが「II」以上のうち、２つに該当するエリアとする。「懸念」の判定基準は、シカの予測頭数が１０頭以上、植生回復度が０．５以下、表層崩壊リスクが「I」以上のうち、いずれか１つに該当するエリアとする。「なし」の判定基準は、シカの予測頭数が１０頭以上、植生回復度が０．５以下、表層崩壊リスクが「I〜III」のいずれにも該当しないエリアとする。

なお、土壌侵食リスクの判定は、動物種の判定基準を越えたエリアのみ行うようにしてもよい。判定部１３５は、例えば、シカの予測頭数が１０頭／ｋｍ^２以上となるエリアに対して、植生回復度および表層崩壊リスクの判定を行う。

判定部１３５は、各エリアについて、土壌侵食リスクの判定を行うと、判定結果に基づいて、土壌侵食リスク図を生成する。判定部１３５は、生成した土壌侵食リスク図を表示部１１１に表示させるとともに、入出力部１１３に出力して、例えば、ＳＤメモリカードに記憶させる。

ここで、土壌侵食リスク図について説明する。図１６は、土壌侵食リスク図の一例を示す図である。図１６に示す土壌侵食リスク図２９は、エリアごとに土壌侵食リスクを表示したものである。土壌侵食リスク図２９の例では、シカの予測頭数が１０頭／ｋｍ^２以上となるエリアのうち、植生回復度が「０．７〜０．８」、表層崩壊リスクが「I」であり、「懸念」と判定される懸念エリア３０が６箇所存在する。また、土壌侵食リスク図２９の例では、シカの予測頭数が１０頭／ｋｍ^２以上となるエリアのうち、植生回復度が「０．６」、表層崩壊リスクが「III」であり、「注意」と判定される注意エリア３１が１箇所存在する。なお、土壌侵食リスク図２９の例では、動物種の判定基準を越えていないエリアは、土壌侵食リスクが「なし」と判定され、地図の画像が表示されている。

次に、実施例の推定装置１００の動作について説明する。図１７は、実施例の推定処理の一例を示すフローチャートである。

受付部１３１は、ユーザから推定用データの入力を受け付ける（ステップＳ１）。受付部１３１は、生態ＤＢ１２４を参照し、受け付けた推定用データに含まれる動物種の生態データセットがあるか否かを判定する（ステップＳ２）。受付部１３１は、動物種の生態データセットがない場合には（ステップＳ２：否定）、生態データセット補完処理を実行する（ステップＳ４）。

受付部１３１は、動物種の生態データセットがある場合には（ステップＳ２：肯定）、ユーザに対して既存データを使用するか否かを問い合わせる（ステップＳ３）。受付部１３１は、既存データを使用しない場合には（ステップＳ３：否定）、生態データセット補完処理を実行する（ステップＳ４）。

ここで、図１８を用いて生態データセット補完処理について説明する。図１８は、生態データセット補完処理の一例を示すフローチャートである。

受付部１３１は、生態データセットを生成するか否かの指示をユーザから受け付ける（ステップＳ４１）。受付部１３１は、生態データセットを生成する場合には（ステップＳ４１：肯定）、ユーザから生態データの入力を受け付ける（ステップＳ４２）。受付部１３１は、受け付けた生態データに基づいて生成した生態データセットを生態ＤＢ１２４に記憶し（ステップＳ４３）、元の処理に戻る。

受付部１３１は、生態データセットを生成しない場合には（ステップＳ４１：否定）、代替種の生態データセットを使用するか否かの指示をユーザから受け付ける（ステップＳ４４）。受付部１３１は、代替種の生態データセットを使用する場合には（ステップＳ４４：肯定）、ユーザから代替種の入力を受け付けて（ステップＳ４５）、元の処理に戻る。受付部１３１は、代替種の生態データセットを使用しない場合には（ステップＳ４４：否定）、推定不可であるとして、生態データセット補完処理、および、土壌侵食リスクの推定処理自体を終了する。これにより、受付部１３１は、生態データセットを補完することができる。

図１７のステップＳ３の説明に戻る。受付部１３１は、既存データを使用する場合には（ステップＳ３：肯定）、生態データセットが複数あるか否かを判定する（ステップＳ５）。受付部１３１は、生態データセットが複数ある場合には（ステップＳ５：肯定）、使用する生態データセットの指定をユーザに問い合せて、ユーザに指定された生態データセットを、使用する生態データセットに設定する（ステップＳ６）。受付部１３１は、生態データセットが複数ない場合には（ステップＳ５：否定）、１つの既存データの生態データセットを、使用する生態データセットに設定する。受付部１３１は、使用する生態データセットを設定すると、第１予測部１３２、第２予測部１３３および第３予測部１３４に対して、設定した生態データセットの情報を出力する。

第１予測部１３２は、受付部１３１から設定した生態データセットの情報が入力されると、植生回復度予測処理を実行する（ステップＳ７）。

ここで、図１９を用いて植生回復度予測処理について説明する。図１９は、植生回復度予測処理の一例を示すフローチャートである。

第１予測部１３２は、地形ＤＢ１２２を参照し、地形データに基づいて、日射量データを算出する（ステップＳ７１）。第１予測部１３２は、日射量データを算出すると、植生ＤＢ１２１を参照して、推定用データの地域における林床植生データがあるか否かを判定する（ステップＳ７２）。第１予測部１３２は、林床植生データがある場合には（ステップＳ７２：肯定）、植生ＤＢ１２１から当該地域の林床植生データを取得して、ステップＳ７５に進む。

第１予測部１３２は、林床植生データがない場合には（ステップＳ７２：否定）、林床植生データを予測するか否かの指示をユーザから受け付ける（ステップＳ７３）。第１予測部１３２は、林床植生データを予測する場合には（ステップＳ７３：肯定）、植生ＤＢ１２１の当該地域の植生データを参照し、高木種の優占種が常緑樹と落葉樹のどちらであるかに基づいて、常緑樹分布データを生成する。第１予測部１３２は、植生回復予測表記憶部１２５を参照し、常緑樹分布データ、日射量データおよび植生回復予測表に基づいて、林床植生データを予測する（ステップＳ７４）。

第１予測部１３２は、林床植生データがある場合（ステップＳ７２：肯定）、または林床植生データを予測した場合（ステップＳ７４）には、林床植生データ、日射量データおよび気温データに基づいて、エリアごとの植生回復度を予測する。第１予測部１３２は、予測したエリアごとの植生回復度に基づいて、植生回復予測図を生成する（ステップＳ７５）。第１予測部１３２は、生成した植生回復予測図を判定部１３５に出力し、元の処理に戻る。

第１予測部１３２は、林床植生データを予測しない場合には（ステップＳ７３：否定）、植生データ、日射量データおよび気温データに基づいて、エリアごとの植生回復度を予測し、植生回復予測図を生成する（ステップＳ７６）。第１予測部１３２は、生成した植生回復予測図を判定部１３５に出力し、元の処理に戻る。これにより、第１予測部１３２は、植生回復予測図を生成することができる。

図１７の説明に戻る。第２予測部１３３は、受付部１３１から設定した生態データセットの情報が入力されると、動物生息予測処理を実行する（ステップＳ８）。

ここで、図２０を用いて動物生息予測処理について説明する。図２０は、動物生息予測処理の一例を示すフローチャートである。

第２予測部１３３は、植生データ、地形データ、気象データおよび生態データに基づいて、生息適性図を生成する（ステップＳ８１）。第２予測部１３３は、生息適性図に基づいて、動物の生息地の面積を算出する（ステップＳ８２）。また、第２予測部１３３は、動物一頭あたりの生息に要求される要求生息面積を算出する。第２予測部１３３は、動物の生息地の面積および要求生息面積に基づいて、エリアごとに動物の生息可能数を算出する（ステップＳ８３）。第２予測部１３３は、算出したエリアごとの動物の生息可能数に基づいて、生息予測図を生成する（ステップＳ８４）。第２予測部１３３は、生成した生息予測図を判定部１３５に出力して、元の処理に戻る。これにより、第２予測部１３３は、動物の生息予測図を生成できる。

図１７の説明に戻る。第３予測部１３４は、受付部１３１から設定した生態データセットの情報が入力されると、表層崩壊予測処理を実行する（ステップＳ９）。

ここで、図２１を用いて表層崩壊予測処理について説明する。図２１は、表層崩壊予測処理の一例を示すフローチャートである。

第３予測部１３４は、植生ＤＢ１２１を参照し、植生データに基づいて、土壌保持力が大である植生分布データを生成する（ステップＳ９１）。また、第３予測部１３４は、地形ＤＢ１２２を参照し、地形データに基づいて、傾斜度データを生成する（ステップＳ９２）。さらに、第３予測部１３４は、気象ＤＢ１２３から降水量データを取得する。

第３予測部１３４は、リスクレベル記憶部１２６を参照し、植生分布データ、傾斜度データおよび降水量データに基づいて、エリアごとの表層崩壊リスクを算出する（ステップＳ９３）。第３予測部１３４は、算出したエリアごとの表層崩壊リスクに基づいて、表層崩壊予測図を生成する（ステップＳ９４）。第３予測部１３４は、生成した表層崩壊予測図を判定部１３５に出力し、元の処理に戻る。これにより、第３予測部１３４は、表層崩壊予測図を生成できる。

図１７の説明に戻る。判定部１３５には、第１予測部１３２、第２予測部１３３および第３予測部１３４から、それぞれ予測結果、つまり、植生回復予測図、生息予測図および表層崩壊予測図が入力される。判定部１３５は、入力された各予測結果に基づいて、エリアごとの土壌侵食リスクを判定する（ステップＳ１０）。

判定部１３５は、各エリアについて、土壌侵食リスクの判定を行うと、判定結果に基づいて、土壌侵食リスク図を生成する（ステップＳ１１）。判定部１３５は、生成した土壌侵食リスク図を表示部１１１に表示させる（ステップＳ１２）。これにより、推定装置１００は、動物由来の影響を加味した土壌侵食リスクを推定できる。また、推定装置１００は、１×１０^６ｍ^２の様な広範囲における土壌侵食リスクを推定できる。

このように、推定装置１００は、植物の林床植生データを含む植生データと、地形データと、気象データとに基づいて、所定の大きさのエリアごとに林床植生の回復の度合いを示す植生回復度を予測する。また、推定装置１００は、植生データと、地形データと、気象データと、植物を利用する動物の生態を示す生態データとに基づいて、エリアごとに動物の生息分布を予測する。また、推定装置１００は、植生データと、地形データと、気象データとに基づいて、エリアごとに土壌の表層崩壊が発生するリスクを示す表層崩壊リスクを予測する。また、推定装置１００は、予測した植生回復度と、生息分布と、表層崩壊リスクとに基づいて、エリアごとに土壌侵食リスクを判定する。その結果、推定装置１００は、動物由来の影響を加味した土壌侵食リスクを推定できる。

また、推定装置１００は、林床植生データと、地形データに基づく日射量データと、気象データとに基づいて、植生回復度を予測する。その結果、推定装置１００は、植生回復度を予測できる。

また、推定装置１００は、日射量データを、地形データに含まれる標高、ならびに、標高に基づいて求めた傾斜角度および傾斜方位に基づいて算出する。その結果、推定装置１００は、日射量データを算出できる。

また、推定装置１００は、林床植生データがないエリアに対して、植生データに基づく常緑樹分布データ、日射量データ、ならびに、高木種の種別と、伐採および植樹後の経過年数とに応じた係数を用いて、林床植生データを予測する。その結果、推定装置１００は、林床植生データがないエリアに対しても植生回復度を予測できる。

また、推定装置１００は、生態データに含まれる動物の体重および生息密度に基づいて、一頭当たりの生息に要求される要求生息面積を算出する。また、推定装置１００は、植生データに基づく植物資源分布と、動物の生態とに基づいて、動物の生息地の面積を算出する。また、推定装置１００は、生息地の面積と要求生息面積とに基づいて、エリアごとに動物の生息可能数を予測する。その結果、推定装置１００は、エリアごとに動物の生息可能数を予測できる。

また、推定装置１００は、地形データに基づく傾斜角度と、植生データに基づく土壌保持力とに基づいて、表層崩壊リスクを予測する。その結果、推定装置１００は、傾斜角度と樹種とに応じた表層崩壊リスクを予測できる。

なお、上記実施例では、植生データとしてオープンデータを用いたが、これに限定されない。例えば、衛星画像や航空写真等の画像を解析し、針葉樹と広葉樹、あるいは、落葉樹と常緑樹等を分類することで、植生データとして用いてもよい。

また、上記実施例では、動物の一例としてシカの場合を説明したが、これに限定されない。例えば、カモシカ、ウシ、ヤギ等の各種の草食性の動物や、イノシシ、タヌキ、キツネ等の各種の雑食性や肉食性の動物の生態データを用いてもよい。

また、図示した各部の各構成要素は、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各部の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、第１予測部１３２と第２予測部１３３と第３予測部１３４とを統合してもよい。また、図示した各処理は、上記の順番に限定されるものでなく、処理内容を矛盾させない範囲において、同時に実施してもよく、順序を入れ替えて実施してもよい。

さらに、各装置で行われる各種処理機能は、ＣＰＵ（またはＭＰＵ、ＭＣＵ（Micro Controller Unit）等のマイクロ・コンピュータ）上で、その全部または任意の一部を実行するようにしてもよい。また、各種処理機能は、ＣＰＵ（またはＭＰＵ、ＭＣＵ等のマイクロ・コンピュータ）で解析実行されるプログラム上、またはワイヤードロジックによるハードウェア上で、その全部または任意の一部を実行するようにしてもよいことは言うまでもない。

ところで、上記の実施例で説明した各種の処理は、予め用意されたプログラムをコンピュータで実行することで実現できる。そこで、以下では、上記の実施例と同様の機能を有するプログラムを実行するコンピュータの一例を説明する。図２２は、推定プログラムを実行するコンピュータの一例を示す図である。

図２２に示すように、コンピュータ２００は、各種演算処理を実行するＣＰＵ２０１と、データ入力を受け付ける入力装置２０２と、モニタ２０３とを有する。また、コンピュータ２００は、記憶媒体からプログラム等を読み取る媒体読取装置２０４と、各種装置と接続するためのインタフェース装置２０５と、他の情報処理装置等と有線または無線により接続するための通信装置２０６とを有する。また、コンピュータ２００は、各種情報を一時記憶するＲＡＭ２０７と、ハードディスク装置２０８とを有する。また、各装置２０１〜２０８は、バス２０９に接続される。

ハードディスク装置２０８には、図１に示した受付部１３１、第１予測部１３２、第２予測部１３３、第３予測部１３４および判定部１３５の各処理部と同様の機能を有する推定プログラムが記憶される。また、ハードディスク装置２０８には、植生ＤＢ１２１、地形ＤＢ１２２、気象ＤＢ１２３、生態ＤＢ１２４、植生回復予測表記憶部１２５、リスクレベル記憶部１２６、および、推定プログラムを実現するための各種データが記憶される。入力装置２０２は、例えば、コンピュータ２００のユーザから操作情報等の各種情報の入力を受け付ける。モニタ２０３は、例えば、コンピュータ２００のユーザに対して表示画面等の各種画面を表示する。インタフェース装置２０５は、例えば印刷装置等が接続される。通信装置２０６は、例えば、図１に示した通信部１１０と同様の機能を有し図示しないネットワークと接続され、図示しない他の情報処理装置と各種情報をやりとりする。

ＣＰＵ２０１は、ハードディスク装置２０８に記憶された各プログラムを読み出して、ＲＡＭ２０７に展開して実行することで、各種の処理を行う。また、これらのプログラムは、コンピュータ２００を図１に示した受付部１３１、第１予測部１３２、第２予測部１３３、第３予測部１３４および判定部１３５として機能させることができる。

なお、上記の推定プログラムは、必ずしもハードディスク装置２０８に記憶されている必要はない。例えば、コンピュータ２００が読み取り可能な記憶媒体に記憶されたプログラムを、コンピュータ２００が読み出して実行するようにしてもよい。コンピュータ２００が読み取り可能な記憶媒体は、例えば、ＣＤ−ＲＯＭやＤＶＤディスク、ＵＳＢ（Universal Serial Bus）メモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリ、ハードディスクドライブ等が対応する。また、公衆回線、インターネット、ＬＡＮ等に接続された装置にこの推定プログラムを記憶させておき、コンピュータ２００がこれらから推定プログラムを読み出して実行するようにしてもよい。

以上、本実施例を含む実施の形態に関し、さらに以下の付記を開示する。

（付記１）植物の林床植生データを含む植生データと、地形データと、気象データとに基づいて、所定の大きさのエリアごとに林床植生の回復の度合いを示す植生回復度を予測し、
前記植生データと、前記地形データと、前記気象データと、前記植物を利用する動物の生態を示す生態データとに基づいて、前記エリアごとに前記動物の生息分布を予測し、
前記植生データと、前記地形データと、前記気象データとに基づいて、前記エリアごとに土壌の表層崩壊が発生するリスクを示す表層崩壊リスクを予測し、
予測した前記植生回復度と、前記生息分布と、前記表層崩壊リスクとに基づいて、前記エリアごとに土壌侵食リスクを判定する、
処理をコンピュータが実行することを特徴とする土壌侵食地域推定方法。

（付記２）前記植生回復度を予測する処理は、前記林床植生データと、前記地形データに基づく日射量データと、前記気象データとに基づいて、前記植生回復度を予測する、
ことを特徴とする付記１に記載の土壌侵食地域推定方法。

（付記３）前記植生回復度を予測する処理は、前記日射量データを、前記地形データに含まれる標高、ならびに、前記標高に基づいて求めた傾斜角度および傾斜方位に基づいて算出する、
ことを特徴とする付記２に記載の土壌侵食地域推定方法。

（付記４）前記植生回復度を予測する処理は、前記林床植生データがない前記エリアに対して、前記植生データに基づく常緑樹分布データ、前記日射量データ、ならびに、高木種の種別と、伐採および植樹後の経過年数とに応じた係数を用いて、前記林床植生データを予測する、
ことを特徴とする付記２または３に記載の土壌侵食地域推定方法。

（付記５）前記動物の生息分布を予測する処理は、前記生態データに含まれる前記動物の体重および生息密度に基づいて、一頭当たりの生息に要求される要求生息面積を算出し、前記植生データに基づく植物資源分布と、前記動物の生態とに基づいて、前記動物の生息地の面積を算出し、前記生息地の面積と前記要求生息面積とに基づいて、前記エリアごとに前記動物の生息可能数を予測する、
ことを特徴とする付記１〜４のいずれか１つに記載の土壌侵食地域推定方法。

（付記６）前記表層崩壊リスクを予測する処理は、前記地形データに基づく傾斜角度と、前記植生データに基づく土壌保持力とに基づいて、前記表層崩壊リスクを予測する、
ことを特徴とする付記１〜５のいずれか１つに記載の土壌侵食地域推定方法。

（付記７）植物の林床植生データを含む植生データと、地形データと、気象データとに基づいて、所定の大きさのエリアごとに林床植生の回復の度合いを示す植生回復度を予測する第１予測部と、
前記植生データと、前記地形データと、前記気象データと、前記植物を利用する動物の生態を示す生態データとに基づいて、前記エリアごとに前記動物の生息分布を予測する第２予測部と、
前記植生データと、前記地形データと、前記気象データとに基づいて、前記エリアごとに土壌の表層崩壊が発生するリスクを示す表層崩壊リスクを予測する第３予測部と、
予測した前記植生回復度と、前記生息分布と、前記表層崩壊リスクとに基づいて、前記エリアごとに土壌侵食リスクを判定する判定部と、
を有することを特徴とする土壌侵食地域推定装置。

（付記８）前記第１予測部は、前記林床植生データと、前記地形データに基づく日射量データと、前記気象データとに基づいて、前記植生回復度を予測する、
ことを特徴とする付記７に記載の土壌侵食地域推定装置。

（付記９）前記第１予測部は、前記日射量データを、前記地形データに含まれる標高、ならびに、前記標高に基づいて求めた傾斜角度および傾斜方位に基づいて算出する、
ことを特徴とする付記８に記載の土壌侵食地域推定装置。

（付記１０）前記第１予測部は、前記林床植生データがない前記エリアに対して、前記植生データに基づく常緑樹分布データ、前記日射量データ、ならびに、高木種の種別と、伐採および植樹後の経過年数とに応じた係数を用いて、前記林床植生データを予測する、
ことを特徴とする付記８または９に記載の土壌侵食地域推定装置。

（付記１１）前記第２予測部は、前記生態データに含まれる前記動物の体重および生息密度に基づいて、一頭当たりの生息に要求される要求生息面積を算出し、前記植生データに基づく植物資源分布と、前記動物の生態とに基づいて、前記動物の生息地の面積を算出し、前記生息地の面積と前記要求生息面積とに基づいて、前記エリアごとに前記動物の生息可能数を予測する、
ことを特徴とする付記７〜１０のいずれか１つに記載の土壌侵食地域推定装置。

（付記１２）前記第３予測部は、前記地形データに基づく傾斜角度と、前記植生データに基づく土壌保持力とに基づいて、前記表層崩壊リスクを予測する、
ことを特徴とする付記７〜１１のいずれか１つに記載の土壌侵食地域推定装置。

１００ 推定装置
１１０ 通信部
１１１ 表示部
１１２ 操作部
１１３ 入出力部
１２０ 記憶部
１２１ 植生ＤＢ
１２２ 地形ＤＢ
１２３ 気象ＤＢ
１２４ 生態ＤＢ
１２５ 植生回復予測表記憶部
１２６ リスクレベル記憶部
１３０ 制御部
１３１ 受付部
１３２ 第１予測部
１３３ 第２予測部
１３４ 第３予測部
１３５ 判定部

Claims (7)

1. 植物の林床植生データを含む植生データと、地形データと、気象データとに基づいて、所定の大きさのエリアごとに林床植生の回復の度合いを示す植生回復度を予測し、
   前記植生データと、前記地形データと、前記気象データと、前記植物を利用する動物の生態を示す生態データとに基づいて、前記エリアごとに前記動物の生息分布を予測し、
   前記植生データと、前記地形データと、前記気象データとに基づいて、前記エリアごとに土壌の表層崩壊が発生するリスクを示す表層崩壊リスクを予測し、
   予測した前記植生回復度と、前記生息分布と、前記表層崩壊リスクとに基づいて、前記エリアごとに土壌侵食リスクを判定する、
   処理をコンピュータが実行することを特徴とする土壌侵食地域推定方法。
2. 前記植生回復度を予測する処理は、前記林床植生データと、前記地形データに基づく日射量データと、前記気象データとに基づいて、前記植生回復度を予測する、
   ことを特徴とする請求項１に記載の土壌侵食地域推定方法。
3. 前記植生回復度を予測する処理は、前記日射量データを、前記地形データに含まれる標高、ならびに、前記標高に基づいて求めた傾斜角度および傾斜方位に基づいて算出する、
   ことを特徴とする請求項２に記載の土壌侵食地域推定方法。
4. 前記植生回復度を予測する処理は、前記林床植生データがない前記エリアに対して、前記植生データに基づく常緑樹分布データ、前記日射量データ、ならびに、高木種の種別と、伐採および植樹後の経過年数とに応じた係数を用いて、前記林床植生データを予測する、
   ことを特徴とする請求項２または３に記載の土壌侵食地域推定方法。
5. 前記動物の生息分布を予測する処理は、前記生態データに含まれる前記動物の体重および生息密度に基づいて、一頭当たりの生息に要求される要求生息面積を算出し、前記植生データに基づく植物資源分布と、前記動物の生態とに基づいて、前記動物の生息地の面積を算出し、前記生息地の面積と前記要求生息面積とに基づいて、前記エリアごとに前記動物の生息可能数を予測する、
   ことを特徴とする請求項１〜４のいずれか１つに記載の土壌侵食地域推定方法。
6. 前記表層崩壊リスクを予測する処理は、前記地形データに基づく傾斜角度と、前記植生データに基づく土壌保持力とに基づいて、前記表層崩壊リスクを予測する、
   ことを特徴とする請求項１〜５のいずれか１つに記載の土壌侵食地域推定方法。
7. 植物の林床植生データを含む植生データと、地形データと、気象データとに基づいて、所定の大きさのエリアごとに林床植生の回復の度合いを示す植生回復度を予測する第１予測部と、
   前記植生データと、前記地形データと、前記気象データと、前記植物を利用する動物の生態を示す生態データとに基づいて、前記エリアごとに前記動物の生息分布を予測する第２予測部と、
   前記植生データと、前記地形データと、前記気象データとに基づいて、前記エリアごとに土壌の表層崩壊が発生するリスクを示す表層崩壊リスクを予測する第３予測部と、
   予測した前記植生回復度と、前記生息分布と、前記表層崩壊リスクとに基づいて、前記エリアごとに土壌侵食リスクを判定する判定部と、
   を有することを特徴とする土壌侵食地域推定装置。