JP2022060782A - 収量予測プログラム - Google Patents

Abstract

【課題】農作物の収量を精度よく推定する収量予測プログラムを提供する。【解決手段】農作物の収量を予測する収量予測プログラムは、定植からｉ日目に収穫可能な果実の花房段数と個数を特定し、特定した花房段数の総果実数を特定し、特定した収穫可能な果実の開花日からｉ日目までの果実成長期間における環境情報に基づいて、果実成長期間における果実の総乾物生産量を算出し、農作物の全花房段数、特定した花房段数の総果実数及び特定した収穫可能な果実の個数から算出した収穫割合と、果実の総乾物生産量と、に基づいて、ｉ日目の収量を予測する、処理をコンピュータに実行させる。【選択図】図３

Description

本発明は、収量予測プログラムに関する。

果菜類は、産地が一極集中する場合があり、産地の出荷量に依存した販売価格になることも少なからずある。そこで、卸売り市場などは、果菜類の産地全体の出荷量の増減（トレンド）を把握し、取引価格を調整するための出荷量制限や他産地の流通量確保のための早期打診などを行っている。

従来、産地全体の出荷量予測の方法として、特許文献１、２等に記載の方法が知られているが、現状においては、予測精度に課題があり、出荷量のトレンドを正確に捉えられているとは言い難い。

予測精度向上のための方法としては、産地全体の生産特徴量や気象データに基づきＡＩや機械学習等を利用した予測ツールにより予測する方法（「直接的な予測」と呼ぶ）や、農家１軒あるいはビニールハウス１棟などの単位で出荷量を予測し、産地全体の出荷量情報を集約する方法（「間接的な予測」と呼ぶ）などがある。直接的な予測は、導入コストや作業コストが安価で済むものの、産地全体の出荷量の調整がしづらい。一方、間接的な予測は、個別農家の出荷量を調整しやすいという利点がある。

特開２０１８－２０１４１７号公報 特開２０１９－１７０３５９号公報 特開２０２０－０５３０３９号公報

間接的な予測においては、例えば特許文献３のように物質生産モデルを用いることで収量を予測できることが知られている。物質生産モデルを用いれば安定的に収量を予測できるが、短い期間（日ごと、週ごとなど）の収量の予測精度向上という観点からは、予測に用いるパラメータや予測方法に改善の余地がある。

本発明は、農作物の収量を精度よく予測することが可能な収量予測プログラムを提供することを目的とする。

本発明の収量予測プログラムは、農作物の収量を予測する収量予測プログラムであって、定植からｉ日目に収穫可能な果実の花房段数と個数を特定し、特定した花房段数の総果実数を特定し、特定した収穫可能な果実の開花日からｉ日目までの果実成長期間における環境情報に基づいて、前記果実成長期間における果実の総乾物生産量を算出し、前記農作物の全花房段数、特定した前記花房段数の総果実数、及び特定した前記収穫可能な果実の個数から算出した収穫割合と、前記果実の総乾物生産量と、に基づいて、ｉ日目の収量を予測する、処理をコンピュータに実行させるプログラムである。

本発明の収量予測プログラムは、農作物の収量を精度よく予測することができるという効果を奏する。

一実施形態に係る農業システムの構成を示す図である。 図１の情報処理装置のハードウェア構成を示す図である。 情報処理装置の機能ブロック図である。 果実状態予測部の処理を示すフローチャートである。 管理表の一例を示す図（その１）である。 管理表の一例を示す図（その２）である。 花房ごとの果実数（花数）の平均を示す表である。 図８（ａ）は、各日に収穫可能な花房の段数をプロットしたグラフであり、図８（ｂ）は、各日における収穫個数をプロットしたグラフである。 図９（ａ）、図９（ｂ）は、比較例における日々の光利用効率の算出方法について説明するための図である。 図１０（ａ）、図１０（ｂ）は、一実施形態における日々の光利用効率の算出方法について説明するための図である。 葉や茎の生成速度が日射量に対して強い正の相関があることを示すグラフである。 図１２（ａ）は、一実施形態の方法で、日々の平均ＣＯ₂濃度から日々の光利用効率を算出した結果を示すグラフであり、図１２（ｂ）は、図１２（ａ）のようにして算出した日々の光利用効率を用いて、日々の総乾物生産量を算出した結果を示すグラフである。 図１３（ａ）は、一実施形態の方法で日々の葉ＤＭ_iを算出した結果を示すグラフであり、図１３（ｂ）は、一実施形態の方法で日々の茎ＤＭ_iを算出した結果を示すグラフである。 図１２（ｂ）、図１３（ａ）、図１３（ｂ）の結果に基づいて算出した日々の果実分配率の算出結果を示すグラフである。 図８（ｂ）のデータから算出された収穫割合の算出結果を示すグラフである。 図１６は、一実施形態における予測誤差を示すグラフである。

以下、農業システムの一実施形態について、図１～図１６に基づいて詳細に説明する。図１には、一実施形態に係る農業システム１００の構成が概略的に示されている。本実施形態の農業システム１００は、果実を収穫する農作物（トマトなど）を栽培する農家における収量を推定するシステムである。

農業システム１００は、図１に示すように、情報処理装置１０と、屋外センサ１２と、温室内センサ１４と、を備える。情報処理装置１０、屋外センサ１２、及び温室内センサ１４は、インターネットなどのネットワークを介して接続されており、各装置間において情報のやり取りが可能となっている。

情報処理装置１０は、温室１８内で農作物（トマトとする）を栽培する農家に設置される装置であり、屋外センサ１２や温室内センサ１４において取得される環境情報や、作業者が入力した情報に基づいて、時期ごと（本実施形態では日ごとや週ごと）のトマトの収穫可能数を推定する。また、情報処理装置１０は、収穫可能数に基づいて、時期ごと（日ごとや週ごと）のトマトの収量を予測し、表示する。更に、情報処理装置１０は、卸売り市場などが運用するサーバにインターネット等を介して接続されており、１つの農家の収量予測結果をサーバに対して送信する。サーバは、産地内の農家の収量予測結果を集約し、産地全体の出荷量の増減（トレンド）を分析する。なお、情報処理装置１０の構成や処理の詳細については後述する。

屋外センサ１２は、温室１８の外の気温を検出する温度センサや日射を検出する日射センサを含み、検出結果を情報処理装置１０に対して入力する。

温室内センサ１４は、温室１８内の気温を検出する温度センサ、温室１８内の日射を検出する日射センサ、温室１８内のＣＯ₂濃度を検出するＣＯ₂濃度センサを含み、検出結果を情報処理装置１０に対して入力する。

ここで、情報処理装置１０の構成や処理について詳細に説明する。図２には、情報処理装置１０のハードウェア構成が概略的に示されている。図２に示すように、情報処理装置１０は、ＣＰＵ（Central Processing Unit）９０、ＲＯＭ（Read Only Memory）９２、ＲＡＭ（Random Access Memory）９４、記憶部（例えばＨＤＤ（Hard Disk Drive））９６、ネットワークインタフェース９７、表示部９３、入力部９５、及び可搬型記憶媒体用ドライブ９９等を備えている。表示部９３は、液晶ディスプレイ等を含み、入力部９５は、キーボードやマウス、タッチパネル等を含む。これら情報処理装置１０の構成各部は、バス９８に接続されている。情報処理装置１０では、ＲＯＭ９２あるいはＨＤＤ９６に格納されているプログラム（収量予測プログラムを含む）、或いは可搬型記憶媒体用ドライブ９９が可搬型記憶媒体９１から読み取ったプログラム（収量予測プログラムを含む）をＣＰＵ９０が実行することにより、図３に示す各部の機能が実現される。なお、図３の各部の機能は、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てもよい。

図３には、情報処理装置１０の機能ブロック図が示されている。情報処理装置１０においては、ＣＰＵ９０がプログラムを実行することにより、図３に示すように、入力受付部３０、環境情報取得部３２、果実状態予測部３４、パラメータ設定部３５、収量予測部３６、及び情報出力部３８としての機能が実現されている。

入力受付部３０は、作業者が入力部９５を介して入力した情報を取得して、果実状態予測部３４及びパラメータ設定部３５に送信する。作業者が入力する情報には、温室１８内で栽培されているトマトの株のうち、予め定められている調査対象の株のいずれにおいて開花したかの情報や開花した花房段数の情報が含まれる。なお、開花した株や花房段数の情報は、作業者が入力しなくてもよい。例えば、温室１８内を巡回するロボットがカメラ等を用いて開花した株や花房段数の情報を取得できる場合には、入力受付部３０は、ロボットから入力された情報を取得するようにすればよい。また、作業者が入力する情報には、温室１８内で栽培されているトマトの株の破壊調査結果の情報も含まれる。破壊調査は、予め定められたタイミングで作業者によって実行される。

環境情報取得部３２は、屋外センサ１２や温室内センサ１４の検出結果を取得し、果実状態予測部３４及びパラメータ設定部３５に送信する。また、環境情報取得部３２は、将来の環境情報として、過去のデータ（平年値等）及び予測データ（気象予測メッシュ等）を外部サーバなどから取得し、果実状態予測部３４に送信する。

果実状態予測部３４は、入力受付部３０から受信した花房段数の情報と、環境情報取得部３２から受信した情報と、に基づいて、各日、各週において各株のどの花房の果実を幾つ収穫できるかを予測する。ここで、果実状態予測部３４は、各果実の積算温度（開花後からの各日の平均気温を積算した値）が所定の閾値（例えば８００℃）を超えた場合に収穫できると推定する。果実状態予測部３４は、予測した収穫可能数を収量予測部３６に送信する。

パラメータ設定部３５は、入力受付部３０から受信した破壊調査結果や、環境情報取得部３２から受信した情報に基づいて、パラメータ（後述する日々の光利用効率や、日々の果実分配率）を算出する。パラメータ設定部３５が算出したパラメータは、収量予測部３６において利用される。

収量予測部３６は、果実状態予測部３４による予測結果と、パラメータ設定部３５が算出したパラメータとを用いることで、各株における収量を予測するとともに、１つの農家における収量を予測する。

情報出力部３８は、収量予測部３６の予測結果をサーバに送信する。なお、情報出力部３８は、収量予測部３６の予測結果を表示する画面を生成し、表示部９３上に表示してもよい。

なお、温室１８内には、温室１８内の環境を制御するための機器が設けられている。このような機器としては、ヒートポンプ、換気窓、暖房機、ＣＯ₂施用機、遮光・保温カーテン等があげられる。ヒートポンプは、温室１８内の温度を下げる機器であり、換気窓は、温室１８内に外気を取り入れる窓である。暖房機は、温室１８内の温度を上げる機器であり、ＣＯ₂施用機は、温室１８内のＣＯ₂濃度を調整する機器である。また、遮光・保温カーテンは、温室１８内の日射や温度を調整するカーテンである。

（果実状態予測処理について）
次に、情報処理装置１０の果実状態予測処理について、図４のフローチャートに沿って、その他図面を適宜参照しつつ詳細に説明する。

図４の処理の前提として、環境情報取得部３２は、現在における温室１８内外の環境情報と、過去のデータ（平年値等）、予測データ（気象予測メッシュ等）を取得し、果実状態予測部３４に送信しているものとする。

図４の処理では、まず、ステップＳ１０において、果実状態予測部３４が、入力受付部３０から、開花した調査対象の株と開花した花房の段数の入力があるまで待機する。作業者が開花した株及び開花した花房の段数を入力すると、入力受付部３０は、入力された情報を取得して果実状態予測部３４に送信する。果実状態予測部３４は、入力受付部３０から情報を受け付けると、ステップＳ１２に移行する。なお、本実施形態では、作業者は開花を確認した場合に、その日のうちに入力するものとする。したがって、作業者は、開花したという情報と開花した日を入力していると言える。なお、作業者が開花を遅れて入力するような場合には、開花した花房の段数の情報と併せて開花した日の情報を入力するようにすればよい。

ステップＳ１２に移行すると、果実状態予測部３４は、図５に示すような調査対象の株毎に用意されている管理表に開花した花房の情報を入力する。ここで、図５の管理表は、一例としてエリア１のPlantNo.＝１の株についての果実の状態を管理する表である。果実状態予測部３４は、予め、環境情報取得部３２から取得した環境情報に関する過去のデータや予測データに基づいて、日平均気温を予測し、図５の管理表に入力しているものとする。したがって、果実状態予測部３４は、気温の予測値から温室１８内の気温を予測し、予測した気温に基づいて日平均気温を算出し、管理表に入力する。なお、作業者は、設定温度を高めに設定するか低めに設定するかを予め定めておいてもよい。

また、図５の管理表では、各花房の各花（第１花房－１、第１花房－２、…、第２花房－１、第２花房－２、…）について、「開花確認」、「積算温度」の情報が管理されるようになっている。例えば、第１日に、エリア１のPlantNo.＝１の株の第１花房において１個の開花があったことが入力されたとする（ステップＳ１０）。この場合、ステップＳ１２においては、果実状態予測部３４が、図５の管理表の第１日の行において、「第１花房－１」の「開花確認」の欄に「〇」を入力するとともに、第１花房の「積算温度」の欄に「０」を入力する。なお、第１日において第１花房の複数の開花が確認された場合には、果実状態予測部３４は、上記と同様にして、管理表に開花確認情報や積算温度の情報を入力する。

次いで、ステップＳ１４では、果実状態予測部３４が、日平均気温に基づいて、入力された果実の状態を予測する。具体的には、果実状態予測部３４は、図６に示すように、管理表を更新する。この場合、果実状態予測部３４は、第１花房の１つ目の果実について、日平均気温を日ごとに積算する。そして、果実状態予測部３４は、積算温度が例えば８００℃以上になった日の値をグレー表示等する（図６の５０日目参照）。このグレー表示された日がその果実の収穫可能日を意味する。

その後は、ステップＳ１０～Ｓ１４が繰り返し実行される。これにより、各株の各花房の果実の収穫可能日がわかるようになっている。また、図６の表からは、各株において各日、各週において、株全体の果実のうちのどの程度の果実を収穫できるかがわかるようになっている。

図７は、花房ごとの果実数（花数）の平均（１つの農家の調査対象の株の平均）を示す表である。また、図８（ａ）は、図４のステップＳ１０～Ｓ１４の処理が繰り返されることにより得られる、各日に収穫可能な花房の段数をプロットしたグラフである。また、図８（ｂ）は、各日における一株の収穫個数をプロットしたグラフである。図８（ａ）と図８（ｂ）を組み合わせることにより、各日においてどの段数の花房の果実を何個収穫することができるかがわかるようになっている。なお、日本の一般的なトマト品種は、オランダのトマト品種と異なり、花房ごとに当該花房内で順々に開花するようになっている。

（パラメータ設定部３５の処理について）
次に、パラメータ設定部３５が実行する、収量の予測に利用するパラメータ（日々の光利用効率、日々の果実分配率）の算出処理について詳細に説明する。

（１）日々の光利用効率の算出
光合成量である総乾物生産量（葉、茎、果実、根における乾物生産量の合計）は、以下の式（１）にて表すことができる。
総乾物生産量（g・m^-2）
＝受光率（%）×日射量（MJ・m^-2）×光利用効率（g・MJ^-1） …（１）

このうち、受光率は農作物が吸収した光エネルギの割合であり、繁茂の状態に左右される。受光率は、吸光係数と葉面積（LAI）により、次式（２）のように表すことができる。
受光率（%）＝（１－exp（－１×吸光係数×LAI）） …（２）

ここで、LAIは、単位面積あたりの農作物の葉面積であり、４（m²・m^-2）程度が望ましい数値とされている。吸光係数やLAIは非破壊での生育調査によっても把握できるため、受光率は日々算出することが可能である。なお、受光率×日射量は受光量を意味する。受光率が日々算出できるため、受光量も日々算出することができる。

一方、受光量１ＭＪあたり生成される総乾物生産量を意味する光利用効率については、算出に手間を要していた。具体的には、栽培期間中に連続的に多数の破壊調査を実施し、破壊調査の間の期間の環境情報（例えばCO₂濃度（CO2_j）や日中温度）の平均値と、各破壊調査の間に増加した総乾物生産量を取得する必要があった。また、各破壊調査期間における環境情報の平均値を横軸、各破壊調査期間における総乾物生産量から算出される光利用効率（＝総乾物生産量／平均受光率×積算日射量）を縦軸とするグラフに、各破壊調査期間内に得られたデータをプロットして図９（ａ）のような散布図を作成する必要があった。例えば、図９（ａ）のように９点プロットする場合には、１０回の破壊調査が必要となる。更に、図９（ｂ）に示すように、図９（ａ）の各点を用いて関数フィッティングすることで、環境情報と光利用効率の関係（ＬＵＥ_s＝ａ×ln（CO2_s）－ｂ）を得る必要があった。なお、ａ，ｂは係数であり、ｓは日数を意味する。そして、図９（ｂ）の関係式：ＬＵＥ_s＝ａ×ln（CO2_s）－ｂに、日々の平均ＣＯ₂濃度を代入することで、日々の光利用効率を求めていた。このように、図９（ａ）、図９（ｂ）の方法では、日々の光利用効率を算出するためには、多くの破壊調査が必要であった。

そこで、本実施形態においては、日々の光利用効率を算出するために、ｉ日目の光利用効率LUE_iを含む式（第１の式）として、次式（３）を定義することとした。なお、ｉの最大値ｎは、前回の破壊調査から今回の破壊調査までの日数となる。

ここで、TDMは、破壊調査期間（ｎ日）内に蓄積された総乾物生産量（g・m^-2）であり、図１０（ａ）に示すような、破壊調査期間の終了タイミングと開始タイミングにおいて実行した破壊調査によって得られた総乾物生産量TDM_t+1、TDM_tの差（TDM_t+1-TDM_t）である。LAI_iは、生育調査により得られる、ｉ日目における単位面積あたりの農作物の総葉面積（m²・m^-2）である。PAR_iはｉ日目の日射量（MJ・m^-2）、LUE_iはｉ日目の光利用効率（g・MJ^-1）である。

また、ｉ日目の光利用効率LUE_iは、例えば、環境情報としてCO₂濃度を用いると、次式（４）（第２の式）にて表すことができる。なお、次式（４）のCO2_iは日々の日中（例えば８時～１６時）の平均CO₂濃度（ppm）であり、ａ，ｂは未知の係数である。
LUE_i＝ａ×ln（CO2_i）－ｂ …（４）

本実施形態では、パラメータ設定部３５は、破壊調査期間内の各日のLAI_i、PAR_i、CO2_iを用いることで、上式（３）、（４）を満たすように最適なａ，ｂを計算する。この結果、パラメータ設定部３５は、図１０（ｂ）に示すようなLUE_iと日々の日中の平均CO₂濃度との関係式を得る。そして、パラメータ設定部３５は、図１０（ｂ）の関係式（ａ，ｂが定まった上式（４））に、各日の平均CO₂濃度を代入することで、各日の光利用効率を算出する。このように、本実施形態の場合、破壊調査の回数は、破壊調査期間（ｎ日）の開始タイミングと終了タイミングの２回のみで足りるため、図９（ａ）、図９（ｂ）の場合と比べて、破壊調査の回数を減らすことができる。

なお、上記においては、環境情報として平均CO₂濃度を用いる場合について説明したが、これに限らず、他の環境情報、例えば気温などを用いることとしてもよい。また、複数の環境情報と光利用効率の式を求め、当該式から日々の光利用効率を算出するようにしてもよい。

（２）果実分配率の算出処理
次に、単位時間あたり（例えば日ごと）の果実分配率を算出する方法について説明する。

本実施形態では、単位時間あたりの果実分配率を算出するために、
（ａ） 単位時間あたりの総乾物生産量のうち、単位時間あたりに果実に分配される量（単位時間あたりの果実乾物生産量）を推定し、
（ｂ） 単位時間あたりの果実乾物生産量を単位時間あたりの総乾物生産量で除す、
という処理を実行する。

ここで、果実を収穫するトマトなどの果菜類において収量を予測するためには、総乾物生産量のうち、可食部である果実へどの程度が分配されるかを示す果実分配率が重要なパラメータとなる。この果実分配率は、草勢等に応じて日々大きく変動する。

本実施形態では、このような葉や茎の生育量によって果実の生育量が変化することに着目し、葉・茎・果実のバランスを考慮した果実乾物生産量を推定する。

日々の総乾物生産量TDM_iは、次式（５）のように表すことができる。
TDM_i＝葉DM_i＋茎DM_i＋果実DM_i＋根DM_i …（５）

なお、葉DM_iは日々の葉の乾物生産量であり、茎DM_iは日々の茎の乾物生産量であり、果実DM_iは日々の果実の乾物生産量であり、根DM_iは日々の根の乾物生産量である。このうち、根DM_iについては、総乾物生産量TDM_iに対して所定割合（例えば、５％）であるものと仮定する。

ここで、葉や茎の生成速度は、図１１（ａ）、図１１（ｂ）に示すように、日射量に対して強い正の相関がある。また、同様に、葉や茎の生成速度は、温度に対しても強い正の相関がある。そこで、本実施形態では、例えば日射量に基づいて、１ＭＪあたりの葉や茎の日々の乾物生産量の推定を行う。そして、算出した１ＭＪあたりの葉乾物生産量および茎乾物生産量に日々の日射量（MJ・m^-2）を掛けることで、日々の葉DM_i（g・m^-2）と日々の茎DM_i（g・m^-2）を求めることができる。

したがって、パラメータ設定部３５は、上式（１）から求まる日々のTDM_iと、日々の日射量に基づいて算出した日々の葉DM_i及び日々の茎DM_iと、根DM_iと、を上式（５）に代入することで、単位時間あたりの果実ＤＭ_iを求める。また、パラメータ設定部３５は、単位時間あたりの果実DM_iを単位時間あたりのTDM_iで除すことにより、日々の果実分配率を算出する。

このようにすることで、パラメータ設定部３５は、栽培環境と草勢を考慮した、日々の果実分配率を算出することができる。

（収量予測処理）
次に、収量予測部３６による収量予測処理について詳細に説明する。

本実施形態では、収穫対象の果実の「開花から収穫までの総乾物生産量」と「収穫時の果実個数（割合）」を利用し、日々の収量を予測する。

果実の総乾物生産量は、次式（６）にて表すことができる。
果実の総乾物生産量（g・m^-2）
＝総乾物生産量（g・m^-2）×果実分配率（％）÷果実乾物率（％） …（６）

ところで、上式（６）の果実の総乾物生産量は、複数の果実が実っている農作物１株全体（全果実）に蓄積される日々の果実重量であり、実際に収穫する果実が蓄積した果実重量ではない。本来は、ある花房の花が咲き（花芽分化も含む）、収穫するまでに蓄えられたエネルギが収穫果実の重量となる。そこで本実施形態では、各花房の花数（果実数）を把握し、上述した日々の光利用効率と果実分配率を用いることで日々の収量を予測する。

前述のように、本実施形態では、果実状態予測部３４の処理により、各花房の収穫タイミングと収穫個数がわかっている（図８参照）。また、各果実の開花から収穫までの期間もわかっている（図６参照）。したがって、収穫できる果実数が、１株に付いている総花数（総果実数）に対し、何％であるか（これを収穫割合と呼ぶ）を求め、総果実収量に収穫割合を掛けることで日々の収量を予測する。

日々の収量は以下の式（７）にて表すことができる。

上式（７）においては、定植からの日数をｉ（日）、花房段数をｊ、第ｊ花房の開花日をt_j、第ｊ花房の最初の収穫日をＴ_j、収穫日ｉにおける第ｊ花房の収穫日数をｄ_j（初日を１とする）としている。また、果実分配率をＦＲ_i（Fruit distribution Rate）、果実乾物率をＦＤＲ_i（Fruit Dry Matter Rate）、収穫割合をＣＲ_i（Cultivation Rate）、製品果率をＰＲ_i（Product Rate）、収量をＹ_iとしている。上式（７）の大括弧内においては、開花から収穫までの期間の総乾物生産量に果実分配率を掛け、果実乾物率で除しているため、期間内の果実の総乾物生産量であるといえる。

なお、前述のように、日本のトマト品種は、花房内で順々に開花し、順々に収穫する。そのため、総果実収量の期間において始点（t_j）を固定することは望ましくない。つまり、収穫段数が変化した日から開花花房時期までの期間を固定し、次の日は始点を１日だけ後ろにずらすこととしている。

ここで、収穫割合ＣＲ_iは、次式（８）にて表すことができる。

上式（８）のうち、Ｐ_iはその日の収穫個数（個・m^-2）、Ｆ_jはその日の収穫段数の総花数（総果実数）（個・m^-2）、cは１株にある花房段数を意味する。

収量予測部３６は、上式（７）、（８）に基づいて、収量Ｙ_iを算出する。このとき、収量予測部３６は、日々の総乾物生産量ＴＤＭを算出する際に、パラメータ設定部３５が算出した日々の光利用効率を用いる（上式（１）参照）。また、収量予測部３６は、上式（７）の果実分配率ＦＲ_iとして、パラメータ設定部３５が算出した日々の果実分配率を用いる。

また、収量予測部３６は、上記式（７）、（８）から得られる１株の収量Ｙ_iに基づいて、ビニールハウス１棟分のｉ日目の収量や、１つの農家全体のｉ日目の収量を算出する。そして、収量予測部３６は、情報出力部３８を介して、算出した１つの農家全体のｉ日目の収量の情報を卸売り市場などの組織が利用するサーバに送信する。サーバは、地域内の農家の収量を集約することで、地域全体のｉ日目の収量を予測する。また、サーバは、地域内の農家の収量を例えば１週間分集約すれば、地域全体の週間収量を予測することもできる。サーバが予測結果を表示することで、卸売り市場などにおいては、取引価格を調整するための出荷量制限や他産地の流通量確保のための早期打診などを農家に対して行うことができる。なお、サーバは、収量の増減（トレンド）に基づいて、各農家の温室１８内の環境を制御するための機器を自動制御して、各農家の収量を調整することとしてもよい。

本実施形態においては、情報処理装置１０に、各株の各花房の開花情報や、温度、日射量、二酸化炭素濃度等の環境情報、最低限の解体調査結果を入力することで、日々の収量予測に用いるパラメータ（日々の光利用効率及び日々の果実分配率）を算出することができる。また、情報処理装置１０は、算出した日々の光利用効率及び日々の果実分配率を用いるとともに、収穫割合ＣＲ_iを用いて日々の収量を予測するため、日々の収量を精度よく予測することができる。

図１２（ａ）には、上述した方法で、日々の平均ＣＯ₂濃度から日々の光利用効率を算出した結果が示されている。図１２（ａ）には、２つの破壊調査期間があり、それぞれの破壊調査期間において得られた関係式（上式（４））を用いて、日々の光利用効率ＬＵＥ_iを算出した結果が示されている。また、図１２（ｂ）には、図１２（ａ）のようにして算出した日々の光利用効率を用いて、日々の総乾物生産量ＴＤＭ_iを算出した結果が示されている。

更に、図１３（ａ）、図１３（ｂ）には、上述した方法で、日々の葉ＤＭ_i、日々の茎ＤＭ_iを算出した結果が示され、図１４には、図１２（ｂ）、図１３（ａ）、図１３（ｂ）の結果に基づいて算出した日々の果実分配率の算出結果が示されている。また、図１５には、図８（ｂ）のデータから算出された収穫割合の算出結果が示されている。

これらのデータを利用して、週間収量予測を行った結果、収量の予測誤差は、図１６に示すように小さく、高い精度で予測することができる。なお、予測誤差は、｛（実収量－予測収量）／実収量｝×１００（％）を意味する。また、トマトなどの農作物は、同一の株であっても、収穫時期によって果実の大きさや重量が変化するが、本実施形態のように収量予測を行うことで、図１６のように、精度よく日々の収量や週間収量を予測することができる。

以上、詳細に説明したように、本実施形態によると、収量予測部３６は、果実状態予測部３４から、定植からｉ日目に収穫可能な果実の花房段数（ｊ）と個数（Ｐ_i）を取得するとともに、花房段数（ｊ）の総果実数（総花数）（Ｆ_j）を取得する。また、収量予測部３６は、収穫可能な果実の開花日からｉ日目までの環境情報に基づいて算出される当該期間の総乾物生産量と、果実分配率（ＦＲ_i）と、果実乾物率（ＦＤＲ_i）とから、果実の総乾物生産量を算出する。そして、収量予測部３６は、全花房段数（ｃ）、花房段数（ｊ）の総果実数（Ｆ_j）、収穫可能な果実の個数（Ｐ_i）から算出した収穫割合（ＣＲ_i）と、果実の総乾物生産量と、に基づいて、ｉ日目の収量を予測する（式（７）参照）。このように、本実施形態では、農作物において生産される光合成産物のうち、ｉ日目に収穫可能な果実に割り当てられた光合成産物の量を収量として見積もることができるため、収量を精度よく予測することができる。

また、本実施形態では、パラメータ設定部３５は、解体調査期間の最初と最後のタイミング（開始タイミング、終了タイミング）で行った解体調査の結果から得られる総乾物生産量と、解体調査期間内に得られた単位時間ごとの受光率の値及び日射量の値と、単位時間ごとの光利用効率の値との関係を示す上式（３）と、単位時間あたりの二酸化炭素濃度（CO2_i）と光利用効率との関係を係数ａ、ｂを用いて表した上式（４）と、解体調査期間内の各日に得られたLAI_i、PAR_i、CO2_iと、に基づいて、上式（４）の係数ａ，ｂを決定する。そして、パラメータ設定部３５は、係数が決定した上式（４）に、日々の二酸化炭素濃度の値を代入することで、日々の光利用効率の値を算出する。これにより、解体調査期間の最初と最後に行った２回の解体調査の結果から、日々の光利用効率を求めるための式を得ることができるため、多数回の解体調査の結果を用いて式を導く場合と比べ、作業者の手間や解体調査に要するコストを削減することができる。

また、本実施形態では、パラメータ設定部３５は、環境情報（日射量や気温）に基づいて、ｉ日目の葉の乾物生産量（葉ＤＭ_i）および茎の乾物生産量（茎ＤＭ_i）を算出し、ｉ日目における葉、茎、根、果実を含む総乾物生産量から、ｉ日目の葉の乾物生産量及び茎の乾物生産量、根の乾物生産量を差し引くことで、ｉ日目の果実の乾物生産量を算出する。そして、パラメータ設定部３５は、ｉ日目の果実の乾物生産量をｉ日目の総乾物生産量で除すことにより、ｉ日目における果実分配率を算出する。これにより、本実施形態では、草勢等を考慮して、果実分配率を精度よく求めることができる。

なお、上記実施形態の情報処理装置１０は、収穫割合を考慮した収量予測、日々の光利用効率を用いた収量予測、及び日々の果実分配率を用いた収量予測、のすべてを実行する場合について説明したが、これに限られるものではない。すなわち、情報処理装置１０は、上記３つの収量予測の少なくとも１つを実行すればよい。

なお、上記実施形態において算出する日々の果実分配率ＦＲ_iは、草勢の強さを表しているといえる。例えば、日々の果実分配率ＦＲ_iの値が小さければ、茎や葉への乾物生産量の分配量が増えており、草勢が強くなっていることを意味する。したがって、情報処理装置１０は、日々の果実分配率を把握することで、果実分配率が所定の値となるように環境調節（例えばＣＯ₂濃度の調整など）を行うこととしてもよい。これにより、農作物の生育の安定化と生産性向上を図ることが可能である。

なお、上記の処理機能は、コンピュータによって実現することができる。その場合、処理装置が有すべき機能の処理内容を記述したプログラムが提供される。そのプログラムをコンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。処理内容を記述したプログラムは、コンピュータで読み取り可能な記憶媒体（ただし、搬送波は除く）に記録しておくことができる。

プログラムを流通させる場合には、例えば、そのプログラムが記録されたＤＶＤ（Digital Versatile Disc）、ＣＤ－ＲＯＭ（Compact Disc Read Only Memory）などの可搬型記憶媒体の形態で販売される。また、プログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することもできる。

プログラムを実行するコンピュータは、例えば、可搬型記憶媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、自己の記憶装置に格納する。そして、コンピュータは、自己の記憶装置からプログラムを読み取り、プログラムに従った処理を実行する。なお、コンピュータは、可搬型記憶媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することもできる。また、コンピュータは、サーバコンピュータからプログラムが転送されるごとに、逐次、受け取ったプログラムに従った処理を実行することもできる。

上述した実施形態は本発明の好適な実施の例である。但し、これに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変形実施可能である。

３４ 果実状態予測部
３５ パラメータ設定部
３６ 収量予測部
９０ ＣＰＵ（コンピュータ）

Claims (6)

1. 農作物の収量を予測する収量予測プログラムであって、
   定植からｉ日目に収穫可能な果実の花房段数と個数を特定し、
   特定した花房段数の総果実数を特定し、
   特定した収穫可能な果実の開花日からｉ日目までの果実成長期間における環境情報に基づいて、前記果実成長期間における果実の総乾物生産量を算出し、
   前記農作物の全花房段数、特定した前記花房段数の総果実数、及び特定した前記収穫可能な果実の個数から算出した収穫割合と、前記果実の総乾物生産量と、に基づいて、ｉ日目の収量を予測する、処理をコンピュータに実行させる収量予測プログラム。
2. 前記果実の総乾物生産量を算出する際に用いる、所定時間ごとの光利用効率の値を算出する処理を前記コンピュータに更に実行させ、
   前記所定時間ごとの光利用効率の値を算出する処理では、
   予め定められた第１期間の最初と最後のタイミングで行った前記農作物の破壊調査の結果から得られる前記第１期間における総乾物生産量と、前記第１期間内に得られた単位時間ごとの受光率の値及び日射量の値と、前記第１期間内の単位時間ごとの光利用効率の値との関係を示す第１の式と、単位時間あたりの環境情報と、光利用効率との関係を未知の係数を用いて表した第２の式と、前記第１期間内に得られた単位時間あたりの環境情報の値と、に基づいて、前記第２の式の未知の係数を決定し、
   前記係数が決定した前記第２の式に、前記所定時間ごとの環境情報の値を代入することで前記所定時間ごとの光利用効率の値を算出する、
   ことを特徴とする請求項１に記載の収量予測プログラム。
3. 前記環境情報は、気温及び二酸化炭素濃度の少なくとも一方である、ことを特徴とする請求項２に記載の収量予測プログラム。
4. 前記果実の総乾物生産量を算出する際に用いる、所定時間ごとの果実分配率の値を算出する処理を前記コンピュータに更に実行させ、
   前記所定時間ごとの果実分配率の値を算出する処理では、
   環境情報と、葉の乾物生産量および茎の乾物生産量と、の関係を示す情報と、前記所定時間ごとの前記環境情報とに基づいて、前記所定時間ごとの葉の乾物生産量および茎の乾物生産量を算出し、
   前記所定時間ごとの総乾物生産量と、前記所定時間ごとの葉の乾物生産量および茎の乾物生産量とに基づいて、前記所定時間ごとの果実の乾物生産量を算出し、
   前記所定時間ごとの果実の乾物生産量を前記所定時間ごとの総乾物生産量で除すことにより、前記所定時間ごとの果実分配率の値を算出する、
   ことを特徴とする請求項１～３のいずれか一項に記載の収量予測プログラム。
5. 農作物の収量を予測する収量予測プログラムであって、
   予め定められた第１期間の最初と最後のタイミングで行った前記農作物の破壊調査の結果から得られる前記第１期間における総乾物生産量と、前記第１期間内に得られた単位時間ごとの受光率の値及び日射量の値と、前記第１期間内の単位時間ごとの光利用効率の値との関係を示す第１の式と、単位時間あたりの環境情報と、光利用効率との関係を未知の係数を用いて表した第２の式と、前記第１期間内に得られた単位時間あたりの環境情報の値と、に基づいて、前記第２の式の未知の係数を決定し、
   前記係数が決定した前記第２の式に、所定時間ごとの環境情報の値を代入することで前記所定時間ごとの光利用効率の値を算出し、
   前記所定時間ごとの光利用効率を用いて、前記農作物の収量を予測する、
   処理をコンピュータに実行させる収量予測プログラム。
6. 農作物の収量を予測する収量予測プログラムであって、
   環境情報と、葉の乾物生産量および茎の乾物生産量と、の関係を示す情報と、所定時間ごとの前記環境情報とに基づいて、前記所定時間ごとの葉の乾物生産量および茎の乾物生産量を算出し、
   前記所定時間ごとの総乾物生産量と、前記所定時間ごとの葉の乾物生産量および茎の乾物生産量とに基づいて、前記所定時間ごとの果実の乾物生産量を算出し、
   前記所定時間ごとの果実の乾物生産量を前記所定時間ごとの総乾物生産量で除すことにより、前記所定時間ごとの果実分配率の値を算出し、
   前記所定時間ごとの果実分配率を用いて、前記農作物の収量を予測する、
   処理をコンピュータに実行させる収量予測プログラム。
   

Images