JP6285875B2 - Plant growth analysis system and plant growth analysis method - Google Patents
Plant growth analysis system and plant growth analysis method Download PDFInfo
- Publication number
- JP6285875B2 JP6285875B2 JP2015000712A JP2015000712A JP6285875B2 JP 6285875 B2 JP6285875 B2 JP 6285875B2 JP 2015000712 A JP2015000712 A JP 2015000712A JP 2015000712 A JP2015000712 A JP 2015000712A JP 6285875 B2 JP6285875 B2 JP 6285875B2
- Authority
- JP
- Japan
- Prior art keywords
- growth
- plant growth
- plant
- remote sensing
- analysis system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、リモートセンシング画像に基づいて、植物の成長を分析する植物成長分析システムに関する。 The present invention relates to a plant growth analysis system that analyzes plant growth based on remote sensing images.
従来のシステムでは、収穫前の現地のデータ（収量データ、土壌サンプリングデータ、気温データ、及び降水量データ等）と、その時期に撮影されたリモートセンシング画像とを併用することによって、リモートセンシング画像から算出された植生指標（ＮＤＶＩ（Normalized Difference Vegetation Index）、ＥＶＩ（Enhanced Vegetation Index）、又はＬＡＩ（Leaf Area Index）等）を統計モデル（線形予測モデル、又は混合モデル等）に入力し、収量を予測する。 In conventional systems, by using local data before harvest (yield data, soil sampling data, temperature data, precipitation data, etc.) and remote sensing images taken at that time, Input the calculated vegetation index (NDVI (Normalized Difference Vegetation Index), EVI (Enhanced Vegetation Index), or LAI (Leaf Area Index), etc.)) to a statistical model (such as a linear prediction model or a mixed model) to predict the yield To do.
リモートセンシング画像から植生指標を算出する場合、植物と土壌とを分けるために、スペクトルに基づくピクセルアンミキシング技術が用いられる。 When calculating a vegetation index from a remote sensing image, a pixel unmixing technique based on a spectrum is used to separate the plant and the soil.
植物と土壌とを分けるための技術として、特開２０１３−１４５５０７号公報（特許文献１）が知られている。この公報には、「画像解析サーバは、対象とする作物の植付け間隔と成長パターンをパラメータセットとして、対象とする作物の画像から得られる特徴量を推定する。推定の手法の一つとして、擬似画像生成部で、対象とする作物の植付け間隔と、作物の成長パターンをパラメータセットとして、複数の擬似画像を生成し、最適テンプレート選択部で、解析対象の画像の各領域に対して複数の擬似画像から最も適合度の高い擬似画像を選択し、特徴量抽出部で、最も適合度の高い擬似画像の情報を用いて、各領域から対象とする作物の特徴量を抽出する。」と記載されている（要約参照）。 JP, 2013-145507, A (patent documents 1) is known as a technique for separating a plant and soil. This gazette states that “the image analysis server estimates the feature quantity obtained from the image of the target crop using the planting interval and the growth pattern of the target crop as a parameter set. The image generation unit generates a plurality of pseudo images using the planting interval of the target crop and the growth pattern of the crop as a parameter set, and the optimum template selection unit generates a plurality of pseudo images for each region of the analysis target image. "The pseudo image with the highest fitness is selected from the image, and the feature quantity extraction unit extracts the feature quantity of the target crop from each region using the information of the pseudo image with the highest fitness". (See summary).
リモートセンシング画像に含まれる植物は全ての圃場で同じ生育段階ではない可能性が高い。また、雲による被覆、及び衛星の撮影周期等が原因となり、ある圃場のリモートセンシング画像が時間的に連続して撮影されることが困難となる。このようなリモートセンシング画像を用いて、生育段階にズレがある植物の成長を分析すると、分析の精度が低下することが考えられる。 There is a high possibility that the plants included in the remote sensing image are not in the same growth stage in all fields. Moreover, it becomes difficult for remote sensing images of a certain field to be continuously captured in time due to the covering with clouds and the imaging period of the satellite. If such a remote sensing image is used to analyze the growth of a plant with a shift in the growth stage, it is conceivable that the accuracy of the analysis decreases.
本発明は、生育段階にズレがある植物の成長の分析の精度を向上させる植物成長分析システムを提供することを目的とする。 An object of this invention is to provide the plant growth analysis system which improves the precision of the analysis of the growth of the plant which has a gap in a growth stage.
本発明の代表的な一例を示せば、リモートセンシング画像に基づいて、植物の成長を分析する植物成長分析システムであって、前記植物の所定時期からの経過時間を示す時間情報に対応して、前記植物の成長の特徴量の変化が登録された植物成長モデルと、前記リモートセンシング画像の一部である植物の複数の生育場所に対応する画像に基づいて、前記特徴量を算出する特徴量算出部と、前記植物成長モデルを参照し、前記複数の生育場所の特徴量を基準時間情報に対応する特徴量に補正する生育差補正部と、前記リモートセンシング画像の一部である前記複数の生育場所に対応する画像が前記補正後の特徴量を示すように、新たな画像を生成する画像生成部と、を備えることを特徴とする。 A representative example of the present invention is a plant growth analysis system for analyzing plant growth based on remote sensing images, corresponding to time information indicating an elapsed time from a predetermined time of the plant, Feature amount calculation for calculating the feature amount based on a plant growth model in which a change in the feature amount of the plant growth is registered, and images corresponding to a plurality of growth locations of the plant that are part of the remote sensing image A growth difference correction unit that refers to the plant growth model and corrects the feature amounts of the plurality of growing places to feature amounts corresponding to reference time information, and the plurality of growths that are part of the remote sensing image. And an image generation unit that generates a new image so that an image corresponding to a location indicates the corrected feature amount.
本願において開示される発明のうち代表的なものによって得られる効果を簡潔に説明すれば、下記の通りである。すなわち、生育段階にズレがある植物の成長の分析の精度を向上させる植物成長分析システムを提供できる。 The effects obtained by the representative ones of the inventions disclosed in the present application will be briefly described as follows. That is, it is possible to provide a plant growth analysis system that improves the accuracy of analysis of the growth of plants having a shift in the growth stage.
上記した以外の課題、構成、及び効果は、以下の実施形態の説明により明らかにされる。 Problems, configurations, and effects other than those described above will be clarified by the following description of embodiments.
実施例について、図１〜図１５を用いて説明する。 Examples will be described with reference to FIGS.
図１は、実施例の植物成長分析システムの概略の説明図である。 FIG. 1 is a schematic explanatory diagram of a plant growth analysis system according to an embodiment.
植物成長分析システムには、時系列衛星画像２００と処理対象衛星画像２１０とが入力される。植物成長分析システムは、時系列衛星画像２００に基づき植物が植えられてからの経過時間を示す時間情報と植物の特徴量の変化とを対応付けた植物成長モデルを生成する。処理対象衛星画像２１０は、時系列衛星画像２００より高解像度の画像であり、植物が植えられた圃場２１１〜２１３の画像を一部に含む。各圃場２１１〜２１３に植えられた植物は、植えられた時期が異なるために植物の成長にズレがある。図１では、圃場２１１の生育段階が最も成熟し、次いで圃場２１２の生育段階が成熟しており、圃場２１３の生育段階が最も成熟していないものとする。 A time-series satellite image 200 and a processing target satellite image 210 are input to the plant growth analysis system. Based on the time-series satellite image 200, the plant growth analysis system generates a plant growth model in which time information indicating the elapsed time since the plant was planted is associated with a change in the feature amount of the plant. The processing target satellite image 210 is a higher resolution image than the time-series satellite image 200, and partially includes images of the farm fields 211 to 213 in which plants are planted. The plants planted in each of the fields 211 to 213 have a difference in plant growth because the planting times are different. In FIG. 1, it is assumed that the growth stage of the field 211 is most matured, then the growth stage of the field 212 is matured, and the growth stage of the field 213 is least matured.
植物成長分析システムは、植物成長モデルを参照し、処理対象衛星画像２１０の各圃場２１１〜２１３の各特徴量を例えば圃場２１２の生育段階に対応する特徴量に補正した新たな画像（処理完了画像２２０）を生成し、生成した処理完了画像２２０を出力する。これによって、処理対象衛星画像２１０の全ての圃場２１１〜２１３の特徴量が、基準となる圃場２１２の特徴量に対応するようになり、圃場２１２の生育段階で各圃場２１１〜２１３の成長を分析することができる。生育段階にズレがある植物の成長の分析の精度を向上させることができる。 The plant growth analysis system refers to the plant growth model, and a new image (processing completed image) obtained by correcting each feature amount of each field 211 to 213 of the processing target satellite image 210 to a feature amount corresponding to the growth stage of the field 212, for example. 220) and the generated processing completion image 220 is output. As a result, the feature values of all the fields 211 to 213 of the processing target satellite image 210 correspond to the feature values of the reference field 212, and the growth of each field 211 to 213 is analyzed at the growth stage of the field 212. can do. It is possible to improve the accuracy of analysis of the growth of plants having a deviation in the growth stage.
図２は、実施例の植物成長分析システムの構成を示すブロック図である。 FIG. 2 is a block diagram illustrating the configuration of the plant growth analysis system of the embodiment.
植物成長分析システムは、リモートセンシング画像取得部１０２、気象データ取得部１０３、データベース生成部１０４、成長モデル生成部１０５、成長ステージ抽出部１０６、成長ステージ解析部１０７、成長ステージ補正部１０８、生育差計算部１０９、生育差補正部１１０、生育統一画像生成部１１１、データベース１１２、及び成長状況分析部１１３を有する。 The plant growth analysis system includes a remote sensing image acquisition unit 102, a weather data acquisition unit 103, a database generation unit 104, a growth model generation unit 105, a growth stage extraction unit 106, a growth stage analysis unit 107, a growth stage correction unit 108, a growth difference. A calculation unit 109, a growth difference correction unit 110, a unified growth image generation unit 111, a database 112, and a growth state analysis unit 113 are included.
植物成長分析システムが実行する処理には、時系列低解像度リモートセンシング画像データ１０１ａに基づいて植物成長モデルを生成するフェーズと、高解像度リモートセンシング画像データ１０１ｄの各圃場の生育段階を補正し、生育統一画像データを生成するフェーズとがある。植物成長モデルを生成するフェーズは、成長モデル生成部１０５、成長ステージ抽出部１０６、成長ステージ解析部１０７、及び成長ステージ補正部１０８によって実現される。生育統一画像データを生成するフェーズは、生育差計算部１０９、生育差補正部１１０、及び生育統一画像生成部１１１によって実現される。 In the processing executed by the plant growth analysis system, the phase of generating a plant growth model based on the time-series low-resolution remote sensing image data 101a and the growth stage of each field of the high-resolution remote sensing image data 101d are corrected to grow. And a phase for generating unified image data. The phase for generating the plant growth model is realized by the growth model generation unit 105, the growth stage extraction unit 106, the growth stage analysis unit 107, and the growth stage correction unit 108. The phase for generating the unified growth image data is realized by the growth difference calculation unit 109, the growth difference correction unit 110, and the growth unified image generation unit 111.
リモートセンシング画像取得部１０２は、時系列低解像度リモートセンシング画像データ１０１ａ及び高解像度リモートセンシング画像データ１０１ｄを取得する。時系列低解像度リモートセンシング画像データ１０１ａは図１に示す時系列衛星画像２００に相当し、高解像度リモートセンシング画像データ１０１ｄは図１に示す処理対象衛星画像２１０に相当する。気象データ取得部１０３は、気象データ及びＧＩＳ（Geographic Information System）データを取得する。 The remote sensing image acquisition unit 102 acquires time-series low resolution remote sensing image data 101a and high resolution remote sensing image data 101d. The time series low resolution remote sensing image data 101a corresponds to the time series satellite image 200 shown in FIG. 1, and the high resolution remote sensing image data 101d corresponds to the processing target satellite image 210 shown in FIG. The meteorological data acquisition unit 103 acquires meteorological data and GIS (Geographic Information System) data.
データベース生成部１０４は、リモートセンシング画像取得部１０２が取得した時系列低解像度リモートセンシング画像データ１０１ａ及び高解像度リモートセンシング画像データ１０１ｄ、並びに、気象データ取得部１０３が取得した気象データ及びＧＩＳデータをそれぞれデータベース１１２に登録する。データベース１１２の詳細については図４Ａ〜図４Ｉで説明する。 The database generation unit 104 includes time-series low-resolution remote sensing image data 101a and high-resolution remote sensing image data 101d acquired by the remote sensing image acquisition unit 102, and weather data and GIS data acquired by the weather data acquisition unit 103, respectively. Register in the database 112. Details of the database 112 will be described with reference to FIGS.
成長モデル生成部１０５は、時系列低解像度リモートセンシング画像データ１０１ａ、気象データ１０１ｂ、及びＧＩＳデータ１０１ｃに基づいて、植物が植えられてからの経過時間を示す時間情報と植物の特徴量の変化とを対応付けた植物成長モデルを生成し、生成した植物成長モデルをデータベース１１２に登録する。本実施例では、植物が植えられてからの経過時間を示す時間情報として植物の積算温度を用いる。植物の積算温度は気象データ１０１ｂに基づき算出される。また、本実施例では、植物の特徴量としては例えばＮＤＶＩを用いる。植物成長モデルの詳細は、図６で説明する。 Based on the time-series low-resolution remote sensing image data 101a, the weather data 101b, and the GIS data 101c, the growth model generation unit 105 includes time information indicating the elapsed time since the plant was planted and changes in the plant feature amount. Are associated with each other, and the generated plant growth model is registered in the database 112. In this embodiment, the integrated temperature of the plant is used as time information indicating the elapsed time since the plant was planted. The integrated temperature of the plant is calculated based on the weather data 101b. In the present embodiment, for example, NDVI is used as the feature amount of the plant. Details of the plant growth model will be described with reference to FIG.
成長ステージ抽出部１０６は、予め設定された積算温度ごとの成長ステージに基づいて、生成した植物成長モデルから成長ステージを抽出する。成長ステージの詳細は、図７で説明する。 The growth stage extraction unit 106 extracts a growth stage from the generated plant growth model based on a growth stage for each preset integrated temperature. Details of the growth stage will be described with reference to FIG.
成長ステージ解析部１０７は、植物成長モデルの各成長ステージの植物特性に応じて、成長ステージごとに植物成長モデルの各成長ステージの特徴量の変化を示すパラメータを生成する。なお、成長ステージ解析部１０７のパラメータの生成方法の詳細は、図８で説明する。 The growth stage analysis unit 107 generates a parameter indicating a change in the characteristic amount of each growth stage of the plant growth model for each growth stage according to the plant characteristics of each growth stage of the plant growth model. Details of the parameter generation method of the growth stage analysis unit 107 will be described with reference to FIG.
成長ステージ補正部１０８は、成長ステージ解析部１０７が生成した各成長ステージのパラメータを、本年度の時系列低解像度リモートセンシング画像データ１０１ａに基づいて補正する。成長ステージ補正部１０８の補正方法の詳細は、図９で説明する。 The growth stage correction unit 108 corrects the parameters of each growth stage generated by the growth stage analysis unit 107 based on the time-series low-resolution remote sensing image data 101a of this year. Details of the correction method of the growth stage correction unit 108 will be described with reference to FIG.
以上の処理によって、植物成長モデルが生成される。 A plant growth model is generated by the above processing.
生育差計算部１０９は、ＧＩＳデータ１０１ｃを参照して、高解像度リモートセンシング画像データ１０１ｄから圃場を抽出する。そして、生育差計算部１０９は、基準圃場を選択し、選択した基準圃場の積算温度と他の圃場の積算温度との差を生育段階の差として計算する。生育差計算部１０９の処理の詳細は図１０で説明する。 The growth difference calculation unit 109 refers to the GIS data 101c and extracts a field from the high-resolution remote sensing image data 101d. Then, the growth difference calculation unit 109 selects a reference field, and calculates the difference between the accumulated temperature of the selected reference field and the accumulated temperature of other fields as a difference in growth stage. Details of the processing of the growth difference calculation unit 109 will be described with reference to FIG.
生育差補正部１１０は、成長ステージ補正部１０８が補正した各成長ステージの関数に基づいて、各圃場の特徴量を、基準圃場の積算温度に対応するよう補正する。生育差補正部１１０の処理の詳細は図１０〜図１４で説明する。 Based on the function of each growth stage corrected by the growth stage correction unit 108, the growth difference correction unit 110 corrects the feature amount of each field so as to correspond to the integrated temperature of the reference field. Details of the processing of the growth difference correction unit 110 will be described with reference to FIGS.
生育統一画像生成部１１１は、高解像度リモートセンシング画像データ１０１ｄの圃場の画像を、生育差補正部１１０によって補正された特徴量を有する圃場の画像に差し替えることによって、各圃場の生育段階を基準圃場の生育段階に一致させた新たな画像である生育統一画像データを生成する。生育統一画像データは図１５で説明する。 The unified growth image generation unit 111 replaces the field image of the high-resolution remote sensing image data 101d with the image of the field having the characteristic amount corrected by the growth difference correction unit 110, thereby determining the growth stage of each field. The unified growth image data, which is a new image matched with the growth stage, is generated. The unified growth image data will be described with reference to FIG.
成長状況分析部１１３は、生育統一画像生成部１１１が生成した生育統一画像データを用いて圃場の植物の成長状況を分析する。 The growth state analysis unit 113 analyzes the growth state of the plant in the field using the unified growth image data generated by the unified growth image generation unit 111.
図３は、実施例の植物成長分析システムのシステム構成図である。 FIG. 3 is a system configuration diagram of the plant growth analysis system of the embodiment.
直物成長分析システムは、リモートセンシング観測装置３１０及び植物成長分析装置３３０を有する。 The spot growth analysis system includes a remote sensing observation device 310 and a plant growth analysis device 330.
リモートセンシング観測装置３１０は、例えば、観測衛星又は航空機等に搭載された撮影装置である。本実施例では、リモートセンシング観測装置３１０は観測衛星に搭載されるものとして説明するが、地上の画像を撮影するものであれば、これに限定されない。 The remote sensing observation device 310 is, for example, a photographing device mounted on an observation satellite or an aircraft. In this embodiment, the remote sensing observation device 310 is described as being mounted on an observation satellite, but the present invention is not limited to this as long as it captures a ground image.
リモートセンシング観測装置３１０が撮影したリモートセンシング画像３２０（時系列低解像度リモートセンシング画像データ１０１ａ及び高解像度リモートセンシング画像データ１０１ｄ）は、植物成長分析装置３３０に入力される。本実施例では、時系列低解像度リモートセンシング画像データ１０１ａと高解像度リモートセンシング画像データ１０１ｄとは異なるリモートセンシング観測装置３１０で撮影されるものとするが、これらは同一のリモートセンシング観測装置３１０で撮影されてもよい。また、リモートセンシング画像３２０は、ＲａｐｉｄＥｙｅ、ＭＯＤＩＣ、又はＬａｎｄＳａｔ等の航空写真である。 Remote sensing images 320 (time-series low-resolution remote sensing image data 101a and high-resolution remote sensing image data 101d) captured by the remote sensing observation device 310 are input to the plant growth analysis device 330. In this embodiment, the time-series low-resolution remote sensing image data 101a and the high-resolution remote sensing image data 101d are taken by different remote sensing observation devices 310, but these are taken by the same remote sensing observation device 310. May be. The remote sensing image 320 is an aerial photograph such as RapidEye, MODIC, or LandSat.
植物成長分析装置３３０は、ＣＰＵ３３１、メモリ３３２、及び補助記憶装置３３３を有する。ＣＰＵ３３１は、メモリ３３２に一時的に記憶された各種プログラムを実行する。補助記憶装置３３３は不揮発性の記憶媒体であり、補助記憶装置３３３には、リモートセンシング画像取得部１０２、気象データ取得部１０３、データベース生成部１０４、成長モデル生成部１０５、成長ステージ抽出部１０６、成長ステージ解析部１０７、成長ステージ補正部１０８、生育差計算部１０９、生育差補正部１１０、生育統一画像生成部１１１、及び成長状況分析部１１３に対応するプログラム、並びにデータベース１１２が記憶される。 The plant growth analysis device 330 includes a CPU 331, a memory 332, and an auxiliary storage device 333. The CPU 331 executes various programs temporarily stored in the memory 332. The auxiliary storage device 333 is a non-volatile storage medium. The auxiliary storage device 333 includes a remote sensing image acquisition unit 102, a weather data acquisition unit 103, a database generation unit 104, a growth model generation unit 105, a growth stage extraction unit 106, A program corresponding to the growth stage analysis unit 107, the growth stage correction unit 108, the growth difference calculation unit 109, the growth difference correction unit 110, the unified growth image generation unit 111, and the growth state analysis unit 113, and the database 112 are stored.
メモリ３３２は揮発性の記憶媒体である。ＣＰＵ３３１は、補助記憶装置３３３に記憶された各種プログラムをメモリ３３２にロードする。そして、ＣＰＵ３３１は、メモリ３３２にロードされた各種プログラムを実行することによって、リモートセンシング画像取得部１０２、気象データ取得部１０３、データベース生成部１０４、成長モデル生成部１０５、成長ステージ抽出部１０６、成長ステージ解析部１０７、成長ステージ補正部１０８、生育差計算部１０９、生育差補正部１１０、生育統一画像生成部１１１、及び成長状況分析部１１３を実現する。また、補助記憶装置３３３に記憶されたデータベース１１２がメモリ３３２にロードされることによって、データベース１１２は、ＣＰＵ３３１によって読み書きされる。 The memory 332 is a volatile storage medium. The CPU 331 loads various programs stored in the auxiliary storage device 333 into the memory 332. Then, the CPU 331 executes various programs loaded in the memory 332 to thereby perform the remote sensing image acquisition unit 102, the weather data acquisition unit 103, the database generation unit 104, the growth model generation unit 105, the growth stage extraction unit 106, the growth stage A stage analysis unit 107, a growth stage correction unit 108, a growth difference calculation unit 109, a growth difference correction unit 110, a growth unified image generation unit 111, and a growth state analysis unit 113 are realized. Further, the database 112 stored in the auxiliary storage device 333 is loaded into the memory 332, whereby the database 112 is read and written by the CPU 331.
図４Ａ〜図４Ｉを参照し、データベース１１２に登録される各種データベースについて説明する。 Various databases registered in the database 112 will be described with reference to FIGS. 4A to 4I.
図４Ａは、実施例の時系列低解像度リモートセンシング画像データ１０１ａの説明図である。 FIG. 4A is an explanatory diagram of time-series low-resolution remote sensing image data 101a according to the embodiment.
時系列低解像度リモートセンシング画像データ１０１ａは、リモートセンシング観測装置３１０によって同じ場所が撮影された時間的に連続する複数の画像群であり、複数年の年間を通した複数リモートセンシング画像を含む。時系列低解像度リモートセンシング画像データ１０１ａを撮影するリモートセンシング観測装置３１０の撮影周期は、高解像度リモートセンシング画像データ１０１ｄを撮影するリモートセンシング観測装置３１０の撮影周期より短く、また、時系列低解像度リモートセンシング画像データ１０１ａの解像度は、高解像度リモートセンシング画像データ１０１ｄの解像度よりも低い。 The time-series low-resolution remote sensing image data 101a is a group of a plurality of temporally continuous images in which the same place is photographed by the remote sensing observation device 310, and includes a plurality of years of remote sensing images for a plurality of years. The imaging cycle of the remote sensing observation device 310 that captures the time-series low-resolution remote sensing image data 101a is shorter than the imaging cycle of the remote sensing observation device 310 that captures the high-resolution remote sensing image data 101d. The resolution of the sensing image data 101a is lower than the resolution of the high resolution remote sensing image data 101d.
時系列低解像度リモートセンシング画像データ１０１ａは、植物成長モデルの生成に用いられる。 The time-series low-resolution remote sensing image data 101a is used for generating a plant growth model.
図４Ｂは、実施例の気象データ１０１ｂの説明図である。 FIG. 4B is an explanatory diagram of the weather data 101b of the embodiment.
気象データ１０１ｂは、例えば、降水量データ４００及び気温データ４１０を含む。降水量データ４００には、ある地域の所定期間の降水量が登録される。降水量データ４００は、例えば、気象庁等の降水量のデータを利用することができる。また、気温データ４１０には、ある地域の所定期間の最高気温及び最低気温が登録される。例えば、最高気温及び最低気温は、ある地域の圃場の表面温度であってもよい。気温データ４１０は、例えば、ＭＯＤＩＳ表面温度衛星によるデータを利用することができる。 The weather data 101b includes, for example, precipitation data 400 and temperature data 410. In the precipitation data 400, precipitation for a predetermined period in a certain region is registered. As the precipitation data 400, for example, precipitation data from the Japan Meteorological Agency or the like can be used. In the temperature data 410, the maximum temperature and the minimum temperature for a predetermined period in a certain area are registered. For example, the maximum temperature and the minimum temperature may be the surface temperature of a field in a certain area. As the air temperature data 410, for example, data from a MODIS surface temperature satellite can be used.
なお、気象データ１０１ｂは、少なくとも気温データ４１０を含めばよく、降水量データ４００を含まなくてもよい。 The weather data 101b may include at least the temperature data 410 and may not include the precipitation data 400.
図４Ｃは、実施例のＧＩＳデータ１０１ｃの説明図である。 FIG. 4C is an explanatory diagram of the GIS data 101c according to the embodiment.
ＧＩＳデータ１０１ｃには、各圃場の位置データ及び形状データが登録される。ＧＩＳデータ１０１ｃは、圃場ＩＤ４３１、ＧＰＳデータ４３２、及び形状データ４３３を含む。圃場ＩＤ４３１には圃場の識別情報が登録される。ＧＰＳデータ４３２には、圃場の位置を示す緯度及び経度が登録される。形状データ４３３には圃場の輪郭を示すデータ（圃場ポリゴン）が登録される。 The position data and shape data of each field are registered in the GIS data 101c. The GIS data 101c includes a field ID 431, GPS data 432, and shape data 433. Field identification information is registered in the field ID 431. In the GPS data 432, the latitude and longitude indicating the position of the field are registered. In the shape data 433, data (field polygon) indicating the contour of the field is registered.
リモートセンシング画像取得部１０２は、ＧＩＳデータ１０１ｃを参照し、取得したリモートセンシング画像３２０から圃場の画像の輪郭である圃場のポリゴンを抽出できる。 The remote sensing image acquisition unit 102 can extract the field polygon that is the contour of the field image from the acquired remote sensing image 320 with reference to the GIS data 101c.
図４Ｄは、実施例の高解像度リモートセンシング画像データ１０１ｄの説明図である。 FIG. 4D is an explanatory diagram of the high-resolution remote sensing image data 101d according to the embodiment.
高解像度リモートセンシング画像データ１０１ｄは、現在の圃場の成長状況を分析するために用いられる画像である。 The high-resolution remote sensing image data 101d is an image used for analyzing the current growth situation of the field.
図４Ｅは、実施例の土壌データ４４０の説明図である。 FIG. 4E is an explanatory diagram of the soil data 440 of the example.
土壌データ４４０には、ある地域の各圃場の土壌の成分のうち、植物の成長に必要な成分の植物の成長に寄与する係数が登録される。 In the soil data 440, a coefficient that contributes to plant growth of a component necessary for plant growth among the soil components of each field in a certain region is registered.
土壌データ４４０は、圃場ＩＤ４４１及びリン酸係数４４２等を含む。圃場ＩＤ４４１には各圃場の識別情報が登録される。リン酸係数４４２には、リン酸の係数が登録される。 The soil data 440 includes a field ID 441, a phosphoric acid coefficient 442, and the like. Identification information for each field is registered in the field ID 441. In the phosphoric acid coefficient 442, the coefficient of phosphoric acid is registered.
図４Ｆは、実施例の作物栽培データ４５０の説明図である。 FIG. 4F is an explanatory diagram of the crop cultivation data 450 according to the embodiment.
作物栽培データ４５０には、各圃場の作物が所定の段階に達した日付が登録される。作物栽培データ４５０は、圃場ＩＤ４５１、植付期４５２、開花期４５３、着莢期４５４、及び収穫期４５５を含む。 In the crop cultivation data 450, the date when the crop in each field reaches a predetermined stage is registered. The crop cultivation data 450 includes a field ID 451, a planting period 452, a flowering period 453, a setting period 454, and a harvest period 455.
圃場ＩＤ４５１には各圃場の識別情報が登録される。植付期４５２には、圃場に作物を植えた日付が登録される。開花期４５３には、圃場の作物が開花した日付が登録される。着莢期４５４には、圃場の作物が莢を付けた日付が登録される。収穫期４５５には、圃場の作物の作物を収穫した日付が登録される。 Identification information for each field is registered in the field ID 451. In the planting period 452, the date when the crop is planted in the field is registered. In the flowering period 453, the date when the crop in the field blooms is registered. In the landing period 454, the date on which the crops in the field are attached with wrinkles is registered. In the harvest period 455, the date of harvesting the crop of the field crop is registered.
作物栽培データ４５０の日付は農家から得られる情報に基づいて登録される。 The date of the crop cultivation data 450 is registered based on information obtained from the farmer.
図４Ｇは、成長ステージ基準データ４６０の説明図である。 FIG. 4G is an explanatory diagram of the growth stage reference data 460.
成長ステージ基準データ４６０は、例えば大豆の各重要な時期に達したと判断される積算温度、及び各成長ステージの植物特性が登録される。 In the growth stage reference data 460, for example, an integrated temperature at which each important time of soybean is determined to have reached and plant characteristics of each growth stage are registered.
成長ステージ基準データ４６０は、各成長ステージの積算温度４６１及び植物特性４６２を含む。例えば、大豆の成長ステージには、開花する開花期、莢を付ける着莢期、種が完全な状態になるまでの時期、及び葉の５０％以上黄色になり、種が完熟する完熟期がある。 The growth stage reference data 460 includes an integrated temperature 461 and plant characteristics 462 for each growth stage. For example, the soybean growth stage includes a flowering period for flowering, a setting period for culling, a period until the seeds become complete, and a maturity period when the seeds are yellowed more than 50% and the seeds are fully matured. .
積算温度４６１には、各成長ステージに達する積算温度が登録され、植物特性４６２には、各成長ステージの植物特性が登録される。 The accumulated temperature that reaches each growth stage is registered in the accumulated temperature 461, and the plant characteristic of each growth stage is registered in the plant characteristic 462.
図４Ｈは、実施例の特徴量時系列データ４７０の説明図である。 FIG. 4H is an explanatory diagram of the feature amount time-series data 470 according to the embodiment.
特徴量時系列データ４７０には、各時系列低解像度リモートセンシング画像データ１０１ａに含まれる圃場の特徴量が登録される。特徴量時系列データ４７０は、圃場ＩＤ４７１、時期Ａ４７２、及び時期Ｂ４７３を含む。圃場ＩＤ４７１には、圃場の識別情報が登録される。時期Ａ４７２には、時期Ａに撮影された時系列低解像度リモートセンシング画像データ１０１ａに含まれる圃場の特徴量が登録される。時期Ｂ４７３には、時期Ｂに撮影された時系列低解像度リモートセンシング画像データ１０１ａに含まれる圃場の特徴量が登録される。 In the feature amount time series data 470, the feature amount of the field included in each time series low resolution remote sensing image data 101a is registered. The feature amount time series data 470 includes a field ID 471, a time A472, and a time B473. In the field ID 471, field identification information is registered. At time A472, the feature quantity of the field included in the time-series low-resolution remote sensing image data 101a photographed at time A is registered. At time B473, the field feature amount included in the time-series low-resolution remote sensing image data 101a photographed at time B is registered.
図４Ｉは、実施例の処理パラメータ４８０の説明図である。 FIG. 4I is an explanatory diagram of a processing parameter 480 according to the embodiment.
処理パラメータ４８０には、高解像度リモートセンシング画像データ１０１ｄに含まれる圃場のパラメータ等が登録される。 In the processing parameter 480, a field parameter and the like included in the high-resolution remote sensing image data 101d are registered.
処理パラメータ４８０は、圃場ＩＤ４８１、成長ステージパラメータ４８２、生育差４８３及び補正値４８４を含む。圃場ＩＤ４８１には、圃場の識別情報が登録される。成長ステージパラメータ４８２には、高解像度リモートセンシング画像データ１０１ｄが撮影された時期の植物の成長ステージに対応するパラメータが登録される。生育差４８３には、各圃場の積算温度と基準圃場の積算温度との差が生育差として登録される。補正値４８４には、各圃場の特徴量を基準圃場の積算温度に対応させるための補正値が登録される。 The processing parameter 480 includes a field ID 481, a growth stage parameter 482, a growth difference 483, and a correction value 484. In the field ID 481, field identification information is registered. In the growth stage parameter 482, a parameter corresponding to the growth stage of the plant at the time when the high-resolution remote sensing image data 101d was photographed is registered. In the growth difference 483, a difference between the integrated temperature of each field and the integrated temperature of the reference field is registered as a growth difference. In the correction value 484, a correction value for causing the feature value of each field to correspond to the integrated temperature of the reference field is registered.
図５は、実施例の植物成長分析システムによって実行される処理のフローチャートである。 FIG. 5 is a flowchart of processing executed by the plant growth analysis system according to the embodiment.
まず、リモートセンシング画像取得部１０２は、時系列低解像度リモートセンシング画像データ１０１ａ及び高解像度リモートセンシング画像データ１０１ｄを取得する（Ｓ５０１）。また、気象データ取得部１０３は、気象データ１０１ｂ及びＧＩＳデータ１０１ｃを取得する（Ｓ５０２）。 First, the remote sensing image acquisition unit 102 acquires time-series low resolution remote sensing image data 101a and high resolution remote sensing image data 101d (S501). Further, the weather data acquisition unit 103 acquires the weather data 101b and the GIS data 101c (S502).
次に、データベース生成部１０４は、取得した時系列低解像度リモートセンシング画像データ１０１ａ、高解像度リモートセンシング画像データ１０１ｄ、気象データ１０１ｂ及びＧＩＳデータ１０１ｃをデータベース１１２に登録する（Ｓ５０３）。なお、データベース生成部１０４は、ＧＩＳデータ１０１ｃを参照し、Ｓ５０１の処理で取得した時系列低解像度リモートセンシング画像データ１０１ａから圃場を抽出する。 Next, the database generation unit 104 registers the acquired time-series low resolution remote sensing image data 101a, high resolution remote sensing image data 101d, weather data 101b, and GIS data 101c in the database 112 (S503). Note that the database generation unit 104 refers to the GIS data 101c and extracts a field from the time-series low-resolution remote sensing image data 101a acquired in the process of S501.
次に、成長モデル生成部１０５は、時系列低解像度リモートセンシング画像データ１０１ａに含まれる各圃場の積算温度及び特徴量を計算する（Ｓ５０４）。積算温度及び特徴量の計算処理の詳細は図６で説明する。そして、成長モデル生成部１０５は、計算した各圃場の特徴量を特徴量時系列データ４７０に登録する。 Next, the growth model generation unit 105 calculates the integrated temperature and feature amount of each field included in the time-series low-resolution remote sensing image data 101a (S504). Details of the integrated temperature and feature amount calculation processing will be described with reference to FIG. Then, the growth model generation unit 105 registers the calculated feature amount of each field in the feature amount time series data 470.
次に、成長モデル生成部１０５は、積算温度及び特徴量を座標軸とした座標系に、Ｓ５０４の処理で算出した積算温度及び特徴量をプロットし、曲線間を補完して曲線を生成することによって植物成長モデルを生成する（Ｓ５０５）。Ｓ５０５の処理の詳細は図６で説明する。 Next, the growth model generation unit 105 plots the integrated temperature and feature amount calculated in the process of S504 in a coordinate system having the integrated temperature and feature amount as coordinate axes, and generates a curve by complementing between the curves. A plant growth model is generated (S505). Details of the processing of S505 will be described with reference to FIG.
次に、成長ステージ抽出部１０６は、成長ステージ基準データ４６０を参照し、Ｓ５０５の処理で生成した植物成長モデルを積算温度に基づいて成長ステージに区分する（Ｓ５０６）。Ｓ５０６の処理の詳細は図７で説明する。 Next, the growth stage extraction unit 106 refers to the growth stage reference data 460, and classifies the plant growth model generated in the process of S505 into growth stages based on the integrated temperature (S506). Details of the processing of S506 will be described with reference to FIG.
次に、成長ステージ解析部１０７は、成長ステージ基準データ４６０の植物特性４６２に基づいて、Ｓ５０６の処理で区分された成長ステージごとに特徴量の変化を示す関数を生成する（Ｓ５０７）。Ｓ５０７の処理の詳細は図８で説明する。 Next, based on the plant characteristic 462 of the growth stage reference data 460, the growth stage analysis unit 107 generates a function indicating the change in the feature amount for each growth stage divided in the process of S506 (S507). Details of the processing of S507 will be described with reference to FIG.
次に、成長ステージ補正部１０８は、Ｓ５０７の処理で生成された関数を、本年度に撮影された特徴量に基づいて補正する（Ｓ５０８）。Ｓ５０８の処理の詳細は図９で説明する。 Next, the growth stage correction | amendment part 108 correct | amends the function produced | generated by the process of S507 based on the feature-value image | photographed this year (S508). Details of the processing of S508 will be described with reference to FIG.
生育差計算部１０９は、ＧＩＳデータ１０１ｃを参照し、Ｓ５０１の処理で取得した高解像度リモートセンシング画像データ１０１ｄから圃場を抽出し、抽出した圃場の積算温度及び特徴量を計算する。そして、生育差計算部１０９は、基準圃場を選択し、基準圃場の積算温度と他の圃場の積算温度との差を生育差として計算する（Ｓ５０９）。Ｓ５０９の処理の詳細は図１０で説明する。 The growth difference calculation unit 109 refers to the GIS data 101c, extracts a field from the high-resolution remote sensing image data 101d acquired in the process of S501, and calculates the integrated temperature and feature amount of the extracted field. Then, the growth difference calculation unit 109 selects the reference field and calculates the difference between the accumulated temperature of the reference field and the accumulated temperature of other fields as a growth difference (S509). Details of the processing of S509 will be described with reference to FIG.
次に、生育差補正部１１０は、Ｓ５０８の処理で補正された各成長ステージの関数に基づいて、他の圃場の特徴量を基準圃場の積算温度に対応するように補正する（Ｓ５１０）。Ｓ５１０の処理の詳細は図１１〜図１４で説明する。 Next, the growth difference correction unit 110 corrects the feature values of the other fields so as to correspond to the integrated temperature of the reference field based on the function of each growth stage corrected in the process of S508 (S510). Details of the processing of S510 will be described with reference to FIGS.
次に、生育統一画像生成部１１１は、高解像度リモートセンシング画像データ１０１ｄの各圃場の画像を、Ｓ５１０の処理で補正した特徴量を示す画像に差し替えて、新たな画像である生育統一画像データを生成する（Ｓ５１１）。Ｓ５１１の処理の詳細は図１５で説明する。 Next, the unified growth image generation unit 111 replaces the image of each field in the high-resolution remote sensing image data 101d with an image indicating the feature amount corrected in the process of S510, and adds the unified growth image data that is a new image. Generate (S511). Details of the processing of S511 will be described with reference to FIG.
次に、成長状況分析部１１３は、Ｓ５１１の処理で生成された生育統一画像データを用いて、各圃場の植物の収量等を分析し（Ｓ５１２）、処理を終了する。 Next, the growth condition analysis unit 113 analyzes the yield of plants in each field using the unified growth image data generated in the process of S511 (S512), and ends the process.
図６は、実施例の植物成長モデルを生成する処理の説明図である。 FIG. 6 is an explanatory diagram of processing for generating a plant growth model of the embodiment.
本実施例における特徴量は植物の成長状態を示すパラメータである。本実施例では、特徴量として植生指標を用いる。植生指標は、リモートセンシング画像のスペクトルに基づいて計算される値であり、例えば、ＮＤＶＩ、ＬＡＩ、及びＥＶＩ等がある。本実施例では、特徴量としてＮＤＶＩを用いるが、これに限定されない。 The feature amount in the present embodiment is a parameter indicating the growth state of the plant. In this embodiment, a vegetation index is used as the feature amount. The vegetation index is a value calculated based on the spectrum of the remote sensing image, such as NDVI, LAI, and EVI. In the present embodiment, NDVI is used as the feature amount, but is not limited to this.
成長モデル生成部１０５は、式１を用いて、時系列低解像度リモートセンシング画像データ１０１ａからＮＤＶＩを計算する。 The growth model generation unit 105 calculates NDVI from the time-series low-resolution remote sensing image data 101a using Equation 1.
Ｒは赤バンドであり、ＩＲは近赤バンドである。これらのバンドは時系列低解像度リモートセンシング画像データ１０１ａから抽出される。 R is the red band and IR is the near red band. These bands are extracted from the time-series low-resolution remote sensing image data 101a.
また、成長モデル生成部１０５は、式２を用いて、有効積算温度（ＥＡＴ Effective Accumulative Temperature）を計算する。有効積算温度は、ある期間の平均気温のうち基準値を超えた分の合計値である。有効積算温度は、植物の成長に必要な熱量の目安に用いられる。 In addition, the growth model generation unit 105 calculates an effective accumulated temperature (EAT Effective Accumulative Temperature) using Equation 2. The effective integrated temperature is the total value of the average temperature for a certain period that exceeds the reference value. The effective integrated temperature is used as a measure of the amount of heat necessary for plant growth.
ｔｄは一日の平均温度であり、ｔ０は基準値である。ｉは日数である。なお、基準値は植物ごとに異なる値である。例えば、春小麦の基準値は３度であり、トウモロコシの基準値は１３度である。本実施例では、例えば大豆を例に説明し、大豆の基準値は１５度である。なお、他の植物であってもよい。 td is a daily average temperature, and t0 is a reference value. i is the number of days. In addition, a reference value is a different value for every plant. For example, the reference value for spring wheat is 3 degrees and the reference value for corn is 13 degrees. In this embodiment, for example, soybean is described as an example, and the reference value of soybean is 15 degrees. Other plants may be used.
平均温度の計算方法の例について説明する。成長モデル生成部１０５は、作物栽培データ４５０を参照し、時系列低解像度リモートセンシング画像データ１０１ａに含まれる各圃場に作物が植えられた日付を特定する。そして、成長モデル生成部１０５は、特定した日付から時系列低解像度リモートセンシング画像データ１０１ａが撮影された日付までの期間の温度情報を気象データ１０１ｂの気温データから取得する。成長モデル生成部１０５は、取得した温度情報に含まれる最高気温と最低気温との平均値を平均温度として用いる。温度情報を取得する始期は、作物が植えられた日付でなくてもよく、植物が所定の成長ステージに達した日付であってもよい。 An example of an average temperature calculation method will be described. The growth model generation unit 105 refers to the crop cultivation data 450 and identifies the date on which the crop was planted in each field included in the time-series low-resolution remote sensing image data 101a. And the growth model production | generation part 105 acquires the temperature information of the period from the specified date to the date when the time series low resolution remote sensing image data 101a was image | photographed from the temperature data of the weather data 101b. The growth model generation unit 105 uses an average value of the maximum temperature and the minimum temperature included in the acquired temperature information as the average temperature. The initial period for acquiring the temperature information may not be the date when the crop is planted, but may be the date when the plant reaches a predetermined growth stage.
時系列低解像度リモートセンシング画像データ１０１ａは、複数年の年間を通した複数のリモートセンシング画像データを含み、成長モデル生成部１０５は、各リモートセンシング画像に対してＮＤＶＩ及び有効積算温度を計算する。 The time-series low-resolution remote sensing image data 101a includes a plurality of remote sensing image data for a plurality of years, and the growth model generation unit 105 calculates NDVI and effective integrated temperature for each remote sensing image.
成長モデル生成部１０５は、有効積算温度を横軸に設定し、ＮＤＶＩを縦軸に設定した座標系に、最新の年より前の各年の年間を通した複数のリモートセンシング画像データの有効積算温度及びＮＤＶＩをプロットする。そして、成長モデル生成部１０５は、プロットしたＮＤＶＩ間を補間し、曲線を生成する。曲線の生成方法としては、例えば、二次近似を用いてもよいし、スプライン補間を用いてもよいし、他の方法を用いてもよい。 The growth model generation unit 105 sets the effective integrated temperature on the horizontal axis and the effective integration of a plurality of remote sensing image data through each year before the latest year in a coordinate system in which NDVI is set on the vertical axis. Plot temperature and NDVI. Then, the growth model generation unit 105 interpolates between the plotted NDVIs to generate a curve. As a method for generating a curve, for example, quadratic approximation may be used, spline interpolation may be used, or another method may be used.
図６では、植付日からの曲線が生成されるが、植付日が作物栽培データ４５０に登録されていない場合、開花期等の重要な時期の日付から曲線が生成されてもよい。重要な時期とは、成長ステージが変化する時期であればよい。 In FIG. 6, a curve from the planting date is generated, but when the planting date is not registered in the crop cultivation data 450, the curve may be generated from a date at an important time such as a flowering period. The important period may be a period when the growth stage changes.
本実施例では、時系列低解像度リモートセンシング画像データ１０１ａから特徴量を算出し、積算温度と特徴量とを対応付け、植物成長モデルを生成する。これによって、植物成長モデルが用意されていない場合であっても、植物成長モデルを生成することができる。また、各地域に特化した植物成長モデルを生成できる。 In the present embodiment, a feature amount is calculated from the time-series low-resolution remote sensing image data 101a, and the plant growth model is generated by associating the integrated temperature with the feature amount. Thereby, even if a plant growth model is not prepared, a plant growth model can be generated. In addition, a plant growth model specialized for each region can be generated.
さらに、植物の植えられてからの経過時間を示す時間情報として、植物の積算温度を用いることによって、植物の成長に必要な要素を時間情報として用いることができる。 Furthermore, by using the accumulated temperature of the plant as time information indicating the elapsed time since the plant was planted, elements necessary for plant growth can be used as the time information.
図７は、実施例の植物成長モデルを成長ステージに区分する処理の説明図である。 FIG. 7 is an explanatory diagram of processing for classifying the plant growth model of the embodiment into growth stages.
大豆には、Ｒ１、Ｒ５、Ｒ６、及びＲ７の成長時期がある。Ｒ１は最初の花が開花する時期であり、Ｒ５は最初の種が形成される時期であり、Ｒ６は全ての種が形成される時期である。Ｒ７は、５０％以上の葉が黄色となり、種が成熟し始める時期である。 Soy has growth periods of R1, R5, R6, and R7. R1 is the time when the first flower blooms, R5 is the time when the first species is formed, and R6 is the time when all the species are formed. R7 is the time when more than 50% of the leaves turn yellow and the seeds begin to mature.
成長ステージ基準データ４６０には、大豆がＲ１、Ｒ５、Ｒ６、及びＲ７となるまでに必要な有効積算温度が登録される。 In the growth stage reference data 460, an effective integrated temperature necessary for soybeans to become R1, R5, R6, and R7 is registered.
大豆には、Ｒ１−Ｒ５、Ｒ５−Ｒ６、及びＲ６−Ｒ７の三つの成長ステージがある。Ｒ１−Ｒ５は、開花してから花の成長が収量するまでの開花期間である。Ｒ５−Ｒ６は、生物バイオマスが最大まで成長する期間であり、莢が形成されてから種に変わるまでの着莢期間である。Ｒ６−Ｒ７は、種が完全な状態になる期間である。 Soy has three growth stages: R1-R5, R5-R6, and R6-R7. R1-R5 is a flowering period from flowering to flower yield. R5-R6 is a period in which the biological biomass grows to the maximum, and is a period of time from when the cocoon is formed until it changes to a seed. R6-R7 is the period during which the species is in a complete state.
図７に示すように、成長ステージ抽出部１０６は、成長ステージ基準データ４６０に登録された各時期の有効積算温度に基づいて、成長モデル生成部１０５が生成した植物成長モデルを各成長ステージに区分する。 As shown in FIG. 7, the growth stage extraction unit 106 classifies the plant growth model generated by the growth model generation unit 105 into each growth stage based on the effective integrated temperature at each period registered in the growth stage reference data 460. To do.
なお、大豆以外の植物である場合、成長時期及び成長時期に必要な有効積算温度が大豆の場合と異なる。しかし、各成長時期の有効積算温度が成長ステージ基準データ４６０に登録されていれば、植物成長モデルを各成長ステージに区分する方法は、大豆の場合と同じである。 In the case of plants other than soybeans, the growth period and the effective integrated temperature necessary for the growth period are different from those for soybeans. However, if the effective integrated temperature at each growth period is registered in the growth stage reference data 460, the method for dividing the plant growth model into each growth stage is the same as that for soybean.
図８は、実施例の植物成長モデルのパラメータを生成する処理の説明図である。 FIG. 8 is an explanatory diagram of processing for generating parameters of the plant growth model of the embodiment.
成長ステージ解析部１０７は、成長ステージの植物特性を考慮して、植物成長モデルのＮＤＶＩの変化を成長ステージごとにパラメータを生成する。 The growth stage analysis unit 107 generates a parameter for each growth stage of the NDVI change of the plant growth model in consideration of the plant characteristics of the growth stage.
開花期間であるＲ１−Ｒ５では、大豆のバイオマスが増加する。このため、バイオマスと相関性が高いＮＤＶＩはある傾きで線形的に増加する。成長ステージ解析部１０７は、Ｒ１−Ｒ５のＮＤＶＩを線形関数に補間し、線形関数の傾きをＲ１−Ｒ５のパラメータとする。 In R1-R5 which is a flowering period, soybean biomass increases. For this reason, NDVI having high correlation with biomass increases linearly with a certain slope. The growth stage analysis unit 107 interpolates R1-R5 NDVI into a linear function, and uses the slope of the linear function as a parameter of R1-R5.
また、着莢期間であるＲ５−Ｒ６では、大豆のバイオマスの増加は緩やかになる。このため、Ｒ５−Ｒ６のＮＤＶＩの増加は、Ｒ１−Ｒ５のＮＤＶＩの増加より緩やかになる。成長ステージ解析部１０７は、Ｒ５−Ｒ６のＮＤＶＩを線形関数に補間し、線形関数の傾きをＲ５−Ｒ６のパラメータとする。なお、Ｒ５−Ｒ６のＮＤＶＩの傾きの値は、Ｒ１−Ｒ５の傾きの値より小さくなる。例えば、成長ステージ解析部１０８は、Ｒ５−Ｒ６のパラメータが、Ｒ１−Ｒ５のパラメータより小さくなった場合、いずれかのパラメータに誤りがある可能性があることを管理者に通知してもよいし、線形関数から所定値以上離れたＮＤＶＩを考慮せず、再度線形関数を計算してもよい。 Moreover, in R5-R6 which is a landing period, the increase in soybean biomass becomes moderate. For this reason, the increase in NDVI for R5-R6 is slower than the increase in NDVI for R1-R5. The growth stage analysis unit 107 interpolates R5-R6 NDVI into a linear function, and uses the slope of the linear function as a parameter of R5-R6. Note that the slope value of NDVI of R5-R6 is smaller than the slope value of R1-R5. For example, when the R5-R6 parameter becomes smaller than the R1-R5 parameter, the growth stage analysis unit 108 may notify the administrator that any of the parameters may be incorrect. The linear function may be calculated again without considering NDVI that is more than a predetermined value away from the linear function.
種が完全な状態になる期間であるＲ６−Ｒ７では、大豆の最大となったバイオマスが種に変換されるため、バイオマスは減少する。このため、Ｒ６−Ｒ７のＮＤＶＩはある傾きで線形的に減少する。成長ステージ解析部１０７は、Ｒ６−Ｒ７のＮＤＶＩを線形関数に補間し、線形関数の傾きをＲ６−Ｒ７のパラメータとする。例えば、成長ステージ解析部１０８は、Ｒ６−Ｒ７のパラメータが減少しない場合、当該パラメータに誤りがある可能性があることを管理者に通知してもよいし、線形関数から所定値以上離れたＮＤＶＩを考慮せず、再度線形関数を計算してもよい。 In R6-R7, which is a period in which the seeds are in a complete state, the biomass that has become the maximum of soybeans is converted into seeds, and thus the biomass decreases. For this reason, NDVI of R6-R7 decreases linearly with a certain slope. The growth stage analysis unit 107 interpolates R6-R7 NDVI into a linear function, and uses the slope of the linear function as a parameter of R6-R7. For example, if the R6-R7 parameter does not decrease, the growth stage analysis unit 108 may notify the administrator that there is a possibility that the parameter has an error, or the NDVI separated from the linear function by a predetermined value or more. The linear function may be calculated again without considering the above.
ＮＤＶＩを線形関数に補間する方法としては、例えば、最小二乗法があるが、他の方法を用いてもよい。 As a method of interpolating NDVI into a linear function, for example, there is a least square method, but other methods may be used.
このように、計算された各成長ステージのパラメータは植物の成長ステージの植物の成長のメカニズムを考慮し、植物の成長のメカニズムを反映したものである。 Thus, the calculated parameters of each growth stage reflect the plant growth mechanism in consideration of the plant growth mechanism of the plant growth stage.
以上のように、成長ステージごとに特徴量の変化を示すパラメータを計算することによって、成長ステージ内では特徴量の変化が同一の傾向となるので、パラメータが植物の特徴量の変化の傾向を正確に示すことができる。 As described above, by calculating the parameter indicating the change in the feature value for each growth stage, the change in the feature value has the same tendency in the growth stage, so the parameter accurately indicates the tendency of the change in the feature value of the plant. Can be shown.
図９は、実施例の植物成長モデルの各成長ステージの関数を補正する処理の説明図である。 FIG. 9 is an explanatory diagram of processing for correcting the function of each growth stage of the plant growth model of the embodiment.
成長ステージ補正部１０８は、成長ステージ解析部１０７が生成した各成長ステージのパラメータを、時系列低解像度リモートセンシング画像データ１０１ａに含まれる本年度（最新の年）の年間を通した複数のリモートセンシング画像データから計算されたＮＤＶＩ及び有効積算温度に基づいて、補正する。図９に示す白丸が本年度の年間を通した複数のリモートセンシング画像データに基づいて計算された本年度ＮＤＶＩである。図９に示す黒丸が本年度より前の各年の年間を通した複数のリモートセンシング画像データに基づいて計算された過去ＮＤＶＩである。 The growth stage correction unit 108 uses a plurality of remote sensing images through the year of this year (latest year) included in the time-series low-resolution remote sensing image data 101a for the parameters of each growth stage generated by the growth stage analysis unit 107. Correction is made based on the NDVI calculated from the data and the effective integrated temperature. The white circles shown in FIG. 9 are the current year's NDVI calculated based on a plurality of remote sensing image data throughout the year. Black circles shown in FIG. 9 are past NDVIs calculated based on a plurality of remote sensing image data for each year before this year.
成長ステージ補正部１０８は、各成長ステージの本年度ＮＤＶＩ及び過去ＮＤＶＩを線形関数に補間し、補間した線形関数の傾きを補正後のパラメータとする。そして、成長ステージ補正部１０８は、各成長ステージの補正後のパラメータをデータベース１１２に登録する。 The growth stage correction unit 108 interpolates the current year's NDVI and past NDVI of each growth stage into a linear function, and sets the slope of the interpolated linear function as a corrected parameter. Then, the growth stage correction unit 108 registers the corrected parameters for each growth stage in the database 112.
図９では、Ｒ１−Ｒ５の関数ｆ１（ｘ）の傾きがα１からα４に補正され、Ｒ５−Ｒ６の関数ｆ２（ｘ）の傾きがα２からα５に補正され、Ｒ６−Ｒ７の関数ｆ３（ｘ）の傾きがα３からα５に補正される。 In FIG. 9, the slope of the function f 1 (x) of R1-R5 is corrected from α 1 to α 4 , the slope of the function f 2 (x) of R5-R6 is corrected from α 2 to α 5 , and R6- The slope of the function f 3 (x) of R7 is corrected from α 3 to α 5 .
これによって、各成長ステージのパラメータを、最新のＮＤＶＩ及び積算温度を重視したパラメータとすることができ、Ｓ５１０の処理で、各圃場の特徴量を基準となる積算温度に対応するように正確に補正できる。 As a result, the parameters of each growth stage can be set to parameters that place importance on the latest NDVI and integrated temperature, and the characteristic amount of each field is accurately corrected to correspond to the reference integrated temperature in the processing of S510. it can.
図１０は、実施例の生育差計算部１０９によって実行される生育差計算処理のフローチャートである。 FIG. 10 is a flowchart of the growth difference calculation process executed by the growth difference calculation unit 109 according to the embodiment.
生育差計算部１０９は、ＧＩＳデータ１０１ｃを参照し、高解像度リモートセンシング画像データ１０１ｄから圃場を抽出する。また、高解像度リモートセンシング画像データ１０１ｄに含まれる圃場の積算温度及び特徴量を計算する（Ｓ１００１）。特徴量は式１を用いて計算され、積算温度は式２を用いて計算される。 The growth difference calculation unit 109 refers to the GIS data 101c and extracts a field from the high-resolution remote sensing image data 101d. Further, the integrated temperature and feature amount of the field included in the high resolution remote sensing image data 101d are calculated (S1001). The feature amount is calculated using Equation 1, and the integrated temperature is calculated using Equation 2.
次に、生育差計算部１０９は、生育差を計算するための基準となる基準圃場を選択する（Ｓ１００２）。基準圃場の選択方法には二つの方法がある。 Next, the growth difference calculation unit 109 selects a reference field that serves as a reference for calculating the growth difference (S1002). There are two methods for selecting the reference field.
一つ目の方法では、生育差計算部１０９は、予め設定された生育時期の圃場を基準圃場として選択する。二つ目の方法では、生育差計算部１０９は、所定の生育時期の積算温度との各圃場の積算温度との差の合計値が最小となる圃場を基準圃場として選択する。二つ目の方法は、式３に基づいて基準圃場が選択される。なお、所定の生育時期は、植え付け時期であってもよいし、他の重要な生育時期であってもよい。 In the first method, the growth difference calculation unit 109 selects a field having a preset growth time as a reference field. In the second method, the growth difference calculation unit 109 selects, as a reference field, a field where the total value of the difference between the accumulated temperature at a predetermined growth time and the accumulated temperature of each field is the minimum. In the second method, the reference field is selected based on Equation 3. Note that the predetermined growth time may be a planting time or another important growth time.
なお、ｔ（ｎ）は、圃場ＩＤがｎである場合の有効積算温度である。 Note that t (n) is an effective integrated temperature when the field ID is n.
一つ目の方法では、農家等が基準としたい生育時期を基準圃場とすることができ、当該生育時期を基準として植物の成長を分析できる。また、二つ目の方法では、各圃場の特徴量を基準圃場の積算温度に対応するように補正する場合、各圃場の積算温度と基準圃場の積算温度との差が最小となるため、補正による誤差が生じにくい。なお、基準圃場の選択方法は、これらの方法に限定されず、所定の条件を満たす圃場が基準圃場として選択されてもよい。 In the first method, a growing season that a farmer or the like wants to use can be set as a reference field, and plant growth can be analyzed based on the growing season. In the second method, when the feature value of each field is corrected so as to correspond to the integrated temperature of the reference field, the difference between the integrated temperature of each field and the integrated temperature of the reference field is minimized. It is difficult for errors to occur. Note that the method for selecting the reference field is not limited to these methods, and a field that satisfies a predetermined condition may be selected as the reference field.
次に、生育差計算部１０９は、各圃場の積算温度と基準圃場の積算温度との差を計算し（Ｓ１００３）、計算した差を処理パラメータ４８０の生育差４８３に登録し（Ｓ１００４）、処理を終了する。なお、処理パラメータ４８０の成長ステージパラメータ４８２には、各圃場の積算温度に対応する成長ステージのパラメータが登録される。 Next, the growth difference calculation unit 109 calculates the difference between the integrated temperature of each field and the integrated temperature of the reference field (S1003), and registers the calculated difference in the growth difference 483 of the processing parameter 480 (S1004). Exit. The growth stage parameter corresponding to the integrated temperature of each field is registered in the growth stage parameter 482 of the processing parameter 480.
次に、図１１〜図１５を用いて、生育差補正部１１０によって実行される生育差補正処理について説明する。 Next, the growth difference correction process executed by the growth difference correction unit 110 will be described with reference to FIGS.
生育差補正部１１０は、成長ステージ補正部１０８で補正された各成長ステージのパラメータに基づいて、高解像度リモートセンシング画像データ１０１ｄの各圃場の特徴量を、基準圃場の積算温度に対応する特徴量を補正値として計算する。そして、生育差補正部１１０は、計算した各圃場の補正値を、処理パラメータ４８０の補正値４８４に登録する。 Based on the parameters of each growth stage corrected by the growth stage correction unit 108, the growth difference correction unit 110 converts the feature values of each field of the high-resolution remote sensing image data 101d to the feature values corresponding to the integrated temperature of the reference field. Is calculated as a correction value. Then, the growth difference correction unit 110 registers the calculated correction value of each field in the correction value 484 of the processing parameter 480.
図１１は、実施例のある圃場の積算温度が同じ成長ステージ内で基準圃場の積算温度より小さい場合の補正値の計算処理の説明図である。 FIG. 11 is an explanatory diagram of a correction value calculation process in the case where the integrated temperature of a certain field in the embodiment is smaller than the integrated temperature of the reference field within the same growth stage.
図１１では、基準圃場の成長ステージがＲ５−Ｒ６であり、ある圃場の成長ステージがＲ５−Ｒ６であり、当該圃場の積算温度が基準圃場の積算温度より小さい場合（すなわち、当該圃場の成長が基準圃場の成長より遅い場合）の補正値の計算処理について説明する。 In FIG. 11, when the growth stage of the reference field is R5-R6, the growth stage of a certain field is R5-R6, and the accumulated temperature of the field is lower than the accumulated temperature of the reference field (that is, the growth of the field is The correction value calculation process in the case of slower than the growth of the reference field will be described.
この場合、生育差補正部１１０は、生育差及びＲ５−Ｒ６のパラメータに基づいて、ある圃場の基準圃場の積算温度に対応する特徴量（補正値）を計算する。補正値は、ある圃場の特徴量より大きくなる。 In this case, the growth difference correction unit 110 calculates a feature amount (correction value) corresponding to the integrated temperature of a reference field of a certain field based on the growth difference and the R5-R6 parameters. The correction value is larger than the feature value of a certain field.
図１２は、実施例のある圃場の積算温度が同じ成長ステージ内で基準圃場の積算温度より大きい場合の補正値の計算処理の説明図である。 FIG. 12 is an explanatory diagram of correction value calculation processing in the case where the integrated temperature of a certain field in the embodiment is larger than the integrated temperature of the reference field within the same growth stage.
図１２に示すように、基準圃場の成長ステージがＲ５−Ｒ６であり、ある圃場の成長ステージがＲ５−Ｒ６であり、当該圃場の積算温度が基準圃場の積算温度より大きい場合（すなわち、当該圃場の成長が基準圃場の成長より早い場合）の補正値は、ある圃場の特徴量より小さくなる。 As shown in FIG. 12, when the growth stage of the reference field is R5-R6, the growth stage of a certain field is R5-R6, and the accumulated temperature of the field is larger than the accumulated temperature of the reference field (that is, the field The correction value is smaller than the feature value of a certain field.
図１３は、実施例の基準圃場の成長ステージとある圃場の成長ステージとが異なり、ある圃場の積算温度が基準圃場の積算温度より小さい場合の補正値の計算処理の説明図である。 FIG. 13 is an explanatory diagram of correction value calculation processing in a case where the growth stage of the reference field in the embodiment is different from the growth stage of a certain field and the accumulated temperature of a certain field is smaller than the accumulated temperature of the reference field.
図１３では、基準圃場の成長ステージがＲ５−Ｒ６であり、ある圃場の成長ステージがＲ１−Ｒ５である場合の補正値の計算処理について説明する。 FIG. 13 illustrates correction value calculation processing when the growth stage of the reference field is R5-R6 and the growth stage of a certain field is R1-R5.
まず、生育差補正部１１０は、ある圃場の積算温度とＲ５の積算温度との差、及びＲ１−Ｒ５のパラメータに基づいて、ある圃場のＲ５の積算温度に対応する特徴量を算出する。次に、生育差補正部１１０は、Ｒ５の積算温度と基準圃場の積算温度との差、及びＲ５−Ｒ６のパラメータに基づいて、ある圃場の基準圃場の積算温度に対応する特徴量を算出する。 First, the growth difference correction unit 110 calculates a feature amount corresponding to the accumulated temperature of R5 of a certain field based on the difference between the accumulated temperature of a certain field and the accumulated temperature of R5 and the parameters of R1-R5. Next, the growth difference correction unit 110 calculates a feature amount corresponding to the integrated temperature of the reference field of a certain field based on the difference between the integrated temperature of R5 and the integrated temperature of the reference field and the parameters of R5-R6. .
図１４は、実施例の基準圃場の成長ステージとある圃場の成長ステージとが異なり、ある圃場の積算温度が基準圃場の積算温度より大きい場合の補正値の計算処理の説明図である。 FIG. 14 is an explanatory diagram of correction value calculation processing in a case where the growth stage of a reference field is different from the growth stage of a certain field and the integrated temperature of a certain field is larger than the integrated temperature of the reference field.
まず、生育差補正部１１０は、ある圃場の積算温度とＲ６の積算温度との差、及びＲ６−Ｒ７のパラメータに基づいて、ある圃場のＲ６の積算温度に対応する特徴量を算出する。次に、生育差補正部１１０は、Ｒ６の積算温度と基準圃場の積算温度との差、及びＲ５−Ｒ６のパラメータに基づいて、ある圃場の基準圃場の積算温度に対応する特徴量を算出する。 First, the growth difference correction unit 110 calculates a feature amount corresponding to the accumulated temperature of R6 in a certain field based on the difference between the accumulated temperature of a certain field and the accumulated temperature of R6 and the parameters R6-R7. Next, the growth difference correction unit 110 calculates a feature amount corresponding to the integrated temperature of the reference field of a certain field based on the difference between the integrated temperature of R6 and the integrated temperature of the reference field and the parameters of R5-R6. .
ある圃場の積算温度及び特徴量をｘ１及びｙ１、Ｒ６の積算温度及び特徴量をｘＲ６及びｙＲ６、基準圃場の積算温度及び特徴量をｘ２、ｙ２とする。この場合、まず、生育差補正部１１０は、Ｒ６の特徴量であるｙＲ６を式４を用いて計算する。なお、Ｒ６の積算温度ｘＲ６は既知の値である。 Assume that the integrated temperature and feature amount of a certain field are x 1 and y 1 , the integrated temperature and feature amount of R 6 are x R 6 and y R 6 , and the integrated temperature and feature amount of the reference field are x 2 and y 2 . In this case, first, the growth difference correction unit 110 calculates yR6 , which is a feature amount of R6 , using Expression 4. The accumulated temperature xR6 of R6 is a known value.
ｙＲ６＝α６（ｘＲ６−ｘ１）＋ｙ１・・・（式４） y R6 = α 6 (x R6 −x 1 ) + y 1 (Formula 4)
次に、生育差補正部１１０は、基準圃場の積算温度に対応する特徴量であるｙ２を式５を用いて計算する。なお、ｘ２は、基準圃場の積算温度であり、既知の値である。 Next, the growth difference correction unit 110 calculates y 2 , which is a feature amount corresponding to the integrated temperature of the reference field, using Equation 5. Incidentally, x 2 is the reference field of the accumulated temperature is a known value.
ｙ２＝α５（ｘ２−ｘＲ６）＋ｙＲ６・・・（式５） y 2 = α 5 (x 2 −x R6 ) + y R6 (Formula 5)
他の植物である場合、他の植生特徴量を用いる場合、各成長ステージでの植物特性によって、積算温度と特徴量との関係が線形関数とならない可能性があるが、この場合には、積算温度と特徴量との関係を示す関数に応じて、ある圃場の基準圃場の積算温度に対応する特徴量を計算する。 In the case of other plants, when using other vegetation feature values, the relationship between the integrated temperature and the feature value may not be a linear function depending on the plant characteristics at each growth stage. In accordance with a function indicating the relationship between the temperature and the feature value, a feature value corresponding to the integrated temperature of a reference field of a certain field is calculated.
図１５は、実施例の生育統一画像生成部１１１によって生成される生育統一画像データの説明図である。 FIG. 15 is an explanatory diagram of the unified growth image data generated by the unified growth image generation unit 111 according to the embodiment.
生育統一画像生成部１１１は、高解像度リモートセンシング画像データ１０１ｄの各圃場の画像を、生育差補正部１１０が計算した各圃場の補正値を有する画像に差し替えた生育統一画像データを生成する。 The unified growth image generating unit 111 generates unified growth image data by replacing the image of each field of the high-resolution remote sensing image data 101d with an image having the correction value of each field calculated by the growth difference correcting unit 110.
図１５に示す（Ａ）は、高解像度リモートセンシング画像データ１０１ｄであり、日時がｔ０に撮影された画像である。例えば、基準圃場としてｐ５が選択された場合、圃場ｐ１、ｐ３、ｐ４、及びｐ８の積算温度と基準圃場ｐ５の積算温度とは同じであり、これらの圃場に生育差にずれはないものとする。 (A) shown in FIG. 15 is high-resolution remote sensing image data 101d, which is an image taken at the date and time t0. For example, when p5 is selected as the reference field, the integrated temperatures of the fields p1, p3, p4, and p8 are the same as the integrated temperature of the reference field p5, and there is no deviation in the growth difference between these fields. .
一方、圃場ｐ２及びｐ６の積算温度は基準圃場ｐ５の積算温度より小さく、圃場ｐ２及びｐ６は基準圃場ｐ５の生育より遅いものとする。また、圃場ｐ７及びｐ９の積算温度は基準圃場ｐ５の積算温度より大きく、圃場ｐ７及びｐ９は基準圃場ｐ５の生育より早い。このように、圃場ｐ２、ｐ６、ｐ７、及びｐ９と基準圃場ｐ５との間の生育にずれがある。 On the other hand, the integrated temperature of the fields p2 and p6 is lower than the integrated temperature of the reference field p5, and the fields p2 and p6 are slower than the growth of the reference field p5. Further, the integrated temperature of the fields p7 and p9 is larger than the integrated temperature of the reference field p5, and the fields p7 and p9 are faster than the growth of the reference field p5. Thus, there is a shift in the growth between the fields p2, p6, p7, and p9 and the reference field p5.
図１５に示す（Ｂ）では、圃場ｐ２、ｐ６、ｐ７、及びｐ９の画像は、基準圃場ｐ５の積算温度に対応する特徴量を示す画像に差し替えられる。圃場ｐ２及びｐ６は、基準圃場ｐ５の生育より遅いので、基準圃場ｐ５の積算温度に対応する特徴量を示すように、高解像度リモートセンシング画像データ１０１ｄの撮影日時ｔ０より後の日時に対応する画像に差し替えられる。具体的には、圃場ｐ２の画像は、撮影日時ｔ０よりｔ１後の日時に対応する画像（ｐ２’）に差し替えられ、圃場ｐ６の画像は、撮影日時ｔ０よりｔ２後の日時に対応する画像（ｐ６’）に差し替えられる。 In (B) shown in FIG. 15, the images of the fields p2, p6, p7, and p9 are replaced with images that indicate feature amounts corresponding to the integrated temperature of the reference field p5. Since the fields p2 and p6 are slower than the growth of the reference field p5, the images corresponding to the date and time after the shooting date and time t0 of the high-resolution remote sensing image data 101d are shown so as to indicate the feature amount corresponding to the integrated temperature of the reference field p5. Is replaced. Specifically, the image of the field p2 is replaced with an image (p2 ′) corresponding to the date and time after t1 from the shooting date and time t0, and the image of the field p6 is an image corresponding to the date and time after t2 from the shooting date and time t0 ( p6 ′).
圃場ｐ７及びｐ９は、基準圃場ｐ５の生育より早いので、高解像度リモートセンシング画像データ１０１ｄの撮影日時ｔ０より前の日時に対応する画像に差し替えられる。具体的には、圃場ｐ７の画像は、撮影日時ｔ０よりｔ３前の日時に対応する画像（ｐ６’）に差し替えられ、圃場ｐ９の画像は、撮影日時ｔ０よりｔ４前の日時に対応する画像（ｐ９’）に差し替えられる。 Since the fields p7 and p9 are earlier than the growth of the reference field p5, the images are replaced with images corresponding to the date and time before the shooting date and time t0 of the high-resolution remote sensing image data 101d. Specifically, the image of the field p7 is replaced with an image (p6 ′) corresponding to the date and time before t3 from the shooting date and time t0, and the image of the field p9 is an image corresponding to the date and time before t4 from the shooting date and time t0 ( p9 ').
なお、圃場の画像の差し替えは、生育統一画像生成部１１１によって実行される。生育統一画像生成部１１１は、各圃場の輪郭となるポリゴン内のピクセルを、基準圃場の積算温度に対応する特徴量を示すように生成し、各圃場の新たな画像を生成し、各圃場の画像を生成した新たな画像に差し替える。すなわち、生育統一画像生成部１１１は、圃場のポリゴン単位で圃場の画像を差し替える。以上のように、高解像度リモートセンシング画像データ１０１ｄ全体を生成せずに、補正する必要がある圃場の画像のみを生成するため、成長分析システムの処理負荷を軽減できる。 Note that the replacement of the farmland image is executed by the unified growth image generation unit 111. The unified growth image generation unit 111 generates a pixel in the polygon that is an outline of each field so as to indicate a feature amount corresponding to the integrated temperature of the reference field, generates a new image of each field, Replace the image with a new one. That is, the unified growth image generation unit 111 replaces the field image in units of polygons in the field. As described above, since only the image of the field that needs to be corrected is generated without generating the entire high-resolution remote sensing image data 101d, the processing load of the growth analysis system can be reduced.
以上によって、高解像度リモートセンシング画像データ１０１ｄは、基準圃場の積算温度に対応する特徴量を示す圃場の画像に差し替えた生育統一画像データを生成する。これによって、生育統一画像データ内の全ての圃場は、基準圃場の積算温度に対応する特徴量を示すので、各圃場の成長の分析が容易となる。例えば、ある圃場の基準圃場の積算温度に対応する特徴量が他の圃場の特徴量より良い値を示せば、当該圃場の植物が他の圃場の植物より成長が早いことを分析でき、ある圃場の基準圃場の積算温度に対応する特徴量が他の圃場の特徴量より悪い値を示せば、当該圃場の植物が他の圃場の植物より成長が遅いことを分析できる。 As described above, the high-resolution remote sensing image data 101d generates the growth unified image data in which the field image indicating the feature amount corresponding to the integrated temperature of the reference field is replaced. As a result, all the fields in the unified growth image data show the feature amount corresponding to the integrated temperature of the reference field, so that the growth of each field can be easily analyzed. For example, if the feature value corresponding to the accumulated temperature of the reference field of a certain field shows a better value than the feature value of the other field, it can be analyzed that the plant in the field grows faster than the plant in the other field. If the feature quantity corresponding to the accumulated temperature of the reference field of the field shows a worse value than the feature quantity of the other field, it can be analyzed that the plant in the field grows slower than the plant in the other field.
また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。また、上記の各構成、機能、処理部、処理手段などは、それらの一部または全部を、例えば集積回路で設計するなどによりハードウェアで実現してもよい。 Further, it is possible to add, delete, and replace other configurations for a part of the configuration of each embodiment. Each of the above-described configurations, functions, processing units, processing means, and the like may be realized by hardware by designing a part or all of them with, for example, an integrated circuit.
また、前記の各構成、機能などは、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。 Each of the above-described configurations, functions, and the like may be realized by software by interpreting and executing a program that realizes each function by the processor.
各機能を実現するプログラム、テーブル、ファイルなどの情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）などの記録装置、または、ＩＣ（Integrated Circuit）カード、ＳＤカード、ＤＶＤ（Digital Versatile Disc）などの記録媒体に置くことができる。 Information such as programs, tables, and files for realizing each function is stored in memory, a hard disk, a recording device such as an SSD (Solid State Drive), an IC (Integrated Circuit) card, an SD card, a DVD (Digital Versatile Disc), etc. Can be placed on any recording medium.
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際にはほとんど全ての構成が相互に接続されていると考えてもよい。 Further, the control lines and information lines indicate what is considered necessary for the explanation, and not all the control lines and information lines on the product are necessarily shown. Actually, it may be considered that almost all the components are connected to each other.
１０１ａ 時系列低解像度リモートセンシング画像データ
１０１ｂ 気象データ
１０１ｃ ＧＩＳデータ
１０１ｄ 高解像度リモートセンシング画像データ
１０２ リモートセンシング画像取得部
１０３ 気象データ取得部
１０４ データベース生成部
１０５ 成長モデル生成部
１０６ 成長ステージ抽出部
１０７ 成長ステージ解析部
１０８ 成長ステージ補正部
１０９ 生育差計算部
１１０ 生育差補正部
１１１ 生育統一画像生成部
１１２ データベース
１１３ 成長状況分析部
101a Time-series low-resolution remote sensing image data 101b Weather data 101c GIS data 101d High-resolution remote sensing image data 102 Remote sensing image acquisition unit 103 Weather data acquisition unit 104 Database generation unit 105 Growth model generation unit 106 Growth stage extraction unit 107 Growth stage Analysis unit 108 Growth stage correction unit 109 Growth difference calculation unit 110 Growth difference correction unit 111 Growth unified image generation unit 112 Database 113 Growth condition analysis unit
Claims (13)
前記植物の所定時期からの経過時間を示す時間情報に対応して、前記植物の成長の特徴量の変化が登録された植物成長モデルと、
前記リモートセンシング画像の一部である植物の複数の生育場所に対応する画像に基づいて、前記特徴量を算出する特徴量算出部と、
前記植物成長モデルを参照し、前記複数の生育場所の特徴量を基準時間情報に対応する特徴量に補正する生育差補正部と、
前記リモートセンシング画像の一部である前記複数の生育場所に対応する画像が前記補正後の特徴量を示すように、新たな画像を生成する画像生成部と、を備えることを特徴とする植物成長分析システム。 A plant growth analysis system for analyzing plant growth based on remote sensing images,
Corresponding to the time information indicating the elapsed time from the predetermined time of the plant, a plant growth model in which a change in the characteristic amount of growth of the plant is registered,
A feature amount calculation unit that calculates the feature amount based on an image corresponding to a plurality of growing places of a plant that is a part of the remote sensing image;
A growth difference correction unit that refers to the plant growth model and corrects the feature quantities of the plurality of growing places to feature quantities corresponding to reference time information;
An image generation unit that generates a new image so that an image corresponding to the plurality of growing places that is a part of the remote sensing image indicates the corrected feature amount, Analysis system.
気温情報を取得する気温情報取得部を備え、
前記気温情報取得部が取得した気温情報に基づいて、前記複数の生育場所に植えられた植物の所定時期から前記複数の生育場所に積算された積算温度を算出し、
前記算出した積算温度を前記時間情報として用いることを特徴とする植物成長分析システム。 The plant growth analysis system according to claim 1,
It has a temperature information acquisition unit that acquires temperature information,
Based on the temperature information acquired by the temperature information acquisition unit, to calculate the accumulated temperature accumulated in the plurality of growing places from a predetermined time of the plants planted in the plurality of growing places,
The plant growth analysis system using the calculated integrated temperature as the time information.
前記生育差補正部は、
前記リモートセンシング画像の前記複数の生育場所の中から一つの基準となる生育場所を選択し、
前記選択した生育場所の時間情報を前記基準時間情報に設定することを特徴とする植物成長分析システム。 The plant growth analysis system according to claim 1,
The growth difference correction unit
Select a reference growing place from the plurality of growing places of the remote sensing image,
A plant growth analysis system, wherein time information of the selected growing place is set as the reference time information.
前記生育差補正部は、前記リモートセンシング画像の前記複数の生育場所の時間情報が所定の条件を満たす一つの生育場所を、前記基準となる生育場所として選択することを特徴とする植物成長分析システム。 The plant growth analysis system according to claim 3,
The growth difference correcting unit selects, as the reference growth place, one growth place where time information of the plurality of growth places in the remote sensing image satisfies a predetermined condition. .
前記画像生成部は、前記リモートセンシング画像の一部である前記複数の生育場所に対応する画像を、前記補正後の特徴量を示す画像に差し替えることによって、前記新たな画像を生成することを特徴とする植物成長分析システム。 The plant growth analysis system according to claim 1,
The image generation unit generates the new image by replacing images corresponding to the plurality of growing places that are a part of the remote sensing image with images indicating the corrected feature amount. Plant growth analysis system.
前記画像生成部は、前記複数の生育場所に対応する画像の輪郭であるポリゴン単位で前記補正後の特徴量を示す画像に差し替えることを特徴とする植物成長分析システム。 The plant growth analysis system according to claim 5,
The plant growth analysis system, wherein the image generation unit replaces an image showing the corrected feature amount in a polygon unit that is an outline of an image corresponding to the plurality of growing places.
前記植物成長モデルを生成する植物成長モデル生成部を備え、
前記植物成長モデル生成部は、
過去の複数のリモートセンシング画像の前記複数の生育場所の時間情報及び特徴量を算出し、
前記算出した時間情報と前記算出した特徴量とを対応付けて登録することによって、前記植物成長モデルを生成することを特徴とする植物成長分析システム。 The plant growth analysis system according to claim 1,
A plant growth model generating unit for generating the plant growth model;
The plant growth model generation unit
Calculating time information and feature amounts of the plurality of growing places of the plurality of past remote sensing images;
A plant growth analysis system that generates the plant growth model by registering the calculated time information and the calculated feature amount in association with each other.
前記過去の複数のリモートセンシング画像は、複数年の年間を通した複数のリモートセンシング画像を含み、
前記植物成長モデル生成部は、
最新の年より前の各年の年間を通した複数のリモートセンシング画像に基づいて前記植物成長モデルを生成し、
前記最新の年の年間を通したリモートセンシング画像に基づいて、前記生成した植物成長モデルを補正することを特徴とする植物成長分析システム。 The plant growth analysis system according to claim 7,
The plurality of past remote sensing images includes a plurality of remote sensing images through a plurality of years.
The plant growth model generation unit
Generating the plant growth model based on a plurality of remote sensing images throughout each year prior to the latest year;
A plant growth analysis system, wherein the generated plant growth model is corrected based on a remote sensing image of the latest year.
前記植物成長モデル生成部は、
前記植物成長モデルを予め設定された時間情報に基づいて成長ステージに区分し、
前記成長ステージごとに、前記特徴量の変化を示すパラメータを算出することを特徴とする植物成長分析システム。 The plant growth analysis system according to claim 7,
The plant growth model generation unit
The plant growth model is divided into growth stages based on preset time information,
A plant growth analysis system, wherein a parameter indicating a change in the feature amount is calculated for each growth stage.
前記算出されるパラメータは、前記植物の成長のメカニズムを反映したものであることを特徴とする植物成長分析システム。 The plant growth analysis system according to claim 9,
The plant growth analysis system characterized in that the calculated parameter reflects a mechanism of growth of the plant.
前記生育差補正部は、前記成長ステージのパラメータを用いて、前記複数の生育場所の特徴量を基準時間情報に対応する特徴量に補正することを特徴とする植物成長分析システム。 The plant growth analysis system according to claim 9,
The plant growth analysis system, wherein the growth difference correction unit corrects the feature amounts of the plurality of growing places to feature amounts corresponding to reference time information using the parameters of the growth stage.
前記生育差補正部は、前記生育場所の時間情報と前記基準時間情報との間に前記複数の成長ステージを含む場合、前記複数の生育ステージの各パラメータを用いて前記生育場所の特徴量を前記基準時間情報に対応する特徴量に補正することを特徴とする植物成長分析システム。 The plant growth analysis system according to claim 11,
When the growth difference correction unit includes the plurality of growth stages between the time information of the growing place and the reference time information, the feature value of the growing place is calculated using each parameter of the plurality of growing stages. A plant growth analysis system characterized by correcting to a feature amount corresponding to reference time information.
前記メモリには、前記植物の所定時期からの経過時間を示す時間情報に対応して、前記植物の成長の特徴量の変化が登録された植物成長モデルが記憶され、
前記植物成長分析方法は、
前記プロセッサが、前記リモートセンシング画像の一部である植物の複数の生育場所に対応する画像に基づいて、前記特徴量を算出し、
前記プロセッサが、前記植物成長モデルを参照し、前記複数の生育場所の特徴量を基準時間情報に対応する特徴量に補正し、前記複数の生育場所の生育差を補正し、
前記プロセッサが、前記リモートセンシング画像の一部である前記複数の生育場所に対応する画像が前記補正後の特徴量を示すように、新たな画像を生成することを特徴とする植物成長分析方法。 A plant growth analysis method for analyzing plant growth based on remote sensing images in a computer system comprising a processor and a memory,
In the memory, a plant growth model in which a change in the characteristic amount of the growth of the plant is registered corresponding to time information indicating an elapsed time from the predetermined time of the plant, is stored.
The plant growth analysis method comprises:
The processor calculates the feature amount based on an image corresponding to a plurality of growing places of a plant that is a part of the remote sensing image,
The processor refers to the plant growth model, corrects the feature quantities of the plurality of growing places to feature quantities corresponding to reference time information, corrects the growth differences of the plurality of growing places,
A plant growth analysis method, wherein the processor generates a new image so that images corresponding to the plurality of growing places which are a part of the remote sensing image indicate the corrected feature amount.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015000712A JP6285875B2 (en) | 2015-01-06 | 2015-01-06 | Plant growth analysis system and plant growth analysis method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015000712A JP6285875B2 (en) | 2015-01-06 | 2015-01-06 | Plant growth analysis system and plant growth analysis method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2016123369A JP2016123369A (en) | 2016-07-11 |
| JP6285875B2 true JP6285875B2 (en) | 2018-02-28 |
Family
ID=56358334
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2015000712A Active JP6285875B2 (en) | 2015-01-06 | 2015-01-06 | Plant growth analysis system and plant growth analysis method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6285875B2 (en) |
Families Citing this family (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6781014B2 (en) * | 2016-11-09 | 2020-11-04 | 日本電信電話株式会社 | Image generation method, image difference detection method, image generation device and image generation program |
| JP6954537B2 (en) * | 2018-03-30 | 2021-10-27 | 広島県 | Herbaceous plant growth control methods, growth control systems, programs and storage media |
| CN109142359A (en) * | 2018-08-23 | 2019-01-04 | 中国水利水电科学研究院 | A kind of crop growth monitoring method based on time series remotely-sensed data |
| JP6932682B2 (en) * | 2018-11-26 | 2021-09-08 | 株式会社メルカリ | Programs, information processing methods, and information processing equipment |
| JP7176980B2 (en) * | 2019-02-27 | 2022-11-22 | 株式会社日立製作所 | Crop management system and crop management method |
| JP7474031B2 (en) * | 2019-03-29 | 2024-04-24 | 株式会社トプコン | Field information management device, field information management system, control method for field information management device, and field information management program |
| JP7229864B2 (en) * | 2019-06-28 | 2023-02-28 | 株式会社日立製作所 | REMOTE SENSING IMAGE ACQUISITION TIME DETERMINATION SYSTEM AND CROPT GROWTH ANALYSIS METHOD |
| WO2021152774A1 (en) * | 2020-01-30 | 2021-08-05 | サグリ株式会社 | Information processing device |
| CN111521562A (en) * | 2020-03-19 | 2020-08-11 | 航天信德智图（北京）科技有限公司 | Cotton vegetation index remote sensing detection method based on Sentinel-2 satellite |
| CN111382724A (en) * | 2020-04-01 | 2020-07-07 | 宿迁学院 | NDVI time sequence complex hurst-based low-temperature-resistant plant identification method |
| JP2022014139A (en) | 2020-07-06 | 2022-01-19 | 株式会社日立製作所 | Vegetation management system and method for managing vegetation |
| CN112084839B (en) * | 2020-07-21 | 2024-03-05 | 沈阳农业大学 | Method for integrally analyzing abiotic stress causes of small-plot corn in sky-ground |
| CN112213265B (en) * | 2020-09-29 | 2023-10-10 | 水利部牧区水利科学研究所 | Vegetation coverage monitoring system based on unmanned aerial vehicle remote sensing technology |
| WO2022070232A1 (en) * | 2020-09-29 | 2022-04-07 | 株式会社サタケ | Method for acquiring protein content in cereal |
| JP7041794B1 (en) * | 2020-11-27 | 2022-03-24 | 楽天グループ株式会社 | Sensing system, sensing data acquisition method, and control device |
| JP2023028354A (en) | 2021-08-19 | 2023-03-03 | ヒタチ・エナジー・スウィツァーランド・アクチェンゲゼルシャフト | Vegetation management system and vegetation management method |
| CN114885832A (en) * | 2022-06-22 | 2022-08-12 | 淮安泓澄豆丹养殖有限公司 | Soybean variety screening method for clanis bilineata tsingtauica |
| WO2024002930A1 (en) | 2022-06-29 | 2024-01-04 | Hitachi Energy Ltd | Vegetation management system and vegetation management method |
| CN116701859B (en) * | 2023-05-29 | 2024-01-30 | 河北省科学院地理科学研究所 | Plant activity accumulated temperature estimation method based on full remote sensing data |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05260863A (en) * | 1992-03-19 | 1993-10-12 | Kanagawa Pref Gov | Nutriculture and equipment therefor |
| JP2003006612A (en) * | 2001-06-20 | 2003-01-10 | Ntt Data Corp | Device and method for predicting harvest |
| US20040032973A1 (en) * | 2002-08-13 | 2004-02-19 | Eastman Kodak Company | Method for using remote imaging to predict quality parameters for agricultural commodities |
| JP2005151851A (en) * | 2003-11-21 | 2005-06-16 | Mayekawa Mfg Co Ltd | Farm-crop demand-and-supply management system, processed food acceptance-and-sending order system, and farming support system |
| JP4873545B2 (en) * | 2006-05-16 | 2012-02-08 | 株式会社日立ソリューションズ | Field management support method and system |
| JP5886054B2 (en) * | 2012-01-16 | 2016-03-16 | 株式会社日立製作所 | Image analysis system and method |
| JP6147579B2 (en) * | 2013-06-18 | 2017-06-14 | 株式会社日立製作所 | Yield prediction system and yield prediction device |
-
2015
- 2015-01-06 JP JP2015000712A patent/JP6285875B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2016123369A (en) | 2016-07-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6285875B2 (en) | Plant growth analysis system and plant growth analysis method | |
| Fang et al. | Corn‐yield estimation through assimilation of remotely sensed data into the CSM‐CERES‐Maize model | |
| Son et al. | Classification of multitemporal Sentinel-2 data for field-level monitoring of rice cropping practices in Taiwan | |
| Cunliffe et al. | Ultra-fine grain landscape-scale quantification of dryland vegetation structure with drone-acquired structure-from-motion photogrammetry | |
| JP7176980B2 (en) | Crop management system and crop management method | |
| JP2015188333A (en) | Vegetation growth analyzing system and method | |
| JP7229864B2 (en) | REMOTE SENSING IMAGE ACQUISITION TIME DETERMINATION SYSTEM AND CROPT GROWTH ANALYSIS METHOD | |
| JP6960698B2 (en) | Crop-related value derivation device and crop-related value derivation method | |
| Sarkar et al. | High‐throughput measurement of peanut canopy height using digital surface models | |
| Diao et al. | Hybrid phenology matching model for robust crop phenological retrieval | |
| CN108596029A (en) | Crop classification method, apparatus, computer equipment and storage medium | |
| Marshall et al. | Testing a high-resolution satellite interpretation technique for crop area monitoring in developing countries | |
| Yu et al. | Deep convolutional neural networks for estimating maize above-ground biomass using multi-source UAV images: A comparison with traditional machine learning algorithms | |
| JP2022060277A (en) | Crop related value derivation device and crop related value derivation method | |
| Amankulova et al. | Comparison of PlanetScope, Sentinel-2, and landsat 8 data in soybean yield estimation within-field variability with random forest regression | |
| Dineshkumar et al. | Phenological monitoring of paddy crop using time series modis data | |
| CN107437262B (en) | Crop planting area early warning method and system | |
| Amankulova et al. | Sunflower crop yield prediction by advanced statistical modeling using satellite-derived vegetation indices and crop phenology | |
| Lykhovyd | Forecasting oil crops yields on the regional scale using normalized difference vegetation index | |
| Junges et al. | Identification of croplands of winter cereals in Rio Grande do Sul state, Brazil, through unsupervised classification of normalized difference vegetation index images | |
| More et al. | Deducing rice crop dynamics and cultural types of Bangladesh using geospatial techniques | |
| JP7445969B2 (en) | Estimation device, estimation method, and program | |
| Gao et al. | Integrating remote sensing data from multiple optical sensors for ecological and crop condition monitoring | |
| Shao et al. | Large-scale mapping of new mixed rice cropping patterns in southern China with phenology-based algorithm and MODIS dataset | |
| Vong et al. | Estimation of corn emergence date using UAV imagery |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170308 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20171109 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180109 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180202 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6285875 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |