JP6708789B2 - 植林地の生産性の予測方法 - Google Patents
植林地の生産性の予測方法 Download PDFInfo
- Publication number
- JP6708789B2 JP6708789B2 JP2019513605A JP2019513605A JP6708789B2 JP 6708789 B2 JP6708789 B2 JP 6708789B2 JP 2019513605 A JP2019513605 A JP 2019513605A JP 2019513605 A JP2019513605 A JP 2019513605A JP 6708789 B2 JP6708789 B2 JP 6708789B2
- Authority
- JP
- Japan
- Prior art keywords
- soil
- productivity
- content
- value
- candidate site
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G23/00—Forestry
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/22—Improving land use; Improving water use or availability; Controlling erosion
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/40—Afforestation or reforestation
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Environmental Sciences (AREA)
- General Physics & Mathematics (AREA)
- Forests & Forestry (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Botany (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Description
〔1〕(A)〜(D)を含む、植林候補地の生産性の予測方法:
(A):基準林地における土壌成分値と土壌スペクトルとを多変量解析により整理し、土壌成分値と土壌スペクトルとの相関関係を得ること;
(B):基準林地の生産性と地形情報と土壌成分値とを多変量解析により整理し、生産性と地形情報と土壌成分値との相関関係を得ること;
(C):植林候補地の土壌スペクトルから、(A)で得られた相関関係に基づき、土壌成分値の予測値を得ること;および
(D):植林候補地の地形情報、および植林候補地の土壌分析値または(C)で得られた土壌成分値の予測値から、(B)で得られた相関関係に基づき、前記植林候補地の生産性の予測値を得ること。
〔2〕前記土壌成分値は、前記基準林地の土壌の、含水比、有機物含有量、pH、リン原子含有量、カリウム原子含有量、カルシウム原子含有量、マグネシウム原子含有量、ナトリウム原子含有量、アルミニウム原子含有量、水素原子含有量、アルミニウム飽和度、酸度、交換性塩基総量、塩基置換容量、塩基飽和度、硫黄原子含有量、ホウ素原子含有量、銅原子含有量、鉄原子含有量、マンガン原子含有量、亜鉛原子含有量、全窒素量、アンモニア態窒素量、塩素原子含有量、粘土含有量、シルト含有量、砂含有量、および全炭素量からなる群より選ばれる少なくとも1つを含む、〔1〕に記載の予測方法。
〔3〕前記生産性は、樹木の年間成長量である、〔1〕または〔2〕に記載の予測方法。
〔4〕前記地形情報は、傾斜角および標高から選ばれる少なくとも1つを含む、〔1〕〜〔3〕のいずれか1項に記載の予測方法。
〔5〕多変量解析は、PLS回帰分析である、〔1〕〜〔4〕のいずれか1項に記載の予測方法。
〔6〕(A)における土壌成分値と土壌スペクトルとの相関関係は、土壌成分値を目的変数とし土壌スペクトルを説明変数とする、土壌スペクトルからの土壌成分値推定式である、〔5〕に記載の予測方法。
〔7〕(B)における生産性と地形情報と土壌成分値との相関関係は、生産性を目的変数とし土壌成分値と地形情報を説明変数とする、土壌成分値と地形情報からの植林候補地の生産性推定式である、〔5〕または〔6〕に記載の予測方法。
〔8〕(C)は、植林候補地の土壌スペクトルを(A)で得られる土壌成分値推定式に適用して土壌成分値の予測値を得ることである、〔6〕または〔7〕に記載の予測方法。
〔9〕(D)は、植林候補地の地形情報と土壌成分値を(B)で得られる生産性推定式に適用して植林候補地の生産性の予測値を得ることである、〔6〕〜〔8〕のいずれか1項に記載の予測方法。
〔10〕植林候補地は、ユーカリ属植物の植林候補地である、〔1〕〜〔9〕のいずれか1項に記載の予測方法。
〔11〕〔1〕〜〔10〕のいずれか1項に記載の予測方法により少なくとも1つの植林候補地の生産性の予測値を得て、生産性の予測値が高い植林候補地を植林地として選抜することを含む、植林地の選抜方法。
〔12〕〔11〕に記載の選抜方法により選抜された植林地において植林を行うことを含む、植林方法。
〔13〕〔11〕に記載の選抜方法により選抜された植林地において樹木の生産を行うことを含む、樹木の生産方法。
〔14〕土壌スペクトル測定装置、土壌成分値測定装置、およびデータ処理手段を含む〔1〕〜〔10〕のいずれか1項に記載の方法を実施できる、植林候補地の予測システム。
工程(A):基準林地における土壌成分値と土壌スペクトルとを多変量解析により整理し、土壌成分値と土壌スペクトルとの相関関係を得ること;
工程(B):基準林地の生産性と地形情報と土壌成分値とを多変量解析により整理し、生産性と地形情報と土壌成分値との相関関係を得ること;
工程(C):植林候補地の土壌スペクトルから、(A)で得られた相関関係に基づき、土壌成分値の予測値を得ること;および
工程(D):植林候補地の地形情報、および植林候補地の土壌分析値または(C)で得られた土壌成分値の予測値から、(B)で得られた相関関係に基づき、前記植林候補地の生産性の予測値を得ること。
工程(A)においては、基準林地における土壌成分値と土壌スペクトルとを多変量解析により整理し、土壌成分値と土壌スペクトルとの相関関係を得る。
工程(B)においては、基準林地の生産性と地形情報と土壌成分値とを多変量解析により整理し、生産性と地形情報と土壌成分値との相関関係を得る。
工程(C)においては、植林候補地の土壌スペクトルから、(A)で得られた相関関係に基づき、土壌成分値の予測値を得る。
工程(D)においては、植林候補地の地形情報、および植林候補地の土壌分析値または(C)で得られた土壌成分値の予測値から、(B)で得られた相関関係に基づき、前記植林候補地の生産性の予測値を得る。
ブラジル連邦共和国アマパ州のユーカリ植林地5.5年生(合計30地点)において、生産性の推定試験を行った。試験はフローチャート(図1)に従って行った。
植林地の生産性として、年間成長量(m3/ha/年)を用いた。年間成長量の算出は以下の手順で行った。まず、試験地30地点のそれぞれに生息するユーカリの単一樹種、系統(Eucalyptus urograndis)40本の樹高、胸高直径を実測した。年間成長量の算出は以下の手順で行った。下記式に基づき調査時点の単木材積を算出し、各試験地の平均値を求めた。次にhaあたりの植栽本数(土地により1000本〜1500本)をかけ、試験地1haあたりのユーカリの材積成長量を算出し、試験期間(年)で割って、成長量(年間材積成長量(m3/ha/年))を算出した。
単木材積=(胸高直径(m))2×樹高(m)×係数
係数:0.3〜0.4
地形情報として、試験地の30地点において、標高、傾斜角を収集した。標高および傾斜角のいずれも、地理情報解析ソフト(ArcGIS ESRI社)から得た。
試験地の30地点において、地上から深さ20cmまでの土壌をサンプリングし、土壌サンプルを得た。各土壌サンプルについて、表1に示す28項目の各土壌成分値を常法により得た。
各土壌サンプルについて、FieldSpec4(ASD社)によりスペクトル測定を実施した(図2)。実測値について「The Unscrambler X」((株)カモソフトウェアジャパン)を用い前処理(平滑化処理、微分処理等)を施して、得られる補正値を以下の多変量解析の際用いた(図3)。
土壌成分値(K含有量、S含有量および粘土)を目的変数、補正後の土壌スペクトルを説明変数として、「The Unscrambler X」((株)カモソフトウェアジャパン)を用いて多変量解析(PLS回帰分析)を行い、土壌成分値推定式を作成した。
生産性を目的変数、土壌成分値(K含有量、S含有量および粘土)と地形情報(傾斜角)を説明変数として、多変量解析(PLS解析)を行い、生産性推定式を作成した。
植林候補地として、ユーカリ植林地3.5年生(合計9地点)を選択し、試験地について説明したのと同様の方法で土壌スペクトルの測定を行い、土壌成分値推定式から土壌成分値の推定値を得た。また、地形情報収集を行い、得られる地形情報と土壌成分の推定値とから、生産性推定式に基づき、生産性を推定した。図5〜7に、土壌成分値推定式により得たカリウム含有量の推定値、硫黄含有量の推定値、粘土含有量の推定値とそれぞれの実測値との相関性を示す。図8に、地形情報と上記各土壌成分の推定値とから生産性推定式により得た生産性の推定値と、生産性実測値との相関性を示す。図5〜7から明らかなとおり、実際の土壌成分値と推定式から得られる土壌成分値とは、高い相関を示していた。図8から明らかなとおり、上記生産性推定式により得た生産性の推定値と生産性の実測値とは、高い相関を示していた。
Claims (14)
- (A)〜(D)を含む、植林候補地の生産性の予測方法:
(A):基準林地における土壌成分値と土壌スペクトルとを多変量解析により整理し、土壌成分値と土壌スペクトルとの相関関係を得ること;
(B):基準林地の生産性と地形情報と土壌成分値とを多変量解析により整理し、生産性と地形情報と土壌成分値との相関関係を得ること;
(C):植林候補地の土壌スペクトルから、(A)で得られた相関関係に基づき、土壌成分値の予測値を得ること;および
(D):植林候補地の地形情報、および植林候補地の土壌分析値または(C)で得られた土壌成分値の予測値から、(B)で得られた相関関係に基づき、前記植林候補地の生産性の予測値を得ること。 - 前記土壌成分値は、前記基準林地の土壌の、含水比、有機物含有量、pH、リン原子含有量、カリウム原子含有量、カルシウム原子含有量、マグネシウム原子含有量、ナトリウム原子含有量、アルミニウム原子含有量、水素原子含有量、アルミニウム飽和度、酸度、交換性塩基総量、塩基置換容量、塩基飽和度、硫黄原子含有量、ホウ素原子含有量、銅原子含有量、鉄原子含有量、マンガン原子含有量、亜鉛原子含有量、全窒素量、アンモニア態窒素量、塩素原子含有量、粘土含有量、シルト含有量、砂含有量、および全炭素量からなる群より選ばれる少なくとも1つを含む、請求項1に記載の予測方法。
- 前記生産性は、樹木の年間成長量である、請求項1または2に記載の予測方法。
- 前記地形情報は、傾斜角および標高から選ばれる少なくとも1つを含む、請求項1〜3のいずれか1項に記載の予測方法。
- 多変量解析は、PLS回帰分析である、請求項1〜4のいずれか1項に記載の予測方法。
- (A)における土壌成分値と土壌スペクトルとの相関関係は、土壌成分値を目的変数とし土壌スペクトルを説明変数とする、土壌スペクトルからの土壌成分値推定式である、請求項5に記載の予測方法。
- (B)における生産性と地形情報と土壌成分値との相関関係は、生産性を目的変数とし土壌成分値と地形情報を説明変数とする、土壌成分値と地形情報からの植林候補地の生産性推定式である、請求項5または6に記載の予測方法。
- (C)は、植林候補地の土壌スペクトルを(A)で得られる土壌成分値推定式に適用して土壌成分値の予測値を得ることである、請求項6または7に記載の予測方法。
- (D)は、植林候補地の地形情報と土壌成分値を(B)で得られる生産性推定式に適用して植林候補地の生産性の予測値を得ることである、請求項6〜8のいずれか1項に記載の予測方法。
- 植林候補地は、ユーカリ属植物の植林候補地である、請求項1〜9のいずれか1項に記載の予測方法。
- 請求項1〜10のいずれか1項に記載の予測方法により少なくとも1つの植林候補地の生産性の予測値を得て、生産性の予測値が高い植林候補地を植林地として選抜することを含む、植林地の選抜方法。
- 請求項11に記載の選抜方法により選抜された植林地において植林を行うことを含む、植林方法。
- 請求項11に記載の選抜方法により選抜された植林地において樹木の生産を行うことを含む、樹木の生産方法。
- 土壌スペクトル測定装置、土壌成分値測定装置、およびデータ処理手段を含む請求項1〜10のいずれか1項に記載の方法を実施できる、植林候補地の予測システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017081592 | 2017-04-17 | ||
JP2017081592 | 2017-04-17 | ||
PCT/JP2018/015526 WO2018193984A1 (ja) | 2017-04-17 | 2018-04-13 | 植林地の生産性の予測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018193984A1 JPWO2018193984A1 (ja) | 2019-11-07 |
JP6708789B2 true JP6708789B2 (ja) | 2020-06-10 |
Family
ID=63857088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019513605A Active JP6708789B2 (ja) | 2017-04-17 | 2018-04-13 | 植林地の生産性の予測方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6708789B2 (ja) |
WO (1) | WO2018193984A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220117620A (ko) * | 2021-02-17 | 2022-08-24 | (주) 심플그로우 | 딥러닝 기반의 식물 관리를 위한 장치, 서버 및 시스템 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6820625B1 (ja) * | 2020-06-18 | 2021-01-27 | 日本森林総研株式会社 | サーバ、森林データ利用システム、森林データ利用方法およびプログラム |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES1056486Y (es) * | 2003-12-26 | 2004-07-16 | Inst Madrileno De Investigacio | Simulador de lluvia para estudios medioambientales. |
JP2006038511A (ja) * | 2004-07-23 | 2006-02-09 | Tokyo Univ Of Agriculture & Technology | 土壌分析方法及び土壌分析装置 |
JP2006115768A (ja) * | 2004-10-21 | 2006-05-11 | Oji Paper Co Ltd | 植物管理方法 |
JP4794390B2 (ja) * | 2006-08-08 | 2011-10-19 | 大成建設株式会社 | 杭基礎補強構造および補強方法 |
JP2008206421A (ja) * | 2007-02-23 | 2008-09-11 | Kansai Electric Power Co Inc:The | マングローブの生長予測システム、マングローブの植林適地判定システム、マングローブの生長予測方法、及びマングローブの植林適地判定方法 |
JP2015132863A (ja) * | 2012-04-27 | 2015-07-23 | 住友林業株式会社 | 生産活動と生産地の保全を統合した排出権創出方法 |
JPWO2016043007A1 (ja) * | 2014-09-17 | 2017-06-29 | 住友林業株式会社 | 樹木成長の簡易予測法 |
-
2018
- 2018-04-13 JP JP2019513605A patent/JP6708789B2/ja active Active
- 2018-04-13 WO PCT/JP2018/015526 patent/WO2018193984A1/ja active Application Filing
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220117620A (ko) * | 2021-02-17 | 2022-08-24 | (주) 심플그로우 | 딥러닝 기반의 식물 관리를 위한 장치, 서버 및 시스템 |
KR102645282B1 (ko) * | 2021-02-17 | 2024-03-08 | (주) 심플그로우 | 딥러닝 기반의 식물 관리를 위한 장치, 서버 및 시스템 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2018193984A1 (ja) | 2019-11-07 |
WO2018193984A1 (ja) | 2018-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kuyah et al. | Allometry and partitioning of above-and below-ground biomass in farmed eucalyptus species dominant in Western Kenyan agricultural landscapes | |
Peichl et al. | Biometric and eddy-covariance based estimates of carbon fluxes in an age-sequence of temperate pine forests | |
Melin et al. | Decomposition of stump and root systems of Norway spruce in Sweden—a modelling approach | |
Brandeis et al. | Development of equations for predicting Puerto Rican subtropical dry forest biomass and volume | |
Sun et al. | Energy and water balance of two contrasting loblolly pine plantations on the lower coastal plain of North Carolina, USA | |
Márialigeti et al. | The effects of stand structure on ground-floor bryophyte assemblages in temperate mixed forests | |
Campoe et al. | Stand-level patterns of carbon fluxes and partitioning in a Eucalyptus grandis plantation across a gradient of productivity, in São Paulo State, Brazil | |
Hellsten et al. | Nutrient concentrations in stumps and coarse roots of Norway spruce, Scots pine and silver birch in Sweden, Finland and Denmark | |
Cukor et al. | Afforested farmland vs. forestland: Effects of bark stripping by Cervus elaphus and climate on production potential and structure of Picea abies forests | |
Hassler et al. | Tree-, stand-and site-specific controls on landscape-scale patterns of transpiration | |
González-García et al. | Above-ground biomass estimation at tree and stand level for short rotation plantations of Eucalyptus nitens (Deane & Maiden) Maiden in Northwest Spain | |
Moore et al. | Estimating transpiration and the sensitivity of carbon uptake to water availability in a subalpine forest using a simple ecosystem process model informed by measured net CO2 and H2O fluxes | |
Sohrabi et al. | Above-and below-ground biomass and carbon stocks of different tree plantations in central Iran | |
JP6708789B2 (ja) | 植林地の生産性の予測方法 | |
Hall et al. | A growth and yield model for Eucalyptus benthamii in the southeastern United States | |
Niu et al. | Rubber tree transpiration in the lowlands of Sumatra | |
Zellers et al. | Development of allometric leaf area models for intensively managed black walnut (Juglans nigra L.) | |
Diallo et al. | Ecological structure and prediction equations for estimating tree age, and dendometric parameters of acacia senegal in the senegalese semi-arid zone—ferlo | |
Karki et al. | SWAT-3PG: Improving forest growth simulation with a process-based forest model in SWAT | |
Liu et al. | Dynamic simulation of the multilayer crown net photosynthetic rate and determination of the functional crown for larch (Larix olgensis) trees | |
Rai et al. | Simulation of maize and soybean yield using DSSAT under long-term conventional and no-till systems | |
Ayari et al. | Alternative sampling methods to estimate structure and reproductive characteristics of Aleppo pine forest in Tunisia | |
Baral et al. | Effect of tree canopy opening in the regeneration layer of Terai Sal (Shorea robusta Gaertn.) forest in Western Nepal: A case study | |
Olayode et al. | Carbon stock in teak stands of selected forest reserves in Southwestern Nigeria | |
Alderweireld et al. | Belgium (Wallonia) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190711 |
|
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: 20200421 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200521 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6708789 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |