JP6708789B2

JP6708789B2 - 植林地の生産性の予測方法

Info

Publication number: JP6708789B2
Application number: JP2019513605A
Authority: JP
Inventors: 英治岩田; 悠生久永; 澁澤　栄; 栄澁澤; 正和小平
Original assignee: NATIONAL UNIVERSITY CORPORATION TOKYO UNIVERSITY OF AGRICULUTURE & TECHNOLOGY; Nippon Paper Industries Co Ltd
Current assignee: NATIONAL UNIVERSITY CORPORATION TOKYO UNIVERSITY OF AGRICULUTURE & TECHNOLOGY; Nippon Paper Industries Co Ltd
Priority date: 2017-04-17
Filing date: 2018-04-13
Publication date: 2020-06-10
Anticipated expiration: 2038-04-13
Also published as: JPWO2018193984A1; WO2018193984A1

Description

本発明は、植林地の生産性の予測方法に関する。

木材生産を目的とした産業植林や、森林保全、環境保全活動などの環境植林において、植林の管理、生産計画を効率的に行うために、植林地の生産性を事前に予測することが重要である。産業植林では、資産である植林木の成長量（蓄積量）の最大化や低コスト化を行うために、環境植林では樹種選定や低コスト化を行うために、植栽に適した土地、施業を選択することが求められる。

特許文献１には、地盤高度、土壌硬度、および土壌中の水分含有量、酸化還元電位、ｐＨ、導電率、Ｃ含有量、Ｎ含有量、ＣとＮとの比率、Ｃａ含有量、Ｍｇ含有量、Ｋ含有量、Ｎａ含有量等の、植林地環境におけるマングローブの生長に関与する複数のパラメータと、この植林地環境におけるマングローブの樹高とに基づいて所定年数後の植林地における植林木の樹高を推定する判定式を作成し、上記パラメータの実測値から判定式により樹高を予測する方法が記載されている。非特許文献１には、土と水のバランスおよび栄養蓄積に関連して、土の深さが植林地のラジアータパインの生産性に大きく関わること、および、特定の判定式により、葉のリン原子量、土の深さ、ｐＨ、および土壌全窒素量から樹高を予測できることが記載されている。

特許文献２には、対象地近傍の土壌の色、特性、養分の分析値から説明変数を得て、当該説明変数より、対象地近傍の樹木の成長データとの検量式を得て、当該検量式に対象地の各分析結果を当てはめて、対象地における樹木の成長度合いを予測する方法が記載されている。特許文献３には、分析対象の土壌に光を照射して得られる反射光から土壌スペクトルを得て、他の複数の土壌から同様に得られる土壌スペクトルの波形から求められる特徴スペクトルと対比することにより、土壌の特性を分析できることが記載されている。非特許文献２には、トラクタ搭載型土壌分析システムを用いて可視光−近赤外光土壌拡散スペクトルを測定してＰＬＳ回帰分析を行って土壌分析値を推定する方法が記載されている。

特開２００８−２０６４２１号公報国際公開第２０１６／４３００７号特開２００６−３８５１１号公報

Ｓａｎｃｈｅｚ−Ｒｏｄｒｉｇｕｅｚ，Ｆｅｔａｌ（２００２）ＦｏｒｅｓｔＥｃｏｌｏｇｙａｎｄＭａｎａｇｅｍｅｎｔ１７１，１８１−１８９小平正和、澁澤栄（２０１６）農業食料工学会誌７８（５），４０１−４１５

しかしながら、既存技術はいずれも予測対象として植林木の樹高のみ、または土壌の性質のみに着目しており、植林地や植林木の生産性を一貫して評価する方法ではなかった。このように植林地や植林木の生産性の予測方法の開発が進んでいない理由としては、以下が考えられる：（１）林業では土壌成分や地形が密接且つ複雑に関連していること；（２）所有する土地全てを利用することが一般的であり、使用する土地の選択は想定されていないこと；（３）林業では伐期が長く（国内林業では通常４０〜５０年）、現在伐期を迎えている植林木の植栽以前は土地の生産性を評価する手段がなくそのような手段の必要性も求められていなかったこと；および（４）実生苗は個体ごとに遺伝的にばらつきがあり、植林後に成長性を正確に予測することができなかったこと。

本発明は、斯かる課題を解決し、植林木の生産性を含めた植林候補地の生産性を迅速、簡易、かつ正確に予測できる方法を提供することを目的とする。

本発明は、以下を提供する。
〔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。

本発明によれば、植林候補地の生産性を、土壌成分値、土壌スペクトル、地形情報等から迅速かつ簡易に評価し、植林地を選抜することができる。特に、樹木の樹高だけでなく、胸高直径を含めた植林木の成長量を基に植林候補地の生産性を評価することができる。

図１は、実施例の試験手順を示す図である。図２は、実施例において得られた土壌スペクトル（前処理前）を示す図である。図３は、実施例において得られた土壌スペクトル（前処理後）を示す図である。図４は、実施例における土壌成分値の実測値からの生産性の推定精度を示す図である。図５は、実施例におけるカリウム原子含有量の推定精度を示す図である。図６は、実施例における硫黄原子含有量の推定精度を示す図である。図７は、実施例における粘土含有量の推定精度を示す図である。図８は、実施例における土壌成分値の推定値からの生産性の推定精度を示す図である。

本発明の植林候補地の生産性の予測方法は、以下の工程を含む：
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）〕
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。

基準林地は、土壌成分値、地形情報、および生産性が得られる地域であればよく、林地の少なくとも一部であればよい。林地は、天然林、人工林のいずれでもよいが、人工林（植林地）が好ましい。基準林地の面積は、特に限定されないが、通常は５０ｍ²以上である。また、基準林地はＧＰＳ（ＧｌｏｂａｌＰｏｓｉｔｉｏｎｉｎｇＳｙｓｔｅｍ）もしくはＤＧＰＳ（ＤｉｆｆｅｒｅｎｔｉａｌＧｌｏｂａｌＰｏｓｉｔｉｏｎｉｎｇＳｙｓｔｅｍ）により位置情報が管理できる場所であることが好ましい。基準林地は、以下のいずれかの要件を満たすことが好ましい：気候が植林候補地と同一または類似であること；地形が植林候補地と同一または類似であること；植林候補地と距離が近いこと；植林候補地で生育予定の樹木種と同一種または近縁種の樹木が生育していること。

基準林地に生育している樹木は、木本植物であればよく特に限定されないが、例えば、ユーカリ属（Ｅｕｃａｌｙｐｔｕｓ）植物、スギ属（Ｃｒｙｐｔｏｍｅｒｉａ）植物、マツ属（Ｐｉｎｕｓ）植物、サクラ属（Ｐｒｕｎｕｓ）植物（サクラ（Ｐｒｕｎｕｓｓｐｐ．）、ウメ（Ｐｒｕｎｕｓｍｕｍｅ）、ユスラウメ（Ｐｒｕｎｕｓｔｏｍｅｎｔｏｓａ）など）、マンゴー属（Ｍａｎｇｉｆｅｒａ）植物（マンゴー（Ｍａｎｇｉｆｅｒａｉｎｄｉｃａ）など）、アカシア属（Ａｃａｃｉａ）植物、ヤマモモ属（Ｍｙｒｉｃａ）植物、クヌギ属（Ｑｕｅｒｃｕｓ）植物（クヌギ（Ｑｕｅｒｃｕｓａｃｕｔｉｓｓｉｍａ）など）、ブドウ（Ｖｉｔｉｓ）属植物、リンゴ（Ｍａｌｕｓ）属植物、バラ属（Ｒｏｓａ）植物、ツバキ属（Ｃａｍｅｌｌｉａ）植物、ジャカランダ属（Ｊａｃａｒａｎｄａ）植物（ジャカランダ（Ｊａｃａｒａｎｄａｍｉｍｏｓｉｆｏｌｉａ）など）、ワニナシ属（Ｐｅｒｓｅａ）植物（アボカド（Ｐｅｒｓｅａａｍｅｒｉｃａｎａ）など）、ヒノキ属（Ｃｈａｍａｅｃｙｐａｒｉｓ）植物、カラマツ属（Ｌａｒｉｘ）植物、モミ属（Ａｂｉｅｓ）植物、コナラ属（Ｑｕｅｒｃｕｓ）植物が挙げられ、これらのうち、ユーカリ属植物、スギ属植物、マツ属植物が好ましい。

土壌成分値は、土壌の性状を示す数値であればよく、例えば、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、および全炭素量が挙げられ、カリウム原子含有量、硫黄原子含有量および粘土含有量が好ましい。土壌成分値は、上記の少なくとも１つであればよいが、２以上の組み合わせが好ましく、３以上の組み合わせがより好ましい。上限は特になく、解析精度に応じて適宜決定できる。

基準林地における土壌成分値は、基準林地において測定して得ることができる。測定方法は特に限定されず、それぞれの土壌成分値の測定の際に用いられる方法を利用すればよい。

土壌成分値は、基準林地の中から選ばれる測定地点１か所で得られる測定値でもよいが、２以上の測定地点で得られる測定値の平均値であることが好ましい。測定地点は１０以上が好ましく、１５以上がより好ましく、２０以上がさらに好ましく、２５以上がさらにより好ましい。

土壌スペクトルは、土壌に光を照射した際に得られるスペクトルである。土壌スペクトルは、通常、光を照射して反射光を測定することにより得られる。土壌スペクトルの波長領域は、通常は、可視光または近赤外光領域であり、好ましくは３５０〜２５００ｎｍ、より好ましくは５００ｎｍ〜２５００ｎｍ、さらに好ましくは５００〜１６００ｎｍである。土壌スペクトルの測定には、近赤外光等の光を照射し、透過光または拡散反射光スペクトルを解析することができる装置であればよく、分光計測に一般的に用いられている分光計測装置（例えば、ＦｉｅｌｄＳｐｅｃ４（ＡＳＤ社）、ＳＡＳ（シブヤ精機）等）を用いることができる。

土壌スペクトルの基準林地における測定地点は、好ましくは２以上、より好ましくは１０以上、さらに好ましくは１５以上、さらにより好ましくは２０以上、とりわけ好ましくは２５以上である。

土壌スペクトルは、多変量解析に先立ち前処理されることが好ましい。これにより、サンプル間のばらつきを補正でき、ノイズ、アウトライヤーなどの影響を除外できるため、データの質を高めることができる。前処理としては例えば、平滑化処理、微分処理（例えば、一次微分処理、二次微分処理）、補正処理（例えば、多重散乱補正処理（ＭＳＣ）、標準正規変数処理（ＳＮＶ）、拡張多重散乱補正処理（ＥＭＳＣ）、ベースライン補正処理）、平均化処理、オートスケール処理、レンジスケール処理、分散スケール処理、ノーマライズ処理、常用対数処理（ｌｏｇ１０）、掛け算処理、引き算処理が挙げられる。

基準林地における土壌成分値と土壌スペクトルとの整理に用いる多変量解析としては、例えば、部分最小二乗（ＰＬＳ）回帰分析、重回帰分析、主成分分析（ＰＣＳ）、主成分回帰分析（ＰＣＲ）、およびフーリエ変換解析が挙げられる。これらのうち、重回帰分析等他の方法で生じ得る多重共線性の問題を回避できること、スペクトルなどの多数の説明変数による推定が可能であること、少ないサンプル数による推定が可能であること、予測性能が高いこと等の理由からＰＬＳ回帰分析が好ましい。

多変量解析がＰＬＳ回帰分析である場合の、工程（Ａ）の一例を以下に示す。ＰＬＳ回帰分析における回帰モデルに従い、土壌スペクトルを説明変数とし、土壌成分値を目的変数として行列を作成し、当該説明変数をＰＬＳアルゴリズムに基づき変換し、ＰＬＳ回帰モデルの式に代入することで、土壌スペクトルからの土壌成分値推定式（検量線、検量式モデル）が得られる。ＰＬＳ回帰分析におけるＰＬＳアルゴリズムおよび回帰モデルは、例えば「ＰＬＳ回帰におけるモデル選択」（橋本淳樹、田中豊著、アカデミア．情報理工学編：南山大学紀要、２０１０年、ｈｔｔｐ：／／ｗｗｗ．ｓｅｔｏ．ｎａｎｚａｎ−ｕ．ａｃ．ｊｐ／ｓｔ／ｎａｓ／ａｃａｄｅｍｉａ／ｖｏｌ＿０１０ｐｄｆ／１０−０３９−０４９．ｐｄｆ）に記載されている。

〔工程（Ｂ）〕
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。

基準林地は、工程（Ａ）において説明したとおりであり、工程（Ａ）の基準林地と工程（Ｂ）の基準林地は同一である。

基準林地の生産性は、数値で表されることが好ましく、基準林地に生育する樹木の年間成長量、月間成長量等の成長量がより好ましく、林業で一般的に用いられている生産性の指標であることから、年間成長量がより好ましい。年間成長量の算出方法としては、例えば、樹木の樹高、胸高直径を実測する方法、成長曲線を用いて希望する樹齢の材積を推定する方法、伐採期間が確定している場合には蓄積量（材積）を推定する方法が挙げられ、伐採期間、樹齢の特定を省略できることから実施例に示す方法が好ましい。

生産性は、基準林地の中から選ばれる測定地点１か所で得られる測定値でもよいが、２以上の測定地点で得られる測定値の平均値であることが好ましい。測定地点は１０以上が好ましく、１５以上がより好ましく、２０以上がさらに好ましく、２５以上がさらにより好ましい。

基準林地の地形情報は、地形を表す数値であることが好ましい。地形情報としては例えば、傾斜角、標高、方角、土壌層の深さ、土壌層の硬さが挙げられ、傾斜角、標高が好ましく、標高がより好ましい。地形情報は、測定値として得てもよいし、公的機関等で提供される地理情報分析システムなどを利用して得てもよい。地形情報の測定方法は、特に限定されず、公知の方法によることができる。

地形情報は、基準林地の中から選ばれる１か所の地形情報でもよいが、２か所以上の地形情報の平均値であることが好ましい。地形情報は１０か所以上の平均値が好ましく、１５か所以上の平均値がより好ましく、２０か所以上の平均値がさらに好ましく、２５か所以上の平均値がさらにより好ましい。

基準林地の生産性と地形情報と土壌成分値とを整理するための多変量解析としては、工程（Ａ）における多変量解析と同様の具体例、好ましい例が挙げられる。多変量解析がＰＬＳ回帰分析である場合の、工程（Ｂ）の一例を以下に示す。土壌成分値と地形情報を説明変数とし、生産性を目的変数として行列を作成し、当該説明変数をＰＬＳアルゴリズムに基づき変換し、ＰＬＳ回帰モデルの式に代入することで、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が得られる。

〔工程（Ｃ）〕
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。

植林候補地の土壌スペクトルおよびその測定方法は、工程（Ａ）において説明した定義および具体例と同様である。植林候補地の土壌スペクトルは、植林候補地の２以上の測定地点で得られる測定値の平均値であることが好ましい。測定地点は１０以上が好ましく、１５以上がより好ましく、２０以上がさらに好ましく、２５以上がさらにより好ましい。（Ａ）において土壌成分値の推定式を得た場合には、植林候補地の土壌スペクトルの測定値を当該式に適用することで、土壌成分値の予測値を得ることができる。

〔工程（Ｄ）〕
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。

植林候補地の地形情報は、工程（Ｂ）において説明した定義および具体例と同様である。植林候補地の土壌分析値は、測定値でもよいし予測値でもよい。すなわち、植林候補地の土壌分析値から実際に測定して得られる測定値でもよいし、（Ｃ）において得た土壌成分値の推定式に、植林候補地の地形情報を適用することで得られる予測値でもよい。植林候補地の土壌スペクトルは、植林候補地において測定することができる。土壌スペクトルの測定法は、工程（Ａ）において説明したのと同様である。（Ｂ）において生産性の推定式を得た場合には、植林候補地の土壌分析値および植林候補地の土壌スペクトルを当該式に適用することで、植林地の生産性の予測値を得ることができる。

本発明によれば、さまざまな植林候補地の生産性を、迅速、簡易、かつ正確に予測できることから、植林、および樹木の生産を計画的に進めることができる。具体的には、樹木の樹高だけでなく、胸高直径を含めた植林木の成長量を基に植林候補地の生産性を予測することができる。例えば、上記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ができる。植林候補地が２以上の場合には、各植林候補地の生産性の予測値を得て、予測値が高いほうの植林候補地を植林地として選抜すればよい。これにより、選抜された植林地において計画的に植林を行うことができ、すなわち樹木の生産を行うことができる。

本発明によれば、上記植林候補地の予測方法を実施するための、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予測システムも提供される。土壌成分値測定装置は、上記予測方法で求められる土壌成分値を測定できる装置であればよい。予測システムはさらに、データ記憶装置を含んでもよい。データ記憶装置は、工程（Ａ）から（Ｄ）における各測定値（平均値、最高値、最低値、偏差を含む）、各予測値、各相関関係（例えば、推定式）を記憶することができる。予測ステムはさらに、演算装置を含んでもよい。演算装置は、工程（Ａ）から（Ｄ）における各相関関係、予測値を算出できる装置である。

実施例１〔ユーカリ植林地の生産性の予測〕
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。

〔試験地における樹木の年間成長量の算出〕
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（Ｅｕｃａｌｙｐｔｕｓｕｒｏｇｒａｎｄｉｓ）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。

［式］
単木材積＝（胸高直径（ｍ））²×樹高（ｍ）×係数
係数：０．３〜０．４

〔試験地の地形情報の収集〕
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（ＡｒｃＧＩＳＥＳＲＩ社）から得た。

〔試験地の土壌成分値の測定〕
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。

〔基準林地の土壌スペクトル測定〕
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「ＴｈｅＵｎｓｃｒａｍｂｌｅｒＸ」（（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）。

〔土壌成分値推定式〕
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、「ＴｈｅＵｎｓｃｒａｍｂｌｅｒＸ」（（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。

〔生産性推定式〕
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。

図４に、土壌分析値の実測値を用いて生産性推定式により得た生産性の予測値と生産性の実測値との相関性を示す。図４から明らかなとおり、実際の生産性と推定式から得られる生産性とは、高い相関を示していた。

〔植林候補地の土壌スペクトルの測定、地形情報収集、土壌成分値の推定、および生産性の予測〕
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

（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。