JP7461650B2

JP7461650B2 - 生育状態予測方法及び生育状態予測プログラム

Info

Publication number: JP7461650B2
Application number: JP2020206604A
Authority: JP
Inventors: 貴文木下; 崇人室; 岳彦山本; 大輔山内
Original assignee: National Agriculture and Food Research Organization
Current assignee: National Agriculture and Food Research Organization
Priority date: 2020-12-14
Filing date: 2020-12-14
Publication date: 2024-04-04
Anticipated expiration: 2040-12-14
Also published as: JP2022093884A

Description

本発明は、生育状態予測方法及び生育状態予測プログラムに関する。

近年、東北地域においてタマネギ栽培が広まりつつあるが、東北地域は広いため多様な気象条件があり、また、新興産地であるために生産者が経験不足であるなどの理由から、安定生産が難しい。このため、栽培前に予め産地ごとの収穫時期や収穫量を把握して作付計画を策定できることが好ましい。

従来、タマネギの収穫日や収穫量は、タマネギ産地近傍の公設試験研究機関やＪＡ等で実施した栽培試験の結果（定植時期、品種、栽植密度、平均収量等）に基づく栽培暦に、産地の気象条件を勘案することで予測していた。

一方、最近では、一部の野菜品目ではあるが、過去の気象・生育データ等から生育モデルを用いて収量を予測する取り組みが進められている（例えば、特許文献１等参照）。

特開２０２０－０５３０３９号公報

上述した過去の栽培試験の結果に基づく予測方法では、地域や年次による気象条件の違いへの対応や、作業分散を図るために定植日や品種の組み合わせを検討して最適化することが難しいため、複数年にわたる栽培試験を行い、当該地域に合った栽培暦を作成する必要がある。また、上述した生育モデルを用いる予測方法は、タマネギやニンニクなどの結球性ユリ科作物に適用することは難しい。

そこで、本発明は、結球性ユリ科作物の生育情報を精度よく予測することが可能な生育状態予測方法及び生育状態予測プログラムを提供することを目的とする。

本発明の生育状態予測方法は、結球性ユリ科作物の生育状態を予測する生育状態予測方法であって、日毎の平均気温と日長とに基づいて前記結球性ユリ科作物の日毎の発育速度に関する第１の値を算出し、定植日からの前記第１の値の積算値である第２の値に基づいて、前記結球性ユリ科作物の日毎の球部乾物比率を算出し、日射量と葉に関する値とに基づいて算出される前記結球性ユリ科作物の日毎の乾物重と、前記日毎の球部乾物比率と、に基づいて、前記結球性ユリ科作物の球部の重量を予測する、処理をコンピュータが実行する生育状態予測方法である。

本発明の生育状態予測方法及び生育状態予測プログラムは、結球性ユリ科作物の生育情報を精度よく予測することができるという効果を奏する。

一実施形態に係る生育状態予測システムの構成が概略的に示す図である。図２（ａ）は、サーバのハードウェア構成を示す図であり、図２（ｂ）は、利用者端末のハードウェア構成を示す図である。一実施形態における生育モデルを示す図である。発育指数と葉部乾物比率の関係を示すグラフである。サーバの機能ブロック図である。サーバの処理を示すフローチャートである。ワークテーブルを示す図（その１）である。ワークテーブルを示す図（その２）である。ワークテーブルを示す図（その３）である。図１０（ａ）、図１０（ｂ）は、利用者端末の表示部に出力される表の一例を示す図である。発育指数に基づいて葉部乾物比率と球部乾物比率を決定する場合と、固定する場合の収量予測精度を示す表である。

以下、一実施形態に係る結球性ユリ科作物の生育状態予測方法について、詳細に説明する。本実施形態では、結球性ユリ科作物のうち、タマネギの生育状態を予測する方法について説明するが、その他の結球性ユリ科作物、例えばラッキョウ、ニンニク、ワケギ等の生育状態を予測する場合も同様である。

図１には、一実施形態に係る生育状態予測システムの構成が概略的に示されている。本実施形態の生育状態予測システム１００は、タマネギを栽培する生産者がタマネギの作付け計画や出荷計画を策定する際に、ある栽培地点において、いつ定植すると、いつ収穫日が到来し、そのときの収量がどの程度になるのかを確認するためのシステムである。

生育状態予測システム１００は、図１に示すように、サーバ１０と、利用者端末７０と、を備える。サーバ１０及び利用者端末７０は、インターネットなどのネットワーク８０に接続されている。

サーバ１０は、データセンタ等に設置される情報処理装置であり、タマネギを栽培する地点（栽培地点）の環境情報（平年値や、過去データ、予測データなど）や、利用者端末７０から入力される情報を用い、図３に示すような生育モデルに基づいて、栽培地点におけるタマネギの生育状態の変化を推定する。そして、サーバ１０は、栽培地点におけるタマネギの収穫日や収量を推定し、推定結果を利用者端末７０に出力する。

図２（ａ）には、サーバ１０のハードウェア構成が示されている。図２（ａ）に示すように、サーバ１０は、コンピュータとしてのＣＰＵ（Central Processing Unit）９０、ＲＯＭ（Read Only Memory）９２、ＲＡＭ（Random Access Memory）９４、記憶部（ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等）９６、ネットワークインタフェース９７、及び可搬型記憶媒体用ドライブ９９等を備えている。これらサーバ１０の構成各部は、バス９８に接続されている。サーバ１０では、ＲＯＭ９２あるいは記憶部９６に格納されているプログラム（生育状態予測プログラムを含む）、或いは可搬型記憶媒体用ドライブ９９が可搬型記憶媒体９１から読み取ったプログラム（生育状態予測プログラムを含む）をＣＰＵ９０が実行することにより、図５に示す各部の機能が実現される。なお、図５の各部の機能は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されてもよい。なお、図５の各部の詳細については、後述する。

利用者端末７０は、生産者等が利用可能なＰＣ（Personal Computer）等の端末であり、生産者等による作物の生体情報の入力を受け付けてサーバ１０に対して送信したり、サーバ１０の推定結果を受信して、表示したりする。利用者端末７０は、図２（ｂ）に示すようなハードウェア構成を有する。具体的には、利用者端末７０は、図２（ｂ）に示すように、ＣＰＵ１９０、ＲＯＭ１９２、ＲＡＭ１９４、記憶部（ＨＤＤ等）１９６、ネットワークインタフェース１９７、表示部１９３、入力部１９５、及び可搬型記憶媒体１９１の読み取りが可能な可搬型記憶媒体用ドライブ１９９等を備えている。これら利用者端末７０の構成各部は、バス１９８に接続されている。表示部１９３は、液晶ディスプレイ等を含み、入力部１９５は、キーボード、マウス、タッチパネル等を含む。

（生育モデルについて）
本実施形態では、図３に示すような生育モデルに基づいて、タマネギの生育状態を予測する。以下、図３に基づいて、生育モデルの概要について説明する。なお、以下において説明する式や係数は一例であるので、種々変更が可能である。

図３の生育モデルにおいて、タマネギの群落受光率は、葉面積指数（ＬＡＩ：Leaf Area Index）と吸光係数（ｋ）の関数で表される。例えば、群落受光率は次式（１）のように表される。
群落受光率＝１－ｅ^－k×LAIn …（１）

ここで、葉面積指数ＬＡＩ_nは、定植日からｎ日目における単位土地面積（１ｍ²）に対する作物の全葉面積（ｍ²）を意味する。すなわち、葉面積指数（m²/m²）は、個体あたり葉面積と栽植密度の積であるといえる。なお、定植日（ｎ＝１）の葉面積や栽植密度については、生産者が入力するものとするが、過去の平均値等を用いてもよい。一方、定植日以降の葉面積指数ＬＡＩ_nについては、後述する計算により求める。吸光係数（ｋ）は、タマネギの場合、品種固有の値であるものとする。例えば、ｋは一例として０．２８５であるものとする。

また、図３の生育モデルでは、日乾物増加量（ΔＴＤＷ_n）は、群落受光率と、日積算日射量ＳＲ_nと、日射利用効率ＲＵＥ_nとの関数として表される。例えば、日乾物増加量（ΔＴＤＷ_n）は、次式（２）のように表される。
ΔＴＤＷ_n＝ＳＲ_n×（１－ｅ^－0.285LAIn）×ＲＵＥ_n …（２）

なお、日射利用効率ＲＵＥ_nは、次式（３）から算出することができる。
ＲＵＥ_n＝ａ×Ｔ_n＋ｂ …（３）

ここで、Ｔ_nは、日平均気温である。また、ａ、ｂは、前日の日平均気温により変化する係数であり、一例として、前日の日平均気温Ｔ_n-1が２３℃未満であれば、ａ＝０．１５４、ｂ＝－１．５３９であり、Ｔ_n-1が２３℃以上であれば、ａ＝－０．１１１、ｂ＝４．５５６であるものとする。なお、ａ，ｂは、タマネギの場合、品種固有の値である。

また、図３の生育モデルでは、ｎ日目の総乾物重（ＴＤＷ_n）は、日乾物増加量（ΔＴＤＷ_n）と前日の総乾物重（ＴＤＷ_n-1）との和として表される。すなわち、ｎ日目の総乾物重（ＴＤＷ_n）は、次式（４）のように表される。
ＴＤＷ_n＝ＴＤＷ_n-1＋ΔＴＤＷ_n …（４）

このｎ日目の総乾物重（ＴＤＷ_n）は、実際には、球部乾物重と葉部乾物重に配分される。この配分の際に用いる葉部乾物比率（ＬＤＷＲ_n）について、本発明者が検証した結果、発育指数（ＤＶＩ）との間に、図４において破線にて示すような関係があることが分かった。なお、図４の各点は、本発明者が実施した栽培試験から得られたデータを示しており、破線は各点から得られる近似曲線である。また、グラフ中の日付は、各試験における定植日を意味する。

図４の近似曲線は、次式（５）のように表される。
ＬＤＷＲ_n
＝－０．１４４×ＤＶＩ_n ²+０．１１９×ＤＶＩ_n＋０．６７５ …（５）

ここで、ｎ日目の発育指数ＤＶＩ_nは、次式（６）のように、ｉ日目（１～ｎ日目）の発育速度ＤＶＲ_iの積算値である。
ＤＶＩ_n＝ΣＤＶＲ_i …（６）

上式（６）のＤＶＲ_iは、ｉ日目の日平均気温をＴ_iと、ｉ日目の日長Ｌ_iとの関数で表され、例えば、次式（７）、（８）のように表すことができる。なお、次式（７）、（８）は、栽培試験から得られた式であり、タマネギの場合、品種固有の式である。
０≦ＤＶＩ_i-1＜１の場合、
ＤＶＲ_i＝－０．０００８４×（Ｔ_i－５．０）×（Ｌ_i－１３．０） …（７）
１≦ＤＶＩ_i-1≦２の場合
ＤＶＲ_i＝０．０３３（一定） …（８）

ここで、発育指数ＤＶＩの値は、実際のタマネギの生育状態（ステージ）を表すものである。例えば、図４の例では、発育指数ＤＶＩが、０＜ＤＶＩ＜１の間は、タマネギの球部肥大が起こる前の段階であることを示す。また、１≦ＤＶＩ≦２の間は、球部肥大が起こっている間の段階であることを示す。そして、ＤＶＩ＝２は、タマネギを収穫できる状態を示す。したがって、本発明者は、上式（６）から得られるＤＶＩが２以上になった日を収穫日と判断した。

なお、上式（５）のようにして求められる葉部乾物比率ＬＤＷＲ_nを用いると、球部乾物比率ＢＤＷＲ_nは、次式（９）のように表される。
ＢＤＷＲ_n＝１－ＬＤＷＲ_n …（９）

更に、上式（５）、(９)の葉部乾物比率ＬＤＷＲ_n、球部乾物比率ＢＤＷＲ_nからは、葉部乾物重ＬＤＷ_n、球部乾物重ＢＤＷ_nを次式（１０）、（１１）のように表すことができる。
ＬＤＷ_n＝ＴＤＷ_n×ＬＤＷＲ_n …（１０）
ＢＤＷ_n＝ＴＤＷ_n×ＢＤＷＲ_n …（１１）

また、翌日の葉面積指数ＬＡＩ_n＋1は、葉部乾物重ＬＤＷ_nの関数で表され、例えば、次式（１２）のように表される。なお、次式（１２）の係数（＝０．０１７５）は、タマネギの場合、品種固有の値である。
ＬＡＩ_n+1＝０．０１７５×ＬＤＷ_n
＝０．０１７５×ＴＤＷ_n×ＬＤＷＲ_n …（１２）

この葉面積指数ＬＡＩ_n+1については、翌日のタマネギの生育状態を求める際に利用することができる。

また、収穫日における球部重量ＢＦＷ_hvsは、収穫日における球部乾物重ＢＤＷ_hvsの関数として表され、例えば、次式（１３）のように表される。
ＢＦＷ_hvs＝ＢＤＷ_hvs×０．３８３×Ｔ_bulbing …（１３）

なお、ＢＤＷ_hvsは、前述のようにＤＶＩが２以上になる日の球部乾物重を意味する。また、上式（１３）のＴ_bulbingは、肥大開始から収穫日までの平均気温、すなわち、ＤＶＩが１～２の間の平均気温を意味する。

また、収穫日における球部生体収量ＢＦＹ_hvsは、例えば、次式（１４）のように表される。
ＢＦＹ_hvs＝ＢＦＷ_hvs×栽植密度 …（１４）
この球部生体収量ＢＦＹ_hvsは、収穫日における収量であるといえる。

（サーバ１０の機能について）
次に、図５に基づいて、サーバ１０が有する機能について説明する。

図５に示すように、サーバ１０においては、ＣＰＵ９０がプログラムを実行することにより、総乾物重算出部２０、発育指数算出部２２、乾物重分配部２４、ＬＡＩ算出部２８、及び収穫日・収量推定部３０、の機能が実現されている。

総乾物重算出部２０は、図３の生育モデルにおける枠Ａで囲まれた範囲の処理を実行して、ｎ日目の総乾物重ＴＤＷ_nを算出する。

発育指数算出部２２は、図３の枠Ｂで囲まれた範囲の処理を実行して、ｎ日目の発育速度ＤＶＲ_nや発育指数ＤＶＩ_nを算出する。

乾物重分配部２４は、発育指数ＤＶＩ_nから葉部乾物比率ＬＤＷＲ_nや、球部乾物比率ＢＤＷＲ_nを算出し、これらの比率ＬＤＷＲ_n、ＢＤＷＲ_nや総乾物重ＴＤＷ_nを用いて、葉部乾物重ＬＤＷ_n及び球部乾物重ＢＤＷ_nを算出する。

ＬＡＩ算出部２８は、乾物重分配部２４が算出した葉部乾物重ＬＤＷ_nに基づいて、翌日のＬＡＩ（ＬＡＩ_n+1）を算出する。

収穫日・収量推定部３０は、発育指数算出部２２が算出した発育指数ＤＶＩ_nに基づいて、収穫日を推定する。また、収穫日・収量推定部３０は、収穫日における球部乾物重に基づいて、収穫日の球部重量ＢＦＷ_hvsを算出（推定）する。更に、収穫日・収量推定部３０は、収穫日の球部重量ＢＦＷ_hvsに基づいて、収穫日の球部生体収量ＢＦＹ_hvsを算出（推定）する。そして、収穫日・収量推定部３０は、推定結果を利用者端末７０に対して出力する。

（サーバ１０の処理について）
次に、図６のフローチャートに沿って、その他図面を参照しつつ、サーバ１０の処理について詳細に説明する。

なお、図６の処理を開始する前提として、生産者等が、利用者端末７０の入力部９５から、定植日、定植日の葉面積、植栽密度、前日の総乾物重ＴＤＷ₀の情報を入力しているものとする。サーバ１０は、入力された情報に基づいて、図７に示すようなワークテーブルを準備する。ワークテーブルには、図７に示すように、定植日以降の日平均気温（℃）、日長（ｈ）、日積算日射量（MJ/m²）（いずれも、過去の同日における平均値や、予測値など）が格納される。また、ワークテーブルには、定植日のＬＡＩ₁（m₂/m₂）として、生産者等が入力した葉面積に関する情報から算出した値が格納される。更に、ワークテーブルには、各日の日平均気温から算出したＲＵＥ（g/MJ）が格納される。なお、ＲＵＥは、日平均気温Ｔ_nを用い、上式（３）から算出した値である。この状態から、図６の処理が開始される。

ステップＳ１０では、総乾物重算出部２０が、タマネギの苗を定植してからの日数を示すパラメータｎを１に設定する（ｎ＝１）。

次いで、ステップＳ１２では、総乾物重算出部２０が、ｎ日目の日乾物増加量ΔＴＤＷ_nを、上式（２）に基づいて算出する。また、総乾物重算出部２０は、次のステップＳ１４において、ｎ日目の総乾物重ＴＤＷ_nを上式（４）に基づいて算出する。

次いで、ステップＳ１６では、発育指数算出部２２が、ＤＶＩ_n-1の値を参照し、０≦ＤＶＩ_n-1＜１の範囲に含まれるか否かを判断する。発育指数算出部２２は、ステップＳ１６の判断が肯定された場合にはステップＳ１８に移行するが、否定された場合にはステップＳ２０に移行する。なお、ｎ＝１の段階では、ステップＳ１６の判断は肯定される。

ステップＳ１６の判断が肯定されて、ステップＳ１８に移行すると、発育指数算出部２２は、発育速度ＤＶＲの算出式として第１式（本実施形態では上式（７））を設定する。一方、ステップＳ１６の判断が否定されて、ステップＳ２０に移行すると、発育指数算出部２２は、発育速度の算出式として第２式（本実施形態では上式（８））を設定する。

ステップＳ１８、Ｓ２０のいずれかを経て、ステップＳ２２に移行すると、発育指数算出部２２は、ｎ日目の日平均気温Ｔ_nと日長Ｌ_nを用いて、設定されている式（上式（７）、（８）のいずれか）から、ｎ日目の発育速度ＤＶＲ_nを算出する。

次いで、ステップＳ２４では、発育指数算出部２２が、上式（６）のようにｎ日目までの発育速度を積算し、ｎ日目の発育指数ＤＶＩ_nを算出する。

次いで、ステップＳ２６では、乾物重分配部２４が、ｎ日目の葉部乾物比率ＬＤＷＲ_nと球部乾物比率ＢＤＷＲ_nを算出するとともに、葉部乾物重ＬＤＷ_n及び球部乾物重ＢＤＷ_nを算出する。ここでは、乾物重分配部２４は、ステップＳ２４で算出した発育指数ＤＶＩ_nを用いて、上式（５）、（９）から、葉部乾物比率ＬＤＷＲ_nと球部乾物比率ＢＤＷＲ_nを算出し、これらの比率ＬＤＷＲ_n、ＢＤＷＲ_nを用いて、上式（１０）、（１１）から、ｎ日目の葉部乾物重ＬＤＷ_n、球部乾物重ＢＤＷ_nを算出する。

次いで、ステップＳ２８では、ＬＡＩ算出部２８が、葉部乾物重ＬＤＷ_nを用いて、上式（１２）から、翌日のＬＡＩ（ＬＡＩ_n+1、ここではＬＡＩ₂）を算出する。

ここまでの処理が行われると、処理の結果得られたデータがワークテーブルに追加され、ワークテーブルは図８に示すようになる。具体的には、図８に示すように、ワークテーブルの定植日の行に、発育速度ＤＶＲ（/d）、発育指数ＤＶＩ、総乾物重ＴＤＷ_n（ｇ/m²）、葉部乾物重ＬＤＷ_n（ｇ/m²）、球部乾物重ＢＤＷ_n（ｇ/m²）の各値が追加されるとともに、定植日の次の日の行のＬＡＩの値も追加される。

次いで、ステップＳ３０では、収穫日・収量推定部３０が、ＤＶＩ_nが２以上であるか否かを判断する。このステップＳ３０の判断が否定されると、ステップＳ３２に移行する。

ステップＳ３２に移行すると、総乾物重算出部２０が、ｎを１インクリメントする（ｎ←ｎ+１）。すなわち、翌日の推定処理に移行する。

その後は、上述した処理（ステップＳ１２～Ｓ３２）を繰り返し実行する。この繰り返し処理においては、前日の処理（Ｓ２８）で得られた翌日のＬＡＩを用いることとする。そして、データが蓄積し、図９の最下行に示すように、ＤＶＩ_nの値が２以上になった段階で、ステップＳ３０の判断が肯定され、ステップＳ３４に移行する。なお、図９においては、日付「2019/6/26」の発育指数ＤＶＩが１を超えているため、この日が「球部肥大開始推定日」として示されている。

ステップＳ３４に移行すると、収穫日・収量推定部３０は、ｎ日目を収穫日と推定する。また、収穫日・収量推定部３０は、ｎ日目の球部乾物重ＢＤＷ_n（＝ＢＤＷ_hvs）を用いて、上式（１３）から、球部重量ＢＦＷ_hvs（g/m²）を算出する。そして、収穫日・収量推定部３０は、上式（１４）のように球部重量ＢＦＷ_hvs（g/m²）に圃場の栽植密度を乗じることで、圃場における球部生体収量（kg/m²）を推定する。

以上により、図６の全処理が終了する。なお、図６の処理の後、収穫日・収量推定部３０は、推定された収穫日の情報や、収穫日における収量の情報、図９のワークテーブルのうち必要な情報を、利用者端末７０に対して出力する。この場合、図６の処理の直後に利用者端末７０に対して情報を出力してもよいし、利用者端末７０側からの求めに応じて、利用者端末７０に対して情報を出力することとしてもよい。

生産者等は、利用者端末７０に表示される情報を確認することで、タマネギの作付け計画や出荷計画を策定することができる。例えば、図１０（ａ）に示すように、推定した球部肥大開始日、収穫日、球部乾物重、球部乾物比率、球部生体収量を記載した表を出力することができる。この場合、作業者等は、図１０（ｂ）に示すように、表に実測値を入力することで、予測値と実測値を比較することも可能である。

図１１には、本実施形態のように葉部乾物比率と球部乾物比率を発育指数ＤＶＩから求め、球部乾物重を推定した場合と、葉部乾物比率と球部乾物比率を固定値とした場合（比較例）を比較した表が示されている。本実施形態のように発育指数ＤＶＩを用いて葉部乾物比率と球部乾物比率を求めた場合には、収穫時の球部乾物重を実測値とほとんど誤差なく予測することができた。一方、比較例のように、葉部乾物比率と球部乾物比率を固定値とすると、収穫時の球部乾物重の予測値と実測値との間に大きな誤差が生じた。このような結果になったのは、葉部乾物比率と球部乾物比率を固定値とすると、球部肥大に対応できず、球部乾物重を過小評価するためであると考えられる。

このように、本実施形態では、発育指数ＤＶＩを用いて葉部乾物比率と球部乾物比率を決定することで、収量（球部生体収量ＢＦＹ_hvs）を精度よく推定することが可能となっている。

以上、詳細に説明したように、本実施形態によると、発育指数算出部２２は、ｎ日目の日平均気温Ｔ_nと日長Ｌ_nとに基づいてタマネギの発育速度に関する第１の値（発育速度ＤＶＲ_n）を算出し（Ｓ２２）、乾物重分配部２４は、定植日からの発育速度ＤＶＲ_nの積算値である第２の値（発育指数ＤＶＩ_n）に基づいて、タマネギの球部乾物比率ＢＤＷＲ_nを算出する（Ｓ２６）。また、乾物重分配部２４は、総乾物重算出部２０によって算出されるタマネギの総乾物重ＴＤＷ_nと球部乾物比率ＢＤＷＲ_nと、に基づいて、タマネギの球部乾物重を予測する（Ｓ２６）。これにより、本実施形態では、球部肥大の時期を考慮した予測が可能となるため、球部乾物比率を固定値とする場合と比べ、球部乾物重を精度よく予測することができる（図１１参照）。

また、本実施形態では、発育指数ＤＶＩ_nが所定値（本実施形態では「２」）に達する日を収穫日として推定し（Ｓ３０：肯定、Ｓ３４）、推定された収穫日における球部乾物重ＢＤＷ_n（＝ＢＤＷ_hvs）に基づいて、圃場における収量（球部生体収量ＢＦＹ_hvs）を推定する（Ｓ３４）。これにより、本実施形態では、発育指数ＤＶＩ_nを用いることで、精度よく収穫日を推定することができる。また、収穫日が精度よく推定されることで、収穫日における収量も精度よく推定することができる。

このように、精度よく推定された収穫日や収量を利用者端末７０に出力することで、生産者等は、タマネギの作付け計画や出荷計画を適切に策定することができる。この場合、タマネギの生産を行ったことがない地点であっても、環境条件や定植日を入力することで、作付け計画や出荷計画を適切に策定することができる。

また、本実施形態では、発育速度ＤＶＲ_nを算出する際に、前日の発育指数ＤＶＩ_n-1の値に基づいて、用いる式（上式（７）、（８））を異ならせる。これにより、１つの式を用いる場合に比べ、生育状態（球部肥大前と後のいずれの状態か）を考慮して、精度よく発育速度ＤＶＲ_nを算出することができる。

また、本実施形態では、発育指数ＤＶＩ_nから算出した葉部乾物比率ＬＤＷＲ_nを用いて翌日の葉面積指数（ＬＡＩ_n+1）を算出し、算出したＬＡＩ_n+1を用いて翌日の日乾物増加量を算出する。これにより、葉部乾物比率ＬＤＷＲ_nから予測される翌日の葉面積指数ＬＡＩ_n+1を用いて翌日の総乾物重を精度よく算出することができる。

なお、上記実施形態では、サーバ１０が図５の各部の機能を有する場合について説明したが、これに限られるものではない。例えば、利用者端末７０が図５の各部の機能を有していてもよい。この場合、利用者端末７０は、ネットワーク８０に接続されていなくてもよい。また、利用者端末７０は、ネットワーク８０を介してサーバ１０に格納されている各種データを取得して、図６の処理を実行するようにしてもよい。

上述した実施形態は本発明の好適な実施の例である。但し、これに限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変形実施可能である。例えば、図３の生育モデルや式の一部本発明の要旨を逸脱しない範囲内において種々変形可能である。

１０サーバ
２０総乾物重算出部
２２発育指数算出部
２４乾物重分配部
２８ＬＡＩ算出部
３０収穫日・収量推定部
９０ＣＰＵ（コンピュータ）
１００生育状態予測システム

Claims

結球性ユリ科作物の生育状態を予測する生育状態予測方法であって、
日毎の平均気温と日長とに基づいて前記結球性ユリ科作物の日毎の発育速度に関する第１の値を算出し、
定植日からの前記第１の値の積算値である第２の値に基づいて、前記結球性ユリ科作物の日毎の球部乾物比率を算出し、
日射量と葉に関する値とに基づいて算出される前記結球性ユリ科作物の日毎の乾物重と、前記日毎の球部乾物比率と、に基づいて、前記結球性ユリ科作物の球部の重量を予測する、
処理をコンピュータが実行することを特徴とする生育状態予測方法。
前記第２の値が所定値に達する日を収穫日として推定し、
推定された前記収穫日における前記球部の重量に基づいて、収量を予測する、
処理を前記コンピュータが更に実行することを特徴とする請求項１に記載の生育状態予測方法。
前記第１の値を算出する処理では、
各日が、複数の生育ステージのいずれに属するかを前記第２の値から判定し、
属する前記生育ステージに応じた式を用いて、日毎の前記第１の値を算出する、
ことを特徴とする請求項１又は２に記載の生育状態予測方法。
前記第２の値に基づいて、前記結球性ユリ科作物の日毎の葉部乾物比率を算出し、
前記葉部乾物比率に基づいて、翌日の前記葉に関する値を算出し、
算出した翌日の前記葉に関する値に基づいて、前記結球性ユリ科作物の翌日の乾物増加量を算出する、
処理を前記コンピュータが更に実行することを特徴とする請求項１～３のいずれか一項に記載の生育状態予測方法。
結球性ユリ科作物の生育状態を予測する生育状態予測プログラムであって、
日毎の平均気温と日長とに基づいて前記結球性ユリ科作物の日毎の発育速度に関する第１の値を算出し、
定植日からの前記第１の値の積算値である第２の値に基づいて、前記結球性ユリ科作物の日毎の球部乾物比率を算出し、
日射量と葉に関する値とに基づいて算出される前記結球性ユリ科作物の日毎の乾物重と、前記日毎の球部乾物比率と、に基づいて、前記結球性ユリ科作物の球部の重量を予測する、
処理をコンピュータに実行させることを特徴とする生育状態予測プログラム。