JPWO2016043007A1 - 樹木成長の簡易予測法 - Google Patents
樹木成長の簡易予測法 Download PDFInfo
- Publication number
- JPWO2016043007A1 JPWO2016043007A1 JP2016548806A JP2016548806A JPWO2016043007A1 JP WO2016043007 A1 JPWO2016043007 A1 JP WO2016043007A1 JP 2016548806 A JP2016548806 A JP 2016548806A JP 2016548806 A JP2016548806 A JP 2016548806A JP WO2016043007 A1 JPWO2016043007 A1 JP WO2016043007A1
- Authority
- JP
- Japan
- Prior art keywords
- soil
- tree
- growth
- color
- analyzing
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 104
- 230000012010 growth Effects 0.000 title claims abstract description 78
- 239000002689 soil Substances 0.000 claims abstract description 120
- 235000015097 nutrients Nutrition 0.000 claims abstract description 47
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 238000002329 infrared spectrum Methods 0.000 claims description 13
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 8
- 229910052799 carbon Inorganic materials 0.000 claims description 8
- 229910052757 nitrogen Inorganic materials 0.000 claims description 5
- 238000004566 IR spectroscopy Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 description 15
- 238000011088 calibration curve Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 8
- 238000009499 grossing Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 244000166124 Eucalyptus globulus Species 0.000 description 4
- 241001124569 Lycaenidae Species 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000000491 multivariate analysis Methods 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 229910021654 trace metal Inorganic materials 0.000 description 2
- USFZMSVCRYTOJT-UHFFFAOYSA-N Ammonium acetate Chemical compound N.CC(O)=O USFZMSVCRYTOJT-UHFFFAOYSA-N 0.000 description 1
- 240000007472 Leucaena leucocephala Species 0.000 description 1
- 235000010643 Leucaena leucocephala Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004856 soil analysis Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
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
- A01G7/00—Botany in general
-
- 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
-
- 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
- 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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
-
- 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
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Environmental Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Forests & Forestry (AREA)
- General Physics & Mathematics (AREA)
- Ecology (AREA)
- Pathology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Botany (AREA)
- Theoretical Computer Science (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本発明は、以下の工程を含む、対象である土地に樹木を植えた際の該樹木の成長度合いを予測する方法を与える：（ａ）上記土地の近傍に栽植された複数の樹木についての成長に関するデータを取得する工程（ｂ）前記樹木のそれぞれの下の土壌について、土壌の色、土壌の特性及び／又は土壌の養分を分析する工程（ｃ）該分析の結果から説明変数を得る工程（ｄ）該説明変数を用いて、前記樹木についての成長に関するデータとの検量式を得る工程（ｅ）上記土地の土壌について土壌の色、土壌の特性及び／又は土壌の養分を分析し、当該分析結果を前記検量式に当てはめて、上記土地に樹木を植えた際の該樹木の成長度合いを計算し、予測する工程。
Description
本発明は、樹木成長の簡易予測法に関する。
ある土地への植林前に、植栽が予定される樹木について植栽後の成長予測を行うことは、植林の効率を確保するうえで必要である。しかしながら、これまでかかる成長の予測が行われることは実質的になかった。予測のための方法が存在しないことが、その一因である。林業は農業とは異なり、施肥が難しいため、土壌環境が重要であるにもかかわらず、適切な土壌の管理の方法さえ明らかではないといった背景もある。
樹木の成長量自体を評価する方法（特許文献１）、樹木の健全度を評価する方法（特許文献２）や、樹木の木材成分を定量する方法（特許文献３）については、報告がなされている。
また土壌に着目し、土壌分析方法として光スペクトル（近赤外分光スペクトル）から土壌の特性及び成分等を予測する方法についても報告がなされている（特許文献４）。
さらに非特許文献１には林分成長量の予測のために、過去の成長量を推定するための方法について記載されている。
また土壌に着目し、土壌分析方法として光スペクトル（近赤外分光スペクトル）から土壌の特性及び成分等を予測する方法についても報告がなされている（特許文献４）。
さらに非特許文献１には林分成長量の予測のために、過去の成長量を推定するための方法について記載されている。
「林分成長量の推定および予測方法に関する研究」西沢正久、林業試験研究報告、第１２９号、p.１〜p.１６１
しかしながら、特許文献１〜４に開示されている技術的事項は、いずれも植林前に樹木の成長予測を可能とするものではない。特許文献４に記載の方法は土壌の特性及び成分等を予測する方法に留まり、同文献にも樹木の成長あるいはその予測については記載されていない。また非特許文献１は過去の成長量を推定するための方法について記載するものであって、樹木の成長予測の方法を与えるものではない。
すなわち、植林前に樹木の成長予測を可能とする技術はこれまで知られていない。
上記背景に鑑み、本発明は、植林前に樹木の成長を予測する方法を提供することを目的とした。
すなわち、植林前に樹木の成長予測を可能とする技術はこれまで知られていない。
上記背景に鑑み、本発明は、植林前に樹木の成長を予測する方法を提供することを目的とした。
そこで本発明者らは樹木の成長予測に資する指標を探索したところ、これまで前記成長予測に用いられていなかった特定の指標により上記課題が解決される可能性があることを見出し、さらに鋭意研究を進めた結果本発明を完成するに至った。
すなわち、本発明は、少なくとも以下の発明に関する：
［１］
以下の工程を含む、対象である土地に樹木を植えた際の該樹木の成長度合いを予測する方法：
（ａ）上記土地の近傍に栽植された複数の樹木についての成長に関するデータを取得する工程
（ｂ）前記樹木のそれぞれの下の土壌について、土壌の色、土壌の特性及び／又は土壌の養分を分析する工程
（ｃ）該分析の結果から説明変数を得る工程
（ｄ）該説明変数を用いて、前記樹木についての成長に関するデータとの検量式を得る工程
（ｅ）上記土地の土壌について土壌の色、土壌の特性及び／又は土壌の養分を分析し、当該分析結果を前記検量式に当てはめて、上記土地に樹木を植えた際の該樹木の成長度合いを計算し、予測する工程。
［２］
土壌の色を分析することを含み、分析の結果得られる説明変数として少なくともＬ*、ａ*、ｂ*を含む上記［１］に記載の方法。
［３］
土壌の特性を赤外分光法により分析することを含み、分析の結果得られる説明変数として少なくとも赤外分光スペクトルを含む上記［１］に記載の方法。
［４］
土壌の養分を分析することを含み、分析の結果得られる説明変数として少なくとも全炭素、全窒素、交換性Ｃａ、交換性Ｋ及び交換性Ｍｇの量を含む上記［１］に記載の方法。
［５］
土壌の特性及び土壌の養分を分析することを含む上記［１］に記載の方法。
［６］
土壌の色を分析することをさらに含む上記［５］に記載の方法。
［７］
上記［１］〜上記［６］のいずれかに記載の方法により、植林予定地における樹木の成長度合いを植林のための樹木の植栽前及び／又は植栽後に予測することを含む、植林方法。
［８］
以下を含む、上記［１］〜［６］のいずれかに記載の方法を行うためのシステム：
（ア）土壌の色及び／又は土壌の特性を測定する測定装置
（イ）前記装置を搭載した移動機具。
［９］
測定装置を用いて得られた測定値を樹高に換算して樹木の成長度合いを予測する機能を備えた機材をさらに具備する、［８］に記載のシステム。
［１０］
移動機具が地上移動型機具又は空中移動型機具である、［８］又は［９］に記載のシステム。
すなわち、本発明は、少なくとも以下の発明に関する：
［１］
以下の工程を含む、対象である土地に樹木を植えた際の該樹木の成長度合いを予測する方法：
（ａ）上記土地の近傍に栽植された複数の樹木についての成長に関するデータを取得する工程
（ｂ）前記樹木のそれぞれの下の土壌について、土壌の色、土壌の特性及び／又は土壌の養分を分析する工程
（ｃ）該分析の結果から説明変数を得る工程
（ｄ）該説明変数を用いて、前記樹木についての成長に関するデータとの検量式を得る工程
（ｅ）上記土地の土壌について土壌の色、土壌の特性及び／又は土壌の養分を分析し、当該分析結果を前記検量式に当てはめて、上記土地に樹木を植えた際の該樹木の成長度合いを計算し、予測する工程。
［２］
土壌の色を分析することを含み、分析の結果得られる説明変数として少なくともＬ*、ａ*、ｂ*を含む上記［１］に記載の方法。
［３］
土壌の特性を赤外分光法により分析することを含み、分析の結果得られる説明変数として少なくとも赤外分光スペクトルを含む上記［１］に記載の方法。
［４］
土壌の養分を分析することを含み、分析の結果得られる説明変数として少なくとも全炭素、全窒素、交換性Ｃａ、交換性Ｋ及び交換性Ｍｇの量を含む上記［１］に記載の方法。
［５］
土壌の特性及び土壌の養分を分析することを含む上記［１］に記載の方法。
［６］
土壌の色を分析することをさらに含む上記［５］に記載の方法。
［７］
上記［１］〜上記［６］のいずれかに記載の方法により、植林予定地における樹木の成長度合いを植林のための樹木の植栽前及び／又は植栽後に予測することを含む、植林方法。
［８］
以下を含む、上記［１］〜［６］のいずれかに記載の方法を行うためのシステム：
（ア）土壌の色及び／又は土壌の特性を測定する測定装置
（イ）前記装置を搭載した移動機具。
［９］
測定装置を用いて得られた測定値を樹高に換算して樹木の成長度合いを予測する機能を備えた機材をさらに具備する、［８］に記載のシステム。
［１０］
移動機具が地上移動型機具又は空中移動型機具である、［８］又は［９］に記載のシステム。
本発明によれば、少なくとも以下の効果が奏される：
（ア）土壌色や赤外分光スペクトル、土壌養分から成長予測を行うことが可能となる。
（イ）土壌において不足する養分が明らかになるため、施肥などによる土壌改良の際の指針を提供することができる。
（ア）土壌色や赤外分光スペクトル、土壌養分から成長予測を行うことが可能となる。
（イ）土壌において不足する養分が明らかになるため、施肥などによる土壌改良の際の指針を提供することができる。
以下に本発明をより詳細に説明する。
なお、本明細書において「土壌を分析（する）」とは、対象の土壌の色、土壌の特性及び／又は土壌に含まれる養分（土壌の養分）についての情報を得ることを意味する。
また。本明細書において「（樹木の）成長」とは、例えば樹木の樹高により定量される成長を意味するが、他の定量項目（例えば枝下高、太さ（胸高直径）であってもよい。
なお、本明細書において「土壌を分析（する）」とは、対象の土壌の色、土壌の特性及び／又は土壌に含まれる養分（土壌の養分）についての情報を得ることを意味する。
また。本明細書において「（樹木の）成長」とは、例えば樹木の樹高により定量される成長を意味するが、他の定量項目（例えば枝下高、太さ（胸高直径）であってもよい。
上記のとおり、少なくとも本発明は以下の工程を含む、対象である土地に樹木を植えた際の該樹木の成長度合いを予測する方法に関する：
（ａ）上記土地の近傍に栽植された複数の樹木についての成長に関するデータを取得する工程
（ｂ）前記樹木のそれぞれの下の土壌について、土壌の色、土壌の特性及び／又は土壌の養分を分析する工程
（ｃ）該分析の結果から説明変数を得る工程
（ｄ）該説明変数を用いて、前記樹木についての成長に関するデータとの検量式を得る工程
（ｅ）上記土地の土壌について土壌の色、土壌の特性及び／又は土壌の養分を分析し、当該分析結果を前記検量式に当てはめて、上記土地に樹木を植えた際の該樹木の成長度合いを計算し、予測する工程。
本発明の例についての手順を概念的に図１に示した。すなわち、本発明は土壌の色、土壌の特性及び土壌の養分等についての分析を行い、当該分析結果から検量線モデル及び／又は検量式を作製し、該検量線モデル及び／又は検量式を用いて、樹木成長の推定（予測）を行うことに基礎を置くものである。
（ａ）上記土地の近傍に栽植された複数の樹木についての成長に関するデータを取得する工程
（ｂ）前記樹木のそれぞれの下の土壌について、土壌の色、土壌の特性及び／又は土壌の養分を分析する工程
（ｃ）該分析の結果から説明変数を得る工程
（ｄ）該説明変数を用いて、前記樹木についての成長に関するデータとの検量式を得る工程
（ｅ）上記土地の土壌について土壌の色、土壌の特性及び／又は土壌の養分を分析し、当該分析結果を前記検量式に当てはめて、上記土地に樹木を植えた際の該樹木の成長度合いを計算し、予測する工程。
本発明の例についての手順を概念的に図１に示した。すなわち、本発明は土壌の色、土壌の特性及び土壌の養分等についての分析を行い、当該分析結果から検量線モデル及び／又は検量式を作製し、該検量線モデル及び／又は検量式を用いて、樹木成長の推定（予測）を行うことに基礎を置くものである。
本発明の方法について、以下により詳細に説明する。
なお本発明の方法は、いずれの方法においても
（１）当該樹木の樹高など樹木の成長に関するデータを取得する工程、及び
（２）当該樹木下の土壌を採取し分析に供するか、又はその場で分析データを得る工程は共通して行われる。
なお本発明の方法は、いずれの方法においても
（１）当該樹木の樹高など樹木の成長に関するデータを取得する工程、及び
（２）当該樹木下の土壌を採取し分析に供するか、又はその場で分析データを得る工程は共通して行われる。
土壌の色、土壌の特性及び／又は土壌の養分を用いる本発明の方法のそれぞれについて、以下に説明する。
Ａ．土壌の色を用いる方法
土壌の色の分析は比較的容易に行うことができるため、当該分析結果を用いる方法は簡便さの点において好ましい。
土壌の色を用いる場合、Ｌａｂの情報を入手し、高さおよび養分との相関を解析する。
ＣＩＥＬＡＢの３つの座標は、色の明度（Ｌ*＝０は黒、Ｌ*＝１００は白の拡散色で、白の反射色はさらに高い）、赤／マゼンタと緑の間の位置（ａ*、負の値は緑寄りで、正の値はマゼンタ寄り）、黄色と青の間の位置（ｂ*、負の値は青寄り、正の値は黄色寄り）に対応している。
土壌の色を用いる場合、本発明の方法は少なくとも以下の各ステップを含む：
（ａ１）スキャナー、デジタルカメラや土色計などの色情報取得装置により土壌の画像を取得し、画像解析ソフトによりサンプルの平均的な色情報（ＲＧＢなど）を得る。
（ｂ１）上記色情報をＣＩＥ（Commission Internationale de l’Eclairage：国際照明委員会）により策定されたＣＩＥ Ｌａｂ色空間情報に変換する（ＲＧＢからＣＩＥ Ｌａｂなど各色情報間の変換式は公開されている。http://www.cs.rit.edu/~ncs/color/t_convert.html）。
（ｃ１）得られた色情報についての変数であるＬ*、ａ*、ｂ*を説明変数とし、樹木成長データを目的変数として、一般化線形モデルにより、検量線モデル及び／又は検量式を作成する。
（ｄ１）前記検量線モデル及び／又は検量式を用いて、樹木成長の推定（予測）を行う。
変数の個数は限定されないが、当該個数を増やすことによってより正確な予測が可能になる場合がある。例えば変数を３個又は４個以上用いる当該方法は好ましく、６個以上用いる方法はより好ましい。
用いられる変数は、典型的には上記Ｌ*、ａ*及びｂ*であり、この場合検量式は一次式である。またこれら３つの変数に加えてＬａ、Ｌｂ及びａｂをさらに用いる方法は好ましい。各変数の交互作用を考慮して説明パラメーターの個数が増えるため、予測の精度が向上するからである。
また、土壌の色の分析結果に加重して、ｐＨ及び／又はＥＣの測定データを考慮すると一層精度の高い予測結果が得られるため好ましい。この傾向はＬ*、ａ*及びｂ*のみに加えてｐＨ及びＥＣの測定データを考慮した場合に顕著である。Ｌ*、ａ*及びｂ*は全炭素などの有機物の量や交換性養分の量をより強く反映する一方、予測に寄与するｐＨ及びＥＣについては反映しづらいためであると考えられる。
上記スキャナー、デジタルカメラや土色計といった色情報取得装置は、土壌の色情報を与えるものであれば限定されない。色情報取得装置の形態としては、携帯可能な小型のものが挙げられる。当該携帯可能な小型色情報取得装置を移動機具に搭載して、地こしらえの際に当該植林地全体の土壌についての色情報を取得するようにしたものは好ましい。移動機具を用いることにより、より広範な領域についての色情報を正確かつ効率的に取得することができるばかりでなく、地上移動型機具には表面より下方に存する土壌についての色情報の取得も可能になるからである。
色情報取得装置に加えて、得られた色情報を変換・解析し、解析結果を樹高に換算して樹木の成長度合いの推定・予測を行う機能をさらに具備した移動機具を含むシステムは、本発明の方法の実施のためにより好ましく用いられる。解析結果を樹高に換算する際に用いる換算式を環境条件に応じて改変できるシステムは、一層より好ましい。環境条件には、土壌型、気候、季節、地形及び微地形といった立地条件が、天候などの条件とともに包含される。
本発明において用いられる色情報取得装置を搭載した移動機具として、トラクターや林業機械（ハーベスタ及びスキッダ等）といった地上移動型機具、ならびに有人航空機や無人航空機（ドローン及びラジコンヘリ等）といった空中移動型機具が例示される。移動機具として、移動パターンが規則的である、トラクター及びハーベスタは好ましく、無人航空機も操作が簡便であるため好ましい。
Ａ．土壌の色を用いる方法
土壌の色の分析は比較的容易に行うことができるため、当該分析結果を用いる方法は簡便さの点において好ましい。
土壌の色を用いる場合、Ｌａｂの情報を入手し、高さおよび養分との相関を解析する。
ＣＩＥＬＡＢの３つの座標は、色の明度（Ｌ*＝０は黒、Ｌ*＝１００は白の拡散色で、白の反射色はさらに高い）、赤／マゼンタと緑の間の位置（ａ*、負の値は緑寄りで、正の値はマゼンタ寄り）、黄色と青の間の位置（ｂ*、負の値は青寄り、正の値は黄色寄り）に対応している。
土壌の色を用いる場合、本発明の方法は少なくとも以下の各ステップを含む：
（ａ１）スキャナー、デジタルカメラや土色計などの色情報取得装置により土壌の画像を取得し、画像解析ソフトによりサンプルの平均的な色情報（ＲＧＢなど）を得る。
（ｂ１）上記色情報をＣＩＥ（Commission Internationale de l’Eclairage：国際照明委員会）により策定されたＣＩＥ Ｌａｂ色空間情報に変換する（ＲＧＢからＣＩＥ Ｌａｂなど各色情報間の変換式は公開されている。http://www.cs.rit.edu/~ncs/color/t_convert.html）。
（ｃ１）得られた色情報についての変数であるＬ*、ａ*、ｂ*を説明変数とし、樹木成長データを目的変数として、一般化線形モデルにより、検量線モデル及び／又は検量式を作成する。
（ｄ１）前記検量線モデル及び／又は検量式を用いて、樹木成長の推定（予測）を行う。
変数の個数は限定されないが、当該個数を増やすことによってより正確な予測が可能になる場合がある。例えば変数を３個又は４個以上用いる当該方法は好ましく、６個以上用いる方法はより好ましい。
用いられる変数は、典型的には上記Ｌ*、ａ*及びｂ*であり、この場合検量式は一次式である。またこれら３つの変数に加えてＬａ、Ｌｂ及びａｂをさらに用いる方法は好ましい。各変数の交互作用を考慮して説明パラメーターの個数が増えるため、予測の精度が向上するからである。
また、土壌の色の分析結果に加重して、ｐＨ及び／又はＥＣの測定データを考慮すると一層精度の高い予測結果が得られるため好ましい。この傾向はＬ*、ａ*及びｂ*のみに加えてｐＨ及びＥＣの測定データを考慮した場合に顕著である。Ｌ*、ａ*及びｂ*は全炭素などの有機物の量や交換性養分の量をより強く反映する一方、予測に寄与するｐＨ及びＥＣについては反映しづらいためであると考えられる。
上記スキャナー、デジタルカメラや土色計といった色情報取得装置は、土壌の色情報を与えるものであれば限定されない。色情報取得装置の形態としては、携帯可能な小型のものが挙げられる。当該携帯可能な小型色情報取得装置を移動機具に搭載して、地こしらえの際に当該植林地全体の土壌についての色情報を取得するようにしたものは好ましい。移動機具を用いることにより、より広範な領域についての色情報を正確かつ効率的に取得することができるばかりでなく、地上移動型機具には表面より下方に存する土壌についての色情報の取得も可能になるからである。
色情報取得装置に加えて、得られた色情報を変換・解析し、解析結果を樹高に換算して樹木の成長度合いの推定・予測を行う機能をさらに具備した移動機具を含むシステムは、本発明の方法の実施のためにより好ましく用いられる。解析結果を樹高に換算する際に用いる換算式を環境条件に応じて改変できるシステムは、一層より好ましい。環境条件には、土壌型、気候、季節、地形及び微地形といった立地条件が、天候などの条件とともに包含される。
本発明において用いられる色情報取得装置を搭載した移動機具として、トラクターや林業機械（ハーベスタ及びスキッダ等）といった地上移動型機具、ならびに有人航空機や無人航空機（ドローン及びラジコンヘリ等）といった空中移動型機具が例示される。移動機具として、移動パターンが規則的である、トラクター及びハーベスタは好ましく、無人航空機も操作が簡便であるため好ましい。
Ｂ．土壌の特性を用いる方法
土壌の養分が樹木の成長に影響すると考えられるが、樹木の成長に必要な養分は多種類あり、成長との関連を明らかにするための方法は未だ確立されていないばかりでなく、全ての養分を測定することは、時間的費用的に制約がある場合が多い。また、樹木の成長には様々な養分が関連しあい、必要な養分量とともに、過剰である場合には却って成長制限要因となる場合もあるため、養分による樹木の成長予測は、必ずしも容易ではないといった事情がある。
一方、土壌の特性（全炭素量、ＥＣ（電気伝導度）、交換性Ｃａ量、交換性Ｍｇ量及び交換性Ｋ量等）を反映する土壌の赤外スペクトル情報を得て樹木成長を推定するための検量線モデルを作成すると、精度が高い樹木成長の推定（予測）を行うことができる。したがって当該方法は、簡便さと精度のバランスに優れている。
この場合、本発明の方法は少なくとも以下の各ステップを含む：
（ａ２）赤外分光測定装置により、土壌サンプルの赤外分光スペクトルデータを得る。
（ｂ２）前記赤外分光スペクトルデータの標準化処理を行う。
（ｃ２）樹木高さを説明変数とし、多変量解析ＰＬＳ解析を行い、検量線モデル及び／又は検量式を作成する。
（ｄ２）前記検量線モデル及び／又は検量式により、樹木成長の推定（予測）を行う。
より具体的には、例えば赤外分光装置を用いて複数の標準土壌サンプルの３５０〜７８００ｃｍ−１の赤外スペクトルデータを取得し、最適な波数範囲として８００〜１２００ｃｍ−１を選択し、４ｃｍ−１ごとにスムージング処理を行い、スペクトルデータの標準化処理を行ってよい。樹高など樹木成長のデータ結果を用いて、ＰＬＳ回帰により検量線モデルを作成する。その検量線モデルを用いて、樹木成長が未知である場所において樹木を植栽した場合の樹高成長を推定（予測）する。
なお４ｃｍ−１ごとにスムージング処理を行うことにより、２ｃｍ−１〜１６ｃｍ−１の範囲のスムージング処理のうち最も正確な予測がなされる。
当該方法において反映される土壌の特性として、全炭素量を含むものは好ましく、交換性Ｃａ、Ｍｇ及びＫ等の微量成分の量を含むものはより好ましい。また、全Ｆｅ及び／又は全Ｓｉを反映してもよい。
上記赤外分光測定装置の形態としては室内据え置き型のもののほか、デジタルカメラや赤外スペクトルカメラといった携帯可能な小型のものを含むものが挙げられる。
携帯可能な小型のものを含む赤外分光測定装置の場合、当該赤外分光測定装置を移動機具に搭載して、地こしらえの際に当該植林地全体の土壌についての色情報を取得するようにしたものは好ましい。移動機具を用いることにより、より広範な領域についての赤外スペクトルデータ情報を正確かつ効率的に取得することができるばかりでなく、地上移動型機具の場合には表面より下方に存する土壌についての赤外スペクトルデータ情報の取得も可能になるからである。
赤外スペクトルデータ情報取得装置に加えて、得られた赤外スペクトルデータ情報を変換・解析し、解析結果を樹高に換算して樹木の成長度合いの推定・予測を行う機能を備えた機材をさらに具備した移動機具を含むシステムは、本発明の方法の実施のためにより好ましく用いられる。解析結果を樹高に換算する際に用いる換算式を環境条件に応じて改変できるシステムは、一層より好ましい。当該機材は上記測定装置の一部を構成していてもよく、あるいは上記測定装置と独立した別個の機材であってもよい。
本発明において用いられる赤外分光測定装置を搭載した移動機具として、トラクターや林業機械（ハーベスタ及びスキッダ等）といった地上移動型機具、ならびに有人航空機や無人航空機（ドローン及びラジコンヘリ等）といった空中移動型機具が例示される。移動機具として、移動パターンが規則的である、トラクター及びハーベスタは好ましく、無人航空機も操作が簡便であるため好ましい。 赤外分光測定装置に加えて色情報取得装置を搭載した本発明のシステムによれば、樹木の成長予測をより精密に行うことができるため好ましい。
土壌の養分が樹木の成長に影響すると考えられるが、樹木の成長に必要な養分は多種類あり、成長との関連を明らかにするための方法は未だ確立されていないばかりでなく、全ての養分を測定することは、時間的費用的に制約がある場合が多い。また、樹木の成長には様々な養分が関連しあい、必要な養分量とともに、過剰である場合には却って成長制限要因となる場合もあるため、養分による樹木の成長予測は、必ずしも容易ではないといった事情がある。
一方、土壌の特性（全炭素量、ＥＣ（電気伝導度）、交換性Ｃａ量、交換性Ｍｇ量及び交換性Ｋ量等）を反映する土壌の赤外スペクトル情報を得て樹木成長を推定するための検量線モデルを作成すると、精度が高い樹木成長の推定（予測）を行うことができる。したがって当該方法は、簡便さと精度のバランスに優れている。
この場合、本発明の方法は少なくとも以下の各ステップを含む：
（ａ２）赤外分光測定装置により、土壌サンプルの赤外分光スペクトルデータを得る。
（ｂ２）前記赤外分光スペクトルデータの標準化処理を行う。
（ｃ２）樹木高さを説明変数とし、多変量解析ＰＬＳ解析を行い、検量線モデル及び／又は検量式を作成する。
（ｄ２）前記検量線モデル及び／又は検量式により、樹木成長の推定（予測）を行う。
より具体的には、例えば赤外分光装置を用いて複数の標準土壌サンプルの３５０〜７８００ｃｍ−１の赤外スペクトルデータを取得し、最適な波数範囲として８００〜１２００ｃｍ−１を選択し、４ｃｍ−１ごとにスムージング処理を行い、スペクトルデータの標準化処理を行ってよい。樹高など樹木成長のデータ結果を用いて、ＰＬＳ回帰により検量線モデルを作成する。その検量線モデルを用いて、樹木成長が未知である場所において樹木を植栽した場合の樹高成長を推定（予測）する。
なお４ｃｍ−１ごとにスムージング処理を行うことにより、２ｃｍ−１〜１６ｃｍ−１の範囲のスムージング処理のうち最も正確な予測がなされる。
当該方法において反映される土壌の特性として、全炭素量を含むものは好ましく、交換性Ｃａ、Ｍｇ及びＫ等の微量成分の量を含むものはより好ましい。また、全Ｆｅ及び／又は全Ｓｉを反映してもよい。
上記赤外分光測定装置の形態としては室内据え置き型のもののほか、デジタルカメラや赤外スペクトルカメラといった携帯可能な小型のものを含むものが挙げられる。
携帯可能な小型のものを含む赤外分光測定装置の場合、当該赤外分光測定装置を移動機具に搭載して、地こしらえの際に当該植林地全体の土壌についての色情報を取得するようにしたものは好ましい。移動機具を用いることにより、より広範な領域についての赤外スペクトルデータ情報を正確かつ効率的に取得することができるばかりでなく、地上移動型機具の場合には表面より下方に存する土壌についての赤外スペクトルデータ情報の取得も可能になるからである。
赤外スペクトルデータ情報取得装置に加えて、得られた赤外スペクトルデータ情報を変換・解析し、解析結果を樹高に換算して樹木の成長度合いの推定・予測を行う機能を備えた機材をさらに具備した移動機具を含むシステムは、本発明の方法の実施のためにより好ましく用いられる。解析結果を樹高に換算する際に用いる換算式を環境条件に応じて改変できるシステムは、一層より好ましい。当該機材は上記測定装置の一部を構成していてもよく、あるいは上記測定装置と独立した別個の機材であってもよい。
本発明において用いられる赤外分光測定装置を搭載した移動機具として、トラクターや林業機械（ハーベスタ及びスキッダ等）といった地上移動型機具、ならびに有人航空機や無人航空機（ドローン及びラジコンヘリ等）といった空中移動型機具が例示される。移動機具として、移動パターンが規則的である、トラクター及びハーベスタは好ましく、無人航空機も操作が簡便であるため好ましい。 赤外分光測定装置に加えて色情報取得装置を搭載した本発明のシステムによれば、樹木の成長予測をより精密に行うことができるため好ましい。
Ｃ．土壌の養分を用いる方法
上記のとおり養分による樹木の成長予測は必ずしも容易ではないといった事情はあるにせよ、有効な栄養成分（養分）を特定し、樹木の成長予測を行うことは、一層精度の高い予測方法を与えると推測された。本発明者らはかかる推測の下、土壌の養分を用いる樹木の成長予測の方法について探究し、その結果本発明の他の態様を創出するに至った。
土壌の養分を分析することにより樹木の成長を予測する本発明の方法によれば、一般に上記Ａ．土壌の色及びＢ．土壌の特性のみを用いる方法より精度の高い予測結果を与える点において好ましい。
土壌の養分を分析することを含む本発明の方法は、少なくとも以下の各ステップを含む：
（ａ３）全炭素、全窒素、酢酸アンモニア抽出による交換性微量金属元素（Ｃａ、Ｋ、Ｍｇ）の量（割合）を測定し、さらに土壌ｐＨ及び電気伝導度（ＥＣ）も併せて測定する。
（ｂ３）これら土壌の養分についての測定値を説明変数とし、樹高などの樹木成長の測定結果を用いて、一般化線形モデルにより、樹木成長を推定するための検量線モデル及び／又は検量式を作成する。
交換性微量金属元素として上記Ｃａ、Ｋ、Ｍｇのほか、ＡｌやＮａといった成分についての分析結果を加味することにより、一層精度の高い予測が可能となるため好ましい。ＡｌやＮａといった成分は、樹木の成長に対する影響は比較的小さいことを併せ考えれば、かかる態様が好ましいことは予想外のことである。
上記のとおり養分による樹木の成長予測は必ずしも容易ではないといった事情はあるにせよ、有効な栄養成分（養分）を特定し、樹木の成長予測を行うことは、一層精度の高い予測方法を与えると推測された。本発明者らはかかる推測の下、土壌の養分を用いる樹木の成長予測の方法について探究し、その結果本発明の他の態様を創出するに至った。
土壌の養分を分析することにより樹木の成長を予測する本発明の方法によれば、一般に上記Ａ．土壌の色及びＢ．土壌の特性のみを用いる方法より精度の高い予測結果を与える点において好ましい。
土壌の養分を分析することを含む本発明の方法は、少なくとも以下の各ステップを含む：
（ａ３）全炭素、全窒素、酢酸アンモニア抽出による交換性微量金属元素（Ｃａ、Ｋ、Ｍｇ）の量（割合）を測定し、さらに土壌ｐＨ及び電気伝導度（ＥＣ）も併せて測定する。
（ｂ３）これら土壌の養分についての測定値を説明変数とし、樹高などの樹木成長の測定結果を用いて、一般化線形モデルにより、樹木成長を推定するための検量線モデル及び／又は検量式を作成する。
交換性微量金属元素として上記Ｃａ、Ｋ、Ｍｇのほか、ＡｌやＮａといった成分についての分析結果を加味することにより、一層精度の高い予測が可能となるため好ましい。ＡｌやＮａといった成分は、樹木の成長に対する影響は比較的小さいことを併せ考えれば、かかる態様が好ましいことは予想外のことである。
また土壌の特性及び土壌の養分を分析することの両方を含む本発明の方法も好ましい。さらにまた、土壌の色を分析することをさらに含むことにより、一層精度の高い予測が可能になる場合があり好ましい。
土壌の色、特性及び養分についての各説明変数と各種特性項目（ｐＨ、ＥＣ、元素量）についての相関を調査し、前記項目を適宜用いて検量式／検量線の作成に用いてよい。
土壌の色、特性及び養分についての各説明変数と各種特性項目（ｐＨ、ＥＣ、元素量）についての相関を調査し、前記項目を適宜用いて検量式／検量線の作成に用いてよい。
本発明の方法が適用される面積はとくに限定されず、１植林地に相当する面積である数１００〜数１０００ｈａから数ｈａ以下まで適用可能である。面積に応じてサンプリング方法・数を改変してよい。
土壌のサンプリング数、サンプリングを行う場所の数（密度）及びサンプリングする土壌の量は、調査を行う土地の面請及び調査において必要な精度に応じて適宜決定してよい。
サンプルとして事前に成長調査を行う樹木の本数も、調査を行う土地の面請及び調査において必要な精度に応じて決定してよい。
土壌のサンプリング数、サンプリングを行う場所の数（密度）及びサンプリングする土壌の量は、調査を行う土地の面請及び調査において必要な精度に応じて適宜決定してよい。
サンプルとして事前に成長調査を行う樹木の本数も、調査を行う土地の面請及び調査において必要な精度に応じて決定してよい。
地形の影響を低減するために、サンプリングは各形状の部位から均等に行うことは好ましい。さらに地域・地形、樹種、季節及び期間（年数）等の影響を排除するために、比較的狭いプロットでサンプリング等を行えばよい。比較的広いエリアにおいて予測を行う場合には、これらの潜在的な変動要因についてのデータを検量線に用いて行われる解析の中に入れることにより、これらの変動要因を入れ込んだ予測も可能である。
本発明は前記いずれかの方法により、植林予定地における樹木の成長度合いを植林のための樹木の植栽前及び／又は植栽後に予測することを含む植林方法にも関する。
当該予測に用いられる本発明の予測方法は限定されず、時間、場所、コスト等を勘案して適宜決定してよい。簡便さの観点からは土壌の色を用いる方法が有利であり、予測の正確さの観点からは土壌の養分の分析結果を用いる方法が有利である。また土壌の特性を用いる方法は、土壌の色を用いる方法及び土壌の養分の分析結果を用いる方法の両方の利点を相当程度併せて有するという優位性がある。
当該予測に用いられる本発明の予測方法は限定されず、時間、場所、コスト等を勘案して適宜決定してよい。簡便さの観点からは土壌の色を用いる方法が有利であり、予測の正確さの観点からは土壌の養分の分析結果を用いる方法が有利である。また土壌の特性を用いる方法は、土壌の色を用いる方法及び土壌の養分の分析結果を用いる方法の両方の利点を相当程度併せて有するという優位性がある。
本発明の方法を行うに際して用いられる機材は限定されないところ、以下を含む、本発明の方法を行うためのシステムは好ましい：
（ア）土壌の色及び／又は土壌の特性を測定する測定装置；及び
（イ）前記装置を搭載した移動機具。
かかるシステムのうち、測定装置を用いて得られた測定値を樹高に換算して樹木の成長度合いを予測する機能を備えた機具をさらに具備するシステムはより好ましく、移動機具が地上移動型機具又は空中移動型機具であるシステムはより一層好ましい。
上記システムの例として、色情報取得装置及び／又は赤外分光測定装置を搭載した移動機具を移動手段として含むものが挙げられる。当該移動機具として、トラクターや林業機械（ハーベスタ及びスキッダ等）といった地上移動型機具、ならびに有人航空機や無人航空機（ドローン及びラジコンヘリ等）といった空中移動型機具が例示され、トラクター及びハーベスタは好ましく、無人航空機も好ましい。
（ア）土壌の色及び／又は土壌の特性を測定する測定装置；及び
（イ）前記装置を搭載した移動機具。
かかるシステムのうち、測定装置を用いて得られた測定値を樹高に換算して樹木の成長度合いを予測する機能を備えた機具をさらに具備するシステムはより好ましく、移動機具が地上移動型機具又は空中移動型機具であるシステムはより一層好ましい。
上記システムの例として、色情報取得装置及び／又は赤外分光測定装置を搭載した移動機具を移動手段として含むものが挙げられる。当該移動機具として、トラクターや林業機械（ハーベスタ及びスキッダ等）といった地上移動型機具、ならびに有人航空機や無人航空機（ドローン及びラジコンヘリ等）といった空中移動型機具が例示され、トラクター及びハーベスタは好ましく、無人航空機も好ましい。
次に実施例に基づいて本発明を更により詳細に説明するが、本発明はこれらの実施例によって何等制限されるものではない。
（実施例１）
樹木の成長（樹高）を予測する方法についての試験（１）
[試験方法]
・試験地 ベトナム国ロンアン省内のアカシア・ハイブリッド植林地１年生。
・同一プロット内で樹木の成長にバラつき（３０ｃｍ〜４３０ｃｍ）が生じていた。土壌成分の相違が原因と思われたが、明確には判じられなかった。
・樹木下の土壌０〜５ｃｍをサンプリングした（合計２２地点）
・土壌の色（以下「Ａ法」ということがある）、土壌の特性（以下「Ｂ法」ということがある）又は土壌の養分（以下「Ｃ法」ということがある）を用いる方法のそれぞれにつき、説明変数と樹高との相関を調査した。Ａ法〜Ｃ法のそれぞれにおいて用いられた手法は本明細書本文において上記したとおりである。
樹木の成長（樹高）を予測する方法についての試験（１）
[試験方法]
・試験地 ベトナム国ロンアン省内のアカシア・ハイブリッド植林地１年生。
・同一プロット内で樹木の成長にバラつき（３０ｃｍ〜４３０ｃｍ）が生じていた。土壌成分の相違が原因と思われたが、明確には判じられなかった。
・樹木下の土壌０〜５ｃｍをサンプリングした（合計２２地点）
・土壌の色（以下「Ａ法」ということがある）、土壌の特性（以下「Ｂ法」ということがある）又は土壌の養分（以下「Ｃ法」ということがある）を用いる方法のそれぞれにつき、説明変数と樹高との相関を調査した。Ａ法〜Ｃ法のそれぞれにおいて用いられた手法は本明細書本文において上記したとおりである。
[結果]
Ａ法、Ｂ法及びＣ法を用いた結果を以下に示す。
（１）Ａ法
ｐＨ及びＥＣを考慮せずＬ*、ａ*及びｂ*のみを用いた場合、予測高さと実測高さとの決定係数（Ｒ２）は０．４４０７であった（図２Ａ）。
また、一般化線形モデルにより2次までの交互作用を含めて作成した予測式から得られた予測高さと実測高さとの決定係数は０．５４７８に向上し（図２Ｂ）、さらにｐＨ及びＥＣの測定値を考慮すると決定係数は０．７９８７にさらに向上した（図２Ｃ）。
（２）Ｂ法
予測高さと実測高さとの決定係数は０．８４１９であった（図３）。なお５つのサンプルについての赤外スペクトルデータ及びそのスムージング処理後のデータ（チャート）を図４Ａ及び図４Ｂに示す。
（３）Ｃ法
土壌養分として通常用いられることの多い、ｐＨ、ＥＣ、全炭素、全窒素、交換性Ｃａ、Ｍｇ、Ｋを用いて一般化線形モデルにより、予測式を作成した。交互作用を含まない１次式により作成した場合、決定係数は０．６５９９であった（「養分１法」、図５Ａ）。
次に土壌養分として通常用いられることの多い、ｐＨ、ＥＣ、全炭素、全窒素、交換性Ｃａ、Ｍｇ、Ｋに加えて、通常では植物の成長に影響が少なかったり、有害である成分も含めて、一般化線形モデルにより、予測式を作成した。交互作用を含まない１次式により作成した。養分１法に用いられた養分種に加えて、Ａｌ、Ｂ、Ｆｅ、Ｎａ、Ｓｉ、Ｚｎを説明変数に加えたところ、決定係数は０．８８１６となりより予測精度の高い測定が可能となった（「養分２法」、図５Ｂ）。
なお、養分２法における回帰直線の作成に用いられた各養分種に割り当てられた係数は下表のとおりである（表１）。切片についても同様に下表に挿入して数値を示した。
Ａ法、Ｂ法及びＣ法を用いた結果を以下に示す。
（１）Ａ法
ｐＨ及びＥＣを考慮せずＬ*、ａ*及びｂ*のみを用いた場合、予測高さと実測高さとの決定係数（Ｒ２）は０．４４０７であった（図２Ａ）。
また、一般化線形モデルにより2次までの交互作用を含めて作成した予測式から得られた予測高さと実測高さとの決定係数は０．５４７８に向上し（図２Ｂ）、さらにｐＨ及びＥＣの測定値を考慮すると決定係数は０．７９８７にさらに向上した（図２Ｃ）。
（２）Ｂ法
予測高さと実測高さとの決定係数は０．８４１９であった（図３）。なお５つのサンプルについての赤外スペクトルデータ及びそのスムージング処理後のデータ（チャート）を図４Ａ及び図４Ｂに示す。
（３）Ｃ法
土壌養分として通常用いられることの多い、ｐＨ、ＥＣ、全炭素、全窒素、交換性Ｃａ、Ｍｇ、Ｋを用いて一般化線形モデルにより、予測式を作成した。交互作用を含まない１次式により作成した場合、決定係数は０．６５９９であった（「養分１法」、図５Ａ）。
次に土壌養分として通常用いられることの多い、ｐＨ、ＥＣ、全炭素、全窒素、交換性Ｃａ、Ｍｇ、Ｋに加えて、通常では植物の成長に影響が少なかったり、有害である成分も含めて、一般化線形モデルにより、予測式を作成した。交互作用を含まない１次式により作成した。養分１法に用いられた養分種に加えて、Ａｌ、Ｂ、Ｆｅ、Ｎａ、Ｓｉ、Ｚｎを説明変数に加えたところ、決定係数は０．８８１６となりより予測精度の高い測定が可能となった（「養分２法」、図５Ｂ）。
なお、養分２法における回帰直線の作成に用いられた各養分種に割り当てられた係数は下表のとおりである（表１）。切片についても同様に下表に挿入して数値を示した。
（実施例２）樹木の成長（樹高）を予測する方法についての試験（２）
実施例１と同様な試験をパプア・ニューギニアのユーカリ（７年生から２０年生）について行った。
[試験方法]
・試験地：パプア・ニューギニア国のユーカリ植林地７年生から２０年生。
・１５年生時の主林木の平均樹高について地位指数４を平均とし、２ｍごとに１〜７までの７段階の樹高に区分し、樹高の実測値と赤外分光法による予測値とを比較することとした。なお、「地位指数」は、あるプロットにおける主林木の平均樹高をより簡便に表すために本試験において採用された指標である。
・土壌供試サンプルとして、樹木下の土壌０〜１０ｃｍの深さの地点からプロット当たり５点採取し、混合したものを各プロットにおける土壌供試サンプルとして用いた。
・土壌供試サンプルについて赤外分光スペクトルデータを得た後、前記赤外分光スペクトルデータの標準化処理を行った。さらに、樹木高さを説明変数とし、多変量解析ＰＬＳ解析を行い、検量式を作成した。前記検量式により、説明変数と樹高との相関を表す指標としての決定係数を計算し、樹木成長の推定（予測）の可否を判断した。
実施例１と同様な試験をパプア・ニューギニアのユーカリ（７年生から２０年生）について行った。
[試験方法]
・試験地：パプア・ニューギニア国のユーカリ植林地７年生から２０年生。
・１５年生時の主林木の平均樹高について地位指数４を平均とし、２ｍごとに１〜７までの７段階の樹高に区分し、樹高の実測値と赤外分光法による予測値とを比較することとした。なお、「地位指数」は、あるプロットにおける主林木の平均樹高をより簡便に表すために本試験において採用された指標である。
・土壌供試サンプルとして、樹木下の土壌０〜１０ｃｍの深さの地点からプロット当たり５点採取し、混合したものを各プロットにおける土壌供試サンプルとして用いた。
・土壌供試サンプルについて赤外分光スペクトルデータを得た後、前記赤外分光スペクトルデータの標準化処理を行った。さらに、樹木高さを説明変数とし、多変量解析ＰＬＳ解析を行い、検量式を作成した。前記検量式により、説明変数と樹高との相関を表す指標としての決定係数を計算し、樹木成長の推定（予測）の可否を判断した。
[結果]
樹高についての説明変数（予測値）と実測値との決定係数は０．４８５２であり（図６）、ユーカリについても成長が予測できることが明らかになった。
土壌供試サンプルのサンプリングをより深い地点の土壌も併せて行うことにより、より精度の高い成長の予測が可能になることも示唆された。
樹高についての説明変数（予測値）と実測値との決定係数は０．４８５２であり（図６）、ユーカリについても成長が予測できることが明らかになった。
土壌供試サンプルのサンプリングをより深い地点の土壌も併せて行うことにより、より精度の高い成長の予測が可能になることも示唆された。
本発明によれば、従来の方法が達成し得なかった植林前に樹木の成長を予測する方法が提供される。したがって、本発明は、植林産業および関連産業の発展に寄与するところ大である。
Claims (10)
- 以下の工程を含む、対象である土地に樹木を植えた際の該樹木の成長度合いを予測する方法：
（ａ）上記土地の近傍に栽植された複数の樹木についての成長に関するデータを取得する工程
（ｂ）前記樹木のそれぞれの下の土壌について、土壌の色、土壌の特性及び／又は土壌の養分を分析する工程
（ｃ）該分析の結果から説明変数を得る工程
（ｄ）該説明変数を用いて、前記樹木についての成長に関するデータとの検量式を得る工程
（ｅ）上記土地の土壌について土壌の色、土壌の特性及び／又は土壌の養分を分析し、当該分析結果を前記検量式に当てはめて、上記土地に樹木を植えた際の該樹木の成長度合いを計算し、予測する工程。 - 土壌の色を分析することを含み、分析の結果得られる説明変数として少なくともＬ*、ａ*、ｂ*を含む請求項１に記載の方法。
- 土壌の特性を赤外分光法により分析することを含み、分析の結果得られる説明変数として少なくとも赤外分光スペクトルを含む請求項１に記載の方法。
- 土壌の養分を分析することを含み、分析の結果得られる説明変数として少なくとも全炭素、全窒素、交換性Ｃａ、交換性Ｋ及び交換性Ｍｇの量を含む請求項１に記載の方法。
- 土壌の特性及び土壌の養分を分析することを含む請求項１に記載の方法。
- 土壌の色を分析することをさらに含む請求項５に記載の方法。
- 請求項１〜６のいずれかに記載の方法により、植林予定地における樹木の成長度合いを植林のための樹木の植栽前及び／又は植栽後に予測することを含む、植林方法。
- 以下を含む、請求項１〜６のいずれかに記載の方法を行うためのシステム：
（ア）土壌の色及び／又は土壌の特性を測定する測定装置；及び
（イ）前記装置を搭載した移動機具。 - 測定装置を用いて得られた測定値を樹高に換算して樹木の成長度合いを予測する機能を備えた機材をさらに具備する、請求項８に記載のシステム。
- 移動機具が地上移動型機具又は空中移動型機具である、請求項８又は９に記載のシステム。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014189172 | 2014-09-17 | ||
| JP2014189172 | 2014-09-17 | ||
| PCT/JP2015/074165 WO2016043007A1 (ja) | 2014-09-17 | 2015-08-27 | 樹木成長の簡易予測法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPWO2016043007A1 true JPWO2016043007A1 (ja) | 2017-06-29 |
Family
ID=55533048
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016548806A Pending JPWO2016043007A1 (ja) | 2014-09-17 | 2015-08-27 | 樹木成長の簡易予測法 |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JPWO2016043007A1 (ja) |
| WO (1) | WO2016043007A1 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018193984A1 (ja) * | 2017-04-17 | 2018-10-25 | 日本製紙株式会社 | 植林地の生産性の予測方法 |
| JP7341835B2 (ja) * | 2019-10-09 | 2023-09-11 | 株式会社日立製作所 | 粉体混合システム及び粉体混合方法 |
| CN110853699A (zh) * | 2019-10-30 | 2020-02-28 | 北京林业大学 | 一种建立大区域条件下单木生长模型的方法 |
| CN111462312B (zh) * | 2020-04-01 | 2023-04-25 | 中国林业科学研究院资源信息研究所 | 一种考虑空间结构的枝下高动态可视化模拟方法及系统 |
| JP6906824B1 (ja) * | 2020-12-11 | 2021-07-21 | 日本森林総研株式会社 | 情報処理装置、樹木の成長率予測システム、樹木の成長率予測方法及びプログラム |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3902160B2 (ja) * | 2003-06-26 | 2007-04-04 | 岩手県 | 土壌用有機成分の推定装置 |
| JP2008079549A (ja) * | 2006-09-28 | 2008-04-10 | Mitsubishi Paper Mills Ltd | 樹木成長量の評価法 |
| JP2008203153A (ja) * | 2007-02-21 | 2008-09-04 | Yanmar Co Ltd | 土壌診断方法及び土壌診断装置 |
| 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 |
-
2015
- 2015-08-27 JP JP2016548806A patent/JPWO2016043007A1/ja active Pending
- 2015-08-27 WO PCT/JP2015/074165 patent/WO2016043007A1/ja active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| WO2016043007A1 (ja) | 2016-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2016043007A1 (ja) | 樹木成長の簡易予測法 | |
| Hartmann et al. | HTPheno: an image analysis pipeline for high-throughput plant phenotyping | |
| Kaleita et al. | Relationship between soil moisture content and soil surface reflectance | |
| Eitel et al. | Early season remote sensing of wheat nitrogen status using a green scanning laser | |
| Hall et al. | Optical remote sensing applications in viticulture‐a review | |
| Raj et al. | Precision agriculture and unmanned aerial Vehicles (UAVs) | |
| Roy et al. | Precision farming: A step towards sustainable, climate-smart agriculture | |
| Fu et al. | Advances in field-based high-throughput photosynthetic phenotyping | |
| Bi et al. | Estimating vertical chlorophyll concentrations in maize in different health states using hyperspectral LiDAR | |
| Colombo et al. | Variability of sun‐induced chlorophyll fluorescence according to stand age‐related processes in a managed loblolly pine forest | |
| Hall | Remote sensing applications for viticultural terroir analysis | |
| Solvin et al. | Use of UAV photogrammetric data in forest genetic trials: measuring tree height, growth, and phenology in Norway spruce (Picea abies L. Karst.) | |
| Silva et al. | Combined effect of pulse density and grid cell size on predicting and mapping aboveground carbon in fast-growing Eucalyptus forest plantation using airborne LiDAR data | |
| Korobiichuk et al. | Crop monitoring for nitrogen nutrition level by digital camera | |
| Bian et al. | Closing the gap between phenotyping and genotyping: review of advanced, image-based phenotyping technologies in forestry | |
| Pabuayon et al. | High-throughput phenotyping in cotton: a review | |
| CN109827957B (zh) | 一种基于计算机视觉的水稻叶片spad值估测方法及系统 | |
| Huete et al. | Monitoring photosynthesis from space | |
| Rautiainen et al. | Ecological applications of physically based remote sensing methods | |
| Taugourdeau et al. | Estimating herbaceous aboveground biomass in Sahelian rangelands using Structure from Motion data collected on the ground and by UAV | |
| Sell et al. | Assessing the fine root growth dynamics of Norway spruce manipulated by air humidity and soil nitrogen with deep learning segmentation of smartphone images | |
| Chen et al. | Preliminary research on total nitrogen content prediction of sandalwood using the error-in-variable models based on digital image processing | |
| Barker et al. | Factors affecting active canopy sensor performance and reflectance measurements | |
| Black et al. | Estimation of grassland CO2 exchange rates using hyperspectral remote sensing techniques | |
| Yuke | Greenness index from phenocams performs well in linking climatic factors and monitoring grass phenology in a temperate prairie ecosystem |