JPWO2018193984A1 - 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
- JPWO2018193984A1 JPWO2018193984A1 JP2019513605A JP2019513605A JPWO2018193984A1 JP WO2018193984 A1 JPWO2018193984 A1 JP WO2018193984A1 JP 2019513605 A JP2019513605 A JP 2019513605A JP 2019513605 A JP2019513605 A JP 2019513605A JP WO2018193984 A1 JPWO2018193984 A1 JP WO2018193984A1
- Authority
- JP
- Japan
- Prior art keywords
- soil
- productivity
- plantation
- value
- soil component
- 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.)
- Granted
Links
- 239000002689 soil Substances 0.000 claims abstract description 158
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000001228 spectrum Methods 0.000 claims abstract description 55
- 238000000491 multivariate analysis Methods 0.000 claims abstract description 21
- 238000004856 soil analysis Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000010238 partial least squares regression Methods 0.000 claims description 13
- 241000196324 Embryophyta Species 0.000 claims description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 8
- 239000004927 clay Substances 0.000 claims description 8
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical group [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims description 6
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical group [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 229910052717 sulfur Inorganic materials 0.000 claims description 6
- 229910052757 nitrogen Inorganic materials 0.000 claims description 5
- 125000004434 sulfur atom Chemical group 0.000 claims description 5
- 229910052799 carbon Inorganic materials 0.000 claims description 4
- 229910052698 phosphorus Inorganic materials 0.000 claims description 4
- 238000010187 selection method Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical group [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 claims description 3
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical group [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical group [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 3
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical group [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 claims description 3
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical group [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 claims description 3
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical group [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 claims description 3
- 229910052782 aluminium Inorganic materials 0.000 claims description 3
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 3
- 230000037429 base substitution Effects 0.000 claims description 3
- 229910052796 boron Inorganic materials 0.000 claims description 3
- 229910052801 chlorine Inorganic materials 0.000 claims description 3
- 125000001309 chloro group Chemical group Cl* 0.000 claims description 3
- 125000004435 hydrogen atom Chemical group [H]* 0.000 claims description 3
- 229910052742 iron Inorganic materials 0.000 claims description 3
- 229910052749 magnesium Inorganic materials 0.000 claims description 3
- 229910052748 manganese Inorganic materials 0.000 claims description 3
- 239000005416 organic matter Substances 0.000 claims description 3
- 125000004437 phosphorous atom Chemical group 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 229910052708 sodium Inorganic materials 0.000 claims description 3
- 125000004436 sodium atom Chemical group 0.000 claims description 3
- 229910052725 zinc Inorganic materials 0.000 claims description 3
- 244000166124 Eucalyptus globulus Species 0.000 claims 1
- 238000005259 measurement Methods 0.000 description 25
- 238000012360 testing method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 241000219927 Eucalyptus Species 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 238000012876 topography Methods 0.000 description 5
- 210000000481 breast Anatomy 0.000 description 4
- 230000004069 differentiation Effects 0.000 description 4
- 244000004281 Eucalyptus maculata Species 0.000 description 3
- 241000219492 Quercus Species 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 240000007472 Leucaena leucocephala Species 0.000 description 2
- 235000010643 Leucaena leucocephala Nutrition 0.000 description 2
- 241000220299 Prunus Species 0.000 description 2
- 244000018795 Prunus mume Species 0.000 description 2
- 235000011158 Prunus mume Nutrition 0.000 description 2
- 235000009120 camo Nutrition 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012628 principal component regression Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- 241000218642 Abies Species 0.000 description 1
- 235000003840 Amygdalus nana Nutrition 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 240000001548 Camellia japonica Species 0.000 description 1
- 241000218645 Cedrus Species 0.000 description 1
- 241000723437 Chamaecyparis Species 0.000 description 1
- 241000270722 Crocodylidae Species 0.000 description 1
- 240000005109 Cryptomeria japonica Species 0.000 description 1
- 241000218691 Cupressaceae Species 0.000 description 1
- 241001442228 Eucalyptus grandis x Eucalyptus urophylla Species 0.000 description 1
- 241001649169 Jacaranda Species 0.000 description 1
- 241001098109 Jacaranda mimosifolia Species 0.000 description 1
- 241000220225 Malus Species 0.000 description 1
- 240000007228 Mangifera indica Species 0.000 description 1
- 235000014826 Mangifera indica Nutrition 0.000 description 1
- 241000218196 Persea Species 0.000 description 1
- 244000025272 Persea americana Species 0.000 description 1
- 235000008673 Persea americana Nutrition 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 241000218602 Pinus <genus> Species 0.000 description 1
- 241000018646 Pinus brutia Species 0.000 description 1
- 235000008577 Pinus radiata Nutrition 0.000 description 1
- 241000218621 Pinus radiata Species 0.000 description 1
- 235000011432 Prunus Nutrition 0.000 description 1
- 240000000191 Prunus tomentosa Species 0.000 description 1
- 235000018997 Prunus tomentosa Nutrition 0.000 description 1
- 240000002044 Rhizophora apiculata Species 0.000 description 1
- 241000120622 Rhizophoraceae Species 0.000 description 1
- 241000220317 Rosa Species 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 241000219094 Vitaceae Species 0.000 description 1
- SVRXCFMQPQNIGW-UHFFFAOYSA-N [2-(dimethylcarbamothioylsulfanylamino)ethylamino] n,n-dimethylcarbamodithioate Chemical compound CN(C)C(=S)SNCCNSC(=S)N(C)C SVRXCFMQPQNIGW-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011088 calibration curve Methods 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001983 electron spin resonance imaging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- -1 for example Substances 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011572 manganese Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 235000014774 prunus Nutrition 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
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)
Abstract
本発明の目的は植林地における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にある。本発明は（Ａ）〜（Ｄ）を含む植林候補地の生産性の予測方法を提供する：（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。
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。
Ｓａｎｃｈｅｚ−Ｒｏｄｒｉｇｕｅｚ，Ｆ ｅｔ ａｌ（２００２）Ｆｏｒｅｓｔ Ｅｃｏｌｏｇｙ ａｎｄ Ｍａｎａｇｅｍｅｎｔ １７１，１８１−１８９
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。
〔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。
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）：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。
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（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）もしくはＤＧＰＳ（Ｄｉｆｆｅｒｅｎｔｉａｌ Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）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（Ｐｒｕｎｕｓ ｓｐｐ．）、ウメ（Ｐｒｕｎｕｓ ｍｕｍｅ）、ユスラウメ（Ｐｒｕｎｕｓ ｔｏｍｅｎｔｏｓａ）など）、マンゴー属（Ｍａｎｇｉｆｅｒａ）植物（マンゴー（Ｍａｎｇｉｆｅｒａ ｉｎｄｉｃａ）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（Ｑｕｅｒｃｕｓ ａｃｕｔｉｓｓｉｍａ）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（Ｊａｃａｒａｎｄａ ｍｉｍｏｓｉｆｏｌｉａ）など）、ワニナシ属（Ｐｅｒｓｅａ）植物（アボカド（Ｐｅｒｓｅａ ａｍｅｒｉｃａｎａ）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。
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。
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。
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。
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（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。
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。
［式］
単木材積＝（胸高直径（ｍ））2×樹高（ｍ）×係数
係数：０．３〜０．４
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（ＡｒｃＧＩＳ ＥＳＲＩ社）から得た。
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。
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「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）。
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、「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。
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。
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。
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 true JPWO2018193984A1 (ja) | 2019-11-07 |
| JP6708789B2 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) |
Families Citing this family (2)
| 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 |
| KR102645282B1 (ko) * | 2021-02-17 | 2024-03-08 | (주) 심플그로우 | 딥러닝 기반의 식물 관리를 위한 장치, 서버 및 시스템 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005063001A1 (es) * | 2003-12-26 | 2005-07-14 | Instituto Madrileño De Investigación Agraría Y Alimentaria (Imia) | Simulador de lluvia para estudios medioambientales |
| JP2006115768A (ja) * | 2004-10-21 | 2006-05-11 | Oji Paper Co Ltd | 植物管理方法 |
| JP2008038511A (ja) * | 2006-08-08 | 2008-02-21 | Taisei Corp | 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 |
| WO2016043007A1 (ja) * | 2014-09-17 | 2016-03-24 | 住友林業株式会社 | 樹木成長の簡易予測法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
-
2018
- 2018-04-13 JP JP2019513605A patent/JP6708789B2/ja active Active
- 2018-04-13 WO PCT/JP2018/015526 patent/WO2018193984A1/ja active Application Filing
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005063001A1 (es) * | 2003-12-26 | 2005-07-14 | Instituto Madrileño De Investigación Agraría Y Alimentaria (Imia) | Simulador de lluvia para estudios medioambientales |
| JP2006115768A (ja) * | 2004-10-21 | 2006-05-11 | Oji Paper Co Ltd | 植物管理方法 |
| JP2008038511A (ja) * | 2006-08-08 | 2008-02-21 | Taisei Corp | 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 |
| WO2016043007A1 (ja) * | 2014-09-17 | 2016-03-24 | 住友林業株式会社 | 樹木成長の簡易予測法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6708789B2 (ja) | 2020-06-10 |
| WO2018193984A1 (ja) | 2018-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nilsen et al. | Thinning intensity effects on carbon and nitrogen stores and fluxes in a Norway spruce (Picea abies (L.) Karst.) stand after 33 years | |
| Babst et al. | Toward consistent measurements of carbon accumulation: A multi-site assessment of biomass and basal area increment across Europe | |
| Melin et al. | Decomposition of stump and root systems of Norway spruce in Sweden—a modelling approach | |
| Laubhann et al. | The impact of atmospheric deposition and climate on forest growth in European monitoring plots: An individual tree growth model | |
| Márialigeti et al. | The effects of stand structure on ground-floor bryophyte assemblages in temperate mixed forests | |
| Nair | Methodological challenges in estimating carbon sequestration potential of agroforestry systems | |
| Van Couwenberghe et al. | Gap partitioning among temperate tree species across a regional soil gradient in windstorm-disturbed forests | |
| Hellsten et al. | Nutrient concentrations in stumps and coarse roots of Norway spruce, Scots pine and silver birch in Sweden, Finland and Denmark | |
| 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 | |
| Shorohova et al. | The decomposition rate of non-stem components of coarse woody debris (CWD) in European boreal forests mainly depends on site moisture and tree species | |
| Romanyà et al. | Productivity of Pinus radiata plantations in Spain in response to climate and soil | |
| PALUCH et al. | Effect of local species composition on topsoil properties in mixed stands with silver fir (Abies alba Mill.) | |
| Kobal et al. | Influence of soil properties on silver fir (Abies alba Mill.) growth in the Dinaric Mountains | |
| Nikolova et al. | Combining tree-ring analyses on stems and coarse roots to study the growth dynamics of forest trees: a case study on Norway spruce (Picea abies [L.] H. Karst) | |
| Sharma et al. | Characterization of spatial variability of soil parameters in apple orchards of Himalayan region using geostatistical analysis | |
| De Pascale et al. | Water and fertilization management of vegetables: State of art and future challenges | |
| Velázquez-Martí et al. | Calculation of biomass volume of citrus trees from an adapted dendrometry | |
| Shi et al. | Variability of soil respiration at different spatial scales in temperate forests | |
| Das Gupta et al. | Spatial patterns of soil respiration links above and belowground processes along a boreal aspen fire chronosequence | |
| Smith et al. | A rapid method for landscape assessment of carbon storage and ecosystem function in moss and lichen ground layers | |
| Sohrabi et al. | Above-and below-ground biomass and carbon stocks of different tree plantations in central Iran | |
| Latterini et al. | Short-term physicochemical and biological impacts on soil after forest logging in Mediterranean broadleaf forests: 15 years of field studies summarized by a data synthesis under the meta-analytic framework | |
| JP6708789B2 (ja) | 植林地の生産性の予測方法 | |
| Tsuruta et al. | Slope position and water use by trees in a headwater catchment dominated by Japanese cypress: Implications for catchment‐scale transpiration estimates | |
| Gollany et al. | Assessing the effectiveness of agricultural conservation practices in maintaining soil organic carbon under contrasting agroecosystems and a changing climate |
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 |