WO2013128557A1 - 費用算出方法、費用算出プログラムおよび費用算出装置 - Google Patents

費用算出方法、費用算出プログラムおよび費用算出装置 Download PDF

Info

Publication number
WO2013128557A1
WO2013128557A1 PCT/JP2012/054846 JP2012054846W WO2013128557A1 WO 2013128557 A1 WO2013128557 A1 WO 2013128557A1 JP 2012054846 W JP2012054846 W JP 2012054846W WO 2013128557 A1 WO2013128557 A1 WO 2013128557A1
Authority
WO
WIPO (PCT)
Prior art keywords
cost
weather
crop
growth stage
predicted
Prior art date
Application number
PCT/JP2012/054846
Other languages
English (en)
French (fr)
Inventor
裕文 中▲崎▼
Original Assignee
富士通株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 富士通株式会社 filed Critical 富士通株式会社
Priority to PCT/JP2012/054846 priority Critical patent/WO2013128557A1/ja
Priority to JP2014501864A priority patent/JP5751381B2/ja
Publication of WO2013128557A1 publication Critical patent/WO2013128557A1/ja

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
    • A01G7/00—Botany in general
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Definitions

  • the present invention relates to a cost calculation method, a cost calculation program, and a cost calculation device.
  • Prior art includes, for example, predicting the crop yield before harvesting by predicting the light reflectance of the crop obtained from remote sensing data and the sugar amount from NDVI or GNDVI. Further, for example, there is a prior art that provides a database for creating a farming plan, a production plan creation technique, and a financial plan creation technique linked to the production plan.
  • an object of the present invention is to provide a cost calculation method, a cost calculation program, and a cost calculation device that can calculate the cost of farm work in a specific weather of a crop at a certain growth stage.
  • a predicted value of a weather element representing a characteristic of weather in a period corresponding to a growth stage of any one of the crops among the cultivation periods of the crops grown in the field, and the growth of the crops The standard cost for farm work in the stage is obtained, and the index value of the weather element representing the weather condition is associated with the cost for the countermeasure to be taken for the crop in the growth stage under the weather condition It is determined whether or not the obtained predicted value satisfies the weather condition with reference to a storage unit attached and stored, and when the predicted value satisfies the weather condition, the cost for the countermeasure and the standard Cost calculation method and cost calculation program for calculating a predicted cost for the farm work in the growth stage of the crop based on the cost and outputting the calculated predicted cost And cost calculation device is proposed.
  • FIG. 1 is an explanatory diagram of an example of a cost calculation method according to the first embodiment.
  • FIG. 2 is a block diagram illustrating a hardware configuration example of the profit / loss prediction apparatus 200.
  • FIG. 3 is an explanatory diagram showing an example of the contents stored in the farm field DB 300.
  • FIG. 4 is an explanatory diagram showing a specific example of work history data.
  • FIG. 5 is an explanatory diagram of a specific example of usage history data.
  • FIG. 6 is an explanatory diagram showing an example of the contents stored in the worker master 600.
  • FIG. 7 is an explanatory diagram showing an example of the contents stored in the material master 700.
  • FIG. 8 is an explanatory diagram showing an example of the contents stored in the weather data DB 800.
  • FIG. 1 is an explanatory diagram of an example of a cost calculation method according to the first embodiment.
  • FIG. 2 is a block diagram illustrating a hardware configuration example of the profit / loss prediction apparatus 200.
  • FIG. 3 is an ex
  • FIG. 9 is an explanatory diagram showing an example of the contents stored in the cultivation period management table 900.
  • FIG. 10 is an explanatory diagram showing an example of the contents stored in the standard cost master 1000.
  • FIG. 11 is an explanatory diagram showing an example of the contents stored in the weather cost master 1100.
  • FIG. 12 is an explanatory diagram showing an example of the contents stored in the standard counter-revenue master 1200.
  • FIG. 13 is an explanatory diagram showing an example of the contents stored in the crop growth limit temperature master 1300.
  • FIG. 14 is a block diagram illustrating a functional configuration example of the profit / loss prediction apparatus 200.
  • FIG. 15 is an explanatory diagram illustrating an example of calculating the similarity based on the daily average temperature.
  • FIG. 10 is an explanatory diagram showing an example of the contents stored in the standard cost master 1000.
  • FIG. 11 is an explanatory diagram showing an example of the contents stored in the weather cost master 1100.
  • FIG. 12 is an explanatory diagram showing an example
  • FIG. 16 is an explanatory diagram illustrating an example of calculating the similarity based on the integrated value of the daily average temperature.
  • FIG. 17 is an explanatory diagram of a specific example of predicted weather data.
  • FIG. 18 is an explanatory diagram showing an example of the contents stored in the cost management table 1800.
  • FIG. 19 is an explanatory diagram showing a screen example of the profit / loss prediction condition input screen.
  • FIG. 20 is an explanatory diagram showing a screen example of the profit / loss prediction screen.
  • FIG. 21 is a flowchart illustrating an example of the profit / loss prediction processing procedure of the profit / loss prediction apparatus 200.
  • FIG. 22 is a flowchart (part 1) illustrating an example of a specific process procedure of the actual cost calculation process.
  • FIG. 23 is a flowchart (part 2) illustrating an example of a specific processing procedure of the actual cost calculation processing.
  • FIG. 24 is a flowchart illustrating an example of a specific processing procedure of the predicted weather data acquisition process.
  • FIG. 25 is a flowchart (part 1) illustrating an example of a specific processing procedure of the predicted cost calculation process.
  • FIG. 26 is a flowchart (part 2) illustrating an example of a specific process procedure of the predicted cost calculation process.
  • FIG. 27 is a flowchart illustrating an example of a specific processing procedure of the profit / loss prediction processing.
  • FIG. 1 is an explanatory diagram of an example of a cost calculation method according to the first embodiment.
  • a cost calculation apparatus 100 is a computer that calculates the cost for farm work in each growth stage of a crop cultivated in a field.
  • farms are fields, vegetable gardens, orchards for growing crops.
  • the crops are, for example, agricultural crops such as cereals, vegetables and fruit trees.
  • the crops can be classified by, for example, combinations of items, varieties and cropping types.
  • An item is a type of crop. Examples of the item include paddy rice, cabbage, carrot, and mandarin.
  • Species are types within the same item.
  • varieties of cabbage include cold bean cabbage, spring ball cabbage, green ball cabbage, purple cabbage and the like.
  • Citrus varieties include Yura Wassei, Miyagawa Wassei, Kuno Unshu, Otsu 4 and Qingdao Unshu.
  • Cropping is a system that indicates a combination of conditions and techniques for cultivating crops. Examples of cropping patterns include direct sowing, rice planting, spring sowing cultivation, summer sowing cultivation, autumn sowing cultivation, and winter sowing cultivation.
  • the growth stage refers to the growth stage of crops that grow over time.
  • mandarin orange growth stages include a germination period, a flowering period, a full bloom period, a physiological fruit fall period, a fruit enlargement period, a maturation period, and a harvest period.
  • the cabbage growth stages include a sowing period, a seedling period, a transplanting period, a fixed planting period, a growing period, and a harvesting period.
  • Agricultural work is work for cultivating crops. Agricultural work includes, for example, patrol, sowing, plowing, plowing, fertilization, rice planting, leveling, pesticide application, weeding, thinning, top fertilization, soil cultivation, harvesting, and the like.
  • the cost calculation device 100 can access the storage unit 110.
  • the storage unit 110 stores, for each growth stage of a crop, an index value of a weather element representing a weather condition and a cost for a countermeasure to be taken for a crop at the growth stage under the weather condition in association with each other. It is a storage device.
  • meteorological conditions are conditions that represent the state of the atmosphere.
  • Weather conditions can be defined using weather elements.
  • a meteorological element is an element representing the characteristics of the weather.
  • the meteorological elements are, for example, temperature, precipitation, sunshine duration, humidity, atmospheric pressure, wind speed, and the like. Countermeasures are taken to avoid the adverse effects of weather effects on the growth of crops during cultivation.
  • the effect of the weather on crop growth may vary depending on the crop growth stage. For example, a weather condition is assumed in which precipitation is a predetermined amount or more. In this case, since the seeds are likely to flow due to rain during the period of just sowing the crop, there is a cost for taking measures to prevent the seeds from flowing out. On the other hand, at the time after the roots of the crops have settled, water is necessary for growth, so there is no need to take countermeasures and no costs are incurred.
  • the cost calculation apparatus 100 converts the cost for farming a crop at a certain growth stage to a standard cost for the farming of a crop at a certain growth stage at a specific weather. This is determined by taking into account the cost of countermeasures to be taken on the crops in the growing stage.
  • target crop a crop for which the cost of farm work is calculated
  • target growth stage a growth stage that is a calculation target of costs for farm work
  • target period the period corresponding to the target growth stage in the cultivation period of the target crop
  • the cost calculation apparatus 100 acquires the predicted value of the weather element in the target period corresponding to the target growth stage of the target crop among the cultivation periods of the target crop cultivated in the target field.
  • the predicted value of the meteorological element is, for example, a value obtained by predicting temperature, precipitation, sunshine duration, humidity, atmospheric pressure, wind speed, and the like in the target period of the region including the target field.
  • the predicted value “150 [mm]” of the accumulated precipitation in the target period is acquired as the predicted value of the weather element in the target period.
  • the cost calculation apparatus 100 acquires a predicted value of a weather element in a target period by a user operation input or by extraction from a database. Moreover, the cost calculation apparatus 100 may acquire the predicted value of the weather element in the target period from an external computer.
  • the cost calculation apparatus 100 acquires a standard cost for farming the target crop in the target growth stage.
  • the standard cost is, for example, an average value of the cost per unit area required for the farm work in the target growth stage of the target crop.
  • the standard cost “100,000 [yen]” per 10 [a] is given as the standard cost for the farm work in the target growing stage “mature stage” of the target crop “mandarin”. Has been acquired. 1 [a] is 100 square meters.
  • the cost calculation apparatus 100 acquires a standard cost for farm work in a target growing stage of a target crop by a user operation input or extraction from a database.
  • the cost calculation apparatus 100 may acquire a standard cost for farm work in the target growing stage of the target crop from an external computer.
  • the cost calculation apparatus 100 determines whether or not the predicted value of the weather element in the acquired target period satisfies the weather condition stored in the storage unit 110 in association with the target growth stage of the target crop.
  • the predicted value of the weather element in the target period is the predicted value “150 [mm]” of the accumulated precipitation amount in the target period.
  • the weather condition corresponding to the target growth stage of the target crop is the weather condition “cumulative precipitation is 100 [mm] or more” stored in the storage unit 110 in association with the growth stage “mature stage” of the crop “citrus”. ]. For this reason, the expense calculation apparatus 100 determines that the predicted value of the weather element in the target period satisfies the weather condition corresponding to the target growth stage of the target crop.
  • the cost calculation apparatus 100 when the predicted value of the meteorological element in the target period satisfies the weather condition, the cost for the countermeasure to be taken for the target crop in the target growth stage under the weather condition, and the acquired standard The estimated cost for farm work is calculated based on the actual cost.
  • the predicted cost for farm work is a predicted value of the cost for farm work in the target growth stage of the target crop.
  • the countermeasure to be applied to the crop “Tangerine” in the growth stage “Maturity” under the weather condition of “cumulative precipitation of 100 mm or more” is “lay multi-sheet”.
  • the cost for the countermeasure “lay a multi-seat” is “40000 [yen]”. This cost is the cost required for the measure “lay a multi-sheet” per 10 [a].
  • the cost calculation apparatus 100 calculates the predicted cost for farm work in the target growth stage of the target crop by adding the cost for the countermeasure to the acquired standard cost.
  • the predicted cost for farm work in the target growth stage of the target crop is “140000 [yen]”.
  • Multi-seat is a measure to prevent rain from getting into the soil because the actual sugar content decreases if there is rainfall after the mandarin oranges have ripened.
  • the cost calculation apparatus 100 when the predicted value of the weather element in the target period satisfies the specific weather condition, the target crop in the target growth stage under the specific weather condition is selected. It is possible to identify the cost of the countermeasures to be taken. Then, according to the cost calculation apparatus 100, based on the cost for the specified countermeasure and the standard cost for the farm work of the target crop in the target growth stage, the predicted cost for the farm work in the target growth stage of the target crop. Can be calculated.
  • FIG. 2 is a block diagram illustrating a hardware configuration example of the profit / loss prediction apparatus 200.
  • the profit / loss prediction apparatus 200 includes a CPU (Central Processing Unit) 201, a ROM (Read-Only Memory) 202, a RAM (Random Access Memory) 203, a magnetic disk drive 204, a magnetic disk 205, and an optical disk.
  • a drive 206, an optical disk 207, a display 208, an I / F (Interface) 209, a keyboard 210, a mouse 211, a scanner 212, and a printer 213 are included.
  • Each component is connected by a bus 220.
  • the CPU 201 governs overall control of the profit / loss prediction apparatus 200.
  • the ROM 202 stores a program such as a boot program.
  • the RAM 203 is used as a work area for the CPU 201.
  • the magnetic disk drive 204 controls reading / writing of data with respect to the magnetic disk 205 according to the control of the CPU 201.
  • the magnetic disk 205 stores data written under the control of the magnetic disk drive 204.
  • the optical disc drive 206 controls reading / writing of data with respect to the optical disc 207 according to the control of the CPU 201.
  • the optical disk 207 stores data written under the control of the optical disk drive 206, or causes the computer to read data stored on the optical disk 207.
  • the display 208 displays data such as a document, an image, and function information as well as a cursor, an icon, or a tool box.
  • a CRT a CRT
  • a TFT liquid crystal display a plasma display, or the like can be adopted.
  • the I / F 209 is connected to a wired or wireless network 214 via a communication line, and is connected to another computer via the network 214.
  • the network 214 is, for example, a LAN (Local Area Network), a wireless LAN, a WAN (Wide Area Network), the Internet, or the like.
  • the I / F 209 serves as an internal interface with the network 214 and controls data input / output from an external computer.
  • a modem or a LAN adapter may be employed as the I / F 209.
  • the keyboard 210 has keys for inputting characters, numbers, various instructions, etc., and inputs data. Moreover, a touch panel type input pad or a numeric keypad may be used.
  • the mouse 211 performs cursor movement, range selection, window movement, size change, and the like.
  • the scanner 212 optically reads an image and takes in the image data into the profit / loss prediction apparatus 200.
  • the printer 213 prints image data and document data.
  • a laser printer or an ink jet printer can be adopted.
  • the cost calculation apparatus 100 may not include, for example, the optical disk drive 206, the optical disk 207, the scanner 212, and the printer 213 among the above-described components.
  • FIG. 3 is an explanatory diagram showing an example of the contents stored in the farm field DB 300.
  • the farm field DB 300 includes fields of a farm field ID, a farm field name, an item, a variety, a cropping type, a growth stage, work history data, and use history data.
  • the field information 300-1 to 300-n of the fields F1 to Fn are stored as records.
  • the field ID is an identifier for uniquely identifying the fields F1 to Fn.
  • the farm fields F1 to Fn are farm fields managed by a farm manager, for example.
  • the field name is the name of the field Fi.
  • the item is an item of a crop cultivated in the field Fi.
  • the variety is a variety of a crop cultivated in the field Fi.
  • the cropping type is a cropping type of a crop cultivated in the field Fi.
  • the growth stage is a growth stage of a crop cultivated in the field Fi.
  • Work history data is information indicating the work history of farm work performed in the field Fj. Detailed description of the work history data will be described later with reference to FIG.
  • the usage history data is information indicating the usage history of materials used in the field Fj.
  • the materials are farm equipment, agricultural chemicals, seeds and the like used for farm work. Examples of the agricultural equipment include agricultural tractors, tillers, rice transplanters, combine harvesters, and agricultural chemical spreaders. Detailed description of the usage history data will be described later with reference to FIG.
  • the farm field DB 300 includes farm field information in which farm work in the farm field Fi is currently in progress and farm field information in which farm work in the farm field Fi has been completed.
  • FIG. 4 is an explanatory diagram showing a specific example of work history data.
  • the work history data W1 has fields of field ID, work date, work time, work contents, and worker name.
  • work histories for example, work histories 400-1 to 400-5) are stored as records.
  • the field ID is an identifier of the field Fj.
  • the work day is the date on which the farm work was performed in the field Fj.
  • the work time is a work time when the farm work is performed in the field Fj.
  • the work content is the work content of the farm work performed in the field Fj.
  • the worker name is the name of the worker who performs the farm work performed in the field Fj.
  • the name “worker A” is set.
  • the work history data is updated each time a new farm work is performed in the field Fj.
  • FIG. 5 is an explanatory diagram showing a specific example of usage history data.
  • the use history data M1 has fields of field ID, work date, use time, material name, and worker name.
  • usage histories for example, usage histories 500-1 to 500-5 are stored as records.
  • the field ID is an identifier of the field Fj.
  • the work day is the date on which the farm work was performed in the field Fj.
  • the use time is the time when the material is used.
  • the material name is the name of the material used for farm work.
  • the worker name is the name of the worker who performs the farm work performed in the field Fj.
  • the usage history 500-1 As an example, the name “15 horsepower (ASTE)” of the material used in the field F1 at the usage time “13: 32-15: 31” on the work day “2011/01/08” and The worker name “worker A” is set.
  • the usage history data is updated each time a new material is used in the farm work of the field Fj.
  • FIG. 6 is an explanatory diagram showing an example of the contents stored in the worker master 600.
  • the worker master 600 includes a worker name and a unit price field. By setting information in each field, worker information (for example, worker information 600-1 to 600-4) is stored as a record.
  • the worker name is the name of the worker engaged in agriculture.
  • the unit price is the labor cost paid for the worker's hourly farm work. Taking the worker information 600-1 as an example, a unit price “2000 [yen]” for the worker name “worker A” is set.
  • FIG. 7 is an explanatory diagram showing an example of the contents stored in the material master 700.
  • the material master 700 has fields of material name and unit price. By setting information in each field, material information (for example, material information 700-1, 700-2) is stored as a record.
  • Material name is the name of the material used for farm work.
  • the unit price is a material cost paid for the hourly use of the material. Taking the material information 700-1 as an example, a unit price “2000 [yen]” for the material name “15 hp” is set.
  • the weather data DB 800 is a database that stores weather data measured in an area including the target field.
  • the meteorological data is information indicating measured values of meteorological elements.
  • FIG. 8 is an explanatory diagram showing an example of the stored contents of the weather data DB 800.
  • the weather data DB 800 has fields of date, time, temperature, precipitation, and sunshine time. By setting information in each field, weather data is stored as a record.
  • the date is the date when the weather data was measured.
  • Time is the time zone when meteorological data was measured.
  • the temperature is the temperature measured in the area including the target field.
  • the precipitation is the precipitation measured in the area including the target field.
  • the sunshine time is the sunshine time measured in the area including the target field.
  • the cultivation period management table 900 is information representing the cultivation period of the target crop cultivated in the target field.
  • a crop of the item “cabbage”, the variety “cold ball”, and the cropping type “spring sowing and summer harvest” will be described as an example.
  • FIG. 9 is an explanatory diagram showing an example of the stored contents of the cultivation period management table 900.
  • the cultivation period management table 900 has fields for items, varieties, cropping types, field names, growth stages, period start dates, and period end dates. By setting information in each field, period management information 900-1 to 900-4 for each growth stage of the target crop is stored as a record.
  • Item is the item of the target crop.
  • the variety is the variety of the target crop.
  • the cropping type is the cropping type of the target crop.
  • the field name is the name of the target field.
  • the growth stage is a growth stage of the target crop.
  • the period start date is the start date of the period corresponding to each growth stage in the cultivation period of the target crop.
  • the period end date is the end date of the period corresponding to each growth stage in the cultivation period of the target crop.
  • the growth stage of the target crop of the item “cabbage”, the variety “cold ball”, and the cropping type “spring sowing summer harvest” cultivated in the target field of the field name “field A” A period start date “2012/4/1” and a period end date “2012/4/15” of the period corresponding to the “preparation period” are set.
  • the standard cost master 1000 stores standard cost information representing standard costs for farm work in each growth stage of the target crop.
  • a crop of the item “cabbage”, the variety “cold ball”, and the cropping type “spring sowing and summer harvest” will be described as an example.
  • FIG. 10 is an explanatory diagram showing an example of the contents stored in the standard cost master 1000.
  • the standard cost master 1000 has fields of item, product type, cropping type, growth stage, personnel cost, and material cost. By setting information in each field, standard cost information 1000-1 to 1000-4 is stored as records.
  • Item is the item of the target crop.
  • the variety is the variety of the target crop.
  • the cropping type is the cropping type of the target crop.
  • the growth stage is a growth stage of the target crop.
  • the labor cost is a standard labor cost [yen] for farm work in each growth stage of the target crop.
  • the material cost is a standard material cost [yen] for farm work in each growth stage of the target crop.
  • the labor cost and the material cost are per 10 [a].
  • the standard labor costs for agricultural work in the growth stage “preparation stage” of the target crop of the item “cabbage”, variety “cold ball”, cropping type “spring sowing and summer harvest” “15000 [yen]” and material cost “7000 [yen]” are set.
  • the weather cost master 1100 corresponds to the storage unit 110 shown in FIG.
  • the weather cost master 1100 stores weather cost information representing the cost for the countermeasure to be taken for the target crop in the growth stage under a certain weather condition for each growth stage of the target crop.
  • a crop of the item “mandarin orange”, cultivar “xx early rise”, and cropping type “early rise” will be described as an example.
  • FIG. 11 is an explanatory diagram showing an example of the stored contents of the weather cost master 1100.
  • the weather cost master 1100 has fields for items, varieties, cropping types, growth stages, indexes, index values, units, conditions, countermeasures, and weather costs.
  • weather cost information 1100-1 to 1100-6 is stored as a record.
  • Item is the item of the target crop.
  • the variety is the variety of the target crop.
  • the cropping type is the cropping type of the target crop.
  • the growth stage is a growth stage of the target crop.
  • the index is a weather element for representing specific weather conditions in each growth stage of the target crop.
  • the index value is a value of a weather element for representing a specific weather condition.
  • the unit is a unit of a weather element value for representing a specific weather condition.
  • the condition is a condition of a weather element for expressing a specific weather condition.
  • the countermeasure is a countermeasure to be applied to the target crop at each growth stage under each weather condition.
  • the weather cost is a cost [yen / 10a] that is increased by taking a countermeasure against the target crop.
  • the standard rebound master 1200 stores standard rebound information for predicting the standard sales of crops per rebound (about 10 [a]).
  • FIG. 12 is an explanatory diagram showing an example of the stored contents of the standard rebound master 1200.
  • the standard rebound master 1200 has fields for item, product type, cropping type, standard rebound and standard unit price.
  • standard return information (for example, standard return information 1200-1 to 1200-4) is stored as a record.
  • Items are crop items.
  • a variety is a variety of crops.
  • the cropping type is a cropping type.
  • the standard yield is the standard yield [kg] per crop (about 10 [a]).
  • the standard unit price is the standard sales [yen] per 1 kg of the crop.
  • the standard counter-revenue information 1200-1 is the standard counter-revenue “5000 [kg]” and standard unit price “45 [yen / yen] kg] ”is set.
  • the crop growth limit temperature master 1300 stores limit temperature information indicating a temperature suitable for crop growth.
  • FIG. 13 is an explanatory diagram showing an example of the contents stored in the crop growth limit temperature master 1300.
  • the crop growth limit temperature master 1300 has fields of item, limit temperature lower limit, and limit temperature upper limit.
  • limit temperature information (for example, limit temperature information 1300-1 to 1300-4) is stored as a record.
  • the lower limit temperature limit represents the lower limit value of the temperature suitable for crop growth.
  • the upper limit temperature represents the upper limit of the temperature suitable for crop growth. Taking the limit temperature information 1300-1 as an example, the limit temperature lower limit “5 [° C.]” and the limit temperature upper limit “30 [° C.]” of the item “cabbage” are set.
  • FIG. 14 is a block diagram illustrating a functional configuration example of the profit / loss prediction apparatus 200.
  • the profit and loss prediction apparatus 200 includes an acquisition unit 1401, a determination unit 1402, a first calculation unit 1403, a second calculation unit 1404, a third calculation unit 1405, a determination unit 1406, and an extraction unit
  • the configuration includes a unit 1407 and an output unit 1408.
  • the acquisition unit 1401 to output unit 1408 function as control units. Specifically, for example, programs stored in storage devices such as the ROM 202, RAM 203, magnetic disk 205, and optical disk 207 shown in FIG. The function is realized by executing or by the I / F 209. Further, the processing results of each functional unit are stored in a storage device such as the RAM 203, the magnetic disk 205, and the optical disk 207, for example.
  • the acquisition unit 1401 has a function of acquiring profit / loss prediction conditions.
  • the profit and loss prediction is to predict a loss generated by cultivating the target crop and a profit obtained by cultivating the target crop.
  • the profit / loss prediction condition is a condition for designating a target crop as a profit / loss prediction target.
  • the profit / loss prediction condition includes, for example, information for specifying the target field and the target crop.
  • the acquisition unit 1401 acquires the profit / loss prediction condition by the user's operation input using the keyboard 210 and the mouse 211 shown in FIG.
  • the acquisition unit 1401 may acquire profit / loss prediction conditions from another computer via the network 214.
  • a specific example of the profit / loss prediction condition input screen will be described later with reference to FIG.
  • a plurality of growth stages of the target crop cultivated in the target field may be referred to as “growth stages S1 to Sm”.
  • growth stages S1 to Sm an arbitrary growth stage among the growth stages S1 to Sm of the target crop
  • growth stage Sj 1, 2,..., M
  • cultivation period T the cultivation period of the target crop
  • period Tj the period corresponding to the growth stage Sj in the cultivation period T.
  • the acquisition unit 1401 has a function of acquiring predicted weather data in a period Tj corresponding to the growth stage Sj of the target crop in the cultivation period T of the target crop.
  • the predicted weather data is information that represents a predicted value of a weather element that represents the characteristics of the weather in the period Tj.
  • the predicted weather data may represent, for example, the predicted value of the weather element in the period Tj predicted by the weather forecast.
  • the growth stage Sj from which the predicted weather data is acquired is, for example, a growth stage in which the farm work is currently in progress or planned among the growth stages S1 to Sm, and is a growth stage from which a prediction cost is calculated later.
  • a specific example of predicted weather data will be described later with reference to FIG.
  • the acquisition unit 1401 may acquire predicted weather data in the period Tj by a user operation input. Further, the acquisition unit 1401 may acquire, for example, weather data extracted from the weather data DB 800 illustrated in FIG. 8 by the extraction unit 1407 described later as predicted weather data. The specific processing content of the extraction unit 1407 will be described later with reference to FIGS. 15 and 16.
  • the determination unit 1402 has a function of referring to the weather cost information and determining whether or not the predicted value of the weather element in the period Tj represented by the acquired predicted weather data satisfies a specific weather condition.
  • the weather cost information associates an index value of a weather element representing a specific weather condition with a weather cost related to a countermeasure to be taken for the target crop of the growth stage Sj under the specific weather condition. It is information to represent.
  • the determination unit 1402 refers to the weather cost master 1100 illustrated in FIG. 11 and identifies weather cost information corresponding to the growth stage Sj of the target crop. Then, the determination unit 1402 refers to the specified weather cost information to determine whether or not the predicted value of the weather element in the period Tj represented by the predicted weather data satisfies a specific weather condition.
  • weather cost related to the countermeasure to be taken for the target crop of the growth stage Sj under specific weather conditions may be expressed as “weather cost C W (j)”.
  • weather cost C W (j) The specific processing content of the determination unit 1402 will be described later with reference to FIG.
  • the first calculation unit 1403 has a function of calculating a predicted cost for farm work in the growth stage Sj of the target crop based on the determined determination result.
  • the growth stage Sj for which the predicted cost is to be calculated is, for example, a growth stage in which the farm work is currently in progress or scheduled among the growth stages S1 to Sm, as described above.
  • the growth stage Sj for which the predicted cost is to be calculated is a growth stage in which the period end date of the period Tj is in the future.
  • the period start date and the period end date of the period Tj can be specified from the cultivation period management table 900 shown in FIG.
  • the predicted cost for farm work in the growth stage Sj of the target crop may be expressed as “predicted cost C P (j)”.
  • the first calculation unit 1403 identifies a standard cost for farm work in the growth stage Sj of the target crop.
  • the standard cost is a standard cost for farm work in the growth stage Sj of the target crop.
  • the standard cost includes, for example, labor costs of workers engaged in farm work and material costs such as farm equipment, agricultural chemicals, and seeds used for farm work.
  • the first calculation unit 1403 refers to the standard cost master 1000 illustrated in FIG. 10 and adds the labor cost and the material cost corresponding to the growth stage Sj of the target crop.
  • the standard cost for farm work can be specified.
  • the standard cost for the farm work in the growth stage “preparation stage” of the target crop of the item “cabbage”, variety “cold ball”, and cropping type “spring sowing summer harvest” is “22000 [yen]”.
  • the first calculation unit 1403 may specify the standard cost for the farm work by receiving the input of the standard cost for the farm work in the growth stage Sj of the target crop by the user's operation input.
  • the standard cost for farm work in the growth stage Sj of the target crop may be expressed as “standard cost C L (j)”.
  • the first calculation unit 1403 calculates the predicted cost C P (j) based on the weather cost C W (j) and the standard cost C L (j). More specifically, for example, when the predicted value of the weather element in the period Tj satisfies a specific weather condition, the first calculation unit 1403 specifies the weather cost information corresponding to the specific weather condition with reference to the weather cost information. Measures and weather cost C W (j) when the weather conditions are satisfied. Then, the first calculation unit 1403 may calculate the predicted cost C P (j) by integrating the weather cost C W (j) and the standard cost C L (j).
  • the first calculation unit 1403 may calculate the weather cost C W (j) by integrating the plurality of weather costs.
  • the first calculation unit 1403 selects one of the plurality of weather costs, for example, the maximum weather cost as the weather cost C W (j ) May be calculated.
  • the first calculation unit 1403 calculates the standard cost C L (j) as the predicted cost C P (j) when the predicted value of the weather element in the period Tj does not satisfy a specific weather condition. Good.
  • the identified standard cost C L (j), weather cost C W (j), and calculated predicted cost C P (j) are stored, for example, in a cost management table 1800 shown in FIG.
  • the 2nd calculation part 1404 has a function which calculates the performance cost concerning the farm work in the growth stage Sj of object crop.
  • the growth stage Sj for which the actual cost is to be calculated is, for example, a growth stage in which the farm work has been completed among the growth stages S1 to Sm. That is, the growth stage Sj for which the actual cost is to be calculated is a growth stage whose period end date is the past.
  • the actual cost for farm work in the growth stage Sj of the target crop may be described as “actual cost C R (j)”.
  • the second calculation unit 1404 based on the work history data stored in the farm field DB 300 illustrated in FIG. 3, records the actual cost C R ( j) may be calculated. More specifically, for example, first, the second calculation unit 1404 extracts work history data corresponding to the growth stage Sj of the target crop cultivated in the target field from the field DB 300.
  • the second calculation unit 1404 calculates a work time corresponding to the work time of each work history for each work history of the extracted work history data. For example, when the work time is “13:00 to 14:00”, the work time is “1 hour”. Next, the second calculating unit 1404 refers to the worker master 600 shown in FIG. 6 and specifies the unit price of the worker corresponding to the worker name of each work history for each work history of the work history data. To do.
  • the second calculation unit 1404 calculates the actual cost by multiplying the calculated work time and the unit price of the identified worker for each work history of the work history data. For example, when the work time of a certain work history is “1 hour” and the unit price of the worker is “2000 yen”, the actual cost corresponding to this work history is “2000 yen”. Then, the second calculation unit 1404 may calculate the actual cost C R (j) by accumulating the actual cost for each work history.
  • the second calculation unit 1404 calculates the actual cost C R (j) required for the farm work in the growth stage Sj of the target crop based on the use history data stored in the farm field DB 300. Also good. More specifically, for example, first, the second calculation unit 1404 extracts use history data corresponding to the growth stage Sj of the target crop grown in the target field from the field DB 300.
  • the 2nd calculation part 1404 calculates the usage time corresponding to the usage time of each usage history for every usage history of the extracted usage history data. For example, when the usage time is “13:00 to 14:00”, the usage time is “1 hour”.
  • the second calculation unit 1404 refers to the material master 700 shown in FIG. 7 and identifies the unit price of the material corresponding to the material name of each usage history for each usage history of the usage history data.
  • the second calculation unit 1404 calculates the actual cost by multiplying the calculated usage time and the unit price of the specified material for each usage history of the usage history data. For example, when the usage time of a certain usage history is “1 hour” and the unit price of the material is “1500 yen”, the actual cost corresponding to this usage history is “1500 yen”. Then, the second calculation unit 1404 may calculate the actual cost C R (j) by accumulating the actual cost for each use history.
  • the second calculation unit 1404 may calculate the actual cost C R (j) by adding the actual cost based on the work history data and the actual cost based on the usage history data.
  • the calculated actual cost C R (j) required for the farm work in the growth stage Sj of the target crop is stored, for example, in a cost management table 1800 shown in FIG.
  • the third calculation unit 1405 has a function of calculating the total cost for the farm work of the target crop.
  • the total cost is obtained by integrating the cost of farm work in each growth stage Sj of the target crop, that is, the predicted cost C P (j) or the actual cost C R (j).
  • the total cost for the farm work of the target crop may be expressed as “total cost C”.
  • the third calculation unit 1405 calculates the total cost C by, for example, integrating the predicted costs C P (1) to C P (m).
  • the actual costs C R (1) to C R (3) of the growth stages S1 to S3 of the target crop are calculated, and the predicted costs C P (4) to C P (m) of the growth stages S4 to Sm are calculated.
  • the third calculation unit 1405 adds the total cost C by, for example, integrating the actual costs C R (1) to C R (3) and the predicted costs C P (4) to C P (m). calculate.
  • the actual cost C R (j) and the predicted cost C P (j) may be calculated for the current growth stage Sj.
  • the third calculation unit 1405 may not include either the actual cost C R (j) or the predicted cost C P (j) of the growth stage Sj in the total cost C.
  • the actual costs C R (1) to C R (3) of the growth stages S1 to S3 are calculated and the predicted cost C of the growth stages S3 to Sm is calculated.
  • P (3) to C P (m) are calculated.
  • the third calculation unit 1405 adds up the actual cost C R (1), the actual cost C R (2), and the predicted costs C P (3) to C P (m), for example. C may be calculated.
  • the total cost C can be calculated by excluding the actual cost C R (3) of the current growth stage S3 from the actual costs C R (1) to C R (3) of the growth stages S1 to S3.
  • the calculation accuracy of the total cost C can be improved.
  • the third calculation unit 1405 may calculate an integrated cost for farm work up to each growth stage Sj for each growth stage Sj of the target crop.
  • the integrated cost for farm work up to the growth stage Sj may be referred to as “integrated cost C (j)”.
  • integrated cost C (j) The specific processing content of the third calculation unit 1405 will be described later with reference to FIG.
  • the determination unit 1406 has a function of determining whether or not the calculated total cost C is larger than the predicted sales obtained by growing the target crop in the target field.
  • the predicted sales are, for example, the total amount of money obtained by selling the target crop grown in the target field.
  • the predicted sales obtained by cultivating the target crop in the target field may be referred to as “predicted sales SV”.
  • the predicted sales SV can be identified from, for example, the standard counter-revenue master 1200 shown in FIG. Specifically, for example, the determination unit 1406 refers to the standard rebound master 1200 and identifies standard rebound information corresponding to the combination of the item, the variety, and the cropping type of the target crop. Next, the determination unit 1406 specifies the predicted sales SV [yen] of the target crop per counter (about 10 [a]) by multiplying the standard counter-acquisition of the specified standard counter-acquisition information by the standard unit price. Can do. Then, the determination unit 1406 may determine whether or not the calculated total cost C is greater than the specified predicted sales SV.
  • the determination unit 1406 compares the accumulated cost C (j) of each growth stage Sj with the predicted sales SV to identify the growing stage Sj in which the accumulated cost C (j) is larger than the predicted sales SV. It may be.
  • the output unit 1408 has a function of outputting the calculated predicted cost C P (j) related to the farm work in the growth stage Sj of the target crop.
  • the farmer can grasp the predicted cost C P (j) related to the farm work in the growth stage Sj of the target crop cultivated in the target field.
  • the output unit 1408 may output the actual cost C R (j) required for the farm work in the growth stage Sj of the calculated target crop. Thereby, for example, the farmer can grasp the actual cost C R (j) required for the farm work in the growth stage Sj of the target crop.
  • the output unit 1408 may output the calculated total cost C for the farm work of the target crop. Thereby, the farmer can grasp
  • the output unit 1408 may output the accumulated cost C (j) required for the farm work up to the calculated growth stages Sj. Thereby, for example, the farmer can grasp the integrated cost C (j) required for the farm work up to each growth stage Sj for each growth stage Sj of the target crop.
  • the output unit 1408 may output a determination result as to whether or not the total cost C is larger than the predicted sales SV. Thereby, for example, the farmer can determine the profit and loss of the target crop. For example, when the total cost C is larger than the predicted sales SV, the farmer can predict that the target crop will be in the red even if the target crop is cultivated.
  • the output unit 1408 indicates the growth stage Sj in which the accumulated cost C (j) is larger than the predicted sales SV. May be output. Thereby, for example, the farmer can predict in which growth stage Sj the accumulated cost C (j) is larger than the predicted sales SV.
  • An example of a screen displaying the output result of the output unit 1408 will be described later with reference to FIG.
  • the actual cost C R (j) required for the farm work in the growth stage Sj of the target crop is calculated, but the present invention is not limited to this.
  • the profit / loss prediction apparatus 200 may acquire the actual cost C R (j) required for the farm work in the growth stage Sj of the target crop by a user operation input.
  • Specific processing contents of the extraction unit 1407 Next, an example of specific processing contents of the extraction unit 1407 that extracts weather data to be used as predicted weather data in the period Tj corresponding to the growth stage Sj of the target crop from the weather data DB 800 illustrated in FIG. 8 will be described. To do.
  • the year including the period Tj corresponding to the growth stage Sj of the target crop among the cultivation period T of the target crop may be referred to as “target year”.
  • the extraction unit 1407 extracts the weather data in the same period as the period Tj in the year similar to the target year from the weather data for the past G years retroactively from the target year in the period Tj of the target year.
  • G 1, 2,
  • the extraction unit 1407 identifies the current growth stage S now of the target crop.
  • the current growth stage S now is a growth stage currently under farming among the growth stages S1 to Sm of the target crop.
  • the extraction unit 1407 refers to the cultivation period management table 900 illustrated in FIG. 9, and the growth stage including the current date in the period from the period start date to the period end date, The current growth stage S now is specified.
  • the target crop can be identified from, for example, profit / loss prediction conditions.
  • the extraction unit 1407 sets a comparison target period t.
  • the comparison target period t can be set to an arbitrary period before the current date.
  • the extraction unit 1407 when the current date is in the middle of the period from the period start date of the current growth stage S now to the period end date, the extraction unit 1407, from the period start date of the current growth stage S now to the current date.
  • the period may be set to the comparison target period t.
  • the extraction unit 1407 if the current date is a period start date of the current growth stage S now, setting a period of up to period end date in the comparative period t from the period start date of the growth stage of immediately before the current growth stage S now You may decide to do it.
  • the extraction unit 1407 divides the comparison target period t at a predetermined interval and divides it into a plurality of periods.
  • the predetermined interval can be arbitrarily set, and is, for example, one day, one week, or one month.
  • a plurality of periods divided from the comparison target period t may be referred to as “divided periods t1 to tK”.
  • an arbitrary divided period among the divided periods t1 to tK may be expressed as “divided period tk”.
  • the extraction unit 1407 extracts weather data for the comparison target period t in the target year from the weather data DB 800. Then, the extracting unit 1407 calculates comparison source data based on the extracted weather data of the comparison target period t in the target year.
  • the comparison source data is information characterizing the weather in the comparison target period t in the target year.
  • the comparison source data is, for example, the daily average temperature x (k) in the divided period tk of the target year, the integrated value X of the daily average temperature in the comparison target period t of the target year, the integrated value Y of precipitation, and the integrated value of sunshine hours. Z and the like.
  • the extraction unit 1407 extracts weather data for the comparison target period t g years ago from the weather data DB 800. Then, the extraction unit 1407 calculates comparison destination data based on the extracted meteorological data of the comparison target period t before g years.
  • the comparison destination data is information characterizing the weather in the comparison target period t g years ago.
  • the comparison target data includes, for example, the daily average temperature x g (k) in the divided period tk g years ago, the integrated value X g of the daily average temperatures in the comparison period t g years ago, the integrated value Y g of precipitation, and the like integrated value Z g of daylight hours.
  • the extraction unit 1407 calculates a similarity RE (g) representing the degree of similarity between the weather data in the target year and the weather data before g years based on the comparison source data and the comparison destination data. Specifically, for example, the extraction unit 1407 is based on the daily average temperature x (k) for each divided period tk in the target year and the daily average temperature x g (k) for each divided period tk g years ago.
  • the similarity RE (g) may be calculated.
  • the extraction unit 1407 also calculates the similarity RE (based on the integrated value X of the daily average temperature in the comparison target period t in the target year and the integrated value X g of the daily average temperature in the comparison target period t g years ago. g) may be calculated.
  • the extraction unit 1407 also calculates the similarity RE (g) based on the integrated value Y of precipitation in the comparison period t in the target year and the integrated value Y g of precipitation in the comparison period t g years ago. May be calculated.
  • the extraction unit 1407 also calculates the similarity RE (g) based on the integrated value Z of the sunshine hours in the comparison period t in the target year and the integrated value Zg of the sunshine hours in the comparison period t g years ago. May be calculated. An example of calculating similarity RE (g) will be described later with reference to FIGS. 15 and 16.
  • the extraction unit 1407 selects similarities in which the weather is similar to the target year from the years one year before the target year to G years ago. Determine the year. Specifically, for example, the extraction unit 1407 may determine the year in which the degree of similarity is the highest among the years from the year before the target year to the year G as the similar year.
  • the extraction unit 1407 extracts, from the weather data DB 800, weather data of a similar year in the same period as the period Tj of the target year as prediction data in the period Tj of the target year. Thereby, the weather data in the same period as the period Tj in a year in which the weather is similar to the target year can be acquired as prediction data in the period Tj in the target year.
  • FIG. 15 is an explanatory diagram showing an example of calculating the similarity based on the daily average temperature.
  • the calculation table 1500 shows daily average temperatures x (1) to x (10) for each of the 2010 divided periods t1 to t10.
  • the calculation table 1500 shows the daily average temperatures x 1 (1) to x 1 (10) for each of the 2009 divided periods t1 to t10.
  • the extraction unit 1407 subtracts the daily average temperature x 1 (k) from the daily average temperature x (k) for each divided period tk, thereby obtaining the daily average temperature x (k) and the daily average temperature x 1 (k). ) Is calculated. For example, the difference between the daily average temperature x (1) and the daily average temperature x 1 (1) is “1”.
  • the extraction unit 1407 calculates the square value of the difference between the daily average temperature x (k) and the daily average temperature x 1 (k) for each divided period tk. For example, the square value of the difference between the daily average temperature x (1) and the daily average temperature x 1 (1) is “1”. Then, the extraction unit 1407 calculates the total value of the square values by integrating the square values for the calculated divided periods tk. Here, the total square value is “281”.
  • the extraction unit 1407 calculates the RMS (Root Mean Square) between 2010 and 2009 by dividing the total value of the calculated square values by the number of data of the square values and taking the square root. .
  • the number of data of the square value is the number of periods “10” in the divided periods t1 to t10.
  • RMS represents a variation in numerical values between the comparison source data of the target year and the comparison destination data of g years ago. It can be determined that the closer the RMS value is to 0, the smaller the variation in the numerical value between the comparison source data of the target year and the comparison destination data of g years ago.
  • the RMS between the comparison source data of the target year and the comparison destination data of g years ago may be expressed as “RMS (g)”.
  • the extraction unit 1407 calculates RMS (1) to RMS (G) for each year from one year before the target year to G years ago. Then, the extraction unit 1407, based on the calculated RMS (1) to RMS (G), the degree of similarity RE (1) to RE (G) representing the degree of similarity between the weather data of the target year and the weather data of each year. Is calculated.
  • the extraction unit 1407 assigns ranks in order of the RMS value being close to 0 in each year from one year ago to G years ago. Then, the extraction unit 1407 uses the reciprocal of the ranking given to each year from one year ago to G years ago as the similarity RE (1) to RE representing the degree of similarity between the weather data in the target year and the weather data in each year. (G) may be calculated.
  • FIG. 16 is an explanatory diagram illustrating an example of calculating the similarity based on the integrated value of the daily average temperature.
  • the calculation table 1600 is integrated with the daily average temperatures x (1) to x (10) and the daily average temperatures x (1) to x (10) for each of the 2010 divided periods t1 to t10.
  • the calculation table 1600 includes the daily average temperatures x 1 (1) to x 1 (10) and the daily average temperatures x 1 (1) to x 1 (10) for each of the 2009 divided periods t1 to t10.
  • the daily average temperature x (k) of each divided period tk in accumulating the daily average temperature x (k) of each divided period tk, the daily average temperature of 5 [° C.] or less which is the lower limit temperature limit of the target crop is excluded.
  • the lower limit temperature limit of the target crop can be specified from, for example, the crop growth limit temperature master 1300 shown in FIG.
  • the extraction unit 1407 calculates the difference between the integrated value X 1 of the daily average temperature and the integrated value X 1 of the daily average temperature by subtracting the integrated value X 1 of the daily average temperature from the integrated value X of the daily average temperature.
  • the difference between the integrated value X of the daily average temperature and the integrated value X 1 of the daily average temperature is “ ⁇ 7”.
  • the extraction unit 1407 calculates the difference between the integrated values of the daily average temperatures for each year from the year before the target year to the year G.
  • the extraction unit 1407 then calculates similarities RE (1) to RE (G) representing the degree of similarity between the meteorological data of the target year and the meteorological data of each year based on the difference between the calculated integrated values of the daily average temperatures. calculate.
  • the extraction unit 1407 gives ranks in the order in which the difference of the integrated values of the daily average temperatures is close to 0 in each year from one year ago to G years ago. Then, the extraction unit 1407 uses the reciprocal of the ranking given to each year from one year ago to G years ago as the similarity RE (1) to RE representing the degree of similarity between the weather data in the target year and the weather data in each year. (G) may be calculated.
  • the extraction unit 1407 adds the calculated similarities to represent the degree of similarity between the weather data of the target year and the weather data of each year.
  • the similarity may be calculated.
  • FIG. 17 is an explanatory diagram of a specific example of predicted weather data.
  • the predicted weather data 1700 is information indicating the temperature, precipitation amount, and sunshine duration for each time zone within the period Tj corresponding to the growth stage Sj of the target crop.
  • the date is the date on which weather data is predicted.
  • Time is the time zone for which weather data is to be predicted.
  • the temperature is the predicted temperature of the area including the target field.
  • the precipitation is the predicted precipitation in the area including the target field.
  • the sunshine duration is the predicted sunshine duration of the area including the target field. For example, taking the 0 o'clock range of April 1, 2012 as an example, the temperature “10.0 [° C.]”, precipitation “0.3 [mm]”, and sunshine duration “0.0 [h]” It is shown.
  • Specific processing contents of the determination unit 1402 will be described using the predicted weather data 1700 illustrated in FIG. 17 as an example.
  • the target crop a crop of the item “mandarin orange”, cultivar “xx early rise”, and cropping type “early rise” will be described as an example.
  • the growth stages S1 to Sm of the target crop are designated as “S1: germination period”, “S2: flowering period”, “S3: full bloom period”, “S4: physiological fruit fall period”, “S5: fruit enlargement period”, “ “S6: mature period” and “S7: harvest period”.
  • the determination unit 1402 refers to the predicted weather data 1700 and calculates the daily average temperature x (j) in the period Tj corresponding to the growth stage Sj of the target crop.
  • the growth stage Sj is a growth stage that is a calculation target of the predicted cost C P (j).
  • the period Tj can be specified from, for example, the cultivation period management table 900 shown in FIG.
  • the determination unit 1402 may calculate the integrated value X (j) of the daily average temperature in the period Tj corresponding to the growth stage Sj of the target crop with reference to the predicted weather data 1700. At this time, the determination unit 1402 may specify the limit temperature lower limit and the limit temperature upper limit of the target crop with reference to the crop growth limit temperature master 1300 shown in FIG. Then, the determination unit 1402 calculates the integrated value X (j) of the remaining daily average temperature excluding the daily average temperature that is equal to or lower than the lower limit temperature limit or higher than the upper limit temperature of the target crop among the daily average temperatures in the period Tj. You may decide.
  • the determination unit 1402 determines the remaining daily average temperature excluding the daily average temperature of 10 [° C.] or less or 30 [° C.] or more among the daily average temperatures in the period Tj.
  • the integrated value X (j) is calculated. Thereby, the integrated value X (j) of the daily average temperature can be calculated by excluding the daily average temperature that does not contribute to the growth of the target crop.
  • the determination unit 1402 may calculate, for example, the integrated value Y (j) of precipitation during the period Tj corresponding to the growth stage Sj of the target crop with reference to the predicted weather data 1700.
  • the determination unit 1402 may calculate the integrated value Z (j) of the sunshine hours in the period Tj corresponding to the growth stage Sj of the target crop with reference to the predicted weather data 1700.
  • the determination unit 1402 specifies the weather cost information 1100-2 and 1100-3 corresponding to the growth stage S5 of the target crop with reference to the weather cost master 1100 shown in FIG.
  • the specific weather condition represented by the weather cost information 1100-2 is “the accumulated sunshine duration is 200 hours or less”.
  • the specific weather condition represented by the weather cost information 1100-3 is “the accumulated daily average temperature is 1000 ° C. or less”.
  • the determination unit 1402 refers to the weather cost information 1100-2 and determines that the integrated value Z (5) of the sunshine hours in the period T5 satisfies the specific weather condition “the integrated sunshine time is 200 hours or less”. .
  • the determination unit 1402 refers to the weather cost information 1100-3, and the integrated value X (5) of the daily average temperature in the period T5 satisfies the specific weather condition “the integrated daily average temperature is 1000 ° C. or less”. judge.
  • FIG. 18 is an explanatory diagram showing an example of the contents stored in the cost management table 1800.
  • the cost management table 1800 includes an actual cost C R (j), a standard cost C L (j), a weather cost C W (j), and a predicted cost C P ( j) is stored. Further, the cost management table 1800 stores countermeasures corresponding to the weather cost C W (j).
  • the third calculation unit 1405 refers to the cost management table 1800 and adds up the actual costs C R (1) to C R (4) of the growth stages S1 to S4 of the target crop, thereby totaling the actual cost C R is calculated.
  • the third calculation unit 1405 refers to the cost management table 1800, and adds up the predicted costs C P (5) to C P (7) of the growth stages S5 to S7 of the target crop, thereby calculating the total predicted cost C P is calculated.
  • the third calculation unit 140 by adding the total actual costs C R calculated and total estimated cost C P, to calculate the total cost C according to farm the target crop.
  • FIG. 19 is an explanatory diagram showing a screen example of the profit / loss prediction condition input screen.
  • a profit / loss prediction condition input screen 1900 is a screen for inputting profit / loss prediction conditions for specifying a target crop to be a profit / loss prediction target.
  • the box 1901 displays the current date and time.
  • the field ID of the target field can be input by moving the cursor cs and clicking the box 1902 by the user's operation input using the keyboard 210 or the mouse 211.
  • the field ID “F1” of the target field is input in the box 1902.
  • the field name of the target field can be input by moving the cursor cs and clicking the box 1903.
  • the field name “field A” of the target field is entered in the box 1903.
  • the item of the target crop can be input by moving the cursor cs and clicking the box 1904.
  • the item “citrus” of the target crop is entered in the box 1904.
  • the variety of the target crop can be input.
  • the target crop variety “xx early growth” is entered in a box 1905.
  • the crop type of the target crop can be input by moving the cursor cs and clicking the box 1906.
  • the cropping type “early birth” of the target crop is input in the box 1906.
  • the prediction granularity can be specified by moving the cursor cs and clicking the box 1907.
  • the prediction granularity represents a predetermined interval that divides the comparison target period t.
  • a predicted granularity “weekly” indicating that the comparison target period t is divided in units of weeks is input in a box 1907.
  • the profit and loss prediction apparatus 200 refers to the cultivation period management table (for example, see FIG. 9) of the target crop, identifies the current growth stage S now , and box 1908 Enter the current growth stage S now .
  • the current growth stage S now “fruit enlargement period” is entered in the box 1908.
  • the profit / loss prediction apparatus 200 refers to the cultivation period management table of the target crop, specifies the cultivation period T of the target crop, and sets the cultivation start date of the cultivation period T in the box 1909. Enter the cultivation end date of the cultivation period T in the box 1910.
  • the cultivation start date “2012/1/5” of the cultivation period T is input in the box 1909
  • the cultivation end date “2012/10/1” of the cultivation period T is input in the box 1910.
  • FIG. 20 is an explanatory diagram showing an example of a profit / loss prediction screen.
  • the profit / loss prediction screen 2000 is a screen that displays the profit / loss result of the target crop.
  • the box 2001 displays the field ID “F1” of the target field
  • the box 2002 displays the field name “field A” of the target field.
  • the item “mandarin orange” of the target crop is displayed in the box 2003
  • the variety “XX early life” of the target crop is displayed in the box 2004,
  • the cropping type “of the target crop” is displayed in the box 2005. "Early birth” is displayed.
  • graphs 2006 to 2009 are displayed in a coordinate system including a horizontal axis representing the period of each growth stage Sj of the target crop and a vertical axis representing cost (or profit).
  • the graph 2006 is a graph representing the total actual cost CR that changes with the passage of time from the start date of the germination period to the end date of the period of the menstrual period.
  • a graph 2007 is a graph representing the total standard cost CL that changes with the passage of time from the start date of the fruit enlargement period to the end date of the harvest period.
  • the total standard cost CL is a cost obtained by integrating the standard costs of each period from the fruit enlargement period to the harvest period.
  • a graph 2008 is a graph representing the total predicted cost CP that changes with the passage of time from the start date of the fruit enlargement period to the end date of the harvest period.
  • a graph 2009 is a graph representing the predicted sales SV obtained by cultivating the target crop in the target field.
  • the profit / loss prediction screen 2000 displays a comment 2010 indicating a countermeasure to be taken for the target crop in the fruit enlargement period and a comment 2011 representing a countermeasure to be taken for the target crop in the harvest period. .
  • the profit and loss prediction screen 2000 displays a message 2012 indicating that the profit line is exceeded during the harvest period.
  • a farmer can view the profit / loss prediction result of the target crop. Specifically, for example, according to the profit / loss prediction screen 2000, the farmer can grasp the countermeasure “lay a multi-sheet” to be applied to the target crop in the fruit enlargement period. Further, according to the profit / loss prediction screen 2000, the farmer can grasp the countermeasure “delay the harvest time” to be applied to the target crop in the harvest period.
  • the farmer performs the farm work of the target crop when the countermeasures “lay a multi-sheet” and “delay the harvest time” and when the countermeasure is not implemented. Can be compared. Moreover, according to the profit and loss prediction screen 2000, the farmer can grasp that the profit line is exceeded during the harvest period.
  • the profit / loss prediction apparatus 200 may display the weather conditions that are satisfied by the predicted weather data of the fruit enlargement period and the harvest period. Specifically, for example, when the comment 2011 is clicked by the user's operation input on the profit / loss prediction screen 2000, a comment indicating the weather condition “cumulative precipitation is 150 mm or more” may be displayed. Thereby, the farmer can grasp what kind of weather conditions the countermeasure “delay the harvest time” is to be performed.
  • FIG. 21 is a flowchart showing an example of the profit / loss prediction processing procedure of the profit / loss prediction apparatus 200.
  • the profit / loss prediction apparatus 200 first determines whether or not the profit / loss prediction conditions have been acquired (step S2101).
  • the profit / loss prediction apparatus 200 waits to acquire the profit / loss prediction conditions (step S2101: No).
  • step S2101 When the profit / loss prediction device 200 acquires the profit / loss prediction conditions (step S2101: Yes), the profit / loss prediction apparatus 200 executes actual cost calculation processing for calculating the actual cost C R (j) for the farm work in the growth stage Sj of the target crop ( Step S2102).
  • the profit / loss prediction apparatus 200 executes a predicted weather data acquisition process for acquiring predicted weather data for the target year from the weather data DB 800 (step S2103).
  • the gain or loss predicting unit 200 executes the prediction cost calculation process of calculating the estimated cost C P (j) according to the farm in growth stage Sj eligible crop (step S2104).
  • the profit / loss prediction apparatus 200 executes a profit / loss prediction process for predicting the profit / loss of the target crop cultivated in the target field (step S2105). Then, the profit / loss prediction apparatus 200 outputs a profit / loss prediction screen that displays the profit / loss prediction result of the target crop (step S2106), and ends the series of processes according to the flowchart.
  • the profit and loss prediction apparatus 200 extracts work history data corresponding to the growth stage Sj of the target crop cultivated in the target field from the field DB 300 (step S2203). Then, the profit / loss prediction apparatus 200 determines whether or not work history data has been extracted (step S2204).
  • step S2204 when the profit / loss prediction apparatus 200 does not extract the work history data (step S2204: No), the profit / loss prediction apparatus 200 proceeds to step S2311 shown in FIG. On the other hand, when the profit and loss prediction apparatus 200 extracts the work history data (step S2204: Yes), the profit / loss prediction apparatus 200 extracts the work history from the extracted work history data (step S2205).
  • the profit / loss prediction apparatus 200 calculates a work time corresponding to the work time of the extracted work history (step S2206), and refers to the worker master 600 to determine the worker's name corresponding to the worker name in the work history. A unit price is specified (step S2207). Then, the profit / loss prediction apparatus 200 calculates the worker cost c W by multiplying the calculated work time by the unit price of the specified worker (step S2208).
  • step S2210: Yes when there is an unextracted work history (step S2210: Yes), the profit / loss prediction apparatus 200 returns to step S2205. On the other hand, when there is no unextracted work history (step S2210: No), the profit / loss prediction apparatus 200 proceeds to step S2301 shown in FIG.
  • the profit / loss prediction device 200 extracts use history data corresponding to the growth stage Sj of the target crop cultivated in the target field from the field DB 300 (step S2301).
  • the profit / loss prediction apparatus 200 determines whether usage history data has been extracted (step S2302).
  • step S2302 when the profit / loss prediction apparatus 200 does not extract the usage history data (step S2302: No), the process proceeds to step S2309.
  • step S2302 when the profit / loss prediction apparatus 200 extracts the use history data (step S2302: Yes), the profit / loss prediction apparatus 200 extracts the use history from the extracted use history data (step S2303).
  • the profit / loss prediction apparatus 200 calculates a usage time corresponding to the usage time of the extracted usage history (step S2304), and refers to the material master 700 to identify the unit price of the material corresponding to the material name of the usage history. (Step S2305). Then, the profit / loss prediction apparatus 200 calculates the material cost c M by multiplying the calculated usage time by the specified unit price of the material (step S2306).
  • step S2308: Yes when there is an unextracted usage history (step S2308: Yes), the profit / loss prediction apparatus 200 returns to step S2303. On the other hand, when there is no unextracted usage history (step S2308: No), the profit / loss prediction apparatus 200 increments “j” of the growth stage Sj (step S2309).
  • the profit / loss prediction apparatus 200 determines whether or not “j” of the growth stage Sj is larger than “m” (step S2310). If “j” is equal to or less than “m” (step S2310: NO), the process proceeds to step S2202 shown in FIG.
  • step S2310 Yes
  • the profit and loss prediction apparatus 200 adds up the actual cost C R (j) for each growth stage Sj, thereby obtaining the total actual result of the target crop.
  • cost C R is calculated (the step S2311), and ends a series of the process.
  • FIG. 24 is a flowchart showing an example of a specific processing procedure of the predicted weather data acquisition processing.
  • the profit / loss prediction apparatus 200 sets a comparison target period t for comparing the weather data of the target year with the weather data of g years ago (step S2401).
  • the profit / loss prediction apparatus 200 extracts the weather data of the comparison target period t in the target year from the weather data DB 800 (step S2402).
  • the profit / loss prediction apparatus 200 calculates comparison source data based on the extracted weather data of the comparison target period t in the target year (step S2403).
  • the profit and loss prediction apparatus 200 extracts weather data for the comparison target period t before g years from the weather data DB 800 for each year before g years (step S2404). And the profit and loss prediction apparatus 200 calculates comparison destination data for every fiscal year before g based on the extracted meteorological data of the comparison target period t before g years (step S2405).
  • the profit and loss forecasting apparatus 200 for each year g years ago, based on the comparison source data and the comparison destination data, the similarity RE ( g) is calculated (step S2406).
  • the profit / loss prediction apparatus 200 determines a similar year in which the weather is similar to the target year based on the calculated similarities RE (1) to RE (G) (step S2407).
  • the profit / loss prediction apparatus 200 extracts weather data of a similar year in the same period as the period Tj of the target year from the weather data DB 800 as prediction data for the period Tj of the target year (step S2408), and this flowchart. The series of processes by is terminated.
  • the profit / loss prediction device 200 refers to the crop growth limit temperature master 1300 to identify the limit temperature lower limit and the limit temperature upper limit of the target crop (step S2501).
  • the profit / loss prediction apparatus 200 sets the current growth stage S now of the target crop as the growth stage Sj (step S2502). Then, the profit / loss prediction apparatus 200 refers to the standard cost master 1000 and specifies the standard cost C L (j) for the farm work in the growth stage Sj of the target crop (step S2503).
  • the profit and loss prediction apparatus 200 extracts predicted weather data for the period Tj corresponding to the growth stage Sj from the predicted weather data acquired in step S2103 (step S2504).
  • the profit / loss prediction apparatus 200 calculates the daily average temperature x (j) in the period Tj with reference to the extracted predicted weather data (step S2505).
  • the profit / loss prediction apparatus 200 refers to the extracted predicted weather data, and among the daily average temperatures in the period Tj, the remaining days excluding the daily average temperatures that are lower than the lower limit temperature limit or higher than the upper limit temperature of the target crop.
  • An integrated value X (j) of average temperatures is calculated (step S2506).
  • the profit / loss prediction apparatus 200 refers to the extracted predicted weather data and calculates an integrated value Y (j) of precipitation in the period Tj (step S2507).
  • the profit / loss prediction apparatus 200 refers to the extracted predicted weather data, calculates an integrated value Z (j) of sunshine hours in the period Tj (step S2508), and proceeds to step S2601 shown in FIG.
  • the profit / loss prediction apparatus 200 refers to the weather cost master 1100 to identify weather cost information corresponding to the growth stage Sj of the target crop (step S2601). The profit / loss prediction apparatus 200 determines whether the weather cost information has been specified (step S2602).
  • step S2602 when the profit / loss prediction apparatus 200 specifies weather cost information (step S2602: YES), the profit / loss prediction apparatus 200 determines the weather condition represented by the specified weather cost information based on the calculation results of steps S2505 to S2508 shown in FIG. It is determined whether or not it is satisfied (step S2603).
  • step S2603 If the weather condition is satisfied (step S2603: YES), the profit / loss prediction apparatus 200 associates the growth stage Sj of the target crop with the countermeasure indicated by the weather cost information (step S2604). Then, the profit / loss prediction apparatus 200 refers to the specified weather cost information and calculates the weather cost C W (j) for the countermeasure (step S2605).
  • the profit and loss prediction apparatus 200 calculates the predicted cost C P (j) of the growth stage Sj of the target crop by integrating the weather cost C W (j) and the standard cost C L (j) (step) S2606).
  • the profit / loss prediction apparatus 200 increments “j” of the growth stage Sj (step S2607), and determines whether “j” is greater than “m” (step S2608).
  • step S2608: No the profit / loss prediction apparatus 200 proceeds to step S2503 illustrated in FIG.
  • step S2608: Yes the profit / loss prediction apparatus 200 adds up the predicted cost C P (j) for each growth stage Sj, thereby total prediction of the target crop. cost C P is calculated (the step S2609), and ends a series of the process.
  • FIG. 27 is a flowchart showing an example of a specific processing procedure of profit / loss prediction processing.
  • the profit / loss prediction apparatus 200 refers to the standard counter-revenue master 1200 and identifies the predicted sales SV of the target crop (step S2701).
  • the profit / loss prediction apparatus 200 refers to the cost management table 1800 and integrates the actual cost C R (j) and the predicted cost C P (j) for each growth stage Sj, thereby calculating the total cost C of the target crop. Is calculated (step S2702).
  • the profit / loss prediction apparatus 200 determines whether or not the calculated total cost C of the target crop is larger than the predicted sales SV of the specified target crop (step S2703).
  • the profit / loss prediction apparatus 200 refers to the cost management table 1800 and identifies the growth stage Sj in which the profit / loss of the target crop is in the red. (Step S2704).
  • step S2705 when the total cost C is equal to or less than the predicted sales SV (step S2703: No), the profit / loss prediction apparatus 200 creates a message that the profit / loss of the target crop is in the black (step S2706).
  • the profit / loss prediction apparatus 200 creates various graphs with reference to the cost management table 1800 (step S2707).
  • the various graphs are, for example, the graphs 2006 to 2009 shown in FIG.
  • the profit / loss forecasting apparatus 200 creates a profit / loss forecast screen based on the created message and various graphs (step S2708), and ends the series of processes according to this flowchart.
  • the profit / loss prediction screen is, for example, the profit / loss prediction screen 2000 shown in FIG.
  • the standard cost C L (j) corresponding to the growth stage Sj of the target crop can be specified with reference to the standard cost master 1000. it can. Thereby, the standard cost C L (j) representing the standard cost for the farm work in the growth stage Sj of the target crop can be specified.
  • the predicted weather data in the period Tj corresponding to the growth stage Sj of the target crop has the specific weather condition corresponding to the growth stage Sj of the target crop. It can be determined whether or not it is satisfied. Then, according to the profit / loss prediction apparatus 200, when the specific weather condition is satisfied, the weather cost C W (j) of the countermeasure corresponding to the growth stage Sj under the specific weather condition can be specified. Thereby, the weather cost CW (j) concerning the countermeasure to be taken with respect to the target crop of the growth stage Sj under specific weather conditions can be specified.
  • the estimated cost C P (j) for the farm work in the growth stage Sj of the target crop is obtained by accumulating the specified weather cost C W (j) and the standard cost C L (j). ) Can be calculated.
  • the farmer is involved in the farm work in the growth stage Sj of the target crop in consideration of the weather cost C W (j) related to the countermeasure to be taken for the target crop in the growth stage Sj at a specific weather.
  • the predicted cost C P (j) can be predicted.
  • the standard cost C L (j) for the farm work in the growth stage Sj of the target crop is predicted as the standard cost C L (j) for the farm work in the growth stage Sj of the target crop. It can be calculated as the cost C P (j).
  • a countermeasure to be taken for the target crop of the growth stage Sj can be output in association with the prediction cost C P (j). Thereby, for example, the farmer can determine a countermeasure to be applied to the target crop in the growth stage Sj.
  • the profit and loss predicting unit 200 by integrating the actual cost of each growth stage Sj C R (j) and predicted cost C P (j), it is possible to calculate the total cost C of the target crop. Thereby, for example, the farmer can predict the total cost C required for the farm work of the target crop.
  • the actual cost of the remaining except the actual cost of the current growth stage S now of the total actual cost C R by multiplying the total estimated cost C P, the total cost of the target crop C can be calculated.
  • the total actual cost C R to the exclusion of actual costs of the current growth stage S now, it is possible to calculate the total cost C of the target crop, thereby improving the calculation accuracy of the total cost C .
  • the profit / loss prediction apparatus 200 it is possible to determine whether or not the total cost C of the target crop is larger than the predicted sales SV obtained by growing the target crop in the target field. Thereby, for example, the farmer can predict the profit and loss by cultivating the target crop in the target field.
  • the growth in which the accumulated cost C (j) is larger than the predicted sales SV by comparing the accumulated cost C (j) of each growth stage Sj of the target crop with the predicted sales SV.
  • the stage Sj can be specified. Thereby, for example, the farmer can predict in which growth stage Sj the accumulated cost C (j) is larger than the predicted sales SV.
  • the cost calculation method described in the present embodiment can be realized by executing a program prepared in advance on a computer such as a personal computer or a workstation.
  • the cost calculation program is recorded on a computer-readable recording medium such as a hard disk, a flexible disk, a CD-ROM, an MO, and a DVD, and is executed by being read from the recording medium by the computer.
  • the cost calculation program may be distributed through a network such as the Internet.

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Botany (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Forests & Forestry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Agronomy & Crop Science (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Animal Husbandry (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

作物の生育ステージごとの気象が影響するさまざまな費用（天候コスト）を考慮でき、より正確に費用を予測できる、農作業のための費用算出方法。算出装置（１００）は、生育ステージ-期間における気温や降水量などの気象要素（１）を予測し、また、そのステージにおけるその作物のための作業にかかる標準的な費用（２）を取得する。装置（１００）は、ステージ-期間における予測する気象が記憶部（１１０）における気象条件に合うなら、施すべき対処策のための費用と標準的な費用（２）とに基づいて予測費用（４）を算出する。

Description

費用算出方法、費用算出プログラムおよび費用算出装置
　本発明は、費用算出方法、費用算出プログラムおよび費用算出装置に関する。
　圃場において農作物を栽培する場合、栽培途中のある時点までにかかった総費用が、農作物を栽培することにより得られる予測売上よりも多くなると、農作物の栽培を続けるほど赤字が増えることが想定される。このため、営農者は、圃場における農作物の栽培を、収穫を待たずに止めることも対処策の一つとして考えることが必要となる場合がある。
　関連する先行技術としては、例えば、リモートセンシングデータから得た作物の光反射率、ＮＤＶＩまたはＧＮＤＶＩから糖量を予測することにより、収穫前に作物の収量を予測するものがある。また、例えば、営農計画を作成するためのデータベース、生産計画作成技術、生産計画と連動した財務計画作成技術を提供する先行技術がある。
特開２０１０－１６６８５１号公報 特開２００３－３０２７８号公報
　しかしながら、従来技術によれば、圃場において栽培される農作物の農作業にかかる費用を予測することが難しいという問題がある。例えば、農作物の生育ステージによっては、農作物の成長に対して天候が与える影響が異なり、農作物に対して施すべき対処策が変化する場合があるため、農作業にかかる費用を予測することが難しい。
　一側面では、本発明は、ある生育ステージの作物の特定の天候時における農作業にかかる費用を算出することができる費用算出方法、費用算出プログラムおよび費用算出装置を提供することを目的とする。
　本発明の一側面によれば、圃場において栽培される作物の栽培期間のうち前記作物のいずれかの生育ステージに対応する期間における天気の特性を表す気象要素の予測値と、前記作物の前記生育ステージにおける農作業にかかる標準的な費用とを取得し、気象条件を表す前記気象要素の指標値と、前記気象条件下における前記生育ステージの前記作物に対して施すべき対処策にかかる費用とを対応付けて記憶する記憶部を参照して、取得した前記予測値が前記気象条件を満たすか否かを判定し、前記予測値が前記気象条件を満たす場合、前記対処策にかかる費用と前記標準的な費用とに基づいて、前記作物の前記生育ステージにおける農作業にかかる予測費用を算出し、算出した前記予測費用を出力する費用算出方法、費用算出プログラムおよび費用算出装置が提案される。
　本発明の一態様によれば、ある生育ステージの作物の特定の天候時における農作業にかかる費用を算出することができるという効果を奏する。
図１は、実施の形態１にかかる費用算出方法の一実施例を示す説明図である。 図２は、損益予測装置２００のハードウェア構成例を示すブロック図である。 図３は、圃場ＤＢ３００の記憶内容の一例を示す説明図である。 図４は、作業履歴データの具体例を示す説明図である。 図５は、使用履歴データの具体例を示す説明図である。 図６は、作業員マスタ６００の記憶内容の一例を示す説明図である。 図７は、資材マスタ７００の記憶内容の一例を示す説明図である。 図８は、気象データＤＢ８００の記憶内容の一例を示す説明図である。 図９は、栽培期間管理テーブル９００の記憶内容の一例を示す説明図である。 図１０は、標準コストマスタ１０００の記憶内容の一例を示す説明図である。 図１１は、天候コストマスタ１１００の記憶内容の一例を示す説明図である。 図１２は、標準反収マスタ１２００の記憶内容の一例を示す説明図である。 図１３は、作物生育限界温度マスタ１３００の記憶内容の一例を示す説明図である。 図１４は、損益予測装置２００の機能的構成例を示すブロック図である。 図１５は、日平均気温に基づく類似度の算出例を示す説明図である。 図１６は、日平均気温の積算値に基づく類似度の算出例を示す説明図である。 図１７は、予測気象データの具体例を示す説明図である。 図１８は、コスト管理テーブル１８００の記憶内容の一例を示す説明図である。 図１９は、損益予測条件入力画面の画面例を示す説明図である。 図２０は、損益予測画面の画面例を示す説明図である。 図２１は、損益予測装置２００の損益予測処理手順の一例を示すフローチャートである。 図２２は、実績コスト算出処理の具体的処理手順の一例を示すフローチャート（その１）である。 図２３は、実績コスト算出処理の具体的処理手順の一例を示すフローチャート（その２）である。 図２４は、予測気象データ取得処理の具体的処理手順の一例を示すフローチャートである。 図２５は、予測コスト算出処理の具体的処理手順の一例を示すフローチャート（その１）である。 図２６は、予測コスト算出処理の具体的処理手順の一例を示すフローチャート（その２）である。 図２７は、損益予測処理の具体的処理手順の一例を示すフローチャートである。
　以下に添付図面を参照して、この発明にかかる費用算出方法、費用算出プログラムおよび費用算出装置の実施の形態を詳細に説明する。
（実施の形態１）
　図１は、実施の形態１にかかる費用算出方法の一実施例を示す説明図である。図１において、費用算出装置１００は、圃場において栽培される作物の各生育ステージにおける農作業にかかる費用を算出するコンピュータである。
　ここで、圃場とは、作物を栽培するための田畑、菜園、果樹園などである。作物とは、例えば、穀類、野菜、果樹などの農作物である。作物は、例えば、品目、品種および作型の組み合わせによって分類することができる。品目とは、作物の種類である。品目としては、例えば、水稲、キャベツ、ニンジン、ミカンなどがある。
　品種とは、同一品目の中の種類である。例えば、キャベツの品種として、寒玉キャベツ、春玉キャベツ、グリーンボールキャベツ、紫キャベツなどがある。また、ミカンの品種として、ゆら早生、宮川早生、久能温州、大津４号、青島温州などがある。作型とは、作物の栽培を行うときの条件や技術の組み合わせを示す体系である。作型としては、例えば、直播、田植え、春まき栽培、夏まき栽培、秋まき栽培、冬まき栽培などがある。
　生育ステージとは、時間の経過にしたがって成長する作物の成長段階を示すものである。例えば、ミカンの生育ステージとして、発芽期、開花期、満開期、生理落果期、果実肥大期、成熟期、収穫期などがある。また、キャベツの生育ステージとして、播種期、育苗期、移植期、定植期、生育期、収穫期などがある。また、農作業とは、作物を栽培するための作業である。農作業としては、例えば、見回り、播種、耕起、耕耘、施肥、田植え、整地、農薬散布、除草、間引き、追肥、培土、収穫などがある。
　また、費用算出装置１００は、記憶部１１０にアクセス可能である。記憶部１１０は、作物の生育ステージごとに、気象条件を表す気象要素の指標値と、該気象条件下における該生育ステージの作物に対して施すべき対処策にかかる費用とを対応付けて記憶する記憶装置である。
　ここで、気象条件とは、大気の状態を表す条件である。気象条件は、気象要素を用いて定義することができる。気象要素とは、天気の特性を表す要素である。気象要素は、例えば、気温、降水量、日照時間、湿度、気圧、風速などである。対処策とは、天候の影響が栽培途中の作物の成長に与える弊害を回避するために行われるものである。
　作物の成長に与える天候の影響は、作物の生育ステージによって異なる場合がある。例えば、降水量が所定量以上という気象条件を想定する。この場合、作物の種を播いたばかりの時期は、雨によって種が流れやすいため、種の流出を防ぐ対処策を施す費用が発生する。これに対して、作物の根が活着した後の時期であれば、成長には水分が必要なため、対処策を施す必要がなく費用が発生しない。
　このように、同一の気象条件下であっても、作物の生育ステージによっては、作物に対して施すべき対処策が異なり、農作業にかかる費用が異なる場合がある。別の言い方をすれば、同一の気象条件下であっても、作物の生育ステージによっては、気象条件が作物の生育にとって良い影響を与える場合もあるし、悪い影響を与える場合も有る。そこで、本実施の形態では、費用算出装置１００は、特定の天候となるある生育ステージの作物の農作業にかかる費用を、該生育ステージの作物の農作業にかかる標準的な費用に、特定の天候時に該生育ステージの作物に施すべき対処策の費用を加味して求める。
　以下、費用算出装置１００の費用算出処理手順例について説明する。以下の説明では、農作業にかかる費用の算出対象となる作物を「対象作物」と表記する場合がある。また、農作業にかかる費用の算出対象となる生育ステージを「対象生育ステージ」と表記する場合がある。また、対象作物の栽培期間のうち対象生育ステージに対応する期間を「対象期間」と表記する場合がある。
　（１）費用算出装置１００は、対象圃場において栽培される対象作物の栽培期間のうち対象作物の対象生育ステージに対応する対象期間における気象要素の予測値を取得する。ここで、気象要素の予測値とは、例えば、対象圃場を含む地域の対象期間における気温、降水量、日照時間、湿度、気圧、風速などを予測した値である。図１の例では、対象期間における気象要素の予測値として、対象期間における積算降水量の予測値『１５０［ｍｍ］』が取得されている。
　具体的には、例えば、費用算出装置１００は、ユーザの操作入力により、または、データベースからの抽出により、対象期間における気象要素の予測値を取得する。また、費用算出装置１００は、外部のコンピュータから対象期間における気象要素の予測値を取得することにしてもよい。
　（２）費用算出装置１００は、対象生育ステージにおける対象作物の農作業にかかる標準的な費用を取得する。ここで、標準的な費用とは、例えば、対象作物の対象生育ステージにおける農作業にかかった単位面積当たりの費用の平均値である。図１の例では、対象作物『ミカン』の対象生育ステージ『成熟期』における農作業にかかった標準的な費用として、１０［ａ（アール）］当たりの標準的な費用『１０００００［円］』が取得されている。なお、１［ａ］は１００平方メートルである。
　具体的には、例えば、費用算出装置１００は、ユーザの操作入力により、または、データベースからの抽出により、対象作物の対象生育ステージにおける農作業にかかった標準的な費用を取得する。また、費用算出装置１００は、外部のコンピュータから対象作物の対象生育ステージにおける農作業にかかった標準的な費用を取得することにしてもよい。
　（３）費用算出装置１００は、取得した対象期間における気象要素の予測値が、対象作物の対象生育ステージと対応付けて記憶部１１０に記憶されている気象条件を満たすか否かを判定する。図１の例では、対象期間における気象要素の予測値は、対象期間における積算降水量の予測値『１５０［ｍｍ］』である。
　また、対象作物の対象生育ステージに対応する気象条件は、作物『ミカン』の生育ステージ『成熟期』と対応付けて記憶部１１０に記憶されている気象条件『積算降水量が１００［ｍｍ］以上』である。このため、費用算出装置１００は、対象期間における気象要素の予測値が、対象作物の対象生育ステージに対応する気象条件を満たすと判定する。
　（４）費用算出装置１００は、対象期間における気象要素の予測値が気象条件を満たす場合、該気象条件下における対象生育ステージの対象作物に対して施すべき対処策にかかる費用と、取得した標準的な費用とに基づいて、農作業にかかる予測費用を算出する。ここで、農作業にかかる予測費用とは、対象作物の対象生育ステージにおける農作業にかかる費用の予測値である。
　図１の例では、『積算降水量が１００［ｍｍ］以上』という気象条件下における生育ステージ『成熟期』の作物『ミカン』に対して施すべき対処策は『マルチシートを敷く』である。また、対処策『マルチシートを敷く』にかかる費用は『４００００［円］』である。この費用は、１０［ａ］当たりの対処策『マルチシートを敷く』にかかる費用である。
　このため、費用算出装置１００は、例えば、取得した標準的な費用に対処策にかかる費用を加算することにより、対象作物の対象生育ステージにおける農作業にかかる予測費用を算出する。図１の例では、対象作物の対象生育ステージにおける農作業にかかる予測費用は『１４００００［円］』となる。なお、マルチシートとは、ミカンが結実した後に降雨があると実の糖分率が下がるため、雨が土中に染み込まないようにするための対処策である。
　このように、実施の形態１にかかる費用算出装置１００によれば、対象期間における気象要素の予測値が特定の気象条件を満たす場合、特定の気象条件下における対象生育ステージの対象作物に対して施すべき対処策にかかる費用を特定することができる。そして、費用算出装置１００によれば、特定した対処策にかかる費用と、対象生育ステージにおける対象作物の農作業にかかる標準的な費用とに基づいて、対象作物の対象生育ステージにおける農作業にかかる予測費用を算出することができる。
　これにより、対象作物の成長に与える対象生育ステージ特有の天候の影響を考慮して、対象生育ステージにおける農作業にかかる予測費用を予測することができる。この結果、例えば、営農者は、特定の天候時に対象生育ステージの対象作物に対して施すべき対処策にかかる費用が加味された予測費用を把握することができる。
（実施の形態２）
　つぎに、実施の形態１において説明した費用算出装置１００を、対象作物の損益を予測する損益予測装置２００に適用した場合について説明する。なお、実施の形態１において説明した箇所と同様の箇所については説明を省略する。
（損益予測装置２００のハードウェア構成例）
　図２は、損益予測装置２００のハードウェア構成例を示すブロック図である。図２において、損益予測装置２００は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）２０１と、ＲＯＭ（Ｒｅａｄ‐Ｏｎｌｙ　Ｍｅｍｏｒｙ）２０２と、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）２０３と、磁気ディスクドライブ２０４と、磁気ディスク２０５と、光ディスクドライブ２０６と、光ディスク２０７と、ディスプレイ２０８と、Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）２０９と、キーボード２１０と、マウス２１１と、スキャナ２１２と、プリンタ２１３と、を有している。また、各構成部はバス２２０によってそれぞれ接続されている。
　ここで、ＣＰＵ２０１は、損益予測装置２００の全体の制御を司る。ＲＯＭ２０２は、ブートプログラムなどのプログラムを記憶している。ＲＡＭ２０３は、ＣＰＵ２０１のワークエリアとして使用される。磁気ディスクドライブ２０４は、ＣＰＵ２０１の制御にしたがって磁気ディスク２０５に対するデータのリード／ライトを制御する。磁気ディスク２０５は、磁気ディスクドライブ２０４の制御で書き込まれたデータを記憶する。
　光ディスクドライブ２０６は、ＣＰＵ２０１の制御にしたがって光ディスク２０７に対するデータのリード／ライトを制御する。光ディスク２０７は、光ディスクドライブ２０６の制御で書き込まれたデータを記憶したり、光ディスク２０７に記憶されたデータをコンピュータに読み取らせたりする。
　ディスプレイ２０８は、カーソル、アイコンあるいはツールボックスをはじめ、文書、画像、機能情報などのデータを表示する。このディスプレイ２０８は、例えば、ＣＲＴ、ＴＦＴ液晶ディスプレイ、プラズマディスプレイなどを採用することができる。
　Ｉ／Ｆ２０９は、通信回線を通じて有線または無線のネットワーク２１４に接続され、ネットワーク２１４を介して他のコンピュータに接続される。ネットワーク２１４は、例えば、ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、無線ＬＡＮ、ＷＡＮ（Ｗｉｄｅ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、インターネットなどである。そして、Ｉ／Ｆ２０９は、ネットワーク２１４と内部のインターフェースを司り、外部のコンピュータからのデータの入出力を制御する。Ｉ／Ｆ２０９には、例えば、モデムやＬＡＮアダプタなどを採用することができる。
　キーボード２１０は、文字、数字、各種指示などの入力のためのキーを備え、データの入力を行う。また、タッチパネル式の入力パッドやテンキーなどであってもよい。マウス２１１は、カーソルの移動や範囲選択、あるいはウィンドウの移動やサイズの変更などを行う。
　スキャナ２１２は、画像を光学的に読み取り、損益予測装置２００内に画像データを取り込む。また、プリンタ２１３は、画像データや文書データを印刷する。プリンタ２１３には、例えば、レーザプリンタやインクジェットプリンタを採用することができる。なお、費用算出装置１００は、上述した構成部のうち、例えば、光ディスクドライブ２０６、光ディスク２０７、スキャナ２１２およびプリンタ２１３を有さないことにしてもよい。
（各種データベース等の記憶内容）
　つぎに、損益予測装置２００が有する各種データベース等の記憶内容について説明する。以下に説明する各種データベース等は、例えば、図２に示したＲＡＭ２０３、磁気ディスク２０５、光ディスク２０７などの記憶装置により実現される。
＜圃場ＤＢ（データベース）３００の記憶内容＞
　図３は、圃場ＤＢ３００の記憶内容の一例を示す説明図である。図３において、圃場ＤＢ３００は、圃場ＩＤ、圃場名、品目、品種、作型、生育ステージ、作業履歴データおよび使用履歴データのフィールドを有する。各フィールドに情報を設定することにより、圃場Ｆ１～Ｆｎの圃場情報３００－１～３００－ｎがレコードとして記憶されている。
　圃場ＩＤは、圃場Ｆ１～Ｆｎを一意に識別する識別子である。圃場Ｆ１～Ｆｎは、例えば、農場の経営者が管理している圃場である。以下、圃場Ｆ１～Ｆｎのうち任意の圃場を「圃場Ｆｉ」と表記する場合がある（ｉ＝１，２，…，ｎ）。
　圃場名は、圃場Ｆｉの名称である。品目は、圃場Ｆｉで栽培されている作物の品目である。品種は、圃場Ｆｉで栽培されている作物の品種である。作型は、圃場Ｆｉで栽培されている作物の作型である。生育ステージは、圃場Ｆｉで栽培されている作物の生育ステージである。
　作業履歴データは、圃場Ｆｊで行われた農作業の作業履歴を示す情報である。作業履歴データについての詳細な説明は、図４を用いて後述する。使用履歴データは、圃場Ｆｊで使用された資材の使用履歴を示す情報である。資材とは、農作業に使用される農機具、農薬、種子などである。農機具としては、例えば、農業用トラクタ、耕耘機、田植機、コンバイン、農薬散布機などがある。使用履歴データについての詳細な説明は、図５を用いて後述する。
　圃場情報３００－１を例に挙げると、圃場Ｆ１の圃場名「圃場Ａ」、品目「キャベツ」、品種「秋冬キャベツ」、作型「秋まき」、生育ステージ「播種期」、作業履歴データＷ１および使用履歴データＭ１が設定されている。なお、圃場ＤＢ３００には、圃場Ｆｉにおける農作業が現在進行中の圃場情報と、圃場Ｆｉにおける農作業が終了している圃場情報とが含まれている。
　つぎに、作業履歴データの具体例について説明する。ここでは、図３に示した圃場情報３００－１に設定されている作業履歴データＷ１を例に挙げて説明する。
　図４は、作業履歴データの具体例を示す説明図である。図４において、作業履歴データＷ１は、圃場ＩＤ、作業日、作業時刻、作業内容および作業者名のフィールドを有する。各フィールドの情報を設定することにより、作業履歴（例えば、作業履歴４００－１～４００－５）がレコードとして記憶されている。
　圃場ＩＤは、圃場Ｆｊの識別子である。作業日は、圃場Ｆｊにおいて農作業が行われた年月日である。作業時刻は、圃場Ｆｊにおいて農作業が行われた作業時刻である。作業内容は、圃場Ｆｊにおいて行われた農作業の作業内容である。作業者名は、圃場Ｆｊにおいて行われた農作業の作業者の名称である。
　作業履歴４００－１を例に挙げると、作業日「２０１１／０１／０８」の作業時刻「１３：３２～１５：３１」に圃場Ｆ１において行われた農作業の作業内容「耕起」および作業者名「作業者Ａ」が設定されている。なお、作業履歴データは、圃場Ｆｊにおいて新たな農作業が行われると、その都度更新される。
　つぎに、使用履歴データの具体例について説明する。ここでは、図３に示した圃場情報３００－１に設定されている使用履歴データＭ１を例に挙げて説明する。
　図５は、使用履歴データの具体例を示す説明図である。図５において、使用履歴データＭ１は、圃場ＩＤ、作業日、使用時刻、資材名および作業者名のフィールドを有する。各フィールドに情報を設定することにより、使用履歴（例えば、使用履歴５００－１～５００－５）がレコードとして記憶されている。
　圃場ＩＤは、圃場Ｆｊの識別子である。作業日は、圃場Ｆｊにおいて農作業が行われた年月日である。使用時刻は、資材が使用された時刻である。資材名は、農作業に使用された資材の名称である。作業者名は、圃場Ｆｊにおいて行われた農作業の作業者の名称である。
　使用履歴５００－１を例に挙げると、作業日「２０１１／０１／０８」の使用時刻「１３：３２－１５：３１」に圃場Ｆ１において使用された資材の名称「１５馬力（ＡＳＴＥ）」および作業者名「作業者Ａ」が設定されている。なお、使用履歴データは、圃場Ｆｊの農作業において新たな資材が使用されると、その都度更新される。
＜作業員マスタ６００の記憶内容＞
　図６は、作業員マスタ６００の記憶内容の一例を示す説明図である。図６において、作業員マスタ６００は、作業者名および単価のフィールドを有する。各フィールドに情報を設定することにより、作業員情報（例えば、作業員情報６００－１～６００－４）がレコードとして記憶されている。
　作業者名は、農業に従事する作業者の名称である。単価は、作業者の１時間当たりの農作業に対して支払われる人件費である。作業員情報６００－１を例に挙げると、作業者名「作業者Ａ」の単価「２０００［円］」が設定されている。
＜資材マスタ７００の記憶内容＞
　図７は、資材マスタ７００の記憶内容の一例を示す説明図である。図７において、資材マスタ７００は、資材名および単価のフィールドを有する。各フィールドに情報を設定することにより、資材情報（例えば、資材情報７００－１，７００－２）がレコードとして記憶されている。
　資材名は、農作業に使用される資材の名称である。単価は、資材の１時間当たりの使用に対して支払われる資材費である。資材情報７００－１を例に挙げると、資材名「１５馬力」の単価「２０００［円］」が設定されている。
＜気象データＤＢ８００の記憶内容＞
　つぎに、気象データＤＢ８００の記憶内容について説明する。気象データＤＢ８００は、対象圃場を含む地域において測定された気象データを記憶するデータベースである。気象データは、気象要素の測定値を示す情報である。
　図８は、気象データＤＢ８００の記憶内容の一例を示す説明図である。図８において、気象データＤＢ８００は、年月日、時、気温、降水量および日照時間のフィールドを有する。各フィールドに情報を設定することにより、気象データがレコードとして記憶されている。
　年月日は、気象データが測定された年月日である。時は、気象データが測定された時間帯である。気温は、対象圃場を含む地域において測定された気温である。降水量は、対象圃場を含む地域において測定された降水量である。日照時間は、対象圃場を含む地域において測定された日照時間である。なお、対象圃場を含む地域において新たな気象データが測定されると、その都度、測定された気象データが気象データＤＢ８００に記憶される。
＜栽培期間管理テーブル９００の記憶内容＞
　つぎに、栽培期間管理テーブル９００の記憶内容について説明する。栽培期間管理テーブル９００は、対象圃場において栽培される対象作物の栽培期間を表す情報である。ここでは、対象作物として、品目「キャベツ」、品種「寒玉」、作型「春播き夏穫り」の作物を例に挙げて説明する。
　図９は、栽培期間管理テーブル９００の記憶内容の一例を示す説明図である。図９において、栽培期間管理テーブル９００は、品目、品種、作型、圃場名、生育ステージ、期間開始日および期間終了日のフィールドを有する。各フィールドに情報を設定することにより、対象作物の生育ステージごとの期間管理情報９００－１～９００－４がレコードとして記憶されている。
　品目は、対象作物の品目である。品種は、対象作物の品種である。作型は、対象作物の作型である。圃場名は、対象圃場の名称である。生育ステージは、対象作物の生育ステージである。期間開始日は、対象作物の栽培期間のうち各生育ステージに対応する期間の開始日である。期間終了日は、対象作物の栽培期間のうち各生育ステージに対応する期間の終了日である。
　期間管理情報９００－１を例に挙げると、圃場名「圃場Ａ」の対象圃場において栽培される品目「キャベツ」、品種「寒玉」、作型「春播き夏穫り」の対象作物の生育ステージ「準備期」に対応する期間の期間開始日「２０１２／４／１」および期間終了日「２０１２／４／１５」が設定されている。
＜標準コストマスタ１０００の記憶内容＞
　つぎに、標準コストマスタ１０００の記憶内容について説明する。標準コストマスタ１０００は、対象作物の各生育ステージにおける農作業にかかる標準的な費用を表す標準コスト情報を記憶している。ここでは、対象作物として、品目「キャベツ」、品種「寒玉」、作型「春播き夏穫り」の作物を例に挙げて説明する。
　図１０は、標準コストマスタ１０００の記憶内容の一例を示す説明図である。図１０において、標準コストマスタ１０００は、品目、品種、作型、生育ステージ、人件費および資材費のフィールドを有する。各フィールドに情報を設定することにより、標準コスト情報１０００－１～１０００－４がレコードとして記憶されている。
　品目は、対象作物の品目である。品種は、対象作物の品種である。作型は、対象作物の作型である。生育ステージは、対象作物の生育ステージである。人件費は、対象作物の各生育ステージにおける農作業にかかる標準的な人件費［円］である。資材費は、対象作物の各生育ステージにおける農作業にかかる標準的な資材費［円］である。なお、人件費および資材費は、１０［ａ］当たりのものである。
　標準コスト情報１０００－１を例に挙げると、品目「キャベツ」、品種「寒玉」、作型「春播き夏穫り」の対象作物の生育ステージ「準備期」における農作業にかかる標準的な人件費「１５０００［円］」および資材費「７０００［円］」が設定されている。
＜天候コストマスタ１１００の記憶内容＞
　つぎに、天候コストマスタ１１００の記憶内容について説明する。天候コストマスタ１１００は、図１に示した記憶部１１０に相当する。天候コストマスタ１１００は、対象作物の生育ステージごとに、ある気象条件下における該生育ステージの対象作物に対して施すべき対処策にかかる費用を表す天候コスト情報を記憶している。ここでは、対象作物として、品目「ミカン」、品種「××早生」、作型「早生」の作物を例に挙げて説明する。
　図１１は、天候コストマスタ１１００の記憶内容の一例を示す説明図である。図１１において、天候コストマスタ１１００は、品目、品種、作型、生育ステージ、指標、指標値、単位、条件、対処策および天候コストのフィールドを有する。各フィールドに情報を設定することにより、天候コスト情報１１００－１～１１００－６がレコードとして記憶されている。
　品目は、対象作物の品目である。品種は、対象作物の品種である。作型は、対象作物の作型である。生育ステージは、対象作物の生育ステージである。指標は、対象作物の各生育ステージにおける特定の気象条件を表すための気象要素である。指標値は、特定の気象条件を表すための気象要素の値である。
　単位は、特定の気象条件を表すための気象要素の値の単位である。条件は、特定の気象条件を表すための気象要素の条件である。対処策は、各気象条件下における各生育ステージの対象作物に対して施すべき対処策である。天候コストは、対象作物に対して対処策を施すことにより増加する費用［円／１０ａ］である。
　天候コスト情報１１００－１を例に挙げると、品目「ミカン」、品種「××早生」、作型「早生」の対象作物の生育ステージ「生理落果期」における特定の気象条件を表す指標「積算降水量」、指標値「１５０」、単位「ミリ」および条件「未満」が設定されている。また、対象作物に対して施すべき対処策「潅水実施」および天候コスト「２００００［円／１０ａ］」が設定されている。
＜標準反収マスタ１２００の記憶内容＞
　つぎに、標準反収マスタ１２００の記憶内容について説明する。標準反収マスタ１２００は、１反（約１０［ａ］）当たりの作物の標準的な売上を予測するための標準反収情報を記憶している。
　図１２は、標準反収マスタ１２００の記憶内容の一例を示す説明図である。図１２において、標準反収マスタ１２００は、品目、品種、作型、標準反収および標準単価のフィールドを有する。各フィールドに情報を設定することにより、標準反収情報（例えば、標準反収情報１２００－１～１２００－４）をレコードとして記憶している。
　品目は、作物の品目である。品種は、作物の品種である。作型は、作物の作型である。標準反収は、作物の１反（約１０［ａ］）当たりの標準的な収穫高［ｋｇ］である。標準単価は、作物の１［ｋｇ］当たりの標準的な売上［円］である。
　標準反収情報１２００－１を例に挙げると、品目「キャベツ」、品種「寒玉」、作型「春播き夏穫り」の作物の標準反収「５０００［ｋｇ］」および標準単価「４５［円／ｋｇ］」が設定されている。
＜作物生育限界温度マスタ１３００の記憶内容＞
　つぎに、作物生育限界温度マスタ１３００の記憶内容について説明する。作物生育限界温度マスタ１３００は、作物の生育に適した温度を表す限界温度情報を記憶している。
　図１３は、作物生育限界温度マスタ１３００の記憶内容の一例を示す説明図である。図１３において、作物生育限界温度マスタ１３００は、品目、限界温度下限および限界温度上限のフィールドを有する。各フィールドに情報を設定することにより、限界温度情報（例えば、限界温度情報１３００－１～１３００－４）をレコードとして記憶している。
　品目は、作物の品目である。限界温度下限は、作物の生育に適した温度の下限値を表している。限界温度上限は、作物の生育に適した温度の上限値を表している。限界温度情報１３００－１を例に挙げると、品目「キャベツ」の限界温度下限「５［℃］」および限界温度上限「３０［℃］」が設定されている。
（損益予測装置２００の機能的構成例）
　つぎに、実施の形態２にかかる損益予測装置２００の機能的構成例について説明する。図１４は、損益予測装置２００の機能的構成例を示すブロック図である。図１４において、損益予測装置２００は、取得部１４０１と、判定部１４０２と、第１の算出部１４０３と、第２の算出部１４０４と、第３の算出部１４０５と、判断部１４０６と、抽出部１４０７と、出力部１４０８と、を含む構成である。取得部１４０１～出力部１４０８は制御部となる機能であり、具体的には、例えば、図２に示したＲＯＭ２０２、ＲＡＭ２０３、磁気ディスク２０５、光ディスク２０７などの記憶装置に記憶されたプログラムをＣＰＵ２０１に実行させることにより、または、Ｉ／Ｆ２０９により、その機能を実現する。また、各機能部の処理結果は、例えば、ＲＡＭ２０３、磁気ディスク２０５、光ディスク２０７などの記憶装置に記憶される。
　取得部１４０１は、損益予測条件を取得する機能を有する。ここで、損益予測とは、対象作物を栽培することにより発生する損失と、対象作物を栽培することにより得られる利益とを予測することである。また、損益予測条件とは、損益予測対象となる対象作物を指定する条件である。損益予測条件には、例えば、対象圃場および対象作物を特定する情報が含まれている。
　具体的には、例えば、取得部１４０１は、図２に示したキーボード２１０やマウス２１１を用いたユーザの操作入力により、損益予測条件を取得する。また、取得部１４０１は、ネットワーク２１４を介して、他のコンピュータから損益予測条件を取得することにしてもよい。なお、損益予測条件の入力画面の具体例については、図１９を用いて後述する。
　以下の説明では、対象圃場において栽培される対象作物の複数の生育ステージを「生育ステージＳ１～Ｓｍ」と表記する場合がある。また、対象作物の生育ステージＳ１～Ｓｍのうち任意の生育ステージを「生育ステージＳｊ」と表記する場合がある（ｊ＝１，２，…，ｍ）。また、対象作物の栽培期間を「栽培期間Ｔ」と表記する場合がある。また、栽培期間Ｔのうち生育ステージＳｊに対応する期間を「期間Ｔｊ」と表記する場合がある。
　また、取得部１４０１は、対象作物の栽培期間Ｔのうち対象作物の生育ステージＳｊに対応する期間Ｔｊにおける予測気象データを取得する機能を有する。ここで、予測気象データとは、期間Ｔｊにおける天気の特性を表す気象要素の予測値を表す情報である。予測気象データは、例えば、天気予報によって予測された期間Ｔｊにおける気象要素の予測値を表すものであってもよい。
　予測気象データの取得対象となる生育ステージＳｊは、例えば、生育ステージＳ１～Ｓｍのうち農作業が現在進行中または予定されている生育ステージであり、後述する予測コストの算出対象となる生育ステージである。なお、予測気象データの具体例については、図１７を用いて後述する。
　具体的には、例えば、取得部１４０１は、ユーザの操作入力により、期間Ｔｊにおける予測気象データを取得することにしてもよい。また、取得部１４０１は、例えば、後述する抽出部１４０７により、図８に示した気象データＤＢ８００の中から抽出された気象データを、予測気象データとして取得することにしてもよい。なお、抽出部１４０７の具体的な処理内容については、図１５および図１６を用いて後述する。
　判定部１４０２は、天候コスト情報を参照して、取得された予測気象データが表す期間Ｔｊにおける気象要素の予測値が、特定の気象条件を満たすか否かを判定する機能を有する。ここで、天候コスト情報とは、特定の気象条件を表す気象要素の指標値と、特定の気象条件下における生育ステージＳｊの対象作物に対して施すべき対処策にかかる天候コストとを対応付けて表す情報である。
　具体的には、例えば、まず、判定部１４０２は、図１１に示した天候コストマスタ１１００を参照して、対象作物の生育ステージＳｊに対応する天候コスト情報を特定する。そして、判定部１４０２は、特定した天候コスト情報を参照して、予測気象データが表す期間Ｔｊにおける気象要素の予測値が、特定の気象条件を満たすか否かを判定する。
　以下の説明では、特定の気象条件下における生育ステージＳｊの対象作物に対して施すべき対処策にかかる天候コストを「天候コストＣW（ｊ）」と表記する場合がある。なお、判定部１４０２の具体的な処理内容については、図１７を用いて後述する。
　第１の算出部１４０３は、判定された判定結果に基づいて、対象作物の生育ステージＳｊにおける農作業にかかる予測コストを算出する機能を有する。ここで、予測コストの算出対象となる生育ステージＳｊは、例えば、上述したように、生育ステージＳ１～Ｓｍのうち農作業が現在進行中または予定されている生育ステージである。
　すなわち、予測コストの算出対象となる生育ステージＳｊは、期間Ｔｊの期間終了日が未来の生育ステージである。期間Ｔｊの期間開始日および期間終了日は、例えば、図９に示した栽培期間管理テーブル９００から特定することができる。以下の説明では、対象作物の生育ステージＳｊにおける農作業にかかる予測コストを「予測コストＣP（ｊ）」と表記する場合がある。
　具体的には、例えば、まず、第１の算出部１４０３は、対象作物の生育ステージＳｊにおける農作業にかかる標準コストを特定する。ここで、標準コストとは、対象作物の生育ステージＳｊにおける農作業にかかる標準的な費用である。標準コストには、例えば、農作業に従事する作業者の人件費や農作業に使用する農機具、農薬、種子などの資材費が含まれている。
　より具体的には、例えば、第１の算出部１４０３は、図１０に示した標準コストマスタ１０００を参照して、対象作物の生育ステージＳｊに対応する人件費と資材費とを足し合わせることにより、農作業にかかる標準コストを特定することができる。例えば、品目「キャベツ」、品種「寒玉」、作型「春播き夏穫り」の対象作物の生育ステージ「準備期」における農作業にかかる標準コストは「２２０００［円］」となる。
　また、第１の算出部１４０３は、ユーザの操作入力により、対象作物の生育ステージＳｊにおける農作業にかかる標準コストの入力を受け付けることにより、農作業にかかる標準コストを特定することにしてもよい。以下の説明では、対象作物の生育ステージＳｊにおける農作業にかかる標準コストを「標準コストＣL（ｊ）」と表記する場合がある。
　そして、第１の算出部１４０３は、天候コストＣW（ｊ）と標準コストＣL（ｊ）とに基づいて、予測コストＣP（ｊ）を算出する。より具体的には、例えば、第１の算出部１４０３は、期間Ｔｊにおける気象要素の予測値が特定の気象条件を満たす場合、該特定の気象条件に対応する天候コスト情報を参照して、特定の気象条件を満たす場合の対応策および天候コストＣW（ｊ）を特定する。そして、第１の算出部１４０３は、天候コストＣW（ｊ）と標準コストＣL（ｊ）とを積算することにより予測コストＣP（ｊ）を算出することにしてもよい。
　なお、複数の天候コストが特定された場合は、第１の算出部１４０３は、複数の天候コストを積算することにより天候コストＣW（ｊ）を算出することにしてもよい。また、同一の対処策について複数の天候コストが特定された場合は、第１の算出部１４０３は、複数の天候コストのいずれかの天候コスト、例えば、最大の天候コストを天候コストＣW（ｊ）として算出することにしてもよい。
　また、第１の算出部１４０３は、期間Ｔｊにおける気象要素の予測値が特定の気象条件を満たさない場合、標準コストＣL（ｊ）を予測コストＣP（ｊ）として算出することにしてもよい。特定された標準コストＣL（ｊ）、天候コストＣW（ｊ）、および算出された予測コストＣP（ｊ）は、例えば、後述の図１８に示すコスト管理テーブル１８００に記憶される。
　第２の算出部１４０４は、対象作物の生育ステージＳｊにおける農作業にかかった実績コストを算出する機能を有する。ここで、実績コストの算出対象となる生育ステージＳｊは、例えば、生育ステージＳ１～Ｓｍのうち農作業が終了している生育ステージである。すなわち、実績コストの算出対象となる生育ステージＳｊは、期間Ｔｊの期間終了日が過去の生育ステージである。以下の説明では、対象作物の生育ステージＳｊにおける農作業にかかる実績コストを「実績コストＣR（ｊ）」と表記する場合がある。
　具体的には、例えば、第２の算出部１４０４は、図３に示した圃場ＤＢ３００に記憶されている作業履歴データに基づいて、対象作物の生育ステージＳｊにおける農作業にかかった実績コストＣR（ｊ）を算出することにしてもよい。より具体的には、例えば、まず、第２の算出部１４０４は、圃場ＤＢ３００の中から、対象圃場において栽培されている対象作物の生育ステージＳｊに対応する作業履歴データを抽出する。
　そして、第２の算出部１４０４は、抽出した作業履歴データの作業履歴ごとに、各作業履歴の作業時刻に対応する作業時間を算出する。例えば、作業時刻が「１３：００～１４：００」の場合、作業時間は「１時間」となる。つぎに、第２の算出部１４０４は、図６に示した作業員マスタ６００を参照して、作業履歴データの作業履歴ごとに、各作業履歴の作業者名に対応する作業員の単価を特定する。
　つぎに、第２の算出部１４０４は、作業履歴データの作業履歴ごとに、算出した作業時間と、特定した作業員の単価とを掛け合わせることにより実績コストを算出する。例えば、ある作業履歴の作業時間が「１時間」、作業員の単価が「２０００円」の場合、この作業履歴に対応する実績コストは「２０００円」となる。そして、第２の算出部１４０４は、作業履歴ごとの実績コストを積算することにより実績コストＣR（ｊ）を算出することにしてもよい。
　また、例えば、第２の算出部１４０４は、圃場ＤＢ３００に記憶されている使用履歴データに基づいて、対象作物の生育ステージＳｊにおける農作業にかかった実績コストＣR（ｊ）を算出することにしてもよい。より具体的には、例えば、まず、第２の算出部１４０４は、圃場ＤＢ３００の中から、対象圃場において栽培されている対象作物の生育ステージＳｊに対応する使用履歴データを抽出する。
　そして、第２の算出部１４０４は、抽出した使用履歴データの使用履歴ごとに、各使用履歴の使用時刻に対応する使用時間を算出する。例えば、使用時刻が「１３：００～１４：００」の場合、使用時間は「１時間」となる。つぎに、第２の算出部１４０４は、図７に示した資材マスタ７００を参照して、使用履歴データの使用履歴ごとに、各使用履歴の資材名に対応する資材の単価を特定する。
　つぎに、第２の算出部１４０４は、使用履歴データの使用履歴ごとに、算出した使用時間と、特定した資材の単価とを掛け合わせることにより実績コストを算出する。例えば、ある使用履歴の使用時間が「１時間」、資材の単価が「１５００円」の場合、この使用履歴に対応する実績コストは「１５００円」となる。そして、第２の算出部１４０４は、使用履歴ごとの実績コストを積算することにより実績コストＣR（ｊ）を算出することにしてもよい。
　さらに、第２の算出部１４０４は、作業履歴データに基づく実績コストと使用履歴データに基づく実績コストとを加算することにより、実績コストＣR（ｊ）を算出することにしてもよい。算出された対象作物の生育ステージＳｊにおける農作業にかかった実績コストＣR（ｊ）は、例えば、後述の図１８に示すコスト管理テーブル１８００に記憶される。
　第３の算出部１４０５は、対象作物の農作業にかかる総コストを算出する機能を有する。ここで、総コストとは、対象作物の各生育ステージＳｊにおける農作業にかかるコスト、すなわち、予測コストＣP（ｊ）または実績コストＣR（ｊ）を積算したものである。以下の説明では、対象作物の農作業にかかる総コストを「総コストＣ」と表記する場合がある。
　例えば、対象作物の生育ステージＳ１～Ｓｍの予測コストＣP（１）～ＣP（ｍ）が算出された場合を想定する。この場合、第３の算出部１４０５は、例えば、予測コストＣP（１）～ＣP（ｍ）を積算することにより、総コストＣを算出する。
　また、例えば、対象作物の生育ステージＳ１～Ｓ３の実績コストＣR（１）～ＣR（３）が算出され、生育ステージＳ４～Ｓｍの予測コストＣP（４）～ＣP（ｍ）が算出された場合を想定する。この場合、第３の算出部１４０５は、例えば、実績コストＣR（１）～ＣR（３）と予測コストＣP（４）～ＣP（ｍ）とを積算することにより総コストＣを算出する。
　また、例えば、現在の生育ステージＳｊの農作業が現在進行中などの場合に、現在の生育ステージＳｊについて、実績コストＣR（ｊ）および予測コストＣP（ｊ）が算出される場合がある。この場合、第３の算出部１４０５は、例えば、生育ステージＳｊの実績コストＣR（ｊ）または予測コストＣP（ｊ）のいずれか一方を総コストＣに含めないことにしてもよい。
　例えば、対象作物の生育ステージＳ３の農作業が現在進行中のときに、生育ステージＳ１～Ｓ３の実績コストＣR（１）～ＣR（３）が算出され、生育ステージＳ３～Ｓｍの予測コストＣP（３）～ＣP（ｍ）が算出された場合を想定する。この場合、第３の算出部１４０５は、例えば、実績コストＣR（１）と実績コストＣR（２）と予測コストＣP（３）～ＣP（ｍ）とを積算することにより総コストＣを算出することにしてもよい。
　これにより、生育ステージＳ１～Ｓ３の実績コストＣR（１）～ＣR（３）の中から現在の生育ステージＳ３の実績コストＣR（３）を除外して総コストＣを算出することができ、総コストＣの算出精度の向上を図ることができる。
　また、第３の算出部１４０５は、対象作物の生育ステージＳｊごとに、各生育ステージＳｊまでの農作業にかかる積算コストを算出することにしてもよい。以下の説明では、生育ステージＳｊまでの農作業にかかる積算コストを「積算コストＣ（ｊ）」と表記する場合がある。なお、第３の算出部１４０５の具体的な処理内容については、図１８を用いて後述する。
　判断部１４０６は、算出された総コストＣが、対象圃場に対象作物を栽培することにより得られる予測売上よりも大きいか否かを判断する機能を有する。ここで、予測売上とは、例えば、対象圃場において栽培された対象作物を売ることにより得られる代金の総額である。以下の説明では、対象圃場に対象作物を栽培することにより得られる予測売上を「予測売上ＳＶ」と表記する場合がある。
　予測売上ＳＶは、例えば、図１２に示した標準反収マスタ１２００から特定することができる。具体的には、例えば、判断部１４０６は、標準反収マスタ１２００を参照して、対象作物の品目、品種および作型の組み合わせに対応する標準反収情報を特定する。つぎに、判断部１４０６は、特定した標準反収情報の標準反収と標準単価とを掛け合わせることにより、１反（約１０［ａ］）当たりの対象作物の予測売上ＳＶ［円］を特定することができる。そして、判断部１４０６は、算出された総コストＣが、特定した予測売上ＳＶよりも大きくなるか否かを判断することにしてもよい。
　また、判断部１４０６は、各生育ステージＳｊの積算コストＣ（ｊ）と予測売上ＳＶとを比較することにより、積算コストＣ（ｊ）が予測売上ＳＶよりも大きくなる生育ステージＳｊを特定することにしてもよい。
　出力部１４０８は、算出された対象作物の生育ステージＳｊにおける農作業にかかる予測コストＣP（ｊ）を出力する機能を有する。出力部１４０８の出力形式としては、例えば、ディスプレイ２０８への表示、プリンタ２１３への印刷出力、Ｉ／Ｆ２０９による外部のコンピュータへの送信、ＲＡＭ２０３、磁気ディスク２０５、光ディスク２０７などの記憶装置への書き込みがある。
　これにより、例えば、営農者は、対象圃場において栽培されている対象作物の生育ステージＳｊにおける農作業にかかる予測コストＣP（ｊ）を把握することができる。
　また、出力部１４０８は、算出された対象作物の生育ステージＳｊにおける農作業にかかった実績コストＣR（ｊ）を出力することにしてもよい。これにより、例えば、営農者は、対象作物の生育ステージＳｊにおける農作業にかかった実績コストＣR（ｊ）を把握することができる。
　また、出力部１４０８は、算出された対象作物の農作業にかかる総コストＣを出力することにしてもよい。これにより、例えば、営農者は、対象作物の農作業にかかる総コストＣを把握することができる。
　また、出力部１４０８は、算出された各生育ステージＳｊまでの農作業にかかる積算コストＣ（ｊ）を出力することにしてもよい。これにより、例えば、営農者は、対象作物の生育ステージＳｊごとに、各生育ステージＳｊまでの農作業にかかる積算コストＣ（ｊ）を把握することができる。
　また、出力部１４０８は、総コストＣが予測売上ＳＶよりも大きいか否かの判断結果を出力することにしてもよい。これにより、例えば、営農者は、対象作物の損益を判断することができる。例えば、総コストＣが予測売上ＳＶよりも大きい場合、営農者は、対象作物を栽培しても赤字となることを予測することができる。
　また、出力部１４０８は、積算コストＣ（ｊ）が予測売上ＳＶよりも大きくなる生育ステージＳｊが特定された場合、積算コストＣ（ｊ）が予測売上ＳＶよりも大きくなる生育ステージＳｊを表す情報を出力することにしてもよい。これにより、例えば、営農者は、どの生育ステージＳｊにおいて積算コストＣ（ｊ）が予測売上ＳＶよりも大きくなるかを予測することができる。出力部１４０８の出力結果を表示する画面例については、図２０を用いて後述する。
　なお、上述した説明では、対象作物の生育ステージＳｊにおける農作業にかかった実績コストＣR（ｊ）を算出することにしたが、これに限らない。具体的には、例えば、損益予測装置２００は、ユーザの操作入力により、対象作物の生育ステージＳｊにおける農作業にかかった実績コストＣR（ｊ）を取得することにしてもよい。
（抽出部１４０７の具体的処理内容）
　つぎに、図８に示した気象データＤＢ８００の中から、対象作物の生育ステージＳｊに対応する期間Ｔｊにおける予測気象データとして用いる気象データを抽出する抽出部１４０７の具体的な処理内容の一例について説明する。以下の説明では、対象作物の栽培期間Ｔのうち対象作物の生育ステージＳｊに対応する期間Ｔｊを含む年度を「対象年度」と表記する場合がある。
　ここでは、抽出部１４０７は、対象年度から遡って過去Ｇ年分の気象データの中から、対象年度と天候が類似する年度の、期間Ｔｊと同一期間における気象データを、対象年度の期間Ｔｊにおける予測気象データとして抽出する場合について説明する（Ｇ＝１，２，…）。
　まず、抽出部１４０７は、対象作物の現生育ステージＳnowを特定する。ここで、現生育ステージＳnowとは、対象作物の生育ステージＳ１～Ｓｍのうち現在農作業中の生育ステージである。具体的には、例えば、抽出部１４０７は、図９に示した栽培期間管理テーブル９００を参照して、期間開始日から期間終了日までの期間中に現在の年月日を含む生育ステージを、現生育ステージＳnowとして特定する。なお、対象作物は、例えば、損益予測条件から特定することができる。
　つぎに、抽出部１４０７は、比較対象期間ｔを設定する。ここで、比較対象期間ｔとは、対象年度の気象データと、対象年度からｇ年前の気象データとを比較する期間である（ｇ＝１，２，…，Ｇ）。比較対象期間ｔは、現在日以前の任意の期間に設定することができる。
　具体的には、例えば、抽出部１４０７は、現在日が現生育ステージＳnowの期間開始日から期間終了日までの期間の途中の場合、現生育ステージＳnowの期間開始日から現在日までの期間を比較対象期間ｔに設定することにしてもよい。また、抽出部１４０７は、現在日が現生育ステージＳnowの期間開始日の場合、現生育ステージＳnowの直前の生育ステージの期間開始日から期間終了日までの期間を比較対象期間ｔに設定することにしてもよい。
　つぎに、抽出部１４０７は、比較対象期間ｔを所定間隔で区切って複数の期間に分割する。ここで、所定間隔は、任意に設定することができ、例えば、１日、１週、１ヶ月などである。以下の説明では、比較対象期間ｔから分割された複数の期間を「分割期間ｔ１～ｔＫ」と表記する場合がある。また、分割期間ｔ１～ｔＫのうち任意の分割期間を「分割期間ｔｋ」と表記する場合がある。
　つぎに、抽出部１４０７は、気象データＤＢ８００の中から、対象年度の比較対象期間ｔの気象データを抽出する。そして、抽出部１４０７は、抽出した対象年度の比較対象期間ｔの気象データに基づいて、比較元データを算出する。ここで、比較元データとは、対象年度の比較対象期間ｔにおける天候を特徴付ける情報である。比較元データは、例えば、対象年度の分割期間ｔｋにおける日平均気温ｘ（ｋ）、対象年度の比較対象期間ｔにおける日平均気温の積算値Ｘ、降水量の積算値Ｙ、日照時間の積算値Ｚなどである。
　また、抽出部１４０７は、気象データＤＢ８００の中から、ｇ年前の比較対象期間ｔの気象データを抽出する。そして、抽出部１４０７は、抽出したｇ年前の比較対象期間ｔの気象データに基づいて、比較先データを算出する。ここで、比較先データとは、ｇ年前の比較対象期間ｔにおける天候を特徴付ける情報である。比較先データは、例えば、ｇ年前の分割期間ｔｋにおける日平均気温ｘg（ｋ）、ｇ年前の比較対象期間ｔにおける日平均気温の積算値Ｘg、降水量の積算値Ｙg、日照時間の積算値Ｚgなどである。
　つぎに、抽出部１４０７は、比較元データおよび比較先データに基づいて、対象年度の気象データとｇ年前の気象データとの類似度合いを表す類似度ＲＥ（ｇ）を算出する。具体的には、例えば、抽出部１４０７は、対象年度の分割期間ｔｋごとの日平均気温ｘ（ｋ）と、ｇ年前の分割期間ｔｋごとの日平均気温ｘg（ｋ）とに基づいて、類似度ＲＥ（ｇ）を算出することにしてもよい。
　また、抽出部１４０７は、対象年度の比較対象期間ｔにおける日平均気温の積算値Ｘと、ｇ年前の比較対象期間ｔにおける日平均気温の積算値Ｘgとに基づいて、類似度ＲＥ（ｇ）を算出することにしてもよい。また、抽出部１４０７は、対象年度の比較対象期間ｔにおける降水量の積算値Ｙと、ｇ年前の比較対象期間ｔにおける降水量の積算値Ｙgとに基づいて、類似度ＲＥ（ｇ）を算出することにしてもよい。
　また、抽出部１４０７は、対象年度の比較対象期間ｔにおける日照時間の積算値Ｚと、ｇ年前の比較対象期間ｔにおける日照時間の積算値Ｚgとに基づいて、類似度ＲＥ（ｇ）を算出することにしてもよい。なお、類似度ＲＥ（ｇ）の算出例については、図１５および図１６を用いて後述する。
　つぎに、抽出部１４０７は、算出した類似度ＲＥ（１）～ＲＥ（Ｇ）に基づいて、対象年度の１年前からＧ年前までの年度の中から、対象年度と天候が類似する類似年度を決定する。具体的には、例えば、抽出部１４０７は、対象年度の１年前からＧ年前までの年度のうち類似度が最大となる年度を類似年度に決定することにしてもよい。
　そして、抽出部１４０７は、気象データＤＢ８００の中から、対象年度の期間Ｔｊと同一期間における類似年度の気象データを、対象年度の期間Ｔｊにおける予測データとして抽出する。これにより、対象年度と天候が類似する年度の、期間Ｔｊと同一期間における気象データを、対象年度の期間Ｔｊにおける予測データとして取得することができる。
　ここで、図１５を用いて、日平均気温ｘ（ｋ）と日平均気温ｘg（ｋ）とに基づく類似度ＲＥ（ｇ）の算出例について説明する。ここでは、対象年度を「２０１０年」とし、ｇ年間の「ｇ」を「ｇ＝１」として、抽出部１４０７の具体的な処理内容を説明する。
　図１５は、日平均気温に基づく類似度の算出例を示す説明図である。図１５において、算出用テーブル１５００には、２０１０年の分割期間ｔ１～ｔ１０ごとの日平均気温ｘ（１）～ｘ（１０）が示されている。例えば、日平均気温ｘ（１）は「ｘ（１）＝８」である。また、日平均気温ｘ（２）は「ｘ（２）＝９」である。
　また、算出用テーブル１５００には、２００９年の分割期間ｔ１～ｔ１０ごとの日平均気温ｘ1（１）～ｘ1（１０）が示されている。例えば、日平均気温ｘ1（１）は「ｘ（１）＝７」である。また、日平均気温ｘ1（２）は「ｘ1（２）＝１８」である。
　まず、抽出部１４０７は、分割期間ｔｋごとに、日平均気温ｘ（ｋ）から日平均気温ｘ1（ｋ）を減算することにより、日平均気温ｘ（ｋ）と日平均気温ｘ1（ｋ）との差分を算出する。例えば、日平均気温ｘ（１）と日平均気温ｘ1（１）との差分は「１」となる。
　つぎに、抽出部１４０７は、分割期間ｔｋごとに、日平均気温ｘ（ｋ）と日平均気温ｘ1（ｋ）との差分の二乗値を算出する。例えば、日平均気温ｘ（１）と日平均気温ｘ1（１）との差分の二乗値は「１」となる。そして、抽出部１４０７は、算出した分割期間ｔｋごとの二乗値を積算することにより、二乗値の合計値を算出する。ここでは、二乗値の合計値は「２８１」となる。
　つぎに、抽出部１４０７は、算出した二乗値の合計値を、二乗値のデータ数で除算して平方根をとることにより、２０１０年と２００９年との間のＲＭＳ（Ｒｏｏｔ　Ｍｅａｎ　Ｓｑｕａｒｅ）を算出する。二乗値のデータ数は、分割期間ｔ１～ｔ１０の期間数「１０」である。
　ここで、ＲＭＳとは、対象年度の比較元データとｇ年前の比較先データとの間の数値のばらつきを表すものである。ＲＭＳの値が０に近いほど、対象年度の比較元データとｇ年前の比較先データとの間の数値のばらつきが小さいと判断することができる。以下の説明では、対象年度の比較元データとｇ年前の比較先データとの間のＲＭＳを「ＲＭＳ（ｇ）」と表記する場合がある。ここでは、ＲＭＳ（１）は「ＲＭＳ（１）≒５．３０＝（２８１／１０）1/2」となる。
　このようにして、抽出部１４０７は、対象年度の１年前からＧ年前の各年度についてのＲＭＳ（１）～ＲＭＳ（Ｇ）を算出する。そして、抽出部１４０７は、算出したＲＭＳ（１）～ＲＭＳ（Ｇ）に基づいて、対象年度の気象データと各年度の気象データとの類似度合いを表す類似度ＲＥ（１）～ＲＥ（Ｇ）を算出する。
　具体的には、例えば、抽出部１４０７は、１年前からＧ年前の各年度に、ＲＭＳの値が０に近い順に順位を付与する。そして、抽出部１４０７は、１年前からＧ年前の各年度に付与した順位の逆数を、対象年度の気象データと各年度の気象データとの類似度合いを表す類似度ＲＥ（１）～ＲＥ（Ｇ）として算出することにしてもよい。
　つぎに、図１６を用いて、日平均気温の積算値Ｘ（ｋ）と日平均気温の積算値Ｘg（ｋ）とに基づく類似度ＲＥ（ｇ）の算出例について説明する。ここでは、対象年度を「２０１０年」とし、ｇ年間の「ｇ」を「ｇ＝１」として、抽出部１４０７の具体的な処理内容を説明する。
　図１６は、日平均気温の積算値に基づく類似度の算出例を示す説明図である。図１６において、算出用テーブル１６００には、２０１０年の分割期間ｔ１～ｔ１０ごとの日平均気温ｘ（１）～ｘ（１０）、および日平均気温ｘ（１）～ｘ（１０）を積算した日平均気温の積算値Ｘ「Ｘ＝１２５」が示されている。また、算出用テーブル１６００には、２００９年の分割期間ｔ１～ｔ１０ごとの日平均気温ｘ1（１）～ｘ1（１０）、および日平均気温ｘ1（１）～ｘ1（１０）を積算した日平均気温の積算値Ｘ1「Ｘ1＝１３２」が示されている。
　なお、ここでは、各分割期間ｔｋの日平均気温ｘ（ｋ）を積算するにあたって、対象作物の限界温度下限である５［℃］以下の日平均気温は除外されている。対象作物の限界温度下限は、例えば、図１３に示した作物生育限界温度マスタ１３００から特定することができる。
　抽出部１４０７は、日平均気温の積算値Ｘから日平均気温の積算値Ｘ1を減算することにより、日平均気温の積算値Ｘと日平均気温の積算値Ｘ1との差分を算出する。ここでは、日平均気温の積算値Ｘと日平均気温の積算値Ｘ1との差分は「－７」となる。
　このようにして、抽出部１４０７は、対象年度の１年前からＧ年前の各年度についての日平均気温の積算値の差分を算出する。そして、抽出部１４０７は、算出した日平均気温の積算値の差分に基づいて、対象年度の気象データと各年度の気象データとの類似度合いを表す類似度ＲＥ（１）～ＲＥ（Ｇ）を算出する。
　具体的には、例えば、抽出部１４０７は、１年前からＧ年前の各年度に、日平均気温の積算値の差分が０に近い順に順位を付与する。そして、抽出部１４０７は、１年前からＧ年前の各年度に付与した順位の逆数を、対象年度の気象データと各年度の気象データとの類似度合いを表す類似度ＲＥ（１）～ＲＥ（Ｇ）として算出することにしてもよい。
　なお、例えば、各年度について複数の類似度が算出された場合、抽出部１４０７は、算出された類似度を積算することにより、対象年度の気象データと各年度の気象データとの類似度合いを表す類似度を算出することにしてもよい。
（予測気象データの具体例）
　つぎに、予測気象データの具体例について説明する。図１７は、予測気象データの具体例を示す説明図である。図１７において、予測気象データ１７００は、対象作物の生育ステージＳｊに対応する期間Ｔｊ内の時間帯ごとの気温、降水量および日照時間を示す情報である。
　具体的には、年月日は、気象データの予測対象となる年月日である。時は、気象データの予測対象となる時間帯である。気温は、対象圃場を含む地域の予測気温である。降水量は、対象圃場を含む地域の予測降水量である。日照時間は、対象圃場を含む地域の予測日照時間である。例えば、２０１２年４月１日の０時台を例に挙げると、気温「１０．０［℃］」、降水量「０．３［ｍｍ］」および日照時間「０．０［ｈ］」が示されている。
（判定部１４０２の具体的な処理内容）
　ここで、図１７に示した予測気象データ１７００を例に挙げて、判定部１４０２の具体的な処理内容について説明する。ここでは、対象作物として、品目「ミカン」、品種「××早生」および作型「早生」の作物を例に挙げて説明する。また、対象作物の生育ステージＳ１～Ｓｍを、「Ｓ１：発芽期」、「Ｓ２：開花期」、「Ｓ３：満開期」、「Ｓ４：生理落果期」、「Ｓ５：果実肥大期」、「Ｓ６：成熟期」、「Ｓ７：収穫期」とする。
　判定部１４０２は、例えば、予測気象データ１７００を参照して、対象作物の生育ステージＳｊに対応する期間Ｔｊにおける日平均気温ｘ（ｊ）を算出する。ここで、生育ステージＳｊは、予測コストＣP（ｊ）の算出対象となる生育ステージである。なお、期間Ｔｊは、例えば、図９に示した栽培期間管理テーブル９００から特定することができる。
　また、判定部１４０２は、例えば、予測気象データ１７００を参照して、対象作物の生育ステージＳｊに対応する期間Ｔｊにおける日平均気温の積算値Ｘ（ｊ）を算出することにしてもよい。この際、判定部１４０２は、図１３に示す作物生育限界温度マスタ１３００を参照して、対象作物の限界温度下限および限界温度上限を特定することにしてもよい。そして、判定部１４０２は、期間Ｔｊにおける日平均気温のうち、対象作物の限界温度下限以下または限界温度上限以上となる日平均気温を除く残余の日平均気温の積算値Ｘ（ｊ）を算出することにしてもよい。
　例えば、対象作物の品目が「ミカン」の場合、判定部１４０２は、期間Ｔｊにおける日平均気温のうち、１０［℃］以下または３０［℃］以上となる日平均気温を除く残余の日平均気温の積算値Ｘ（ｊ）を算出する。これにより、対象作物の生育に寄与しない日の日平均気温を除外して日平均気温の積算値Ｘ（ｊ）を算出することができる。
　また、判定部１４０２は、例えば、予測気象データ１７００を参照して、対象作物の生育ステージＳｊに対応する期間Ｔｊにおける降水量の積算値Ｙ（ｊ）を算出することにしてもよい。また、判定部１４０２は、例えば、予測気象データ１７００を参照して、対象作物の生育ステージＳｊに対応する期間Ｔｊにおける日照時間の積算値Ｚ（ｊ）を算出することにしてもよい。
　ここで、予測コストＣP（ｊ）の算出対象となる生育ステージＳｊを「Ｓ５：果実肥大期」とする。この場合、判定部１４０２は、図１１に示した天候コストマスタ１１００を参照して、対象作物の生育ステージＳ５に対応する天候コスト情報１１００－２，１１００－３を特定する。天候コスト情報１１００－２が表す特定の気象条件は「積算日照時間が２００時間以下」である。天候コスト情報１１００－３が表す特定の気象条件は「積算日平均気温が１０００℃以下」である。
　例えば、期間Ｔ５における日照時間の積算値Ｚ（５）を「Ｚ（５）＝１５０［ｈ］」とする。この場合、判定部１４０２は、天候コスト情報１１００－２を参照して、期間Ｔ５における日照時間の積算値Ｚ（５）が特定の気象条件「積算日照時間が２００時間以下」を満たすと判定する。
　また、例えば、期間Ｔ５における日平均気温の積算値Ｘ（５）を「Ｘ（５）＝９００［℃］」とする。この場合、判定部１４０２は、天候コスト情報１１００－３を参照して、期間Ｔ５における日平均気温の積算値Ｘ（５）が特定の気象条件「積算日平均気温が１０００℃以下」を満たすと判定する。
（第３の算出部１４０５の具体的な処理内容）
　つぎに、図１８を用いて、対象作物の農作業にかかる総コストＣを算出する第３の算出部１４０５の具体的な処理内容について説明する。ここでは、対象作物として、品目「ミカン」、品種「××早生」および作型「早生」の作物を例に挙げて説明する。また、対象作物の生育ステージＳ１～Ｓｍを、「Ｓ１：発芽期」、「Ｓ２：開花期」、「Ｓ３：満開期」、「Ｓ４：生理落果期」、「Ｓ５：果実肥大期」、「Ｓ６：成熟期」、「Ｓ７：収穫期」とする。
　図１８は、コスト管理テーブル１８００の記憶内容の一例を示す説明図である。図１８において、コスト管理テーブル１８００は、対象作物の各生育ステージＳｊの実績コストＣR（ｊ）と、標準コストＣL（ｊ）と、天候コストＣW（ｊ）と、予測コストＣP（ｊ）とを記憶している。また、コスト管理テーブル１８００は、天候コストＣW（ｊ）に対応する対処策を記憶している。
　例えば、第３の算出部１４０５は、コスト管理テーブル１８００を参照して、対象作物の生育ステージＳ１～Ｓ４の実績コストＣR（１）～ＣR（４）を積算することにより総実績コストＣRを算出する。ここでは、総実績コストＣRは「ＣR＝２５００００［円］」となる。
　また、第３の算出部１４０５は、コスト管理テーブル１８００を参照して、対象作物の生育ステージＳ５～Ｓ７の予測コストＣP（５）～ＣP（７）を積算することにより総予測コストＣPを算出する。ここでは、総予測コストＣPは「ＣP＝１８００００［円］」となる。
　そして、第３の算出部１４０５は、算出した総実績コストＣRと総予測コストＣPとを加算することにより、対象作物の農作業にかかる総コストＣを算出する。ここでは、総コストＣは「Ｃ＝４３００００［円］」となる。
（損益予測条件入力画面）
　つぎに、ディスプレイ２０８に表示される損益予測条件入力画面の画面例について説明する。
　図１９は、損益予測条件入力画面の画面例を示す説明図である。図１９において、損益予測条件入力画面１９００は、損益予測対象となる対象作物を指定する損益予測条件を入力する画面である。損益予測条件入力画面１９００において、ボックス１９０１には現在日時が表示されている。
　損益予測条件入力画面１９００において、キーボード２１０やマウス２１１を用いたユーザの操作入力により、カーソルｃｓを移動させてボックス１９０２をクリックすることにより、対象圃場の圃場ＩＤを入力することができる。ここでは、対象圃場の圃場ＩＤ「Ｆ１」がボックス１９０２に入力されている。また、損益予測条件入力画面１９００において、カーソルｃｓを移動させてボックス１９０３をクリックすることにより、対象圃場の圃場名を入力することができる。ここでは、対象圃場の圃場名「圃場Ａ」がボックス１９０３に入力されている。
　また、損益予測条件入力画面１９００において、カーソルｃｓを移動させてボックス１９０４をクリックすることにより、対象作物の品目を入力することができる。ここでは、対象作物の品目「ミカン」がボックス１９０４に入力されている。また、損益予測条件入力画面１９００において、カーソルｃｓを移動させてボックス１９０５をクリックすることにより、対象作物の品種を入力することができる。ここでは、対象作物の品種「××早生」がボックス１９０５に入力されている。また、損益予測条件入力画面１９００において、カーソルｃｓを移動させてボックス１９０６をクリックすることにより、対象作物の作型を入力することができる。ここでは、対象作物の作型「早生」がボックス１９０６に入力されている。
　また、損益予測条件入力画面１９００において、カーソルｃｓを移動させてボックス１９０７をクリックすることにより、予測粒度を指定することができる。予測粒度とは、比較対象期間ｔを区切る所定間隔を表すものである。ここでは、比較対象期間ｔを週単位で区切ることを表す予測粒度「週次」がボックス１９０７に入力されている。
　そして、損益予測条件入力画面１９００において、各ボックス１９０２～１９０７に各種情報が入力された結果、カーソルｃｓを移動させてボタンＢ１をクリックすると、ボックス１９０８～１９１０に各種情報が入力される。
　具体的には、ボタンＢ１がクリックされると、損益予測装置２００は、対象作物の栽培期間管理テーブル（例えば、図９参照）を参照して、現生育ステージＳnowを特定して、ボックス１９０８に現生育ステージＳnowを入力する。ここでは、現生育ステージＳnow「果実肥大期」がボックス１９０８に入力されている。
　また、ボタンＢ１がクリックされると、損益予測装置２００は、対象作物の栽培期間管理テーブルを参照して、対象作物の栽培期間Ｔを特定して、ボックス１９０９に栽培期間Ｔの栽培開始日を入力し、ボックス１９１０に栽培期間Ｔの栽培終了日を入力する。ここでは、栽培期間Ｔの栽培開始日「２０１２／１／５」がボックス１９０９に入力され、栽培期間Ｔの栽培終了日「２０１２／１０／１」がボックス１９１０に入力されている。
　そして、損益予測条件入力画面１９００において、各ボックス１９０８～１９１０に各種情報が入力された結果、カーソルｃｓを移動させてボタンＢ２をクリックすると、損益予測装置２００の損益予測処理が実行される。
（損益予測画面の画面例）
　つぎに、損益予測装置２００の損益予測処理が実行された結果、ディスプレイ２０８に表示される損益予測画面の画面例について説明する。
　図２０は、損益予測画面の画面例を示す説明図である。図２０において、損益予測画面２０００は、対象作物の損益結果を表示する画面である。損益予測画面２０００において、ボックス２００１には対象圃場の圃場ＩＤ「Ｆ１」が表示され、ボックス２００２には対象圃場の圃場名「圃場Ａ」が表示されている。
　また、損益予測画面２０００において、ボックス２００３には対象作物の品目「ミカン」が表示され、ボックス２００４には対象作物の品種「××早生」が表示され、ボックス２００５には対象作物の作型「早生」が表示されている。
　また、損益予測画面２０００において、対象作物の各生育ステージＳｊの期間を表す横軸と、コスト（または利益）を表す縦軸とからなる座標系にグラフ２００６～２００９が表示されている。ここで、グラフ２００６は、発芽期の期間開始日から生理落果期の期間終了日まで時間の経過とともに変化する総実績コストＣRを表すグラフである。
　グラフ２００７は、果実肥大期の期間開始日から収穫期の期間終了日まで時間の経過とともに変化する総標準コストＣLを表すグラフである。ここでは、総標準コストＣLは、果実肥大期から収穫期までの各期間の標準コストを積算したコストである。
　グラフ２００８は、果実肥大期の期間開始日から収穫期の期間終了日まで時間の経過とともに変化する総予測コストＣPを表すグラフである。グラフ２００９は、対象圃場に対象作物を栽培することにより得られる予測売上ＳＶを表すグラフである。
　また、損益予測画面２０００には、果実肥大期の対象作物に対して施すべき対処策を表すコメント２０１０と、収穫期の対象作物に対して施すべき対処策を表すコメント２０１１とが表示されている。また、損益予測画面２０００には、収穫期に採算ラインをオーバーすることを示すメッセージ２０１２が表示されている。
　損益予測画面２０００によれば、例えば、営農者は、対象作物の損益予測結果を閲覧することができる。具体的には、例えば、損益予測画面２０００によれば、営農者は、果実肥大期の対象作物に対して施すべき対処策『マルチシートを敷く』を把握することができる。また、損益予測画面２０００によれば、営農者は、収穫期の対象作物に対して施すべき対処策『収穫時期を遅らせる』を把握することができる。
　また、損益予測画面２０００によれば、営農者は、対処策『マルチシートを敷く』および『収穫時期を遅らせる』を実施した場合と、該対処策を実施しなかった場合との対象作物の農作業にかかる総コストＣを比較することができる。また、損益予測画面２０００によれば、営農者は、収穫期に採算ラインをオーバーすることを把握することができる。
　なお、損益予測装置２００は、果実肥大期および収穫期の予測気象データが満たす気象条件を表示することにしてもよい。具体的には、例えば、損益予測画面２０００において、ユーザの操作入力により、コメント２０１１をクリックすると、『積算降水量が１５０ミリ以上』という気象条件を表すコメントを表示することにしてもよい。これにより、営農者は、どのような気象条件により対処策『収穫時期を遅らせる』を行うことになったのかを把握することができる。
（損益予測装置２００の損益予測処理手順）
　つぎに、損益予測装置２００の損益予測処理手順について説明する。
　図２１は、損益予測装置２００の損益予測処理手順の一例を示すフローチャートである。図２１のフローチャートにおいて、まず、損益予測装置２００は、損益予測条件を取得したか否かを判断する（ステップＳ２１０１）。ここで、損益予測装置２００は、損益予測条件を取得するのを待つ（ステップＳ２１０１：Ｎｏ）。
　そして、損益予測装置２００は、損益予測条件を取得した場合（ステップＳ２１０１：Ｙｅｓ）、対象作物の生育ステージＳｊにおける農作業にかかる実績コストＣR（ｊ）を算出する実績コスト算出処理を実行する（ステップＳ２１０２）。
　つぎに、損益予測装置２００は、気象データＤＢ８００の中から対象年度の予測気象データを取得する予測気象データ取得処理を実行する（ステップＳ２１０３）。そして、損益予測装置２００は、対象作物の生育ステージＳｊにおける農作業にかかる予測コストＣP（ｊ）を算出する予測コスト算出処理を実行する（ステップＳ２１０４）。
　つぎに、損益予測装置２００は、対象圃場において栽培される対象作物の損益を予測する損益予測処理を実行する（ステップＳ２１０５）。そして、損益予測装置２００は、対象作物の損益予測結果を表示する損益予測画面を出力して（ステップＳ２１０６）、本フローチャートによる一連の処理を終了する。
　これにより、対象圃場において栽培される対象作物の損益予測結果を表示する損益予測画面を出力することができる。
＜実績コスト算出処理手順＞
　つぎに、図２１に示したステップＳ２１０２の実績コスト算出処理の具体的な処理手順について説明する。
　図２２および図２３は、実績コスト算出処理の具体的処理手順の一例を示すフローチャートである。図２２のフローチャートにおいて、まず、損益予測装置２００は、生育ステージＳｊの「ｊ」を「ｊ＝１」とし（ステップＳ２２０１）、生育ステージＳｊの実績コストＣR（ｊ）を「ＣR（ｊ）＝０」とする（ステップＳ２２０２）。
　つぎに、損益予測装置２００は、圃場ＤＢ３００の中から、対象圃場において栽培されている対象作物の生育ステージＳｊに対応する作業履歴データを抽出する（ステップＳ２２０３）。そして、損益予測装置２００は、作業履歴データを抽出したか否かを判断する（ステップＳ２２０４）。
　ここで、損益予測装置２００は、作業履歴データを抽出しなかった場合（ステップＳ２２０４：Ｎｏ）、図２３に示すステップＳ２３１１に移行する。一方、損益予測装置２００は、作業履歴データを抽出した場合（ステップＳ２２０４：Ｙｅｓ）、抽出した作業履歴データの中から作業履歴を抽出する（ステップＳ２２０５）。
　つぎに、損益予測装置２００は、抽出した作業履歴の作業時刻に対応する作業時間を算出し（ステップＳ２２０６）、作業員マスタ６００を参照して、作業履歴の作業者名に対応する作業員の単価を特定する（ステップＳ２２０７）。そして、損益予測装置２００は、算出した作業時間と、特定した作業員の単価とを掛け合わせることにより作業員コストｃWを算出する（ステップＳ２２０８）。
　つぎに、損益予測装置２００は、生育ステージＳｊの実績コストＣR（ｊ）を「ＣR（ｊ）＝ＣR（ｊ）＋ｃW」として（ステップＳ２２０９）、作業履歴データの中から抽出していない未抽出の作業履歴があるか否かを判断する（ステップＳ２２１０）。
　ここで、損益予測装置２００は、未抽出の作業履歴がある場合（ステップＳ２２１０：Ｙｅｓ）、ステップＳ２２０５に戻る。一方、損益予測装置２００は、未抽出の作業履歴がない場合（ステップＳ２２１０：Ｎｏ）、図２３に示すステップＳ２３０１に移行する。
　図２３のフローチャートにおいて、まず、損益予測装置２００は、圃場ＤＢ３００の中から、対象圃場において栽培されている対象作物の生育ステージＳｊに対応する使用履歴データを抽出する（ステップＳ２３０１）。そして、損益予測装置２００は、使用履歴データを抽出したか否かを判断する（ステップＳ２３０２）。
　ここで、損益予測装置２００は、使用履歴データを抽出しなかった場合（ステップＳ２３０２：Ｎｏ）、ステップＳ２３０９に移行する。一方、損益予測装置２００は、使用履歴データを抽出した場合（ステップＳ２３０２：Ｙｅｓ）、抽出した使用履歴データの中から使用履歴を抽出する（ステップＳ２３０３）。
　つぎに、損益予測装置２００は、抽出した使用履歴の使用時刻に対応する使用時間を算出し（ステップＳ２３０４）、資材マスタ７００を参照して、使用履歴の資材名に対応する資材の単価を特定する（ステップＳ２３０５）。そして、損益予測装置２００は、算出した使用時間と、特定した資材の単価とを掛け合わせることにより資材コストｃMを算出する（ステップＳ２３０６）。
　つぎに、損益予測装置２００は、生育ステージＳｊの実績コストＣR（ｊ）を「ＣR（ｊ）＝ＣR（ｊ）＋ｃM」として（ステップＳ２３０７）、使用履歴データの中から抽出していない未抽出の使用履歴があるか否かを判断する（ステップＳ２３０８）。
　ここで、損益予測装置２００は、未抽出の使用履歴がある場合（ステップＳ２３０８：Ｙｅｓ）、ステップＳ２３０３に戻る。一方、損益予測装置２００は、未抽出の使用履歴がない場合（ステップＳ２３０８：Ｎｏ）、生育ステージＳｊの「ｊ」をインクリメントする（ステップＳ２３０９）。
　そして、損益予測装置２００は、生育ステージＳｊの「ｊ」が「ｍ」より大きくなったか否かを判断する（ステップＳ２３１０）。ここで、「ｊ」が「ｍ」以下の場合（ステップＳ２３１０：Ｎｏ）、図２２に示したステップＳ２２０２に移行する。
　一方、「ｊ」が「ｍ」より大きくなった場合（ステップＳ２３１０：Ｙｅｓ）、損益予測装置２００は、生育ステージＳｊごとの実績コストＣR（ｊ）を積算することにより、対象作物の総実績コストＣRを算出して（ステップＳ２３１１）、本フローチャートによる一連の処理を終了する。
　これにより、対象作物の生育ステージＳｊにおける農作業にかかった実績コストＣR（ｊ）を算出することができる。
＜予測気象データ取得処理手順＞
　つぎに、図２１に示したステップＳ２１０３の予測気象データ取得処理の具体的な処理手順について説明する。
　図２４は、予測気象データ取得処理の具体的処理手順の一例を示すフローチャートである。図２４のフローチャートにおいて、まず、損益予測装置２００は、対象年度の気象データとｇ年前の気象データとを比較する比較対象期間ｔを設定する（ステップＳ２４０１）。ただし、「ｇ」は「ｇ＝１，２，…，Ｇ」である。
　つぎに、損益予測装置２００は、気象データＤＢ８００の中から、対象年度の比較対象期間ｔの気象データを抽出する（ステップＳ２４０２）。そして、損益予測装置２００は、抽出した対象年度の比較対象期間ｔの気象データに基づいて、比較元データを算出する（ステップＳ２４０３）。
　つぎに、損益予測装置２００は、気象データＤＢ８００の中から、ｇ年前の年度ごとに、ｇ年前の比較対象期間ｔの気象データを抽出する（ステップＳ２４０４）。そして、損益予測装置２００は、ｇ年前の年度ごとに、抽出したｇ年前の比較対象期間ｔの気象データに基づいて、比較先データを算出する（ステップＳ２４０５）。
　つぎに、損益予測装置２００は、ｇ年前の年度ごとに、比較元データおよび比較先データに基づいて、対象年度の気象データとｇ年前の気象データとの類似度合いを表す類似度ＲＥ（ｇ）を算出する（ステップＳ２４０６）。そして、損益予測装置２００は、算出した類似度ＲＥ（１）～ＲＥ（Ｇ）に基づいて、対象年度と天候が類似する類似年度を決定する（ステップＳ２４０７）。
　そして、損益予測装置２００は、気象データＤＢ８００の中から、対象年度の期間Ｔｊと同一期間における類似年度の気象データを、対象年度の期間Ｔｊにおける予測データとして抽出して（ステップＳ２４０８）、本フローチャートによる一連の処理を終了する。
　これにより、対象作物の栽培期間Ｔのうち対象作物の生育ステージＳｊに対応する期間Ｔｊにおける予測気象データを取得することができる。
＜予測コスト算出処理手順＞
　つぎに、図２１に示したステップＳ２１０４の予測コスト算出処理の具体的な処理手順について説明する。
　図２５および図２６は、予測コスト算出処理の具体的処理手順の一例を示すフローチャートである。図２５のフローチャートにおいて、まず、損益予測装置２００は、作物生育限界温度マスタ１３００を参照して、対象作物の限界温度下限および限界温度上限を特定する（ステップＳ２５０１）。
　つぎに、損益予測装置２００は、対象作物の現生育ステージＳnowを生育ステージＳｊとする（ステップＳ２５０２）。そして、損益予測装置２００は、標準コストマスタ１０００を参照して、対象作物の生育ステージＳｊにおける農作業にかかる標準コストＣL（ｊ）を特定する（ステップＳ２５０３）。
　つぎに、損益予測装置２００は、ステップＳ２１０３において取得した予測気象データの中から、生育ステージＳｊに対応する期間Ｔｊの予測気象データを抽出する（ステップＳ２５０４）。そして、損益予測装置２００は、抽出した予測気象データを参照して、期間Ｔｊにおける日平均気温ｘ（ｊ）を算出する（ステップＳ２５０５）。
　つぎに、損益予測装置２００は、抽出した予測気象データを参照して、期間Ｔｊにおける日平均気温のうち、対象作物の限界温度下限以下または限界温度上限以上となる日平均気温を除く残余の日平均気温の積算値Ｘ（ｊ）を算出する（ステップＳ２５０６）。
　つぎに、損益予測装置２００は、抽出した予測気象データを参照して、期間Ｔｊにおける降水量の積算値Ｙ（ｊ）を算出する（ステップＳ２５０７）。つぎに、損益予測装置２００は、抽出した予測気象データを参照して、期間Ｔｊにおける日照時間の積算値Ｚ（ｊ）を算出して（ステップＳ２５０８）、図２６に示すステップＳ２６０１に移行する。
　図２６のフローチャートにおいて、まず、損益予測装置２００は、天候コストマスタ１１００を参照して、対象作物の生育ステージＳｊに対応する天候コスト情報を特定する（ステップＳ２６０１）。そして、損益予測装置２００は、天候コスト情報を特定したか否かを判断する（ステップＳ２６０２）。
　ここで、損益予測装置２００は、天候コスト情報を特定した場合（ステップＳ２６０２：Ｙｅｓ）、図２５に示したステップＳ２５０５～ステップＳ２５０８の算出結果に基づいて、特定した天候コスト情報が表す気象条件を満たすか否かを判定する（ステップＳ２６０３）。
　ここで、気象条件を満たす場合（ステップＳ２６０３：Ｙｅｓ）、損益予測装置２００は、対象作物の生育ステージＳｊと天候コスト情報が表す対処策とを関連付ける（ステップＳ２６０４）。そして、損益予測装置２００は、特定した天候コスト情報を参照して、対処策にかかる天候コストＣW（ｊ）を算出する（ステップＳ２６０５）。
　つぎに、損益予測装置２００は、天候コストＣW（ｊ）と標準コストＣL（ｊ）とを積算することにより、対象作物の生育ステージＳｊの予測コストＣP（ｊ）を算出する（ステップＳ２６０６）。そして、損益予測装置２００は、生育ステージＳｊの「ｊ」をインクリメントして（ステップＳ２６０７）、「ｊ」が「ｍ」より大きくなったか否かを判断する（ステップＳ２６０８）。
　ここで、「ｊ」が「ｍ」以下の場合（ステップＳ２６０８：Ｎｏ）、損益予測装置２００は、図２５に示したステップＳ２５０３に移行する。一方、「ｊ」が「ｍ」より大きくなった場合（ステップＳ２６０８：Ｙｅｓ）、損益予測装置２００は、生育ステージＳｊごとの予測コストＣP（ｊ）を積算することにより、対象作物の総予測コストＣPを算出して（ステップＳ２６０９）、本フローチャートによる一連の処理を終了する。
　また、ステップＳ２６０２において、損益予測装置２００は、天候コスト情報を特定しなかった場合（ステップＳ２６０２：Ｎｏ）、天候コストＣW（ｊ）を「ＣW（ｊ）＝０」として（ステップＳ２６１０）、ステップＳ２６０６に移行する。
　また、ステップＳ２６０３において、損益予測装置２００は、気象条件を満たさない場合（ステップＳ２６０３：Ｎｏ）、天候コストＣW（ｊ）を「ＣW（ｊ）＝０」として（ステップＳ２６１０）、ステップＳ２６０６に移行する。
　これにより、対象作物の生育ステージＳｊにおける農作業にかかる予測コストＣP（ｊ）を算出することができる。
＜損益予測処理手順＞
　つぎに、図２１に示したステップＳ２１０５の損益予測処理の具体的な処理手順について説明する。
　図２７は、損益予測処理の具体的処理手順の一例を示すフローチャートである。図２７のフローチャートにおいて、まず、損益予測装置２００は、標準反収マスタ１２００を参照して、対象作物の予測売上ＳＶを特定する（ステップＳ２７０１）。
　つぎに、損益予測装置２００は、コスト管理テーブル１８００を参照して、生育ステージＳｊごとの実績コストＣR（ｊ）および予測コストＣP（ｊ）を積算することにより、対象作物の総コストＣを算出する（ステップＳ２７０２）。
　そして、損益予測装置２００は、算出した対象作物の総コストＣが、特定した対象作物の予測売上ＳＶよりも大きくなるか否かを判断する（ステップＳ２７０３）。ここで、総コストＣが予測売上ＳＶよりも大きくなる場合（ステップＳ２７０３：Ｙｅｓ）、損益予測装置２００は、コスト管理テーブル１８００を参照して、対象作物の損益が赤字となる生育ステージＳｊを特定する（ステップＳ２７０４）。
　そして、損益予測装置２００は、特定した生育ステージＳｊに採算オーバーになる旨のメッセージを作成する（ステップＳ２７０５）。また、ステップＳ２７０３において、総コストＣが予測売上ＳＶ以下となる場合（ステップＳ２７０３：Ｎｏ）、損益予測装置２００は、対象作物の損益が黒字になる旨のメッセージを作成する（ステップＳ２７０６）。
　つぎに、損益予測装置２００は、コスト管理テーブル１８００を参照して、各種グラフを作成する（ステップＳ２７０７）。各種グラフは、例えば、図２０に示したグラフ２００６～２００９である。そして、損益予測装置２００は、作成したメッセージと各種グラフとに基づいて、損益予測画面を作成して（ステップＳ２７０８）、本フローチャートによる一連の処理を終了する。損益予測画面は、例えば、図２０に示した損益予測画面２０００である。
　これにより、対象圃場において栽培される対象作物の損益を予測して損益予測結果を表示する損益予測画面を作成することができる。
　以上説明したように、実施の形態２にかかる損益予測装置２００によれば、標準コストマスタ１０００を参照して、対象作物の生育ステージＳｊに対応する標準コストＣL（ｊ）を特定することができる。これにより、対象作物の生育ステージＳｊにおける農作業にかかる標準的な費用を表す標準コストＣL（ｊ）を特定することができる。
　また、損益予測装置２００によれば、天候コストマスタ１１００を参照して、対象作物の生育ステージＳｊに対応する期間Ｔｊにおける予測気象データが、対象作物の生育ステージＳｊに対応する特定の気象条件を満たすか否かを判定することができる。そして、損益予測装置２００によれば、特定の気象条件を満たす場合は、特定の気象条件下における生育ステージＳｊに対応する対処策の天候コストＣW（ｊ）を特定することができる。これにより、特定の気象条件下における生育ステージＳｊの対象作物に対して施すべき対処策にかかる天候コストＣW（ｊ）を特定することができる。
　また、損益予測装置２００によれば、特定した天候コストＣW（ｊ）と標準コストＣL（ｊ）とを積算することにより、対象作物の生育ステージＳｊにおける農作業にかかる予測コストＣP（ｊ）を算出することができる。これにより、例えば、営農者は、特定の天候時に生育ステージＳｊの対象作物に対して施すべき対処策にかかる天候コストＣW（ｊ）が考慮された、対象作物の生育ステージＳｊにおける農作業にかかる予測コストＣP（ｊ）を予測することができる。
　また、損益予測装置２００によれば、特定の気象条件を満たさない場合は、対象作物の生育ステージＳｊにおける農作業にかかる標準コストＣL（ｊ）を、対象作物の生育ステージＳｊにおける農作業にかかる予測コストＣP（ｊ）として算出することができる。
　また、損益予測装置２００によれば、特定の気象条件を満たす場合は、生育ステージＳｊの対象作物に対して施すべき対処策を、予測コストＣP（ｊ）と関連付けて出力することができる。これにより、例えば、営農者は、生育ステージＳｊにおいて対象作物に対して施すべき対処策を判断することができる。
　また、損益予測装置２００によれば、生育ステージＳｊごとの実績コストＣR（ｊ）および予測コストＣP（ｊ）を積算することにより、対象作物の総コストＣを算出することができる。これにより、例えば、営農者は、対象作物の農作業にかかる総コストＣを予測することができる。
　また、損益予測装置２００によれば、総実績コストＣRのうち現生育ステージＳnowの実績コストを除く残余の実績コストと、総予測コストＣPとを積算することにより、対象作物の総コストＣを算出することができる。これにより、総実績コストＣRの中から現生育ステージＳnowの実績コストを除外して、対象作物の総コストＣを算出することができ、総コストＣの算出精度の向上を図ることができる。
　また、損益予測装置２００によれば、対象作物の総コストＣが、対象圃場に対象作物を栽培することにより得られる予測売上ＳＶよりも大きくなるか否かを判断することができる。これにより、例えば、営農者は、対象圃場に対象作物を栽培することによる損益を予測することができる。
　また、損益予測装置２００によれば、対象作物の各生育ステージＳｊの積算コストＣ（ｊ）と予測売上ＳＶとを比較することにより、積算コストＣ（ｊ）が予測売上ＳＶよりも大きくなる生育ステージＳｊを特定することができる。これにより、例えば、営農者は、どの生育ステージＳｊにおいて積算コストＣ（ｊ）が予測売上ＳＶよりも大きくなるかを予測することができる。
　なお、本実施の形態で説明した費用算出方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーション等のコンピュータで実行することにより実現することができる。本費用算出プログラムは、ハードディスク、フレキシブルディスク、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、本費用算出プログラムは、インターネット等のネットワークを介して配布してもよい。
　１００　費用算出装置
　２００　損益予測装置
　１４０１　取得部
　１４０２　判定部
　１４０３　第１の算出部
　１４０４　第２の算出部
　１４０５　第３の算出部
　１４０６　判断部
　１４０７　抽出部
　１４０８　出力部

Claims (9)

  1. 　コンピュータが、
    　圃場において栽培される作物の栽培期間のうち前記作物のいずれかの生育ステージに対応する期間における天気の特性を表す気象要素の予測値と、前記作物の前記生育ステージにおける農作業にかかる標準的な費用とを取得し、
    　気象条件を表す前記気象要素の指標値と、前記気象条件下における前記生育ステージの前記作物に対して施すべき対処策にかかる費用とを対応付けて記憶する記憶部を参照して、取得した前記予測値が前記気象条件を満たすか否かを判定し、
    　前記予測値が前記気象条件を満たす場合、前記対処策にかかる費用と前記標準的な費用とに基づいて、前記作物の前記生育ステージにおける農作業にかかる予測費用を算出し、
    　算出した前記予測費用を出力する、
    　処理を実行することを特徴とする費用算出方法。
  2. 　前記算出する処理は、
    　前記予測値が前記気象条件を満たさない場合、前記標準的な費用に基づいて、前記作物の前記生育ステージにおける農作業にかかる予測費用を算出することを特徴とする請求項１に記載の費用算出方法。
  3. 　前記出力する処理は、
    　前記予測値が前記気象条件を満たす場合、前記生育ステージの前記作物に対して施すべき前記対処策を表す情報を前記予測費用と関連付けて出力することを特徴とする請求項１または２に記載の費用算出方法。
  4. 　前記記憶部は、前記作物の生育ステージごとに、気象条件を表す前記気象要素の指標値と、前記気象条件下における前記生育ステージの前記作物に対して施すべき対処策にかかる費用とを対応付けて記憶しており、
    　前記コンピュータが、
    　前記作物の生育ステージごとに、前記取得する処理、前記判定する処理および前記算出する処理を実行し、
    　算出した前記生育ステージごとの前記予測費用を積算することにより、前記作物の農作業にかかる総予測費用を算出し、
    　算出した前記総予測費用を出力する、
    　処理を実行することを特徴とする請求項１～３のいずれか一つに記載の費用算出方法。
  5. 　前記コンピュータが、
    　現時点までに前記作物の農作業にかかった費用を取得し、
    　前記作物の生育ステージのうち前記現時点の生育ステージ以降の生育ステージごとに、前記取得する処理、前記判定する処理および前記算出する処理を実行し、
    　前記総予測費用を算出する処理は、
    　取得した前記農作業にかかった費用と、算出した前記生育ステージごとの前記予測費用とを積算することにより、前記作物の農作業にかかる総予測費用を算出することを特徴とする請求項４に記載の費用算出方法。
  6. 　前記総予測費用を算出する処理は、
    　取得した前記農作業にかかった費用のうち前記現時点の生育ステージにおける前記作物の農作業にかかった費用を除く残余の費用と、算出した前記生育ステージごとの前記予測費用とを積算することにより、前記作物の農作業にかかる総予測費用を算出することを特徴とする請求項５に記載の費用算出方法。
  7. 　前記コンピュータが、
    　算出した前記総予測費用が、前記圃場に前記作物を栽培することにより得られる予測売上よりも大きくなるか否かを判断し、
    　判断した判断結果を出力する、
    　処理を実行することを特徴とする請求項４～６のいずれか一つに記載の費用算出方法。
  8. 　コンピュータに、
    　圃場において栽培される作物の栽培期間のうち前記作物のいずれかの生育ステージに対応する期間における天気の特性を表す気象要素の予測値と、前記作物の前記生育ステージにおける農作業にかかる標準的な費用とを取得し、
    　気象条件を表す前記気象要素の指標値と、前記気象条件下における前記生育ステージの前記作物に対して施すべき対処策にかかる費用とを対応付けて記憶する記憶部を参照して、取得した前記予測値が前記気象条件を満たすか否かを判定し、
    　前記予測値が前記気象条件を満たす場合、前記対処策にかかる費用と前記標準的な費用とに基づいて、前記作物の前記生育ステージにおける農作業にかかる予測費用を算出し、
    　算出した前記予測費用を出力する、
    　処理を実行させることを特徴とする費用算出プログラム。
  9. 　圃場において栽培される作物の栽培期間のうち前記作物のいずれかの生育ステージに対応する期間における天気の特性を表す気象要素の予測値と、前記作物の前記生育ステージにおける農作業にかかる標準的な費用とを取得する取得部と、
    　気象条件を表す前記気象要素の指標値と、前記気象条件下における前記生育ステージの前記作物に対して施すべき対処策にかかる費用とを対応付けて記憶する記憶部を参照して、前記取得部によって取得された前記予測値が前記気象条件を満たすか否かを判定する判定部と、
    　前記判定部によって前記予測値が前記気象条件を満たすと判定された場合、前記対処策にかかる費用と前記標準的な費用とに基づいて、前記作物の前記生育ステージにおける農作業にかかる予測費用を算出する算出部と、
    　前記算出部によって算出された前記予測費用を出力する出力部と、
    　を有することを特徴とする費用算出装置。
PCT/JP2012/054846 2012-02-27 2012-02-27 費用算出方法、費用算出プログラムおよび費用算出装置 WO2013128557A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2012/054846 WO2013128557A1 (ja) 2012-02-27 2012-02-27 費用算出方法、費用算出プログラムおよび費用算出装置
JP2014501864A JP5751381B2 (ja) 2012-02-27 2012-02-27 費用算出方法、費用算出プログラムおよび費用算出装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2012/054846 WO2013128557A1 (ja) 2012-02-27 2012-02-27 費用算出方法、費用算出プログラムおよび費用算出装置

Publications (1)

Publication Number Publication Date
WO2013128557A1 true WO2013128557A1 (ja) 2013-09-06

Family

ID=49081812

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2012/054846 WO2013128557A1 (ja) 2012-02-27 2012-02-27 費用算出方法、費用算出プログラムおよび費用算出装置

Country Status (2)

Country Link
JP (1) JP5751381B2 (ja)
WO (1) WO2013128557A1 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140358486A1 (en) * 2014-08-19 2014-12-04 Iteris, Inc. Continual crop development profiling using dynamical extended range weather forecasting with routine remotely-sensed validation imagery
JP2016075599A (ja) * 2014-10-07 2016-05-12 ヤンマー株式会社 遠隔サーバ
JP2016184232A (ja) * 2015-03-25 2016-10-20 株式会社富士通エフサス 予測装置および予測方法
JP2019020923A (ja) * 2017-07-13 2019-02-07 富士通株式会社 栽培支援プログラム、装置、及び方法
WO2020110210A1 (ja) * 2018-11-28 2020-06-04 株式会社オプティム コンピュータシステム、予測収益提案方法及びプログラム
CN112036921A (zh) * 2019-06-03 2020-12-04 丰田自动车株式会社 农业经营支援系统
JP7395181B2 (ja) 2019-03-27 2023-12-11 国立研究開発法人農業・食品産業技術総合研究機構 農業経営評価プログラム、農業経営評価方法及び農業経営評価システム

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7042056B2 (ja) * 2017-10-25 2022-03-25 株式会社日立製作所 プラントの運転支援装置及び運転支援方法
KR102381905B1 (ko) * 2018-12-26 2022-04-04 인제대학교 산학협력단 농작물의 소득 예측시스템 및 그의 예측방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009048341A1 (en) * 2007-10-09 2009-04-16 The New Zealand Institute For Plant And Food Research Limited System and method for managing and predicting crop performance
JP2010257353A (ja) * 2009-04-28 2010-11-11 Hyogo Prefecture 農業経営支援プログラムおよび農業経営支援システム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3220430B2 (ja) * 1998-03-31 2001-10-22 株式会社エヌ・ティ・ティ・データ 病害虫の発生予察及び情報提供のためのシステム並びに方法
JPH11313594A (ja) * 1998-04-30 1999-11-16 Omron Corp 農作業決定支援装置および方法、並びに記録媒体
JP2003030278A (ja) * 2001-07-19 2003-01-31 National Agricultural Research Organization インターネットを介した農業経営支援システム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009048341A1 (en) * 2007-10-09 2009-04-16 The New Zealand Institute For Plant And Food Research Limited System and method for managing and predicting crop performance
JP2010257353A (ja) * 2009-04-28 2010-11-11 Hyogo Prefecture 農業経営支援プログラムおよび農業経営支援システム

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
DEBAEKE, PHILIPPE ET AL.: "A Rule-Based Method for the Development of Crop Management Systems Applied to Grain Sorghum in South-Western France", AGRICULTURAL SYSTEMS, vol. 90, no. 1-3, October 2006 (2006-10-01), pages 180 - 201 *
LOUHICHI, KAMEL ET AL.: "A Generic Farming System Simulator", ENVIRONMENTAL AND AGRICULTURAL MODELLING, February 2010 (2010-02-01), DE, pages 109 - 132 *
NANSEKI, TERUAKI ET AL.: "Applicability of the FAPS-DB System for Farm Simulation and Planning: A Case Study in the Dominican Republic", PROCEEDINGS OF THE WORLD CONFERENCE ON AGRICULTURAL INFORMATION AND IT (IAALD AFITA WCCA 2008), August 2008 (2008-08-01), pages 337 - 344 *
NATIONAL AGRICULTURE AND FOOD RESEARCH ORGANIZATION: "Kakuritsu Yoho ni Motozuku Reigai Taisaku no Ishi Kettei Shien Model", 2001, Retrieved from the Internet <URL:http://www.naro.affrc.go.jp/project/results/laboratory/tarc/2000/tohoku00-182.html> [retrieved on 20120412] *
NEWE, M. ET AL.: "proPlant expert.com - An Online Consultation System on Crop Protection in Cereals, Rape, Potatoes and Sugarbeet", EPPO BULLETIN, vol. 33, no. 3, December 2003 (2003-12-01), pages 443 - 449 *
PARSONS, D. J. ET AL.: "Weed Manager - A Model- Based Decision Support System for Weed Management in Arable Crops", COMPUTERS AND ELECTRONICS IN AGRICULTURE, vol. 65, no. 2, March 2009 (2009-03-01), pages 155 - 167, XP025922320, DOI: doi:10.1016/j.compag.2008.08.007 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140358486A1 (en) * 2014-08-19 2014-12-04 Iteris, Inc. Continual crop development profiling using dynamical extended range weather forecasting with routine remotely-sensed validation imagery
US9131644B2 (en) * 2014-08-19 2015-09-15 Iteris, Inc. Continual crop development profiling using dynamical extended range weather forecasting with routine remotely-sensed validation imagery
WO2016028612A1 (en) * 2014-08-19 2016-02-25 Iteris, Inc. Continual crop development profiling using dynamical extended range weather forecasting with routine remotely-sensed validation imagery
US9880140B2 (en) 2014-08-19 2018-01-30 Clearag, Inc. Continual crop development profiling using dynamical extended range weather forecasting with routine remotely-sensed validation imagery
JP2016075599A (ja) * 2014-10-07 2016-05-12 ヤンマー株式会社 遠隔サーバ
JP2016184232A (ja) * 2015-03-25 2016-10-20 株式会社富士通エフサス 予測装置および予測方法
JP2019020923A (ja) * 2017-07-13 2019-02-07 富士通株式会社 栽培支援プログラム、装置、及び方法
WO2020110210A1 (ja) * 2018-11-28 2020-06-04 株式会社オプティム コンピュータシステム、予測収益提案方法及びプログラム
JPWO2020110210A1 (ja) * 2018-11-28 2021-09-02 株式会社オプティム コンピュータシステム、予測収益提案方法及びプログラム
JP7066256B2 (ja) 2018-11-28 2022-05-13 株式会社オプティム コンピュータシステム、予測収益提案方法及びプログラム
JP7395181B2 (ja) 2019-03-27 2023-12-11 国立研究開発法人農業・食品産業技術総合研究機構 農業経営評価プログラム、農業経営評価方法及び農業経営評価システム
CN112036921A (zh) * 2019-06-03 2020-12-04 丰田自动车株式会社 农业经营支援系统
JP2020197940A (ja) * 2019-06-03 2020-12-10 トヨタ自動車株式会社 営農支援システム
JP7251327B2 (ja) 2019-06-03 2023-04-04 トヨタ自動車株式会社 営農支援システム

Also Published As

Publication number Publication date
JP5751381B2 (ja) 2015-07-22
JPWO2013128557A1 (ja) 2015-07-30

Similar Documents

Publication Publication Date Title
JP5751381B2 (ja) 費用算出方法、費用算出プログラムおよび費用算出装置
Meylan et al. Combining a typology and a conceptual model of cropping system to explore the diversity of relationships between ecosystem services: The case of erosion control in coffee-based agroforestry systems in Costa Rica
Bert et al. Climatic information and decision-making in maize crop production systems of the Argentinean Pampas
CA2570237C (en) System for and method of evaluating crop management
JP2010166851A (ja) 作物の収量予測方法及びその装置
US20170039657A1 (en) Harvest amount distributing method, harvest amount input method, recording medium, and system
Yan et al. A quantitative knowledge-based model for designing suitable growth dynamics in rice
Narra et al. A data driven approach to decision support in farming
Lehébel-Péron et al. RUBBER AGROFORESTS'PROFITABILITY, THE IMPORTANCE OF SECONDARY PRODUCTS
Zagórda et al. The application of various software programs for mapping yields in precision agriculture
Wetchasit et al. Durian Farmer Adoption of Smart Farming Technology: A Case Study of Chumphon Province
Shah et al. Identification of factors associated with white mould in snap bean using tree‐based methods
Barbeau et al. Analyzing the sensitivity of viticultural practices to weather variability in a climate change perspective: an application to workable-day modelling
US20160379317A1 (en) Harvest amount display method, conversion method, recording medium, and system
Guadarrama-Zugasti A grower typology approach to assessing the environmental impact of coffee farming in Veracruz, Mexico
Mayer et al. Annual forecasting of the Australian macadamia crop–integrating tree census data with statistical climate-adjustment models
Lane An assessment of economic considerations for industrial hemp production
Sarron et al. Assessing production gaps at the tree scale: definition and application to mango (Mangifera indica L.) in West Africa
Gunasekara et al. Expert prediction system for spice plants grown in Sri Lanka: An incentive for planters
Singh et al. Statistical and machine learning approaches to study weather-disease-mustard yield relationship under varying environmental conditions
Casaroli et al. Using crop models, a decline factor, and a “multi-model” approach to estimate sugarcane yield compared to on-farm data
Toyota et al. Morphological and phenological adaptation for convergent development of tillers in Widely spaced wheat sown on different dates
Stephan et al. Evaluating the potential of winter beet in northern Germany by a simulation model
Adhikari et al. Crop Information System: Application of RS & GIS, A Case Study of Paddy Monitoring in Bharatpur 13, Nepal
Magro et al. Computational models in Precision Fruit Growing: reviewing the impact of temporal variability on perennial crop yield assessment

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12869677

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2014501864

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 12869677

Country of ref document: EP

Kind code of ref document: A1