WO2018074171A1 - 土壌診断方法、及び土壌状況改善方法 - Google Patents

土壌診断方法、及び土壌状況改善方法 Download PDF

Info

Publication number
WO2018074171A1
WO2018074171A1 PCT/JP2017/035167 JP2017035167W WO2018074171A1 WO 2018074171 A1 WO2018074171 A1 WO 2018074171A1 JP 2017035167 W JP2017035167 W JP 2017035167W WO 2018074171 A1 WO2018074171 A1 WO 2018074171A1
Authority
WO
WIPO (PCT)
Prior art keywords
soil
growth
crop
distribution
field
Prior art date
Application number
PCT/JP2017/035167
Other languages
English (en)
French (fr)
Inventor
松岡　秀樹
真陽 長田
Original Assignee
ヤンマー株式会社
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 ヤンマー株式会社 filed Critical ヤンマー株式会社
Priority to KR1020197009077A priority Critical patent/KR20190042690A/ko
Priority to CN201780051967.4A priority patent/CN109844524A/zh
Publication of WO2018074171A1 publication Critical patent/WO2018074171A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C21/00—Methods of fertilising, sowing or planting
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G7/00—Botany in general
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G01N33/245—Earth materials for agricultural purposes

Definitions

  • the present invention relates to a soil diagnosis method and a soil condition improvement method.
  • Patent Document 1 discloses a soil analysis system that performs this type of soil diagnosis (soil analysis).
  • sampling for collecting a soil sample may be performed at a plurality of locations appropriately distributed so that necessary data collection is performed from the entire field (farm) so that an accurate analysis result can be obtained.
  • the field may be divided into a plurality of rectangular sections and sampling may be performed for each section.
  • the present invention has been made in view of the above circumstances, and the purpose thereof is to obtain a soil diagnosis result in an area where the soil nutrient condition and physical condition are not good without setting too many sampling points. It is to make use of it for soil making and basic fertilizer.
  • this soil diagnosis method includes a growth distribution detection step, a sampling point determination step, and a soil diagnosis step.
  • the growth distribution detection step the distribution of the growth state of the crop in the field is detected.
  • the land sampling point determination step based on the detection result obtained in the growth distribution detection step, one or a plurality of land sampling points including a land sampling point included in a region where the growth state is relatively poor Decide.
  • the soil diagnosis step at least one of a soil nutrient status and a soil physical status at each of the sampling points is diagnosed based on a soil sample collected at the sampling points.
  • the growth distribution detection step includes an imaging step and a growth distribution image generation step.
  • the imaging step the growing state of the crop is imaged by an imaging means.
  • the growth distribution image generation step the image obtained by imaging by the imaging means is converted into a growth distribution image representing variation in the growth state of the crop.
  • the imaging means is a multispectral camera.
  • the growth distribution image is an image showing the distribution of the normalized difference vegetation index.
  • the distribution of the growth state of the crop in the field can be accurately grasped, and the region where the soil diagnosis is highly necessary is determined. It can be determined appropriately. As a result, efficient soil diagnosis can be realized.
  • the imaging means is preferably mounted on a flying object.
  • this soil condition improvement method includes a growth distribution detection step, a sampling point determination step, a soil diagnosis step, and a soil making step.
  • the growth distribution detection step the distribution of the growth state of the crop in the field is detected.
  • the land sampling point determination step based on the detection result obtained in the growth distribution detection step, one or a plurality of land sampling points including a land sampling point included in a region where the growth state is relatively poor Decide.
  • the soil diagnosis step based on a soil sample collected at the sampling point after the crop in the field has been cut, at least one of the soil nutrient status and the soil physical status at each of the sampling points Diagnose.
  • the soil preparation process before the next cycle crop is planted in the field, at least one of soil preparation or basic fertilization of the field is performed based on the diagnosis result obtained in the soil diagnosis process.
  • the growth distribution detection step includes an imaging step and a growth distribution image generation step.
  • the imaging step the growing state of the crop is imaged by an imaging means.
  • the growth distribution image generation step the image obtained by imaging by the imaging means is converted into a growth distribution image representing variation in the growth state of the crop.
  • the distribution of the growing state of the crop in the field can be grasped more accurately by converting the image obtained by the imaging means into the growth distribution image. Therefore, the soil diagnosis result about the area
  • the side view which shows a mode that the field is imaged from the sky with a multicopter in order to detect distribution of the growth state of the crop in a field in the growth distribution detection process included in the soil diagnostic method which concerns on one Embodiment of this invention. .
  • the block diagram which shows the process included in the soil diagnostic method which concerns on one Embodiment of this invention in time series.
  • the block diagram which shows the process included in the soil condition improvement method which concerns on one Embodiment of this invention in time series.
  • FIG. 1 shows a field 1 from the sky with a multicopter 10 in order to detect the distribution of the growth state of the crop 2 in the field 1 in the growth distribution detection step included in the soil diagnosis method according to one embodiment of the present invention. It is a side view which shows a mode that it images.
  • a multicopter (aircraft) 10 shown in FIG. 1 is used to image (capture) the field 1 from above in the soil diagnosis method of the present embodiment.
  • the multicopter 10 is equipped with a multispectral camera (imaging means) 20.
  • the multicopter 10 is configured as an unmanned multicopter equipped with a plurality of propellers (rotors) 11 (for example, six) and can be remotely controlled by radio.
  • the multicopter 10 includes a drive source (for example, an electric motor) for driving the propeller 11, thereby allowing the aircraft to fly.
  • the multispectral camera 20 is configured as a digital camera that can simultaneously capture images of, for example, two bands (visible red light and near infrared light).
  • the multispectral camera 20 is attached to the lower part of the multicopter 10 with the lens facing downward, and can capture an image of the field 1 from above in a plane.
  • the multicopter 10 is provided with a positioning device such as a GPS (not shown).
  • a positioning device such as a GPS (not shown).
  • the position of the machine body at the time of imaging can be measured and stored. Thereby, it is possible to easily grasp the correspondence between the image captured by the multicopter 10 and the position of the field 1.
  • an image of the field 1 obtained by imaging with the multispectral camera 20 is converted into a growth distribution image (in this embodiment, an NDVI image) representing the variation in the growth state of the crop 2. Processing is performed.
  • NDVI is well known, but will be briefly described below. In general, it is known that green leaves of plants have characteristics of absorbing light having a wavelength in the visible red light region and strongly reflecting light having a wavelength in the near infrared light region. As the crop grows, the green leaves become darker, absorb more visible red light, and reflect near infrared light more strongly. If the crop is not growing very much, the green leaves will become thin, will not absorb much visible red light, and will reflect near-infrared light weakly. NDVI is a normalized difference vegetation index (NDVI; Normalized Difference Vegetation Index) using this.
  • NDVI Normalized Difference Vegetation Index
  • NDVI (IR ⁇ R) / (IR + R).
  • R is an observed value of visible red light
  • IR is an observed value of near infrared light.
  • the NVDI value is normalized to take a value of ⁇ 1 to 1, and an NDVI image (growth distribution image) can be generated by associating a color such as red to blue with this value. it can.
  • an NDVI image growth distribution image
  • an area where the growth state of the crop 2 is good is shown in a color near red
  • an area where the growth state of the crop 2 is bad is shown in a color near blue.
  • the user causes the multicopter 10 to fly over the field 1 to be subjected to soil diagnosis, and images the field 1 from above with the multispectral camera 20 (imaging process in the growth distribution detection process). Images of two bands (visible red light and near infrared light) obtained by imaging are stored in a removable external memory attached to the multispectral camera 20, respectively.
  • the image stored in the removable external memory is read into an appropriate computer for image processing, and is converted into an NVDI image by appropriately processing using the above formula (the growth distribution image in the growth distribution detection step). Forming step).
  • a plurality of sampling points for sampling by sampling the soil are determined (landing point determination step).
  • the plurality of sampling points include a region in which the growth state of the crop 2 is relatively poor, and preferably, the soil diagnosis is performed so that the tendency of the soil condition in the region in which the growth state of the crop 2 is poor is not missed. This is determined as appropriate by the user viewing the NVDI image.
  • FIG. 3 is a diagram showing an example in which a plurality of sampling points P1 to P5 are determined based on the NVDI image. In the example shown in FIG.
  • sampling points P1 to P4 four points included in the region where the growth state of the crop 2 is relatively unfavorable are set as the sampling points P1 to P4, and the growth state of the crop 2 is relative.
  • One point included in a particularly good area is defined as a sampling point P5.
  • This sampling point P5 is used to collect a soil sample for comparison (more specifically, for example, for obtaining a target value for soil reforming).
  • the user can use the soil at the sampling points P1 to P5 in the field 1, for example, a well-known soil cane Is cut out at a predetermined depth by using and used as a soil sample.
  • a well-known soil cane Is cut out at a predetermined depth by using and used as a soil sample.
  • at least one of the measurement of the soil depth with a survey stick or the like and the measurement of the soil hardness with a soil hardness meter or the like is performed, and a part of the soil physical condition at the sampling point is recorded.
  • the user for the soil samples collected at each of the sampling points P1 to P5, the user, for example, the dry soil mass, the dry soil volume, and the raw soil volume other than the soil physical status obtained above.
  • the soil analyzers and appropriate buffers, etc. pH, phosphate absorption coefficient, available nitrogen, free iron oxide, available silicic acid, available phosphorus
  • the contents of acid, replaceable potash, replaceable lime, etc. are measured. Thereby, soil diagnosis is performed (soil diagnosis process).
  • the soil diagnosis can be performed using any known method as long as it can grasp at least one (preferably both) of the soil nutrient status and the soil physical status of each soil sample. That is, diagnosis may be performed using a commercially available simple soil analysis kit, or diagnosis may be performed using a high-precision measuring device (for example, an ion chromatography device) used in a laboratory. .
  • diagnosis may be performed using a commercially available simple soil analysis kit, or diagnosis may be performed using a high-precision measuring device (for example, an ion chromatography device) used in a laboratory. .
  • the hard disk crushing using a subsoiler and the input of lime material are performed on the area including the sampling point P1 thereafter. It can be planned as soil making. By executing this plan (soil making process), the hard disk crushing by subsoiler is performed on the area including the sampling point P1 of the field 1, the impermeable layer is crushed, and the drainage after the rain is improved. it can. Moreover, pH can be raised by throwing in lime materials.
  • the plasticizer is used for the region including the sampling point P3.
  • Utilization of fertilizer that does not increase the crushing of the hardwood and salt concentration can be planned as the subsequent soil making and basic fertilizer.
  • the area including the sampling point P3 in the field 1 is crushed by a hard disk with a plasticizer, the groundwater level is lowered, and the groundwater is lowered and planted in the next cycle.
  • the root of crop 2 can be extended deeply.
  • electrical conductivity can be lowered
  • the crop 2 is not planted in the field 1 (at least the area around the sampling point P3), but instead a cleaning crop (in this embodiment, a plant that suitably absorbs salts) is planted. You can also plan. By providing a period for planting the cleaning crop, the salt concentration in the area around the sampling point P3 can be reduced, and the salt concentration suitable for cultivation of the crop 2 can be adjusted in subsequent cycles.
  • a cleaning crop in this embodiment, a plant that suitably absorbs salts
  • the soil diagnosis of the sampling point P4 when it is diagnosed that the soil is hard and has a low corrosion content (due to a small amount of organic matter), for the region including the sampling point P4,
  • the plowing of organic matter and the application of slightly more compost can be planned as subsequent soil making and basic fertilization.
  • this plan soil making process
  • the area including the sampling point P4 of the field 1 is penetrated with organic matter such as green manure by plow, and the activation of microorganisms that decompose this is promoted. Aggregates can be formed. Thereby, the soil becomes soft and soft, and water permeability and drainage can be improved.
  • the sampling points included in the region where the growth state of the crop is good (this embodiment Then, with the result of soil diagnosis at the sampling point P5) as a target value, plan for local soil preparation, basic fertilizer, etc. in the area where the growth state of the crop was not good (the hatched area shown in FIG. 3) It may be a stand.
  • the growth state of the crop 2 in the next cycle can be expected to be uniform over the entire area of the field 1, and as a result, the yield and quality of the crop 2 can be expected to be improved.
  • soil diagnosis is performed by a soil diagnosis method including a growth distribution detection step, a sampling point determination step, and a soil diagnosis step (see FIG. 4).
  • the growth distribution detection step the distribution of the growth state of the crop 2 in the field 1 is detected.
  • the sampling point determination step based on the detection result obtained in the growth distribution detection step (in this embodiment, an NVDI image), the sampling points P1 to P included in the region where the growth state is relatively poor
  • One or more sampling points P1 to P5 including P4 are determined.
  • the soil diagnosis step based on the soil samples collected at the sampling points P1 to P5, at least one of the soil nutrient status and the soil physical status at each of the sampling points P1 to P5 is diagnosed.
  • the growth distribution detection step includes an imaging step and a growth distribution image generation step.
  • the imaging step the growth state of the crop 2 is imaged by an imaging means (multispectral camera 20).
  • an image obtained by imaging with the imaging means (multispectral camera 20) is converted into a growth distribution image (NDVI image) representing variations in the growth state of the crop 2.
  • the image obtained by the imaging means is converted into a growth distribution image (NDVI image), thereby more accurately capturing the distribution of the growth state of the crop 2 in the field 1.
  • NDVI image growth distribution image
  • the imaging means is a multispectral camera 20.
  • the growth distribution image is an NDVI image showing the distribution of the normalized difference vegetation index.
  • the multispectral camera 20 is mounted on the multicopter (aircraft) 10.
  • the growth state of the crop 2 in the field 1 can be imaged in plan from the air, and high-accuracy imaging with little distortion can be performed. Therefore, the distribution of the growth state of the crop 2 in the field 1 can be obtained more accurately, and an area where the necessity for soil diagnosis is high can be accurately grasped. As a result, efficient soil diagnosis can be realized.
  • the soil modification (soil condition) in the field 1 is performed by a soil condition improvement method including a growth distribution detection process, a sampling point determination process, a soil diagnosis process, and a soil making process. Improvement).
  • the growth distribution detection step the distribution of the growth state of the crop 2 in the field 1 is detected.
  • the sampling point determination step based on the detection result obtained in the growth distribution detection step, one or a plurality of sampling points P1 to P4 included in a region where the growth state is relatively poor Determine the sampling points P1 to P5.
  • the soil diagnosis step the soil nutrient status or soil physical properties at each of the sampling points P1 to P5 based on the soil samples collected at the sampling points P1 to P5 after the crop 2 in the field 1 is cut. Diagnose at least one of the situations.
  • the soil making process before the crop 2 of the next cycle is planted in the field 1, at least one of soil making or basic fertilization of the field 1 is performed based on the diagnosis result obtained in the soil diagnosis process.
  • soil diagnosis results can be obtained at the sampling points P1 to P4 included in the region where the growth state of the crop 2 is relatively unfavorable, and soil preparation or basic fertilization is performed based on the diagnosis results. Can do. Therefore, improvement in the yield and quality of the crop 2 in the next cycle can be expected.
  • the growth distribution detection step includes an imaging step and a growth distribution image generation step.
  • the imaging step the growth state of the crop 2 is imaged by the multispectral camera (imaging means) 20.
  • the growth distribution image generation step an image obtained by imaging with the multispectral camera (imaging means) 20 is converted into an NDVI image (growth distribution image) representing variations in the growth state of the crop.
  • the distribution of the growth state of the crop 2 in the field 1 can be obtained more accurately by converting the image obtained by the multispectral camera (imaging means) 20 into an NDVI image (growth distribution image). can do. Therefore, the soil diagnosis result about the area
  • the field in the soil making process, before the crop 2 of the next cycle is planted in the field 1, the field is based on the diagnosis result obtained in the soil diagnosis process. It is good also as what performs at least any one of 1 soil making or basic fertilizer with respect to the one part area
  • region specifically the area
  • the multispectral camera 20 as the imaging means is mounted on the unmanned multicopter 10, but the present invention is not limited to this.
  • an imaging unit may be mounted on an unmanned helicopter or an unmanned airplane.
  • an imaging means may be mounted on the artificial satellite.
  • the imaging means may be mounted on a manned flying body.
  • GNDVI Green Normalized Difference Vegetation Index
  • the distribution of the growth state of the crop 2 in one field 1 is represented as an NVDI image.
  • the present invention is not necessarily limited to this.
  • a plurality of fields 1, 1,... Are imaged collectively from the sky, and a growth state distribution (variation) between the plurality of fields 1, 1,... Is represented as an NVDI image. It is good also as what defines a point.
  • the amount of fertilizer (additional fertilizer amount) to be additionally applied to the crop 2 may be calculated using the NVDI image generated in the growth distribution detection step.
  • the four sampling points are determined from the area where the growth state of the crop 2 is relatively unfavorable (the area indicated by hatching in FIG. 3).
  • the number of the sampling points is as follows. , More or less than this.
  • the growth state is relatively good in order to make a comparison target when evaluating the soil nutrient status and soil physical status of the soil samples (samples collected from the sampling points P1 to P4).
  • the soil sample is also collected from the sampling point P5, but sampling from an area where the growth state is relatively good is not essential.
  • the growth distribution image representing the variation in the growth state of the crop 2 in the field 1 is generated based on NDVI, which is an index representing the green leaf thickness of the crop 2.
  • the distribution of the growth state of the crop 2 is not necessarily acquired based only on the state of the green leaves of the crop 2.
  • the distribution of the growth state of the crop 2 may be acquired in consideration of the ground strength of the field 1 estimated by calculating the product of the density of green leaves and the density distribution.
  • the user visually observes the growth distribution image (NVDI image), so that the land-scoring points are appropriately set so as to include a region where the growth state of the crop 2 is relatively unfavorable. It was decided.
  • the determination of the sampling point is not always performed visually.
  • a computer automatically determines a plurality of blue or near-color portions of the NVDI image as sampling points. Also good. In that case, it is preferable to determine the said sampling point so that several sampling points may be arrange
  • the field 1 is imaged planarly from above using the multispectral camera 20 mounted on the flying object.
  • a leaf color map (specifically, the above-mentioned NVDI image), which is an image showing the state of the crop 2 in the field 1, is acquired based on the image obtained by imaging with the multispectral camera 20.
  • a stem number map that is an image showing the density distribution of the crop 2 in the field 1 is acquired based on an image obtained by imaging with the multispectral camera 20.
  • a ground force map that is the distribution of nitrogen absorption in the field 1 is acquired. In this way, a leaf color map, a stem number map, and a geological map are generated based on the image obtained by imaging with the multispectral camera 20.
  • a topdressing map that determines the amount of additional fertilizer to the crop 2 planted in the field 1 in this cycle is generated.
  • This supplementary fertilizer map divides the field scene of the field 1 into areas of an appropriate size (for example, unit sections), and determines the amount of fertilizer to be sprayed for each of the divided areas.
  • An example of a topdressing map is shown in FIG.
  • This fertilizer map information is input to a control unit of a flying body (for example, unmanned helicopter) equipped with fertilizer, and the fertilizer is additionally fertilized from above into the field 1 while changing the amount of fertilization based on the top fertilizer map. .
  • the fertilizer can be additionally fertilized in a small amount in a region where the growth state of the crop 2 is good and a large amount in a region where the growth state is poor. As a result, the yield and quality of crop 2 can be expected to improve in this cycle.
  • a basic fertilizer map that determines the amount of fertilizer to be seeded (pre-) before planting the crop 2 in the field 1 in the next cycle is generated.
  • this basic fertilization map divides the field scene of the field 1 into areas (for example, unit sections) of an appropriate size, and determines the amount of fertilizer to be sprayed for each of the divided areas. It is a thing.
  • This basic fertilizer map is input to the fertilizer application device, and fertilizer is pre-sown in the field 1 by the fertilizer application device while changing the basic fertilizer amount according to the location of the basic fertilizer map.
  • the basic fertilization can be performed in a small amount in a region where the ground strength of the field 1 is high, and in a region where the ground strength is low.
  • the yield and quality of the crop 2 can be expected to improve in the next cycle.
  • FIG. 7A shows an example of the distribution of nitrogen absorption in the field 1 when base fertilization and top dressing are performed by a conventional method without using an image obtained by imaging with the multispectral camera 20. Is shown.
  • the nitrogen absorption There is a local variation in the distribution of quantities.
  • FIG.7 (b) is a case where a basic fertilizer map and a topdressing map are generated by utilizing an image obtained by imaging with the multispectral camera 20, and the basic fertilization and topdressing are performed in consideration of these maps.
  • An example of the distribution of nitrogen absorption in the field 1 is shown.
  • the basic fertilization is performed after grasping the distribution of the ground force in the field 1
  • the additional fertilization is performed after grasping the distribution of the growth situation, so that the local variation in the distribution of nitrogen absorption is suppressed. ing.

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Soil Sciences (AREA)
  • Environmental Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • Remote Sensing (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Botany (AREA)
  • Ecology (AREA)
  • Forests & Forestry (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Fertilizing (AREA)

Abstract

土壌診断方法は、生育分布検出工程と、採土地点決定工程と、土壌診断工程と、を含む。前記生育分布検出工程では、圃場内での作物の生育状態の分布を検出する。前記採土地点決定工程では、前記生育分布検出工程で得られた検出結果に基づいて、生育状態が相対的に良好でない領域内に含まれる採土地点Ｐ１～Ｐ４を含む、１つ又は複数の採土地点Ｐ１～Ｐ５を決める。前記土壌診断工程では、前記採土地点Ｐ１～Ｐ５で採取された土壌サンプルに基づいて、前記採土地点Ｐ１～Ｐ５のそれぞれでの土壌養分状況又は土壌物理性状況の少なくとも何れかを診断する。

Description

土壌診断方法、及び土壌状況改善方法
　本発明は、土壌診断方法、及び土壌状況改善方法に関する。
　従来から、圃場内の土壌の養分状況や物理性状況を知るために、土壌診断を行うことが広く行われている。特許文献１は、この種の土壌診断（土壌分析）を行う土壌分析システムを開示する。
　この特許文献１においては、土壌サンプルを採取するサンプリングは、正確な分析結果が得られるように圃場（農場）全体から必要なデータ収集が行われるように適当に分散された複数箇所で行えばよいが、圃場全体の四隅及び対角線上の任意の２点の合計６点をサンプリング箇所とするのが好ましいことが開示されている。また、圃場を複数の矩形状の区画に区分して各区分についてサンプリングを行うこととしてもよいことも開示されている。
特許第５３５１３２５号公報
　しかし、圃場全体の四隅及び対角線上の任意の２点の合計６点をサンプリング箇所とした場合、偶然に、この６点の何れにおいても土壌の養分状況や物理性状況が良好であるが、それ以外の箇所では土壌の養分状況や物理性状況が良好でない領域が含まれる場合もあり得る。そのような場合には、圃場内の、土壌の養分状況や物理性状況が良好でない領域を見落としてしまい、当該領域に土づくりや基肥等の適切な措置を施す機会を逃してしまうおそれがあった。
　また、圃場を複数の矩形状の区画に区分して各区分についてサンプリングを行う場合、土壌の養分状況や物理性状況が良好でない領域を見落とさないようにするためには、極力細かい区画に区分する必要があり、そのためサンプリング数が増大し、土壌分析に莫大な手間と時間がかかってしまうという問題があった。
　本発明は以上の事情に鑑みてされたものであり、その目的は、採土地点を過剰に多く設定しなくても、土壌の養分状況や物理状況が良好でない領域の土壌診断結果を得られるようにし、その後の土づくりや基肥等に活かせるようにすることにある。
課題を解決するための手段及び効果
　本発明の解決しようとする課題は以上の如くであり、次にこの課題を解決するための手段とその効果を説明する。
　本発明の第１の観点によれば、以下の土壌診断方法が提供される。即ち、この土壌診断方法は、生育分布検出工程と、採土地点決定工程と、土壌診断工程と、を含む。前記生育分布検出工程では、圃場内での作物の生育状態の分布を検出する。前記採土地点決定工程では、前記生育分布検出工程で得られた検出結果に基づいて、生育状態が相対的に良好でない領域内に含まれる採土地点を含む、１つ又は複数の採土地点を決める。前記土壌診断工程では、前記採土地点で採取された土壌サンプルに基づいて、前記採土地点のそれぞれでの土壌養分状況又は土壌物理性状況の少なくとも何れかを診断する。
　これにより、生育状態が相対的に良好でない領域内に含まれる採土地点での土壌診断結果を得ることができ、その後の土づくりや基肥等に活かすことができる。
　前記の土壌診断方法においては、以下のようにすることが好ましい。即ち、前記生育分布検出工程は、撮像工程と、生育分布画像生成工程と、を含む。前記撮像工程では、作物の生育状態を撮像手段で撮像する。前記生育分布画像生成工程では、前記撮像手段で撮像して得られた画像を、作物の生育状態のバラツキを表す生育分布画像に変換する。
　これにより、撮像手段で撮像して得られた画像を生育分布画像に変換することにより、圃場内での作物の生育状態の分布をより正確に得ることができ、生育状態が相対的に良好でない領域についての土壌診断結果を確実に得ることができる。
　前記の土壌診断方法においては、以下のようにすることが好ましい。即ち、前記撮像手段はマルチスペクトルカメラである。前記生育分布画像は、正規化差植生指数の分布を示す画像である。
　これにより、正規化差植生指数の分布を示す生育分布画像を参照することにより、圃場内での作物の生育状態の分布を的確に把握することができ、土壌診断を行う必要性の高い領域を適切に定めることができる。ひいては効率的な土壌診断を実現することが可能となる。
　前記の土壌診断方法においては、前記撮像手段は、飛行体に搭載されることが好ましい。
　これにより、空中から平面的に圃場内の作物の生育状態を撮像することができ、歪みの少ない精度の高い撮像を行うことができる。よって、圃場内での作物の生育状態の分布をより正確に取得することができ、土壌診断を行う必要性の高い領域を的確に捉えることができる。ひいては効率的な土壌診断を実現することが可能となる。
　本発明の第２の観点によれば、以下の土壌状況改善方法が提供される。即ち、この土壌状況改善方法は、生育分布検出工程と、採土地点決定工程と、土壌診断工程と、土づくり工程と、を含む。前記生育分布検出工程では、圃場内での作物の生育状態の分布を検出する。前記採土地点決定工程では、前記生育分布検出工程で得られた検出結果に基づいて、生育状態が相対的に良好でない領域内に含まれる採土地点を含む、１つ又は複数の採土地点を決める。前記土壌診断工程では、前記圃場内の作物が刈り取られた後に前記採土地点で採取された土壌サンプルに基づいて、前記採土地点のそれぞれでの土壌養分状況又は土壌物理性状況の少なくとも何れかを診断する。前記土づくり工程では、前記圃場内に次のサイクルの作物が植え付けられる前に、前記土壌診断工程で得られた診断結果に基づいて、前記圃場の土づくり又は基肥の少なくとも何れかを行う。
　これにより、作物の生育状態が相対的に良好ではなかった領域に含まれる採土地点での土壌診断結果を得ることができ、この診断結果に基づいて土づくり又は基肥を行うことができる。よって、次のサイクルでの作物の収穫量及び質の向上を期待できる。
　前記の土壌状況改善方法においては、以下のようにすることが好ましい。即ち、前記生育分布検出工程は、撮像工程と、生育分布画像生成工程と、を含む。前記撮像工程では、作物の生育状態を撮像手段で撮像する。前記生育分布画像生成工程では、前記撮像手段で撮像して得られた画像を、作物の生育状態のバラツキを表す生育分布画像に変換する。
　これにより、撮像手段で撮像して得られた画像を生育分布画像に変換することにより、圃場内での作物の生育状態の分布をより正確に捉えることができる。従って、生育状態が相対的に良好ではなかった領域についての土壌診断結果を確実に得ることができ、これに基づいて圃場に対して土づくり又は基肥を好適に効率よく行うことができる。よって、次のサイクルでの作物の収穫量及び質の向上を期待できる。
本発明の一実施形態に係る土壌診断方法に含まれる生育分布検出工程において、圃場内での作物の生育状態の分布を検出するために、マルチコプターで上空から圃場を撮像する様子を示す側面図。 図１で得られた撮像画像を変換して得られる生育分布画像を簡易的に示す図。 生育分布画像に基づいて、複数の採土地点を定めた例を示す図。 本発明の一実施形態に係る土壌診断方法に含まれる工程を時系列で示すブロック図。 本発明の一実施形態に係る土壌状況改善方法に含まれる工程を時系列で示すブロック図。 追肥マップの例を示す図。 （ａ）従来からある方法で基肥及び追肥を行った場合の、圃場における窒素吸収量の分布の例を示した図。（ｂ）撮像手段によって撮像した結果を活用して各種マップを生成し、基肥及び追肥を行った場合の、圃場における窒素吸収量の分布の例を示した図。
　次に、図面を参照して本発明の実施の形態を説明する。図１は、本発明の一実施形態に係る土壌診断方法に含まれる生育分布検出工程において、圃場１内での作物２の生育状態の分布を検出するために、マルチコプター１０で上空から圃場１を撮像する様子を示す側面図である。
　図１に示すマルチコプター（飛行体）１０は、本実施形態の土壌診断方法において、上空から圃場１を撮像（撮影）するために用いられる。マルチコプター１０はマルチスペクトルカメラ（撮像手段）２０を搭載する。
　マルチコプター１０は、プロペラ（ロータ）１１を複数個（例えば、６つ）搭載する無人マルチコプターとして構成されており、無線による遠隔操縦が可能になっている。また、マルチコプター１０は、プロペラ１１を駆動するための駆動源（例えば、電動モータ）を備えており、これにより機体を飛行させることができる。
　マルチスペクトルカメラ２０は、例えば２バンド（可視赤色光及び近赤外光）の画像を同時に撮像することができるデジタルカメラとして構成されている。このマルチスペクトルカメラ２０は、レンズを下に向けた状態でマルチコプター１０の下部に取り付けられ、上空から圃場１を平面的に撮像して画像を得ることができる。
　マルチコプター１０には図示しないＧＰＳ等の測位装置が備えられており、マルチスペクトルカメラ２０で圃場１を撮像した場合に、当該撮像時における機体の位置を測位して記憶しておくことができる。これにより、マルチコプター１０で撮像された画像と圃場１の位置との対応関係を容易に把握することができる。
　本実施形態の土壌診断方法では、マルチスペクトルカメラ２０で撮像して得られた圃場１の画像を、作物２の生育状態のバラツキを表す生育分布画像（本実施形態では、ＮＤＶＩ画像）に変換する処理が行われる。
　ＮＤＶＩについては公知であるが、以下、簡単に説明する。一般に、植物の緑葉は、可視赤色光の領域の波長の光を吸収し、近赤外光の領域の波長の光を強く反射する特性を有することが知られている。作物の成長が進むと、緑葉が濃くなり、可視赤色光をより吸収し、近赤外光をより強く反射する。作物があまり成長していないと、緑葉が薄くなり、可視赤色光をあまり吸収せず、近赤外光を弱く反射する。ＮＤＶＩは、これを利用した正規化差植生指数（ＮＤＶＩ；Ｎｏｒｍａｌｉｚｅｄ　Ｄｉｆｆｅｒｅｎｃｅ　Ｖｅｇｅｔａｔｉｏｎ　Ｉｎｄｅｘ）である。
　なお、ＮＤＶＩの値は、ＮＤＶＩ＝（ＩＲ－Ｒ）／（ＩＲ＋Ｒ）の式で計算される。ここで、Ｒは可視赤色光の観測値、ＩＲは近赤外光の観測値である。ＮＶＤＩの値は－１～１の値をとるように正規化されており、この値に対して例えば赤～青というように色を対応付けることで、ＮＤＶＩ画像（生育分布画像）を生成することができる。即ち、このＮＤＶＩ画像では、作物２の生育状態が良好な領域ほど赤色に近い色で示され、作物２の生育状態が不良な領域ほど青色に近い色で示される。ＮＤＶＩ画像の色を参照することにより、圃場１内での作物２の生育状態のバラツキを知ることができる。
　ユーザは、土壌診断を行う対象の圃場１の上空にマルチコプター１０を飛行させ、マルチスペクトルカメラ２０により当該圃場１を上空から撮像する（生育分布検出工程の撮像工程）。撮像により得られた２バンド（可視赤色光及び近赤外光）の画像は、それぞれ、マルチスペクトルカメラ２０に装着されたリムーバブル外部メモリに保存される。このリムーバブル外部メモリに保存された画像は、画像処理用の適宜のコンピュータに読み込まれ、上記の計算式を用いて適宜処理することにより、ＮＶＤＩ画像に変換される（生育分布検出工程の生育分布画像形成工程）。
　本実施形態の土壌診断方法では、このＮＶＤＩ画像に基づいて、土壌を採取してサンプリングを行う採土地点を複数定める（採土地点決定工程）。複数の採土地点は、作物２の生育状態が相対的に良好でない領域を含むように、好ましくは、作物２の生育状態が良好でない領域の土壌状況の傾向が取りこぼしなく土壌診断されるように、ユーザがＮＶＤＩ画像を目視することにより適宜に定められる。図３は、ＮＶＤＩ画像に基づいて、複数の採土地点Ｐ１～Ｐ５を定めた例を示す図である。なお、図３に示した例においては、作物２の生育状態が相対的に良好でない領域内に含まれる４地点を、採土地点Ｐ１～Ｐ４として定めたほかに、作物２の生育状態が相対的に良好な領域内に含まれる１地点を、採土地点Ｐ５として定めている。この採土地点Ｐ５は、比較対象とするための（より具体的には、例えば土壌改質の目標値を取得するための）土壌サンプルを採取するのに用いられる。
　採土地点Ｐ１～Ｐ５が決められて、圃場１で作物２が成長して刈り終えられた後、ユーザは、圃場１内の採土地点Ｐ１～Ｐ５で、土壌を例えば公知の検土杖等を用いることにより所定の深さで切り取り、これを土壌サンプルとする。その際、検土杖等による作土深の測定、及び土壌硬度計等による土壌硬度の測定のうちの少なくとも何れかを行い、採土地点の土壌物理性状況の一部を記録する。
　続いて、ユーザは、採土地点Ｐ１～Ｐ５のそれぞれで採取された土壌サンプルについて、例えば、乾土質量、乾土容積、及び生土容積等の、上記で得られた土壌物理性状況以外の物理的特性を更に測定するとともに、公知の土壌分析装置や適宜の緩衝液等を用いてｐＨ、リン酸吸収係数、並びに可給態窒素、遊離酸化鉄、可給態ケイ酸、可給態リン酸、置換性カリ、置換性石灰等の含有量を測定する。これにより、土壌診断が行われる（土壌診断工程）。
　なお、土壌診断は、各土壌サンプルの土壌養分状況及び土壌物理性状況のうちの少なくとも何れか（好ましくは両方）を把握できるものであればよく、公知のあらゆる手法を用いて行うことができる。即ち、市販されている簡易的な土壌分析キットを用いて診断してもよく、あるいは研究所で使用されるような高精度な測定装置（例えば、イオンクロマト装置）を用いて診断してもよい。
　このようにして、作物２の生育状態が相対的に良好でなかった領域に含まれる採土地点Ｐ１での土壌診断の結果を得ることができる。この土壌診断の結果は、その後の土づくりや基肥等（土づくり工程）に活かすことができる。
　以下、具体的に説明する。例えば、採土地点Ｐ１の土壌診断の結果、水はけが悪くｐＨが低いと診断された場合、当該採土地点Ｐ１を含む領域に対して、サブソイラを用いた硬盤破砕及び石灰資材の投入をその後の土づくりとして計画することができる。この計画を実行することにより（土づくり工程）、圃場１の採土地点Ｐ１を含む領域に対して、サブソイラによる硬盤破砕を行い、不透水層を破砕し、降雨後の水はけをよくすることができる。また、石灰資材を投入することにより、ｐＨを高めることができる。
　また、例えば、採土地点Ｐ２の土壌診断の結果、作土層が浅くｐＨが高いと診断された場合、当該採土地点Ｐ２を含む領域に対して、プラウを用いた深耕及び酸性寄りの肥料の利用をその後の土づくり及び基肥として計画することができる。この計画を実行することにより（土づくり工程）、圃場１の採土地点Ｐ２を含む領域に対して、プラウによる深耕を行い、作土を深くし、次のサイクルで植える作物２の根域を拡大することができる。また、酸性寄りの肥料を利用することにより、ｐＨを低くすることができる。
　また、例えば、採土地点Ｐ３の土壌診断の結果、土壌が硬く（緻密度が高く）電気伝導度が高いと診断された場合、当該採土地点Ｐ３を含む領域に対して、プラソイラを用いた硬盤破砕及び塩類濃度を高めない肥料の活用をその後の土づくり及び基肥として計画することができる。この計画を実行することにより（土づくり工程）、圃場１の採土地点Ｐ３を含む領域に対して、プラソイラによる硬盤破砕を行い、地下水位を下げ、下がった地下水を求めて次のサイクルで植えた作物２の根が深く伸張するようにできる。また、塩類濃度を高めない肥料を活用することにより、電気伝導度を低くすることができる。あるいは、次のサイクルでは圃場１（の少なくとも採土地点Ｐ３の周辺の領域）に作物２を植え付けずに、代わりにクリーニングクロップ（本実施形態の場合は、塩類を好適に吸収する植物）を植え付ける計画を立てることもできる。クリーニングクロップを植え付ける期間を設けることにより、採土地点Ｐ３の周辺の領域の塩類濃度を低下させることができ、以降のサイクルにおいて、作物２の栽培に適した塩類濃度に調整することができる。
　また、例えば、採土地点Ｐ４の土壌診断の結果、（有機物が少ないことに起因して）土壌が硬く腐食含量が少ない、と診断された場合、当該採土地点Ｐ４を含む領域に対して、プラウを用いた有機物のすき込み及びやや多めの堆肥の施用をその後の土づくり及び基肥として計画することができる。この計画を実行することにより（土づくり工程）、圃場１の採土地点Ｐ４を含む領域に対して、プラウによる緑肥等の有機物のすき込みを行い、これを分解する微生物の活性化を促し、団粒を形成することができる。これにより、土が膨軟になり、透水性・排水性の改善を行うことができる。
　なお、上記のように、土壌診断工程での土壌診断の結果に基づいてその後の土づくりや基肥等の計画を立てる場合、作物の生育状態が良好な領域に含まれる採土地点（本実施形態では、採土地点Ｐ５）での土壌診断の結果を目標値にして、作物の生育状態が良好ではなかった領域（図３に示すハッチングの領域）における局所的な土づくりや基肥等の計画を立てるものとしてもよい。これにより、次のサイクルでの作物２の生育状態を、圃場１の全領域にわたって均一化することが期待でき、ひいては作物２の収穫量及び質の向上を期待することができる。
　このように、本実施形態においては、土壌診断が、生育分布検出工程と、採土地点決定工程と、土壌診断工程と、を含む土壌診断方法により行われる（図４を参照）。前記生育分布検出工程では、圃場１内での作物２の生育状態の分布を検出する。前記採土地点決定工程では、前記生育分布検出工程で得られた検出結果（本実施形態では、ＮＶＤＩ画像）に基づいて、生育状態が相対的に良好でない領域内に含まれる採土地点Ｐ１～Ｐ４を含む、１つ又は複数の採土地点Ｐ１～Ｐ５を決める。前記土壌診断工程では、前記採土地点Ｐ１～Ｐ５で採取された土壌サンプルに基づいて、前記採土地点Ｐ１～Ｐ５のそれぞれでの土壌養分状況又は土壌物理性状況の少なくとも何れかを診断する。
　これにより、作物２の生育状態が相対的に良好でない領域内に含まれる採土地点Ｐ１～Ｐ４での土壌診断結果を得ることができ、その後の土づくりや基肥等に活かすことができる。言い換えれば、圃場１内の、作物２の生育状態が良好でない領域について、重点的に土壌診断を行うことができ、その結果を利用してその後の土づくりや基肥等を行うことができる。
　また、本実施形態の土壌診断方法においては、前記生育分布検出工程は、撮像工程と、生育分布画像生成工程と、を含む。前記撮像工程では、作物２の生育状態を撮像手段（マルチスペクトルカメラ２０）で撮像する。前記生育分布画像生成工程では、前記撮像手段（マルチスペクトルカメラ２０）で撮像して得られた画像を、作物２の生育状態のバラツキを表す生育分布画像（ＮＤＶＩ画像）に変換する。
　これにより、撮像手段（マルチスペクトルカメラ２０）で撮像して得られた画像を生育分布画像（ＮＤＶＩ画像）に変換することにより、圃場１内での作物２の生育状態の分布をより正確に捉えることができ、作物２の生育状態が相対的に良好でない領域についての土壌診断結果を確実に得ることができる。
　また、本実施形態の土壌診断方法においては、前記撮像手段はマルチスペクトルカメラ２０である。前記生育分布画像は、正規化差植生指数の分布を示すＮＤＶＩ画像である。
　これにより、正規化差植生指数の分布を示すＮＤＶＩ画像を参照することにより、圃場１内での作物２の生育状態の分布を的確に把握することができ、土壌診断を行う必要性の高い領域を適切に定めることができる。ひいては、必要な箇所について重点的に効率的に、土壌診断を実現することが可能となる。
　また、本実施形態の土壌診断方法においては、マルチスペクトルカメラ２０は、マルチコプター（飛行体）１０に搭載される。
　これにより、空中から平面的に圃場１内の作物２の生育状態を撮像することができ、歪みの少ない精度の高い撮像を行うことができる。よって、圃場１内での作物２の生育状態の分布をより正確に得ることができ、土壌診断を行う必要性の高い領域を的確に捉えることができる。ひいては効率的な土壌診断を実現することが可能となる。
　更に、本実施形態においては、生育分布検出工程と、採土地点決定工程と、土壌診断工程と、土づくり工程と、を含む土壌状況改善方法によって、圃場１内の土壌の改質（土壌状況の改善）が行われる。前記生育分布検出工程では、圃場１内での作物２の生育状態の分布を検出する。前記採土地点決定工程では、前記生育分布検出工程で得られた検出結果に基づいて、生育状態が相対的に良好でない領域内に含まれる採土地点Ｐ１～Ｐ４を含む、１つ又は複数の採土地点Ｐ１～Ｐ５を決める。前記土壌診断工程では、圃場１内の作物２が刈り取られた後に採土地点Ｐ１～Ｐ５で採取された土壌サンプルに基づいて、採土地点Ｐ１～Ｐ５のそれぞれでの土壌養分状況又は土壌物理性状況の少なくとも何れかを診断する。前記土づくり工程では、圃場１内に次のサイクルの作物２が植え付けられる前に、前記土壌診断工程で得られた診断結果に基づいて、圃場１の土づくり又は基肥の少なくとも何れかを行う。
　これにより、作物２の生育状態が相対的に良好ではなかった領域に含まれる採土地点Ｐ１～Ｐ４での土壌診断結果を得ることができ、この診断結果に基づいて土づくり又は基肥を行うことができる。よって、次のサイクルでの作物２の収穫量及び質の向上を期待できる。
　また、本実施形態の土壌状況改善方法においては、前記生育分布検出工程は、撮像工程と、生育分布画像生成工程と、を含む。前記撮像工程では、作物２の生育状態をマルチスペクトルカメラ（撮像手段）２０で撮像する。前記生育分布画像生成工程では、前記マルチスペクトルカメラ（撮像手段）２０で撮像して得られた画像を、作物の生育状態のバラツキを表すＮＤＶＩ画像（生育分布画像）に変換する。
　これにより、マルチスペクトルカメラ（撮像手段）２０で撮像して得られた画像をＮＤＶＩ画像（生育分布画像）に変換することにより、圃場１内での作物２の生育状態の分布をより正確に取得することができる。従って、作物２の生育状態が相対的に良好ではなかった領域についての土壌診断結果を確実に得ることができ、これに基づいて圃場１に対して土づくり又は基肥を好適に効率よく行うことができる。よって、次のサイクルでの作物２の収穫量及び質の向上を期待できる。
　また、本実施形態の土壌状況改善方法においては、前記土づくり工程では、圃場１内に次のサイクルの作物２が植え付けられる前に、前記土壌診断工程で得られた診断結果に基づいて、圃場１の土づくり又は基肥の少なくとも何れかを、当該圃場１の一部の領域（具体的には、作物２の生育状況が良好ではなかった領域）に対して行うものとしてもよい。
　これにより、圃場１内の必要な領域にだけ土づくり又は基肥の少なくとも何れかを施して、次のサイクルでの作物２の植付けに備えることができる。よって、無駄のない農作業を実現することが可能である。
　以上に本発明の好適な実施の形態を説明したが、上記の構成は例えば以下のように変更することができる。
　上記の実施形態では、撮像手段としてのマルチスペクトルカメラ２０は、無人のマルチコプター１０に搭載されているものとしたが、これに限るものではない。例えばこれに代えて、無人ヘリコプター又は無人飛行機に撮像手段が搭載されているものとしてもよい。あるいはこれらに代えて、人工衛星に撮像手段が搭載されているものとしてもよい。又は、撮像手段が有人の飛行体に搭載されているものとしてもよい。
　上記のＮＶＤＩと同様の指数として、ＧＮＤＶＩ（Ｇｒｅｅｎ　Ｎｏｒｍａｌｉｚｅｄ　Ｄｉｆｆｅｒｅｎｃｅ　Ｖｅｇｅｔａｔｉｏｎ　Ｉｎｄｅｘ）を圃場１の領域と対応付けて画像で示したＧＮＤＶ画像を、上記の生育分布画像として用いることもできる。なお、ＧＮＤＶＩの値は、ＧＤＮＶＩ＝（ＩＲ－Ｇ）／（ＩＲ＋Ｇ）の式で計算される。ここで、ＩＲは近赤外光の観測値、Ｇは緑色光の反射光強度の観測値である。
　上記の実施形態では、生育分布検出工程においては、１つの圃場１内における作物２の生育状態の分布をＮＶＤＩ画像として表すものとしたが、必ずしもこれに限るものではなく、例えばこれに代えて、複数の圃場１，１，・・・を上空からまとめて撮像し、複数の圃場１，１，・・・の間における生育状態の分布（バラツキ）をＮＶＤＩ画像として表し、これに基づいて採土地点を定めるものとしてもよい。
　上記の生育分布検出工程において生成したＮＶＤＩ画像を利用して、作物２に追加的に施用する肥料の量（追肥量）を算出するものとしてもよい。
　上記の実施形態では、作物２の生育状態が相対的に良好でない領域（図３においてハッチングで示した領域）内から４点の採土地点を定めるものとしたが、この採土地点の数は、これよりも多くても、あるいは少なくてもよい。
　上記の実施形態では、土壌サンプル（採土地点Ｐ１～Ｐ４から採取したサンプル）の土壌養分状況及び土壌物理性状況を評価するときの比較対象とするために、生育状態が相対的に良好であった採土地点Ｐ５からも土壌サンプルを採取するものとしたが、生育状態が相対的に良好である領域からのサンプリングは必須ではない。
　上記の実施形態で示した土づくり工程で土づくり及び基肥のために用いた各種作業機及び資材は例示に過ぎず、他の作業機を用いて土づくりを行うこととしてもよく、また他の資材を用いて又は上記の資材と他の資材とを組み合せて基肥を行うものとしてもよい。
　上記の実施形態では、簡単に言えば作物２の緑葉の茂り具合を表す指数であるＮＤＶＩに基づいて、作物２の圃場１での生育状態のバラツキを表す生育分布画像を生成するものとしたが、必ずしも作物２の緑葉の茂り具合のみに基づいて作物２の生育状態の分布を取得するとは限らない。例えば、作物２の緑葉の茂り具合（具体的には、ＮＶＤＩ）に加えて、又はこれに代えて、マルチスペクトルカメラ２０の撮像結果から得られる圃場１における作物２の密度分布、及び、作物２の緑葉の茂り具合と密度分布との積を算出することにより推定される圃場１の地力等を考慮に入れて、作物２の生育状態の分布を取得するものとしてもよい。
　上記の実施形態では、採土地点決定工程において、ユーザが生育分布画像（ＮＶＤＩ画像）を目視することにより、作物２の生育状態が相対的に良好でない領域を含むように適宜に採土地点を定めるものとした。しかしながら、採土地点の決定は、必ずしも目視により行われるとは限らず、例えばこれに代えて、コンピュータにより自動で、ＮＶＤＩ画像のうち青色又はそれに近い色の部分を採土地点として複数定めるものとしてもよい。その場合、複数の採土地点が互いに離れた位置に配置されるように当該採土地点を定めることが好ましい。
　以下では、マルチスペクトルカメラ２０で撮像することにより得られた画像を利用して、圃場１の運営を総合的に管理する方法について、概略的に説明する。
　初めに、飛行体に搭載したマルチスペクトルカメラ２０を用いて、圃場１を上空から平面的に撮像する。
　続いて、マルチスペクトルカメラ２０で撮像して得られた画像に基づいて、圃場１における作物２の茂り具合を示す画像である葉色マップ（具体的には、上記のＮＶＤＩ画像）を取得する。また、マルチスペクトルカメラ２０で撮像して得られた画像に基づいて、圃場１における作物２の密度分布を示す画像である茎数マップを取得する。更に、葉色マップで得られた葉色値と、茎数マップで得られた茎数（密度）と、の積を取ることにより、圃場１における窒素吸収量の分布である地力マップを取得する。このように、マルチスペクトルカメラ２０で撮像して得られた画像に基づいて、葉色マップ、茎数マップ、及び地力マップを生成する。
　そして、上記のようにして得られた葉色マップに基づいて、今回のサイクルで圃場１に植えている作物２に対して追加的に肥料を播く量を定める追肥マップを生成する。この追肥マップは、圃場１の圃場面を適宜の広さのエリア（例えば、単位区画）に分割し、この分割されたエリアごとに肥料を散布すべき量を定めたものである。追肥マップの例を図６に示している。
　この追肥マップの情報を、肥料を搭載した飛行体（例えば、無人ヘリコプター）の制御部に入力し、追肥マップに基づいて施肥量を場所的に変化させながら、上空から圃場１に肥料を追肥する。これにより、例えば作物２の生育状況が良好な領域には少なめに、生育状況が不良な領域には多めに、肥料を追肥することができる。その結果、今回のサイクルでの作物２の収穫量及び質の向上を期待できる。
　一方、上記のようにして得られた地力マップに基づいて、次回のサイクルで圃場１に作物２を植える前に（予め）播く肥料の量を定める基肥マップを生成する。この基肥マップも、上記の追肥マップと同様に、圃場１の圃場面を適宜の広さのエリア（例えば、単位区画）に分割し、この分割されたエリアごとに肥料を散布すべき量を定めたものである。
　施肥装置にこの基肥マップを入力し、当該基肥マップに基づいて基肥量を場所的に変化させながら施肥装置により圃場１に肥料を予め播く。これにより例えば圃場１の地力が高い領域には少なめに、地力が低い領域には多めに、基肥することができる。その結果、次のサイクルでの作物２の収穫量及び質の向上を期待できる。
　図７（ａ）は、マルチスペクトルカメラ２０で撮像することにより得られた画像を活用せずに、従来からある方法で基肥及び追肥を行った場合の、圃場１における窒素吸収量の分布の例を示したものである。この例においては、圃場１における地力の分布を把握できなかったために、また、生育状況の分布を把握できなかったために、圃場１の全域に対して均一に基肥及び追肥を施した結果、窒素吸収量の分布の場所的なバラツキが生じている。
　図７（ｂ）は、マルチスペクトルカメラ２０で撮像することにより得られた画像を活用して基肥マップ及び追肥マップを生成し、これらのマップを考慮に入れて基肥及び追肥を行った場合の、圃場１における窒素吸収量の分布の例を示したものである。この例においては、圃場１における地力の分布を把握した上で基肥を行い、また、生育状況の分布を把握した上で追肥を行った結果、窒素吸収量の分布の場所的なバラツキが抑えられている。
　１　圃場
　２　作物
　１０　マルチコプター（飛行体）
　２０　マルチスペクトルカメラ（撮像手段）
　Ｐ１～Ｐ５　採土地点

Claims (6)

  1. 　圃場内での作物の生育状態の分布を検出する生育分布検出工程と、
    　前記生育分布検出工程で得られた検出結果に基づいて、生育状態が相対的に良好でない領域内に含まれる採土地点を含む、１つ又は複数の採土地点を決める採土地点決定工程と、
    　前記採土地点で採取された土壌サンプルに基づいて、前記採土地点のそれぞれでの土壌養分状況又は土壌物理性状況の少なくとも何れかを診断する土壌診断工程と、
    を含むことを特徴とする土壌診断方法。
  2. 　請求項１に記載の土壌診断方法であって、
    　前記生育分布検出工程は、
    　作物の生育状態を撮像手段で撮像する撮像工程と、
    　前記撮像手段で撮像して得られた画像を、作物の生育状態のバラツキを表す生育分布画像に変換する生育分布画像生成工程と、
    を含むことを特徴とする土壌診断方法。
  3. 　請求項２に記載の土壌診断方法であって、
    　前記撮像手段はマルチスペクトルカメラであり、
    　前記生育分布画像は、正規化差植生指数の分布を示す画像であることを特徴とする土壌診断方法。
  4. 　請求項２又は３に記載の土壌診断方法であって、
    　前記撮像手段は、飛行体に搭載されることを特徴とする土壌診断方法。
  5. 　圃場内での作物の生育状態の分布を検出する生育分布検出工程と、
    　前記生育分布検出工程で得られた検出結果に基づいて、生育状態が相対的に良好でない領域内に含まれる採土地点を含む、１つ又は複数の採土地点を決める採土地点決定工程と、
    　前記圃場内の作物が刈り取られた後に前記採土地点で採取された土壌サンプルに基づいて、前記採土地点のそれぞれでの土壌養分状況又は土壌物理性状況の少なくとも何れかを診断する土壌診断工程と、
    　前記圃場内に次のサイクルの作物が植え付けられる前に、前記土壌診断工程で得られた診断結果に基づいて、前記圃場の土づくり又は基肥の少なくとも何れかを行う土づくり工程と、
    を含むことを特徴とする土壌状況改善方法。
  6. 　請求項５に記載の土壌状況改善方法であって、
    　前記生育分布検出工程は、
    　作物の生育状態を撮像手段で撮像する撮像工程と、
    　前記撮像手段で撮像して得られた画像を、作物の生育状態のバラツキを表す生育分布画像に変換する生育分布画像生成工程と、
    を含むことを特徴とする土壌状況改善方法。
PCT/JP2017/035167 2016-10-18 2017-09-28 土壌診断方法、及び土壌状況改善方法 WO2018074171A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020197009077A KR20190042690A (ko) 2016-10-18 2017-09-28 토양 진단 방법, 및 토양 상황 개선 방법
CN201780051967.4A CN109844524A (zh) 2016-10-18 2017-09-28 土壤诊断方法及土壤状况改善方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016-204685 2016-10-18
JP2016204685A JP2018066616A (ja) 2016-10-18 2016-10-18 土壌診断方法、及び土壌状況改善方法

Publications (1)

Publication Number Publication Date
WO2018074171A1 true WO2018074171A1 (ja) 2018-04-26

Family

ID=62018413

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/035167 WO2018074171A1 (ja) 2016-10-18 2017-09-28 土壌診断方法、及び土壌状況改善方法

Country Status (4)

Country Link
JP (1) JP2018066616A (ja)
KR (1) KR20190042690A (ja)
CN (1) CN109844524A (ja)
WO (1) WO2018074171A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112034141A (zh) * 2020-09-22 2020-12-04 湖南农业大学 田间土壤的现场诊断方法及改良方法
EP3821689A1 (de) * 2019-11-06 2021-05-19 Sebastian Zunhammer Förderanordnung für wirtschaftsdünger sowie computerprogrammprodukt und verfahren zum ausbringen von wirtschaftsdünger

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11580729B2 (en) * 2019-11-22 2023-02-14 Intelinair, Inc. Agricultural pattern analysis system
JP7352366B2 (ja) * 2019-03-28 2023-09-28 株式会社トプコン 農業情報処理装置、農業情報処理方法および農業情報処理用プログラム
JP7288632B2 (ja) * 2019-08-06 2023-06-08 ヤンマーパワーテクノロジー株式会社 生育値算出方法、および生育値算出システム
CN113744617A (zh) * 2021-09-17 2021-12-03 海南省环境科学研究院 一种酸性硫酸盐土的整段标本制作方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0343022A (ja) * 1989-07-11 1991-02-25 Kubota Corp 農用の所要被散布物散布方法
JPH11235124A (ja) * 1998-02-23 1999-08-31 Yanmar Agricult Equip Co Ltd 精密農法
JP2008032450A (ja) * 2006-07-27 2008-02-14 Si Seiko Co Ltd 土壌検査方法
JP5351325B1 (ja) * 2012-11-27 2013-11-27 株式会社みらい蔵 土壌分析システム及び土壌分析用プログラム
JP2016144990A (ja) * 2015-02-07 2016-08-12 ヤンマー株式会社 空中散布装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5351325A (en) 1976-10-20 1978-05-10 Kawasaki Heavy Ind Ltd Electrically-driven booster blower starting process for main engine
WO2014084166A1 (ja) * 2012-11-27 2014-06-05 株式会社みらい蔵 土壌分析方法、土壌評価方法、土壌分析システム及び土壌分析用プログラム
JP5588523B2 (ja) * 2013-01-08 2014-09-10 三菱農機株式会社 歩行型管理機
CN105897920A (zh) * 2016-05-27 2016-08-24 北京农业信息技术研究中心 一种农作物监测分析方法和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0343022A (ja) * 1989-07-11 1991-02-25 Kubota Corp 農用の所要被散布物散布方法
JPH11235124A (ja) * 1998-02-23 1999-08-31 Yanmar Agricult Equip Co Ltd 精密農法
JP2008032450A (ja) * 2006-07-27 2008-02-14 Si Seiko Co Ltd 土壌検査方法
JP5351325B1 (ja) * 2012-11-27 2013-11-27 株式会社みらい蔵 土壌分析システム及び土壌分析用プログラム
JP2016144990A (ja) * 2015-02-07 2016-08-12 ヤンマー株式会社 空中散布装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
KISHIMOTO, AKIRA: "Observation method for soil analysis value, Japan International Cooperation Agency , Sao Paulo Branch", AGRICULTURAL INFORMATION OFFICE, July 1983 (1983-07-01), pages 1 - 22, Retrieved from the Internet <URL:http://www.open_jicareport.jica.go.jp/pdf/10255164.pdf> [retrieved on 20171207] *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3821689A1 (de) * 2019-11-06 2021-05-19 Sebastian Zunhammer Förderanordnung für wirtschaftsdünger sowie computerprogrammprodukt und verfahren zum ausbringen von wirtschaftsdünger
CN112034141A (zh) * 2020-09-22 2020-12-04 湖南农业大学 田间土壤的现场诊断方法及改良方法

Also Published As

Publication number Publication date
JP2018066616A (ja) 2018-04-26
CN109844524A (zh) 2019-06-04
KR20190042690A (ko) 2019-04-24

Similar Documents

Publication Publication Date Title
WO2018074171A1 (ja) 土壌診断方法、及び土壌状況改善方法
Punalekar et al. Application of Sentinel-2A data for pasture biomass monitoring using a physically based radiative transfer model
CN109115776B (zh) 一种基于颜色和深度信息的穴盘苗长势无损监测方法和装置
EP3417690A1 (en) A self-propelled apparatus for optimally analysing and managing fields intended for agricultural cultivation
CN108858122A (zh) 一种温室植物病害巡检机器人及巡检方法
Wibowo et al. Spatio-temporal analysis of rice field phenology using Sentinel-1 image in Karawang Regency West Java, Indonesia
CN106950573B (zh) 一种基于无人机激光雷达的玉米涝渍灾害评估方法及系统
DE102015221085A1 (de) Verfahren und Informationssystem zum Erkennen zumindest einer auf einem Feld angepflanzten Pflanze
Fang et al. 3D quantification of plant root architecture in situ
CN103424366A (zh) 一种多光谱精准识别的智能施肥实施方法
CN114694047A (zh) 一种玉米播种质量的评价方法及装置
Ma et al. A method of calculating phenotypic traits for soybean canopies based on three-dimensional point cloud
DE102015221092A1 (de) Verfahren und Informationssystem zum Erfassen zumindest eines Pflanzenparameterdatensatzes einer auf einem Feld wachsenden Pflanze
WO2011080944A1 (ja) 水稲作付け状況把握システム、水稲作付け状況把握方法、及び水稲作付け状況把握プログラム
Zhou et al. Improved yield prediction of Ratoon rice using unmanned aerial vehicle-based multi-temporal feature method
細井文樹 et al. Estimating the leaf inclination angle distribution of the wheat canopy using a portable scanning lidar
Catania et al. Vineyard design supported by GPS application
Bacsa et al. Correlation of UAV-based multispectral vegetation indices and leaf color chart observations for nitrogen concentration assessment on rice crops
Anderson et al. Multispectral videography and geographic information systems for site‐specific farm management
Kırcı et al. Vegetation measurement using image processing methods
Yamamoto et al. Growth measurement of a community of strawberries using three-dimensional sensor
Sun et al. In-field high throughput phenotyping and phenotype data analysis for cotton plant growth using LiDAR
Arafat et al. Rice crop monitoring in Egyptian Nile Delta using EgyptSAT-1 data
Dean et al. Winter beans: the use of an unmanned aerial vehicle for monitoring and prediction of crop performance
Boiarskii¹ et al. Application of UAV and multispectral camera for field survey in the Amur Region, Russia

Legal Events

Date Code Title Description
DPE1 Request for preliminary examination filed after expiration of 19th month from priority date (pct application filed from 20040101)
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17863139

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 20197009077

Country of ref document: KR

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: 17863139

Country of ref document: EP

Kind code of ref document: A1