WO2018100695A1 - 生息判定方法、生息判定装置及び生息判定プログラム - Google Patents

生息判定方法、生息判定装置及び生息判定プログラム Download PDF

Info

Publication number
WO2018100695A1
WO2018100695A1 PCT/JP2016/085620 JP2016085620W WO2018100695A1 WO 2018100695 A1 WO2018100695 A1 WO 2018100695A1 JP 2016085620 W JP2016085620 W JP 2016085620W WO 2018100695 A1 WO2018100695 A1 WO 2018100695A1
Authority
WO
WIPO (PCT)
Prior art keywords
tree
determination
mammal
trees
index
Prior art date
Application number
PCT/JP2016/085620
Other languages
English (en)
French (fr)
Inventor
小森谷　均
友子 永野
竹野内　正寿
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/JP2016/085620 priority Critical patent/WO2018100695A1/ja
Priority to JP2018553587A priority patent/JP6760393B2/ja
Publication of WO2018100695A1 publication Critical patent/WO2018100695A1/ja
Priority to US16/417,052 priority patent/US20190269102A1/en

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K29/00—Other apparatus for animal husbandry
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K67/00—Rearing or breeding animals, not otherwise provided for; New or modified breeds of animals
    • 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
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Definitions

  • the present invention relates to a habit determination method, a habit determination device, and a habit determination program.
  • a technique using statistical data that can be easily obtained when determining whether or not an animal inhabits a target area is known. For example, using the traffic volume of roads calculated from map data including roads and buildings in the evaluation target area, the distribution data of the habitat density of the selected species in the evaluation target area is created, and the habitat of the evaluation target area A technique for evaluating the suitability of the land is known. In addition, based on the green space data related to the classification and distribution of the green space on the ground surface, indicators such as the green space continuity index and the green space unity index are calculated, and the habitat of the species is calculated based on each index and the green space data. Techniques for estimating aptitude are also known. Furthermore, a technique is also known in which a forest patch that is a land block covered by a forest is extracted from remote sensing data of a target area, and a habitat aptitude index of a forest-usable organism corresponding to the forest patch is calculated.
  • tree mammals such as squirrels, possums, flying squirrels and gliders cannot make a nest to protect themselves from natural enemies such as owls themselves, so they use existing holes in old trees as burrows.
  • the above technique using statistical data does not consider the presence or absence of an environment where tree mammals can be used as burrows, so the accuracy of determining whether or not tree mammals live may be low.
  • the determination accuracy can be improved. Takes time and labor.
  • An object of the present invention is to provide a habitat determination method, a habitat determination apparatus, and a habitat determination program that can improve the accuracy of determining whether or not a target animal is inhabiting.
  • the habitat determination method calculates a first index that is the number of trees per predetermined area of a tree in which a tree mammal can inhabit, and calculates the first index and the characteristics of the tree mammal.
  • the computer executes a process of determining whether or not a tree mammal can inhabit.
  • FIG. 1 is a diagram illustrating an example of functional blocks of the habitat determination device according to the first embodiment.
  • FIG. 2 is a diagram illustrating an example of the vegetation DB according to the first embodiment.
  • FIG. 3 is a diagram illustrating an example of the recording DB according to the first embodiment.
  • FIG. 4 is a diagram illustrating an example of the animal feature DB.
  • FIG. 5 is a diagram illustrating an example of a tree age DB in the first embodiment.
  • FIG. 6 is a diagram illustrating an example of the determination result DB according to the first embodiment.
  • FIG. 7 is a diagram illustrating an example of a determination method in the background art.
  • FIG. 8 is a flowchart illustrating an example of pre-determination processing.
  • FIG. 8 is a flowchart illustrating an example of pre-determination processing.
  • FIG. 9 is a flowchart illustrating an example of the habitat determination process according to the first embodiment.
  • FIG. 10 is a diagram illustrating an example of a recording DB according to the second embodiment.
  • FIG. 11 is a diagram illustrating an example of a tree age DB in the second embodiment.
  • FIG. 12 is a diagram illustrating an example of the determination result DB according to the second embodiment.
  • FIG. 13 is a flowchart illustrating an example of a habitat determination process according to the second embodiment.
  • FIG. 14 is a diagram illustrating an example of the vegetation DB according to the third embodiment.
  • FIG. 15 is a diagram illustrating an example of the determination result DB according to the third embodiment.
  • FIG. 16 is a flowchart illustrating an example of a habitat determination process according to the third embodiment.
  • FIG. 17 is a diagram illustrating an example of a computer that executes a habitat determination program.
  • the tree mammals to be subjected to the habitat determination processing inhabit, for example, eucalyptus forests.
  • Eucalyptus which becomes a tree, can tear in the trunk as the trunk of the tree grows from about thirty years old, creating a hole in the tree that is a hiding place for tree mammals. It is also known that the size of eucalyptus tree holes increases with age.
  • tree mammals may have different body sizes depending on the type, and depending on the size of the hole in the tree, the tree mammal may not be used as a burrow.
  • a small kind of tree mammal such as Yellow-belled Glider (hereinafter sometimes referred to as “YG”) is used as the nest hole.
  • large types of tree mammals such as Greator Glider (hereinafter sometimes referred to as “GG”) cannot use a hole in a tree with a low age as a nest.
  • small types of tree mammals, such as YG do not use the holes in trees that are older and have larger entrances.
  • FIG. 1 is a diagram illustrating an example of functional blocks of the habitat determination device according to the first embodiment.
  • the habitat determination device 100 includes a communication unit 111, a display operation unit 112, a storage unit 120, and a control unit 130.
  • the habitat determination device 100 is realized by a device such as a computer, and has various functional units included in known computers, for example, functional units such as various input devices and audio output devices, in addition to the functional units illustrated in FIG. It doesn't matter.
  • the communication unit 111 controls communication with an external database server (not shown), a user terminal (not shown), etc. via a network N (not shown) regardless of wired or wireless.
  • the display operation unit 112 displays information output from the control unit 130.
  • the display operation unit 112 receives an operation by a user (not shown) and outputs the operation to the control unit 130.
  • the storage unit 120 stores, for example, a program executed by the control unit 130, various data, and the like.
  • the storage unit 120 includes a vegetation DB 121, a record DB 122, an animal feature DB 123, a tree age DB 124, and a determination result DB 125.
  • the storage unit 120 corresponds to a semiconductor memory device such as a RAM (Random Access Memory), a ROM (Read Only Memory), and a flash memory (Flash Memory), and a storage device such as an HDD (Hard Disk Drive).
  • the vegetation DB 121 stores the situation at each point of time in each region.
  • FIG. 2 is a diagram illustrating an example of the vegetation DB according to the first embodiment. As illustrated in FIG. 2, the vegetation DB 121 stores “the number of trees” and “the tree type” in association with the “region ID”. Note that the information stored in the vegetation DB 121 is, for example, information disclosed in a vegetation map or the like that is acquired by the environmental authority and acquired by the record acquisition unit 131 described later.
  • “Tree type” stores the type of tree vegetated in the target area.
  • “MA”, “AA”, and “SG” in FIG. 2 are abbreviations of “mountain ash”, “alpine ash”, and “shining gum”, which are types of trees, respectively. In this embodiment, it is assumed that one type of tree is vegetated in one target area.
  • FIG. 3 is a diagram illustrating an example of the recording DB according to the first embodiment.
  • the record DB 122 has one table for each target area ID, for example.
  • the information stored in the record DB 122 is, for example, information disclosed in a logging record or the like that is acquired by the environmental authority and acquired by the record acquisition unit 131 described later.
  • the record DB 122 stores “year / month”, “ratio”, and “reason” in association with each other. “Year” memorizes the number of years before the present time when the reason for logging or the like occurred. In this embodiment, it is assumed that the year and month are stored sequentially from the oldest. “Proportion” indicates the proportion of trees lost in the target area due to the reason. “Reason” indicates the content of logging, etc. that occurred in the target area.
  • the animal feature DB 123 stores the feature of the tree mammal to be determined.
  • FIG. 4 is a diagram illustrating an example of the animal feature DB.
  • the animal feature DB 123 includes “classification”, “species”, “food”, “food”, “ ⁇ ⁇ ”, “natural enemy”, “weight”, and “neck diameter”. ”,“ Behavior ”, and“ features of the inhabiting forest ”are stored in association with each other.
  • the information stored in the animal feature DB 123 is, for example, data of each animal acquired by the record acquisition unit 131 described later.
  • the tree age DB 124 stores the ratio of trees for each tree age.
  • FIG. 5 is a diagram illustrating an example of a tree age DB in the first embodiment. As illustrated in FIG. 5, the tree age DB 124 stores “tree age”, “ratio”, and “reason” in association with each other. Similar to the record DB 122, the tree age DB 124 has, for example, one table for each target area ID. The information stored in the tree age DB 124 is, for example, information specified by the tree age specifying unit 132 described later with reference to the record DB 122 shown in FIG.
  • the table indicated by (0) is a state before the information is updated by the tree age specifying unit 132.
  • the table shown in (1) of FIG. 5 shows data updated by the age specifying unit 132 with reference to the record “x1” in the record DB 122 shown in FIG.
  • the percentage of trees with an age of “x1” exceeding “x1” is “0%” based on the record of clear cutting and afforestation “x1” years ago. It is stored in the tree age DB 124 that the ratio of the tree of “x1” is “100%”.
  • the percentage of trees with an age of “x1” is “70%” based on a record of 30% logging and planting “x2” years ago.
  • the tree age DB 124 stores that the ratio of trees having an age of “x2” is “30%”.
  • the percentage of trees with an age of “x1” is “20%” It is stored in the tree age DB 124 that the ratio of the tree whose tree age is “x3” is “50%”. In this embodiment, it is assumed that logging is preferentially performed on trees having a high age.
  • FIG. 6 is a diagram illustrating an example of the determination result DB according to the first embodiment.
  • the determination result DB 125 stores “area ID”, “the number of trees over 30 years”, “the ratio of trees over 75 years”, and “determination results” in association with each other.
  • the determination result DB 125 has one table for each target animal, for example.
  • the information stored in the determination result DB 125 is input by, for example, the tree age specifying unit 132 and the determination unit 133 described later.
  • the number of trees over 30 years is an example of a first index
  • the percentage of trees over 75 years is an example of a second index.
  • the “determination result” determines whether or not the target animal inhabits in the area of the target area ID based on “the number of trees over 30 years” and “the percentage of trees over 75 years”. The result is memorized.
  • the “number of trees over 30 years” indicates the number of trees (density) per predetermined area (for example, 1 hectare) of trees having tree holes that can be used as tree nests by tree mammals.
  • the “ratio of trees over 75 years” indicates the ratio of trees having large holes that can be used as burrows by large types of tree mammals.
  • the determination result DB 125 shown in FIG. 6 performs determination processing for the target animal “YG” with the target region “12 regions of region IDs“ 3 ”to“ 810 ”” and the target date “2004 and 2013” as targets. The result of performing is stored.
  • the “determination result” is a result of the determination unit 133 described later determining whether the target animal is inhabiting based on “the number of trees over 30 years” and “the percentage of trees over 75 years”. Indicates.
  • FIG. 6 shows that the determination unit 133, which will be described later, has 5 or more trees per hectare in the target area, and the “ratio of trees over 75 years” is less than “30%”. An example in which the result of determining that the target animal “YG” inhabits in some cases is stored will be shown.
  • control unit 130 is a processing unit that controls the overall processing of the habitat determination device 100, and is, for example, a processor.
  • the control unit 130 includes a record acquisition unit 131, a tree age identification unit 132, and a determination unit 133.
  • the record acquisition unit 131, the age specifying unit 132, and the determination unit 133 are an example of an electronic circuit included in the processor and an example of a process executed by the processor.
  • the record acquisition unit 131 acquires information on forest cutting and the like. Specifically, the record acquisition unit 131 accesses an external database or the like (not shown) via the communication unit 111, acquires information such as a vegetation map released by the environmental authorities, and stores the information in the vegetation DB 121. Further, the record acquisition unit 131 accesses an external database or the like (not shown), acquires information such as logging records disclosed by the environmental authorities, and stores the information in the recording DB 122. Further, the record acquisition unit 131 accesses an external database or the like (not shown), acquires information on the data of each animal to be determined, and stores it in the animal feature DB 123.
  • the tree age specifying unit 132 specifies the tree age in the target area. Specifically, the tree age specifying unit 132 updates the tree age DB 124 with reference to the reason and ratio in the year and month stored in the record DB 122.
  • the determination unit 133 determines whether or not the target animal lives in the target area. Specifically, when the determination unit 133 receives designation of a target animal, a target region, and a target year from a user (not shown) through the communication unit 111 or the display operation unit 112, the determination unit 133 reads the target animal from the animal feature DB 123. Get the characteristics of. Further, the determination unit 133 refers to the tree age DB 124 and specifies the number of target trees and the ratio of the trees. Then, the determination unit 133 determines whether the target animal lives in the target area or which animal lives in the target area based on the identified number of trees and the ratio of the trees.
  • the determination unit 133 accepts designation of the target animal “YG”, the target region “12 regions of region IDs“ 3 ”to“ 810 ””, and the target date “2004 and 2013” from a user (not shown). .
  • the determination unit 133 first refers to the vegetation DB 121 illustrated in FIG. 2, and determines whether the type of tree to be vegetated in the target area corresponds to any of “MA”, “AA”, and “SG”. Determine.
  • the determination unit 133 determines that no tree mammals inhabit the area determined that the tree type does not correspond to any of “MA”, “AA”, and “SG”. For example, the determination unit 133 determines that none of the tree mammals live in the areas having the area IDs “727” and “803” illustrated in FIG.
  • the determination unit 133 refers to the animal feature DB 123 and specifies the neck diameter of the target animal as the characteristic of the target animal. In the present embodiment, it is specified that the neck diameter of the target animal “YG” is “5 cm or more”.
  • the determination unit 133 refers to the vegetation DB 121 and the tree age DB 124 in each region, and among the number of trees in each region, multiplies the ratio of trees having a tree age of 30 years or more to obtain the number of trees having a tree age of 30 years or more. calculate.
  • “x1” in the tree age DB 124 is “1950”, “x2” is “1980”, and “x3” is “2010”.
  • the age of the tree of the tree age “x1” is “54 years”, and the age of the tree of the tree age “x2” is “24 years”.
  • the percentage of trees with an age of “x1” is “70%” and the percentage of trees with an age of “x2” is “30%” "
  • the tree age of the tree of “x1” is “63 years”
  • the tree age of the tree of “x2” is “13 years”
  • the tree age of the tree of “x3” is Is "3 years”.
  • the ratio of the tree of the age “x1” is “20%”
  • the ratio of the tree of the age “x2” is “30%”
  • the ratio of the tree of the tree “x3” is “50%”
  • the determination unit 133 records “0%” in the determination result DB 125 as the ratio of trees over 75 years old at each time point of “2004” and “2013”.
  • the determination unit 133 determines whether or not the target animal is inhabiting in the target area based on the number of trees 30 years or older and the ratio of trees 75 years or older per 1 hectare specified.
  • the target animal YG is inhabited when the number of trees over 30 years old is “5” / ha or more and the percentage of trees over 75 years old is less than “30%”. It is determined that Note that the ratio of trees over 75 years old is less than "30%" is limited to trees over 75 years old in which YG, a small species of tree mammal, inhabited by a large tree hole. This is because there is a high possibility that it will not be possible.
  • the determination unit 133 stores a determination result as shown in FIG. 6, for example. Note that the comparison between the determination result in the present embodiment and the determination result by the technique in the background art will be described with reference to FIGS. 6 and 7.
  • FIG. 7 is a diagram illustrating an example of a determination method in the background art. FIG. 7 determines whether or not the target animal “YG” inhabits the target area based on the density of the tree in which the hole of the tree has occurred, without paying attention to the size of the hole according to the age of the tree. It is an example of a technique.
  • the region with the region ID “26” was erroneously determined as “habitat” in the background art shown in FIG. 7, but in this embodiment, the age of the tree is 75 years or more. Since the percentage of trees is “30%” or more, it is determined that the tree does not live. Even in other target areas, an area that has been erroneously determined in the background art may match the actual measurement result in this example, and therefore, the match rate in this example is 33.3% (8/24 ) To 52%. Thus, in the present embodiment, it is possible to improve the accuracy of determining whether or not the target animal is inhabiting.
  • the habitat determination apparatus 100 in the present embodiment executes the pre-determination process shown in FIG. 8 and the habitat determination process shown in FIG.
  • FIG. 8 is a flowchart showing an example of pre-determination processing.
  • the record acquisition unit 131 of the habitat determination device 100 waits until an instruction to start processing is received from a user terminal (not illustrated), for example (S100: No).
  • the record acquisition unit 131 identifies a target position and area, and a tree mammal (S101).
  • the record acquisition unit 131 refers to the vegetation DB 121 and the animal feature DB 123 to identify the target animal “YG” and the 12 regions with the region IDs “3” to “810”.
  • the record acquisition unit 131 acquires vegetation information including the number of trees and the tree type stored in the vegetation DB 121 (S102).
  • the record acquisition unit 131 refers to the record DB 122 and acquires records such as logging records (S103).
  • the record acquisition unit 131 refers to the animal feature DB 123 and acquires the features and habitat conditions of the tree mammal (S104). For example, it is specified that the target animal “YG” has a neck diameter of “5 cm or more” and inhabits the “tree with a hole” in the “old forest”.
  • the record acquisition unit 131 determines whether the vegetation in the target area is “MA”, “AA”, or “SG” (S105). When the record acquisition unit 131 determines that the vegetation is other than “MA”, “AA”, and “SG” (S105: No), the record acquisition unit 131 determines that the tree mammal does not inhabit the target area, and the target animal does not inhabit. Is stored in the determination result DB 125 (S106), and the process is terminated.
  • FIG. 9 is a flowchart illustrating an example of the habitat determination process according to the first embodiment. As illustrated in FIG. 9, first, the determination unit 133 refers to the record DB 122 and updates the tree age distribution recorded in the tree age DB 124 using the logging record (S200).
  • the determination unit 133 refers to the animal feature DB 123 and determines whether the neck diameter of the target animal is “less than 5 cm” (S201). If the determination unit 133 determines that the neck diameter of the target animal is “less than 5 cm” (S201: Yes), the determination unit 133 proceeds to S202, and determines that the neck diameter of the target animal is “5 cm or more” (S201). : No), the process proceeds to S212. For example, when the target animal is “YG”, since the neck diameter is 5 cm or more, the process proceeds to S212.
  • the determination unit 133 determines whether or not there are five or more trees per hectare 30 years old in the target area (S212). When the determination unit 133 determines that there are less than five trees per hectare 30 years old (S212: No), the determination unit 133 determines that MBP (Mountain Brushtail Possum) inhabits the target area (S221). And the determination part 133 memorize
  • MBP Motion Brushtail Possum
  • the determination unit 133 determines that the number of trees of 30 years or older is 5 or more per hectare (S212: Yes), is the ratio of trees of 75 years or older in the target area 30% or more? It is determined whether or not (S213). If the determination unit 133 determines that the ratio of trees over 75 years old is 30% or more (S213: Yes), the determination unit 133 determines that GG and MBP live in the target area, and stores the determination result in the determination result DB 125. (S222), and the process ends. For example, when the target animal is “YG”, the determination unit 133 stores “YG” “does not live” in the determination result DB 125.
  • the determination unit 133 determines that the ratio of trees over 75 years old is less than 30% (S213: No), the determination unit 133 determines that YG and MBP live in the target area, and determines the determination result in the determination result DB 125. Is stored (S223), and the process is terminated. For example, when the target animal is “YG”, the determination unit 133 stores “YG” “habits” in the determination result DB 125.
  • the determination unit 133 determines whether or not there are five or more trees of 30 years to 75 years in the target area per hectare (S202). If the determination unit 133 determines that there are less than five trees of 30 to 75 years old per hectare (S202: No), the process proceeds to S221.
  • the determination unit 133 determines that there are five or more trees of 30 years or more and less than 75 years per hectare (S202: Yes), the proportion of trees of 75 years or more in the target area is 30% or more. It is determined whether or not (S203). If the determination unit 133 determines that the ratio of trees that are 75 years old or older is less than 30% (S203: No), the process proceeds to S221.
  • the determination unit 133 determines that the ratio of trees over 75 years old is 30% or more (S203: Yes), SG (Sugar Glider), LBP (LeadBeater's Possum), and MBP live in the target area. Judge that. And the determination part 133 memorize
  • the habitat determination method in the present embodiment calculates the first index that is the number of trees per predetermined area of the tree in which the tree mammal can inhabit, and the first index and the characteristics of the tree mammal are calculated. In response, a process is performed to determine whether or not a tree mammal can inhabit. This makes it possible to improve the determination accuracy by performing the habitat determination by reflecting on the presence or absence of an environment in which the tree mammal can be used as a burrow.
  • the habitat determination method in the present embodiment performs a process of calculating the first index based on information indicating the number of trees having a hole of a size that a small tree mammal can use as a nest.
  • the habitat determination method according to the present embodiment performs a process of calculating the second index based on information indicating a ratio of trees having a hole of a size that can be used as a nest hole by a large tree mammal.
  • the habitat determination method in a present Example is whether the mammal of a tree can inhabit based on the neck diameter of a tree mammal, the 1st parameter
  • the inhabiting determination method performs the inhabiting determination reflecting the neck diameter of the tree mammal and the size of the nest of the tree, so that the determination accuracy can be improved.
  • the information used by the habitat determination device 100 as the characteristics of the tree mammal is not limited to this, and other information stored in the animal feature DB 123 such as the weight, food, and family of the tree mammal may be used.
  • the habitat determination method in a present Example calculates the age of a tree using any one or more of the vegetation map of a target area, a logging record, and a forest fire record, and the tree age corresponds to a predetermined range. Processing for calculating the first index is performed.
  • the method for determining the habitat in the present embodiment performs processing using statistical information that can be easily obtained, so compared to the method of actually measuring the number of witnesses, fecal masses, planted traces, extermination numbers, etc. It is possible to reduce the cost for determining whether or not a tree mammal lives.
  • the tree hole may be used as a hiding place during a period when there is no risk of the tree collapsing after the forest fire (for example, about 5 years). is there. Therefore, in this embodiment, a description will be given of a configuration in which the habitat determination device 200 (not shown) further acquires records relating to wildfires, and further determines the inhabiting of the target animal by further reflecting the age of trees and the life and death of trees.
  • the inhabitation determination apparatus 200 in the present embodiment is implemented by a computer similar to the inhabitation determination apparatus 100 shown in FIG. 1, and includes a communication unit 111, a display operation unit 112, and a storage unit 220 and a control unit 230 not shown in FIG. Have.
  • the storage unit 220 includes a vegetation DB 121, a record DB 222, an animal feature DB 123, a tree age DB 224, and a determination result DB 225.
  • the record DB 222 in the present embodiment further stores a record relating to wildfires in addition to the record relating to logging stored in the record DB 122 in the first embodiment.
  • the information stored in the record DB 222 is, for example, information disclosed in logging records, forest fire records, etc., which are acquired by the environmental authorities and acquired by the record acquisition unit 231 described later.
  • FIG. 10 is a diagram illustrating an example of the record DB in the second embodiment.
  • the record DB 222 in this embodiment further stores the years “y1” and “y2” in which wildfires occurred, and the percentage of trees burned down in each year.
  • the date “y1” is “five years ago” from the target date, and the period from the date “y2” to the target date is “less than five years”.
  • FIG. 11 is a diagram illustrating an example of a tree age DB in the second embodiment.
  • the information stored in the tree age DB 224 is, for example, information specified by the tree age specifying unit 232 described later with reference to the record DB 222 shown in FIG.
  • the tree age DB 224 burned down “90%” of the tree of the age “x1” by the wildfire based on the record about the wildfire that occurred in the year “y1” recorded in the record DB 222.
  • the tree age DB 224 stores whether or not trees that have withered from the forest fire remain in accordance with the number of years since the forest fire occurred. For example, if a forest fire occurred more than 5 years before the target date, the trees that withered from the forest fire have already collapsed, and the remaining trees are burned down or withered by the forest fire. It is thought that it was only the trees that survived without. On the other hand, if it is less than “5 years” from the year when the forest fire occurred to the target year, it is considered that the trees that withered by the forest fire remain without risk of collapse.
  • the tree age DB 224 stores that in a forest fire that occurred in the year “y1”, withered trees do not remain and only inhabited trees survive.
  • the tree age DB 224 stores that a tree that withered in a wildfire that occurred in the year “y2” remains as before.
  • the determination result DB 225 stores the determination results of the target animals in each region based on the number and ratio of trees reflecting the age of trees and the life and death of trees, stored in the tree age DB 224.
  • FIG. 12 is a diagram illustrating an example of the determination result DB according to the second embodiment. Similar to the determination result DB 125, the determination result DB 225 includes, for example, one table for each target animal. Note that information stored in the determination result DB 225 is input by, for example, a tree age specifying unit 232 and a determination unit 233 described later.
  • the determination result DB 225 further stores “raw tree / dead tree” in addition to the information shown in the determination result DB 125.
  • “living tree / dead tree” indicates the number of living trees and already withered trees among trees over 20 years old.
  • the “judgment result” in this example satisfies the conditions of “the number of trees of 30 years or more” and “the ratio of trees of 75 years or more” as in Example 1, and the living trees of 20 years of age or more are “ When the number is “3” or more, the result of determining that the target animal “inhabits” is stored.
  • the target animal “YG” was determined to be “habitable” in the first embodiment, but in this embodiment, the tree age is 20 years or more. Since the number of living trees is less than “three”, it is determined that they do not live.
  • control unit 230 is a processing unit that controls the overall processing of the inhabitation determination device 200, and is, for example, a processor.
  • the control unit 230 includes a record acquisition unit 231, a tree age identification unit 232, and a determination unit 233 (not shown).
  • the record acquisition unit 231 acquires information on forest fires in addition to information on forest cutting. Specifically, in addition to the processing in the record acquisition unit 131, the record acquisition unit 231 accesses an external database (not shown) via the communication unit 111, and records forest fires and the like disclosed by the environmental authorities. Information is acquired and stored in the recording DB 222.
  • the tree age specifying unit 232 specifies the tree age in the target area. Specifically, the tree age identification unit 232 updates the tree age DB 224 with reference to the reasons and ratios in years stored in the record DB 222.
  • the determination unit 233 determines whether or not the target animal is inhabiting the target area by further using the ratio of the trees for each tree age that reflects the record of logging, forest fire, etc., stored in the tree age DB 224.
  • the determination unit 233 refers to the tree age DB 224 and identifies the number of target trees, the ratio of the trees, and the number of living trees after the forest fire. Then, the determination unit 233 determines whether or not the target animal inhabits the target area based on the identified number of trees, the ratio of the trees, and the number of living trees, or which animal inhabits the target area. It is determined whether or not.
  • the determination unit 233 further determines the number of trees having a tree age of 30 years or more as “5” trees / ha or more and the target area where the tree ratio of a tree age of 75 years or more as less than “30%” is determined. It is determined whether the number of living trees over 20 years old is “3” or more. Then, the determination unit 233 determines that the target animal is “inhabited” when the number of living trees over 20 years old is “3” or more, and determines the determination result in the determination result DB 225.
  • the determination unit 233 determines the number of trees having a tree age of 30 years or more as “5” trees / ha or more and the target area where the tree ratio of a tree age of 75 years or more as less than “30%” is determined. It is determined whether the number of living trees over 20 years old is “3” or more. Then, the determination unit 233 determines that the target animal is “inhabited” when the number of living trees over 20 years old is “3” or more, and determines the determination result in the
  • FIG. 13 is a flowchart illustrating an example of the habitat determination process according to the second embodiment.
  • the determination unit 233 refers to the record DB 222 and updates the tree age distribution recorded in the tree age DB 224 using a logging record, a forest fire record, and the like (S300).
  • the determination unit 233 refers to the animal feature DB 123 to determine whether the neck diameter of the target animal is “less than 5 cm” (S301). When the determination unit 233 determines that the neck diameter of the target animal is “less than 5 cm” (S301: Yes), whether or not there are five or more trees of 30 years to 75 years in the target area per hectare. Is determined (S302).
  • the determination unit 233 determines that the total of living trees that are 30 years old to less than 75 years old and dead trees is less than 5 per hectare (S302: No), MBP inhabits the target area. Then, the determination is made, the determination result is stored in the determination result DB 325 (S221), and the process is terminated.
  • the determination unit 233 determines that the total of the living tree of 30 to 75 years old and the dead tree is 5 or more per hectare (S302: Yes), in the target area It is determined whether or not it has been less than 5 years since a wildfire occurred (S303). If the determination unit 233 determines that five years or more have elapsed since the occurrence of the wildfire (S303: No), the process proceeds to S221.
  • the determination unit 233 determines that it is less than 5 years since the occurrence of the wildfire (S303: Yes), it is determined whether or not the ratio of trees over 75 years old in the target area is 30% or more. Determination is made (S304). If the determination unit 233 determines that the ratio of trees over 75 years old is less than 30% (S304: No), the process proceeds to S221.
  • the determination unit 233 determines that the ratio of trees 75 years or older is 30% or more (S304: Yes), is there 3 or more living trees 20 years or older in the target area? It is determined whether or not (S305). If the determination unit 233 determines that there are fewer than three living trees that are 20 years old or older (S305: No), the process proceeds to S221.
  • the determination unit 233 determines that the neck diameter of the target animal is “5 cm or more” (S301: No), a living tree with a tree age of 30 years or more and a dead tree in the target area It is determined whether or not the total number is 5 or more per hectare (S311). If the determination unit 233 determines that the total of living trees that are over 30 years old and dead trees is less than 5 per hectare (S311: No), the process proceeds to S221.
  • the determination unit 233 determines that the total of the living trees that are over 30 years old and the dead trees is 5 or more per hectare (S311: Yes), there is a wildfire in the target area. It is determined whether it is less than 5 years since the occurrence (S312). If the determination unit 233 determines that five years or more have elapsed since the occurrence of the wildfire (S312: No), the process proceeds to S221.
  • the determination unit 233 determines that it is less than 5 years since the occurrence of the wildfire (S312: Yes), whether or not there are 3 or more living trees of 20 years or older in the target area. Is determined (S313). If the determination unit 233 determines that there are fewer than three living trees that are 20 years old or older (S313: No), the process proceeds to S221.
  • the ratio of the tree 75 years or older in a target area is 30% or more. It is determined whether or not (S314).
  • the determination unit 233 determines that the ratio of trees over 75 years old is 30% or more (S314: Yes)
  • the determination unit 233 determines that GG and MBP live in the target area (S222).
  • the determination result is stored in the determination result DB 225, and the process is terminated.
  • the determination unit 233 determines that the ratio of trees over 75 years old is less than 30% (S314: No), the determination unit 233 determines that YG and MBP live in the target area (S223). 233 memorize
  • the habitat determination method in the present embodiment is a process for determining that a tree mammal is not inhabitable when a predetermined number of years have passed since the occurrence of a wildfire specified by a wildfire record. I do.
  • the inhabitant determination is performed reflecting whether or not the tree with which the mammal on the tree withered can be used as a nest hole, so that the determination accuracy can be improved.
  • the determination unit 233 has described the configuration using the number of living trees.
  • the present invention is not limited to this, and the target animal is determined based on the ratio of the living trees and the dead trees.
  • tree mammals may not be able to inhabit small species of tree mammals in places where large species of tree mammals can live if different species of tree mammals compete with food and burrows.
  • YG, SG, GG and LBP which are types of tree mammals smaller than MBP, may not be able to live in a place where MBP, which is a large type of tree mammal that feeds on the acacia of the lower vegetation, inhabits. Therefore, in this embodiment, a configuration in which the habitat determination device 300 (not shown) determines whether or not the target animal inhabits based on whether or not the acacia that the MBP feeds vegetates over a certain amount will be described. .
  • the inhabitation determination apparatus 300 in the present embodiment is implemented by a computer similar to the inhabitation determination apparatus 100 shown in FIG. 1, and includes a communication unit 111, a display operation unit 112, and a storage unit 320 and a control unit 330 (not shown in FIG. 1). Have.
  • the storage unit 320 includes a vegetation DB 321, a record DB 222, an animal feature DB 123, a tree age DB 224, and a determination result DB 325.
  • the vegetation DB 321 in the present embodiment further stores “acacia vegetation amount”.
  • stored in vegetation DB321 is the information disclosed by the vegetation map etc. which the environmental authority discloses, etc. which the record acquisition part 331 demonstrated later, for example acquires similarly to vegetation DB121.
  • FIG. 14 is a diagram illustrating an example of a vegetation DB according to the third embodiment.
  • the vegetation DB 321 in the present embodiment further stores whether or not the amount of vegetation of acacia is “a certain amount or more”.
  • the vegetation DB 321 indicates that the acacia vegetation amount is “a certain amount or more” in the region with the region ID “29”, and the acacia vegetation amount is “a certain amount or more” in the region with the region ID “26”.
  • the acacia vegetation amount is “a certain amount or more” in the region with the region ID “26”.
  • the determination result DB 325 in the present embodiment further stores the acacia vegetation amount and the target animal habitat determination result reflecting the acacia vegetation amount.
  • FIG. 15 is a diagram illustrating an example of the determination result DB according to the third embodiment. Similar to the determination result DB 225, the determination result DB 325 includes one table for each target animal, for example. Note that information stored in the determination result DB 325 is input by, for example, a tree age specifying unit 232 and a determination unit 333 described later.
  • the determination result DB 325 further stores “acacia vegetation amount” extracted from the vegetation DB 321 in addition to the information shown in the determination result DB 225.
  • the “determination result” in the present example stores the result of determining that the target animal “inhabits” when the same conditions as in the second embodiment are satisfied and the amount of vegetation of acacia is not “a certain amount” or more. .
  • the target animal “YG” was determined to be “habiting” in the second embodiment, but in this embodiment, the amount of vegetation of acacia Is determined to be non-habitable because it is “a certain amount or more”.
  • control unit 330 is a processing unit that controls the overall processing of the inhabitation determination device 300, and is, for example, a processor.
  • the control unit 330 includes a record acquisition unit 331, a tree age identification unit 232, and a determination unit 333 (not shown).
  • the record acquisition unit 331 acquires information related to the amount of acacia vegetation in addition to the information acquired by the record acquisition unit 231. Specifically, in addition to the processing in the record acquisition unit 231, the record acquisition unit 331 accesses an external database (not shown) via the communication unit 111, such as the acacia vegetation status disclosed by the environmental authorities. Information is acquired and stored in the vegetation DB 321.
  • the determination unit 333 further determines whether the target animal inhabits the target area by further using the amount of vegetation of acacia stored in the vegetation DB 321.
  • the determination unit 233 refers to the vegetation DB 321, and in addition to the number of target trees and the ratio of trees, and the number of living trees after the forest fire, whether or not the amount of vegetation of acacia is a certain amount or more Is identified. Then, the determination unit 133 determines whether or not the target animal inhabits the target area based on the identified number of trees and the ratio of the trees, the number of living trees, and the amount of vegetation of acacia, or which animal is the target. Determine if they live in the area.
  • the determination unit 233 is such that the number of trees over 30 years old is “5” / ha or more, the percentage of trees over 75 years old is less than “30%”, and the tree is over 20 years old.
  • the amount of acacia vegetation in an area where the number of trees in the area is determined to be “3” or more is specified. Then, the determination unit 233 determines that the MPB “habits” when it is determined that the amount of vegetation of acacia is “a certain amount or more”, and stores the determination result in the determination result DB 225. Further, when it is determined that the amount of acacia vegetation is not “a certain amount or more”, the determination unit 233 determines that a tree mammal other than the MPB “habits” and stores the determination result in the determination result DB 225.
  • FIG. 16 is a flowchart illustrating an example of a habitat determination process according to the third embodiment. As illustrated in FIG. 16, first, the determination unit 333 refers to the record DB 222 and updates the tree age distribution recorded in the tree age DB 224 using the felling record (S300).
  • the determination unit 333 refers to the animal feature DB 123 and determines whether the neck diameter of the target animal is “less than 5 cm” (S401). When the determination unit 333 determines that the neck diameter of the target animal is “less than 5 cm” (S401: Yes), whether or not there are 5 or more trees per hectare in the target area that are 30 years old or older and less than 75 years old. Is determined (S402).
  • the determination unit 133 determines that the total of living trees that are 30 years old or older and less than 75 years old and dead trees is less than 5 per hectare (S402: No), MBP inhabits the target area. Then, the determination is made, the determination result is stored in the determination result DB 325 (S221), and the process is terminated.
  • the determination unit 333 determines that the total of the living trees of 30 to 75 years old and the dead trees is 5 or more per hectare (S402: Yes), in the target area It is determined whether or not it has been less than 5 years since a wildfire occurred (S403). If the determination unit 333 determines that five years or more have elapsed since the occurrence of the wildfire (S403: No), the process proceeds to S221.
  • the determination unit 233 determines that the forest fire is less than 5 years (S403: Yes)
  • the determination unit 233 determines that the ratio of trees 75 years or older is 30% or more (S404: Yes), is there 3 or more living trees 20 years or older in the target area? It is determined whether or not (S405). If the determination unit 233 determines that there are fewer than three living trees that are 20 years old or older (S405: No), the process proceeds to S221.
  • the determination unit 233 determines that the acacia of the lower vegetation is less than a certain amount (S406: Yes), it determines that SG and LBP live in the target area, and stores the determination result in the determination result DB 325 ( S424), the process is terminated.
  • the determination unit 233 determines that the neck diameter of the target animal is “5 cm or more” (S401: No), a living tree with a tree age of 30 years or more and a withered tree in the target area It is determined whether or not the total is 5 or more per hectare (S411). If the determination unit 233 determines that the total number of living trees that are over 30 years old and dead trees is less than 5 per hectare (S411: No), the process proceeds to S221.
  • the determination unit 233 determines that the total of living trees with aged 30 years or more and withering trees is 5 or more per hectare (S411: Yes), there is a wildfire in the target area. It is determined whether it is less than 5 years since the occurrence (S412). If the determination unit 233 determines that five years or more have elapsed since the occurrence of the wildfire (S412: No), the determination unit 233 proceeds to S221.
  • the determination unit 233 determines that it is less than 5 years since the occurrence of a wildfire (S412: Yes), whether or not there are 3 or more living trees of 20 years or older in the target area Is determined (S413). If the determination unit 233 determines that there are fewer than three living trees that are 20 years old or older (S413: No), the process proceeds to S221.
  • the determination unit 233 determines whether the ratio of trees of 75 years or older in the target area is 30% or more. (S415).
  • the determination unit 233 determines that the ratio of trees over 75 years old is 30% or more (S415: Yes)
  • the determination unit 233 determines that GG is present in the target area, and stores the determination result in the determination result DB 325 ( S422), the process ends.
  • the determination unit 233 determines that the ratio of trees over 75 years old is less than 30% (S415: No), the determination unit 233 determines that YG lives in the target area, and stores the determination result in the determination result DB 125. (S423), and the process ends.
  • each component of each illustrated apparatus is functionally conceptual and does not necessarily need to be physically configured as illustrated. That is, the specific form of distribution and integration of each device is not limited to the illustrated one. That is, all or a part of them can be configured to be functionally or physically distributed / integrated in arbitrary units according to various loads or usage conditions.
  • the record DB 122 and the animal feature DB 123 may be integrated, and the determination unit 133 is dispersed into a processing unit that specifies the ratio of trees for each age and a processing unit that determines whether the target animal is inhabited. May be.
  • all or any part of each processing function performed in each device may be realized by a CPU and a program analyzed and executed by the CPU, or may be realized as hardware by wired logic.
  • FIG. 17 is a diagram illustrating an example of a computer that executes a habitat determination program.
  • the computer 500 includes a CPU 510, a ROM 520, an HDD (Hard Disk Drive) 530, and a RAM 540. These devices 510 to 540 are connected via a bus 550. *
  • the ROM 520 stores basic programs such as an OS (Operating System).
  • the HDD 530 stores in advance a habitat determination program 530a that performs the same functions as those of the record acquisition unit 131, the tree age specification unit 132, and the determination unit 133 shown in the above embodiment.
  • the HDD 530 stores various DBs and attribute value information stored in the storage unit 120.
  • the CPU 510 reads out the inhabitation determination program 530a from the HDD 530 and executes it. *
  • the CPU 510 reads various DBs and attribute value information from the HDD 530 and stores them in the RAM 540. Further, the CPU 510 executes the habitat determination program 530a using various DBs and attribute value information stored in the RAM 540. Note that the data stored in the RAM 540 may not always be stored in the RAM 540 at all times. Data used for processing may be stored in the RAM 540. *
  • the program is stored in a “portable physical medium” such as a flexible disk (FD), a CD-ROM, a DVD disk, a magneto-optical disk, or an IC card inserted into the computer 500. Then, the computer 500 may read and execute the program from these.
  • a “portable physical medium” such as a flexible disk (FD), a CD-ROM, a DVD disk, a magneto-optical disk, or an IC card inserted into the computer 500.
  • the program is stored in “another computer (or server)” connected to the computer 500 via a public line, the Internet, a LAN, a WAN, or the like. Then, the computer 500 may read and execute the program from these.

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Environmental Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Animal Husbandry (AREA)
  • Engineering & Computer Science (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Agronomy & Crop Science (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Animal Behavior & Ethology (AREA)
  • Zoology (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

生息判定方法は、樹上哺乳類が生息できる樹木の所定面積あたりの樹木数である第１の指標を算出し（１３１）、算出された第１の指標と、樹上哺乳類の特性とに応じて、樹上哺乳類が生息可能であるか否かを判定する（１３３）処理をコンピュータ（１００）が実行する。これにより、対象となる動物が生息しているか否かの判定精度を向上できる。

Description

生息判定方法、生息判定装置及び生息判定プログラム
　本発明は、生息判定方法、生息判定装置及び生息判定プログラムに関する。
　動物が対象領域に生息しているか否かを判定する際に、容易に入手できる統計データ等を用いる技術が知られている。例えば、評価対象地域の道路及び建築物を含む地図データから算出される道路の交通量を用い、評価対象地域における選択された生物種の生息密度の分布データを作成して、評価対象地域の生息地としての適性を評価する技術が知られている。また、地表面における緑地の分類と分布状況に係る緑地データに基づいて、緑地の連続性指標、緑地のまとまり指標等の指標を算出し、各指標と緑地データとに基づいて、生物種の生息適性を推定する技術も知られている。さらに、対象領域のリモートセンシングデータから、樹林によって被覆される土地区画である樹林パッチを抽出し、樹林パッチに対応した樹林利用性生物のハビタット適性指数を算出する技術も知られている。
特開２０１５－１３９４３９号公報 特開２０１５－００８６５６号公報 特開２０１１－１６５１１２号公報
　ところで、リス、ポッサム、ムササビ、グライダー等の樹上哺乳類は、自分自身ではフクロウ等の天敵から身を守る巣を作れないので、既存の古い樹木の穴を巣穴として利用している。しかしながら、統計データ等を用いた上記の技術では、樹上哺乳類が巣穴として利用できる環境の有無について考慮していないので、樹上哺乳類が生息しているか否かの判定精度が低い場合がある。なお、実測した目撃数、糞塊、植物の被食痕、駆除した数のデータを統計処理して予測する方法によれば、判定精度を向上させることができるが、動物の実測のために多くの人手と時間がかかる。
　本発明は、対象となる動物が生息しているか否かの判定精度を向上できる生息判定方法、生息判定装置及び生息判定プログラムを提供することを目的とする。
　一つの態様では、生息判定方法は、樹上哺乳類が生息できる樹木の所定面積あたりの樹木数である第１の指標を算出し、算出された第１の指標と、樹上哺乳類の特性とに応じて、樹上哺乳類が生息可能であるか否かを判定する処理をコンピュータが実行する。
　一つの側面として、対象となる動物が生息しているか否かの判定精度を向上できる。
図１は、実施例１における生息判定装置の機能ブロックの一例を示す図である。 図２は、実施例１における植生ＤＢの一例を示す図である。 図３は、実施例１における記録ＤＢの一例を示す図である。 図４は、動物特徴ＤＢの一例を示す図である。 図５は、実施例１における樹齢ＤＢの一例を示す図である。 図６は、実施例１における判定結果ＤＢの一例を示す図である。 図７は、背景技術における判定手法の一例を示す図である。 図８は、判定前処理の一例を示すフローチャートである。 図９は、実施例１における生息判定処理の一例を示すフローチャートである。 図１０は、実施例２における記録ＤＢの一例を示す図である。 図１１は、実施例２における樹齢ＤＢの一例を示す図である。 図１２は、実施例２における判定結果ＤＢの一例を示す図である。 図１３は、実施例２における生息判定処理の一例を示すフローチャートである。 図１４は、実施例３における植生ＤＢの一例を示す図である。 図１５は、実施例３における判定結果ＤＢの一例を示す図である。 図１６は、実施例３における生息判定処理の一例を示すフローチャートである。 図１７は、生息判定プログラムを実行するコンピュータの一例を示す図である。
　以下に、本願の開示する生息判定装置の実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。また、以下に示す各実施例は、矛盾を起こさない範囲で適宜組み合わせても良い。
　本実施例において生息判定処理の対象とする樹上哺乳類は、例えばユーカリの森林に生息する。高木となるユーカリは、樹齢３０年位から木の幹が太くなるに従って幹に裂け目ができ、樹上哺乳類が隠れ場所とする木の穴を生じさせる。また、ユーカリの樹木の穴の大きさは、樹齢とともに拡大することが知られている。
　ところで、樹上哺乳類も種類によって体のサイズが異なる場合があり、樹木の穴の大きさによっては、樹上哺乳類が巣穴として利用できない場合もある。例えば、樹齢が低く、木の穴の入り口が小さいときは、Ｙｅｌｌｏｗ－ｂｅｌｌｉｅｄ　Ｇｌｉｄｅｒ（以下において、「ＹＧ」と表記する場合がある）などの小さい種類の樹上哺乳類が巣穴として利用する。一方、Ｇｒｅａｔｅｒ　Ｇｌｉｄｅｒ（以下において、「ＧＧ」と表記する場合がある）などの大きい種類の樹上哺乳類は、樹齢が低い木の穴を巣穴として利用することができない。逆に、ＹＧなどの小さい種類の樹上哺乳類は、樹齢が高くなり入り口が大きくなった木の穴を利用しなくなる。
［機能ブロック］
　そこで、本実施例においては、樹木の所定面積あたりの樹木数である第１の指標に加えて、樹齢に応じた樹木の大きさを反映して、生息判定処理を行う構成について説明する。まず、本実施例における機能構成について説明する。図１は、実施例１における生息判定装置の機能ブロックの一例を示す図である。図１に示すように、生息判定装置１００は、通信部１１１、表示操作部１１２、記憶部１２０及び制御部１３０を有する。なお、生息判定装置１００は、コンピュータ等の機器により実現され、図１に示す機能部以外にも既知のコンピュータが有する各種の機能部、例えば各種の入力デバイスや音声出力デバイス等の機能部を有することとしてもかまわない。
　通信部１１１は、有線や無線を問わず、図示しないネットワークＮを経由して、図示しない外部のデータベースサーバや、図示しない利用者の端末等との間の通信を制御する。表示操作部１１２は、制御部１３０から出力された情報を表示させる。表示操作部１１２は、図示しない利用者による操作を受け付け、制御部１３０に出力する。
　記憶部１２０は、例えば制御部１３０が実行するプログラム、各種データなどを記憶する。また、記憶部１２０は、植生ＤＢ１２１、記録ＤＢ１２２、動物特徴ＤＢ１２３、樹齢ＤＢ１２４及び判定結果ＤＢ１２５を有する。記憶部１２０は、ＲＡＭ（Random　Access　Memory）、ＲＯＭ（Read　Only　Memory）、フラッシュメモリ（Flash　Memory）などの半導体メモリ素子や、ＨＤＤ（Hard　Disk　Drive）などの記憶装置に対応する。
　植生ＤＢ１２１は、各地域における樹木の各時点における状況を記憶する。図２は、実施例１における植生ＤＢの一例を示す図である。図２に示すように、植生ＤＢ１２１は、「樹木数」と、「樹木種別」とを、「地域ＩＤ」に対応付けて記憶する。なお、植生ＤＢ１２１に記憶される情報は、例えば、後に説明する記録取得部１３１が取得する、環境当局が公開する植生図等に開示された情報である。
　図２において、「樹木種別」は、対象地域に植生する樹木の種別を記憶する。図２における「ＭＡ」、「ＡＡ」及び「ＳＧ」は、それぞれ樹木の種別である「マウンテンアッシュ」、「アルペンアッシュ」及び「シャイニングガム」の略称である。なお、本実施例においては、一つの対象地域には一種類の樹木が植生するものとする。
　図１に戻って、記録ＤＢ１２２は、各地域における伐採等の記録を記憶する。図３は、実施例１における記録ＤＢの一例を示す図である。記録ＤＢ１２２は、例えば対象となる地域ＩＤごとに一つのテーブルを有する。なお、記録ＤＢ１２２に記憶される情報は、例えば、後に説明する記録取得部１３１が取得する、環境当局が公開する伐採記録等に開示された情報である。
　図３に示すように、記録ＤＢ１２２は、「年月」と「割合」と「事由」とを対応付けて記憶する。「年月」は、伐採等の事由が発生した年月が、現時点から何年前であるかを記憶する。本実施例においては、年月は古いものから順次記憶されるものとする。「割合」は、当該事由により対象地域において失われた樹木の割合を示す。「事由」は、対象地域において発生した伐採等の内容を示す。
　図１に戻って、動物特徴ＤＢ１２３は、判定対象とする樹上哺乳類の特徴を記憶する。図４は、動物特徴ＤＢの一例を示す図である。図４に示すように、動物特徴ＤＢ１２３は、「分類」と、「種」と、「食性」と、「餌」と、「棲家」と、「天敵」と、「体重」と、「首直径」と、「行動」と、「生息する森林の特徴」とを対応付けて記憶する。なお、動物特徴ＤＢ１２３に記憶される情報は、例えば、後に説明する記録取得部１３１が取得する各動物のデータ等である。
　図１に戻って、樹齢ＤＢ１２４は、樹木の割合を樹齢ごとに記憶する。図５は、実施例１における樹齢ＤＢの一例を示す図である。図５に示すように、樹齢ＤＢ１２４は、「樹齢」と、「割合」と、「事由」とを対応付けて記憶する。樹齢ＤＢ１２４は、記録ＤＢ１２２と同様に、例えば対象となる地域ＩＤごとに一つのテーブルを有する。なお、樹齢ＤＢ１２４に記憶される情報は、例えば、後に説明する樹齢特定部１３２が、図３に示す記録ＤＢ１２２を参照して特定した情報である。
　図５において、（０）に示すテーブルは、樹齢特定部１３２により情報が更新される前の状態である。図５の（１）に示すテーブルは、樹齢特定部１３２が、図３に示す記録ＤＢ１２２の年月「ｘ１」のレコードを参照して更新したデータを示す。図５の（１）に示すように、「ｘ１」年前に皆伐と植林が行われた記録に基づいて、樹齢が「ｘ１」超の樹木の割合は「０％」となり、樹齢が「ｘ１」の樹木の割合が「１００％」となることが樹齢ＤＢ１２４に記憶される。
　同様に、図５の（２）に示すように、「ｘ２」年前に３０％の伐採と植林が行われた記録に基づいて、樹齢が「ｘ１」の樹木の割合は「７０％」となり、樹齢が「ｘ２」の樹木の割合が「３０％」となることが樹齢ＤＢ１２４に記憶される。さらに、図５の（３）に示すように、「ｘ３」年前に５０％の伐採と植林が行われた記録に基づいて、樹齢が「ｘ１」の樹木の割合は「２０％」となり、樹齢が「ｘ３」の樹木の割合が「５０％」となることが樹齢ＤＢ１２４に記憶される。なお、本実施例においては、伐採は樹齢が高い樹木を優先的に対象として行われるものとする。
　次に、判定結果ＤＢ１２５は、各地域における対象動物の生息判定結果を記憶する。図６は、実施例１における判定結果ＤＢの一例を示す図である。図６に示すように、判定結果ＤＢ１２５は、「地域ＩＤ」と、「３０年以上の樹木数」と、「７５年以上の樹木割合」と、「判定結果」とを対応付けて記憶する。判定結果ＤＢ１２５は、例えば対象動物ごとに一つのテーブルを有する。なお、判定結果ＤＢ１２５に記憶される情報は、例えば、後に説明する樹齢特定部１３２及び判定部１３３により入力される。なお、３０年以上の樹木数は、第１の指標の一例であり、７５年以上の樹木割合は、第２の指標の一例である。
　図６において、「判定結果」は、対象とする地域ＩＤの地域において、「３０年以上の樹木数」及び「７５年以上の樹木割合」に基づいて、対象動物が生息するか否かを判定した結果を記憶する。「３０年以上の樹木数」は、樹上哺乳類が巣穴として利用できる木の穴を有する樹木の所定面積（例えば１ヘクタール）あたりの樹木数（密度）を示す。また、「７５年以上の樹木割合」は、大きい種類の樹上哺乳類が巣穴として利用できる大きな穴を有する樹木の割合を示す。なお、図６に示す判定結果ＤＢ１２５は、対象動物「ＹＧ」について、対象地域「地域ＩＤ「３」乃至「８１０」の１２地域」及び対象年月「２００４年及び２０１３年」を対象として判定処理を行った結果を記憶する。
　図６において、「判定結果」は、後に説明する判定部１３３が、「３０年以上の樹木数」及び「７５年以上の樹木割合」に基づいて、対象動物が生息しているかを判定した結果を示す。なお、図６は、後に説明する判定部１３３が、対象地域における「３０年以上の樹木数」が１ヘクタールあたり５本以上あり、かつ「７５年以上の樹木割合」が「３０％」未満である場合に、対象動物「ＹＧ」が生息すると判定した結果を記憶する例を示す。
　なお、図６においては、各対象地域において実測を行った結果、対象動物「ＹＧ」の生息を確認できたか否かを示す「ＹＧ実測結果」と、判定結果と実測結果とが合致したか否かを示す「判定当否」とを便宜的に示している。図６に示すように、本実施例においては、判定結果と実測結果との合致率は５０％（１２／２４）となる。
　図１に戻って、制御部１３０は、生息判定装置１００の全体的な処理を司る処理部であり、例えばプロセッサなどである。この制御部１３０は、記録取得部１３１、樹齢特定部１３２及び判定部１３３を有する。なお、記録取得部１３１、樹齢特定部１３２及び判定部１３３は、プロセッサが有する電子回路の一例やプロセッサが実行するプロセスの一例である。
　記録取得部１３１は、森林の伐採等に関する情報を取得する。具体的には、記録取得部１３１は、通信部１１１を経由して、図示しない外部のデータベース等にアクセスし、環境当局が公開する植生図等の情報を取得して、植生ＤＢ１２１に記憶する。また、記録取得部１３１は、図示しない外部のデータベース等にアクセスし、環境当局が公開する伐採記録等の情報を取得して、記録ＤＢ１２２に記憶する。さらに、記録取得部１３１は、図示しない外部のデータベース等にアクセスし、判定対象とする各動物のデータの情報を取得して、動物特徴ＤＢ１２３に記憶する。
　樹齢特定部１３２は、対象地域における樹齢を特定する。具体的には、樹齢特定部１３２は、記録ＤＢ１２２に記憶された年月における事由と割合を参照して、樹齢ＤＢ１２４を更新する。
　判定部１３３は、対象動物が対象地域に生息しているか否かを判定する。具体的には、判定部１３３は、通信部１１１又は表示操作部１１２を通じて、図示しない利用者から、対象動物、対象地域及び対象年月の指定を受け付けると、動物特徴ＤＢ１２３から、対象とする動物の特性を取得する。また、判定部１３３は、樹齢ＤＢ１２４を参照して、対象となる樹木数及び樹木の割合を特定する。そして、判定部１３３は、特定された樹木数及び樹木の割合に基づいて、対象動物が対象地域に生息しているか否か、又はどの動物が対象地域に生息しているかを判定する。
　例えば、判定部１３３は、図示しない利用者から、対象動物「ＹＧ」、対象地域「地域ＩＤ「３」乃至「８１０」の１２地域」及び対象年月「２００４年及び２０１３年」の指定を受け付ける。この場合、判定部１３３は、まず、図２に示す植生ＤＢ１２１を参照して、対象地域に植生する樹木の種別が「ＭＡ」、「ＡＡ」及び「ＳＧ」のいずれかに該当するか否かを判定する。判定部１３３は、樹木の種別が「ＭＡ」、「ＡＡ」及び「ＳＧ」のいずれにも該当しないと判定した地域については、いずれの樹上哺乳類も生息していないと判定する。例えば、判定部１３３は、図２に示す地域ＩＤ「７２７」及び「８０３」の地域について、いずれの樹上哺乳類も生息していないと判定する。
　次に、判定部１３３は、動物特徴ＤＢ１２３を参照し、対象動物の特性として、対象動物の首直径を特定する。本実施例においては、対象動物「ＹＧ」の首直径が「５ｃｍ以上」であることを特定する。
　次に、判定部１３３は、各地域における植生ＤＢ１２１及び樹齢ＤＢ１２４を参照し、各地域における樹木数のうち、樹齢が３０年以上の樹木の割合を乗じて、樹齢が３０年以上の樹木数を算出する。
　例えば、地域ＩＤ「８００」の地域において、樹齢ＤＢ１２４における「ｘ１」が「１９５０年」であり、「ｘ２」が「１９８０年」であり、「ｘ３」が「２０１０年」であるとする。この場合、「２００４年」の時点においては、樹齢「ｘ１」の樹木の樹齢は「５４年」であり、樹齢「ｘ２」の樹木の樹齢は「２４年」となる。なお、「２００４年」の時点においては、「ｘ３」における伐採はまだ行われていないため、樹齢「ｘ１」の樹木の割合は「７０％」、樹齢「ｘ２」の樹木の割合は「３０％」となる。
　また、「２０１３年」の時点においては、樹齢「ｘ１」の樹木の樹齢は「６３年」であり、樹齢「ｘ２」の樹木の樹齢は「１３年」となり、樹齢「ｘ３」の樹木の樹齢は「３年」となる。そして、「２０１３年」の時点で、樹齢「ｘ１」の樹木の割合は「２０％」、樹齢「ｘ２」の樹木の割合は「３０％」、樹齢「ｘ３」の樹木の割合は「５０％」となる。
　以上説明したように、地域ＩＤ「８００」の地域における樹齢３０年以上の木の割合は、「２００４年」の時点において「７０％」となり、「２０１３年」の時点において「２０％」となる。植生ＤＢ１２１に記憶された、地域ＩＤ「８００」の１ヘクタールあたりの樹木数は、「１１本」であるため、「２００４年」の時点における樹齢３０年以上の樹木の数は「１１本×７０％＝７．７本」となる。また、「２０１３年」の時点における樹齢３０年以上の樹木の数は「１１本×２０％＝２．２本」となる。なお、本実施例においては、小数点以下を切り上げるものとするので、判定部１３３は、「２００４年」の時点における樹齢３０年以上の樹木数として「８本」を判定結果ＤＢ１２５に記録する。同様に、判定部１３３は、「２０１３年」の時点における樹齢３０年以上の樹木数として「３本」を判定結果ＤＢ１２５に記録する。
　また、地域ＩＤ「８００」の地域における樹齢７５年以上の木の割合は、「２００４年」及び「２０１３年」のいずれの時点においても「０％」となる。そこで、判定部１３３は、「２００４年」及び「２０１３年」の各時点における樹齢７５年以上の樹木の割合として「０％」を判定結果ＤＢ１２５に記録する。
　そして、判定部１３３は、特定された１ヘクタールあたり樹齢３０年以上の樹木数及び樹齢７５年以上の樹木割合に基づいて、対象地域に対象動物が生息しているか否かを判定する。本実施例においては、樹齢３０年以上の樹木数が「５」本／ｈａ以上であり、かつ樹齢７５年以上の樹木割合が「３０％」未満である場合に、対象動物ＹＧが生息していると判定する。なお、樹齢７５年以上の樹木割合が「３０％」未満である場合に限定するのは、樹齢７５年以上の樹木において、木の穴が大きくなり、小さい種類の樹上哺乳類であるＹＧが生息できなくなる可能性が高いためである。
　以上の処理を行った結果、判定部１３３は、例えば図６に示すような判定結果を記憶する。なお、本実施例における判定結果と、背景技術における手法による判定結果との対比について、図６及び図７を用いて説明する。図７は、背景技術における判定手法の一例を示す図である。図７は、樹齢に応じた木の穴の大きさに着目せずに、木の穴が生じた樹木の密度に基づいて対象動物「ＹＧ」が対象地域に生息しているか否かを判定する手法の一例である。
　例えば、対象年月「２００４年」において、地域ＩＤ「２６」の地域については、図７に示す背景技術においては「生息」と誤判定されていたが、本実施例においては、樹齢７５年以上の樹木割合が「３０％」以上であるため、「生息しない」と判定される。その他の対象地域においても、背景技術においては誤判定されていた地域が、本実施例において実測結果と合致している場合があるので、本実施例における合致率は３３．３％（８／２４）から５２％へと上昇している。このように、本実施例においては、対象となる動物が生息しているか否かの判定精度を向上できる。
［処理の流れ］
　次に、本実施例における処理の流れについて、図８及び図９を用いて説明する。本実施例における生息判定装置１００は、図８に示す判定前処理と、図９に示す生息判定処理とを実行する。
　図８は、判定前処理の一例を示すフローチャートである。図８に示すように、生息判定装置１００の記録取得部１３１は、例えば、図示しない利用者の端末から処理開始の指示を受け付けるまで待機する（Ｓ１００：Ｎｏ）。記録取得部１３１は、処理開始の指示を受け付けると（Ｓ１００：Ｙｅｓ）、対象となる位置及び面積、並びに樹上哺乳類を特定する（Ｓ１０１）。例えば、記録取得部１３１は、植生ＤＢ１２１及び動物特徴ＤＢ１２３を参照し、対象動物「ＹＧ」と、地域ＩＤ「３」乃至「８１０」の１２地域とを特定する。
　次に、記録取得部１３１は、植生ＤＢ１２１に記憶された、樹木数及び樹木種別を含む植生情報を取得する（Ｓ１０２）。記録取得部１３１は、記録ＤＢ１２２を参照し、伐採記録等の記録を取得する（Ｓ１０３）。そして、記録取得部１３１は、動物特徴ＤＢ１２３を参照し、樹上哺乳類の特徴及び生息条件を取得する（Ｓ１０４）。例えば、対象動物「ＹＧ」の首直径が「５ｃｍ以上」であり、「古い木の森林」の「穴のある木」に生息することを特定する。
　記録取得部１３１は、対象地域の植生が「ＭＡ」、「ＡＡ」又は「ＳＧ」であるか否かを判定する（Ｓ１０５）。記録取得部１３１は、植生が「ＭＡ」、「ＡＡ」及び「ＳＧ」以外であると判定した場合（Ｓ１０５：Ｎｏ）、対象地域に樹上哺乳類は生息しないと判定し、対象動物が生息しないことを判定結果ＤＢ１２５に記憶して（Ｓ１０６）、処理を終了する。
　記録取得部１３１は、植生が「ＭＡ」、「ＡＡ」又は「ＳＧ」のいずれかであると判定した場合（Ｓ１０５：Ｙｅｓ）、端子Ａを通じて図９に示す生息判定処理に移行する。図９は、実施例１における生息判定処理の一例を示すフローチャートである。図９に示すように、まず、判定部１３３は、記録ＤＢ１２２を参照し、伐採記録を用いて樹齢ＤＢ１２４に記録された樹齢分布を更新する（Ｓ２００）。
　次に、判定部１３３は、動物特徴ＤＢ１２３を参照し、対象動物の首直径が「５ｃｍ未満」であるか否かを判定する（Ｓ２０１）。判定部１３３は、対象動物の首直径が「５ｃｍ未満」であると判定した場合（Ｓ２０１：Ｙｅｓ）、Ｓ２０２に移行し、対象動物の首直径が「５ｃｍ以上」であると判定した場合（Ｓ２０１：Ｎｏ）、Ｓ２１２に移行する。例えば、対象動物が「ＹＧ」である場合、首直径が５ｃｍ以上であるため、Ｓ２１２に移行する。
　Ｓ２１２に移行して、判定部１３３は、対象地域における樹齢３０年以上の樹木が１ヘクタールあたり５本以上であるか否かを判定する（Ｓ２１２）。判定部１３３は、樹齢３０年以上の樹木が１ヘクタールあたり５本未満であると判定した場合（Ｓ２１２：Ｎｏ）、対象地域にＭＢＰ（Mountain　Brushtail　Possum）が生息すると判定する（Ｓ２２１）。そして、判定部１３３は、判定結果ＤＢ１２５に判定結果を記憶し、処理を終了する。判定部１３３は、例えば、対象動物が「ＹＧ」である場合、「ＹＧ」が「生息しない」ことを判定結果ＤＢ１２５に記憶する。
　一方、判定部１３３は、樹齢３０年以上の樹木が１ヘクタールあたり５本以上であると判定した場合（Ｓ２１２：Ｙｅｓ）、対象地域における樹齢７５年以上の樹木の割合が３０％以上であるか否かを判定する（Ｓ２１３）。判定部１３３は、樹齢７５年以上の樹木の割合が３０％以上であると判定した場合（Ｓ２１３：Ｙｅｓ）、対象地域にはＧＧ及びＭＢＰが生息すると判定し、判定結果ＤＢ１２５に判定結果を記憶し（Ｓ２２２）、処理を終了する。例えば、対象動物が「ＹＧ」である場合、判定部１３３は、「ＹＧ」が「生息しない」ことを判定結果ＤＢ１２５に記憶する。
　一方、判定部１３３は、樹齢７５年以上の樹木の割合が３０％未満であると判定した場合（Ｓ２１３：Ｎｏ）、対象地域にはＹＧ及びＭＢＰが生息すると判定し、判定結果ＤＢ１２５に判定結果を記憶し（Ｓ２２３）、処理を終了する。例えば、対象動物が「ＹＧ」である場合、判定部１３３は、「ＹＧ」が「生息する」ことを判定結果ＤＢ１２５に記憶する。
　Ｓ２０２に戻って、判定部１３３は、対象地域における樹齢３０年以上７５年未満の樹木が１ヘクタールあたり５本以上であるか否かを判定する（Ｓ２０２）。判定部１３３は、樹齢３０年以上７５年未満の樹木が１ヘクタールあたり５本未満であると判定した場合（Ｓ２０２：Ｎｏ）、Ｓ２２１に移行する。
　一方、判定部１３３は、樹齢３０年以上７５年未満の樹木が１ヘクタールあたり５本以上であると判定した場合（Ｓ２０２：Ｙｅｓ）、対象地域における樹齢７５年以上の樹木の割合が３０％以上であるか否かを判定する（Ｓ２０３）。判定部１３３は、樹齢７５年以上の樹木の割合が３０％未満であると判定した場合（Ｓ２０３：Ｎｏ）、Ｓ２２１に移行する。
　一方、判定部１３３は、樹齢７５年以上の樹木の割合が３０％以上であると判定した場合（Ｓ２０３：Ｙｅｓ）、対象地域にはＳＧ（Sugar　Glider）、ＬＢＰ（LeadBeater's　Possum）及びＭＢＰが生息すると判定する。そして、判定部１３３は、判定結果ＤＢ１２５に判定結果を記憶し（Ｓ２２４）、処理を終了する。
［効果］
　このように、本実施例における生息判定方法は、樹上哺乳類が生息できる樹木の所定面積あたりの樹木数である第１の指標を算出し、第１の指標と、樹上哺乳類の特性とに応じて、樹上哺乳類が生息可能であるか否かを判定する処理を行う。これにより、樹上哺乳類が巣穴として利用できる環境の有無について反映して生息判定を行うので、判定精度を向上できる。
　また、本実施例における生息判定方法は、小型の樹上哺乳類が巣穴として利用できる大きさの穴を有する樹木の本数を示す情報に基づいて第１の指標を算出する処理を行う。本実施例における生息判定方法は、大きな樹上哺乳類が巣穴として利用できる大きさの穴を有する樹木の割合を示す情報に基づいて第２の指標を算出する処理を行う。そして、本実施例における生息判定方法は、樹上哺乳類の特性として、樹上哺乳類の首直径と、第１の指標と第２の指標とに基づいて樹上哺乳類が生息可能であるか否かを判定する処理を行う。すなわち、本実施例における生息判定方法は、樹上哺乳類の首直径と樹木の巣穴の大きさとを反映して生息判定を行うので、判定精度を向上できる。なお、生息判定装置１００が樹上哺乳類の特性として用いる情報はこれに限られず、例えば樹上哺乳類の体重や餌、棲家など、動物特徴ＤＢ１２３に記憶されるその他の情報を用いてもよい。
　また、本実施例における生息判定方法は、対象地域の植生図、伐採記録及び山火事記録のいずれか１つ又は複数を用いて樹木の樹齢を算出し、樹齢が所定の範囲に該当する樹木の第１の指標を算出する処理を行う。すなわち、本実施例における生息判定方法は、容易に入手できる統計情報を用いて処理を行うので、目撃数、糞塊、植物の被食痕、駆除した数等を実測する方法に比較して、樹上哺乳類が生息しているか否かの判定を行うためのコストを削減できる。
　なお、樹上哺乳類は、山火事により枯れた樹木であっても、山火事発生後、樹木が倒壊する危険が無い期間（例えば５年程度）は当該樹木の穴を隠れ場所として利用する場合がある。そこで、本実施例においては、図示しない生息判定装置２００が、山火事に関する記録をさらに取得し、山火事による樹齢及び樹木の生死をさらに反映して対象動物の生息を判定する構成について説明する。
［機能ブロック］
　まず、本実施例における機能構成について説明する。なお、以下の実施例において、先に説明した図面に示す部位と同一の部位には同一の符号を付し、重複する説明は省略される。本実施例における生息判定装置２００は、図１に示す生息判定装置１００と同様のコンピュータにより実装され、通信部１１１、表示操作部１１２、並びに図１には図示しない記憶部２２０及び制御部２３０を有する。
　記憶部２２０は、植生ＤＢ１２１、記録ＤＢ２２２、動物特徴ＤＢ１２３、樹齢ＤＢ２２４及び判定結果ＤＢ２２５を有する。本実施例における記録ＤＢ２２２は、実施例１における記録ＤＢ１２２が記憶する伐採に関する記録に加えて、さらに山火事に関する記録を記憶する。なお、記録ＤＢ２２２に記憶される情報は、例えば、後に説明する記録取得部２３１が取得する、環境当局が公開する伐採記録、山火事記録等に開示された情報である。
　図１０は、実施例２における記録ＤＢの一例を示す図である。図１０に示すように、本実施例における記録ＤＢ２２２は、山火事が発生した年月「ｙ１」及び「ｙ２」と、各年月において焼失した樹木の割合とをさらに記憶する。なお、以下において、年月「ｙ１」は対象年月から「５年以上前」であり、年月「ｙ２」から対象年月までは「５年未満」であるものとする。
　次に、樹齢ＤＢ２２４は、樹齢ＤＢ１２４と同様に、樹木の割合を樹齢ごとに記憶する。本実施例における樹齢ＤＢ２２４は、伐採に関する記録に加えて、山火事に関する記録を反映した樹齢ごとの樹木の割合と、当該樹木の生死とをさらに記憶する。図１１は、実施例２における樹齢ＤＢの一例を示す図である。なお、樹齢ＤＢ２２４に記憶される情報は、例えば、後に説明する樹齢特定部２３２が、図１０に示す記録ＤＢ２２２を参照して特定した情報である。
　図１１に示すように、樹齢ＤＢ２２４は、記録ＤＢ２２２に記録された、年月「ｙ１」に発生した山火事に関する記録に基づいて、山火事により樹齢「ｘ１」の樹木が「９０％」焼失したことを記憶する。
　さらに、樹齢ＤＢ２２４は、山火事が発生してからの年数に応じて、山火事により枯れた樹木が残存しているか否かを記憶する。例えば、山火事が発生した年月が、対象年月より「５年」以上前である場合、山火事により枯れた樹木は既に倒壊し、残存しているのは山火事により焼失したり枯れたりすることなく生き残った樹木のみであると考えられる。一方、山火事が発生した年月から、対象年月まで「５年」未満である場合、山火事により枯れた樹木も倒壊の危険性なく残存していると考えられる。
　そこで、樹齢ＤＢ２２４は、図１１に示すように、年月「ｙ１」に発生した山火事においては、枯れた樹木は残存せず、生息した樹木だけが存続することを記憶する。一方、樹齢ＤＢ２２４は、年月「ｙ２」に発生した山火事において枯れた樹木は、以前として残存していることを記憶する。
　次に、本実施例における判定結果ＤＢ２２５は、樹齢ＤＢ２２４に記憶された、山火事による樹齢及び樹木の生死を反映した樹木の本数及び割合に基づく、各地域における対象動物の生息判定結果を記憶する。図１２は、実施例２における判定結果ＤＢの一例を示す図である。判定結果ＤＢ２２５は、判定結果ＤＢ１２５と同様に、例えば対象動物ごとに一つのテーブルを有する。なお、判定結果ＤＢ２２５に記憶される情報は、例えば、後に説明する樹齢特定部２３２及び判定部２３３により入力される。
　図１２に示すように、判定結果ＤＢ２２５は、判定結果ＤＢ１２５に示す情報に加えて、「生木／枯木」をさらに記憶する。図１２において、「生木／枯木」は、樹齢２０年以上の樹木のうち、生きている樹木と既に枯れた樹木との本数を示す。本実施例における「判定結果」は、実施例１と同様の「３０年以上の樹木数」及び「７５年以上の樹木割合」による条件を満たし、さらに樹齢２０年以上の生きている樹木が「３本」以上である場合に、対象動物が「生息」すると判定された結果を記憶する。例えば、対象年月「２０１３年」において、地域ＩＤ「２６」については、実施例１においては対象動物「ＹＧ」が「生息」すると判定されていたが、本実施例においては、樹齢２０年以上の生きている樹木が「３本」未満であるため、生息しないと判定される。
　なお、図１２においても、図６と同様に、各対象地域において実測を行った結果、対象動物「ＹＧ」の生息を確認できたか否かを示す「ＹＧ実測結果」と、判定結果と実測結果とが合致したか否かを示す「判定当否」とを便宜的に示している。図１２に示すように、本実施例においては、判定結果と実測結果との合致率は６２．５％（１５／２４）となる。
　次に、制御部２３０は、制御部１３０と同様に、生息判定装置２００の全体的な処理を司る処理部であり、例えばプロセッサなどである。この制御部２３０は、図示しない記録取得部２３１、樹齢特定部２３２及び判定部２３３を有する。
　記録取得部２３１は、森林の伐採に関する情報に加えて、山火事等に関する情報を取得する。具体的には、記録取得部２３１は、記録取得部１３１における処理に加えて、通信部１１１を経由して、図示しない外部のデータベース等にアクセスし、環境当局が公開する山火事の記録等の情報を取得して、記録ＤＢ２２２に記憶する。
　樹齢特定部２３２は、対象地域における樹齢を特定する。具体的には、樹齢特定部２３２は、記録ＤＢ２２２に記憶された年月における事由と割合を参照して、樹齢ＤＢ２２４を更新する。
　判定部２３３は、樹齢ＤＢ２２４に記憶された、伐採及び山火事等の記録を反映した樹齢ごとの樹木の割合をさらに用いて、対象動物が対象地域に生息しているか否かを判定する。判定部２３３は、樹齢ＤＢ２２４を参照して、対象となる樹木数及び樹木の割合、並びに山火事後における生きている樹木の本数を特定する。そして、判定部２３３は、特定された樹木数及び樹木の割合並びに生きている樹木の本数に基づいて、対象動物が対象地域に生息しているか否か、又はどの動物が対象地域に生息しているかを判定する。
　例えば、判定部２３３は、樹齢３０年以上の樹木数が「５」本／ｈａ以上であり、かつ樹齢７５年以上の樹木割合が「３０％」未満であると判定された対象地域について、さらに樹齢２０年以上の生きている樹木の本数が「３本」以上であるか否かを判定する。そして、判定部２３３は、樹齢２０年以上の生きている樹木の本数が「３本」以上であると判定された場合に、対象動物が「生息」すると判定し、判定結果ＤＢ２２５に判定結果を記憶する。
［処理の流れ］
　次に、本実施例における生息判定処理の流れについて、図１３を用いて説明する。なお、本実施例における生息判定処理は、図８に示す判定前処理に引き続いて実行される。
　図１３は、実施例２における生息判定処理の一例を示すフローチャートである。図１３に示すように、まず、判定部２３３は、記録ＤＢ２２２を参照し、伐採記録及び山火事記録等を用いて樹齢ＤＢ２２４に記録された樹齢分布を更新する（Ｓ３００）。
　次に、判定部２３３は、動物特徴ＤＢ１２３を参照し、対象動物の首直径が「５ｃｍ未満」であるか否かを判定する（Ｓ３０１）。判定部２３３は、対象動物の首直径が「５ｃｍ未満」であると判定した場合（Ｓ３０１：Ｙｅｓ）、対象地域における樹齢３０年以上７５年未満の樹木が１ヘクタールあたり５本以上であるか否かを判定する（Ｓ３０２）。
　判定部２３３は、樹齢３０年以上７５年未満の生きている樹木と枯れている樹木との合計が１ヘクタールあたり５本未満であると判定した場合（Ｓ３０２：Ｎｏ）、対象地域にＭＢＰが生息すると判定し、判定結果ＤＢ３２５に判定結果を記憶し（Ｓ２２１）、処理を終了する。
　一方、判定部２３３は、樹齢３０年以上７５年未満の生きている樹木と枯れている樹木との合計が、１ヘクタールあたり５本以上であると判定した場合（Ｓ３０２：Ｙｅｓ）、対象地域において山火事が発生してから５年未満であるか否かを判定する（Ｓ３０３）。判定部２３３は、山火事が発生してから５年以上経過したと判定した場合（Ｓ３０３：Ｎｏ）、Ｓ２２１に移行する。
　一方、判定部２３３は、山火事が発生してから５年未満であると判定した場合（Ｓ３０３：Ｙｅｓ）、対象地域における樹齢７５年以上の樹木の割合が３０％以上であるか否かを判定する（Ｓ３０４）。判定部２３３は、樹齢７５年以上の樹木の割合が３０％未満であると判定した場合（Ｓ３０４：Ｎｏ）、Ｓ２２１に移行する。
　一方、判定部２３３は、樹齢７５年以上の樹木の割合が３０％以上であると判定した場合（Ｓ３０４：Ｙｅｓ）、対象地域における樹齢２０年以上の生きている樹木が３本以上であるか否かを判定する（Ｓ３０５）。判定部２３３は、樹齢２０年以上の生きている樹木が３本未満であると判定した場合（Ｓ３０５：Ｎｏ）、Ｓ２２１に移行する。
　一方、判定部２３３は、樹齢２０年以上の生きている樹木が３本以上であると判定した場合（Ｓ３０５：Ｙｅｓ）、対象地域にはＳＧ、ＬＢＰ及びＭＢＰが生息すると判定し、判定結果ＤＢ２２５に判定結果を記憶し（Ｓ２２４）、処理を終了する。
　Ｓ３０１に戻って、判定部２３３は、対象動物の首直径が「５ｃｍ以上」であると判定した場合（Ｓ３０１：Ｎｏ）、対象地域における樹齢３０年以上の生きている樹木と枯れている樹木との合計が、１ヘクタールあたり５本以上であるか否かを判定する（Ｓ３１１）。判定部２３３は、樹齢３０年以上の生きている樹木と枯れている樹木との合計が、１ヘクタールあたり５本未満であると判定した場合（Ｓ３１１：Ｎｏ）、Ｓ２２１に移行する。
　一方、判定部２３３は、樹齢３０年以上の生きている樹木と枯れている樹木との合計が、１ヘクタールあたり５本以上であると判定した場合（Ｓ３１１：Ｙｅｓ）、対象地域において山火事が発生してから５年未満であるか否かを判定する（Ｓ３１２）。判定部２３３は、山火事が発生してから５年以上経過したと判定した場合（Ｓ３１２：Ｎｏ）、Ｓ２２１に移行する。
　一方、判定部２３３は、山火事が発生してから５年未満であると判定した場合（Ｓ３１２：Ｙｅｓ）、対象地域における樹齢２０年以上の生きている樹木が３本以上であるか否かを判定する（Ｓ３１３）。判定部２３３は、樹齢２０年以上の生きている樹木が３本未満であると判定した場合（Ｓ３１３：Ｎｏ）、Ｓ２２１に移行する。
　一方、判定部２３３は、樹齢２０年以上の生きている樹木が３本以上であると判定した場合（Ｓ３１３：Ｙｅｓ）、対象地域における樹齢７５年以上の樹木の割合が３０％以上であるか否かを判定する（Ｓ３１４）。判定部２３３は、樹齢７５年以上の樹木の割合が３０％以上であると判定した場合（Ｓ３１４：Ｙｅｓ）、対象地域にはＧＧ及びＭＢＰが生息すると判定する（Ｓ２２２）そして、判定部２３３は、判定結果ＤＢ２２５に判定結果を記憶し、処理を終了する。
　一方、判定部２３３は、樹齢７５年以上の樹木の割合が３０％未満であると判定した場合（Ｓ３１４：Ｎｏ）、対象地域にはＹＧ及びＭＢＰが生息すると判定する（Ｓ２２３）そして、判定部２３３は、判定結果ＤＢ１２５に判定結果を記憶し、処理を終了する。
［効果］
　このように、本実施例における生息判定方法は、山火事記録により特定される山火事が発生した時点から所定の年数が経過している場合に、樹上哺乳類が生息可能ではないと判定する処理を行う。これにより、山火事により枯れた樹木が存在する場合において、樹上哺乳類が枯れた樹木を巣穴として利用できるか否かを反映して生息判定を行うので、判定精度を向上できる。
　なお、本実施例においては、判定部２３３が、生きている樹木の本数を用いる構成について説明したが、これに限られず、生きている樹木と枯れた樹木との割合に基づいて、対象動物が生息するか否かを判定するような構成であってもよい。
　なお、樹上哺乳類は、異なる種の樹上哺乳類と餌や巣穴が競合する場合、大きい種類の樹上哺乳類が生息できる場所では、小さい種類の樹上哺乳類が生息できない場合がある。例えば、下層植生のアカシアを餌とする大きい種類の樹上哺乳類であるＭＢＰが生息する場所では、ＭＢＰより小さい種類の樹上哺乳類であるＹＧ、ＳＧ、ＧＧ及びＬＢＰが生息できない場合がある。そこで、本実施例においては、図示しない生息判定装置３００が、ＭＢＰが餌とするアカシアが一定量以上植生するか否かに基づいて、対象動物が生息するか否かを判定する構成について説明する。
［機能ブロック］
　まず、本実施例における機能構成について説明する。なお、以下の実施例において、先に説明した図面に示す部位と同一の部位には同一の符号を付し、重複する説明は省略される。本実施例における生息判定装置３００は、図１に示す生息判定装置１００と同様のコンピュータにより実装され、通信部１１１、表示操作部１１２、並びに図１には図示しない記憶部３２０及び制御部３３０を有する。
　記憶部３２０は、植生ＤＢ３２１、記録ＤＢ２２２、動物特徴ＤＢ１２３、樹齢ＤＢ２２４及び判定結果ＤＢ３２５を有する。本実施例における植生ＤＢ３２１は、実施例１における植生ＤＢ１２１が記憶する情報に加えて、さらに「アカシアの植生量」を記憶する。なお、植生ＤＢ３２１に記憶される情報は、植生ＤＢ１２１と同様に、例えば、後に説明する記録取得部３３１が取得する、環境当局が公開する植生図等に開示された情報である。
　図１４は、実施例３における植生ＤＢの一例を示す図である。図１４に示すように、本実施例における植生ＤＢ３２１は、アカシアの植生量が「一定量以上」であるか否かをさらに記憶する。例えば、植生ＤＢ３２１は、地域ＩＤ「２９」の地域においては、アカシアの植生量は「一定量以上」であり、地域ＩＤ「２６」の地域においては、アカシアの植生量が「一定量以上」ではないことを記憶する。
　次に、本実施例における判定結果ＤＢ３２５は、判定結果ＤＢ２２５が記憶する情報に加えて、アカシアの植生量と、アカシアの植生量を反映した対象動物の生息判定結果とをさらに記憶する。図１５は、実施例３における判定結果ＤＢの一例を示す図である。判定結果ＤＢ３２５は、判定結果ＤＢ２２５と同様に、例えば対象動物ごとに一つのテーブルを有する。なお、判定結果ＤＢ３２５に記憶される情報は、例えば、後に説明する樹齢特定部２３２及び判定部３３３により入力される。
　図１５に示すように、判定結果ＤＢ３２５は、判定結果ＤＢ２２５に示す情報に加えて、植生ＤＢ３２１から抽出された「アカシアの植生量」をさらに記憶する。本実施例における「判定結果」は、実施例２と同様の条件を満たし、さらにアカシアの植生量が「一定量以上」ではない場合に、対象動物が「生息」すると判定された結果を記憶する。例えば、対象年月「２０１３年」において、地域ＩＤ「３」については、実施例２においては対象動物「ＹＧ」が「生息」すると判定されていたが、本実施例においては、アカシアの植生量が「一定量以上」であるため、生息しないと判定される。
　なお、図１５においても、図１２と同様に、各対象地域において実測を行った結果、対象動物「ＹＧ」の生息を確認できたか否かを示す「ＹＧ実測結果」と、判定結果と実測結果とが合致したか否かを示す「判定当否」とを便宜的に示している。図１５に示すように、本実施例においては、判定結果と実測結果との合致率は８７．５％（２１／２４）となる。
　次に、制御部３３０は、制御部１３０と同様に、生息判定装置３００の全体的な処理を司る処理部であり、例えばプロセッサなどである。この制御部３３０は、図示しない記録取得部３３１、樹齢特定部２３２及び判定部３３３を有する。
　記録取得部３３１は、記録取得部２３１が取得する情報に加えて、さらにアカシアの植生量に関する情報を取得する。具体的には、記録取得部３３１は、記録取得部２３１における処理に加えて、通信部１１１を経由して、図示しない外部のデータベース等にアクセスし、環境当局が公開するアカシアの植生状況等の情報を取得して、植生ＤＢ３２１に記憶する。
　判定部３３３は、植生ＤＢ３２１に記憶されたアカシアの植生量をさらに用いて、対象動物が対象地域に生息しているか否かを判定する。判定部２３３は、植生ＤＢ３２１を参照して、対象となる樹木数及び樹木の割合、並びに山火事後における生きている樹木の本数に加えて、アカシアの植生量が一定量以上であるか否かを特定する。そして、判定部１３３は、特定された樹木数及び樹木の割合並びに生きている樹木の本数並びにアカシアの植生量に基づいて、対象動物が対象地域に生息しているか否か、又はどの動物が対象地域に生息しているかを判定する。
　例えば、判定部２３３は、樹齢３０年以上の樹木数が「５」本／ｈａ以上であり、かつ樹齢７５年以上の樹木割合が「３０％」未満であり、かつ樹齢２０年以上の生きている樹木の本数が「３本」以上であると判定された地域におけるアカシアの植生量を特定する。そして、判定部２３３は、アカシアの植生量が「一定量以上」であると判定された場合にＭＰＢが「生息」すると判定し、判定結果ＤＢ２２５に判定結果を記憶する。また、判定部２３３は、アカシアの植生量が「一定量以上」ではないと判定された場合に、ＭＰＢ以外の樹上哺乳類が「生息」すると判定し、判定結果ＤＢ２２５に判定結果を記憶する。
［処理の流れ］
　次に、本実施例における生息判定処理の流れについて、図１６を用いて説明する。なお、本実施例における生息判定処理についても、図８に示す判定前処理に引き続いて実行される。
　図１６は、実施例３における生息判定処理の一例を示すフローチャートである。図１６に示すように、まず、判定部３３３は、記録ＤＢ２２２を参照し、伐採記録を用いて樹齢ＤＢ２２４に記録された樹齢分布を更新する（Ｓ３００）。
　次に、判定部３３３は、動物特徴ＤＢ１２３を参照し、対象動物の首直径が「５ｃｍ未満」であるか否かを判定する（Ｓ４０１）。判定部３３３は、対象動物の首直径が「５ｃｍ未満」であると判定した場合（Ｓ４０１：Ｙｅｓ）、対象地域における樹齢３０年以上７５年未満の樹木が１ヘクタールあたり５本以上であるか否かを判定する（Ｓ４０２）。
　判定部１３３は、樹齢３０年以上７５年未満の生きている樹木と枯れている樹木との合計が１ヘクタールあたり５本未満であると判定した場合（Ｓ４０２：Ｎｏ）、対象地域にＭＢＰが生息すると判定し、判定結果ＤＢ３２５に判定結果を記憶し（Ｓ２２１）、処理を終了する。
　一方、判定部３３３は、樹齢３０年以上７５年未満の生きている樹木と枯れている樹木との合計が、１ヘクタールあたり５本以上であると判定した場合（Ｓ４０２：Ｙｅｓ）、対象地域において山火事が発生してから５年未満であるか否かを判定する（Ｓ４０３）。判定部３３３は、山火事が発生してから５年以上経過したと判定した場合（Ｓ４０３：Ｎｏ）、Ｓ２２１に移行する。
　一方、判定部２３３は、山火事が発生してから５年未満であると判定した場合（Ｓ４０３：Ｙｅｓ）、対象地域における樹齢７５年以上の樹木の割合が３０％以上であるか否かを判定する（Ｓ４０４）。判定部２３３は、樹齢７５年以上の樹木の割合が３０％未満であると判定した場合（Ｓ４０４：Ｎｏ）、Ｓ２２１に移行する。
　一方、判定部２３３は、樹齢７５年以上の樹木の割合が３０％以上であると判定した場合（Ｓ４０４：Ｙｅｓ）、対象地域における樹齢２０年以上の生きている樹木が３本以上であるか否かを判定する（Ｓ４０５）。判定部２３３は、樹齢２０年以上の生きている樹木が３本未満であると判定した場合（Ｓ４０５：Ｎｏ）、Ｓ２２１に移行する。
　一方、判定部２３３は、樹齢２０年以上の生きている樹木が３本以上であると判定した場合（Ｓ４０５：Ｙｅｓ）、下層植生のアカシアが一定量未満であるか否かを判定する（Ｓ４０６）。判定部２３３は、下層植生のアカシアが一定量以上であると判定した場合（Ｓ４０６：Ｎｏ）、Ｓ２２１に移行する。
　一方、判定部２３３は、下層植生のアカシアが一定量未満であると判定した場合（Ｓ４０６：Ｙｅｓ）、対象地域にはＳＧ及びＬＢＰが生息すると判定し、判定結果ＤＢ３２５に判定結果を記憶し（Ｓ４２４）、処理を終了する。
　Ｓ４０１に戻って、判定部２３３は、対象動物の首直径が「５ｃｍ以上」であると判定した場合（Ｓ４０１：Ｎｏ）、対象地域における樹齢３０年以上の生きている樹木と枯れている樹木との合計が、１ヘクタールあたり５本以上であるか否かを判定する（Ｓ４１１）。判定部２３３は、樹齢３０年以上の生きている樹木と枯れている樹木との合計が、１ヘクタールあたり５本未満であると判定した場合（Ｓ４１１：Ｎｏ）、Ｓ２２１に移行する。
　一方、判定部２３３は、樹齢３０年以上の生きている樹木と枯れている樹木との合計が、１ヘクタールあたり５本以上であると判定した場合（Ｓ４１１：Ｙｅｓ）、対象地域において山火事が発生してから５年未満であるか否かを判定する（Ｓ４１２）。判定部２３３は、山火事が発生してから５年以上経過したと判定した場合（Ｓ４１２：Ｎｏ）、Ｓ２２１に移行する。
　一方、判定部２３３は、山火事が発生してから５年未満であると判定した場合（Ｓ４１２：Ｙｅｓ）、対象地域における樹齢２０年以上の生きている樹木が３本以上であるか否かを判定する（Ｓ４１３）。判定部２３３は、樹齢２０年以上の生きている樹木が３本未満であると判定した場合（Ｓ４１３：Ｎｏ）、Ｓ２２１に移行する。
　一方、判定部２３３は、樹齢２０年以上の生きている樹木が３本以上であると判定した場合（Ｓ４１３：Ｙｅｓ）、下層植生のアカシアが一定量未満であるか否かを判定する（Ｓ４１４）。判定部２３３は、下層植生のアカシアが一定量以上であると判定した場合（Ｓ４１４：Ｎｏ）、Ｓ２２１に移行する。
　一方、判定部２３３は、下層植生のアカシアが一定量未満であると判定した場合（Ｓ４１４：Ｙｅｓ）、対象地域における樹齢７５年以上の樹木の割合が３０％以上であるか否かを判定する（Ｓ４１５）。判定部２３３は、樹齢７５年以上の樹木の割合が３０％以上であると判定した場合（Ｓ４１５：Ｙｅｓ）、対象地域にはＧＧが生息すると判定し、判定結果ＤＢ３２５に判定結果を記憶し（Ｓ４２２）、処理を終了する。
　一方、判定部２３３は、樹齢７５年以上の樹木の割合が３０％未満であると判定した場合（Ｓ４１５：Ｎｏ）、対象地域にはＹＧが生息すると判定し、判定結果ＤＢ１２５に判定結果を記憶し（Ｓ４２３）、処理を終了する。
［効果］
　このように、本実施例における生息判定方法は、第１の動物及び第２の動物が生息可能であるか否かを判定する際に、第１の動物の食糧となる植物が一定量以上存在する場合には、第１の動物が生息し、第２の動物が生息していないと判定する処理を行う。これにより、樹上哺乳類間の競合関係に基づいて生息判定を行うので、判定精度を向上できる。
　さて、これまで本発明の実施例について説明したが、本発明は上述した実施例以外にも、種々の異なる形態にて実施されてよいものである。
［システム］
　また、本実施例において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部または一部を手動的におこなうこともできる。あるいは、手動的におこなわれるものとして説明した処理の全部または一部を公知の方法で自動的におこなうこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
　また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散や統合の具体的形態は図示のものに限られない。つまり、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、記録ＤＢ１２２と動物特徴ＤＢ１２３とを統合してもよく、また判定部１３３を、樹齢ごとの樹木の割合を特定する処理部と対象動物が生息するか否かを判定する処理部とに分散してもよい。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
［生息判定プログラム］
　また、上記の実施例で説明した生息判定装置１０の各種の処理は、あらかじ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などのコンピュータシステムで実行することによって実現することもできる。そこで、以下では、図１７を用いて、上記の実施例で説明した生息判定装置１００、２００又は３００と同様の機能を有する生息判定プログラムを実行するコンピュータの一例を説明する。図１７は、生息判定プログラムを実行するコンピュータの一例を示す図である。
　図１７に示すように、コンピュータ５００は、ＣＰＵ５１０、ＲＯＭ５２０、ＨＤＤ（Hard　Disk　Drive）５３０、ＲＡＭ５４０を有する。これら各機器５１０～５４０は、バス５５０を介して接続されている。　
　ＲＯＭ５２０には、ＯＳ（Operating　System）などの基本プログラムが記憶されている。また、ＨＤＤ５３０には、上記の実施例で示す記録取得部１３１、樹齢特定部１３２及び判定部１３３と同様の機能を発揮する生息判定プログラム５３０ａが予め記憶される。また、ＨＤＤ５３０には、記憶部１２０に記憶された各種のＤＢや属性値情報が記憶される。
　そして、ＣＰＵ５１０が、生息判定プログラム５３０ａをＨＤＤ５３０から読み出して実行する。　
　そして、ＣＰＵ５１０は、各種のＤＢや属性値情報をＨＤＤ５３０から読み出してＲＡＭ５４０に格納する。さらに、ＣＰＵ５１０は、ＲＡＭ５４０に格納された各種のＤＢや属性値情報を用いて、生息判定プログラム５３０ａを実行する。なお、ＲＡＭ５４０に格納されるデータは、常に全てのデータがＲＡＭ５４０に格納されなくともよい。処理に用いられるデータがＲＡＭ５４０に格納されれば良い。　
　なお、上記した生息判定プログラム５３０ａについては、必ずしも最初からＨＤＤ５３０に記憶させなくともよい。　
　例えば、コンピュータ５００に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ－ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」にプログラムを記憶させておく。そして、コンピュータ５００がこれらからプログラムを読み出して実行するようにしてもよい。　
　さらには、公衆回線、インターネット、ＬＡＮ、ＷＡＮなどを介してコンピュータ５００に接続される「他のコンピュータ（またはサーバ）」などにプログラムを記憶させておく。そして、コンピュータ５００がこれらからプログラムを読み出して実行するようにしてもよい。
　１００、２００、３００　生息判定装置
　１１１　通信部
　１１２　表示操作部
　１２０、２２０、３２０　記憶部
　１２１、３２１　植生ＤＢ
　１２２、２２２　記録ＤＢ
　１２３　動物特徴ＤＢ
　１２４、２２４　樹齢ＤＢ
　１２５、２２５、３２５　判定結果ＤＢ
　１３０、２３０、３３０　制御部
　１３１、２３１、３３１　記録取得部
　１３２、２３２　樹齢特定部
　１３３、２３３、３３３　判定部

Claims (15)

  1. 　コンピュータが、
    　樹上哺乳類が生息できる樹木の所定面積あたりの樹木数である第１の指標を算出し、
    　算出された前記第１の指標と、前記樹上哺乳類の特性とに応じて、前記樹上哺乳類が生息可能であるか否かを判定する
    　処理を実行することを特徴とする生息判定方法。
  2. 　前記算出する処理は、前記樹上哺乳類のうち小型の樹上哺乳類が巣穴として利用できる大きさの穴を有する樹木の本数を示す情報に基づいて第１の指標を算出し、前記樹上哺乳類のうち前記小型の樹上哺乳類よりも大きな樹上哺乳類が巣穴として利用できる大きさの穴を有する樹木の割合を示す情報に基づいて第２の指標を算出し、
    　前記判定する処理は、前記樹上哺乳類の特性として、前記樹上哺乳類の首直径と、前記第１の指標と前記第２の指標とに基づいて前記樹上哺乳類が生息可能であるか否かを判定することを特徴とする請求項１に記載の生息判定方法。
  3. 　前記算出する処理は、対象地域の植生図、伐採記録及び山火事記録のいずれか１つ又は複数に基づいて樹木の樹齢を算出し、樹齢が所定の範囲に該当する樹木の前記第１の指標を算出することを特徴とする請求項１又は２に記載の生息判定方法。
  4. 　前記判定する処理は、前記山火事記録により特定される山火事が発生した時点から所定の年数が経過している場合に、前記樹上哺乳類が生息可能ではないと判定することを特徴とする請求項３に記載の生息判定方法。
  5. 　前記判定する処理は、競合関係にある第１の動物及び第２の動物が生息可能であるか否かを判定する際に、前記第１の動物の食糧となる植物が一定量以上存在する場合には、前記第１の動物が生息し、前記第２の動物が生息していないと判定することを特徴とする請求項１又は２に記載の生息判定方法。
  6. 　樹上哺乳類が生息できる樹木の所定面積あたりの樹木数である第１の指標を算出する算出部と、
    　算出された前記第１の指標と、前記樹上哺乳類の特性とに応じて、前記樹上哺乳類が生息可能であるか否かを判定する判定部と
    　を有することを特徴とする生息判定装置。
  7. 　前記算出部は、前記樹上哺乳類のうち小型の樹上哺乳類が巣穴として利用できる大きさの穴を有する樹木の本数を示す情報に基づいて第１の指標を算出し、前記樹上哺乳類のうち前記小型の樹上哺乳類よりも大きな樹上哺乳類が巣穴として利用できる大きさの穴を有する樹木の割合を示す情報に基づいて第２の指標を算出し、
    　前記判定部は、前記樹上哺乳類の特性として、前記樹上哺乳類の首直径と、前記第１の指標と前記第２の指標とに基づいて前記樹上哺乳類が生息可能であるか否かを判定することを特徴とする請求項６に記載の生息判定装置。
  8. 　前記算出部は、対象地域の植生図、伐採記録及び山火事記録のいずれか１つ又は複数に基づいて樹木の樹齢を算出し、樹齢が所定の範囲に該当する樹木の前記第１の指標を算出することを特徴とする請求項６又は７に記載の生息判定装置。
  9. 　前記判定部は、前記山火事記録により特定される山火事が発生した時点から所定の年数が経過している場合に、前記樹上哺乳類が生息可能ではないと判定することを特徴とする請求項８に記載の生息判定装置。
  10. 　前記判定部は、競合関係にある第１の動物及び第２の動物が生息可能であるか否かを判定する際に、前記第１の動物の食糧となる植物が一定量以上存在する場合には、前記第１の動物が生息し、前記第２の動物が生息していないと判定することを特徴とする請求項６又は７に記載の生息判定装置。
  11. 　コンピュータに、
    　樹上哺乳類が生息できる樹木の所定面積あたりの樹木数である第１の指標を算出し、
    　算出された前記第１の指標と、前記樹上哺乳類の特性とに応じて、前記樹上哺乳類が生息可能であるか否かを判定する
    　処理を実行させることを特徴とする生息判定プログラム。
  12. 　前記算出する処理は、前記樹上哺乳類のうち小型の樹上哺乳類が巣穴として利用できる大きさの穴を有する樹木の本数を示す情報に基づいて第１の指標を算出し、前記樹上哺乳類のうち前記小型の樹上哺乳類よりも大きな樹上哺乳類が巣穴として利用できる大きさの穴を有する樹木の割合を示す情報に基づいて第２の指標を算出し、
    　前記判定する処理は、前記樹上哺乳類の特性として、前記樹上哺乳類の首直径と、前記第１の指標と前記第２の指標とに基づいて前記樹上哺乳類が生息可能であるか否かを判定することを特徴とする請求項１１に記載の生息判定プログラム。
  13. 　前記算出する処理は、対象地域の植生図、伐採記録及び山火事記録のいずれか１つ又は複数に基づいて樹木の樹齢を算出し、樹齢が所定の範囲に該当する樹木の前記第１の指標を算出することを特徴とする請求項１１又は１２に記載の生息判定プログラム。
  14. 　前記判定する処理は、前記山火事記録により特定される山火事が発生した時点から所定の年数が経過している場合に、前記樹上哺乳類が生息可能ではないと判定することを特徴とする請求項１３に記載の生息判定プログラム。
  15. 　前記判定する処理は、競合関係にある第１の動物及び第２の動物が生息可能であるか否かを判定する際に、前記第１の動物の食糧となる植物が一定量以上存在する場合には、前記第１の動物が生息し、前記第２の動物が生息していないと判定することを特徴とする請求項１１又は１２に記載の生息判定プログラム。
PCT/JP2016/085620 2016-11-30 2016-11-30 生息判定方法、生息判定装置及び生息判定プログラム WO2018100695A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
PCT/JP2016/085620 WO2018100695A1 (ja) 2016-11-30 2016-11-30 生息判定方法、生息判定装置及び生息判定プログラム
JP2018553587A JP6760393B2 (ja) 2016-11-30 2016-11-30 生息判定方法、生息判定装置及び生息判定プログラム
US16/417,052 US20190269102A1 (en) 2016-11-30 2019-05-20 Habitat determination method, information processing apparatus, and computer-readable recording medium recording habitat determination program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/085620 WO2018100695A1 (ja) 2016-11-30 2016-11-30 生息判定方法、生息判定装置及び生息判定プログラム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/417,052 Continuation US20190269102A1 (en) 2016-11-30 2019-05-20 Habitat determination method, information processing apparatus, and computer-readable recording medium recording habitat determination program

Publications (1)

Publication Number Publication Date
WO2018100695A1 true WO2018100695A1 (ja) 2018-06-07

Family

ID=62242803

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/085620 WO2018100695A1 (ja) 2016-11-30 2016-11-30 生息判定方法、生息判定装置及び生息判定プログラム

Country Status (3)

Country Link
US (1) US20190269102A1 (ja)
JP (1) JP6760393B2 (ja)
WO (1) WO2018100695A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111680762B (zh) * 2018-11-27 2023-08-04 成都大学 中药材适生地的分类方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002342690A (ja) * 2001-05-14 2002-11-29 Prec Institute Inc 野生生物の生態情報の解析方法
JP2003102326A (ja) * 2001-09-28 2003-04-08 Kajima Corp 野生動物の生息状況評価方法及び装置並びにプログラム
JP2004305069A (ja) * 2003-04-04 2004-11-04 Kajima Corp 植栽計画支援方法及びプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002342690A (ja) * 2001-05-14 2002-11-29 Prec Institute Inc 野生生物の生態情報の解析方法
JP2003102326A (ja) * 2001-09-28 2003-04-08 Kajima Corp 野生動物の生息状況評価方法及び装置並びにプログラム
JP2004305069A (ja) * 2003-04-04 2004-11-04 Kajima Corp 植栽計画支援方法及びプログラム

Also Published As

Publication number Publication date
JPWO2018100695A1 (ja) 2019-06-27
JP6760393B2 (ja) 2020-09-23
US20190269102A1 (en) 2019-09-05

Similar Documents

Publication Publication Date Title
Økland et al. Transition from windfall-to patch-driven outbreak dynamics of the spruce bark beetle Ips typographus
Bergh et al. Characterizing spring emergence of adult H alyomorpha halys using experimental overwintering shelters and commercial pheromone traps
Moreno-Mateos et al. Effects of land use on nocturnal birds in a Mediterranean agricultural landscape
Sukumal et al. Sub-montane habitat selection by a lowland pheasant.
McNeil et al. An evaluation and comparison of conservation guidelines for an at-risk migratory songbird
Melville et al. Artificial nests identify possible nest predators of eastern wild turkeys
Díaz et al. Long-term tree regeneration of fragmented agroforestry systems under varying climatic conditions
Maya‐Elizarrarás et al. Birds, cattle, and bracken ferns: bird community responses to a Neotropical landscape shaped by cattle grazing activities
WO2018100695A1 (ja) 生息判定方法、生息判定装置及び生息判定プログラム
VanderWerf Demography of Hawai ‘i ‘Elepaio: variation with habitat disturbance and population density
Symes et al. The persistence of an apex avian predator, Verreauxs' eagle, Aquila verreauxii in a rapidly urbanizing environment
Ssekuubwa et al. Comparing seed removal rates in actively and passively restored tropical moist forests
Tasker et al. Post‐fire seed predation: Does distance to unburnt vegetation matter?
Attisano et al. Impact of brood parasitism and predation on nest survival of the fan‐tailed gerygone in New Caledonia
Donnelly Climate change: potential implications for Ireland’s biodiversity
Liu et al. The recovery programme for the R egent honeyeater A nthochaera phrygia: an example of conservation collaboration in A ustralia
Kimanzi Mapping and modelling the population and habitat of the roan antelope (Hippotragus equinus langheldi) in Ruma National Park, Kenya
Brasileiro et al. Are good fighters also good singers? The relationship between acoustic traits and fight success in the treefrog Pithecopus nordestinus (Phyllomedusidae)
Kubelka et al. Great variability in nest lining size: support for thermoregulation but not for anti-predatory adaptation hypothesis
Hammond et al. Nesting success of native and introduced forest birds on the island of Kaua ‘i
Falkowski et al. Assessing avian diversity and community composition along a successional gradient in traditional Lacandon Maya agroforests
Wenceslau Bauxite mining and chimpanzees population distribution, a case study in the Boé sector, Guinea-Bissau
Schultz et al. Myrmecochorous plants and their ant seed dispersers through successional stages in temperate cove forests
Henry et al. Integrating Wildlife Conservation with Commercial Silviculture—Demography of the Swainson’s Warbler (Limnothlypis swainsonii), a Migrant Bird of Conservation Concern in Southern Pine Forests, USA
Howe Assessment of natural roost availability and artificial roost preference by Indiana bats in Scott County, Kentucky

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: 16922573

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2018553587

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: 16922573

Country of ref document: EP

Kind code of ref document: A1