第２回「デジタル地図」の活用に関する検討会発表資料での、能化機構、岩崎の発表資料。

1. NARO
※ 農研機構（のうけんきこう）は、国⽴研究開発法⼈農業・⾷品産業技術総合研究機構のコミュニケーションネーム（通称）です。
「デジタル地図」の活⽤に
関する検討会
2019年12⽉18⽇
農業におけるリモートセンシング・
GIS・地理空間情報の活⽤
農研機構農業環境変動センター
環境情報基盤研究領域 ユニット⻑
岩崎 亘典

2. 1
Society5.0とスマート農業
• 農研機構は農業分野でのSociety5.0の実現を⽬指す
https://www.naro.affrc.go.jp/laboratory/brain/sip/sip2/interview/interview01.html

3. 2
Society5.0とスマート農業
• リモートセンシングはスマート農業の“⽬”
• スケール、頻度、対象に応じた使い分け

4. 3
「デジタル地図」オープンデータ化の重要性
• 農地情報が整備されていな問題
• ユーザーが⾃⾝で整備
• 多⼤な労⼒が必要、相互⽐較が困難
• オープンデータ化の必要性
• 省労⼒化、データの相互⽐較や蓄積
• 他の情報との組み合わせた課題解決
(吉⽥・⾼橋、2009)
北海道 喜多耕⼀⽒作成資料
https://speakerdeck.com/kou_kita/gisdetagong-you-sinakutedosunfalse

5. 4
農業でのリモートセンシングの活⽤
• 衛星による⽔稲の品質評価
• 衛星画像から⽶のタンパク質の含まれる量を推定す
ることが北海道で90年代終わり頃に実⽤的になる。
©CNES,1998,SPOT,NASDA®による処理
⽔稲登熟期 のNDVI
「北海道農業のためのリモートセンシング実利用マニュアル」より

6. 5
農業でのリモートセンシングの活⽤
• ドローンによるリモートセンシング
• ⾼頻度、⾼解像度、適時性に優れる
• クロロフィル総量の推定
（R２＝0.88）
• 追肥の量、収量および
蛋⽩含有量推定

7. 6
農業でのリモートセンシングの活⽤
• 短期間で⾃動追肥を実現
• 第1期SIP⽣産システムの成果

8. 7
農業でのリモートセンシングの活⽤
• ドローンによる3次元計測
• ⾼解像度・⾼精度での計測が可能
• 熊本地震被災地での検証
• デジタル地図とも連携可能性がある
ドローンによる不陸計測結果（左）と
ほ場整備以前（1960年代）の⽔路の⽐較
マニュアルをWeb公開

9. 8
農業でのGIS・空間情報の活⽤
• 低価格GNSS受信機による⾼精度測位
• ドローンによる画像撮影、3次元計測の精度向上
• ⾼解像度な分、⾼位置精度が必要
マニュアル表紙と
公開ページのQRコード
• 低価格GNSSによる測位結果
• 単独測位（⻘）とキネマティック測位（緑お
よび⾚）の⽐較。
• FIX解が得られる場合1cm程度に集中
100cm
40cm
1cm

10. 9
農業でのGIS・空間情報の活⽤
• 営農⽀援ツールでの各種情報の管理
• スタンドアローンツール
• Plan and Management System（PMS）、 FARMS（農研機
構）など
• クラウドツール
• agri-note、Akisai（秋彩）、KSASなど
• 「デジタル地図」による活⽤推進が期待

11. 10
農業でのGIS・空間情報の活⽤
• スマートフードチェーンでの利⽤
• ⽣産物のトレーサビリティの実現
• 5★の事例。作物から産地を確認（SIP2の成果）
Dongpo Deng氏(Industrial Technology Research Institute)作成資料

12. 11
農業でのGIS・空間情報の活⽤
• 筆ポリゴンのIDを閲覧できるサイトを作成
• スマート農業実証事業の調査対象を筆ポリゴンIDで報告
• 他の事業、補助⾦等でも同様に対象のIDを記録し、データの
蓄積、効果の検証等も期待される
地図への
QRコード
項⽬ 記⼊例
撮影⽇時 2019/05/24-13:00-13:45
撮影者 ○○ ××
圃場ID 18桁の数値ID
圃場名 各⾃任意の管理名称
作⽬ ⽔稲,キャベツ
ドローン機種名 PHANTOM 4 PRO
カメラ（センサ）名 Sequoia
撮影⾼度（m） 30
⽣画像撮影枚数 10
作物調査データの有無 有、無
ドローン空撮画像につけるメタデータのイメージ

13. 12
農業でのGIS・空間情報の活⽤
• 「地図タイル」形式のデータを使った深層学習
• 衛星画像、標⾼PNGから植⽣図を⽣成
• 既存データを使い⼈⼯知能学習が可能
Web上から取得可能な各種データを用いて学習
を行い、植生図の生成するように学習を実行
左で学習した分類器を用い、植生図の生
成を生成

14. 13
農業でのGIS・空間情報の活⽤
• 深層学習・機械学習の活⽤が期待される
• QGIS⽤の深層学習プラグインを開発
• 農業分野の期待も⼤きいが、データの蓄積が必要
• 各種データ連係基盤との連携が求められる

15. 14
データ活⽤の視点からのデジタル地図への要望
• データとシステムの分離
• ライフサイクルが違う
• データの寿命：数⼗年〜百年以上、システムの寿命：数
年〜数⼗年（今後さらに短く）
• システム更新時に、データ維持にコストがかかる
• データの変換、場合によっては元から再⽣成
• 分離により効率的な⻑期間運⽤を⽬指す
https://ja.wikipedia.org/wiki/フロッピーディスク#/media/ファイル:Floppy_disk_2009_G1.jpg
https://ja.wikipedia.org/wiki光磁気ディスク#/media/ファイル:MO_OLYMPUS_OL-D640.jpg
https://ja.wikipedia.org/wiki/Phase-change_Dual#/media/ファイル:PD-M650_front_side.jpg
https://ja.wikipedia.org/wiki/ZIP_(記憶媒体)#/media/ファイル:Zip-100a.jpg
メディアにも寿命があるという教訓
メディアはあってもデータが使えない
システムA
システムA’
システムB
データfor
A
データ for
A’ (update)
システムとデータ分離されてない場合、システム更新時にデータの
変換、再構築が必要な場合がある。APIの互換性にも課題がある
データ for
A’’ (update)
データfor
B
データ変換
API A
API A’
API B

16. 15
データ活⽤の視点からのデジタル地図への要望
• 継続的なデータの整備と 3 ★ データで迅速な
更新、公開が期待される
• 「美しいサイトよりも⽣のデータを！」
• 5 ★ ODのティム・バーナーズ＝リーの⾔葉
• 分析結果でなく、元のデータが必要
• 2★（for ex. Shapefile、XLS）は避けた⽅が賢明
• Shapefileの場合80年代のファイル形式のため、限界がある
https://www.ted.com/talks/tim_berners_lee_the_next_web?utm_cam
paign=tedspread&utm_medium=referral&utm_source=tedcomshare
ここを⽬指すことと、
定期的更新が重要
ティム・バーナーズ＝リーの講演