IT などを含めた新たな技術を農業に応用して高度化や効率化を目指すスマート農業に おいては，実利用性 (運用性と費用対効果) に問題があり，導入が進まないケースがある．
したがって，作物圃場における栽培管理支援に対して，UAV リモートセンシングを有用 なものとしていくためには，(1) 適用できる作物や用途を拡大すること，(2) より作業に直 結する結果を出力すること，(3) 研究した技術をアプリケーション化していくことが必要 である．
(1) については，UAV は比較的安価になりつつあるものの，搭載するマルチスペクトル
センサや取得した画像を処理するための環境 (コンピュータや画像処理ソフトウェア) は 比較的高価である．したがって，稼働率を高める必要があり，そのためには適用できる作 物や用途を増やす必要がある．本研究では，水稲を対象に施肥設計支援，ダイズを対象に 湿害発生予測に資する検討を行ったが，UAVリモートセンシングは様々な用途への活用が 期待されており81)，主要穀物や園芸作物などへの適用，除草や防除などに資する技術も今 後開発されていくことが望ましい．
(2) については，リモートセンシングはあくまで遠隔に対象物の情報を取得する技術で あるため，エンドユーザーの真に欲する情報を提供するものではない．例えば，5章で述 べたダイズ圃場における土壌体積含水率の推定に関して言えば，エンドユーザーが欲する 情報は，「土壌体積含水率がどれくらい」 という情報ではなく，「どの程度湿害が発生する ため，どのような対策をどの程度実施すればいいのか」 という情報である．このように，
より作業に直結するような結果を出力するためには，5章で述べたような UAV リモート センシングで推定した土壌体積含水率をインプットとして，水収支モデルなどのほかの技 術と連携させることによって湿害発生予測を行う必要がある．
(3) については，研究開発した技術の実利用には，利用者にとって利用しやすい形で提 供されなければならない．例えば，UAV で空撮した画像を入力して，数ステップの簡単 な画面の操作によって結果が表示されるようなソフトウェアを組み上げる必要がある．こ れに関しては，必要に応じて企業との連携などによって推進することも考えられる．この ように，情報技術との連携は必須であり，農学，工学の知見だけでなく，情報学の知見も 併せ持って研究開発に取り組んでいく必要がある．
参考文献
1) Dente, L.; Satalino, G.; Mattia, F.; Rinaldi, M. Assimilation of leaf area index derived from ASAR and MERIS data into CERES-wheat model to map wheat yield. Remote Sens. Environ.
2008, 112, 1395–1407.
2) Fang, H.; Liang, S.; Hoogenboom, G.; Teasdale, J.; Cavigelli, M. Corn-yield estimation through assimilation of remotely sensed data into the CSM-CERES-Maize model. Int. J. Remote Sens.
2008, 29, 3011–3032.
3) Curnel, Y.; de Wit, A.; Duveiller, G.; Defourny, P. Potential performances of remotely sensed LAI assimilation in WOFOST model based on an OSS experiment.Agric. For. Meteorol.2011, 151, 1843–1855.
4) Padilla, F. L. M.; Maas, S. J.; González-Dugo, M. P.; Mansilla, F.; Rajan, N.; Gavilán, P.;
Dominguez, J. Monitoring regional wheat yield in southern Spain using the GRAMI model and satellite imagery.Field Crops Res.2012, 130, 145–154.
5) LAI-2200C Plant Canopy Analyzer LI-COR Environmental.
https://www.licor.com/env/products/leaf_area/LAI-2200C/ (2019.5.11).
6) Ali, M.; Montzka, C.; Stadler, A.; Menz, G.; Thonfeld, F.; Vereecken, H. Estimation and Validation of RapidEye-Based Time-Series of Leaf Area Index for Winter Wheat in the Rur Catchment (Germany).Remote Sens.2015, 7, 2808-2831.
7) Campos-Taberner, M.; García-Haro, F. J.; Camps-Valls, G.; Grau-Muedra, G.; Nutini, F.; Crema, A.; Boschetti, M. Multitemporal and multiresolution leaf area index retrieval for operational local rice crop monitoring.Remote Sens. Environ.2016, 187, 102-118.
8) 小川進; 牧野育代; 冨久尾歩; 斎藤元也 水田のNDVIの季節変動とその葉面積指数の推 定. 日本リモートセンシング学会誌 2000, 20, 17-26.
9) Rouse, J. W.; Haas, R. H.; Schell, J. A.; Deering, D. W.; Harlan, J. C. Monitoring the Vernal Advancement and Retrogradation (Green Wave Effect) of Natural Vegetation. NASA/GSFC, Final Report, Greenbelt, MD, USA1973, 1-137.
10) Huete, A. R. A Soil-Adjusted Vegetation Index (SAVI). Remote Sens. Environ. 1988, 25,
Spectrophotometer.Agronomy Journal1968, 60, 640-643.
12) Huete, A.; Didan, K.; Miura, T.; Rodriguez, E. P.; Gao, X.; Ferreira, L. G. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sens.
Environ.2002, 83, 195-213.
13) Jiang, Z.; Huete, A. R.; Didan, K.; Miura, T. Development of a two-band enhanced vegetation index without a blue band.Remote Sens. Environ.2008, 112, 3833-3845.
14) 橋本直之; 牧雅康; 田中賢治; 田村正行 作物農事暦推定に向けたLAI時系列変化パタ ーン抽出方法の検討. 日本リモートセンシング学会誌.2009, 29(2), 381-391.
15) 総務省 平成30年版情報通信白書 2018, 総務省, 東京, 15.
16) Yu, N.; Li, L.; Schmitz, N.; Tian, L. F.; Greenberg, J. A.; Diers, B. W. Development of methods to improve soybean yield estimation and predict plant maturity with an unmanned aerial vehicle based platform.Remote Sens. Environ.2016, 187, 91-101.
17) Hassan, M. A.; Yang, M.; Rasheed, A.; Jin, X.; Xia, X.; Xiao, Y.; He, Z. Time-Series multi-spectral Indices from Unmanned Aerial Vehicle Imagery Reveal Senescence Rate in Bred Wheat.Remote Sens.2018, 10, 809.
18) Jin, X.; Liu, S.; Baret, F.; Hemerlé M.; Comar, A. Estimates of plant density of wheat crops at emergence from very low altitude UAV imagery.Remote Sens. Environ.2017, 198, 105-114.
19) 向山信治; 小杉幸夫; 宇都有昭; 斎藤元也; 小田久二夫 産業用無人ヘリコプター搭載 型ハイパースペクトル観測による稲葉のSPAD値推定技術に関する基礎的研究. 写真測 量とリモートセンシング 2011, 50, 90-95.
20) Zhou, X.; Zheng, H. B.; Xu, X. Q.; He, J, Y.; Ge, X. K.; Yao, X.; Cheng, T.; Zhu, Y.; Cao, W. X.;
Tian, Y. C. Predicting grain yield in rice using multi-temporal vegetation indices from UAV-based multi-spectral and digital imgery. ISPRS J. Photogramm. Remote Sens. 2017, 130, 246-255.
21) 牧雅康; 本間香貴; 沖 一雄 作物モデルとUAV画像を用いたLAI推定と広域展開の 可能性. 水土の知 2016, 84, 757-760.
22) Kobayashi, H.; Iwabuchi, H. A coupled 1-D atmosphere and 3-D canopy radiative transfer model for canopy reflectance, light environment, and photosynthesis simulation in a heterogeneous landscape.Remote Sens. Environ.2008, 112, 173-185.
23) Borgogno-Mondino, E.; Lessio, A.; Gomarasca, M. A. A fast operative method for NDVI
uncertainty estimation and its role in vegetation analysis. Europ. J. Remote Sens. 2016, 49:1, 137-156.
24) Hideki Kobayashi | FLiES. http://flies.sakura.ne.jp/WP/JA/ (2020.1.5)
25) Kobayashi, H.; Baldocchi, D. D.; Ryu, Y.; Chen, Q.; Ma, S.; Osuna, J. L.; Ustin, S. L. Modeling energy and carbon fluxes in a heterogeneous oak woodland: A three-dimensional approach.Agric.
For. Meteorol.2012, 152, 83-100.
26) Kobayashi, H.; Ryu, Y.; Baldocchi, D. D.; Welles, J. M.; Norman, J. M. On the correct estimation of gap fraction: How to remove scattered radiation in gap fraction measurements?.
Agric. For. Meteorol.2013, 174-175, 170-183.
27) 押尾晴樹; 浅輪貴史; 梅干野晁; 宮坂聡 マルチリターン航空機LiDARデータと植生放 射伝達モデルによる都市緑化樹木の日射遮蔽効果の計量化. 日本リモートセンシング学 会誌 2015, 35, 10-23.
28) 小林秀樹 針葉樹における分光反射率と葉面積指数の関係：森林の三次元構造とクラン ピングの影響. 日本リモートセンシング学会誌 2008, 28, 350-356.
29) 牧雅康; 高橋厚裕; 岡野哲郎; 小熊宏之 可搬型3次元レーザスキャナデータと放射伝 達モデルを用いた林床光環境の推定手法の開発. 日本リモートセンシング学会誌 2012, 32, 77-87.
30) Ichii, K.; Yang, W.; Kobayashi, H.; Yanagi, Y.; Takayama, H.; Hajima, T.; Abe, M.; Tachiiri, K.
Development and application of GCOM-C LAI and GPP/NPP research products., 2017 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Fort Worth, TX, USA, 23-28th July 2017; IEEE Geoscience and Remote Sensing Society; IEEE: Piscataway, NJ,2017, 5650-5651.
31) Maki, M.; Homma, K. Empirical Regression Models for Estimating Multiyear Leaf Area Index of Rice from Several Vegetation Indices at the Field Scale.Remote Sens.2014, 6, 4764-4779.
32) 国 土 地 理 院 電 子 国 土 基 本 図 ( オ ル ソ 画 像 ) . https://www.gsi.go.jp/gazochosa/gazochosa40001.html (2019.12.2).
33) Parrot ホ ー ム ペ ー ジ. https://www.parrot.com/jp/ye-wu-yong-soriyusiyon/parrot-sequoia (2020.1.5)
36) Erbs, D. G.; Klein S. A.; Duffie, J. A. Estimation of the diffuse radiation fraction for hourly, daily and monthly-average global radiation.Solar Energy1982, 28-4, 293-302.
37) 気象庁 Japan Meteorological Agency. https://www.jma.go.jp/jma/index.html (2019.3.12).
38) Hirooka, Y.; Homma, K.; Shiraiwa, T.; Kuwada, M. Parameterization of leaf growth in rice (Oryza sativa L.) utilizing a plant canopy analyzer.Field Crops Res.2016, 186, 117-123.
39) Chen, J. M.; Pavlic, G.; Brown, L.; Cihlar, J.; Leblanc, S. G.; White, H. P.; Hall, R. J.; Peddle, D. R.; King, D. J.; Trofymow, J. A.; Swift, E.; Van der Sanden, J.; Pellikka, P. K. E. Derivation and validation of Canadawide coarse-resolution leaf area index maps using high-resolution satellite imagery and ground measurements.Remote Sens. Environ.2002, 80, 165-184.
40) Ewert, F. Modelling plant responses to elevated CO2: how important is leaf area index?Ann.
Bot.2004, 93, 619-627.
41) Li, X.; Zhang, Y.; Bao, Y.; Luo, J.; Jin, X.; Xu, X.; Song X.; Yang, G. Exploring the Best Hyperspectral Features for LAI Estimation Using Partial Least Squares Regression.Remote Sens.
2014, 6, 6221-6241.
42) Ishihara, M.; Inoue, Y.; Ono, K.; Shimizu, M.; Matsuura, S. The Impact of Sunlight Conditions on the Consistency of Vegetation Indices in Croplands—Effective Usage of Vegetation Indices from Continuous Ground-Based Spectral Measurements.Remote Sens.2015, 7, 14079-14098.
43) Hashimoto, N.; Saito, Y.; Maki, M.; Homma, K. Simulation of Reflectance and Vegetation Indices for Unmanned Aerial Vehicle (UAV) Monitoring of Paddy Fields.Remote Sens.2019, 11, 2119.
44) 遠藤貴司; 永野邦明; 佐々木都彦; 千葉文弥; 我妻謙介; 早坂浩志; 佐伯研一; 佐藤浩 子; 酒井球絵; 中込佑介 水稲新品種「だて正夢」について. 宮城古川農試報.2018, 13, 19-44.
45) 長沢工 日の出・日の入りの計算 天体の出没時刻の求め方.1999, 地人書館, 東京. 46) ビショップ, C.M. パターン認識と機械学習 下.2012, 丸善出版, 東京.
47) 竹内一郎, 烏山昌幸 サポートベクトルマシン.2015, 講談社, 東京.
48) Scholköpf, B.; Smola, A. J. Learning with Kernels:Support Vector Machines, Regularization, Optimization, and Beyond.2001, MIT Press, Cambridge, MA, USA.
49) Vapnik, V. N. The nature of statistical learning theory.2000, Springer-Verlag New York, NY, USA.
50) 松島省三 稲作の改善と技術.1973, 養賢堂, 東京, 1-393.
51) 前岡庸介 穂肥回数及び穂肥量が水稲中生品種「ヒノヒカリ」の収量・品質に及ぼす影 響. 日作中支集録.2002, 43, 10-11.
52) 後藤英次; 野村美智子; 稲津脩 寒地水稲に対する時期別追肥窒素の利用率と各器官へ の分配. 日作紀.2006, 75, 443-450.
53) 深山政治; 岡部達雄 水稲窒素吸収特性の品種間差と施肥法. 土肥誌.1985, 57, 272-279.
54) 稲本勝太 硫安追肥による飼料用米としての「日本晴」の増収効果. 日作中支集録.2015, 55, 37-38.
55) 福嶌陽; 太田久稔; 横上晴郁; 津田直人 東北農研が育成した水稲品種における窒素追 肥時期が生育・収量・外観品質・食味に及ぼす影響. 日作紀.2017, 86, 7-14.
56) 吉永悟志; 竹牟礼穣; 脇本賢三; 田坂幸平; 松島憲一; 下坪訓次 暖地の湛水直播栽培 における土中点播水稲の生育特性. 日作紀.2002, 71, 328-334.
57) 大西政夫; 土本浩之; 山根研一; 門脇正行 土壌生産性の圃場内変動が大きい水田にお いて田畑転換作付体系試験を行うための最適窒素施肥量の検討. 農業生産技術管理学会 誌 2008, 15, 23-27.
58) 福嶌陽 生育時期別窒素追肥が水稲の形態的形質に及ぼす影響およびその品種間差異. 日作紀.2007, 76, 18-27.
59) 山田朗加; 小笠原孝一; 塩谷哲夫 緩効性被覆肥料を用いた水稲栽培技術の改善効果に ついて. 農作業研究 1996, 31, 93-102.
60) 小林英和; 永田健二 業務・加工用水稲品種「やまだわら」の多収条件. 日作紀.2018, 87, 67-75.
61) 細井徳夫 制御環境下におけるイネの出穂におよぼす日長・温度および窒素レベルの影 響. 日作紀.1975, 44, 382-388.
62) 玉置雅彦; 山本由徳 遮光および施用窒素量が水稲の出葉速度と分げつ発生に及ぼす 影響. 日作紀.1997, 66, 29-34.
63) 佐々木美和; 山本晶子; 我妻因信 生育中期の追肥が主稈総葉数および出葉速度に及ぼ す影響. 日作東北支部報.2004, 47, 1-2.
64) Milthorpe, F. L.; Moorby, J. An introduction to Crop Physiology.1979, Cambridge Univerity
was applied to both Mediterranean and Sahelian conditions.J. Exp. Mot.2002, 53, 715-725.
66) 千坂英雄 水稲と雑草の競争. 雑草研究 1966, 5, 16-22.
67) 松島省三 稲作の理論と技術.1964, 養賢堂, 東京, 1-302.
68) Wada, G.; Shoji, S.; Mae, T. Relationship between nitrogen absorption and growth and yield of rice plants.JARQ.1986, 20, 135-145.
69) 小林英和; 千葉雅大; 長田健二 地上部窒素吸収量の増大による水稲多収品種の籾数増 加とその限界. 日作紀.2014, 83, 374-379.
70) 世古晴美; 佐村薫; 越生博次 水稲湛水土中直播栽培の播種様式と生育収量. 近畿中国 農研.1983, 66, 9-12.
71) 天野久; 松尾嘉重; 甲谷潤 湛水土壌中直播栽培に関する研究. 京都農研研報.1989, 14, 15-26.
72) 和田学 暖地水稲のVegetative Lag Phaseに関する作物学的研究―特に窒素吸収パター ンとの関連―. 九州農試報.1980, 21, 113-250.
73) 小林和広; 堀江武 水稲の穎花ならびに枝梗分化に及ぼす生殖生長期の体内窒素の影 響. 日作紀.1994, 63, 193-199.
74) 月森弘 気象および移植時期が水稲’コシヒカリ’の乳白粒発生に及ぼす影響. 島根農 技研報.2008, 38, 47-56.
75) 前川富也; 島田信二; 浜口秀生; 加藤雅康; 藤森新作 関東地域の地下水位制御システ
ム (FOEAS) 現地圃場における不耕起と狭畦がダイズの生産性に及ぼす影響. 日作紀.
2016, 85(4), 391-402.
76) Jones, H. G.; Vaughan, R. A. 植生のリモートセンシング.2013, 森北出版, 東京, 56-58.
77) 細川寿 大豆の耕うん同時畝立作業機による重粘土転換畑の湿害回避技術. 農機誌. 2004, 66(5), 14-16.
78) ドローン・ジャパン株式会社. https://www.drone-j.com/agriculture (2020.2.16).
79) 株式会社スカイマティクス. https://smx-iroha.com/analytics_case/ (2020.2.16).
80) 農研機構 農業環境変動研究センター 小型GNSS受信機を用いた高精度測位マニュア ル (ドローン用対空標識編).2019, 農業・食品産業技術総合研究機構, 茨城県つくば市. 81) 井上吉雄, 横山正樹 ドローンリモートセンシングによる作物・農地診断情報計測とそ
のスマート農業への応用. 日本リモートセンシング学会誌 2017, 37, 224-235.