安全な農作物生産管理技術と トレーサビリティシステムの開発

Presentation on theme: "安全な農作物生産管理技術と トレーサビリティシステムの開発"— Presentation transcript:

1 安全な農作物生産管理技術と トレーサビリティシステムの開発
　 データ統合・解析システムH21年度中間報告会 @東京大学　武田ホール 安全な農作物生産管理技術と トレーサビリティシステムの開発 農業系研究機関が共同で進めているので、DIAS農 溝口勝1・二宮正士2・石郷岡康史3 DIAS農 1 東京大学大学院情報学環(UT) 2 農業・食品産業技術総合研究機構(NARO) 3 農業環境技術研究所(NIAES)

2 ＤＩＡＳ農における全体目標 コアシステムで提供されるデータ群を効率的に統合し農業分野で利用できるようにする
誰でも簡単に知ることができ，政策決定者の判断のよりどころになるシステムを実現する 農業生産管理支援情報 地球温暖化による食料生産への影響等 安全で安心かつ安定的で高品質な食糧供給を求める公共益に供する グローカルな視点でジャストインタイム農業システムを構築 想定しているユーザは２種類。個人農家と政策決定者。 グローバルスケールで考え、ローカルに個人農家（農業経営体）が現実対応できるシステムを目指している。 個人農家 政策決定者 2 2

3 農業政策を支援するツール （柴崎研） etc… 穀物価格の急騰 日本の稲作を海外で展開したい．中国やタイで展開するには？
農業政策を支援するツール　（柴崎研）　　 穀物価格の急騰 気候変動による収穫減 途上国の食料危機 食の安全・安心の確保 ↓ 日本の農業技術の出番 日本の稲作を海外で展開したい．中国やタイで展開するには？ DIASのコアシステム 現地の状況を細かく知りたい。気温，降水量，日射量，土壌，GISデータなど． 様々な機関のデータ ユーザを政策決定者とした場合 グローバルに日本の戦略を考えるイメージ図。 今回開発したツールは、政策決定者支援。 温暖化になっても農作物は栽培できるのだろうか？ 農業政策決定者 現地農民はどうしたいのだろうか？ 過去の栽培履歴や災害履歴・歴史的背景などは？ 専門家からの報告 農業単独での取り組みでは不十分．どの分野と組み合わせればよいだろう？ ニュース・歴史的背景 etc…

4 個人農家も使える情報ツール （柴崎研） etc… 安定した農業収入の確保 消費者がいま一番ほしい野菜は何か？自分の畑で栽培できるだろうか？
個人農家も使える情報ツール　（柴崎研）　 安定した農業収入の確保 食の安全・安心の確保 後継者の確保 住みやすい農村　 ↓ 明るい農業 消費者がいま一番ほしい野菜は何か？自分の畑で栽培できるだろうか？ DIASのコアシステム 農地の状況を細かく知りたい。気温，降水量，日射量，土壌，GISデータなど． 様々な機関のデータ いつ種を撒くのがよいか？肥料はどれくらい必要か？ 農薬はいつ撒くべきか？ （ジャストインタイム） ユーザを個人農家とした場合 ボトムアップを説明するイメージ図。 数年前はどうだったか？ 似たような天候の年はどうしたか？ 過去の栽培履歴や災害履歴は？ 専門家からの報告 日本の個人農家 （農業経営体） アジアの農家 他の地域に誰か相談できる人はいないだろうか？ ニュース・歴史的背景 etc…

5 アジアにおける栽培可能性 （H20年度） 問題点 収量予測結果 品種別 二期作可能性 温暖化の影響 CO2濃度の応答 政策立案者／個別農家
改良点 中国、タイの日照時間の平年値データを用意 問題点 一度に多くの地点や比較条件で実行すると時間がかかる

6 安全な農作物生産管理技術とトレーサビリティシステムの開発 （H21年度計画）
溝口　勝（地球観測データ統融合連携研究機構／大学院情報学環）・二宮正士（農業・食品産業技術総合研究機構）・石郷岡康史（農業環境技術研究所） 全体目標 コアシステム等で提供されるデータ群を効率的に統合して，農業生産管理支援情報や，地球温暖化による食料生産への影響等を，誰でも簡単に知ることができ，政策決定者の判断のよりどころになるシステムとして実現し，安全で安心かつ安定的で高品質な食糧供給を求める公共益に供する． H21年度の目標 H20年度に開発した「Web版水稲栽培予測支援ツール」をアフリカ地域に展開し，地球温暖化による食料生産への影響を予測する．また，イネ以外の農作物を対象とした栽培可能性予測支援ツールを開発する．さらには，生産者と消費者をつなぐ地上モニタリングデータの共有化技術を開発する． 研究方法と期待される成果 （スケジュール）[連携希望先] アフリカ地域におけるイネの栽培可能性予測支援ツールの開発 （5月～10月） ・観測・推定日射量データセットを整備し，ネリカを含む各品種のイネ栽培可能性予測支援ツールをアフリカ地域に展開する． [小池G，沖Gとの連携] アジア・アフリカ地域におけるイネの栽培可能性が予測できるようになると，昨年，世界を揺るがせた発展途上国における食糧高騰による社会不安を未然に回避できるようになる． c)　農作物データベースの整備とデータ統合化 （11月～1月） ・農作物栽培可能性予測支援ツールを検証するための農作物データベースの整備に着手し，これをコアシステムに投入されたGPVデータ，長期予測データ等とシームレスに統合する． 　[柴崎G・喜連川G・木本Gと連携] アジア・アフリカ地域のみならず、任意の地域と時代で農作物栽培可能性を予測するための情報基盤が整備される H21年度の全体計画図　（示すだけ） コアシステム 地上観測データ群 GPV予報データ群 b) 地域特性に対応できる農作物栽培可能性予測支援ツールの開発　 （11月～1月） ・衛星による土壌水分推定値と地上モニタリング実測値を用いてチューニングし，土壌水分量を考慮したイネ以外の農作物栽培可能性予測支援ツールを開発する． [小池Gとの連携] 発展途上国における農作物選択の幅を広げることで地元農民の農業所得を向上させ，貧困対策として役立つようになる． d)地上モニタリングデータの共有化と情報伝達技術の開発 （11月～1月） ・日本とタイに設置した地上モニタリングセンサーのデータを生産者と消費者が共有し，安全な農作物生産管理につなげる技術を開発する [喜連川Gと連携] コアシステムに蓄積される画像を含む圃場データから，有用な情報を効率的に発見・伝達することにより、輸入農産物のトレーサビリティに関する１つのモデルを提案できるようになる。

7 H21年度の研究計画 １．アフリカ地域におけるイネの栽培可能性予測支援ツールの開発
２．地域特性に対応できる農作物栽培可能性予測支援ツールの開発 ３．農作物データベースの整備とデータ統合化 ４．地上モニタリングデータの共有化と情報伝達技術の開発 今年度の目標。 本発表では時間の関係上、１について説明。

8 SIMRIW 複数DBのシームレスなデータ統合 Future Prediction Impact assessment
Cropping map under global warming 品種別作物生育パラメータ推定 SIMRIW 今日 生育期間 今年の収量予測 気象観測値DB アメダス・NOAA・ フィールドサーバ 等 短期予報（GPV) 平年値DB イネの栽培可能性予測のおさらい 平年値DB MetBroker 平年値DB その土地の現在の収量ポテンシャル その土地の気温変化に対する収量ポテンシャル（近未来） 平年値 + x ℃ 気候変動シナリオデータ その土地の気候変動下での収量ポテンシャル（長期的）

9 http://www. env. go. jp/earth/suishinhi/jpn/sympo/h18sympo/Yokozawa
　より引用

10 注意点 全球１度グリッド毎のデータセット作成 （沖研とNAROの連携） SIMRIWによる潜在収量予測 気温 日射量
降水量が十分にある条件　　改良中 SIMRIWによる潜在収量予測 いまのところ、砂漠でも「収量あり」と判定される

11 SIMRIWによる栽培可能性予測 （Google Earth 表示）

12 気温 CO2 最大収量 品種：コシヒカリ

13 中緯度で収量低下 品種：　イシカリ

14 アフリカ地域 降水量を考慮していないので、砂漠でも収量があるように予測される 品種：コシヒカリ

15 品種：　イシカリ

16 閲覧ページの作成

17 表示方法の工夫

18 コシヒカリ @全世界 Copyright 2009 FUJITSU LIMITED

19 イシカリ @全世界 Copyright 2009 FUJITSU LIMITED

20 コシヒカリ @アフリカ Copyright 2009 FUJITSU LIMITED

21 イシカリ @アフリカ Copyright 2009 FUJITSU LIMITED

22 改良点 降水量を考慮する 閾値を設定 ネリカに対する収量予測 経験式の導入 観測値との比較 アジア地域を対象としてグリッド値の確認

23 アジアモンスーン課題（JAMSTEC） と 農業課題（NIAES） の連携
気象データの収集 （購入，ダウンロード） 観測値との比較 連携の枠組の下，共同で実施 実測気象データ 全球（アフリカ） 各国（中国，タイ等） 全球：降水量，気温，湿度，風速等 各国：降水量，気温，湿度，風速，日照時間等 品質チェック フォーマット変換 アジア・アフリカ地域におけるイネの 栽培可能性予測支援ツール 統一規格データ 収集した気象データをDIASコアシステムに投入するまで，概略図に示されるような手順が必要となる。 １．各国の気象局等からデータを購入，あるいは公開されているデータをWebサイトから入手する。 ２．生データの品質チェック，解析に使用できるようにフォーマットを変換し，統一規格データセットを作る。 ３．モデルやツールでの計算に必要な気象要素を，観測データから推定あるいは変換する。 ４．コアシステムに投入 これらの作業を連携協力により実施することで，多くの時間的金銭的な無駄が省かれる。 品質チェック等は，共同で実施することにより均質なデータセットが作成される。 生データには無いが，多くの農業モデルで必要となる要素（例えば日射量や可能蒸発散量）も データセットとして作成してしまうことで，モデルやツールでのこれらの計算が省かれる。 推定，変換式 （例：日照→日射） 農業課題に必要な 気象要素 コアシステム 日射量，可能蒸発散量 地温等

24 DIAS農 Thank you 24

25 http://www. env. go. jp/earth/suishinhi/jpn/sympo/h18sympo/Yokozawa
　より引用