特開 2024-11156 発育ステージの予測方法及び発育ステージの予測プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024011156

(43)【公開日】2024-01-25

(54)【発明の名称】発育ステージの予測方法及び発育ステージの予測プログラム

(51)【国際特許分類】

   A01G 7/00 20060101AFI20240118BHJP

   G06Q 10/04 20230101ALI20240118BHJP

   G06Q 50/02 20240101ALI20240118BHJP

【ＦＩ】

A01G7/00 603

G06Q10/04

G06Q50/02

【審査請求】未請求

【請求項の数】5

【出願形態】ＯＬ

(21)【出願番号】P 2022112928

(22)【出願日】2022-07-14

(71)【出願人】

【識別番号】501203344

【氏名又は名称】国立研究開発法人農業・食品産業技術総合研究機構

(74)【代理人】

【識別番号】100087480

【弁理士】

【氏名又は名称】片山 修平

(72)【発明者】

【氏名】岩崎 千沙

(72)【発明者】

【氏名】菊井 玄一郎

(72)【発明者】

【氏名】下田 星児

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049AA04

5L049CC01

(57)【要約】

【課題】発育ステージの到達時期を精度よく予測できるようにする。
【解決手段】モデル生成部は、作物栽培における第１の発育ステージと第２の発育ステージとを含む複数の発育ステージそれぞれに到達した到達時期の実測値と、前記作物が発育する期間のうち予め定められた期間の気象要素の実測値と、前記複数の発育ステージの後の第３の発育ステージに到達した到達時期の実測値と、を学習データとして用いて、前記第３の発育ステージの到達時期を予測するための機械学習モデルを構築し、予測部は、前記機械学習モデルに、前記複数の発育ステージそれぞれに到達した到達時期の入力値（例えばｘ１、ｘ２）と、前記予め定められた期間の気象要素の入力値（例えばｔ１，ｔ２）と、を入力することで、前記第３の発育ステージの到達時期（例えばｙ１）を予測し、出力する。
【選択図】図６

【特許請求の範囲】

【請求項1】

作物栽培における第１の発育ステージと第２の発育ステージとを含む複数の発育ステージそれぞれに到達した到達時期の実測値と、前記作物が発育する期間のうち予め定められた期間の気象要素の実測値と、前記複数の発育ステージの後の第３の発育ステージに到達した到達時期の実測値と、を学習データとして用いて、前記第３の発育ステージの到達時期を予測するための機械学習モデルを構築し、
前記機械学習モデルに、前記複数の発育ステージそれぞれに到達した到達時期の入力値と、前記予め定められた期間の気象要素の入力値と、を入力することで、前記第３の発育ステージの到達時期を予測し、出力する、
処理をコンピュータが実行することを特徴とする発育ステージの予測方法。

【請求項2】

前記予め定められた期間は、前記複数の発育ステージそれぞれと前記第３の発育ステージとの間の期間の少なくとも１つの期間である、ことを特徴とする請求項１に記載の発育ステージの予測方法。

【請求項3】

前記気象要素は、平均気温であることを特徴とする請求項１又は２に記載の発育ステージの予測方法。

【請求項4】

前記作物は、小麦であることを特徴とする請求項１又は２に記載の発育ステージの予測方法。

【請求項5】

作物栽培における第１の発育ステージと第２の発育ステージとを含む複数の発育ステージそれぞれに到達した到達時期の実測値と、前記作物が発育する期間のうち予め定められた期間の気象要素の実測値と、前記複数の発育ステージの後の第３の発育ステージに到達した到達時期の実測値と、を学習データとして用いて、前記第３の発育ステージの到達時期を予測するための機械学習モデルを構築し、
前記機械学習モデルに、前記複数の発育ステージそれぞれに到達した到達時期の入力値と、前記予め定められた期間の気象要素の入力値と、を入力することで、前記第３の発育ステージの到達時期を予測し、出力する、
処理をコンピュータに実行させることを特徴とする発育ステージの予測プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、発育ステージの予測方法及び発育ステージの予測プログラムに関する。

【背景技術】

【0002】

作物を栽培する場合、作物の発育に応じて、施肥の時期や施肥量、収穫時期等を決定する必要があり、農家等はこれらを決定するために圃場調査を行っている。圃場調査においては、圃場まで出向き、作物の生育状況を目で見て判断し、作物の発育がどこまで進んでいるかを確認するのが一般的である。しかし、圃場調査は手間と時間を要するため、高齢化や人手不足の問題を抱えている農家等において負担になるおそれがある。

【0003】

したがって、圃場調査を行わなくても、作物がいつどの程度発育するかを予測できることが好ましい。最近では、起算日からの気温の積算値が閾値を超えた日を予測日（例えば所定の発育ステージに到達する日）と予測する方法（積算温度モデルと呼ぶ）が知られている（例えば、特許文献１、２等参照）。また、ある関数に気温や日長などを投入することで得られる発育速度（DeVeropmental Rate（DVR））の積算値が所定値を超える日を予測日とする方法（ＤＶＲモデルと呼ぶ）が知られている（例えば、非特許文献１、特許文献３等参照）。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１９－０３０２５３号公報

【特許文献2】特開２０１８－１６４４０８号公報

【特許文献3】特開２０２１－１９０１０８号公報

【非特許文献】

【0005】

【非特許文献1】中園（2014）小麦の発育段階の推定モデル．日作紀．83，249-259

【発明の概要】

【発明が解決しようとする課題】

【0006】

上記方法を用いれば、気温などの気象要素に基づいて、作物の発育ステージ（出穂期や成熟期など）を予測することができる。しかしながら、上記方法では、気象要素以外の要素が発育ステージへ与える影響が十分に考慮されているとは言えない。

【0007】

本発明は、発育ステージの到達時期を精度よく予測できるようにすることを目的とする。

【課題を解決するための手段】

【0008】

本発明の発育ステージの予測方法は、作物栽培における第１の発育ステージと第２の発育ステージとを含む複数の発育ステージそれぞれに到達した到達時期の実測値と、前記作物が発育する期間のうち予め定められた期間の気象要素の実測値と、前記複数の発育ステージの後の第３の発育ステージに到達した到達時期の実測値と、を学習データとして用いて、前記第３の発育ステージの到達時期を予測するための機械学習モデルを構築し、前記機械学習モデルに、前記複数の発育ステージそれぞれに到達した到達時期の入力値と、前記予め定められた期間の気象要素の入力値と、を入力することで、前記第３の発育ステージの到達時期を予測し、出力する、処理をコンピュータが実行する予測方法である。

【0009】

また、本発明の発育ステージの予測プログラムは、作物栽培における第１の発育ステージと第２の発育ステージとを含む複数の発育ステージそれぞれに到達した到達時期の実測値と、前記作物が発育する期間のうち予め定められた期間の気象要素の実測値と、前記複数の発育ステージの後の第３の発育ステージに到達した到達時期の実測値と、を学習データとして用いて、前記第３の発育ステージの到達時期を予測するための機械学習モデルを構築し、前記機械学習モデルに、前記複数の発育ステージそれぞれに到達した到達時期の入力値と、前記予め定められた期間の気象要素の入力値と、を入力することで、前記第３の発育ステージの到達時期を予測し、出力する、処理をコンピュータに実行させるプログラムである。

【発明の効果】

【0010】

本発明の発育ステージの予測方法及び発育ステージの予測プログラムは、発育ステージの到達時期を精度よく予測することができるという効果を奏する。

【図面の簡単な説明】

【0011】

【図1】一実施形態に係る発育ステージ予測システムの構成を概略的に示す図である。

【図2】北海道秋まき小麦の発育ステージの推移を示す図である。

【図3】図３（ａ）は、サーバのハードウェア構成の一例を示す図であり、図３（ｂ）は、サーバの機能ブロック図である。

【図4】図４（ａ）は、実測値（発育ステージ到達日）の一例を示す図であり、図４（ｂ）は、実測値（平均気温）の一例を示す図である。

【図5】図５（ａ）～図５（ｅ）は、重回帰モデル（１）を説明するための図である。

【図6】図６（ａ）は、重回帰モデル（１）を説明するための図であり、図６（ｂ）は、重回帰モデル（２）を説明するための図であり、図６（ｃ）は、重回帰モデル（３）を説明するための図であり、図６（ｄ）は、重回帰モデル（４）を説明するための図である。

【図7】モデル生成処理を示すフローチャートである。

【図8】発育ステージ予測処理を示すフローチャートである。

【図9】実施例の検証結果を示す図である。

【発明を実施するための形態】

【0012】

以下、発育ステージ予測システムの一実施形態について、図１～図９に基づいて詳細に説明する。

【0013】

図１には、一実施形態に係る発育ステージ予測システム１００の構成が概略的に示されている。本実施形態の発育ステージ予測システム１００は、図１に示すように、サーバ１０と、利用者端末７０と、を備える。サーバ１０及び利用者端末７０はインターネットなどのネットワーク８０に接続されており、サーバ１０と利用者端末７０との間のデータのやり取りが可能となっている。

【0014】

利用者端末７０は、ＰＣ（Personal Computer）やスマートフォン、タブレット型端末など、農家等の利用者が利用可能な情報処理装置である。利用者端末７０は、利用者が入力した情報をサーバ１０に送信し、サーバ１０から送信されてきた情報を受信して表示する。

【0015】

サーバ１０は、データセンタ等に設置された情報処理装置であり、作物が各発育ステージに到達する日（到達日）を予測し、利用者端末７０に出力する装置である。

【0016】

ここで、本実施形態のサーバ１０は、一例として北海道の秋まき小麦の発育ステージ（生育ステージ、生育期節とも呼ばれる）を予測するものとする。図２には、北海道の秋まき小麦の発育ステージが示されている。秋まき小麦の発育ステージは、図２に示すように播種期→出芽期→根雪期→融雪期→起生期→幼穂形成期→止葉期→出穂期→開花期→成熟期の順に推移する。このうち、幼穂形成期や出穂期には施肥が行われることから、これら幼穂形成期や出穂期に到達する時期を予測できることが好ましい。また、成熟期の後に収穫が行われることから、成熟期に到達する時期についても予測できることが好ましい。更に、開花期の前後の天気が収量に影響することから、開花期に到達する時期についても予測できることが好ましい。したがって、本実施形態のサーバ１０は、図２において実線枠で示されている幼穂形成期、出穂期、開花期、成熟期の到達日を予測して出力する。

【0017】

図３（ａ）には、サーバ１０のハードウェア構成の一例が示されている。図３（ａ）に示すように、サーバ１０は、ＣＰＵ（Central Processing Unit）９０、ＲＯＭ（Read Only Memory）９２、ＲＡＭ（Random Access Memory）９４、ストレージ（ここではＳＳＤ（Solid State Drive）やＨＤＤ（Hard Disk Drive））９６、ネットワークインタフェース９７、及び可搬型記憶媒体用ドライブ９９等を備えている。これらサーバ１０の構成各部は、バス９８に接続されている。サーバ１０では、ＲＯＭ９２あるいはストレージ９６に格納されているプログラム（発育ステージの予測プログラムを含む）、或いは可搬型記憶媒体用ドライブ９９が可搬型記憶媒体９１から読み取ったプログラムをＣＰＵ９０が実行することにより、図３（ｂ）に示す各部の機能が実現される。なお、図３（ｂ）の各部の機能は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されてもよい。

【0018】

図３（ｂ）には、サーバ１０の機能ブロック図が示されている。図３（ｂ）に示すように、サーバ１０は、実測値取得部２０と、モデル生成部２２と、入力情報取得部２４と、予測部２６と、を備える。

【0019】

実測値取得部２０は、実際に北海道の各地点において秋まき小麦を栽培したときに得られた、図４（ａ）に示すようなデータを取得する。図４（ａ）のデータにおいては、識別番号（Ｎｏ．）に対し、データの取得位置と、播種期、融雪期、幼穂形成期、出穂期、開花期、成熟期の各発育ステージに到達した日（到達日）の実測値とが対応付けられている。

【0020】

また、実測値取得部２０は、各地点における各発育ステージ間の平均気温のデータを取得する。実測値取得部２０は、例えば、図４（ａ）の各地点の位置情報と、各発育ステージの到達日の情報とを用いて、気象庁のデータベースや国立研究開発法人農業・食品産業技術総合研究機構（以下、農研機構と呼ぶ）のメッシュ農業気象データ等から各ステージ間の平均気温のデータを取得する。ただし、これに限らず、実測値取得部２０は、各地点において秋まき小麦を栽培した人が利用者端末７０等に入力した各発育ステージ間の平均気温の情報を取得してもよい。ここで、平均気温は、期間内の各日における日中平均気温の平均とすることができる。日中平均気温は、例えば、（日最高気温＋日最低気温）／２により求めることができる。なお、図４（ｂ）の識別番号（Ｎｏ．）と図４（ａ）の識別番号（Ｎｏ．）が一致しているデータ同士は、対応するデータである。

【0021】

図３（ｂ）に戻り、モデル生成部２２は、実測値取得部２０が取得した実測値（図４（ａ）、図４（ｂ））を用いて、幼穂形成期、出穂期、開花期、成熟期の各発育ステージの到達日を予測するために用いる重回帰モデルを生成する。ここで、本実施形態では、幼穂形成期の到達日を予測する際に、図５（ａ）に示すように、播種期のＤＯＹ（Day of Year：１月１日からの日数）、融雪期のＤＯＹ、播種期から融雪期の間の平均気温、融雪期から幼穂形成期の間の平均気温を用いる。なお、本明細書において、「播種期から融雪期の間の平均気温」は、播種期から融雪期の間のうち、積雪深が２０ｃｍ以下であった日の気温の平均値を意味する。図５（ｂ）に示すように、播種期のＤＯＹと、融雪期から幼穂形成期までの日数と、の間には相関が見られ、図５（ｃ）に示すように、融雪期のＤＯＹと、融雪期から幼穂形成期までの日数と、の間には相関が見られるためである。また、図５（ｄ）に示すように、播種期から融雪期の間の平均気温と、融雪期から幼穂形成期までの日数との間には相関が見られ、図５（ｅ）に示すように、融雪期から幼穂形成期の間の平均気温と、融雪期から幼穂形成期までの日数と、の間には相関が見られるためである。なお、ある発育ステージに到達した時期が、他の発育ステージに到達する時期に影響する点については、例えば“江口・島田（2000） 小麦の発育日数の変動要因の解析と生育期予測．日作紀．69，49-53”にも記載されている。

【0022】

本実施形態のモデル生成部２２は、図６（ａ）に示すように、播種期のＤＯＹをｘ１、融雪期のＤＯＹをｘ２、播種期から融雪期の間の平均気温（播種期から融雪期の間のうち、積雪深が２０ｃｍ以下であった日の気温の平均値）をｔ１、融雪期から幼穂形成期の間の平均気温をｔ２とし、融雪期から幼穂形成期までの日数をｙ１とした場合に、図４（ａ）、図４（ｂ）の実測値を学習データとして用い、機械学習により、次式（１）に示すような重回帰モデル（１）を生成する。なお、ａ０は定数、ａｍ（ｍ＝１～４）は係数である。
ｙ１＝ａ０＋ａ１×ｘ１＋ａ２×ｘ２＋ａ３×ｔ１＋ａ４×ｔ２ …（１）

【0023】

なお、上式（１）の重回帰モデル（１）は１次式で表されているが、ｍ次式（ｍは２以上）で表されてもよい。

【0024】

また、融雪期のＤＯＹ、幼穂形成期のＤＯＹ、融雪期から幼穂形成期の間の平均気温、幼穂形成期から出穂期の間の平均気温のそれぞれと、幼穂形成期から出穂期までの日数との間には、図５（ｂ）～図５（ｅ）と同様に相関が見られる。したがって、本実施形態のモデル生成部２２は、図６（ｂ）に示すように、播種期のＤＯＹをｘ２、融雪期のＤＯＹをｘ３、播種期から融雪期の間の平均気温をｔ２、融雪期から幼穂形成期の間の平均気温をｔ３とし、融雪期から幼穂形成期までの日数をｙ２とした場合に、図４（ａ）、図４（ｂ）の実測値を学習データとして用い、機械学習により、次式（２）に示すような重回帰モデル（２）を生成する。
ｙ２＝ａ５＋ａ６×ｘ２＋ａ７×ｘ３＋ａ８×ｔ２＋ａ９×ｔ３ …（２）

【0025】

また、幼穂形成期のＤＯＹ、出穂期のＤＯＹ、幼穂形成期から出穂期の間の平均気温、出穂期から開花期の間の平均気温、出穂期から成熟期の間の平均気温のそれぞれと、出穂期から開花期までの日数及び出穂期から成熟期までの日数との間には、図５（ｂ）～図５（ｅ）と同様に相関が見られる。したがって、本実施形態のモデル生成部２２は、図６（ｃ）、図６（ｄ）に示すように、幼穂形成期のＤＯＹをｘ３、出穂期のＤＯＹをｘ４、幼穂形成期から出穂期の間の平均気温をｔ３、出穂期から開花期の間の平均気温をｔ４、出穂期から成熟期の間の平均気温をｔ５とし、出穂期から開花期までの日数をｙ３、出穂期から成熟期までの日数をｙ４とした場合に、図４（ａ）、図４（ｂ）の実測値を学習データとして用い、機械学習により、次式（３）、（４）に示すような重回帰モデル（３）、（４）を生成する。
ｙ３＝ａ10＋ａ11×ｘ３＋ａ12×ｘ４＋ａ13×ｔ３＋ａ14×ｔ４ …（３）
ｙ４＝ａ15＋ａ16×ｘ３＋ａ17×ｘ４＋ａ18×ｔ３＋ａ19×ｔ５ …（４）

【0026】

なお、重回帰モデル（４）については、出穂期のＤＯＹ（ｘ４）、出穂期から開花期の間の平均気温（ｔ４）、及び開花期のＤＯＹ（ｘ５）、開花期から成熟期の間の平均気温（ｔ６）を変数とする重回帰モデルとしてもよい。

【0027】

図３（ｂ）に戻り、入力情報取得部２４は、利用者端末７０に入力される情報を取得し、予測部２６に送信する。なお、利用者端末７０に入力される情報は、例えば、図６（ａ）に示す播種期のＤＯＹ（ｘ１）、融雪期のＤＯＹ（ｘ２）、播種期から融雪期の間の平均気温（播種期から融雪期の間のうち、積雪深が２０ｃｍ以下であった日の気温の平均値）（ｔ１）、融雪期から幼穂形成期の間の平均気温（ｔ２）であるものとする。なお、幼穂形成期に到達する前の段階では、融雪期から幼穂形成期までの期間が分からないが、融雪期から幼穂形成期までの期間の推定値はモデル生成部２２が求めることができるため、その期間の平均気温の予測データや平年値データを融雪期から幼穂形成期の間の平均気温（ｔ２）として用いることとすればよい。

【0028】

予測部２６は、入力情報取得部２４が取得した情報と、モデル生成部２２が生成した重回帰モデル（１）～（４）と、を用いて、各発育ステージの到達日を予測し、予測結果を利用者端末７０に出力する。

【0029】

（サーバ１０の処理について）
次に、図７、図８のフローチャートに沿って、サーバ１０の処理について詳細に説明する。

【0030】

（モデル生成処理）
図７は、実測値取得部２０とモデル生成部２２の処理（モデル生成処理）を示すフローチャートである。ステップＳ１０において、実測値取得部２０は、各発育ステージの到達日、気象要素（ここでは各発育ステージ間の平均気温）の実測値（図４（ａ）、図４（ｂ）参照）を取得する。

【0031】

次いで、ステップＳ１２において、モデル生成部２２は、ステップＳ１０で取得した実測値を学習データとして用いて、機械学習により、融雪期と幼穂形成期の間の日数を予測するための重回帰モデル（１）を生成する。

【0032】

次いで、ステップＳ１４において、モデル生成部２２は、ステップＳ１０で取得した実測値を学習データとして用いて、機械学習により、幼穂形成期と出穂期の間の日数を予測するための重回帰モデル（２）を生成する。

【0033】

次いで、ステップＳ１６において、モデル生成部２２は、ステップＳ１０で取得した実測値を学習データとして用いて、機械学習により、出穂期と開花期の間の日数を予測するための重回帰モデル（３）を生成する。

【0034】

次いで、ステップＳ１８において、モデル生成部２２は、ステップＳ１０で取得した実測値を学習データとして用いて、機械学習により、出穂期と成熟期の間の日数を予測するための重回帰モデル（４）を生成する。

【0035】

以上により、図７のモデル生成処理が終了する。

【0036】

（発育ステージ予測処理）
次に、図８に基づいて、入力情報取得部２４と予測部２６の処理（発育ステージ予測処理）について説明する。なお、利用者は、融雪期に到達後、幼穂形成期に到達する前の段階で、利用者端末７０に播種期の到達日の実測値（図６（ａ）のｘ１）、融雪期の到達日の実測値（図６（ａ）のｘ２）、栽培地点の位置情報を入力するものとする。

【0037】

図８の処理が開始されると、まずステップＳ５０において、入力情報取得部２４は、播種期の到達日の実測値（図６（ａ）のｘ１）、融雪期の到達日の実測値（図６（ａ）のｘ２）、及び栽培地点の位置情報を取得する。なお、利用者端末７０に播種期の到達日（年月日）、融雪期の到達日（年月日）が入力された場合には、入力情報取得部２４は、播種期、融雪期の到達日（年月日）をＤＯＹに変換する。

【0038】

次いで、ステップＳ５２において、入力情報取得部２４は、播種期から融雪期の間の平均気温（ここでは、播種期から融雪期の間のうち、積雪深が２０ｃｍ以下であった日の気温の平均値）の実測値（図６（ａ）のｔ１）を取得する。例えば、入力情報取得部２４は、農研機構のメッシュ農業気象データベース等から、入力された地点における播種期と融雪期の間の平均気温のデータを取得する。

【0039】

次いで、ステップＳ５４において、入力情報取得部２４は、融雪期の到達日以降の所定期間（融雪期から幼穂形成期までに相当する期間）の平均気温の予測値（図６（ａ）のｔ２）を取得する。なお、所定期間の推定値はモデル生成部２２が求めることができるため、入力情報取得部２４は、その所定期間の平均気温を取得する。なお、入力情報取得部２４は、所定期間の平均気温の予測値として、例えば、農研機構のメッシュ農業気象データベースに含まれる、気象庁による予測値を取得してもよい。また、入力情報取得部２４は、所定期間の平均気温の予測値として、農研機構のメッシュ農業気象データベースに含まれる、気象庁からの平年値に基づくデータを取得してもよい。

【0040】

次いで、ステップＳ５６において、予測部２６は、重回帰モデル（１）を用いて幼穂形成期の到達日を予測する。この場合、予測部２６は、重回帰モデル（１）に、播種期の到達日（ＤＯＹ）ｘ１と、融雪期の到達日（ＤＯＹ）ｘ２と、播種期と融雪期の間の平均気温（ここでは、播種期から融雪期の間のうち、積雪深が２０ｃｍ以下であった日の気温の平均値）ｔ１と、融雪期の到達日以降の所定期間の平均気温ｔ２と、を入力することで、融雪期から幼穂形成期までの日数ｙ１を求める（図６（ａ）参照）。そして、予測部２６は、求めた日数ｙ１から、幼穂形成期の到達日（ＤＯＹ）ｘ３及び幼穂形成期の到達日（年月日）を算出する。

【0041】

次いで、ステップＳ５８において、入力情報取得部２４は、予測した幼穂形成期の到達日以降の所定期間（幼穂形成期から出穂期までに相当する期間）の平均気温の予測値（図６（ｂ）のｔ３）を取得する。なお、所定期間の推定値はモデル生成部２２が求めることができるため、入力情報取得部２４は、その所定期間の平均気温を、ステップＳ５４と同様の方法により取得する。

【0042】

次いで、ステップＳ６０において、予測部２６は、重回帰モデル（２）を用いて出穂期の到達日を予測する。この場合、予測部２６は、重回帰モデル（２）に、融雪期の到達日（ＤＯＹ）ｘ２と、ステップＳ５６で予測した幼穂形成期の到達日（ＤＯＹ）ｘ３と、融雪期と幼穂形成期の間の平均気温ｔ２と、幼穂形成期の到達日以降の所定期間の平均気温ｔ３と、を入力することで、幼穂形成期から出穂期までの日数ｙ２を求める（図６（ｂ）参照）。そして、予測部２６は、求めた日数から、出穂期の到達日（ＤＯＹ）ｘ４及び出穂期の到達日（年月日）を算出する。

【0043】

次いで、ステップＳ６２において、入力情報取得部２４は、予測した出穂期の到達日以降の所定期間（出穂期から開花期までに相当する期間、及び出穂期から成熟期までに相当する期間）の平均気温の予測値（図６（ｃ）のｔ４、及び図６（ｄ）のｔ５）を取得する。なお、各所定期間の推定値はモデル生成部２２が求めることができるため、入力情報取得部２４は、各所定期間の平均気温をステップＳ５４と同様の方法により取得する。

【0044】

次いで、ステップＳ６４において、予測部２６は、重回帰モデル（３）を用いて開花期の到達日を予測する。この場合、予測部２６は、重回帰モデル（３）に、ステップＳ５６で予測した幼穂形成期の到達日（ＤＯＹ）ｘ３と、ステップＳ６０で予測した出穂期の到達日（ＤＯＹ）ｘ４と、幼穂形成期と出穂期の間の平均気温ｔ３と、出穂期の到達日以降の所定期間（出穂期から開花期までに相当する期間）の平均気温ｔ４と、を入力することで、出穂期から開花期までの日数ｙ３を求める（図６（ｃ）参照）。そして、予測部２６は、求めた日数ｙ３から、開花期の到達日（ＤＯＹ及び年月日）を算出する。

【0045】

次いで、ステップＳ６６において、予測部２６は、重回帰モデル（４）を用いて成熟期の到達日を予測する。この場合、予測部２６は、重回帰モデル（４）に、ステップＳ５６で予測した幼穂形成期の到達日（ＤＯＹ）ｘ３と、ステップＳ６０で予測した出穂期の到達日（ＤＯＹ）ｘ４と、幼穂形成期と出穂期の間の平均気温ｔ３と、出穂期の到達日以降の所定期間（出穂期から成熟期までに相当する期間）の平均気温ｔ５と、を入力することで、出穂期から成熟期までの日数ｙ４を求める（図６（ｄ）参照）。そして、予測部２６は、求めた日数から、成熟期の到達日（ＤＯＹ及び年月日）を算出する。

【0046】

次いで、ステップＳ６８において、予測部２６は、各到達日を利用者端末７０に出力する。利用者端末７０には各発育ステージに到達する日の予測結果が表示される。

【0047】

以上により、図８の全処理が終了する。

【0048】

なお、図８の処理の予測結果が表示された後に、利用者が、例えば幼穂形成期の実際の到達日（ＤＯＹ）を入力することもある。この場合には、入力された幼穂形成期の実際の到達日を用いて、幼穂形成期以降の発育ステージの到達日を予測するようにしてもよい。

【0049】

（実施例）
以下、実施例について説明する。本発明者は、北海道の秋まき小麦「きたほなみ」について、過去に得られた図４（ａ）、図４（ｂ）のような実測値（北海道農業研究センターで得られたデータや、北海道の各市町村で得られた各発育ステージの到達日のデータ）を用いて重回帰モデル（１）～（４）を生成した。なお、平均気温のデータとしては、農研機構のメッシュ農業気象データを用いた。また、北海道農業研究センターで得られたデータや、北海道の各市町村で得られたデータを用いて、重回帰モデルの交差検証（LOOCV：Leave One Out Cross Validation）を行った（検証Ａ）。更に、北海道立総合研究機構（道総研）のデータを用いて重回帰モデルを検証した（検証Ｂ）。更に、十勝地方で得られたデータを用いて重回帰モデルを検証した（検証Ｃ）。各検証においては、本実施形態の方法を用いる場合、積算温度モデルを用いる場合、ＤＶＲモデルを用いる場合それぞれの平均二乗偏差（ＲＭＳＥ：Root Mean Square Error）を求めた。

【0050】

図９には、検証Ａ、Ｂ、Ｃの結果が示されている。なお、括弧内の数字はデータ数を示している。図９に示すように、検証Ａ～Ｃのいずれにおいても、本実施形態の方法は、ＲＭＳＥが３日以内であり、積算温度モデルやＤＶＲモデルを用いる場合と比べ、同等かそれ以上の予測精度が得られることが分かった。

【0051】

以上詳細に説明したように、本実施形態によると、モデル生成部２２は、作物栽培における発育ステージそれぞれに到達した到達日の実測値と、複数の発育ステージ間の期間の平均気温の実測値と、を学習データとして用いて、発育ステージの到達日を予測するための重回帰モデルを生成する。また、予測部２６は、予測対象の発育ステージの到達日を予測する際に、生成した重回帰モデルを用いる。これにより、予測対象の発育ステージよりも前の複数の発育ステージの到達時期が、予測対象の発育ステージの到達時期に影響することを考慮して、予測対象の発育ステージの到達日を精度よく予測することができる。本実施形態においては、幼穂形成期や出穂期の到達日を精度よく予測できるため、農家等は、施肥のタイミングや施肥量を適切に決定することができる。また、成熟期の到達日を精度よく予測できるため、農家等は、収穫のタイミングを適切に決定することができる。また、開花期の到達日を精度よく予測できるため、開花期前後の天気に基づいて収量予測を精度よく行うことができる。このように、農家等は、圃場調査を行わなくても、適切な栽培管理を行うことができる。

【0052】

なお、上記実施形態では、重回帰モデル（１）～（４）が、２つの発育ステージの到達日が入力可能なモデルである場合について説明したが、これに限られるものではない。すなわち、重回帰モデル（１）～（４）は、３つ以上の発育ステージの到達日を入力可能なモデルであってもよい。

【0053】

また、上記実施形態では、重回帰モデル（１）～（４）が、２つの期間の平均気温を入力可能なモデルである場合について説明したが、これに限られるものではない。例えば、重回帰モデル（１）～（４）は、１つの期間の平均気温を入力可能なモデルであってもよい。例えば、重回帰モデル（１）（上式（１））は、播種期から融雪期の間の平均気温（ここでは、播種期から融雪期の間のうち、積雪深が２０ｃｍ以下であった日の気温の平均値）ｔ１と、融雪期から幼穂形成期の間の平均気温ｔ２と、を入力可能なモデルであることとしたが、これに限らず、例えば、平均気温ｔ１、ｔ２のいずれか一方を入力可能なモデルであってもよいし、播種期から幼穂形成期の間の平均気温を入力可能なモデルであってもよい。また、重回帰モデル（１）～（４）は、３以上の期間の平均気温を入力可能なモデルであってもよい。例えば、図６（ｂ）の重回帰モデル（２）は、変数がｘ２、ｘ３、ｔ２，ｔ３であるが、重回帰モデル（２）の変数として図６（ａ）のｘ１，ｔ１が含まれていてもよい。

【0054】

なお、上記実施形態では、重回帰モデル（１）～（４）の気象要素の変数が平均気温である場合について説明したが、これに限られるものではない。例えば、気象要素の変数として、期間内の積算気温などを用いてもよいし、日射量やＣＯ₂濃度などを用いてもよい。

【0055】

なお、上記実施形態では、作物が北海道秋まき小麦である場合について説明したが、これに限られるものではない。作物は春まき小麦であってもよいし、その他の作物（葉菜類、果菜類等）であってもよい。

【0056】

なお、重回帰モデルは、品目や品種ごと、地域ごとに生成するのが好ましい。ただし、１つの重回帰モデルを利用可能な品種や地域の範囲については、上記実施例のような方法で検証し、特定することが好ましい。

【0057】

なお、上記の処理機能は、コンピュータによって実現することができる。その場合、処理装置が有すべき機能の処理内容を記述したプログラムが提供される。そのプログラムをコンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。処理内容を記述したプログラムは、コンピュータで読み取り可能な記憶媒体（ただし、搬送波は除く）に記録しておくことができる。

【0058】

プログラムを流通させる場合には、例えば、そのプログラムが記録されたＤＶＤ（Digital Versatile Disc）、ＣＤ－ＲＯＭ（Compact Disc Read Only Memory）などの可搬型記憶媒体の形態で販売される。また、プログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することもできる。

【0059】

プログラムを実行するコンピュータは、例えば、可搬型記憶媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、自己の記憶装置に格納する。そして、コンピュータは、自己の記憶装置からプログラムを読み取り、プログラムに従った処理を実行する。なお、コンピュータは、可搬型記憶媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することもできる。また、コンピュータは、サーバコンピュータからプログラムが転送されるごとに、逐次、受け取ったプログラムに従った処理を実行することもできる。

【0060】

上述した実施形態は本発明の好適な実施の例である。但し、これに限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変形実施可能である。

【符号の説明】

【0061】

１０ サーバ
２０ 実測値取得部
２２ モデル生成部
２４ 入力情報取得部
２６ 予測部
７０ 利用者端末
９０ ＣＰＵ（コンピュータ）
１００ 発育ステージ予測システム

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】