Smart paddy water management based on simulation of ponded water and soil temperature variation in paddy fields

基于稻田积水和土壤温度变化模拟的智能稻田水管理

• 批准号: 21H02309
• 负责人: 木村 匡臣
• 金额: $ 10.32万
• 依托单位: Kindai University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21H02309/
• 关键词: スマート農業; 田面水温; 水田用IoT水門; 高温障害対策; 機械学習

水田用IoT水門を設置した調査対象水田圃場において、水門開閉の操作と、田面水温・地温分布等の温度環境の変化を計測し、モデル検証のためのデータを収集した。日射、気温、湿度、風速等の基礎的な気象データを観測するとともに、IoT水門の開度データおよび用水路水位から水田内への取水流量を換算し、自記式水位・温度計にて水田内の湛水深、田面水温・地温の分布を連続測定するほか、プラント・キャノピー・アナライザーを用いて定期的に葉面積指数（LAI）の計測を実施した。田面水の平面2次元流シミュレーションについては、稲株の周囲を流れる田面水の流れ場を計算可能な流体解析シミュレーションモデルを、微細計算格子に基づく有限体積法を用いて構築し、任意の湛水深、流速、稲株の太さ、稲株配置の間隔に応じて計算を行うことにより、さまざまな条件下における稲株群による流れへの抵抗をモデル化した。この結果を用いて、田面水が水田内のどの場所をどの程度の速度で流れるかをシミュレートする、田面水の平面2次元流数値計算モデルを構築した。水田内の熱収支シミュレーションについては、物理則に基づく既存のアプローチのほか、機械学習（LSTM: Long Short-Term Memory）を適用した手法、物理則と機械学習を融合した手法（PGNN: Physics-Guided Neural Networks）についてもモデルを構築し、それらの性能を比較検証した。

Water gate setting for paddy field is investigated for measurement, detection and collection of changes in temperature environment such as water gate opening and closing operation, field surface water temperature and ground temperature distribution. The measurement of solar radiation, temperature, humidity, wind speed, etc., the conversion of water intake flow in paddy field to the opening of IoT water gate and water level in water channel, the continuous measurement of water depth in paddy field, the distribution of surface water temperature, and the measurement of leaf area index (LAI) at regular intervals using self-recording water level thermometer. 2-D flow field calculation of surface water flow field is possible. Fluid analysis is possible. Finite volume method is used to calculate the flow field of surface water at any depth of water, flow velocity, plant spacing and plant spacing. Under these conditions, the plant population is resistant to the disease. The results of this study were used to calculate the flow rate of surface water in paddy field and the flow rate of surface water in paddy field. The application of physical logic and machine learning (LSTM: Long Short-Term Memory) in the field of rice field is studied by comparing the performance of physical logic and machine learning (PGNN).

项目成果

LSTM-based meta-learning framework to simulate water temperature in under-observed paddy fields with few-shot monitoring data

基于 LSTM 的元学习框架利用少样本监测数据模拟观测不足的稻田水温

• 发表时间: 2022
• 作者: Wenpeng Xie;Masaomi Kimura;Kyoji Takaki
• 通讯作者: Kyoji Takaki

深層学習を用いたため池水位予測モデルにおける入出力項目が与える影響

输入/输出项对使用深度学习的池塘水位预测模型的影响

• 发表时间: 2022
• 作者: 楠堂 紡;阿波野 景;岡山 貴史;山本 純之;木村 匡臣;松野 裕
• 通讯作者: 松野 裕

Development and Assessment of Water-Level Prediction Models for Small Reservoirs Using a Deep Learning Algorithm

使用深度学习算法开发和评估小型水库水位预测模型

• DOI: 10.3390/w14010055
• 发表时间: 2022
• 期刊: Water
• 影响因子: 3.4
• 作者: Tsumugu Kusudo;Atsushi Yamamoto;Masaomi Kimura;Yutaka Matsuno
• 通讯作者: Yutaka Matsuno

Prediction of inflow into low-lying lake by machine learning trained with simulated rainfall events

通过模拟降雨事件训练的机器学习预测低洼湖泊的流入量

• 发表时间: 2022
• 作者: Kei Awano;Masaomi Kimura;Tsumugu Kusudo;Atsushi Yamamoto;Atsushi Okayama;Yutaka Matsuno
• 通讯作者: Yutaka Matsuno

Development of a short-term prediction model for water levels in low-lying area applying machine learning trained by observed and artificially generated data

应用由观测数据和人工生成数据训练的机器学习，开发低洼地区水位的短期预测模型

• 发表时间: 2021
• 作者: Masaomi Kimura;Takahiro Ishikawa;Naoto Okumura;Toshiaki Iida;Natsuki Yoshikawa
• 通讯作者: Natsuki Yoshikawa