农业辅助系统

技术领域

本发明涉及向农业相关人员提供与农业有关的信息并进行农业的辅助的农业辅助系统。

背景技术

在选定农业中生产的作物之后，通过生产该作物而能够获得的销售额、收益额、利润率等的收益预测是重要的。并且，为了生产作物，需要产量、农业作业、作业时期、生产期间等生产计划的信息。专利文献1中示出了农业作业经营辅助程序以及农业经营辅助系统，参考某农业生产中实际花费的过去的经费等数据来算出销售额、经费，并且任意地设定条件并模拟农业经营。

专利文献2中示出了一种农产品生产流通管理系统，基于从管理中心接收的可播种时期、培育期间、收获期间以及收获预定量等数据来制订生产计划。但是，在各个农地里提前生产许多作物并积累与该作物有关的数据需要较长的年月，并且花费很大的劳力和成本。

并且，作物的产量的数据是在考虑农业业务的收益时最重要的数据，但是作物的产量的数据与经费等相比容易受到其土地的气象、土质等环境的影响而变化。因此，作为任意地设定前提条件并进行模拟的结果的产量数据以往没有获得能够实用的那种可靠性。

另一方面，在农业中，期望促进耕种放弃地的利用，例如在专利文献3中，公开了基于卫星图像来确定被推定为没有进行种植的农地的耕种地判定装置、耕种地判定方法以及耕种地判定程序。但是，在该专利文献3中也没有示出在推进耕种放弃地的利用的方面中重要的作物的选定、产量、农业作业、作业时期、生产期间等生产计划、销售额、经费、收益等收益预测。

如以上那样，难以准确地判断在现有的农地、新耕种地或耕种放弃地等中选定并栽培哪种作物为好的信息。例如，农业生产人员、新务农人员、生产委托人员、生产指导人员等即使对于在该土地中有成果的作物一定程度能够进行产量、收益的预测，也难以预测与没有在该土地中生产的经验的作物有关的产量、收益，或者难以在多个新作物之间进行比较研究。并且，土地所有者、土地管理人员、土地承租人(也包括自治团体、农资公司、种苗公司等)等难以准确地进行对于农地的评价。

在先技术文献

专利文献

专利文献1：日本特开2010-257353号公报

专利文献2：日本特开平11-175609号公报

专利文献3：日本特开2014-098993号公报

发明内容

本发明的目的在于提供一种对于要在土地中新生产的作物也容易预测收益的农业辅助系统。

为了解决上述的课题，本发明的农业辅助系统构成为包括数据输入单元、数据存储单元以及运算单元的计算机系统。所述运算单元具备：产量预测部，基于包括预测对象的土地的特性以及所述土地的环境在内的数据，预测作物的产量并输出产量数据；作物生产数据存储部，存储与作物的生产有关的作物生产数据；以及收益预测部，基于所述产量数据以及所述作物生产数据，预测生产所述作物的情况下的收益并输出收益预测数据。

发明效果

根据本发明，能够提供一种对于要在土地中新生产的作物也容易预测收益的农业辅助系统。

附图说明

图1是表示第一实施方式的农业辅助系统1的整体构成的框图。

图2是说明第一实施方式的农业辅助系统1的动作的流程图。

图3是表示第二实施方式的农业辅助系统1的整体构成的框图。

图4是说明第二实施方式的农业辅助系统1的动作的流程图。

图5是表示第三实施方式的农业辅助系统1的整体构成的框图。

图6是说明第三实施方式的农业辅助系统1的动作的流程图。

附图标记说明

1…农业辅助系统、100…计算机、101…CPU、102…输入部、103…接口(I/F)、104…显示控制部、105…RAM、106…ROM、107…通信控制部、108…硬盘驱动器(HDD)、111…产量预测部、112…作物生产数据存储部、113…收益预测数据生成部、114…生产计划数据生成部、115…数据加工部、116…土壤分析部、117…生产管理数据生成部、118…经营管理数据生成部、200…显示器、NW…网络。

具体实施方式

以下，参照附图来说明本实施方式。在附图中，功能上相同的要素也有时用相同的编号表示。需要说明的是，附图示出了遵照本公开的原理的实施方式和实施例，但是这些是用于理解本公开的，绝对不是为了限定性地解释本公开而使用。本说明书的记述只是典型的例示，在任何意思中都不是对本公开的权利要求书或应用例进行限定。

在本实施方式中，为了本领域技术人员实施本公开而充分详细地进行了说明，但是需要理解为其他的实施方式也是可能的，能够不脱离本公开的技术性思想的范围和精神而进行构成、构造的变更、各式各样的要素的置换。因此，不得解释为将以后的记述限定于此。

[第一实施方式]

接着，参照图1等来说明第一实施方式的农业辅助系统。

图1是表示第一实施方式的农业辅助系统1的整体构成的框图。该农业辅助系统1由以能够经由网络NW访问农业关联大数据的方式构成的计算机100和显示器200构成。计算机100构成为能够基于农业关联大数据来生成与在作为预测对象的地区哪种作物获得哪种程度的收益有关的数据和与该作物的生产计划有关的数据。

计算机100作为一例而具备CPU101、输入部102、接口(I/F)103、显示控制部104、RAM105、ROM106、通信控制部107以及硬盘驱动器(HDD)108。CPU101是管理计算机100中的各种运算处理、控制、命令等的运算控制电路。输入部102是例如键盘、鼠标、触摸面板等接受来自使用者的指示、选择的装置。显示控制部104管理对经由网络NW取得的各种数据进行解析、运算并使作为该解析以及运算的结果而获得的预测结果显示于显示器的控制。

HDD108中储存有用于执行收益预测处理、生产计划数据的生成的计算机程序。该计算机程序为了在计算机100中虚拟地实现产量预测部111、作物生产数据存储部112、收益预测数据生成部113、生产计划数据生成部114以及数据加工部115而规定了处理步骤。关于各部111～115的动作，后文叙述。

产量预测部111基于各种数据来预测在预测对象的土地(现有的农地、新开垦地、耕种放弃地、闲置地等)上某作物的产量能够以何种程度获得。产量预测部111能够从一个以上的气象、土质等的平均值等环境数据和作物的平均值等产量数据中选择预测模型用的代表数据，通过数据挖掘来预测一个以上的作物、一处以上的土地的产量。在此，环境数据作为一例为土壤数据、环境数据等。作为土壤数据，可以由国土信息科GIS数据(http://nrb-www.mlit.go.jp/kokjo/inspect/landclassification/download/)获得，作为环境数据，可以由WAGRI(https://api.wagri.net/)、气象局自动气象数据采集系统(www.jma.go.jp)等获得。作为产量预测部的预测结果的一例，可举例农林水产部的生产状况调查(http://www.maff.go.jp/j/tokei/kouhyou/sakumotu/index.html)等。数据挖掘是基于机器学习等进行的大数据解析的方法，具体而言可例举随机森林(Random Forest)、GLMNET套索、PLS。作为获得的数据，可列举各作物以及各土地中的每单位面积的产量预测值、各作物、各土地中的排名、基于产量预测值、排名的类别、热图等数据。

作物生产数据存储部112是储存作物生产数据的存储部。作物生产数据作为一例而包括作物的销售额、经费、农业作业的时期、生产时期、收获时期等数据。并且，作物生产数据按照不同的土地来存储作物的数据。作物生产数据存储部112既可以将能够利用的作物生产数据全部预先储存于硬盘驱动器108本身中，也可以存储从未图示的外部的数据库(服务器)适当传送的数据。作物的销售额数据作为一例可以根据政府统计“e-Stat”的各地域的批发市场价格来取得。并且，作物的生产的经费的数据也一样能够根据政府统计e-Stat来直接或间接地取得。并且，作业的时期、生产的时期的数据能够根据种植信息来取得。

作物生产的经费的数据可以包括农业经营费、农业所得、农业经营收支、劳动时间等。而且，作物生产的经费的数据可以根据作物生产的经费农业毛利、农业经营费、农业所得、农业经营收支、劳动时间等来取得。更详细而言，作物生产的经费的数据可以根据农业收入、农业杂收入、市场等发货、收货费用、雇用工资、种苗、苗木费、肥料费、农业药剂费、材料费、电费燃气费、农具费、农用建筑费、园艺设施费、租金、作业委托金、土地改良费、水费、包装费、打包费、搬运费等来算出。

收益预测数据生成部113基于前述的产量预测数据以及与选定的作物有关的作物生产数据，预测在该土地中栽培该作物的情况下的收益或与收益关联的事项并作为收益预测数据来输出。例如，收益预测数据生成部113作为一例按照各作物与各土地的组合而将每单位面积的该作物的产量的预测值、每单位产量的销售额的预测值及每单位面积的经费的预测值等作为输入数据来预测每单位面积的销售额、收益和其他与收益关联的数据。

作为一例，各作物以及各土地的每单位面积的产量预测值应用超级市场、批发市场等的各作物的每单位产量的销售额，预测与该土地以及作物有关的收益。批发市场除了包括全国的主要的批发市场以外，还可以包括邻近的批发市场。

在此，以名古屋市中央批发市场为例的话，可以取得每月的各作物的每单位产量的销售额的平均值、中值、收获时期的各作物的每单位产量的销售额等来作为销售额数据。假设在名古屋市中央批发市场的西红柿的平均值的每单位产量的销售额为357日元/kg且西红柿每10a(单位面积)的产量预测为6,167.3kg/10a的情况下，推定的销售额(每单位面积)为220.2万日元/10a。

并且，作为一例，也可以根据上述的销售额和e-Stat、各自治团体、研究机关等的各作物的每单位面积的经费来预测收益。例如，利用e-Stat的全国平均、每个都道府县等的经费信息，在每10a的西红柿的全国平均的经费为136.9万日元/10a的情况下，根据上述的推定的销售额220.2万日元/10a，收益额为83.3万日元/10a。

生产计划数据生成部114具有基于前述的产量预测数据以及作物生产数据来生成生产计划数据的功能。生产计划数据包括各农地中的各作物的每单位面积的产量预测值、农业作业的时期、生产期间、劳动时间、农闲期等数据。尤其在策划制定轮种、一年两熟等连续多年生产多个作物的生产计划时，以该多年为基本来设定各作物的作物生产数据。在设有农闲期的情况下，与该农闲期有关的数据也包含于生产计划数据。在连续多个年头生产多个作物的生产计划中，生产计划数据可以包括各农地与各作物的每个组合的各年度中的每单位面积的产量预测值、农业作业、作业时期、生产期间、劳动时间、农闲期等。

生产计划数据作为一例可以根据种植信息而包括各作物的农业作业、作业时期、生产期间、劳动时间、农闲期等。例如，作为胡萝卜、白菜、茄子的生产计划的例子，如下述那样。

作物：胡萝卜

栽培方法：春播

生产时期：1月上旬～6月上旬

劳动时间：118.17小时

农闲期：6月中旬～8月下旬

播种：1月上旬

坑道设置：1月上旬

收获：5月中旬

作物：白菜

栽培方法：夏播移植

生产时期：9月上旬～11月中旬

劳动时间：93.66

农闲期：11月下旬～3月上旬

播种：9月上旬

收获：12月中旬

作物：茄子

栽培方法：坑道早熟

生产时期3月中旬～9月上旬

劳动时间：1049.06

播种：1月上旬

供暖：1月上旬

育苗：1月上旬

嫁接：2月中旬

定植：3月中旬

坑道设置：3月下旬

收获期间：5月上旬

数据加工部115具有对生成的收益预测数据、生成的生产计划数据进行加工而进一步生成各种数据的功能。各种加工数据作为一例而包括农业生产数据、作物选定数据、农地选定数据、农业生产指导数据、农地评价数据、农地利用数据、开发、贩卖战略数据等。通过将这些数据向农业生产人员、新务农人员、生产委托人员、生产指导人员等提供，能够容易地对多个作物、农地中的生产进行比较研究，从而能够进行收益性更优异的作物、农地的选定、适当的生产指导、由基于收益性的农地评价产生的农地的顺利的买卖、租赁的促进、考虑了作物与农地之间的关系的农业资材、种苗的开发、贩卖促进。

作物选定数据是用于针对作为对象的一个以上的农地来选定作物的数据，是向农业生产人员、新务农人员、生产委托人员、生产指导人员等提供的数据。作物选定数据可以包括由一个以上的农地中的一个以上的作物的收益预测以及生产计划构成的农业生产信息。具体而言，可以包括对象农地中的一个以上的作物的每单位面积的销售额预测、收益预测、经费、一个以上的作物的排名、收益预测、基于排名的类别、一个以上的作物的每单位面积的产量预测值、农业作业、作业时期、生产期间、劳动时间、农闲期等。在包括多个作物、多个年头中的生产计划的情况下，作物选定数据可以包括一个以上的作物以及各年度中的每单位面积的产量预测值、农业作业、作业时期、生产期间、劳动时间、农闲期等。

农地选定数据是相对于农业生产人员、新务农人员、生产委托人员、生产指导人员用于针对作为对象的一个以上的作物来选定农地的数据，是由一个以上的作物下的一个以上的农地中的收益预测以及生产计划构成的数据。具体而言，农地选定数据由对象作物下的一个以上的农地中的每单位面积的销售额预测、收益预测、经费、一个以上的农地的排名、收益预测、基于排名的类别、一个以上的农地中的每单位面积的产量预测值、农业作业、作业时期、生产期间、劳动时间、农闲期等构成。在多个作物、多个年头的生产计划中，农地选定数据除了上述以外，还可以根据生产计划数据以及收益数据而包括一个以上的农地中的每单位面积的销售额预测、收益预测、经费、一个以上的农地的排名、收益预测、基于排名的类别、一个以上的农地以及各年度中的每单位面积的产量预测值、农业作业、作业时期、生产期间、劳动时间、农闲期等。

农业生产指导数据是向生产委托人员(企业、研究所、零售业人员等)、生产指导人员(企业、农业合作社、自治团体、研究所等)提供的生产指导用的数据。具体而言，在限定了作为对象的农地以及作物的情况下，除了农业生产数据、作物选定数据以及/或者农地选定数据以外，还将选定作物以及农地并制作的生产指导用手册作为农业生产指导数据来提供。并且，在限定了作为对象的作物的情况下，除了农地选定数据以外，还在选定农地以及作物的基础上提供制作的生产指导用手册。

农地评价数据是用于针对农地进行从例如收益性的角度的评价并将该评价的结果出示给土地所有者、土地管理人员、土地承租人的数据。在限定了作为对象的农地以及/或者作物的情况下，除了农业生产数据以外，还从选定作物以及农地而算出的收益性的角度出发，进行该农地的评价，作为农地评价数据来提供。在此的土地所有者可以包括土地所有者、农户、持有土地的非农户、自治团体、企业、零售业人员、农业合作社等。土地管理人员可以包括不动产行业人员、土地所有者、农户、持有土地的非农户、自治团体、企业、零售业人员、农业合作社等。作为环境数据，有土壤数据、环境数据等，作为其中一例，作为土壤数据，有国土信息科GIS数据(http://nrb-www.mlit.go.jp/kokjo/inspect/landclassification/download/)，作为环境数据，有WAGRI(https://api.wagri.net/)、气象局自动气象数据采集系统(www.jma.go.jp)等。作为产量数据的一例，有农林水产部的生产状况调查(http://www.maff.go.jp/j/tokei/kouhyou/sakumotu/index.html)等。数据挖掘是机器学习等的大数据解析，可例举随机森林(Random Forest)、GLMNET套索、PLS。作为获得的数据，可列举各作物以及各土地中的每单位面积的产量预测值、各作物、各土地中的排名、基于产量预测值、排名的类别、热图等数据。可以包括农户、企业、农业学校、研究所、农业合作社、企业、零售业人员等。

农地利用数据是向例如自治团体、企业等想利用农地的个人、法人、团体等提供的与农地的利用有关的数据。具体而言，在限定了作为对象的农地以及/或者作物的情况下，除了农业生产数据、作物选定数据以及/或者农地选定数据以外，还提供选定作物以及农地而制作的农地利用数据。

开发、贩卖战略数据是向农资公司、种苗公司、农业研究所等提供的与某作物的栽培所需要的农业资材、种苗等的研究开发以及贩卖战略有关的数据。在限定了作为对象的农地以及/或者作物的情况下，除了农业生产数据/作物选定数据/农地选定数据等以外，还提供与选定作物以及农地而制作的农业资材、种苗有关的开发、贩卖战略数据。在此的农资公司除了提供农业工具等的农资公司以外，还可以包括农药公司、肥料公司、农业机械公司等。种苗公司除了开发种苗的公司以外，还可以包括生产、贩卖种苗的公司。农业研究所可以包括农业研究机构、农业试验场等。

在此的农业生产人员包括农户、农业学校、农业经营人员、兼业农户、农业事业体、农业服务事业体、农业法人、农业合作社等。并且，新务农人员有农户继任者、创业者、新毕业务农人员、离职务农人员等。生产委托人员包括企业、研究所、零售业人员等。生产指导人员包括企业、农业合作社、自治团体、研究所等。

在此的作物是指谷物、蔬菜、果树、花卉等。作物并不限定于一个，也可以为多个作物。农地除了被利用于农业生产的现有的农地以外，还包括新开垦地、耕种放弃地或闲置地等今后研究农业生产的土地。农地并不限定于一个农地，也可以为多个农地。

为了提高农业的收益性，重要的是针对多个作物、农地来预测通过生产而获得的销售额、收益等数据(以下将这总称“收益预测数据”)，对于多个作物来对收益进行比较研究。但是，在致力于新的作物的生产时，与生产该作物所需要的经费、每单位产量的市场价格等信息相比，在收益的计算上最重要的产量的数据因强烈地受到生产环境的影响而变动较大。因此，试验性地生产作为候补的作物，需要进行对环境的适应性的评价。但是，作物除了谷物(稻子、小麦、大麦等)以外，还涉及蔬菜(大豆、落花生、豌豆、西红柿、茄子、青椒、彩椒、马铃薯、红薯、卷心菜、生菜、白菜、萝卜、西兰花、大葱、洋葱、黄瓜、南瓜、菠菜、胡萝卜、牛蒡、草莓、甜瓜、西瓜等)、果树(苹果、桃子、梨、橘子、葡萄等)、花卉(菊花、马蹄莲)等多方面。试验性地生产这些各种各样的作物并进行比较研究会花费很多的劳力、成本和年头，在实现农业的收益性提高上成为较大的障碍。

并且，近年来，耕种放弃地的增加成为问题。作为耕种放弃地的增加的原因，有时没有收益上升的作物、新务农人员较少等。

采取了各种应对这种耕种放弃地的对策。例如，在北海道，由于奶价低迷、饲料谷物物价高价等经营环境恶化以及务农人员的高龄化，所以耕种放弃地增加。但是，通过荒废农地等使用率促进补助金等的推动，置换成收益性优异的鞑靼荞麦的生产，由此推进耕种放弃地的再生。

并且，在石川县，因由烟叶需求减少引起的弃农而耕种放弃地增加，但是通过切换成生产收益性较高的马铃薯、黑白菜、红萝卜等，使收益提高，执行了推进耕种放弃地的再生的工作。

如这些事例那样，通过推进从收益性较低的现有的作物向收益性较高的别的作物的切换，使农业再生的工作不断推进。但是，收益性优异的作物的选定并不容易，特别难以对多个作物、农地进行比较研究，这在促进耕种放弃地的再生、新开垦地的增加的方面是很大的问题。

并且，对于首次开始农业的新务农人员而言，需要进行农地、作物的选定，但是关于该农地，农业相关人员拥有的信息是有限的，难以对多个作物、农地进行比较研究。尤其对于在该地域没有生产成果或者生产成果较少的作物，除了难以获得收益性以外，还难以获得农业作业的时期、生产期间、收获时期的信息等。尤其在轮种等连续多年生产多个作物的情况下，需要进行将各个作物的生产期间、产量、收益组合的研究，但是难以进行信息量的取得，这成为新务农人员的增加没有进展的原因之一。

并且，为了农业生产率的提高，适当的农业作业、尤其最新的技术的导入是很重要的，生产指导担有重要的作用。但是，生产指导人员虽然通常有一些有经验的作物的信息，但是关于新的作物的信息并不充分，尤其难以对多个作物、农地进行比较并适当地进行指导。

而且，为了包括新的产地形成等在内的农业生产率的提高，由农资公司、种苗公司等进行的农业资材、种苗的开发、贩卖是不可缺少的。但是，关于到目前为止没有生产的经验的作物，虽然有时应用按气候带划分的信息等来进行应对，但是信息是有限的，信息不足在农业资材、种苗的开发、贩卖上成为较大的障碍。并且，为了农业生产率的提高，农地的使用率促进也是重要的，但是没有根据生产率、收益性来对农地进行评价的计划，评价依赖于土地所有者、土地管理人员的直觉、经验，信息是有限的，因此现状是农地的使用率没有充分提高。

为了应对这种问题，该第一实施方式的农业辅助系统如上述那样在构成运算单元的CPU101中，利用上述的程序的执行，基于包括预测对象的土地的特性以及所述土地的环境在内的数据来预测作物的产量，而且基于产量数据以及作物生产数据来预测生产作物的情况下的收益。另外，基于产量预测以及作物生产数据，还生成作物的生产计划。将这样生成的收益预测数据和作物的生产计划数据提示给农业相关人员。而且，还能够对该收益预测数据、生产计划数据进行加工，加工成不同的数据来输出。如此，根据本实施方式，能够进行收益的预测，并且能够基于以数据为基础的生产计划来执行新的土地中的栽培、新的作物的栽培。

并且，根据本系统，不仅能够向实际进行作物的栽培的农户提供有效的信息，也能够向新务农人员、要通过自己使用自有的土地或让其他公司使用自有的土地来实现有效利用的土地所有者、企业提供有效的信息。通过本系统，能够集聚许多的农地的收益性评价信息等并构筑为数据库。将该数据库经由互联网等公开并能够进行检索、阅览，由此例如对租借土地并开始农业进行研究的人能够阅览并对农地的租赁进行研究。在对租借土地进行研究的人阅览时，能够检索该土地中的收益性、作物、地域、面积等信息。如此，使收益性评价信息数据库化，由此能够通过评价信息提供系统来对土地所有者、土地管理人员及土地承租人进行匹配。

[第二实施方式]

接着，参照图3等来说明第二实施方式的农业辅助系统。

图3是表示第二实施方式的农业辅助系统1的整体构成的框图。第二实施方式的系统1在储存于HDD108的计算机程序以及通过该计算机程序而虚拟实现的部分上与第一实施方式不同。在图3中，对于与图1相同的构成要素，标注相同的参考标记，因此以下省略重复的说明。

第二实施方式的系统1中的计算机程序构成为，除了具备与第一实施方式相同的功能以外，还具备土壤分析部116以及生产管理数据生成部117。土壤分析部116对作为对象的土地中的土壤的特性进行分析，输出作为该分析结果的土壤分析数据。并且，生产管理数据生成部117具有如下的功能：按照选定的土地以及作物、该土地中的该作物的收益预测数据、生产计划数据以及土壤分析数据，来生成在该土地中生产该作物的情况下的生产管理用的生产管理数据(参照图4)。

土壤分析部116也可以通过例如栗田分析中心有限公司的“SOFIX”(URL：https://www.kuritabunseki.co.jp/？page_id＝7414)、未来藏(MIRAIZOU)有限公司的“土壤分析”(URL：http://mirai-zou.co.jp/)、农林水产部的“简易土壤诊断”(http://www.maff.go.jp/j/seisan/kankyo/hozen_type/h_sehi_kizyun/tottori01.html)等公知的系统来实现。并且，生产管理数据生成部117也可以通过丰田汽车有限公司的“丰收计划”(https://www.toyota.co.jp/housaku/)、富士通有限公司的“秋彩”(https://jp.fujitsu.com/solutions/cloud/agri/)、松下有限公司的“栽培导航”(https://agri.panasonic.com/saibai/)、久保田有限公司提供的“KSAS”(https://ksas.kubota.co.jp/)等公知的系统来实现。

根据该第二实施方式，如图4所示，除了收益预测数据、生产计划数据以外，还取得对象的土地的土壤分析数据，基于这些数据而在生产管理数据生成部中提供生产管理数据。由此，能够进行收益的预测，并且能够基于有数据支持的计划来执行新的土地中的栽培、新的作物的栽培。

[第三实施方式]

接着，参照图5等来说明第三实施方式的农业辅助系统。

图5是表示第三实施方式的农业辅助系统1的整体构成的框图。第三实施方式的系统1在储存于HDD108的计算机程序以及通过该计算机程序而虚拟实现的部分上与前述的实施方式不同。在图5中，对于与图1相同的构成要素，标注相同的参考标记，因此以下省略重复的说明。

第三实施方式的系统1中的计算机程序构成为，除了具备与第二实施方式相同的功能以外，还具备经营管理数据生成部118。经营管理数据生成部118具有如下的功能：按照选定的土地以及作物、该土地中的该作物的收益预测数据、生产计划数据以及土壤分析数据，来生成实践在该土地中生产该作物的农业经营的情况下的与该农业经营有关的经营管理数据(参照图6)。

经营管理数据与生产管理数据密切相关。因此，在生产管理数据生成部117中，也参照经营管理数据并生成生产管理数据，并且在经营管理数据生成部118中，也参照生产管理数据并生成经营管理数据。并且，还能够对已生成的生产管理数据以及经营管理数据以使一方反映于另一方的那种形式在数据加工部115中进行加工并再输出。

本发明并不限定于上述的实施方式，还包括各种各样的变形例。例如，上述的实施方式为了易于理解地说明本发明而详细地进行了说明，并不限定于一定具备说明的全部的结构。并且，能够将某实施方式的结构的一部分置换成其他的实施方式的结构，并且还能够在某实施方式的结构中添加其他的实施方式的结构。并且，对于各实施方式结构的一部分，能够进行其他的结构的追加、删除、置换。