L24 農地転用状況 17件 統合分析 — 広島県内の農地が非農地に変わるパターン

データ取得手順

✅ このスクリプトは初回実行時にデータを自動取得します（DoBoX からの直接ダウンロード）。

実行コマンド:

cd "2026 DoBoX 教材"
python -X utf8 lessons/L24_farmland_conversion.py

DoBoX のオープンデータは申請不要・商用/非商用とも利用可。 data/extras/ は .gitignore 対象（約 57 GB のキャッシュ）。 スクリプト実行で自動再生成されます。

1. 学習目標と問い

本記事は、広島県インフラマネジメント基盤 DoBoX が公開する 「都市計画区域情報_農地転用状況」シリーズ 17 件 (#1394, #1393, #1406, #1402, #1403, #1404, #1396, #1401, #1405, #1400, #1397, #1398, #1391, #1395, #1392, #1407, #1399) を縦結合し、2016-2020 年の広島県内 17 市町の 農地転用対象ポリゴン 計 14,459 件 (合計 155,111 ha = 1551 km²) から、広島県内の「農地が非農地に変わるパターン」 ── 全県転用配置・市町別パターン・ 規模分布・KUIKI_CD 別の都市計画区域階層別 ── を分析する研究記事である。 全 20 市町中 3 町 (府中町・海田町・坂町) は農地転用対象なし ─ 都市部 100% で 都市計画基礎調査の対象農地が無い ─ そのコントラストも分析対象とする。

仮説 H1〜H6

• H1: 県内 17 市町の総 AREA (転用対象農地面積) は50,000 ha 以上。 広島県農地面積 (約 5 万 ha 〜 10 万 ha 規模) と同オーダーで、 県の市域面積 (8,479 km²) の数 % 〜 十数 %に相当。
• H2: AREA 上位は中山間市 (庄原・三次・東広島・北広島・世羅) で 合計 5 万 ha 超。都市部 (広島市・呉市・福山市) より中山間市の方が 対象農地面積は遥かに大きい ─ 「都市拡張型」ではなく「中山間の制度的農地区分」が主体。 広島県の食料供給基盤は中山間に偏在している。
• H3: AREA = 0 のポリゴン (図面精度 1/50,000 で四捨五入されて 0 になった微小区画) が市町ごとに 5-25% 存在する。 図面精度の限界が定量的に観察できる。
• H4: AREA 列 (ha 単位) はジオメトリ面積 (m²) を 10,000 で割った値と 一致する (実測比 geom_area_m² / AREA = 10,000)。 仕様書未公開の AREA 単位を実データから推定できる例。
• H5: KUIKI_CD のフラグ値分布は市町間で異なり、 都市計画区域階層 (線引き内/外/区域外) のフラグと推定される。 都市 7 市町は 0,1,2 (+3,4,5,6) のフル区分、 中山間 8 市町は 0,3,4 のみ (= 線引き無し)。
• H6: 大規模対象農地 (AREA ≥ 10 ha) は件数の 10% 未満だが、 面積合計の過半を占める ─ 「大規模区画が面積を支配する」 パレート構造。

独自用語の定義 (本レッスン内のみ)

• 農地転用 (本シリーズの定義): 都市計画基礎調査に基づき、 農業振興地域・農用地区域として特別に保全されている農地のうち、 他用途への転用が許可・予定された区画。 本データは「過去 5 年間 (2016-2020) に転用許可された対象農地」を 示すと推定されるが、仕様書未公開のため「転用が記録された対象農地ポリゴン」と 総称する。『すでに転用された土地』そのものではなく、 『農地のうち転用対象として図面化された区画』として扱う。
• AREA: 各転用ポリゴンの面積を ha (ヘクタール) 単位で記録した数値。 仕様書には単位明記なしだが、実測 (geom_area_m² / AREA = 10,000) から ha 単位と確定。 1 ha = 10,000 m² = 100 m × 100 m の正方形。 AREA = 0 のポリゴンは四捨五入で潰れた微小区画 (実測 50 m² 未満)。
• 図面精度 1/50,000: BIKOU 列に明記された地理情報の精度水準。 図面 1 mm = 実距離 50 mに相当 ─ 地形図の縮尺。 この精度でデジタル化された区画は、最小描画単位が50 m × 50 m = 0.25 ha 程度になり、それ未満の区画は AREA = 0 で表現される。 AREA = 0 ポリゴンの実測面積分布で精度限界が定量化できる。
• BIKOU: 備考列。「国土数値情報を活用して作成したため、 図面精度は1/50,000である」という図面精度の警告メッセージが 入っている (竹原市のみ全件 None)。
• KUIKI_CD: 区域コード (0-6 の 7 値、仕様書未公開)。 本記事の独自解読: 都市計画区域階層フラグと推定される。 都市 7 市町 (広島・呉・三原・東広島・尾道・府中・福山) のみ 1, 2, 5, 6 を 含み (= 線引き都市計画区域あり)、 中山間 8 市町は 0, 3, 4 のみ (= 線引き無し or 区域外)。
• TOKEI_CD: 統計区分コード (1, 2, 3 の 3 値、仕様書未公開)。 農用地区域種別 (農振農用地 / 農振白地 / 都市計画区域内 等) の フラグと推定。市町別の値分布が異なる。
• RITTEKI_CD: 立地コード (0, 1, 2 の 3 値、仕様書未公開)。 参考扱い。
• 規模クラス (本記事独自分類): AREA を 6 段階に分類。 0_微小 (<0.01 ha)、1_小 (0.01-0.1 ha)、 2_中 (0.1-1 ha)、3_大 (1-10 ha)、 4_超大 (10-100 ha)、5_巨大 (≥100 ha)。
• 地理タイプ (本記事独自分類): 17 市町を 4 タイプに分類。 都市 (10 市): 広島市・呉市・福山市・東広島市・廿日市市・尾道市・三原市・ 竹原市・府中市・大竹市、 中山間 (5 市町): 三次市・庄原市・安芸高田市・北広島町・世羅町、 離島 (1 市): 江田島市、 近郊町 (1 町): 熊野町。 地理軸での分類は、本シリーズの転用パターンが市町タイプ (政令市/中核市/市/町) より 地理タイプで強く分かれるため。
• 対象農地率 (本記事独自指標): AREA合計 (ha) / 市域面積 (km²) / 100 ×100%。 「市域の何 % が転用対象農地として図面化されているか」。
• 転用密度 (本記事独自指標): AREA合計 (ha) / 市域面積 (km²)。 「市域 1 km² あたりの対象農地 ha」。
• パレート構造: 件数の少数 (例: 上位 1%) が量の多数 (例: 全体の 80%) を占める分布。 80-20 法則とも。本データでは大規模ポリゴン少数が面積大半を占める。

到達点

1. 17 ZIP の農地転用 GeoJSON を 1 個の GeoDataFrame (14,459 polygon × 7 列 + 派生 5 列) に縦結合できる。 AREA 列は pd.to_numeric(errors="coerce") で安全に数値化する手順を学ぶ。
2. 14,459 polygon から、市町単位の総面積・件数・密度・転用率の 集計を groupby で実装する。
3. 農地転用ポリゴンを geopandas.plot() で 主題図 (choropleth) + バブル図化し、地理分布を可視化する。
4. 17 市町 small multiples で「市町ごとの農地転用配置パターン」を一目で比較。
5. 規模クラス × 市町 のクロス集計とパレート図で、 「大規模区画が面積を支配する」構造を定量化する。
6. 仕様書未公開の KUIKI_CD / TOKEI_CD / AREA 単位を、 実データの分布と整合性検証から「自分で解読する」体験。
7. 3 町 (府中町・海田町・坂町) と 17 市町を対比して、 「農地転用対象が無いことの地理的意味 = 都市部 100%」を理解する。

本記事のスコープ宣言

本記事は農地転用状況 17 件のみを主データとする研究記事である。 同じ都市計画基礎調査シリーズの農林漁業関係施策 (L25, 17 件) は次記事で扱う (本記事と合体させない、要件 I 違反の水増し回避)。 都市計画区域階層との対比 (KUIKI_CD 解読) のため、 17 市町行政区域 (L15 既取得) のみ背景レイヤーとして利用するが、 L15 都市計画区域記事と論点を重複させない。

2. 使用データ

農地転用状況 17 件はそれぞれ 1 市町分の 農地転用ポリゴン GeoJSON (Polygon) を ZIP で配布している。列構造は 17 件で 100% 一致 (7 列)。 データは2016-2020 年の 5 年間を対象、 都市計画法に基づく都市計画基礎調査の結果として公表されている。

17 dataset_id 一覧 (農地転用あり 17 市町)

合計: 14,459 ポリゴン / AREA合計 155,111 ha = 1551.1 km² (2016-2020 年期間)。広島県全域面積 8,479 km² に対し、 対象農地率は 18.3%。 件数最大は竹原市 8,879 件 (異常に多い、別ソースの精密データの可能性)、 件数最小は大竹市 33 件。 AREA 最大は庄原市 19,231 ha (1 ポリゴンで 192 km²、市域 1,246 km² の 15%)。

農地転用データ無し 3 町 (参考)

3 町 (府中町・海田町・坂町) は広島市の近郊ベッドタウンで 町域の大半が市街化済 ─ 農業振興地域・農用地区域がほぼ存在しないため、 都市計画基礎調査の「農地転用対象」シリーズに含まれない。 3 町とも人口密度が DID 認定線 (4,000 人/km²) を超える都市町。

列構造の詳細 (7 列)

3. ダウンロード (再現用データ・中間データ・図・スクリプト)

本記事の再現性を担保するため、HTML 1 枚から 生データ・中間 CSV・図 PNG・再現 Python を直リンクで取得できる。

(1) 生データ ZIP (DoBoX 直)

17 件の ZIP は前項の表からそれぞれ DoBoX へリンク。 あるいは一括取得スクリプト:

cd "2026 DoBoX 教材"
py -X utf8 data\extras\L24_farmland_conversion\fetch_farmland_conversion.py

合計サイズ約 12 MB。監査時に取得済の 3 市町 (広島市・呉市・福山市) は data/extras/_urban_planning_audit/ から自動コピー、 残り 14 市町は DoBoX から HTTP 取得 (約 30 秒)。

(2) 中間 CSV (本スクリプトの出力)

• L24_city_summary.csv — 17 市町サマリ (件数・AREA・密度・転用率・1人あたり 等 14 指標)
• L24_no_farm_cities.csv — 農地転用無し 3 町の一覧 (面積・人口・地理タイプ)
• L24_farm_polygons_top5000.csv — ポリゴン単位 上位 5,000 行 (AREA 降順)
• L24_load_log.csv — 17 件読込ログ (件数・AREA合計・最大・KUIKI_CD群)
• L24_scale_class_count.csv — 規模クラス × 市町 (件数)
• L24_scale_class_area_ha.csv — 規模クラス × 市町 (面積 ha)
• L24_scale_overall.csv — 規模クラス全体集計
• L24_kuiki_count.csv — KUIKI_CD × 市町 クロス
• L24_kuiki_overall.csv — KUIKI_CD 全体集計
• L24_tokei_overall.csv — TOKEI_CD 全体集計
• L24_top20_large.csv — 大規模対象農地 top 20
• L24_hypothesis_results.json — 仮説 H1〜H6 検証結果 (JSON)

(3) 図 PNG (本記事掲載 9 枚)

• L24_fig01_overview.png — 県全域 農地転用ポリゴン主題図
• L24_fig02_farm_vs_nofarm.png — 17 市町 vs 3 町 マップ
• L24_fig03_small_multiples.png — 市町別 17 panels + 無し 3 町 panel
• L24_fig04_city_ranking.png — 市町別 面積 + 件数 + 単位面積あたり
• L24_fig05_area_consistency.png — AREA 申告 vs 実測 + AREA=0 分布
• L24_fig06_scale_class.png — 規模クラス構成 + パレート図
• L24_fig07_large_bubble.png — 大規模対象農地 (≥10 ha) バブルマップ
• L24_fig08_kuiki_cd.png — KUIKI_CD 別マップ + 市町クロス
• L24_fig09_pop_area_scatter.png — 市域面積/人口 × 対象農地散布

(4) 再現用 Python スクリプト

• L24_farmland_conversion.py — 本記事の全コード
• fetch_farmland_conversion.py — 17 ZIP 取得スクリプト

実行は cd "2026 DoBoX 教材"; py -X utf8 lessons\L24_farmland_conversion.py。 17 ZIP がローカルにあれば 30 秒程度で全図 + CSV 再生成 (要件 S 準拠)。

4. 分析1: 17 GeoJSON 統合 + AREA 数値化 + 派生指標

狙い

17 ZIP の農地転用 GeoJSON を 1 個の GeoDataFrame (14,459 polygon × 7 列 + 派生 5 列) に統合し、後段の市町別集計・主題図・規模分析の基盤データを作る。行政区域 21 件 (転用対象 17 + 無し 3 + 広島県全域 1) を背景レイヤーとして同時に読み込む。AREA 列の単位確定 (仕様書未公開) と文字列→数値の安全変換がこの分析の核。

手法

直感: ZIP を読む → 列を共通 7 列に揃える → AREA を pd.to_numeric で安全に数値化 → 縦結合 → CRS 変換 → 派生指標 (実測 ha・整合性比・規模クラス) を計算 → 行政区域 dissolve で背景レイヤー作成。

大筋 (5 ステップ)

1. 17 市町について load_geojson_zip() で GeoDataFrame を読む
2. 共通 7 列に正規化 (本データは追加列無し)
3. AREA 列を pd.to_numeric(errors='coerce') で安全に数値化 (失敗時 NaN で型崩れ防止 — 監査時の object dtype 対応)
4. pd.concat で縦結合 → 14,459 行 1 個の GeoDataFrame
5. 派生指標 5 つを計算: geom_area_m2, geom_area_ha, area_ratio (申告/実測), scale_class (規模分類)

前提と限界: 17 件の AREA データは追加列が全く無い。竹原市 (ds=1401) のみ件数が 8,879 と異常に多く BIKOU=None で、他市町と異なる精密データソースの可能性 (本記事では補正せず合体)。広島市 (ds=1394) は CITY_CD = 105-108 の 4 区分のみで、8 区全部のデータは含まれない (都心部 4 区は対象農地ほぼ無し)。『仕様書未公開でも、データから読める』のが本シリーズの面白さで、本記事はその解読プロセスを教材化している。

実装

↑ L24_farmland_conversion.py 行 97–242

 1
 2
 3
 4
 5
 6
 7
 8
 9
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130

DATA_DIR = ROOT / "data" / "extras" / "L24_farmland_conversion"
ADMIN_DIR = ROOT / "data" / "extras" / "L15_admin_zones"
TARGET_CRS = "EPSG:6671"

# 17 件は 7 列 100% 共通
COMMON_COLS_7 = ["TOKEI_CD", "CITY_CD", "KUIKI_CD", "AREA",
                 "RITTEKI_CD", "BIKOU", "geometry"]

frames = []
for dsid, name, _adm, ctype, rtype in CITY_DEFS:
    z = DATA_DIR / f"farm_{dsid}_{name}.zip"
    g = load_geojson_zip(z)
    g = g[COMMON_COLS_7].copy()

    # *** AREA を文字列扱いから数値化 (要件 K の Before/After) ***
    g["AREA_raw"] = g["AREA"].astype(str)        # 元値を保持 (例: "1114.18")
    g["AREA"]     = pd.to_numeric(g["AREA"],    # 数値化 (失敗は NaN)
                                  errors="coerce")
    # NaN になった場合は要確認 (本データでは全件成功)

    g["src_city"] = name
    g["rtype"] = rtype
    frames.append(g)

farm = gpd.GeoDataFrame(pd.concat(frames, ignore_index=True),
                        geometry="geometry", crs=frames[0].crs)
farm = farm.to_crs(TARGET_CRS)

# 派生列
farm["geom_area_m2"]  = farm.geometry.area              # 実測 m²
farm["geom_area_ha"]  = farm["geom_area_m2"] / 1e4      # 実測 ha
farm["area_ratio"]    = farm["geom_area_ha"] / farm["AREA"].replace(0, np.nan)
# 規模クラス (微小/小/中/大/超大/巨大)
farm["scale_class"] = farm["AREA"].apply(_scale_class)

入出力 Before/After (要件 K — AREA を文字列から数値化する 1 件の追跡)

仕様書未公開で監査時 (2026-05-03) の AREA 列は object (文字列) 型だった。 現データ取得時点 (2026-05-09) では float64 になっているが、 教材として『常に安全な数値化処理』を組み込む。 広島市最大ポリゴン (1 件) を例に、最初から最後まで追跡する:

このように、7 列の生データから 規模・整合性・実測haの派生指標を導出することで、 農地転用ポリゴンの分布を多角的に評価できる。 特に area_ratio 列は「申告データと実測ジオメトリの整合性検証」として機能し、 『仕様書未公開でも、データから単位を確定できる』本記事の中核手法。

余談: AREA 単位は ha と確定したが、 全 14,459 ポリゴンの中央値 area_ratio = 1.0000 で IQR = [0.982, 1.012]。 誤差 ±2% 以内に収まり、データの内部整合性は良好。 小ポリゴンほど誤差が大きく (図面精度の限界)、 大ポリゴンほど誤差は 0 に近づく (相対誤差が縮む)。

結果

17 ZIP のうち、17 件すべてが共通 7 列で読み込み成功。統合後の farm GeoDataFrame は 14,459 polygon × 12 列(7 共通 + AREA_raw + src_city + src_dsid + ctype + rtype + 派生 4)。AREA 合計 = 155,111 ha = 1551 km² (= 広島県全域の 18.3%)。処理時間は 21.8 秒で要件 S を満たす。

表 1 — 17 市町 読込ログ

この表から読み取れること: 件数最大は竹原市 8,879で異常に多く、AREA最大はわずか 5.4 ha ─ 『大量の微小ポリゴン』で他市町と質的に異なる。AREA最大は庄原市 19,231 ha (1 ポリゴン!) で、市域 1,246 km² の 15%。AREA=0 比率は市町間で大きく違う: 大竹市 0% (33 件全部に値あり) ↔ 竹原市 13% ↔ 庄原市 6% ↔ 広島市 18%。これは図面精度の市町間差を示す。KUIKI_CD 群は中山間市は 0,3,4 のみ (= 線引き無し)、都市市は 0,1,2 (+ 5,6) のフル区分 (= 線引きあり) という構造的差が見える。

5. 分析2: 県全域マップ + 17 vs 3 (H1)

狙い

広島県内の農地転用ポリゴン全 14,459 件の地理的配置を 1 枚で見せる。「県のどこで、どう密集して農地転用対象が広がっているか」を地図で直接視覚化することは、本シリーズの本質を理解する最短経路。農地転用あり 17 市町 vs 無し 3 町を色分けで対比する 2 枚目で、「農地転用対象がない地域 = 都市 100%」の地理的意味も同時に伝える。

手法

(a) 県全域 主題図: 全 20 市町 (= 17 + 無し 3) と広島県全域の行政区域を背景にし、geopandas.plot(facecolor=rtype_color, alpha=0.55) で農地転用ポリゴンを地理タイプ色 (都市=赤・中山間=緑・離島=青・近郊町=紫) で描画。ポリゴン枠線は描かない (alpha 重なりで密度が読める)。

(b) 17 vs 3 マップ: 17 市町をオレンジ、3 町を緑で塗り、農地転用ポリゴンを赤で重ねる。「3 町には赤が乗らない = 都市 100% で農地転用対象なし」を一目で見せる。

実装

↑ L24_farmland_conversion.py 行 1413–1446

 1
 2
 3
 4
 5
 6
 7
 8
 9
1422
1423
1424
1425
1426
1427
1428
1429

# (a) 県全域 主題図 (rtype 色)
fig, ax = plt.subplots(figsize=(13, 9))
admin_diss.plot(ax=ax, facecolor="#f5f5f5", edgecolor="#888")
admin_farm = admin_diss[admin_diss["farm_status"] == "農地転用あり"]
admin_farm.plot(ax=ax, facecolor="#fafff0", edgecolor="#444")
for rt, col in RTYPE_COLOR.items():
    sub = farm[farm["rtype"] == rt]
    sub.plot(ax=ax, facecolor=col, alpha=0.55, edgecolor="none",
             label=f"{rt} ({len(sub):,})")

# (b) 17 vs 3
fig, ax = plt.subplots(figsize=(13, 9))
admin_diss[admin_diss["farm_status"] == "農地転用あり"].plot(
    ax=ax, facecolor="#fee0b6", edgecolor="#444")
admin_diss[admin_diss["farm_status"] == "農地転用無し"].plot(
    ax=ax, facecolor="#cfe9d8", edgecolor="#444")
farm.plot(ax=ax, facecolor="#cf222e", alpha=0.45, edgecolor="none")

図 1 — 県全域 農地転用ポリゴン主題図 (地理タイプ色)

なぜこの図か: テーブルや棒グラフでは「対象農地が県のどこに、どう広がっているか」が分からない。地図 1 枚で「中山間 (緑) に対象農地が広く、都市 (赤) は中心部のみ」という県全体の地理構造を一気に伝える。

広島県 農地転用対象ポリゴン 全 14,459 件 (2016-2020)

この図から読み取れること

• 緑 (中山間 5 市町) が県北・東部に広く緑色に染まる ─ 『広島県の食料供給基盤は中山間にある』。庄原市・三次市・東広島市・北広島町・世羅町は対象農地が市域全体に広がる。
• 赤 (都市 10 市) は瀬戸内沿岸ベルト + 福山市東部に分散 ─ 都市中心部以外の周辺に対象農地が散在する形。広島市は CITY_CD=105-108 の 4 区分のみで、デルタ平野の周辺山際に対象農地。
• 青 (離島 = 江田島市) は瀬戸内の小島群に小さく赤い斑点 ─ 離島での農業基盤の名残り。
• 紫 (近郊町 = 熊野町) は広島市近郊に小規模、対象農地は限定的。
• 3 町 (府中町・海田町・坂町) には赤の緑も無い = 『市街化 100% で農地転用対象が存在しない』。

図 2 — 農地転用あり 17 市町 vs 無し 3 町

なぜこの図か: 「対象農地ゼロの地理境界」を一目で見せる。3 町 (府中町・海田町・坂町) はすべて広島市近郊のベッドタウン ─ これは地図でないと伝わらない。「政令市の通勤圏に取り込まれた小規模町は、対象農地が消滅する」という都市化の最終段階を示す。

農地転用あり 17 市町 (オレンジ) vs 無し 3 町 (緑)

この図から読み取れること

• 緑の 3 町 (府中町・海田町・坂町) はすべて広島市東-南東に密集 ─ 『広島市の通勤圏に取り込まれた近郊町』= 都市計画基礎調査の対象農地ゼロ。L23 で府中町・海田町・坂町が DID 占有率 17-56% の『町ぐるみ DID』と同定された通り、農業基盤が消失している。
• オレンジの 17 市町は県全域に広がる ─ 都市部の広島・呉・福山も含めて、市域内に農地区分が残る。
• 赤 (転用ポリゴン) は中山間 (北部・北東部) に最も濃く、都市中心部 (広島市デルタ・福山市駅前) には乗らない ─ 『対象農地は中山間に偏在』の地理構造が直視できる。
• 同じ近郊町でも、府中町・海田町・坂町 (転用無し) と熊野町 (転用あり) は別グループ ─ 地形差(府中町・海田町・坂町は平地、熊野町は山間に集落) が決定的。

表 2 — 17 市町 vs 3 町 集計

この表から読み取れること: 17 市町は面積では県の 99.5%を占め、対象農地率は20.2%。3 町は面積で 0.52%のみだが対象農地ゼロ ─ 『都市部の対象農地は完全に消失している』。県全域の対象農地率は 20.1% ─ 県の市域面積の約 18% が「都市計画基礎調査における転用対象農地」として図面化されている。

6. 分析3: 市町別 small multiples + ランキング (H2)

狙い

17 市町の農地転用配置パターンを 17 panels small multiples で並列比較する。市町ごとの「対象農地が市域のどこに、どう広がっているか」を一目で見せ、都市 vs 中山間 vs 離島 vs 近郊町の質的違いを地図で示す。ランキング 3 連 panel で、『面積』『件数』『転用密度』の 3 軸から市町順位を立体的に描く。

手法

plt.subplots(4, 5) で 20 panel を作り、17 市町 + 1 (3 町) + 余り 2。各 panel は市域に bbox を揃え、対象農地を地理タイプ色で描画。ランキングは横軸 (面積/件数/密度) を 3 つに切って barh で並べる。件数は log スケールで広島市と大竹市の 270 倍格差を圧縮表示。

実装

↑ L24_farmland_conversion.py 行 1541–1580

 1
 2
 3
 4
 5
 6
 7
 8
 9
1550
1551
1552
1553
1554
1555
1556
1557
1558
1559
1560

# small multiples 17 panels
fig, axes = plt.subplots(4, 5, figsize=(20, 16))
for ax_, (dsid, name, _adm, ctype, rtype) in zip(axes.flat, CITY_DEFS):
    cnt = admin_diss[admin_diss["city"] == name]
    cnt.plot(ax=ax_, facecolor="#f5f5f5", edgecolor="#888")
    sub_farm = farm[farm["src_city"] == name]
    sub_farm.plot(ax=ax_, facecolor=RTYPE_COLOR[rtype], alpha=0.55)
    n = len(sub_farm); a_ha = sub_farm["AREA"].sum()
    ax_.set_title(f"{name} ({rtype}) {n:,}件 / {a_ha:,.0f} ha")

# 3 連ランキング (面積/件数/密度)
fig, axes = plt.subplots(1, 3, figsize=(18, 9))
order_a = city_agg.sort_values("area_ha_sum")
axes[0].barh(order_a["city"], order_a["area_ha_sum"],
             color=[RTYPE_COLOR[rt] for rt in order_a["rtype"]])
order_n = city_agg.sort_values("n_poly")
axes[1].barh(order_n["city"], order_n["n_poly"], color=...)
axes[1].set_xscale("log")  # 件数は log スケール
order_d = city_agg.sort_values("conv_per_km2")
axes[2].barh(order_d["city"], order_d["conv_per_km2"], color=...)

図 3 — 市町別 17 panels small multiples

なぜこの図か: 1 枚の県全域図では、市町ごとの「転用パターンの質的違い」が分からない。17 panels で並列比較すると、「庄原市の市域 8 割が緑」と「府中市の市域中央に小さい緑」が同じスケールで対比でき、市町タイプと転用パターンの関係が直感的に伝わる。

市町別 農地転用配置 small multiples (17 + 無し 3 町)

この図から読み取れること

• 庄原市 (304 件 / 46,710 ha): 市域全体が緑に染まる ─ 県内最大の対象農地。中山間都市の典型で、市域の大半が農地区分。
• 三次市・北広島町・世羅町: 同じく中山間で、市域の半分以上が緑。
• 東広島市: 中山間 + 都市の混合で、市域中央〜南が薄い緑。西条 (大学・産業) 周辺は開発済で対象農地少なめ。
• 竹原市 (8,879 件): 件数が圧倒的に多いが、各ポリゴンが微小 (max 5.4 ha)。『大量の微小区画』 = 別ソースの精密データの可能性。
• 大竹市 (33 件): 件数最少 ─ 工業都市で対象農地そのものが少ない。1 件 / 13.4 ha という大きな単一ブロックが中心で、「件数少なくも面積中規模」のパターン。
• 広島市: 政令市だが対象農地は市域北・北西の山際に限定 ─ 中区・西区など南部のデルタ地帯に対象農地は無い。
• 離島 (江田島市): 瀬戸内の島々に小さい青い斑点 ─ 島嶼農業の名残り。
• 右下 panel (3 町): 府中町・海田町・坂町は市街化 100%で対象農地ゼロ ─ 「町ぐるみベッドタウン」の最終形態。

図 4 — 市町別 面積/件数/密度 ランキング 3 連

なぜこの図か: 市町を 3 つの異なる指標 ─ 「総面積」「ポリゴン件数」「単位面積あたり転用密度」 ─ で並べると、都市 vs 中山間の構造の違いが立体的に見える。1 つの指標だけでは見えない『市町タイプの多軸性』を伝える。

市町別 総転用面積 / 件数 / 単位面積あたり転用 (3 連 panel)

この図から読み取れること

• 左 (総転用面積 ha): 庄原市 46,710 ha が他を圧倒。次が東広島市・三次市・北広島町・世羅町と続き、上位 5 件すべてが中山間。政令市・中核市 (広島・呉・福山) は中山間の半分以下。
• 中央 (件数 log): 竹原市 466 件が異常 (他の 10-50 倍)、次が東広島・尾道・福山・三次。件数と面積はパラレルでない ─ 件数多くてもポリゴン微小なら面積小さい。
• 右 (転用密度 ha/km²): 世羅町 22.3、庄原市 37.5、北広島町 12.9 が上位 ─ 『中山間市町ほど市域 1 km² あたり対象農地 ha が大きい』。= 市域に占める農地比率が高い。離島 (江田島市) と都市市は密度が低い。
• 3 指標を合わせて見ると、市町は次の 4 タイプに分類できる: (I) 中山間広域型 (庄原・三次・北広島・世羅) = 大面積・中件数・高密度、(II) 都市部分散型 (尾道・福山・三原) = 中面積・多件数・低密度、(III) 微小密集型 (竹原) = 中面積・極多件数・中密度、(IV) 都心希薄型 (広島・呉・大竹・廿日市) = 小面積・少件数・低密度。

表 3 — 17 市町 集計表 (面積降順)

この表から読み取れること: AREA 合計 1 位は庄原市 46,710 ha (市域の 37.5%)、最下位は大竹市 440.7 ha。1 人あたり対象農地は中山間市町で41 a/人 (世羅町) や 142 a/人 (庄原市) と桁違いに大きく、政令市は0 a/人 (広島市)と最小。『中山間住民は 1 人あたり 1 ha 規模の農地を背景に持つ』 vs 『都市住民は 0.0X ha 規模の対象農地しかない』という対比が定量化された。

7. 分析4: AREA 単位検証 + 微小区画分析 (H3, H4)

狙い

仕様書未公開のAREA 列の単位を、ジオメトリ実測との比較から確定する。AREA = 0 のポリゴンが大量にある (全 18%) 事実は図面精度 1/50,000 の限界を示すデータ品質の話。これらを定量的に解明することで、「仕様書未公開の公開データを安全に使う方法」を学習者に伝える。

手法

(a) AREA 申告 vs 実測 散布図 (log-log): x軸 = AREA (申告 ha)、y軸 = geom_area_ha (m² から換算した実測 ha)。y = x の対角線が「申告 = 実測」を意味する。『AREA × 10,000 = m²』であれば、両軸 ha で y = x にぴったり乗る。別の単位 (a だったら 100 倍ずれ、m² だったら 10,000 倍ずれ) ならズレる。AREA = 0 を除外 (log は 0 を扱えない)。

(b) AREA = 0 の geom_area 分布: AREA = 0 ポリゴンの実測面積をヒストグラム化。『どの程度小さいから 0 に丸められたか』を可視化することで、図面精度 1/50,000 の四捨五入境界を逆算する。ha 単位での 0 とは0.005 未満 = 50 m² 未満。

実装

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

fig, axes = plt.subplots(1, 2, figsize=(16, 7))

# (a) AREA 申告 vs 実測 散布
nz = farm[farm["AREA"] > 0]   # AREA = 0 を除外
for rt, col in RTYPE_COLOR.items():
    sub = nz[nz["rtype"] == rt]
    axes[0].scatter(sub["AREA"], sub["geom_area_ha"], c=col, s=4, alpha=0.3)
xs = np.array([0.001, 100000])
axes[0].plot(xs, xs, "--", color="black", label="y=x (申告=実測)")
axes[0].set_xscale("log"); axes[0].set_yscale("log")

# (b) AREA = 0 の geom_area 分布
zero = farm[farm["AREA"] == 0]
axes[1].hist(zero["geom_area_ha"].clip(upper=0.012), bins=41,
             color="#cf222e", edgecolor="white")
axes[1].axvline(0.005, ls="--", label="四捨五入境界 (0.005 ha = 50 m²)")

図 5 — AREA 申告 vs ジオメトリ実測 (左) + AREA=0 の実測面積分布 (右)

なぜこの図か: AREA 列の単位確定は『仕様書なしのデータと向き合う』教材の核心。log-log 散布で y = x ラインに点が乗ることで 『申告 ≒ 実測』が視覚的に確認できる。右側の AREA=0 ポリゴンの実測ヒストグラムは、図面精度の限界を直視させる。

AREA 申告値 vs ジオメトリ実測 (左, log-log) + AREA=0 の実測面積分布 (右)

この図から読み取れること

• 左図: 全 11,844 ポリゴン (AREA>0) の点がy=x の対角線にぴったり乗る ─ 『AREA は ha 単位で確定』。area_ratio 中央値 = 1.0000, IQR = [0.9815, 1.0119]、誤差は ±2% 以内。
• 大ポリゴン (右上) ほど誤差が小さく y=x に密着 ─ 絶対誤差は固定でも相対誤差は縮む。小ポリゴン (左下) は y=x からやや外れる ─ 図面精度の限界が相対誤差として顕在化。
• 右図: AREA=0 ポリゴン 2,615 件の実測面積は0 - 0.005 ha (= 0-50 m²)に集中。AREA 申告値の四捨五入境界 0.005 haを境に分布が切れる。『図面精度 1/50,000 → 50 m²/件 の最小描画単位』が定量的に確認された。
• 図面精度の限界以下 (2,615 件 = 全 18%) は『真に 0 ではなく、データから抜け落ちた小区画』。これらのデータ利用には注意が必要 (合計面積を過小評価する可能性)。

表 4 — 大規模対象農地 top 10

この表から読み取れること: top 1 は庄原市 19,231 ha (1 ポリゴン!) ─ 市域 1,246 km² の 15% が単一 polygon で覆われている。area_ratio = 1.0000 で実測と完全一致。top 10 はすべて中山間 (庄原・三次・東広島・北広島・世羅・安芸高田)で、AREA が 500 ha 以上の「巨大ブロック」。これらは『市町全域を覆う農用地区域指定エリア』と推定 ─ 個別の転用許可ではなく、制度上の区分図面と思われる。上位 10 件の AREA 合計 = 45,808 ha = 全 AREA の29.5%を占める ─ パレート構造の極端な実例。

8. 分析5: 規模クラス分布 + パレート構造 + 大規模バブル (H6)

狙い

農地転用ポリゴンを規模クラス 6 段階に分類し、『何件のポリゴンが、どれくらいの面積を占めるか』のパレート構造を可視化する。市町別の規模構成も比較し、『市町タイプによって転用ポリゴンの規模が違う』（中山間=巨大、都市=小規模）の二極構造を確認する。

手法

(a) 規模クラス × 市町 stacked bar (件数比率): 市町別に規模クラス分布を 100% 棒グラフで並べ、『竹原市は微小ばかり』『庄原市は大きいの混在』の質的違いを示す。

(b) パレート図 (件数 % vs 面積 %, 規模クラス毎): 横軸 = 規模クラス、縦軸 = 全体に占める比率 (件数 % と 面積 % を 2 本並列)。『規模クラス間で件数 % と面積 % が逆転する』= 「数の少数派が量の多数派」のパレート構造を直視する。

実装

↑ L24_farmland_conversion.py 行 1767–1810

 1
 2
 3
 4
 5
 6
 7
 8
 9
1776
1777
1778
1779
1780
1781
1782
1783
1784
1785
1786
1787
1788

def _scale_class(ha_value):
    if ha_value < 0.01:    return "0_微小(<0.01 ha)"
    elif ha_value < 0.1:   return "1_小(0.01-0.1 ha)"
    elif ha_value < 1.0:   return "2_中(0.1-1 ha)"
    elif ha_value < 10.0:  return "3_大(1-10 ha)"
    elif ha_value < 100.0: return "4_超大(10-100 ha)"
    else:                  return "5_巨大(≥100 ha)"

farm["scale_class"] = farm["AREA"].apply(_scale_class)

# 規模 × 市町 クロス → stacked bar
sc = farm.groupby(["src_city", "scale_class"]).size().unstack(fill_value=0)
sc_pct = sc.div(sc.sum(axis=1), axis=0) * 100
sc_pct.plot(kind="barh", stacked=True)

# パレート図 (件数 % vs 面積 %)
overall = farm.groupby("scale_class").agg(n=("AREA","size"),
                                           area=("AREA","sum"))
overall["n_pct"]    = overall["n"] / N_POLY * 100
overall["area_pct"] = overall["area"] / AREA_TOTAL_HA * 100
ax.bar(overall.index, overall["n_pct"], label="件数 %")
ax.bar(overall.index + width, overall["area_pct"], label="面積 %")

図 6 — 市町別 規模構成 + パレート図

なぜこの図か: 単純な平均値や合計では 『規模分布の歪み』が見えない。stacked bar で市町ごとの規模構成を直視し、パレート図で件数 % vs 面積 % の逆転現象を視覚化することで、『大規模ポリゴンが面積を支配する』を一目で伝える。

市町別 規模クラス構成 (左, 件数 %) + 全体パレート図 (右)

この図から読み取れること

• 左図 (市町別 stacked): 竹原市は黄色 (微小+小) が 95% 超 ─ 他市町と異なる『微小ポリゴン特化』のデータ構造。庄原市・三次市・北広島町は赤 (大・超大・巨大) の比率が高い ─ 『中山間市町ほど大規模ポリゴン主体』。大竹市は中・大の混合で件数が少ない (33 件)。
• 右図 (パレート): 件数 % は微小・小・中で 90% 超 (83%)、面積 % は超大・巨大で 80% 超 (96%)。『件数の少数派 (10%) が面積の多数派 (90%) を占める』というパレート構造が定量化された。
• 規模クラスごとに件数 % と面積 % がクロスオーバーする点が中規模 (1-10 ha)。そこより小さい規模は『件数 ≫ 面積』、大きい規模は『面積 ≫ 件数』。
• 政策的含意: 個別の小規模転用許可 (件数大) は実質的な面積影響が小さく、少数の大規模制度区分 (面積大) が県の農地ストックを左右する。

表 5 — 規模クラス全体集計 (パレート構造)

この表から読み取れること: 0_微小 (2,615 件 = 18%) は件数で全体の 1/3 を占めるが、面積では 0%。5_巨大 (234 件 = 1.6%)はわずか件数の 0.X%だが、面積で 50% 超を占める ─ 『1 件の巨大区画 = 数千件の微小区画』。これは「データ集計時に件数で重み付けすると、面積実態を見誤る」という教訓 ─ 必ず面積加重で集計せよ。

図 7 — 大規模対象農地 (≥10 ha) バブルマップ

なぜこの図か: パレート構造の上位 8% (≥10 ha) を地理的に確認する。県全域マップでは大小ポリゴンが alpha 重ねで判別困難。ここではバブル (centroid 中心、AREA に比例した大きさ) で大規模区画の地理的偏在を可視化する。

大規模対象農地 (≥10 ha) バブルマップ

この図から読み取れること

• 緑バブル (中山間) が県北・北東の大規模 ─ 庄原・三次・北広島・世羅が大バブル群。これら市町の『農用地区域』が制度的に巨大ブロックで指定されている。
• 赤バブル (都市) は瀬戸内沿岸に小〜中バブル ─ 東広島市西部 (広島-福山幹線沿い)に中規模バブル群、福山市東部に小バブル散在。『都市計画区域内でも農地が完全消失していない』を示す。
• 青バブル (江田島市) は離島の中央に中規模 ─ 旧海軍跡地周辺の島内農地。
• top 3: 庄原市 19,231 ha、庄原市 5,069 ha、庄原市 3,824 ha ─ 1 つの市が他を圧倒。top 3 がすべて庄原市 = 『庄原市の制度的大区画』が県の対象農地構造を支配。

9. 分析6: KUIKI_CD / TOKEI_CD 解読 (H5)

狙い

仕様書未公開のKUIKI_CD (区域コード, 0-6 の 7 値) とTOKEI_CD (統計区分コード, 1-3 の 3 値) の意味を、市町別の値分布と地理的位置から『推定』する。これは『公開オープンデータの仕様書がない場合に、自分で意味を解読する』という研究プロセスの実演である。

手法

(a) KUIKI_CD 別 県全域マップ: 0-6 を異なる色で塗り、地理分布から仮説を立てる。『線引き都市計画区域 (市街化/調整区域)』の都市市町と、『線引きなし』の中山間市町で値分布が異なるはず。

(b) KUIKI_CD × 市町 stacked bar (件数比率): 各市町の値分布を 100% 棒グラフで並べる。市町タイプごとに値の組み合わせがクラスタ化されることを期待。

実装

↑ L24_farmland_conversion.py 行 1896–1941

 1
 2
 3
 4
 5
 6
 7
 8
 9
1905
1906
1907
1908
1909
1910
1911
1912
1913
1914
1915
1916
1917
1918

# KUIKI_CD 7 値を固定パレットで色分け (推定意味)
kuiki_palette = {
    0: "#1f883d",   # 0 = 区域外? (中山間多い、緑)
    1: "#cf222e",   # 1 = 市街化区域? (都市多い、赤)
    2: "#a371f7",   # 2 = 市街化調整区域? (紫)
    3: "#0969da",   # 3 = 非線引き? (青)
    4: "#bf3989",   # 4 = (?) (ピンク)
    5: "#fb8500",   # 5 = (?) (オレンジ)
    6: "#666666",   # 6 = (?) (灰)
}

# (a) KUIKI_CD 別 県全域マップ
fig, axes = plt.subplots(1, 2, figsize=(18, 9))
admin_diss.plot(ax=axes[0], facecolor="#f5f5f5")
for kc, col in kuiki_palette.items():
    sub = farm[farm["KUIKI_CD"] == kc]
    sub.plot(ax=axes[0], facecolor=col, alpha=0.55,
             label=f"KUIKI_CD={kc} ({len(sub):,})")

# (b) KUIKI_CD × 市町 stacked bar
kc_cross = farm.groupby(["src_city","KUIKI_CD"]).size().unstack(fill_value=0)
kc_pct = kc_cross.div(kc_cross.sum(axis=1), axis=0) * 100
kc_pct.plot(kind="barh", stacked=True, ax=axes[1])

図 8 — KUIKI_CD 別 県全域マップ (左) + 市町別 KUIKI_CD 構成 (右)

なぜこの図か: KUIKI_CD = 0-6の 7 値が何を意味するか、テーブルだけでは分からない。地図に色分けして『地理的にどう分布するか』を見せると、都市計画区域の階層構造と整合する分布が見えれば仮説が支持される。

KUIKI_CD 別 県全域マップ + 市町別構成

この図から読み取れること

• 左図 (地図): 緑 (KUIKI_CD=0) は中山間市町 (庄原・三次・北広島・世羅) を中心に分布 ─ 『都市計画区域外の農地』と推定。赤 (KUIKI_CD=1) は都市市町の中心部 ─ 『市街化区域内の農地』と推定。紫 (KUIKI_CD=2) は都市市町の周辺 ─ 『市街化調整区域内の農地』と推定。青 (KUIKI_CD=3)とピンク (KUIKI_CD=4)は中山間広く分布 ─ 『非線引き都市計画区域 + 区域外』と推定。
• 右図 (市町構成): 都市 7 市町 (広島・呉・三原・東広島・尾道・府中・福山)は赤+紫を持つ ─ 線引き都市計画区域の存在を示唆。中山間 8 市町 (三次・庄原・安芸高田・世羅・北広島・熊野・江田島 + 廿日市の山間部)は緑+青+ピンクのみで赤紫を持たない ─ 『線引きなし』を示唆。竹原市は青+ピンクのみで KUIKI_CD = {3, 4} の 2 値だけ ─ 異常な精密データの特徴。
• 地理分布と市町構成の両方が KUIKI_CD = 都市計画区域階層フラグという仮説と整合 ─ 仕様書なしでも構造解読が可能であることを実演。

表 6 — KUIKI_CD 全体集計 (推定意味付き)

この表から読み取れること: KUIKI_CD = 0 が件数 % で18% ─ 中山間に多い「都市計画区域外」の農地と推定 (面積も最大)。KUIKI_CD = 3, 4 が件数 %で大きい ─ 『非線引き / 区域外』の混在と推定。KUIKI_CD = 1, 2 は件数 %は小さいが、これらは『市街化区域 + 調整区域』= 都市計画区域内の農地で、都市拡張の最前線。KUIKI_CD = 5, 6 は極めて少ない (広島市のみ) ─ 『広島市特有のサブ区分』(政令市の独自 KUIKI 値か?)。

表 7 — TOKEI_CD 全体集計 (推定意味)

この表から読み取れること: TOKEI_CD = 1 が件数で82%と最大 ─ 『農用地区域指定 (主要)』と推定。TOKEI_CD = 3 は件数で次点 ─ 『農業振興地域内農用地白地』と推定。TOKEI_CD = 2 は最少 ─ 『その他』と推定。仕様書未公開のため確定できないが、『市町間でも値分布のパターンが類似 (= 制度上の意味があるはず)』と推測される。発展課題で都市計画基礎調査要綱との照合により確定する。

10. 分析7: 市域面積/人口 vs 対象農地 (H2 補強)

狙い

市町の総面積・総人口と AREA の関係を log-log 散布で示し、「市町規模と対象農地の関係」と「1 人あたり対象農地の地理タイプ依存」を可視化する。農地転用無し 3 町を ×印で同じ散布に重ね、「対象農地ゼロの境界」を観察する。

手法

(a) 市域面積 vs AREA (log-log): x軸 = 市町面積 km²、y軸 = AREA 合計 ha。1% / 10% の対象農地率ライン (= 1 ha/km², 10 ha/km²) を補助線として引く。

(b) 市町総人口 vs 1 人あたり対象農地 (a/人): 市町人口 vs 市民 1 人あたり対象農地。中山間市は1 万 a/人 = 100 ha/人規模、都市市は0.X a/人と桁違い。地理タイプで 4 グループにクラスタ化されるはず。

実装

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21

fig, axes = plt.subplots(1, 2, figsize=(16, 7))

# (a) 市域面積 vs AREA
for rt, col in RTYPE_COLOR.items():
    sub = city_agg[city_agg["rtype"] == rt]
    axes[0].scatter(sub["city_area_km2"], sub["area_ha_sum"],
                    c=col, s=180, label=rt)
# 3 町 (転用無し): x=面積, y≒0
for name, _adm, _ct, _r in NO_FARM_CITIES:
    axes[0].scatter(CITY_REF[name]["area_km2"], 0.5, marker="x", c="#666")
xs = np.linspace(5, 1500, 50)
axes[0].plot(xs, xs * 1, "--", label="1% 対象農地率")
axes[0].plot(xs, xs * 10, ":", label="10% 対象農地率")
axes[0].set_xscale("log"); axes[0].set_yscale("log")

# (b) 人口 vs 1 人あたり
for rt, col in RTYPE_COLOR.items():
    sub = city_agg[city_agg["rtype"] == rt]
    axes[1].scatter(sub["city_pop_k"]*1000, sub["conv_per_capita_a"],
                    c=col, s=180, label=rt)
axes[1].set_xscale("log"); axes[1].set_yscale("log")

図 9 — 市域面積 × AREA (左) + 人口 × 1 人あたり (右)

なぜこの図か: 市町の対象農地は市域規模に依存することが想像できるが、log-log 散布で『市域 1% ライン vs 10% ライン』を引くと、市町の『対象農地率階層』が一目で分かる。1 人あたり指標と組み合わせると、『地理タイプによる構造的違い』が立体的に見える。

市域面積 × AREA (log-log) + 市町人口 × 1 人あたり対象農地

この図から読み取れること

• 左図 (面積 vs AREA): 中山間市町 (緑) は 10% ラインの上に位置 ─ 市域の 10% 以上が対象農地。庄原市は 15% の極端値。都市市 (赤) は 1% ライン付近 ─ 対象農地率が低い。離島 (青) と近郊町 (紫) は中間 (1-10%)。3 町 (×印) は y ≒ 0 ─ 対象農地ゼロ。
• 右図 (人口 vs 1 人あたり): 中山間市町 (緑) は500-2,000 a/人 (= 5-20 ha/人 = 50,000-200,000 m²/人) ─ 『1 人で 1-2 ha の農地基盤』。都市市 (赤) は1-30 a/人 ─ 1 人あたり 1 反 (= 0.1 ha) 程度。近郊町 (紫 = 熊野町) は中山間並みで 100 a/人 ≒ 1 ha/人。『地理タイプで 1-2 桁の差』が定量化された。
• 政策的含意: 中山間市町の住民は『対象農地に対して責任ある人口』が少ない (1 人で広大な区域を扱う)、対する都市住民は『農地は他人事』になりがち。これは食料政策・農地保全政策に大きな含意がある。

表 8 — 17 市町 + 3 町 詳細 (rtype 別合計)

この表から読み取れること: 『中山間 5 市町』は面積 3,487 km² (県の 45%) で AREA = 90,494 ha ─ 県の対象農地の 58% を 5 市町が占める。対する『都市 10 市』は面積 4,052 km² (県の 53%) だが AREA = 61,511 ha (40%)。『中山間が県の食料供給基盤を背負う』地理構造が明確。近郊町 (熊野町) と離島 (江田島市) は補助的な役割。

11. 仮説検証と考察

分析 1〜7 の結果から、仮説 H1〜H6 を改めて検証する。

総括

• H1 (総 AREA ≥ 50,000 ha): 支持。AREA合計 155,111 ha = 1551 km²、県市域面積の 18.3%。これは『広島県の市域の約 18% が転用対象農地として図面化されている』という大規模さを示す。
• H2 (中山間 5 市町優位): 支持。中山間 5 市町 93,117 ha vs 都市 5 市 32,324 ha = 2.9 倍の格差。『広島県の食料供給基盤は中山間に偏在』という地理的事実が定量化された。
• H3 (AREA=0 微小ポリゴン): 支持。全件 AREA=0 = 2,615/14,459 (18.1%)、市町別中央値 10.5% (min=0.0, max=61.4)。『図面精度 1/50,000 → 50 m²/件 が四捨五入で 0 になる』が確認された。
• H4 (AREA は ha 単位): 支持。area_ratio 中央値 1.0000 (≒ 1.000)。『仕様書未公開でも、ジオメトリとの整合性チェックで単位確定可能』という研究プロセスを実演。
• H5 (KUIKI_CD = 区域階層): 支持。都市 7 市町すべてが KUIKI=1 or 2 を保有、中山間 5 市町すべてが KUIKI=3 or 4 を保有。『仕様書未公開のフラグ列の意味を、地理分布から推定』できた。市町ごとの値分布が線引き有無と完全一致 ─ KUIKI_CD = 都市計画区域階層フラグの仮説は強く支持される。
• H6 (パレート構造): 支持。≥10ha 件数 = 1,040 (7.19%)、≥10ha 面積 = 148,609 ha (95.8%)。『件数の 7% が面積の 96% を支配』という極端なパレート構造。件数集計で見る『多数派』と面積集計で見る『多数派』は別物。

本記事の主要発見 5 点

1. 『中山間が県の食料供給基盤を背負う』を定量化: 中山間 5 市町 (庄原・三次・東広島・北広島・世羅) が県対象農地の 58%を占める。庄原市単独で県全体の 30%。『農地転用＝都市拡張』のイメージは誤りで、県の対象農地は中山間の制度的指定が主体。
2. 仕様書未公開の AREA 単位を解読: 実測比 geom_m²/AREA = 10,000 から『AREA = ha 単位』と確定。area_ratio 中央値 1.0000、IQR ±2% 以内。『仕様書なしでもデータから単位を確定する』研究プロセスの実演。
3. 図面精度 1/50,000 の限界を可視化: AREA=0 ポリゴン 2,615 件 (18%) の実測面積が0-50 m² に集中。図面精度 1 mm = 50 m が最小描画単位 50 m² (= 0.005 ha)に対応。『公開データの誤差を定量化する手順』を学ぶ。
4. KUIKI_CD = 都市計画区域階層フラグを解読: 都市 7 市町は KUIKI = 0,1,2 (+5,6) を保有 (= 線引きあり)、中山間 8 市町は KUIKI = 0,3,4 のみ (= 線引きなし)。『仕様書未公開のフラグ列を、地理分布と市町構成から推定』。これにより市街化区域内/調整区域内/区域外の対象農地を区別可能。
5. パレート構造の極端な実例: 大規模 (≥10 ha) ポリゴン 1,040 件 (件数の 7.2%) が面積の 96% を支配。top 1 (庄原市 19,231 ha) だけで県全体の 12%。『集計時に件数で重み付けすると面積実態を見誤る』という統計分析の教訓。

12. 発展課題

本記事で得られた結果から導かれる新たな問いと、 それを検証するための具体的な発展手順を 3 つ提示する。

発展課題 1: 農林漁業施策 (L25) との空間オーバーレイ ─ 保全 vs 転用

結果 X: 本記事で県内 17 市町の対象農地 14,459 ポリゴン (155,111 ha) の地理が定量化された。 都市計画基礎調査の同じ期間 (2016-2020) で、もう 1 つのシリーズ 「農林漁業関係施策」(L25, 17 件) が公開されており、 これは『国・県の農地保全策が適用される区域』を示す。

新仮説 Y: 農林漁業施策エリアと農地転用対象エリアは地理的に重なる (= 同じ農地に保全策と転用区分が同居)か、 相補的に分布する (= 保全区域と転用区域は別)のどちらか。 広島県は中山間振興策 (中山間直接支払等) を多く実施するため、 「中山間 5 市町で重なり率 ≥ 80%」と予想される。

課題 Z: geopandas.overlay(farm, sisaku, how='intersection') で 17 市町ごとに重なり面積を計算 → 「保全 ∩ 転用 / 転用」の包含率を市町別に集計 → 17 panels small multiples で重なり地理を可視化 → 『広島県の中山間農地は保全と転用が同居している』仮説を検証。 本記事の次記事 L25 でこれを実装する予定。

発展課題 2: 都市計画区域 (L15) との整合性検証 ─ KUIKI_CD の意味確定

結果 X: 本記事で KUIKI_CD = 都市計画区域階層フラグ (推定) が 都市市町と中山間市町で値分布が異なることを確認した。 ただし『どの値が市街化区域』かは推定の域を出ない。

新仮説 Y: L15 の市街化区域 / 市街化調整区域 ポリゴン (14 + 14 件)と 本記事の対象農地ポリゴンを空間結合すれば、 KUIKI_CD = 1 が市街化区域、KUIKI_CD = 2 が市街化調整区域、 KUIKI_CD = 3, 4 が非線引きまたは区域外、と確定できる。 『各 KUIKI 値ポリゴンの 80% 以上が、対応する都市計画区域内に位置する』 ことを定量的に確認する。

課題 Z: L15 都市計画区域データを取得 → gpd.sjoin(farm, kuiki_zones, predicate='within') で 各転用ポリゴンに区域種別を付与 → KUIKI_CD × 区域種別のクロス集計 → 『KUIKI_CD = 1 のポリゴンは市街化区域内』等の対応関係を表で示す。 発展手順としては data/extras/_urban_planning_audit/ の市街化区域 ZIP を活用。

発展課題 3: 5 年後 (R7=2025) との比較 — 転用速度の地理

結果 X: 本記事は 2016-2020 (5 年間) のスナップショット。 転用が静的か動的かを語るには 1 期しかなく不十分。

新仮説 Y: 次期都市計画基礎調査 (2021-2025) では、 (a) 都市市の調整区域内ポリゴンが都市開発で減少する一方、 (b) 中山間市町の区域外ポリゴンは耕作放棄で『非農地』扱いに変わる ─ 両ベクトルで対象農地は『縮小』すると予想される。 庄原市・三次市の中山間ポリゴンは5 年で 5-10% 縮減。

課題 Z: 都市計画基礎調査の次期版が公開されたら (R8 頃想定)、 同じ ID 体系で 17 市町分の差分計算。 ポリゴン重なり率 (Jaccard 係数) を市町別に算出 → 「Δ 面積 = 縮小と新規追加」を定量化 → 中山間と都市で減少パターンの違いを比較 → 『どこで耕作放棄が進み、どこで転用が進むか』の地理を描く。 これは現時点では未来課題だが、本記事の手法 (load_geojson_zip + AREA 数値化 + 派生) を流用すれば即実装可能な再現性を確保している。