L25 農林漁業関係施策 17 件 統合分析 — 広島県内の食農保全意思の地理構造

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/L25_agroforestry_policy.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_農林漁業関係施策」シリーズ 17 件 (#1410, #1409, #1423, #1419, #1420, #1421, #1413, #1418, #1422, #1417, #1414, #1415, #1408, #1411, #1412, #1424, #1416) を縦結合し、2022 年 (単年) の広島県内 17 市町の 農林漁業関係施策ポリゴン 計 1,912 件 (合計実測 24,007 ha = 240 km²) から、広島県内の「保全策の地理構造」 ── 施策面積分布・市町別パターン・ NRG_AN 文字列の施策種別分類・KUIKI_CD 別の都市計画階層・ 農地転用 L24 との空間対比 ── を分析する研究記事である。 全 20 市町中 3 町 (熊野町・府中町・海田町) は施策データ無指定。 L24 (農地転用) と L25 (本記事) は同じ 17 市町数だが 1 町だけスワップ (L24=熊野町を含み坂町を含まない、L25=坂町を含み熊野町を含まない) ─ このコントラストも分析対象とする。

仮説 H1〜H6

• H1: 県内 17 市町の総施策面積は 20,000 ha 以上 (L24 転用対象農地面積 ~155,000 ha の 15% 程度)。 件数は 2,000 件未満 ─ L24 (13,749 件) より遥かに少数の 「制度的指定エリア」型。
  意味: 施策ポリゴンは「個別申請」ではなく「広域な区分図面」として 整備されている可能性。
• H2: NRG_AN 文字列は地区名・施設名 (地名タイプ) が大多数 (>=60%)、 「ダム」「池」「漁業」「林」「ほ場整備」など特定キーワードを含む施策ポリゴンは 5-35% 程度。
  意味: 広島県の農林漁業施策は『地区単位』で運営されている。 日本の農地は「集落と一体」で扱われ、政策名ではなく 地名で図面化される。
• H3: ジオメトリは Polygon と MultiPolygon が混在。 MultiPolygon 比率は中山間市町ほど高く (集落と分散圃場の混在)、 都市市町は単一 Polygon が主体。
  意味: 中山間の集落配置 (谷間の小集落+分散圃場) と 都市の集中農地 (まとまった土地区画) の地形的差が ジオメトリ構造として現れる。
• H4: KUIKI_CD は L24 と同じく都市計画区域階層フラグと推定。 0 (区域外/非線引き) が中山間で支配的、 2 (調整区域?) が都市市町で多い ─ L24 と整合的。
• H5: L24 (転用) と L25 (施策) の空間関係: 同じ市町内で重複は 10-30% 程度あり、「保全策のエリアでも転用が一部発生」の せめぎあい構造。完全すみ分け (0%) でも完全重複 (100%) でもない中間。
• H6: 広島市の NRG_AN は監査時 None と報告されたが、 実データでは大部分 (>95%) が地区名で埋まっている ─ 監査時のサンプル行が偶々 None だっただけ。 「サンプル 1 行で判断するな」のデータ取扱い教訓。

独自用語の定義 (本レッスン内のみ)

• 農林漁業関係施策 (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・林業地域・漁業基地等として 制度的に指定された区域を 1 つのポリゴンで表現したもの。 『すでに保全されている土地』そのものではなく、 『保全策・振興策の対象として図面化された区画』として扱う。 仕様書未公開のため、本記事では「保全策の対象地区」と総称する。
• NRG_AN (本記事の独自解読): 各施策ポリゴンに付与された名称文字列。 実データから観察すると大半が地区名・集落名 (例: 「板休〜後懸」「山田」「梶山田」)、 一部が施設名 (例: 「大久保ダム」「小文池」「森山北漁業基地」)。 列名 NRG_AN は推定で「Nourin-gyo Gyoseimei AN/Area Name」の略か。
• NRG_AN 分類 (本記事独自定義): NRG_AN 文字列を キーワード辞書で 8 タイプに分類。 「ダム」(ダム名含む)・「ため池」(池/溜池 含む)・「漁業」(漁業/漁港含む)・ 「林業」(林/森林含む)・「ほ場整備」(ほ場/圃場/区画整理含む)・ 「基地・施設」(基地/施設/場含む)・「地区名のみ」(キーワード非該当)・ 「_欠損」(NRG_AN が None)。複数該当時は最初に当たったタイプを採用。
• 保全策 (本記事の文脈): 農林漁業関係施策のうち、地区を 農用地区域・農業振興地域として保全する制度区分。 L24 の「転用許可対象」と対立的概念。
• 振興策: ほ場整備・区画整理・ダム・ため池整備など、 農林漁業の生産基盤を強化する制度区分。 キーワード分類で抽出可能。
• 中山間 (本記事独自分類): 17 市町を 4 タイプに分類。 中山間 5 市町: 三次市・庄原市・安芸高田市・北広島町・世羅町、 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、 離島 1 市: 江田島市、 近郊町 1 町: 坂町。
• KUIKI_CD: 区域コード (0-7 のフラグ値、仕様書未公開)。 L24 と同じ列名で、本記事の独自解読は都市計画区域階層と推定: 0 = 区域外/非線引き (中山間で支配的)、 1 = 市街化区域? (一部都市市)、 2 = 市街化調整区域? (都市市の最大値)、 3, 4, 6 = 中間階層・特例区域?。
• 施策密度 (本記事独自指標): 施策面積 (ha) ÷ 市域面積 (km²)。 「市域 1 km² あたりの施策対象 ha」。
• L24 vs L25 重複率: 共通 16 市町で、施策ポリゴン (L25) と 転用ポリゴン (L24) の面積重なり (intersection) を計算し、 施策面積に対する重複比率 (%) と 転用面積に対する重複比率 (%) を出す。 重複率の意味付けは仮説 H5 で議論する。

到達点

1. 17 ZIP の農林漁業施策 GeoJSON を 1 個の GeoDataFrame (1,912 polygon × 7 列 + 派生 5 列) に縦結合できる。 CRS が EPSG:2445 で記録されている (L24 は EPSG:6671) ─ to_crs("EPSG:6671") で統一する手順を学ぶ。
2. 1,912 polygon から、市町単位の総面積・件数・MultiPolygon比率の 集計を groupby で実装する。
3. NRG_AN 文字列をキーワード辞書で 8 タイプに分類し、 施策の質的構造を可視化する。
4. 地理タイプ別の主題図、17 市町 small multiples、NRG_AN 分類別マップで 施策の地理分布を多角的に表現する。
5. L24 (転用) と L25 (施策) の空間 intersection を shapely.union_all().intersection() で計算し、 『保全策と転用のせめぎあい』の定量化を体験する。
6. 監査結論「広島市 NRG_AN None」を実データで反証することで、 「サンプル 1 行で判断する危険性」を学ぶ。

本記事のスコープ宣言

本記事は農林漁業関係施策 17 件のみを主データとする研究記事である。 姉妹シリーズ 農地転用 (L24, 17 件) は前記事で扱った。 本記事では L24 既知データを参考併置する (空間重複分析と重ね合わせマップ) が、両記事を合体させない (要件 I の水増し回避)。 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

農林漁業関係施策 17 件はそれぞれ 1 市町分の農林漁業施策ポリゴン GeoJSON (Polygon または MultiPolygon) 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2022 年単年のスナップショット (L24 が 2016-2020 の 5 年集計だったのと対照的)。

17 dataset_id 一覧 (施策あり 17 市町, 連番 1408-1424)

合計: 1,912 ポリゴン (うち Polygon 1,677, MultiPolygon 235) / 実測面積合計 24,007 ha = 240.1 km²。 広島県全域面積 8,479 km² に対し、施策面積率は 2.8%。 件数最大は広島市 426 件、件数最小は坂町 1 件(漁業基地のみ)。 17 市町 100% で同一 7 列構造、追加列なし。

農林漁業施策データ無し 3 町 (参考)

3 町 (熊野町・府中町・海田町) はL25 シリーズ未指定。 府中町・海田町は L24 でも未指定 (= 都市部 100%)、 熊野町は L24 にあったが L25 では無い ─ 熊野町には農地転用の対象は記録されたが、 保全/振興施策の対象は無い (= 「保全せず転用していく町」)。 逆に L25 で追加された坂町は L24 に無く、 施策ポリゴンが 1 件のみ「森山北漁業基地」(漁業施設) ─ 広島湾岸ベッドタウンだが漁港の小さな伝統が残る。

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\L25_agroforestry_policy\fetch_agroforestry_policy.py

合計サイズ約 2 MB (L24 の 12 MB より遥かに小さい)。 監査時取得済の 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 15 秒)。

(2) 中間 CSV (本スクリプトの出力)

• L25_city_summary.csv — 17 市町サマリ (件数・面積・密度・MultiPolygon比率 等 14 指標)
• L25_no_policy_cities.csv — 施策無し 3 町の一覧
• L25_policy_polygons_top2000.csv — ポリゴン単位 上位 2,000 行 (面積降順)
• L25_load_log.csv — 17 件読込ログ
• L25_nrg_overall.csv — NRG_AN 分類別 全体集計
• L25_nrg_cross_count.csv — NRG_AN 分類 × 市町 クロス
• L25_nrg_freq_top50.csv — NRG_AN 文字列 頻度 top 50
• L25_kuiki_count.csv — KUIKI_CD × 市町 クロス
• L25_kuiki_overall.csv — KUIKI_CD 全体集計
• L25_tokei_overall.csv — TOKEI_CD 全体集計
• L25_scale_overall.csv — 規模クラス全体集計
• L25_overlap_l24.csv — L24 vs L25 市町別空間重複
• L25_top20_large.csv — 大規模施策ポリゴン top 20
• L25_hypothesis_results.json — 仮説 H1〜H6 検証結果 (JSON)

(3) 図 PNG (本記事掲載 9 枚)

• L25_fig01_overview.png — 県全域 施策ポリゴン主題図
• L25_fig02_policy_vs_nopolicy.png — 17 市町 vs 3 町 マップ + 1 町スワップ
• L25_fig03_small_multiples.png — 市町別 17 panels + 無し 3 町 panel
• L25_fig04_city_ranking.png — 市町別 面積/件数/MultiPolygon比率 ランキング
• L25_fig05_nrg_class.png — NRG_AN 分類別 件数% vs 面積% + 市町クロス
• L25_fig06_nrg_map.png — NRG_AN 分類別 県全域マップ
• L25_fig07_overlap_l24.png — L24 (転用) ⊕ L25 (施策) 重ね合わせ + 市町別重複率
• L25_fig08_kuiki_cd.png — KUIKI_CD 別マップ + 市町クロス
• L25_fig09_pop_area_scatter.png — 市域面積/人口 × 施策面積散布

(4) 再現用 Python スクリプト

• L25_agroforestry_policy.py — 本記事の全コード
• fetch_agroforestry_policy.py — 17 ZIP 取得スクリプト

実行は cd "2026 DoBoX 教材"; py -X utf8 lessons\L25_agroforestry_policy.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 + CRS 統一 + NRG_AN 分類

狙い

17 ZIP の農林漁業施策 GeoJSON を 1 個の GeoDataFrame (1,912 polygon × 7 列 + 派生 4 列) に統合し、後段の市町別集計・主題図・NRG_AN 分析の基盤データを作る。行政区域 20 件 (施策あり 17 + 無し 3) を背景レイヤーとして同時に読み込む。CRS が EPSG:2445 (旧) で記録されているため、EPSG:6671 (新, L24 と同じ) に変換することがこの分析の核。併せて NRG_AN 文字列をキーワード辞書で 8 タイプに分類する。

手法

直感: ZIP を読む → 列を共通 7 列に揃える → CRS を to_crs(EPSG:6671) で変換 → 縦結合 → NRG_AN を分類関数でタイプ化 → 派生指標 (実測ha・ジオメトリ型・分類タイプ) 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. CRS = EPSG:2445 を to_crs('EPSG:6671') で変換 (旧→新平面直角座標系の正確な変換)
4. pd.concat で縦結合 → 1,912 行 1 個の GeoDataFrame
5. 派生指標を計算: geom_area_m2, geom_area_ha, geom_type, nrg_class

NRG_AN 分類アルゴリズム: 各文字列を以下の優先順位でチェック ─ ダム → ため池 → 漁業 → 林業 → ほ場整備 → 基地・施設 → 地区名のみ → 欠損。「池」のように複数タイプに当てはまる場合は最初に当たったタイプを採用(複数タイプ計上による二重カウント防止)。

前提と限界: 17 件の施策データは追加列が全く無い。坂町 (1412) のみ 1 ポリゴン (= 漁業基地) で他市町と質的に異なる。広島市 (1410) は CITY_CD = 105/106/108 の 3 区分のみで、8 区全部のデータは含まれない (中区・東区・西区など南部デルタは除外)。NRG_AN 分類はキーワード辞書ベースで完璧ではない (「林田」のような地名が「林業」に誤分類される可能性) が、全体傾向把握には十分。

実装

↑ L25_agroforestry_policy.py 行 1348–1531

 1
 2
 3
 4
 5
 6
 7
 8
 9
1357
1358
1359
1360
1361
1362
1363
1364
1365
1366
1367
1368
1369
1370
1371
1372
1373
1374
1375
1376
1377
1378
1379
1380
1381
1382
1383
1384
1385
1386
1387
1388
1389
1390
1391
1392
1393
1394
1395
1396
1397

DATA_DIR = ROOT / "data" / "extras" / "L25_agroforestry_policy"
ADMIN_DIR = ROOT / "data" / "extras" / "L15_admin_zones"
TARGET_CRS = "EPSG:6671"   # JGD2011 平面直角第III系

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

# NRG_AN 分類のキーワード辞書
NRG_KEYWORDS = [
    ("ダム",     ["ダム"]),
    ("ため池",   ["池", "溜池", "ため池"]),
    ("漁業",     ["漁業", "漁港", "漁場", "養殖"]),
    ("林業",     ["林", "森林", "山林"]),
    ("ほ場整備", ["ほ場整備", "圃場整備", "ほ場", "圃場", "整備", "区画整理"]),
    ("基地・施設", ["基地", "施設", "場"]),
]

def classify_nrg_an(s):
    if pd.isna(s) or s is None or str(s).strip() == "":
        return "_欠損"
    text = str(s)
    for label, kws in NRG_KEYWORDS:
        for kw in kws:
            if kw in text:
                return label
    return "地区名のみ"

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

    # CRS 統一: EPSG:2445 (旧) → EPSG:6671 (JGD2011)
    if g.crs is None:
        g = g.set_crs("EPSG:2445", allow_override=True)
    g = g.to_crs(TARGET_CRS)
    frames.append(g)

agro = gpd.GeoDataFrame(pd.concat(frames, ignore_index=True),
                        geometry="geometry", crs=TARGET_CRS)

# 派生列
agro["geom_area_m2"]  = agro.geometry.area              # 実測 m²
agro["geom_area_ha"]  = agro["geom_area_m2"] / 1e4      # 実測 ha
agro["geom_type"]     = agro.geom_type                  # Polygon or MultiPolygon
agro["nrg_class"]     = agro["NRG_AN"].apply(classify_nrg_an)

入出力 Before/After (要件 K — NRG_AN を分類する 1 件の追跡)

NRG_AN 文字列はデータごとに 地区名・施設名・None が混在する。 分類関数 classify_nrg_an() が 1 件をどう変換するかを、 広島市最大施策ポリゴン (鹿之道地区, 「ほ場整備」キーワード含む) を例に追跡する:

このように、7 列の生データから NRG_AN 分類・実測ha・ジオメトリ型の派生指標を導出する。 特に nrg_class 列は本記事の『施策の質的構造』を表す核心列で、 『仕様書未公開でも、文字列パターンから施策タイプを推定できる』本記事の中核手法。

余談: NRG_AN は 17 市町で地区名 (88%) と キーワード分類 (9%)に ほぼ二分される。「ほ場整備」「ダム」「池」などキーワードが入る施策ポリゴンは 全 1,912 件中 約 170 件 (= 9%)、残りは地名のみ。 これは広島県の農林漁業施策が「集落単位」で運営されている実態を示す。

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 agro GeoDataFrame は 1,912 polygon × 16 列。実測面積合計 = 24,007 ha = 240 km² (= 広島県全域の 2.8%)。Polygon : MultiPolygon = 1,677 : 235 (= MultiPolygon 12.3%)。処理時間は 24.3 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: 件数最大は広島市 426 件、最小は坂町 1 件 (漁業基地のみ)。MultiPolygon 比率の市町間差が大きい ─ 中山間市町 (世羅町 26.7%, 三次市 24.0%, 東広島市 17.6%, 庄原市 26.3%) は分散圃場が多く MultiPolygon 多用。対して都市市町 (廿日市市 0%, 大竹市 0%, 府中市 20.5% 等) は単一 Polygon 主体。NRG_AN null は 17 市町中 11 市で 0% ─ ほぼ全件に地区名が入る。福山市 (11.9%)・尾道市 (4.5%) のみ若干高め。広島市 NRG_AN null = 0.5% ─ 監査時の「広島市 None」結論を反証 (H6)。KUIKI_CD 値は中山間で 0 主体 (= 区域外/非線引き)、都市市町で 0,1,2,4 混在 (= 線引き都市計画区域あり) ─ L24 と整合的。

5. 分析2: 県全域マップ + 17 vs 3 + 1 町スワップ (H1)

狙い

広島県内の農林漁業施策ポリゴン全 1,912 件の地理的配置を 1 枚で見せる。「県のどこで、どう密集して保全策が広がっているか」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。施策あり 17 市町 vs 無し 3 町を色分けで対比する 2 枚目で、L24 との「1 町スワップ」(熊野町=L24 のみ、坂町=L25 のみ) も明示する。

手法

(a) 県全域 主題図: 全 20 市町と広島県全域の行政区域を背景にし、geopandas.plot(facecolor=rtype_color, alpha=0.65) で施策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。

(b) 17 vs 3 マップ: 17 市町を緑、3 町を赤で塗り、施策ポリゴンを濃緑で重ねる。坂町 (L25 のみ、漁業基地 1 件) をハイライト矢印で強調。「施策無し 3 町」は L24 と一部異なる (熊野町は L24 にあった)。

実装

↑ L25_agroforestry_policy.py 行 1540–1585

 1
 2
 3
 4
 5
 6
 7
 8
 9
1549
1550
1551
1552
1553
1554
1555
1556
1557
1558
1559
1560
1561
1562

# (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_diss[admin_diss["policy_status"] == "施策あり"].plot(
    ax=ax, facecolor="#fafff0", edgecolor="#444")
for rt, col in RTYPE_COLOR.items():
    sub = agro[agro["rtype"] == rt]
    sub.plot(ax=ax, facecolor=col, alpha=0.65, edgecolor="none",
             label=f"{rt} ({len(sub):,})")

# (b) 17 vs 3 + 坂町ハイライト
fig, ax = plt.subplots(figsize=(13, 9))
admin_diss[admin_diss["policy_status"] == "施策あり"].plot(
    ax=ax, facecolor="#cdeacc", edgecolor="#444")
admin_diss[admin_diss["policy_status"] == "施策無し"].plot(
    ax=ax, facecolor="#f7c9c9", edgecolor="#444")
agro.plot(ax=ax, facecolor="#1f883d", alpha=0.55, edgecolor="none")

# 坂町に矢印で注記 (L25 のみ、漁業基地 1 件)
sak = agro[agro["src_city"] == "坂町"]
ctr = sak.geometry.iloc[0].representative_point()
ax.annotate("坂町(L25のみ\n漁業基地1件)",
            (ctr.x, ctr.y), arrowprops=dict(arrowstyle="->"))

図 1 — 県全域 農林漁業施策ポリゴン主題図 (地理タイプ色)

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

広島県 農林漁業関係施策ポリゴン 全 1,912 件 (2022 単年)

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 ─ 『広島県の保全策は中山間に集中』。庄原市・三次市・北広島町・世羅町・安芸高田市は施策ポリゴンが市域全体に分散。L24 (転用対象農地) と類似分布 ─ 同じ場所で「保全と転用が共存」を示唆。
• 赤 (都市 10 市) は瀬戸内沿岸 + 福山市東部に分散。東広島市は中山間+都市の混合で施策ポリゴンが多く、市域中央に集中。
• 青 (離島 = 江田島市) は瀬戸内の小島群に小さく ─ 16 件と少ないが、島嶼農業の名残り。
• 紫 (近郊町 = 坂町) は広島市湾岸に 1 点のみ ─ 「森山北漁業基地」(漁業施設)。広島市の通勤圏ながら漁港の伝統が残る町。
• L24 (転用) との差: 件数は L24 (13,749) の 14% (1,912)、面積は L24 の 16% (24,007 ha)。L25 は『少数の制度的指定エリア』型で、L24 のような『多数の個別申告区画』型ではない。

図 2 — 施策あり 17 市町 vs 無し 3 町 (1 町スワップ強調)

なぜこの図か: L24 と L25 で 17 市町の構成が 1 町だけ違う(L24 = 熊野町を含む / L25 = 坂町を含む)。この『1 町スワップ』はシリーズの性格差 (動的指標 vs 静的指標) を反映する。地図でないと伝わらない構造変化を可視化する。

施策あり 17 市町 (緑) vs 無し 3 町 (赤) + 坂町ハイライト

この図から読み取れること

• 赤の 3 町 (熊野町・府中町・海田町) はすべて広島市東-南東に密集 ─ 『広島市通勤圏で施策対象なし』。L24 と異なり熊野町が含まれる ─ 熊野町は転用対象はあるが保全/振興施策の対象は無い ─ 「保全せず転用していく町」のシグナル。
• 坂町 (湾岸) は L25 のみ含まれる ─ 「森山北漁業基地」1 件 (漁業施設)。L24 では転用対象なし、L25 では漁業基地として保護対象 ─ 『農地転用の対象は無いが、漁業基地として保全する』 ─ 都市化の最終段階でも残る食料生産基盤の例。
• 残り 16 市町 (緑) は L24 と L25 で共通 ─ 両シリーズで安定的な対象。保全と転用の両面が記録される。
• 濃緑の施策ポリゴンは中山間 (北部) で多く、瀬戸内沿岸でも分散して残る ─ 『施策は中山間中心、ただし沿岸都市市町でも消失していない』。

表 2 — 17 市町 vs 3 町 集計 + 1 町スワップ

この表から読み取れること: L25 施策の県内面積率は 3.11% ─ L24 (約 18%) より桁違いに小さい。これは『施策ポリゴンは制度的に保全対象を切り出した「キワ」のエリア』であり、L24 の『農地転用の対象農地全体』とは粒度が異なることを示す。1 町スワップ (熊野町↔坂町) は L24/L25 のシリーズ性格を表象 ─ L24 は動的指標 (転用フラグ)、L25 は静的指標 (制度区分)。

6. 分析3: 市町別 small multiples + ランキング (H3)

狙い

17 市町の施策配置パターンを 17 panels small multiples で並列比較する。市町ごとの「保全策が市域のどこに、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』『MultiPolygon 比率』の 3 軸から市町順位を立体的に描く。MultiPolygon 比率 (= 集落+分散圃場の指標) は L25 特有の新しい軸で、L24 では使えない。

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、施策ポリゴンを地理タイプ色で描画。ランキングは横軸を 3 つに切って barh で並べる ─ 件数は log スケール。MultiPolygon 比率は地形 (集落配置) の指標として読める。

実装

↑ L25_agroforestry_policy.py 行 1675–1714

 1
 2
 3
 4
 5
 6
 7
 8
 9
1684
1685
1686
1687
1688
1689
1690
1691
1692
1693
1694

# small multiples 17 panels + 3 町 panel
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 = agro[agro["src_city"] == name]
    sub.plot(ax=ax_, facecolor=RTYPE_COLOR[rtype], alpha=0.65)
    n = len(sub); a_ha = sub["geom_area_ha"].sum()
    ax_.set_title(f"{name} ({rtype}) {n:,}件 / {a_ha:,.0f} ha")

# 3 連ランキング (面積/件数/MultiPolygon比率)
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_m = city_agg.sort_values("multi_pct")
axes[2].barh(order_m["city"], order_m["multi_pct"], 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「施策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、「庄原市の市域全体に散布」と「広島市の市域北側のみ」が同じスケールで対比でき、市町タイプと施策パターンの関係が直感的に伝わる。

市町別 農林漁業施策配置 small multiples (17 + 無し 3 町)

この図から読み取れること

• 広島市 (426 件 / 2,555 ha): 件数最多だが市域北部 (CITY_CD 105/106/108 = 安佐南・安佐北・安芸区) に限定。市中央〜南のデルタには施策ポリゴンが無い。『政令市の北縁山際だけが食農基盤』の地理構造。
• 庄原市・三次市・北広島町・世羅町・安芸高田市 (中山間 5): 市域全体に施策ポリゴンが散布。『市域全体が食農基盤』。MultiPolygon 比率も高く、集落配置 (谷間の小集落) が反映されている。
• 東広島市 (358 件): 中山間 + 都市の混合で施策ポリゴン多数 (358 件)、西条 (大学・産業) 周辺は開発済で施策少なめ。市域中央〜北西に集中。
• 江田島市 (16 件): 瀬戸内の小島群に分散。離島農業の名残り。
• 坂町 (1 件): 湾岸の漁業基地のみ ─ 政令市通勤圏で唯一残る食料基盤。
• 大竹市 (9 件) / 廿日市市 (32 件) / 府中市 (44 件): 件数が少ない都市市町。『施策の対象が制度的に切り出された数件』のみ。
• 右下 panel (3 町): 熊野町・府中町・海田町は市街化 100%で施策ゼロ ─ L24 と異なり熊野町も含まれる (転用対象はあるが施策対象は無い)。

図 4 — 市町別 面積/件数/MultiPolygon比率 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」「MultiPolygon 比率」 ─ 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。MultiPolygon 比率は「集落+分散圃場」を反映する地形指標で、中山間ほど高くなる。

市町別 総施策面積 / 件数 / MultiPolygon 比率 (3 連 panel)

この図から読み取れること

• 左 (総施策面積 ha): 東広島市 6,787 ha がトップ ─ L24 ではトップは庄原市 (中山間) だったが、L25 では都市 (東広島市)。次に三次市・福山市・広島市・尾道市・庄原市・世羅町と続く。L24 と L25 で上位ランキングが大きく異なる ─ L25 (制度的施策) は L24 (転用対象) と粒度が違う。
• 中央 (件数 log): 広島市 426 件、東広島市 358、福山市 318 が上位 ─ 都市市町で件数多い。逆に坂町 1、大竹市 9、江田島市 16 は最下位。件数と面積のランキングは大きく異なる ─ 『件数 ≠ 面積』。
• 右 (MultiPolygon 比率): 世羅町 26.7%, 庄原市 26.3%, 三次市 24.0% が上位 (中山間)。対して大竹市 0%, 廿日市市 0%, 北広島町 0%, 江田島市 0% は単一 Polygon のみ。『MultiPolygon 比率は集落配置の地形指標』として機能 ─ 中山間市町の谷間集落+分散圃場が MultiPolygon を生む。ただし北広島町は中山間にも関わらず 0% ─ 比較的まとまった農地で運用されている可能性。
• 3 指標を合わせて見ると、市町は次の 4 タイプに分類:(I) 都市大規模型 (東広島市・広島市・福山市) = 大面積・多件数・低MultiP%、(II) 中山間散在型 (世羅町・庄原市・三次市) = 中面積・中件数・高MultiP%、(III) 都市少数型 (大竹市・廿日市市・府中市) = 小面積・少件数・低MultiP%、(IV) 特異型 (坂町=漁業のみ、江田島市=離島) = 極小・特殊。

表 3 — 17 市町 集計表 (面積降順)

この表から読み取れること: 面積 1 位は東広島市 6,787 ha、最下位は坂町 2.5 ha。1 人あたり施策面積は庄原市 4.8 a/人 や 世羅町 14.2 a/人 と中山間で大きく、政令市は0.21 a/人 (広島市)と最小。『中山間住民は 1 人あたり数十 a の施策対象を背景に持つ』 vs 『都市住民は 0.0X a の施策対象しかない』という対比。L24 (1 人あたり対象農地数 a〜数百 a) と桁が違うのは、L25 が制度的「キワ」のみだから。

7. 分析4: NRG_AN 文字列分類 (中核, H2 + H6)

狙い

L25 シリーズの主役の文字列列 NRG_AN を実データで観察し、施策の『質的構造』を可視化する。「ダム」「池」「漁業」「ほ場整備」など特定キーワードを含むかで施策タイプを8 区分に分類し、『施策ポリゴンの 90% は地名のみ、10% が施設・整備』という H2 を検証する。監査時「広島市 NRG_AN は None」結論を実データで反証する H6 もここで処理。

手法

(a) NRG_AN 分類別 件数% vs 面積% 双子バー: 8 タイプ各々が全体に占める比率を、件数比 (青) と 面積比 (赤) の2 本並列で表示。『件数の少数派が面積の多数派になる』パレート構造の検証。

(b) NRG_AN 分類 × 市町 stacked bar (件数比率): 市町別の NRG_AN 分類分布を 100% 棒グラフで並べ、『市町ごとの施策の質的違い』 (大竹市は基地・施設のみ vs 中山間は地区名主体) を示す。

(c) NRG_AN 分類別 県全域マップ: ダム・ため池・漁業などをそれぞれ別色で塗り分けた主題図。『どこにどの施策があるか』を地理的に可視化。ダムは特定地点 (大規模水源)、漁業は瀬戸内沿岸限定、ほ場整備は中山間や都市郊外に分散、というパターンが期待される。

実装

↑ L25_agroforestry_policy.py 行 172–233

 1
 2
 3
 4
 5
 6
 7
 8
 9
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202

NRG_KEYWORDS = [
    ("ダム",     ["ダム"]),
    ("ため池",   ["池", "溜池", "ため池"]),
    ("漁業",     ["漁業", "漁港", "漁場", "養殖"]),
    ("林業",     ["林", "森林", "山林"]),
    ("ほ場整備", ["ほ場整備", "圃場整備", "ほ場", "圃場", "整備", "区画整理"]),
    ("基地・施設", ["基地", "施設", "場"]),
]

def classify_nrg_an(s):
    if pd.isna(s) or s is None or str(s).strip() == "":
        return "_欠損"
    text = str(s)
    for label, kws in NRG_KEYWORDS:
        for kw in kws:
            if kw in text:
                return label
    return "地区名のみ"

agro["nrg_class"] = agro["NRG_AN"].apply(classify_nrg_an)

# 全体集計
nrg_overall = agro.groupby("nrg_class").agg(
    n=("geom_area_ha", "size"),
    area=("geom_area_ha", "sum"),
).reset_index()
nrg_overall["n_pct"]    = nrg_overall["n"] / N_POLY * 100
nrg_overall["area_pct"] = nrg_overall["area"] / AREA_TOTAL_HA * 100

# 市町×分類クロス
nrg_cross_n = agro.groupby(["src_city","nrg_class"]).size().unstack(0)

図 5 — NRG_AN 分類別 件数% vs 面積% (左) + 市町別構成 (右)

なぜこの図か: NRG_AN 分類は本記事の中核手法。件数 % と面積 % の関係を双子バーで見ると、『地区名のみが大多数だが、面積では「ダム」「ほ場整備」が大きい』という規模差が読み取れる。市町別 stacked bar で市町タイプ別の施策性格(漁業の多い坂町・江田島市 vs 地区名主体の中山間) を可視化。

NRG_AN 分類別 件数% vs 面積% (左) + 市町別 NRG_AN 分類構成 (右)

この図から読み取れること

• 地区名のみ 88% が件数で圧倒的多数 ─ H2 支持: 広島県の農林漁業施策は『集落単位の地区名』で運営。
• キーワード分類は計 9% ─ 「ほ場整備」「ため池」「ダム」「漁業」「林業」「基地・施設」の合計が約 1 割。残り 9 割は地名のみ。
• 面積比では『ダム』『ほ場整備』『林業』が件数比より大きい ─ これらは大規模な制度区分として図面化されているため。対して『地区名のみ』は件数では多いが面積比は件数比より小さい。
• 市町別構成 (右図): 坂町は『漁業』100% ─ 唯一無二の漁業基地データ。江田島市は地区名のみが大半だが、離島農業の伝統。東広島市・庄原市は「ダム」「ため池」「ほ場整備」が混在 ─ 中規模都市での農業基盤整備の実態。
• 大竹市: 基地・施設タイプが多く、地区名のみは少ない ─ 工業都市で農地が少ないため施策ポリゴン自体が制度的なものに集約。

図 6 — NRG_AN 分類別 県全域マップ

なぜこの図か: 分類タイプを地理的に分布させると、『どの施策がどこにあるか』が直視できる。ダムは内陸山間 (大規模水源)、漁業は瀬戸内沿岸限定、ほ場整備は中山間や郊外、という地理的偏りが現れるはず。

NRG_AN 分類別 県全域マップ — 施策の質的分布

この図から読み取れること

• 灰色 (地区名のみ) が県全域に広く分布 ─ 大半の施策ポリゴンが『集落単位の指定』であることを再確認。
• 青 (ダム) は内陸山間に点在 ─ 東広島市の大久保ダム・椛の木ダム・千丈ヶ原ダム、三次市湯口谷池等、中山間水源域の特定地点。瀬戸内沿岸には基本的に存在しない。
• 水色 (ため池) は瀬戸内沿岸 (東広島・三原・尾道・福山) と中山間 (三次・庄原)の両方に分散 ─ 『ため池は古代灌漑設備の遺産』として全県的に存在。
• 紺色 (漁業) は瀬戸内沿岸限定 ─ 呉市・坂町・江田島市の沿岸のみ。『漁業基地は海岸線の地形依存』の典型。
• 緑 (林業) は中山間山際に点在 ─ 三次市・庄原市・東広島市の山林域。ただし「林田」のような地名 (= 地区名のみだが「林」を含む) も混入の可能性。
• オレンジ (ほ場整備) は東広島市・三次市・庄原市・北広島町の中山間で中規模に展開 ─ 『農業基盤整備事業の現代的痕跡』。
• 紫 (基地・施設) は瀬戸内沿岸 + 大竹市の限定的な点 ─ 工業/軍事関連の遺産。

表 4 — NRG_AN 分類別 全体集計

この表から読み取れること: 地区名のみ 88.0% が件数の主流。特定キーワード上位は 「ほ場整備」 (7 件)、「ため池」。面積比でも地区名が最大だが、「ダム」と「ほ場整備」は件数比より面積比が大きい ─ 大規模な区域指定として図面化されている証拠。「漁業」「基地・施設」は件数も面積も少ない (合計 5% 程度)。欠損 (NRG_AN null) は全体の 3.6% で、福山市・尾道市に偏在。

表 5 — NRG_AN 文字列 出現頻度 top 10

この表から読み取れること: NRG_AN 文字列は市町境を跨いで重複しないユニーク地名がほとんど。top 1 が頻度 80 件 = 全体の 4.2% にすぎず、『各施策ポリゴンが固有の地区名を持つ』こと示す。L24 では BIKOU 列に「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」が大半を占めていたのと対照的 ─ L25 の NRG_AN は意味のある属性データ。top 10 はほぼ全て地名・池名・ダム名で、『施策ごとに固有の名称』が付与されている = データ品質の高さを示す。

H6 検証: 広島市 NRG_AN null 比率

監査時 (2026-05-03) のサンプル 1 行は NRG_AN = None だったが、実データ 426 行中 NRG_AN = null は 2 行のみ (= 0.5%) で、99.5% は地区名で埋まる。監査結論「広島市 NRG_AN None」は誤り ─ サンプル 1 行が偶発的に None だっただけ。『データ全体を見ずにサンプル 1 行で判断するな』のデータ取扱い教訓。判定: H6 支持。

8. 分析5: KUIKI_CD + TOKEI_CD 解読 (H4)

狙い

L24 と同じ列名 KUIKI_CD (区域コード, 0-7) と TOKEI_CD (統計区分, 1-3) の意味を、L25 でも実データから解読する。『L24 との整合性』を検証 ─ 同じ列名なら同じ意味のはず。中山間で 0 主体、都市で 1/2 混在のパターンが両シリーズで一致するか。

手法

(a) KUIKI_CD 別 県全域マップ: 各値を異なる色で塗り、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。L24 で観察された傾向が L25 でも同じか。

(b) KUIKI_CD × 市町 stacked bar: 各市町の値分布を 100% 棒グラフで並べる。

実装

↑ L25_agroforestry_policy.py 行 1974–2009

 1
 2
 3
 4
 5
 6
 7
 8
 9
1983
1984
1985
1986
1987
1988
1989
1990
1991

# 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/非線引き? (中山間多い、緑)
    1: "#cf222e",   # 1 = 市街化区域? (都市多い、赤)
    2: "#a371f7",   # 2 = 調整区域? (都市の最大値、紫)
    3: "#0969da",   # 3 = 中間階層? (青)
    4: "#bf3989",   # 4 = ? (ピンク)
    6: "#666666",   # 6 = ? (灰)
}

fig, axes = plt.subplots(1, 2, figsize=(18, 9))
for kc, col in kuiki_palette.items():
    sub = agro[agro["KUIKI_CD"] == kc]
    sub.plot(ax=axes[0], facecolor=col, alpha=0.65)

# 市町×KUIKI_CD クロス stacked bar
kc_pct = (kuiki_cross_n.div(kuiki_cross_n.sum(axis=1), axis=0)) * 100
kc_pct.plot(kind="barh", stacked=True, ax=axes[1])

図 7 — KUIKI_CD 別 県全域マップ + 市町クロス

なぜこの図か: KUIKI_CD は仕様書未公開の「ブラックボックス列」。地理分布と市町クロスの 2 角度から見ることで、都市計画階層フラグという解読仮説の妥当性を検証する。

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

この図から読み取れること

• 緑 (KUIKI_CD=0) が中山間で支配的 ─ 88% (中山間 5 市町平均)。『区域外/非線引き都市計画区域』と推定 ─ L24 と完全整合。
• 紫 (KUIKI_CD=2) は都市市町に偏在 ─ 26% (都市 10 市平均)。『市街化調整区域』と推定 ─ 都市部の農地が調整区域に多いと整合的。
• 赤 (KUIKI_CD=1) は東広島市と福山市の一部のみ ─ 『市街化区域』と推定 ─ 件数は少ない (= 市街化区域には農地が少ない)。
• ピンク (KUIKI_CD=4) は廿日市市・尾道市・呉市・江田島市に分布 ─ L24 でも見られた中間階層フラグ。『非線引き都市計画区域』か。
• 市町別 stacked bar (右) で都市/中山間の構造的差が一目瞭然: 中山間市町は緑 (KUIKI=0) 一色、都市市町は紫+緑+ピンクの混合。
• 判定: H4 支持 ─ KUIKI_CD は L24 と同じ意味で、都市計画区域階層フラグとして機能している。

表 6 — KUIKI_CD 全体集計

この表から読み取れること: KUIKI_CD = 0 が件数の最大値 (59.8%) で、中山間+一部都市 (区域外/非線引き) の合計。面積比でも KUIKI=0 が最大 ─ 大規模な区域指定が多い。KUIKI=1 (市街化区域) は件数 1.8% ─ 市街化区域内の農地は施策対象が少ない (= 都市化が優先)。KUIKI=2 (調整区域) は都市市町の主要値。

表 7 — TOKEI_CD 全体集計

この表から読み取れること: TOKEI_CD = 3 が件数最大 (60%) ─ L24 と同じ傾向。『非線引き地域の施策』を表すフラグと推定。TOKEI_CD = 1 は都市計画区域内の施策、TOKEI_CD = 2 は中間。3 値はそれぞれ意味が異なるが、本記事では深追いしない (発展課題)。

9. 分析6: L24 vs L25 空間重複 (中核2, H5)

狙い

本記事のもう 1 つの中核分析: 同じ 16 市町 (L24 ∩ L25) について、農地転用ポリゴン (L24, 動的) と農林漁業施策ポリゴン (L25, 静的) を空間重ね合わせ、「保全策と転用がどう同居/分離するか」を定量化する。完全すみ分け (重複 0%) なら『保全と転用が分離』、完全重なり (重複 100%) なら『保全策が形骸化、転用と同領域』、中間 (10-30%) なら『せめぎあい』 ─ どのモードか実データで判別する。

手法

STEP 1: L24 ZIP 17 件を読み込む ─ L24 は EPSG:6671、L25 は EPSG:2445 → 6671 変換済 ─ 両者を同じ CRS に揃える。

STEP 2: 各市町ごとに shapely.union_all().intersection() ─ (a) 施策ポリゴンを 1 つの大きな MultiPolygon にまとめる (agro_sub.geometry.union_all())、(b) 同様に転用ポリゴンも統合 (farm_sub.geometry.union_all())、(c) a.intersection(b) で重なり領域を計算、(d) .area / 1e4 で重なり面積 (ha) を得る。

注意: 一部市町でジオメトリの自己交差によりTopologyException が発生する。shapely.validation.make_valid() または buffer(0) でジオメトリを修復してから再試行する 2 段フォールバックを実装。

(c) 可視化: 県全域に L24 (赤) ⊕ L25 (緑) を重ねる主題図 + 市町別重複率 barh の 2 連 panel。

実装

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43

from shapely.validation import make_valid

# STEP 1: L24 17 件を読み込み (CRS = EPSG:6671)
farm_frames = []
for dsid, name in L24_DEFS:
    z = L24_DIR / f"farm_{dsid}_{name}.zip"
    f = load_geojson_zip(z)
    f["src_city"] = name
    f = f.to_crs(TARGET_CRS)
    farm_frames.append(f)
farm = gpd.GeoDataFrame(pd.concat(farm_frames, ignore_index=True),
                        geometry="geometry", crs=TARGET_CRS)

# STEP 2: 共通 16 市町で各々 intersection
common_cities = sorted(set(d[1] for d in CITY_DEFS) & set(d[1] for d in L24_DEFS))
overlap_log = []
for city in common_cities:
    a_sub = agro[agro["src_city"] == city]
    f_sub = farm[farm["src_city"] == city]
    a_total_ha = float(a_sub.geometry.area.sum() / 1e4)
    f_total_ha = float(f_sub.geometry.area.sum() / 1e4)

    # 第1試行: union_all + make_valid
    overlap_ha = 0.0
    try:
        a_uni = make_valid(a_sub.geometry.union_all())
        f_uni = make_valid(f_sub.geometry.union_all())
        overlap_ha = a_uni.intersection(f_uni).area / 1e4
    except Exception:
        # 第2試行: buffer(0) でジオメトリ修復
        try:
            a_buf = a_sub.geometry.buffer(0).union_all()
            f_buf = f_sub.geometry.buffer(0).union_all()
            overlap_ha = a_buf.intersection(f_buf).area / 1e4
        except Exception:
            overlap_ha = 0.0

    overlap_log.append({"city": city,
                        "a_total_ha": a_total_ha,
                        "f_total_ha": f_total_ha,
                        "overlap_ha": overlap_ha,
                        "overlap_pct_a": overlap_ha / a_total_ha * 100,
                        "overlap_pct_f": overlap_ha / f_total_ha * 100})

図 7 — L24 (転用) ⊕ L25 (施策) 重ね合わせマップ + 市町別重複率

なぜこの図か: 『同じ市町内で、保全策エリアと転用エリアが同居しているか分離しているか』は地図でないと伝わらない。右側の市町別重複率 barh は『どの市町でせめぎあいが激しいか』を定量化。本記事の最大の発見が現れる。

L24 (転用, 赤) ⊕ L25 (施策, 緑) 重ね合わせ + 市町別重複率

この図から読み取れること

• 左 (重ね合わせマップ): 緑 (L25 施策) と赤 (L24 転用) が大半の中山間市町で同じ場所に重なっている。特に庄原市・三次市・北広島町・東広島市の中山間部で橙黄色 (緑+赤の重ね)が広域に。『保全策のエリア = 転用記録のエリア』が大半。完全すみ分けの市町は無く、施策エリアの上に転用記録が重なる構造。
• 右 (市町別重複率): 多くの市町で重複率 50% 以上 ─ つまり施策面積の半分以上が転用記録と重なる。これはH5 反証 ─ 予想 (10-30% せめぎあい) より遥かに大きい重複。
• 全 16 共通市町: 施策総 24,005 ha / 転用総 154,757 ha / 重複 15,384 ha = 施策の 64.1% が転用と重複、転用の 9.94% が施策と重複。
• 解釈の修正: 重複が大きいことは『保全策の形骸化』を意味するのではなく、『同じ農用地区域を、保全策側 (L25) と転用記録側 (L24) の両方で図面化』していると解釈すべき。L24 の「転用対象農地」は『過去 5 年に転用許可申請された対象農地区分』であり、L25 の「施策」は『現在の制度的指定』 ─ 両者は同じ区域を別の角度から見たもので、本来重なる方が自然。重複が大きい = 『広島県の食農政策は、保全と転用を同じ区域で同時に運営』= 行政の二重行政ではなく、同じ農地への異なる介入記録。
• 転用 (L24) のうち施策 (L25) と重ならない部分は 90%。これは『施策の対象外で発生した転用』 = 制度的に指定されていなかった農地で勝手に転用が進んだ部分。これも県の食農政策に対する重要な情報。

表 8 — 共通 16 市町 L24 vs L25 重複率

この表から読み取れること: 施策中重複率 (= 施策の何 % が転用と重なる) は中山間市町で 60-90% と高く、都市市町で 30-60% と低めの傾向。転用中重複率 (= 転用の何 % が施策と重なる) は全市町で 1-15% と低い ─ 『転用対象は施策エリアの何倍も広い』(L24 全 154,757 ha vs L25 全 24,007 ha = 6.4 倍)。都市市町 (広島市・福山市・呉市) は転用対象が広いため、施策エリアの大半が転用と重なるが、転用全体に占める施策エリアは小さい。中山間市町でも同様の傾向で、施策の対象農地が広くないことを示す。

表 9 — 大規模施策ポリゴン top 10 (面積降順)

この表から読み取れること: top 1 は三次市 東山線 (2,406 ha) ─ 地区名のみ タイプ。top 10 は中山間と都市が混在するが、NRG_AN は地区名・池名・ダム名・ほ場整備地区が混在。『500 ha 超の大規模ブロック』は L24 と同様に少数だが、L25 では「ほ場整備」「ダム」「池」など特定の制度区分が多く、L24 より『施策の意図が読み取れる』データ。geom_type は MultiPolygon が多い ─ 中山間集落+分散圃場の地形を反映。

10. 仮説検証と考察

仮説 H1〜H6 検証結果

主要発見 (5 点)

1. L25 は「制度的指定エリア」型: 17 市町 1,912 件 / 24,007 ha (件数は L24 の 14%、面積は L24 の 16%)。 L24 の『多数の個別申告区画』とは粒度が違う ─ L25 はあくまで『広域の制度区分』を図面化したもの。
2. NRG_AN 88% が地区名のみ、9% がキーワード分類: 広島県の農林漁業施策は『集落単位の地区名』で運営。 日本の農地は集落と一体で扱われ、政策名ではなく地名で図面化される実態が定量化された。 残り 9% は「ダム」「池」「漁業」「林業」「ほ場整備」「基地・施設」のキーワード分類。
3. MultiPolygon 比率は中山間ほど高い: 中山間 5 市町平均 21%、都市 10 市平均 8.4%。 『中山間の谷間集落+分散圃場』と『都市のまとまった農地』の地形差が ジオメトリ構造として現れる。
4. L24 と L25 の空間重複は「施策の 64%」 (H5 予想 10-30% を大きく超過)。 これは『保全策の形骸化』ではなく、『同じ農用地区域を保全策と転用記録の 両方で図面化』していると解釈すべき ─ 行政の二重行政ではなく、 同じ農地への異なる介入記録。 『広島県の食農政策は、保全と転用を同じ区域で同時に運営』という構造発見。
5. 監査結論「広島市 NRG_AN None」は誤読: 実データ 426 行中 NRG_AN null は 2 行のみ (= 0.5%)。サンプル 1 行が偶発的に None だっただけ。 『データ全体を見ずにサンプル 1 行で判断するな』のデータ取扱い教訓。

結論

RQ「広島県内 17 市町の農林漁業関係施策は、面積規模・施策種別・地理分布・農地転用 L24 との 対比でどのような構造を持ち、保全策と転用がどのようにせめぎあっているか?」に対して:

1. 面積規模: 24,007 ha (= 240 km²) ─ 県の市域面積の 2.8%。 L24 (約 18%) より遥かに小さく、『キワの制度区分』のみ。
2. 施策種別: 地区名のみ 88% + キーワード分類 9%。 集落単位の運営。
3. 地理分布: 中山間に偏在、瀬戸内沿岸に分散、都心は希薄。 『中山間 5 市町が県の食農基盤』を再確認 (L24 と整合)。
4. L24 との対比: 施策エリアの 64% が転用エリアと重複 ─ 予想を超える大きな重なり。『保全と転用は同じ場所で同居している』。
5. 哲学: 広島県の食農政策は、『保全策と転用記録は同じ農用地区域を異なる角度から 図面化したもの』として運営されている。『せめぎあい』というより『二重記録による 重層的な政策運営』。

水増しなき意味のある分析: 全 9 図 + 9 表 + 6 仮説検証はそれぞれ独立した観点を持ち、 同じ結論を別角度から補強する。中核は (1) NRG_AN の文字列分類 (2) L24 vs L25 重複の定量化 で、 両方とも仕様書未公開の生データから『広島県の食農政策の哲学』を読み解いた。

11. 発展課題 (結果 X → 新仮説 Y → 課題 Z)

結果 X → 新仮説 Y → 課題 Z

(1) 結果 X1: 施策の 64% が転用と重複していた

新仮説 Y1: 「重複している部分」と「重複していない部分」では、 施策の意図 (NRG_AN 分類) が異なる可能性。 「ほ場整備」キーワードは転用と強く重なる(同じ地区で整備と転用を同時推進)、 「ダム」「池」は転用とすみ分ける(水利施設は保全特化) ─ などの差。

課題 Z1: NRG_AN 分類別にL24 vs L25 重複率の差を計測。 agro.groupby("nrg_class").apply(compute_overlap_with_farm) で、 分類別の重複率を出す。さらに重複と非重複の地理分布を比較し、 『どこで保全と転用が分離し、どこで同居するか』を可視化。

(2) 結果 X2: NRG_AN は 88% が地区名のみだった

新仮説 Y2: 地区名は地形地名 (谷・丘・池・川)と 集落地名 (○○地区・○○原・○○町)に分かれ、地形地名比率は中山間で高く、 集落地名比率は都市市町で高い。地名学的な分布パターンが市町タイプと相関するはず。

課題 Z2: NRG_AN 文字列を地形語彙辞書 (谷, 丘, 池, 川, 田, 山, 沢) と 集落語彙辞書 (地区, 原, 町, 村) で 2 次分類し、 市町タイプ別の出現比率を分析。地名学的アプローチで施策ポリゴンの背景文化を解読。

(3) 結果 X3: 1 町スワップ (熊野町↔坂町) があった

新仮説 Y3: 「保全策あり / 転用無し」(= 坂町) と「保全策無し / 転用あり」(= 熊野町) の 2 町は、L23 (DID) や L22 (人口ピラミッド) の都市化指標で異なる位置にあるはず。 熊野町は『食料生産は捨てたが住宅は維持』、 坂町は『食料生産は維持 (漁業のみ)、住宅も維持』のような差。

課題 Z3: 熊野町・坂町のL22 人口ピラミッド + L23 DID 比率 + L24 転用 + L25 施策を 4 軸 radar chart で並べ、『2 町の都市化プロセスの違い』を視覚化。 さらに同じく近郊町だが施策ありの市町と比較。

(4) 結果 X4: KUIKI_CD は L24 と L25 で同じ意味と推定された

新仮説 Y4: 同じ KUIKI_CD 値 (例: 0) を持つ施策ポリゴン (L25) と転用ポリゴン (L24) は、 ほぼ同じ地区を指している。逆に異なる KUIKI_CD 値の交差は地形境界 (山と平地の境) と 強く相関する。KUIKI_CD は『都市計画区域階層』として L24/L25 で完全互換。

課題 Z4: KUIKI_CD = k の施策と KUIKI_CD = k の転用を空間結合し、 『同じ k 値での重複率』を計測。値ごとの重複率の表を作り、 KUIKI_CD の意味の整合性を定量化する。

(5) 結果 X5: ダム・ため池・漁業など特定キーワードは地理的に偏在

新仮説 Y5: 「ダム」キーワードを含む施策ポリゴンの地理は、 地形図の流域 (川の上流) と強く相関する。「漁業」は海岸線、 「ため池」は瀬戸内沿岸の古代灌漑遺産地区と相関する。 施策の地理的偏在は地形決定論的に説明できる。

課題 Z5: 国土数値情報の水系ポリゴン + 海岸線と本データを空間結合し、 キーワード分類別の『地形要素との距離』分布を計測。 ダムから上流まで何 km、漁業基地から海岸まで何 m、を分布図で示す。