課題背景

固定資産税の農地調査は、法律（地方税法第408条）で年1回以上の実地調査が義務付けられています。

農地は税の軽減措置対象のため、「本当に農地として使われているか」の確認は課税の公平性に直結します。しかし、現行の確認手段では夏〜秋に職員が炎天下の農地を一筆ずつ歩き回るしかなく、業務負担・熱中症リスク・調査精度の三重の問題が年々深刻化しています。

また、市場にはすでに農地判定AIや衛星解析サービスが存在するようです。しかし名古屋市の農地での判定が可能なのか、費用対効果があるのかも見極める必要があります。

技術適用するにあたっては、2つの懸念事項があります。

1. 環境の壁（都市型農業の制約） 人口集中地区に隣接するため大型ドローン飛行が厳しい可能性が高いこと。衛星画像での判定においても農村地域ほど広い農地ではなく費用対効果がでるのか不透明です。

2. 運用の壁（オフラインと現場の乖離）セキュリティ上、固定資産税の管理システム（GIS）が外部クラウドと連携できない「スタンドアロン環境」であるためクラウドとの連携が難しい点があります。仮にタブレットなどを現場に配備しても、直接固定資産税システムに連携することができないという課題があります。

現状の業務フロー

【現状の業務フローと根本原因】

1. 年末年始、セスナで市内全域を空撮。前年の写真と並べて見比べ、宅地や建物の変化を確認します。この方法によって建物の新築・取り壊し自体は発見可能です。
2. しかし農地は冬場の撮影では植生がなく、「耕しているか・放棄しているか」が写真だけでは判別できません。農地の確認だけは、どうしても別途夏〜秋の現地調査が必要になります。
3. 夏〜秋、職員は「紙の地番図」を持って現地調査に向かいます。調査拠点（中村区）から農地の密集する地域（農業振興地域）までは移動だけで片道1〜1.5時間。到着後は農地が連続する広大なエリアを炎天下で徒歩・自転車で一筆ずつ巡回します。
4. 農地が連続するエリアでは、農地の境界に目印がなく「今自分がGIS上のどの筆（地番）を見ているのか」が現地では判断できません。1枚の田んぼが複数の所有者に細かく分割されているケースも多く、確認もれや再訪問が頻発します。
5. 調査結果を事務所に持ち帰り、GISシステムへ手動で入力・修正します。税データはセキュリティ上スタンドアロン管理が原則のため、外部クラウドとのAPI連携は不可。GISをタブレットで現地持ち出しする仕組みもなく、紙と手入力のアナログサイクルが続いています。

対象業務の規模

• 名古屋市内の農地数：約24,000筆
• 担当職員：約60名（市内3拠点に各約20名ずつ在籍）
• 農地：全区に散在。特に中川区・港区・守山区（農業振興地域）に集中
• 年間地目区分見直し件数：全市で500件程度
• 全国1,700以上の市町村が同様の法的義務を毎年実施

変えたいポイント

• 「人による巡回」→「AIスクリーニング＋要確認農地だけへの重点訪問」への転換

• 農業振興地域の全農地について、「人による巡回」から「AIスクリーニング＋要確認農地だけへの重点訪問」への転換を実現できる手法。

具体的には、以下の様なことを実現できる手法を求めています。

• 現地確認が不要と一定の割合で判定できるもの（スクリーニング）
• AIによる「要確認」アラート（真に変化があった農地をAIが検出）
• 現地調査の訪問回数または人日数の削減

最終的には、以下の様な事を目指しています。

• 先進技術を活用し、農地の利用状況（耕作中・休耕・荒廃）を空から的確に把握できる体制
• 職員の農地現地調査の「全件巡回」から「疑義農地への重点訪問」への転換

既存の農地判定AI・衛星解析SaaSは「何を作付けしているか」の判定に特化していますが、本課題が必要とするのは「怪しい農地だけを抽出するスクリーニング」という異なるアウトプット設計です。

また、固定資産税GISはセキュリティ上クラウドとのAPI連携ができないため、外部サービスをそのまま接続するアプローチは取れません。

こうした現場固有の制約を踏まえ、次の様なハイブリッド型アプローチにより、通常の巡回にかかる工数の削減を目指すことを想定しています。

【Step1：空撮・データ取得】

衛星画像または農振エリアへのドローン空撮などにより、農作物生育期（夏〜秋）の農地画像を取得。

【Step2：スクリーニング】

過去の地目変更履歴などを学習データとして活用し、「変化なし」農地を大量に除外し「要確認農地」だけをアラート。

※何を作付けしているかの判定は特段不要であり、「何らかの農地として管理されているか、あるいは放置されているか」の判別を重視します。

【Step3：結果の出力・可視化】

抽出した要確認農地の位置情報を、CSVでの座標出力等の汎用的なデータ形式で出力し、事務所内で職員が確認できる仕組みを構築。

※外部端末等を用いた現地へのデータ持ち出しは今回の実証スコープ外とします。

【Step4：業務効果の測定】

全件巡回との工数比較を実施し、削減効果を定量化。

データ

• 農業振興地域（中川区・港区）の農地エリア情報および地番図データ（GISデータ形式）
• 過去に撮影した年末年始の航空写真データ（提供可能な範囲で）
• 固定資産税課税事務GIS内の地番・地目区分データ（提供範囲は個人情報保護条例の委託手続きに準拠）
• 過去の地目変更履歴データ（AIの学習データとして活用可否は要確認）

フィールド

• 農業振興地域の農地（中川区・港区・守山区）

人的リソース

• 今回の課題は実際に現地調査を行ってきた現場経験者からの発案であり、実務検証への積極的な関与が期待できる
• 固定資産税課担当職員による現地調査への協力可能性（撮影結果に対し、職員が現地調査を行って写真記録を残すなどの検証精度向上への協力）
• 現地事務所（出先）の担当職員からの意見出しや協力

その他

• 過去に農業振興課が実施した衛星画像・作付け判定実証の知見を参考情報として共有可能

• 【撮影時期】農地の利用状況把握のため、撮影は夏〜秋（農作物生育期）の実施が必須。撮影シーズンは実証採択（8月下旬想定）直後に到来するため、採択前からの準備が必要。
• 【航空法遵守】ドローンを使用する場合、関係法令（航空法等）の遵守および周辺住民への配慮が必要。飛行許可申請を含む対応は提案企業が責任を持って行うこと。
• 【GIS非連携・手入力前提】固定資産税GISはセキュリティ上スタンドアロン運用が原則。外部クラウドとのAPI連携は不可。実証フェーズでは「クラウドで解析→職員が手入力でGIS反映」の分離設計を前提とする。
• 【最終判断は職員による現地確認】固定資産税は法定業務のため、AIの判定結果のみで課税内容を変更することはできない。AIはスクリーニング補助ツールとして位置づけ、最終判断は職員の現地確認で担保する設計が必須。
• 【秘密保持】課税データは外部に出さない設計を前提とします。
• 【現地確認】現地の農地フィールドへの視察や固定資産税課への訪問は積極的に受け入れます。
• 【営農期】衛星・ドローンの撮影時期（採択直後の9月前後）は農地調査の実務ピークでもあるため、企業側の早期準備に対して最大限協力します。

実証成功時の展開

• 実証（PoC）で業務削減効果が確認できた場合、翌年度以降の本格導入に向けた予算要求を検討します

横展開の可能性

• 全国1,700以上の市町村が同じ法的義務を毎年実施しており、横展開市場は明確に存在します
• 名古屋市（政令指定都市）での実証成功事例は、他自治体への営業における最強のレファレンスになります
• 猛暑が激化する中、夏季屋外作業の職員の熱中症リスク低減という労働安全の観点でも重要な社会的意義があります
• 将来的には宅地・建物を含む固定資産現況調査全体への横展開の可能性もありえます

• 衛星画像またはドローン画像などを用いた農地・土地利用の画像解析・AI判定に関する技術または実証経験

※ドローン活用の場合

航空法への対応（飛行許可申請・包括申請）を含むドローン運用体制、または衛星画像の調達・活用実績のいずれか

• 固定資産税調査・農地調査への技術適用への強い関心
• GIS連携・地番データとの空間マッチング技術
• 衛星画像（光学、SARなど）の適切な手法選定ノウハウ