植生指数がトウモロコシの生育モニタリングを改善する方法

トウモロコシは世界で最も生産量の多い穀物作物であり、米国だけでも 2023年には約3500万ヘクタールの面積で3億9000万トンの生産量となる見込み。. これほどの規模の作物を管理するには、徒歩での偵察だけでは不十分です。トウモロコシの生育状況を監視するための植生指数（植物の葉冠が光を反射・吸収する仕組みから導き出された数式）は、分光データを実用的な作物健全性情報に変換できるため、現代の作物管理の要となっています。しかも、迅速かつ大規模に、葉に触れることなくこれを実現します。.

衛星、ドローン、携帯型センサーなどを通じて利用できるようになったリモートセンシング技術は、トウモロコシの生育期間のあらゆる段階で、リアルタイムのスペクトルデータをこれらの指標に反映させます。農家や農学者は、葉が黄色くなる前のV6段階で窒素ストレスを検出したり、収量が低下する前に穀粒充填期の水分不足を特定したり、作物が施肥を必要とする週に作成されたキャノピーマップを使用して可変施肥量を調整したりすることができます。.

植生指数とは何ですか？どのように機能するのですか？

植生指数（VI）は、センサーで取得した2つ以上のスペクトルバンドの反射率値を数学的に組み合わせることで算出される、無次元の定量的値です。その結果得られる単一の数値は、土壌、大気、影からの干渉を抑制しながら、クロロフィル濃度、葉面積、水分含有量など、植物群落の特定の生物学的特性を分離・増幅します。.

植生指数（VI）の強みは、異なるセンサー、圃場、日付間で測定値を標準化できる点にあります。照明条件によって変動する生の反射率を比較するのではなく、VIはより安定していて生物学的に意味のある比率または差を提供します。これにより、異なる圃場、季節、さらには衛星プラットフォーム間でも、樹冠の健全性を比較することが可能になります。.

植物は光合成のために特定の波長の光を吸収し、他の波長の光を反射します。健康な緑色の植物は、クロロフィルによる光合成のために赤色光（約660～680nm）の大部分を吸収し、細胞構造のため近赤外線（NIR）光を強く反射します。.

ストレスを受けた、あるいは葉がまばらな樹冠は、赤色光の吸収が少なくなり、反射率が高くなり、近赤外線の反射率は低くなります。植生指数は、このコントラストを数学的に捉え、特定の時点における樹冠の緑度、密度、健全性を定量化します。.

植生指数で使用されるスペクトルバンド

異なるスペクトルバンドは、作物に関する異なる診断情報を提供します。各バンドは異なる生物学的プロセスを対象としているため、マルチバンドセンサーは単純なRGBカメラよりも豊富なデータを提供します。トウモロコシのモニタリングに最も関連性の高い6つのバンドは以下のとおりです。

• 赤色（620～700 nm）： クロロフィルによって強く吸収される。赤色吸収の低下は光合成活性の低下を示し、ストレス、栄養不足、または樹冠の早期老化を示唆する。.
• 緑色（520～560 nm）： 植物は赤色光よりも緑色光を多く反射するため、緑色に見えるのです。緑色光の反射率はクロロフィル濃度と相関があり、GNDVIやVARIといった指標に用いられています。.
• 青色（450～490 nm）： カロテノイドやクロロフィルに吸収される。主に、可視光帯域のみが利用可能なVARIなどのRGBベースの指標で使用される。.
• 近赤外線（NIR、750～900 nm）： 健康な葉の内部にある海綿状の葉肉組織によって強く反射されます。近赤外線反射率は、NDVI、EVI、およびほとんどの広帯域指数の基盤となっています。密生した健康なトウモロコシの葉冠は、高い近赤外線反射率を示します。.
• レッドエッジ（700～740 nm）： 赤色吸収と近赤外線反射の間の遷移帯。クロロフィル濃度と窒素状態はこの帯に強い影響を与えるため、栄養不足が目に見えるようになる前の初期段階を検出するのに非常に感度が高い。.
• 短波赤外線（SWIR、1,400～2,500 nm）： 植物組織内の液体の水に吸収される。SWIR（短波赤外線）に基づく指標は、植物の葉冠の水分含有量を測定し、干ばつストレスを検出するため、水分不足が収量に直接影響を与える穀物の成熟期に特に有用である。.

トウモロコシの生育モニタリングにおいて植生指数が重要な理由

1. 作物の健康状態のモニタリング

作物の健康状態は、クロロフィル濃度、葉面積指数（LAI：総葉面積と地表面積の比）、植物の水分状態、キャノピー温度など、複数の重複する要因によって左右されます。数百ヘクタールに及ぶ広大な圃場を一度調査するだけでは、これらの要因すべてを同時に把握することはできません。.

植生指数は、この複雑さを測定可能な値に圧縮し、生育期間を通して繰り返し追跡することで、収量減少につながる前に衰退を検出することを可能にする。.

発表された研究 農業 （2023）は、UAVに搭載したNDVIセンサーを用いて、干ばつ条件と灌漑条件の両方で3種類のトウモロコシのハイブリッド品種をモニタリングした。研究者らは、発芽から成熟まで毎週キャノピーの健康状態を追跡し、目に見えるストレス症状が現れる数週間前のV8の時点で、灌漑区と天水区の間でNDVI値が大きく異なっていることを発見した。このような早期の差異により、タイムリーな介入が可能になる。.

2. 植物の活力の測定

植物の活力、すなわち作物の全体的な成長速度とバイオマス蓄積量は、収量ポテンシャルを直接的に予測する指標となる。NDVIやEVIといった指標は、トウモロコシのLAIおよび地上部乾燥バイオマスと強い相関関係にある。.

主要な生育段階における生育状況をモニタリングすることで、農学者は圃場内の生育不良箇所を特定し、それに応じて投入資材を調整することが可能となり、空間的にばらつきのある土地全体に一律の管理方法を適用する必要がなくなる。.

3．視覚症状が現れる前にストレスを検出する

これはおそらく、植生指数が持つ最も商業的に価値のある機能と言えるでしょう。窒素欠乏、水分ストレス、あるいは初期の病害に侵されたトウモロコシは、葉が黄変したり、しおれたり、目に見える病斑が現れる前に、まずスペクトル反射率（特にレッドエッジ帯と近赤外線帯）に変化を示します。.

レッドエッジに基づく指標、特にNDREとCIレッドエッジは、目に見えない窒素ストレスとクロロフィル減少に特に敏感である。Jangら（ScienceDirect、2024）は、これらを組み合わせることで 多重線形回帰を用いたNDVI、NDRE、およびGNDVI指標 トウモロコシの収量予測性能は、いずれの単一指標単独の場合と比較しても大幅に向上した。.

単一の指標に頼っている栽培者は、特に重要な生殖段階において、複数の指標を組み合わせたアプローチから得られる付加的な予測力を逃している。.

4. 収量予測の改善

戦略的な生育段階、特に雄穂形成期と雌穂形成期に収集された植生指数は、最終的な穀物収量の強力な予測因子となる。 リモートセンシング （2023）は、栄養成長期と生殖成長期にわたるNDVI、NDRE、SAVI、EVIを含む多時期UAVデータを融合し、トウモロコシの収量予測モデルを作成した。 R²は0.78、rRMSEは8.27%, 単一ステージのデータに基づいて構築されたモデルよりも優れた性能を発揮する。.

重要な洞察は、複数の成長段階で複数の指標を用いることで、単一の測定値のスナップショットよりもはるかに幅広い収量決定要因を捉えることができるということである。.

5. 精密農業の支援

精密農業は、圃場ごとの投入資材を決定するために、空間的な変動データに依存している。ドローンや衛星画像から作成される植生指数マップは、平均的な圃場測定値では隠されてしまう、圃場内の作物生育のばらつきを明らかにする。.

これらの地図は可変施肥システムに直接反映され、農家は作物が必要とする場所にはより多くの肥料を、必要でない場所にはより少ない肥料を施用できるため、コストと環境負荷を同時に削減できる。.

植生指数が最も役立つトウモロコシの生育段階

“「適切な生育段階で適切な指標を用いることで、一律の調査では決して得られない作物の情報を引き出すことができる。そして、データ収集のタイミングは、選択する指標と同じくらい重要だ。」”

1. 出現段階

発芽期には、植物の被覆はまばらで、画像の大部分は土壌で占められています。このような状況では、土壌の背景ノイズが弱い植物群落の信号を圧倒してしまうため、標準的なNDVIは性能が低下します。この段階では、SAVIやMSAVIといった土壌補正指数が適切なツールとなります。.

彼らは補正係数を適用することで、露出した土壌が指標値に与える影響を軽減し、植物密度や初期定着の均一性について意味のある測定を可能にする。.

2. 栄養成長期（V段階）

V3期からV12期にかけて、トウモロコシの葉冠は急速に拡大します。この時期は、作物の窒素要求量が急激に増加するため、窒素管理において最も重要な時期となります。.

NDREとCI Greenは、この期間において最も反応性の高い指標です。これは、レッドエッジバンドがNDVIのより広範な信号変化よりも前に、クロロフィルのわずかな減少を検出するためです。V6およびV10段階でのUAV飛行を、追肥窒素施肥の決定とタイミングを合わせて行うことで、データ投資に対する最高のリターンが得られます。.

3. 雄穂の出現と雌穂の出現

雄穂形成期（VT）と雌穂形成期（R1）は、トウモロコシの生育サイクル全体の中で収量に最も影響を与える段階です。この段階では葉冠の閉鎖がほぼ完了しているため、NDVIとEVIは土壌の影響を受けずに葉冠全体を読み取ることができます。.

両指標とも、健全な作物ではVT期付近でピークに達します。この段階で指標値が横ばいになったり、早期に低下したりする場合は、ストレスの兆候であり、それが穀粒の脱落や収量減少につながります。.

4. 穀物の詰め物

穀粒充填期（R3～R5）には、主な管理上の懸念事項は水分ストレスと病害へと移行します。この段階では、NDWI（近赤外線および短波赤外線バンドから算出される正規化差分水分指数）と熱指数が、目に見える萎凋に先行する葉冠水分量の減少を検出することで、標準的な管理手法を補完します。.

NDVI値は作物の成熟に伴い自然に低下し始めるため、指数の推移を解釈するには、栽培されているハイブリッド品種の予想される季節パターンを基準とする必要がある。.

5. 成熟度

生理的成熟期（R6）では、樹冠の老化と葉緑素の分解に伴い、主要な植生指数はすべて低下します。成熟期の指数データは主に過去の分析に使用され、季節ごとの植生指数の推移と実際の収穫量データを相関させることで、予測モデルを検証し、将来のシーズンのベンチマークを改善します。発芽から成熟期までの指数曲線の時系列分析は、圃場ごとの収量モデルを構築するための最も豊富なデータ基盤を提供します。.

トウモロコシの生育モニタリングに用いられる一般的な植生指数

1. NDVI（正規化植生指数）

NDVIは農業において最も広く用いられている植生指数です。近赤外線と赤色光の反射率のコントラストを測定するもので、以下の式で計算されます。

NDVI = (近赤外線 − 赤色光) / (近赤外線 + 赤色光)

NDVI値は-1から+1の範囲です。健康で密度の高いトウモロコシの葉冠は、緑度がピークに達した時点で通常0.7から0.9のスコアを示します。NDVIの最適な用途としては、V6期から雄穂が出るまでの葉冠の発達状況の追跡、生育不良の圃場区域の特定、LAIや地上部バイオマスとの相関分析などが挙げられます。.

NDVIの主な限界は、密生した樹冠における飽和です。LAIが約3 m²/m²を超えると、葉面積の増加によるNDVI信号の変化は小さくなり、樹冠が密集している場所での感度が低下します。.

2024年に発表された研究 農業 （MDPI）は、ハンガリーで2つの生育期にわたってUAVベースのNDVIモニタリングを使用し、以下のことを発見した。 NDVIと収量の相関が最も強かったのは、絹糸抽出後の段階であった。 （2023年はR=0.638、2024年はR=0.634）このことから、NDVIは特定の生育期間における収穫量指標として信頼できることが確認された。.

2. GNDVI（緑色NDVI）

GNDVIは赤色の帯を緑色の帯に置き換えます。 GNDVI = (近赤外線 − 緑色光) / (近赤外線 + 緑色光). 緑色チャネルは赤色チャネルよりもクロロフィル濃度に敏感であるため、GNDVIはNDVIが飽和状態にある成熟した密生した樹冠における中程度のクロロフィル変動を検出するのに優れています。.

トウモロコシにおける主な用途は、栄養成長中期および生殖成長期における窒素状態の評価である。研究発表は サイエンスダイレクト （2024）は、GNDVIをNDREと組み合わせた多重指数回帰モデルでは、特に開花前の段階でトウモロコシの収量予測精度が大幅に向上することを確認した。.

3. EVI（強化植生指数）

EVIは、青色バンドを取り入れ、大気補正係数を適用することで、NDVIを改良したものです。 EVI = 2.5 × [(近赤外線 − 赤色) / (近赤外線 + 6 × 赤色 − 7.5 × 青色 + 1)]. この式は、大気ノイズと土壌背景干渉を同時に低減するため、NDVIが飽和してしまうような密生した樹冠条件下では、EVIはNDVIよりも感度が高くなります。.

EVIは、トウモロコシの穂が出穂してから穀粒がほぼ完全に覆われる初期段階までの、トウモロコシの樹冠構造をモニタリングするのに最適な指標です。MODIS衛星プロダクトの中核となる指標であり、地域規模のトウモロコシモニタリングに広く利用されています。.

研究 農業 （2024）中国吉林省のMODIS MOD09A1データを使用して、 EVIを含む複数の植生指数と形状モデルを組み合わせることで、植物の生育段階の検出精度が大幅に向上した。 主要なトウモロコシ生育期間全体にわたって、単一指標アプローチと比較した。.

大規模な地域作物モニタリングにおいては、EVIを他の指標と組み合わせた時系列モデルを用いることで、単一の指標を用いる場合よりも信頼性の高い生育段階の追跡が可能となる。.

4. SAVI（土壌調整植生指数）

SAVIは、NDVIの計算式に土壌輝度補正係数（L）を導入します。 SAVI = [(NIR − Red) / (NIR + Red + L)] × (1 + L), ここで、L = 0.5 は一般的な土壌条件の場合です。SAVI は裸地の反射率の影響を抑えることで、地表被覆率が 50% 未満のトウモロコシ生育初期段階におけるキャノピー測定値をより正確にします。発芽から V4 までの植物の定着、株の均一性、生育初期の活力を監視するための標準的な選択肢です。.

5. NDRE（正規化差分レッドエッジ）

NDREはレッドエッジバンドと近赤外線バンドを使用します。 NDRE = (NIR − レッドエッジ) / (NIR + レッドエッジ). 赤色端帯は、クロロフィル濃度のわずかな変化が大きな反射率の変化を引き起こすスペクトル領域に位置しているため、NDREはNDVIよりも窒素に起因するクロロフィル変動に対して感度が高い。.

発表された研究 センサー （2024年）LSU AgCenterの研究ステーションでUAV写真測量法を用いて調査したところ、 NDREは、播種後87日目のトウモロコシの穀物収量をR²値0.9097で予測した。, これは、晩期の窒素管理と収量予測におけるNDREの価値を裏付ける、非常に強力な関係性である。.

6. MSAVI（修正土壌調整植生指数）

MSAVIは、L係数を固定値ではなく動的な値にすることでSAVIを改良し、植生被覆率に応じて自動的に調整されるようにしました。 MSAVI = [2 × NIR + 1 − √((2 × NIR + 1)² − 8 × (NIR − Red))] / 2.

この自己調整機能により、MSAVIは、裸地発芽から雄穂の開花期まで、樹冠の発達段階全体にわたってSAVIよりも高い精度を実現します。また、土壌の明るさに関する仮定を必要としないため、さまざまな圃場条件や土壌タイプへの適用性が向上します。.

7. VARI（可視大気抵抗指数）

VARIは可視光帯（赤、緑、青）のみを使用します。 VARI = (緑 − 赤) / (緑 + 赤 − 青). その価値は、ほとんどの商用ドローンに搭載されているような標準的なRGBカメラから計算できる点にある。しかも低コストで入手できる。.

VARIは、マルチスペクトル指数のような窒素やバイオマスに対する感度は持ち合わせていないものの、キャノピーの緑度を概算する上で有用な指標となるため、マルチスペクトルセンサーをまだ導入していない農家でも利用できる。.

研究論文が発表されました サイエンスダイレクト （2025）は、VARIが様々な栽培環境におけるトウモロコシ収量予測のための機械学習モデルにおいて有用なVI入力の一つであることを確認した。.

8. OSAVI（最適化土壌調整植生指数）

OSAVIは、L値を0.16に固定したSAVIの簡略版であり、部分的な樹冠被覆条件に最適化されています。 OSAVI = (NIR − 赤) / (NIR + 赤 + 0.16).

この特定のL値は、幅広い植生密度において土壌背景の影響を最小限に抑えるために経験的に決定されました。OSAVIはV2からV6まで良好な性能を発揮し、SAVIの初期シーズンにおける有用性とNDVIのピークシーズンにおける精度との間のギャップを埋めます。.

9. CIグリーン（クロロフィル指数グリーン）

CI Greenは、反射率から直接クロロフィル含有量を推定します。 CIグリーン = (NIR / グリーン) − 1. 葉緑素は葉の主要な窒素貯蔵色素であるため、CI Greenはレッドエッジバンドを必要とせずに樹冠の窒素状態を追跡できます。.

このため、Sentinel-2衛星画像のように標準的な緑色のバンドしか利用できない場合に有用であり、生育中期の窒素管理の意思決定において、V6期から絹糸抽出期まで信頼性の高い性能を発揮します。.

10. CIレッドエッジ（クロロフィル指数レッドエッジ）

CI Red Edgeは、緑色の縁取り帯を赤色の縁取り帯に置き換えます。 CIレッドエッジ = (NIR / レッドエッジ) − 1. この置換により、CI Greenよりもクロロフィル変化に対する感度が大幅に向上し、特にキャノピーが十分に密になり、緑色バンドの信号が飽和し始める中期から後期の栄養成長段階で顕著になります。CI Red Edgeは、トウモロコシの圃場管理ゾーン全体にわたる微妙な窒素勾配を検出するのに最も優れた指標の1つです。.

トウモロコシのモニタリングにおける植生指数の比較

1. 初期成長に最適な指標

SAVIとMSAVIは、トウモロコシの生育初期（発芽からV4期まで）において、NDVIとEVIよりも一貫して優れた性能を発揮します。これは、キャノピー被覆率が40%を下回る場合に、土壌のバックグラウンドノイズが指標信号を支配するのを防ぐためです。OSAVIは、圃場全体で土壌条件が変動する場合に、有用な中間的な選択肢となります。.

2. 窒素検出に最適な指標

NDREとCI Red Edgeは、トウモロコシの窒素欠乏を検出するための最も強力な指標です。どちらも、クロロフィル濃度に対するレッドエッジバンドの高い感度を利用しています。窒素施肥の判断が最も重要な時期であるV6～V10段階において、これらの指標はNDVIが測定可能な反応を示す7～14日前に欠乏を検出するため、是正措置を講じるための十分な時間的猶予が得られます。.

3. バイオマス推定に最適な指標

NDVIとEVIは、トウモロコシの地上乾燥バイオマス推定において最も検証された指標です。UAVマルチスペクトル画像とテクスチャ特徴を組み合わせた研究では、 PMC （2023）は、赤色（650 nm）、レッドエッジ（705 nm）、および近赤外線（842 nm）バンドに基づく植生指数が、生育期間中のバイオマス蓄積の密接に関連する指標であるLAIと最も高い相関関係を示したことを発見した。.

4. 密集した樹冠に最適な指標

EVIは、トウモロコシの葉が完全に茂った時期、つまり雄穂が出穂してから穀粒が成熟し始めた時期にかけて最適な指標です。NDVIはLAIが約3を超えると飽和状態になりますが、EVIは大気補正項と土壌補正項によってバイオマス量が多い場合でも信号の飽和を防ぐため、葉面積とクロロフィル量の変化に引き続き反応します。.

5. 干ばつストレスの最適な指標

NDWI（近赤外線および短波赤外線に基づく水分指数）とNDVIを併用することが、トウモロコシの干ばつストレス検出において最も効果的な組み合わせです。NDWIは組織水分量の変化を直接追跡する一方、NDVIは水分ストレスがキャノピーの緑度に及ぼす二次的な影響を捉えます。短波赤外線機能を備えたマルチスペクトルセンサーは、この点で最も大きな価値を発揮しますが、これらのセンサーは標準的な5バンドマルチスペクトルシステムよりも高価です。.

トウモロコシ生産における植生指数の応用

植生指数は、それがもたらす意思決定の有用性によってのみ価値が決まる。目標は常に、スペクトルデータを収量向上、コスト削減、あるいはその両方につながる現場での行動に変換することである。.

1. バイオマス推定

NDVIとEVIの値は、トウモロコシの生育期間全体を通して、地上乾燥バイオマスと強い相関関係を示します。2週間間隔で繰り返し行われるUAV飛行や衛星による観測によってバイオマス蓄積曲線が生成され、圃場が収量ポテンシャルに向かっているのか、それとも特定のシーズンにおける予想成長軌道から遅れているのかが明らかになります。.

2. クロロフィル測定

CI GreenとCI Red Edgeは、作物の光合成能力を追跡する非破壊的なキャノピーレベルのクロロフィル推定値を提供する。 PMC （2024）UAVベースのSPAD（クロロフィルメーター読み取り）推定をトウモロコシで使用して、修正レッドエッジ比指数が達成したことを確認した。 R²は0.87 中期生育段階における葉緑素含有量の予測において、レッドエッジ指数がこの用途にもたらす実用的な精度を実証する。.

3. 窒素状態の評価

窒素はトウモロコシの収量を最も直接的に制限する栄養素であり、作物の需要の変化に伴い、その状態はシーズンを通して変動する。2025年に発表された研究では、 植物科学の最前線 2024年にSentinel-2A衛星画像、UAVマルチスペクトルデータ、および地上観測をトウモロコシの4つの生育段階にわたって統合し、複数の植生指数とバンド補正を組み合わせた新しい地域規模の窒素含有量逆解析モデルを開発した。.

このフレームワークは、48の独立したサンプリングポイント全体で高い検証精度を達成し、衛星とUAVの融合がVIベースの窒素管理の拡張性を個々の圃場から農場や地域規模にまで拡大できることを示した。.

4. 水ストレス検出

トウモロコシの水ストレスは、まず気孔コンダクタンスを低下させ、次に葉の水分含有量を減少させ、最後に緑色バイオマスを減少させる。これら3つのプロセスは、それぞれ異なるスペクトル帯域に順次影響を与える。初期段階の水ストレスは、NDVIが低下する前に、熱赤外帯域データとSWIRベースの指標に現れる。.

NDWIとNDVIの組み合わせを、水ストレスが収量に最も大きな影響を与える穀物充填期間全体にわたって監視することで、灌漑スケジュールを暦に基づく規則ではなく、実際の作物の需要に基づいて決定することが可能になる。.

5. 疾病モニタリング

トウモロコシ葉枯病や灰色葉斑病などの真菌性疾患は、肉眼で大きな病斑が確認できる前に、感染した葉のスペクトル特性を変化させます。感染した組織は、近赤外線反射率の顕著な低下と、レッドエッジ位置のずれを示します。.

多時期のVIモニタリングにより、病害発生の兆候を示す局所的なスペクトル異常を検出できるため、圃場全体への散布ではなく、対象を絞った殺菌剤散布が可能となる。.

6. 害虫被害の検出

害虫による食害で落葉すると、葉面積指数（LAI）が低下し、影響を受けた区画のNDVI値とEVI値が直接的に低下します。例えば、ヨトウムシの大量発生は、特徴的な空間パターンで指数が低下し、その影響は、被害が近隣の圃場に広がる前にドローン画像で検出可能です。.

高解像度UAV飛行（地上サンプリング距離5cm未満）は、昆虫による被害と樹冠変動の他の原因を区別するために必要な空間的な詳細情報を提供する。.

7. 収量予測

特定の重要な生育段階（特にV12、VT、R3）で測定された植生指数値は、過去の収量マップや気象データと組み合わせることで、最終的な穀物収量の信頼できる予測指標となります。複数の指数を融合させたアプローチは、単一指数モデルよりも一貫して優れた結果を示します。.

開花前のGNDVI、NDRE、およびSCCCI（簡易キャノピークロロフィル含有量指数）の組み合わせは、発表されたトウモロコシ研究において、特に高い収量予測精度を示しています。 サイエンスダイレクト (2026).

ハンガリーで2つの栽培シーズンにわたって行われた調査では、絹糸抽出後のNDVIと最終穀物収量との相関係数は0.638と0.634であることが判明した。NDREとGNDVIを含むマルチインデックスモデルを用いることで、予測精度はさらに向上する。.

8. 可変施肥

ドローン飛行によって生成されたVI（植生指数）に基づくキャノピーマップは、可変施肥式窒素肥料散布機用の施肥処方マップの作成に直接使用されます。圃場は指数値に基づいて管理ゾーンに分割され、各ゾーンには作物固有の要求量に合わせて調整された窒素が施用されます。.

リモートセンシングと可変施肥技術を合わせて 2025年には精密農業技術市場の58%のシェアを獲得する見込み。 （Precedence Research、2026年）は、このワークフローが商業用トウモロコシ生産においていかに中心的な役割を担うようになったかを反映している。.

2025年の研究では 農業 （MDPI）は、中程度の窒素投与量で 120～180 kg ha⁻¹ トウモロコシに最適な栄養レベルを提供し、収量を最大で 5.086 t ha⁻¹ 無施肥の対照区と比較して、NDVIに基づくモニタリングは収量最適化だけでなく、特に圃場ごとの施肥戦略を導く上で効果的であることが証明されている。.

NDVIに基づいた、絹糸抽出後段階（VIと収量の相関がピークに達する時期）における窒素管理は、従来の土壌検査のみに基づく施肥方法に取って代わり、投入効率と穀物収量の両方を大幅に向上させることができる。.

植生指数データを収集するために使用されるプラットフォーム

1. 衛星画像

Sentinel-2（解像度10m、5日周期）やPlanet Labsの衛星（解像度3m、毎日観測）のような衛星は、天候が許せば広範囲にわたって一貫性のある分光データを低コストで提供し、1ヘクタールあたりのコストも低く抑えることができる。.

Sentinel-2にはレッドエッジバンド（705、740、783 nmのB5、B6、B7）が含まれているため、地域トウモロコシモニタリングプログラムにおけるNDREおよびCIレッドエッジの計算に特に有用です。ただし、雲量による制約があります。生育の重要な時期に曇天が続くと、データに欠落が生じ、時系列モニタリングが中断される可能性があります。.

2. ドローンを用いたリモートセンシング

マルチスペクトルカメラを搭載した固定翼型およびマルチローター型ドローンは、1ピクセルあたり2～10cmの解像度で圃場規模の画像を提供する。このレベルの解像度により、個々の植物の列を識別できるため、列内の樹冠の健康状態のばらつきを測定することが可能となる。.

ドローンによる調査は、衛星の通過時刻に関係なく、必要に応じてスケジュールできるため、追肥としての窒素施肥や灌漑スケジュールの調整など、農業上の意思決定を行う正確なタイミングでデータを取得するのに最適です。.

3. UAVマルチスペクトルカメラ

MicaSense RedEdge、Parrot Sequoia、DJI Zenmuse P1などのマルチスペクトルカメラは、赤、緑、青、レッドエッジ、近赤外線を含む5つ以上の狭いスペクトル帯域で同時に画像を撮影します。.

これらのシステムには、飛行中のさまざまな光条件に合わせてデータを正規化するための校正済み反射率パネルと日照センサーが含まれており、これは相対的な比較ではなく、正確で再現性のある指数値を生成するために不可欠です。.

4. 携帯型作物センサー

GreenSeekerやCropCircleのようなアクティブ光学センサーは、独自の光源を発し、近距離で個々の植物の反射率を測定することで、太陽光の変動による影響を排除します。.

これらのセンサーは、特定のサンプリング地点における現場での迅速な窒素状態評価に使用されます。これらのセンサーから得られるデータは、ドローンや衛星画像によるデータを補完し、既知の場所におけるリモートセンシング指標値の妥当性を検証する地上真値を提供します。.

5. トラクター搭載型センサー

ジョンディアのHagieやTrimbleのGreenSeeker RTといったトラクター搭載型アクティブセンサーは、トラクターが圃場を走行する際にトウモロコシの葉冠を継続的にスキャンし、リアルタイムのNDVIデータを可変施肥コントローラーに直接送信します。このクローズドループシステムにより、センシングと施肥の間に別途データ処理を行うことなく、作物の生育状況データに基づいて、走行中に施肥量を調整することが可能になります。.

トウモロコシ畑における植生指数精度に影響を与える要因

1. 土壌の背景

露出した土壌は、特に被覆率が50%を下回る場合、植物の樹冠信号と混ざり合う独自のスペクトル特性を持っています。土壌補正指数（SAVI、MSAVI、OSAVI）はこの影響を最小限に抑えるように設計されていますが、土壌の色、水分量、有機物含有量は、生育初期の画像における指数値に依然として影響を与えます。地域内の特定の土壌タイプに合わせて指数閾値を調整することで、解釈の精度が向上します。.

2. 雲量

雲は太陽光を遮り、地上に様々な影を作り出すため、衛星やドローンに搭載された受動型センサーによる反射率測定は信頼性が低くなる。.

アクティブセンサーは、自ら照明を供給するため、雲の影響を受けません。雲は、生育期に雲の発生頻度が高い地域において、衛星を用いた植生指数（VI）モニタリングの有用性を制限する最も重要な要因です。.

3. 太陽の角度

太陽高度が低いと、樹冠内の影の割合が増加し、近赤外線反射率が人為的に低下し、指数値が歪められます。現地時間午前10時から午後2時の間にUAV飛行を実施することで、影の影響を最小限に抑え、より一貫性のあるデータが得られます。繰り返し調査を行う際、飛行時間の一貫性は絶対的なタイミングと同様に重要です。なぜなら、それによって日付間の有意義な比較が可能になるからです。.

4. 作物の密度

植物の密度は、樹冠の閉鎖に直接影響し、ひいては植栽から樹冠閉鎖までの植生指数（VI）値の上昇速度に影響します。植物密度が低い圃場では樹冠の閉鎖が遅くなり、土壌背景が指数値の測定を妨げる期間が長くなります。発芽画像から得られる個体数マップを用いることで、局所的な密度変動に合わせてVIの閾値を調整できます。.

5. 成長段階

同じ VI 値でも、生育段階によって意味が異なります。V6 段階で NDVI が 0.5 であれば、健全で順調に発達している樹冠を示している可能性がありますが、VT 段階で NDVI が 0.5 であれば、深刻なストレスを示している可能性があります。.

生育段階を考慮せずにVI値を解釈すると、作物の状態を誤って分類してしまう。時系列分析では、現在の値を予想される季節曲線と比較することで、各測定値を作物の生育過程の中で位置づけ、この問題を補正する。.

6. センサー解像度

解像度の低いセンサーでは、作物、土壌、畑の端のスペクトル信号が1つのピクセル内に混ざり合ってしまう。これは「混合ピクセル」と呼ばれる問題である。Sentinel-2の10m解像度では、1つのピクセルが100m²の地面をカバーするが、そこには複数の作物の列や列間の土壌が含まれることが多い。.

高解像度のドローン画像（1ピクセルあたり5cm）は、混在ピクセルを排除し、より純粋な樹冠スペクトル信号を提供するが、データ量と処理時間の増加という代償を伴う。.

トウモロコシのモニタリングにおける植生指標の限界

1. 密生した樹冠における飽和度

最も広く使用されている指標であるNDVIは、LAI値が約3 m²/m²を超えると飽和状態になります。トウモロコシは通常、V10期までにこの値に達します。この閾値を超えると、キャノピーの緑度やバイオマスの増加はNDVIにほとんど変化をもたらしません。EVI、GNDVI、NDREは、この制限に対処するために設計されていますが、NDVIよりも多くのスペクトルバンドを必要とし、低価格のセンサーでは必ずしも利用できるとは限りません。.

2. 天候への依存

受動型リモートセンシングシステムは、安定した太陽光照射に依存しています。雲、もや、大気中のエアロゾルは、作物に到達する前とセンサーに戻る途中で、入射する太陽放射を吸収・散乱するため、反射率の値が歪んでしまいます。.

データ処理中に適用される大気補正アルゴリズムは、この影響を軽減するものの、完全に排除するものではありません。曇天期間が長い熱帯のトウモロコシ生産地域では、データ欠損が頻繁に発生し、時系列モニタリングに支障をきたす可能性があります。.

3. 混合ピクセル

空間解像度が低い場合、ピクセルは作物の葉冠だけでなく、土壌、道路、灌漑設備、あるいは圃場の縁からも信号を捉えてしまいます。その結果、混合ピクセル反射率から得られる指標値は、葉冠のみを正確に表すものではありません。この誤差を最小限に抑えるために、圃場境界のマスキングと、可能な限り高い空間解像度のセンサーを使用することが標準的な手法となっています。.

4. 校正要件

正確で再現性のある指数値を算出するには、センサーの放射測定校正、大気の影響補正、ドローン飛行中の照度変動に対する正規化が必要です。これらの手順を省略すると、日付間や圃場間で比較できない相対的な植生指数マップが生成され、時系列モニタリングや複数圃場ベンチマークにおける有用性が制限されます。.

5．真値検証の必要性

植生指数は間接的な測定値です。作物の特性（クロロフィル、窒素、バイオマスなど）を直接測定するのではなく、スペクトルパターンと生物学的変数を相関させることで推定します。.

VI（植生指数）に基づく作物評価はすべて、地上検証によって効果を発揮します。地上検証とは、圃場全体の代表的な地点で採取した葉の窒素量、クロロフィルメーターの測定値、または破壊的なバイオマスサンプルといった、物理的な測定値のことです。地上検証データはリモートセンシングの解釈を裏付け、誤診を防ぎます。.

トウモロコシ畑における植生指数利用のベストプラクティス

1. 適切なインデックスの選択

指標の選択は、モニタリングの目的と利用可能なセンサーに基づいて行う必要があります。窒素評価には、レッドエッジバンドが利用可能な場合はNDREまたはCI Red Edgeを選択してください。生育初期の林分評価には、SAVIまたはMSAVIを使用してください。.

最盛期の樹冠モニタリングと収量予測には、EVIまたはNDVIとGNDVIまたはNDREを組み合わせて使用してください。生育初期や樹冠密度が高い時期には、NDVI単独での使用は避けてください。これらの状況におけるNDVIの限界はよく知られています。.

2. 適切な成長段階を選択する

農学的意思決定ポイントに合わせてデータ収集のタイミングを調整することで、VIデータの管理価値を最大化できます。トウモロコシの実用的なモニタリングスケジュールには、以下が含まれます。

1. V2～V4（発芽状況の確認）：SAVIまたはMSAVIを使用して、生育状況の均一性を評価し、植え替えが必要な区域を特定します。.
2. V6（追肥窒素施肥の決定）：NDREまたはCI Red Edgeを使用して窒素の状態をマッピングし、可変施肥処方を作成します。.
3. V10～V12（樹冠被覆率）：NDVIとEVIを使用してバイオマスを評価し、管理性能が低い区域を特定します。.
4. VT（雄穂形成期）：NDVIとGNDVIを使用して樹冠のピークを評価し、受粉期にストレスを受けるリスクのある領域を特定します。.
5. R3（乳熟期）：NDVIとNDWIを使用して水分ストレスを検出し、穀粒充填の進行状況を評価する。.
6. R6（成熟期）：指数データを使用して、季節的なVIの推移と収穫量を相関させ、モデルの較正を行います。.

3. 複数の指標の組み合わせ

単一の指標では、トウモロコシの生育状況の複雑さを完全に捉えることはできません。異なる生物学的シグナルを対象とする2つ以上の指標を組み合わせることで、より詳細な診断マップを作成できます。窒素状態を示すNDRE、バイオマス全体を示すNDVI、水分含有量を示すNDWIの組み合わせは、トウモロコシ生産における最も一般的な3つの制限要因を網羅しています。機械学習モデルにおける複数指標の融合は、単一指標アプローチよりも明らかに高い収量予測精度を実現します。.

4. 地上観測の統合

植生指数（VI）マップは、必ず現地調査の結果と併せて解釈する必要があります。ドローンマップにVI異常が現れた場合は、その場所を実際に現地調査することで、スペクトル信号が窒素欠乏、土壌圧縮、湛水、害虫被害といった実際の農学的問題を示しているのか、それともセンサーノイズ、影、土壌変動といったアーティファクトによるものなのかを確認できます。また、地上調査は、特定の品種、土壌、管理システムに合わせて局所的なVI閾値を調整するために必要なトレーニングデータも提供します。.

5. 時系列分析の利用

単一のVI画像はスナップショットに過ぎません。しかし、発芽から成熟までの時系列画像は、一つの物語を紡ぎ出します。時間の経過に伴う指数値をプロットすることで、成長軌跡が明らかになり、ストレス事象が発生した日付、深刻度、持続期間を特定できます。また、時系列データを用いることで、現在のシーズンと過去のベンチマークとの比較が可能になり、単一日付の画像では得られない文脈情報が得られます。.

トウモロコシ生育モニタリングの将来動向

1. 人工知能

AIアルゴリズムは、現在農学者の判断を必要とする解釈作業を自動化するために、植生指数データへの適用がますます進んでいます。大規模な植生指数データセットでトレーニングされた深層学習モデルは、マルチスペクトル画像からストレスの種類、深刻度、空間的範囲を数秒で分類し、農学者による確認が必要な対策が必要な領域を特定することで、すべての画像を手動で完全に分析する必要がなくなります。.

農業におけるAI市場の評価額は 2023年には21億米ドルに達し、2032年まで年平均成長率（CAGR）241兆3000億米ドル以上で成長すると予測されている。 （GMI、2025年）は、この能力がいかに急速に商業化されているかを反映している。.

2. 機械学習モデル

ランダムフォレスト、XGBoost、および畳み込みニューラルネットワーク（CNN）をマルチインデックス、マルチテンポラルデータセットに適用すると、従来の回帰ベースのVI収量モデルよりも一貫して優れた性能を発揮する。.

GBM（勾配ブースティングマシン）を用いたトウモロコシ収量予測に関する研究が達成された。 R²値は0.78 VI時系列データと気象データを統合する場合、より単純な回帰分析手法よりも優れた結果を示す。.

これらのモデルは、線形モデルでは捉えられない、スペクトルパターンと農業成果との間の複雑で非線形な関係を学習します。.

3. ハイパースペクトルイメージング

ハイパースペクトルセンサーは、一般的なマルチスペクトルカメラの5～10バンドに対し、数百もの狭いスペクトルバンドにわたる反射率データを同時に取得します。このスペクトル密度の高さにより、広帯域センサーでは検出できない狭いスペクトル範囲に存在する作物のストレス信号を検出することが可能になります。.

トウモロコシにおける病害検出、重金属ストレス、微量栄養素欠乏症のためのハイパースペクトル指標の検証が積極的に進められており、市販のUAV（無人航空機）ハイパースペクトルシステムもますます手頃な価格になってきている。.

4. リアルタイム作物モニタリング

センサーの小型化、衛星コンステレーションの拡大、そして5G接続の組み合わせにより、作物の状態をリアルタイムで監視することが可能になりつつある。つまり、植生指数（VI）データは、週ごとや隔週ごとではなく、生育期間中継続的に利用できるようになる。.

Planet Labsの衛星による1日あたりの再訪頻度と、クラウドプラットフォームにデータをストリーミングするIoT対応フィールドセンサーの展開により、早期導入企業はすでにほぼリアルタイムの監視機能を実現している。.

DJIのドローンベースのリモートセンシングシステムは、 化学物質投入量の67.78%削減 VIデータから生成された処方マップが可変散布システムに供給されるとき（Mordor Intelligence、2026年）。.

5. 精密農業システムとの統合

トウモロコシの植生指数（VI）モニタリングにおける次のステップは、データ収集、処理、解釈、そして圃場での作業のシームレスな統合です。クラウドベースの農場管理プラットフォームは既に、衛星画像やドローン画像のパイプラインを可変施肥制御ソフトウェアに直接接続しており、データ収集から圃場での作業までの時間を数日から数時間に短縮しています。.

画像プロバイダー、農業ソフトウェア、農業機器間のAPIが標準化されるにつれて、「ドローン飛行」から「可変施肥」までのワークフローが、あらゆる規模の生産者にとって利用しやすくなるだろう。.

よくある質問

トウモロコシ栽培に最適な植生指数はどれですか？
万能な指標は存在しません。窒素評価にはNDRE、初期段階のモニタリングにはSAVI、密生した樹冠の状態にはEVI、そしてバイオマスと収量の相関関係全般にはNDVIがそれぞれ最適です。モニタリングの目的に合わせて2つまたは3つの指標を組み合わせることで、単一の指標よりも常に優れた結果が得られます。.

植生指数はどのくらいの頻度でモニタリングすべきでしょうか？
トウモロコシの生育期間全体にわたる管理においては、V4期からR3期にかけて7～14日ごとのモニタリング間隔が推奨されます。重要な意思決定期間（窒素施肥についてはV6期、ストレス評価についてはVT期、灌漑についてはR3期）においては、標準的なモニタリングスケジュールに関わらず、航空機による観測や衛星データの取得が正当化されます。.

トウモロコシの生育初期には、どの植生指数が最も効果的ですか？
SAVIとMSAVIは、露出した土壌が指標値に与える影響を軽減するため、発芽からV4期にかけて最も優れた性能を発揮し、地被率が30%を下回っていても意味のあるキャノピー測定値が得られます。.

植生指数は、症状が現れる前に病気を検出できるのか？
研究によると、葉の病気は目に見える病斑が現れる前に、感染した葉のスペクトル特性を変化させることが示されています。レッドエッジに基づく指標は、感染組織におけるクロロフィルの分解に反応するため、早期の病気検出に最も感度が高い指標です。検出までのリードタイムは病気の種類と重症度によって異なりますが、対照実験では、目に見える症状が現れる5～10日前に早期検出できることが実証されています。.

結論

トウモロコシの生育モニタリングにおける植生指数は、もはや研究上の好奇心の域をはるかに超えています。現在では、農家や農学者が作物のストレス、窒素欠乏、収量制限条件を、問題が顕在化する数週間前、そして取り返しのつかない収量損失を引き起こす前に把握できる、実用的で現場で検証済みのツールとなっています。各生育段階に適した指数を選択することは、些細な技術的詳細ではなく、真の問題を検出するか、誤解を招くデータを生成するかの分かれ目となります。窒素を示すNDRE、密集したキャノピーバイオマスを示すEVI、水分状態を示すNDWIなど、複数の指数を組み合わせることで、単一の測定値では得られない診断像が得られます。このスペクトル像を実際の現場観測と統合することで、データは農業の現実に基づいたものとなり、リモートセンシングだけに頼ることから生じる誤った解釈を防ぐことができます。.