衛星は作物ストレスを見つける。だが「なぜ」は教えてくれない——誤った推測は1エーカーあたり29ドルの損失に

数年前のある春、私は200ヘクタールのトウモロコシ区画の端に、私より何十年も経験の長い農学者と並んで立っていた。二人とも、タブレット上の同じ琥珀色の染みを見つめていた。畑の北東の四分の一が、NDVIマップ上で点灯していた——あらゆる衛星モニタリングサービスが算出する、標準的な「植生の健全性」指標だ。そこで何かがおかしかった。マップはそれだけは確信していた。

それが私たちに教えてくれなかったのは、唯一重要なこと——「なぜ」だった。

現実的な可能性は三つあり、それぞれが正反対の方向を指していた。窒素欠乏かもしれず、その場合の答えは可変施用による尿素の投入だった。水ストレスかもしれず、その場合は窒素をいくら投入しても意味がなく、本当の対処は灌漑だった。あるいは、早期のタールスポットかもしれなかった——Phyllachora maydis——米国のコーンベルトを静かに蝕んでいた菌類だ——その場合、殺菌剤を散布できる窓は狭く、ためらった一日ごとに収量が失われた。

三つの診断、三つの正反対の対応。そして誤った対応は中立ではなかった——どちらの方向にも高くついた。水ストレスを受けた区画に窒素を施すと、植物が吸収すらできない肥料を1エーカーあたり15〜25ドル無駄にする。タールスポットの殺菌剤散布の窓を逃すと、2024年のイリノイ州では1エーカーあたり最大29.75ドルに達した。その日に学んだ最も居心地の悪い事実は、曖昧な警告に対する誤った対応は、しばしば何もしないより悪い、ということだ。

あの畑こそ、私たちが精密農業のためのハイパースペクトルAIを構築した理由だ——単にストレスを警告するだけでなく、行動に移せるほど早くその原因を診断する、カスタム分光モデルだ。これは私たちがそこへ至るまでの物語であり、最初に構築してうまくいかなかったバージョンも含まれる。

誰も教えてくれない上限

私が腹落ちさせるのに恥ずかしいほど時間がかかったのは、こういうことだ——誰もがすでに使っている衛星は、まさに設計どおりの仕事をしている。ただ、私たちが投げかけていた問いに答えるようには設計されていなかっただけだ。

PlanetのPlanetScope衛星群は、8つのスペクトルバンドと3メートル解像度での毎日の全球カバレッジを、FarmQA経由で1エーカーあたり年間約0.85ドルで提供する。Sentinel-2は13バンドを無料で提供する。両者ともNDVI、EVI、NDREを算出する——全般的な樹冠の健全性を見事に追跡する広帯域の植生指数だ。人が実際に見に行くべきなのがどの畑かを判断するうえでは、それらは優秀で、ばかばかしいほど安い。私はそれらを使うのをやめろと言うためにここにいるのではない。

問題は、これらの指標のひとつに窒素と水分と菌類を見分けさせようとしたときに起きることだ。それはできない——ソフトウェアが劣っているからではない。NDVIは赤から近赤外の全域——葉があらゆる波長で光をどう反射するかを示す連続的な曲線——を、二つの数値へと押しつぶす。あるストレスを別のストレスから区別しうる診断的特徴は、あなたがデータを目にする前にすべて平均化されて消えてしまう。

NDVIが作物ストレスの原因を診断できないのは、出来が悪いからではない。診断の鍵を握るまさにその情報を、二つの広帯域の値へと圧縮してしまっているからこそ、できないのだ。

そして、その三つのストレスは本当に確かにスペクトルの異なる領域に存在している——それは今なお私に少し不思議に感じられる部分だ。窒素欠乏は670〜680ナノメートル付近のクロロフィル吸収の低下として現れ、反射曲線の「レッドエッジ」の変曲点が青方向へ3〜5ナノメートル移動する。水ストレスは、深刻になるまで可視バンドにはほとんど影響しない——その指紋は1400〜1900ナノメートルの短波赤外にあり、そこでは気孔が閉じるにつれて葉の水分吸収特性が平坦化する。タールスポットはさらに巧妙だ——菌の定着は、531ナノメートルで検出可能なキサントフィルサイクル反応を引き起こす、葉に目に見える斑点が現れる前に。

曲線全体を読めるなら、この三つは三種類の異なる筆跡ほどに明確に区別できる。NDVIしかなければ、それらは同一に見える。

最初に構築したバージョン——そしてそれが破綻した理由

この部分については正直でありたい。というのも、この物語のきれいな版(「私たちは問題に気づき、ハイパースペクトルモデルを構築し、うまくいった」)は、省略による嘘だからだ。

私たちが最初に本格的に構築したのは、タールスポット検出器だった。135の狭いバンドから成るハイパースペクトル画像があり、私たちは3次元畳み込みニューラルネットワークを訓練した——画像を平坦なRGBとして扱うのではなく、一つひとつのピクセルで分光曲線を読み取るモデルアーキテクチャだ。公開データセットや取り置きのテスト画像では、それは見事だった。精度の数字は、スライドに載せたくなるようなものだった。私は心から誇らしく思っていたのを覚えている。

ところが、それを実際の生産者の畑に、実際の作物品種に、実際の地域で向けたとたん、それは崩壊した。

そのモデルは、訓練に使われたデータに現れたとおりのタールスポットを認識するように学習していた。しかし分光シグネチャは、作物品種、生育ステージ、土壌の背景、さらには太陽の角度によっても変化する。私たちが実際に構築したのは、過去には見事に機能し、現在には肩をすくめる検出器だった。高くつく、華のない真実は、モデルは決して難しい部分ではなかった、ということだ。難しかったのはグラウンドトゥルースだった——現場で検証されたラベルだ。人が実際に葉を採取し、何が問題なのかを確認する。そうしてモデルは、この作物のタールスポットが、この圃場でどう見えるのかを学習する。

現場で検証されたハイパースペクトルのサンプルは、1点あたり50〜200ドルかかる。ほとんどの作物、ほとんどの地域について、それらの大規模で整った公開ライブラリは存在しない。このボトルネックこそが、既製のプラットフォームがこれを解決しない理由だ——特定の作物と地域のための分光疾病ライブラリを構築することは、誰にでも出荷できるソフトウェア機能ではない。それはコンサルティングの仕事だ——ドメインの専門知識に、ラベルを収集するための農学的パートナーシップを加え、一つの経営体のために一度だけ行われる——そして、より安価なアプローチが静かに諦めるのを私が見てきたのは、まさにそこだった。

あの失敗こそ、私たちが働き方を変えた理由だ。私たちはモデルを売るのをやめ、着地先を探す訓練済みの分類器からではなく、生産者自身の畑とその農学者の知識から始まるパイプラインを構築し始めた。

なぜ、より早い検出がすべてなのか?

診断が正しいとき、二番目の賞は時間だ——そして作物の病害においては、時間がほぼすべてだ。

標準的なRGBおよびマルチスペクトルのモニタリングは、被害を10〜15日後——つまり発症後、植物がすでに病んで見えるようになってから捉える傾向がある。その頃には収量損失の一部はすでに固定化され、取り返しがつかない。こうした生化学的変化を読み取るハイパースペクトルモデルは、ストレスを7〜14日前——目に見える症状が現れる前に捉える。両者を重ね合わせれば、介入の窓を2〜4週間前倒しにできる。それは、まだ採算が取れる窓の内側で散布するのと、菌類がすでに勝ってしまった後に散布するのとの違いだ。

ここでの経済性は微妙なものではない。米国のトウモロコシは2024年に病害で9億6300万ブッシェル——作物のおよそ6%——を失い、そのうちタールスポットだけで2億8000万ブッシェルを占めた。大豆はさらに2億5000万ブッシェルを失った。こうした背景に対して、AIによる早期検出は収量損失の15%から40%を防ぐことが示されており、ROIは150%を超える。そしてタイミングとは、単に早く捉えることだけの問題ではない——それは、決して散布すべきでないときには散布しないことでもある——意思決定支援型のアプローチは、暦に従って散布する場合と比べて殺菌剤の使用量を半減でき、これは年々重要性を増している。

検出は「何かがおかしいか」に答える。診断は「何が、そして今日行動すべきか」に答える。明日の朝あなたがすることを変えるのは、そのうちの一方だけだ。

殺菌剤の計算の中には、動かせない期限も埋め込まれている。アイオワ州立大学の病理データによれば、トウモロコシがひとたびR3生育ステージを過ぎると、殺菌剤のROIはほぼゼロまで下がる。R3より前に散布すれば採算が取れ、後に散布すれば薬剤とディーゼルを無駄に燃やしたことになる。原因も生育ステージの認識もない「ストレス」警告は、あなたがその境界線のどちら側にいるのかを教えられない。あなたの作物で訓練された分光モデルなら、それができる。

ラストマイルこそ、この取り組みの大半が息絶える場所だ

診断は一つの文であり、処方マップは機械への命令だ。エンジニアリングのほぼすべては、この二つの間の翻訳の中に宿る——分光による診断と、トラクターが実際に何か違うことをするまでの、その間のすべてだ。

分光による診断が役に立つのは、それが散布機に実際に実行できる可変施用の処方マップになったときだけだ——ブーム幅、ノズル間隔、そして機械が物理的に散布できる最小施用量を尊重したマップだ。狭く小さなポリゴンに尿素の精密な用量を処方するマップは、機械の制御可能な最小ゾーンがそのポリゴンより大きければ無価値だ。私は、本当に優れた分析がまさにこの引き継ぎで息絶えるのを見てきた——モデルを構築した人々が、その機械のそばに立ったことが一度もなかったからだ。

ほとんどのチームは、モデルを製品として扱う。農業においては、モデルは簡単な部分だ——実際の散布機が受け入れる処方マップこそが製品なのだ。

その引き継ぎがうまくいけば、可変施用の側は採算が取れる。うまくやれば、VRTは収量を維持しながら肥料使用量を最大25%削減でき、USDA自身のエコノミストは、精密農法によるトウモロコシの生産コスト削減を1エーカーあたり3.7〜3.9%と見積もっている。しかし「うまくやれば」は要となる部分だ——コーンベルトの研究では、可変施用の窒素は、相性が悪い場合の1ヘクタールあたりマイナス410ドルから、良い場合のプラス350ドルまで振れる。この二つの結果の差こそが、分析のレイヤーだ。それが、私たちが構築する部分だ。

そして2026年1月からは、多くの事業者が過小評価していると私が思う、二つ目のラストマイルの問題がある——コンプライアンスだ。EUの「農場から食卓まで(Farm to Fork)」規則は今や、地理空間データを伴う電子的な散布記録を、30日以内に更新し、総合的病害虫管理のもとで認定農学者の署名を得ることを求めている。何が、どこに、いつ施用されたかをすでに把握している分光モニタリングシステムは、そうした記録を自動生成する道のりのほとんどを終えている。私が話す生産者のほとんどは、これを書類仕事の負担と見なす。私はこれを、分光パイプラインがその費用を二重に回収する理由と見なしている。

では、これを実際に構築するのは誰か?

これは、次のベンダーとの会議でスクリーンに映してほしい問いだ。正直な答えは人々を驚かせるからだ——あなたが本当に必要とするレイヤーを構築する者は、ほとんどいない。

Pixxelは135バンドを備えた6機の運用中ハイパースペクトル衛星を飛ばし、UP42とSkyFiを通じてそのデータを販売している——そして2026年に予定されているHoneybee Zero衛星は、水ストレスに必要となる短波赤外バンドをついに追加する。しかしPixxelが売るのはデータであり、作物固有のモデルではない。そして現在の最短14日というタスキングの窓では、急速に進行する病害イベントを見逃しかねない。PlanetのTanager-1は400〜2500nmの全域をカバーするが、それは農学ではなくメタンと炭素のモニタリングのために作られた。BayerのClimate FieldViewは業界で最も接続性の高いプラットフォームだ——1億5000万エーカー超が契約している——が、それは画像を取り込むだけで、自ら分光解析は一切行わない。処方を実行するのであって、処方を作るのではない。ドローンセンサーのベンダー——Headwall、Specim、Resonon——は、5万から15万ドルの見事な機器を売り、そのうえで何のモデルも付かない生のデータキューブを手渡してくる。では大手コンサルティング会社はどうか?Accentureは2025年初頭に欧州の精密農業分析企業を買収したが、戦略的アドバイザリーの契約は50万ドルから数百万ドルに上り、それでも結局は、実際のパイプラインを別の誰かが構築する必要があるところで終わる。

こうしたプレイヤーはいずれも、自分たちの仕事に長けている。欠けているのは結合組織だ——カスタム分光モデル、現場で収集した疾病ライブラリ、そして135バンドの反射を、散布機と規制当局の双方が受け入れるものへと変える、処方とコンプライアンスの統合だ。私たちは衛星を保有せず、センサーも製造しない——私たちは、生産者が選ぶPixxel、Planet、あるいはドローンの画像の上に乗り、その欠けているレイヤーを構築する。

これは巨大な条播作物の経営にしか意味をなさないのか、と人々は私に尋ねる。実のところ、計算が最も明白なのは高付加価値の特殊作物だ。ハイパースペクトル画像とAIを用いたカリフォルニアのあるぶどう園は、ぶどうの品質を維持しながら殺菌剤の使用量を22%削減した。カベルネの果実が1エーカーあたり1万〜3万ドルの価値になりうるナパでは、モニタリングに1エーカーあたり50〜100ドルを費やすことは売り込みに苦労しない——それは損失側に対する端数の誤差にすぎない。

私がいつも受けるもうひとつの問いは、「なぜまた別のアグテックのスタートアップを信用すべきなのか?」の類だ。もっともな問いだ。アグテックへのベンチャー資金は2024年に25%以上減少し、少なくとも28社の垂直農業企業が倒産した——多くの生産者が、独自プラットフォームを約束しておきながら畳んでしまった創業者たちに痛い目を見せられた。私の答えは、私たちは意図的にそうではない、というものだ。私たちは、自社の衛星やSaaSが生き残ることに賭けてくれとは頼まない。私たちは、すでに存在し、仮に私たちが消えてもあなたが使い続けられるインフラの上に、カスタム分析を構築する。この二年間のスタートアップの墓場を経たいま、それは制約ではない。これほど懐疑的な分野に売り込むための、唯一信頼に足るやり方だ。

本当の教訓

米国の農場のうち精密農業を利用しているのはわずか27%にすぎず、障壁は決して技術ではなかった——技術が答えの代わりに警告を生み出してきたことこそが障壁だった。色分けされたストレスマップは、誰の行動も変えない。だが、「水ストレスだ、北東の四分の一を灌漑せよ、窒素を無駄にするな」と告げる診断は、それを変える。

私はあのトウモロコシ畑に入ったとき、問題は解像度だと考えていた——もっと鮮明で、もっと頻繁な画像さえあればいいのだと。だが出てくるころには、問題は問いそのものだと理解していた。NDVIは「この畑は健康か」に見事な精度で答えていた。一方で生産者が尋ねていたのは「火曜日に私は何をすべきか」だった。それらは別の問いであり、前者をいくら積み重ねても、決して後者にはならない。

もしあなたが、自分なりのあの琥珀色の染みを見つめているなら——何かがおかしいと確信しながら、それに対して行動できずにいるなら——それこそ、私たちがVeriprajnaのハイパースペクトル解析を構築して埋めようとした溝だ。畑がストレスを受けていると告げるためではない。それはもうあなたも知っている。なぜかを、そしてそれに対して手を打てるうちに告げるためだ。