衛星、気象、土壌情報を取り込んだ英国の包括的作物収量データセット

我々の食の将来にとってなぜ重要か

ある国がどれだけの食料を生産できるかは、単に天候だけで決まるわけではなく、気候、土壌、日々の現場条件が微妙に作用し合う結果です。これまで英国の研究者は、コンバインで実際に収穫された収量と衛星や気象観測の詳細な測定値を結びつけた大規模で公開可能なデータセットを欠いていました。本論文はCYCleSSと呼ばれるそのような資源を紹介します。CYCleSSは数百のイングランドの農地について収量、気候、土壌、衛星観測を統合したもので、研究者、政策立案者、さらにはアグリテック企業にとって、温暖化と不確実性が増す世界で収穫を理解し予測する新しい手段を提供します。

農場のパズルの多くのピースをつなぐ

著者らはCYCleSSを、2015年から2017年にかけてイングランドの934区画で最新の収穫機が収集した「地上真値」収量データを出発点として作成しました。これらの機械は通常、細かな空間分解能で収穫された穀物量を記録しますが、そのデータは商業的に機密であるため通常は農場内に留まります。研究チームは英国生態学・水文学センター（UKCEH）や他のパートナーと協力して、この情報を匿名化し、個々の農場が特定されないようにしつつ、科学的に有用な精度を維持しました。収量に加えて、各区画で栽培された作物（主に冬小麦、菜種、そして大麦や豆類など）も記録しました。

同一地図上の気象、土壌、衛星データ

収量のばらつきを理解するために、データセットは複数の情報を1キロメートル格子で整合させて統合しています。気温、降水、日照、風、気圧、蒸発量などの日次気象記録は、グレートブリテン全域をカバーする国の気候アーカイブから取り出しました。土壌特性は、保持できる水量、排水速度、砂・シルト・粘土の混合比などを含み、欧州規模の土壌地図から追加しました。さらに研究者たちは、10メートル解像度で異なる作物種を区別する詳細な土地被覆マップを使って、この格子を耕作に実際に使われている地域だけに絞り込みました。

宇宙から作物の生育を観測する

CYCleSSの重要な強みは、衛星データと圃場収量の統合にあります。クラウドコンピューティングプラットフォームを用いて、チームは選定した各格子について欧州のSentinel-1ミッションからのレーダー観測の時系列を抽出しました。レーダーは雲や夜間でも観測できる利点があり、その信号は作物が葉やバイオマスを増やすにつれて変化します。選択区域内の各10メートル衛星ピクセルについて、研究者らは5日ごとの2つの偏波とその比率のレーダー値を取得しました。これらは作物種と成長段階に敏感であることが知られています。こうしたピクセルレベルの信号は圃場スケールに平均化され、対応する収量や栽培管理情報に紐付けられました。

データの有用性を保ちつつ農家の匿名性を守る

収量地図は農家の生計に直接結びつくため、プライバシーは中心的な懸念でした。寄稿者を保護するために著者らは2チーム体制を導入しました。一方のチームは細かい格子上で衛星、土壌、気候の整合を扱い、別のチーム（UKCEH内）はそれらの格子を実際の区画と収量に照合してから正確な位置情報を除去しました。最終的に区画はランダムなコードとそれが属する粗い10キロメートル格子によってのみ識別されます。これによりどの格子にも多数の農場が含まれるため、特定の収量記録を個々の事業体に結びつけることは事実上不可能になりますが、環境と収量の科学的な関係は維持されます。

農業と気候回復力に対してこれが可能にすること

CYCleSSデータセットは、英国における作物パフォーマンスのはるかに強力なモデル構築への扉を開きます。実際の収穫結果を豊富な気象、土壌、衛星観測の時系列と結びつけるため、大規模で構造化されたデータを必要とする深層ニューラルネットワークなどの機械学習ツールの学習と評価に最適です。また、伝統的な作物成長モデルの検証・改善や、これらのモデルと衛星観測をほぼリアルタイムで組み合わせる方法を探るためにも利用できます。データは主に設備の整ったイングランド南部の農場から来ており測定上の不確実性がいくらかあるものの、英国の作物が環境にどう反応するかを示す稀で公開アクセス可能な窓口を提供し、より信頼できる収量予測の設計や、生産性と持続可能性を両立させる取り組みの情報提供に役立ちます。

引用: Corcoran, E., Bebber, D.P., Curceac, S. et al. A comprehensive UK crop yield dataset incorporating satellite, weather, and soil type information. Sci Data 13, 491 (2026). https://doi.org/10.1038/s41597-025-06528-x

キーワード: 作物収量予測, 衛星リモートセンシング, 農業データ, 英国の農業, 機械学習