多変量モデルを用いた水稲のイネヨトウ被害のスペクトル特性と被害度評価

小さな昆虫があなたのご飯に影響する理由

稲は特にアジアで何十億もの人々を養っていますが、体長がわずか数ミリのイネヨトウ（ブラウンプランスホッパー）は圃場の生命力を徐々に奪い、収穫の最大4分の5を失わせることがあります。農家が問題に気づくのはたいてい植物が既に黄化し枯死した後で、対処が手遅れになりがちです。本研究は、特殊なセンサーで稲葉が反射する光を「聴く」ことと、現代の機械学習ツールでその信号を解釈することによって、イネヨトウの被害を隠れた脅威から作物崩壊前に明確に警告する手段になり得るかを探っています。

反射光で稲を観察する

研究者らは、バスマティ種2品種を含む3つの稲品種（うち1つは特に感受性が高いとされる品種）で実験を行いました。明らかな被害を待つ代わりに、鉢植えの個体を無害から極度の加害まで段階的にイネヨトウ若虫に曝露し、携帯型ハイパースペクトルセンサーで350〜2500ナノメートルの太陽光類似放射の葉反射を測定しました。この種のセンサーは光を数百の狭い波長帯に分解し、人間の目には見えない微妙な色の指紋を捉えて、色素、水分含有量、葉の内部構造に関連する植物の健康情報を引き出します。

目に見えないストレスは微妙な色変化でわかる

植物が見た目では比較的正常に見えても、若虫数の増加に伴ってスペクトルの署名は系統的に変化していました。クロロフィルが豊富で細胞が健全な葉は赤光を強く吸収し、近赤外を多く反射します。摂食が激しくなると赤の反射が増え（色素の喪失を示す）、近赤外および短波長赤外の反射パターンは細胞損傷や乾燥を示すように変化しました。赤と近赤外の間にある感度の高い遷移領域「レッドエッジ」は、ストレスが強まるにつれて下方へシフトしました。感染から40日後には、深刻に被害を受けた植物は生葉よりもむしろ裸地に近い反射特性を示し、組織のほぼ完全な崩壊を反映していました。

光のパターンを害虫被害度スコアに変える

これらのスペクトル上の手がかりを実務的な監視に役立てるため、研究チームは生反射率を植生指標（緑のバイオマスや色素量などの特徴を強調する波長の単純な組合せ）に変換しました。試験した28種類の指標のうち、葉の色素に関連する少数の指標がイネヨトウの攻撃に特に敏感でした。研究者はその後、ランダムフォレスト、サポートベクターマシン、部分最小二乗回帰など複数の多変量モデルを訓練して、これらの指標または全スペクトル曲線と実際の植物当たりの昆虫数を結びつけました。わずか4つの主要指標を用いたランダムフォレストは、管理下のテストで驚くほど高い精度で被害度を予測し、自然発生のフィールドデータによる独立検証でも信頼性を保ちました。

昆虫被害と植物化学の結びつき

光の反射は最終的に葉内部の状態に依存するため、研究者らはクロロフィル、カロテノイド、タンパク質、フラボノイドといった生化学的特性も測定しました。イネヨトウ数が増えるにつれて、クロロフィル、カロテノイド、タンパク質は着実に減少し、昆虫が光合成や基礎代謝を損なっていることが確認されました。ハイパースペクトル全体を用いたモデルは、これらの主要な生化学的変化を比較的良好に推定でき、部分最小二乗回帰が最も良い性能を示しました。フラボノイドは異なる挙動を示し、中程度のストレスで上昇し、被害が深刻になって初めて低下しました。これは短期的な植物防御に関わるためで、スペクトルのみからの予測は難しくなりました。

概念実証から賢い圃場へ

総じて、結果はイネヨトウ被害が突然現れるのではなく、非破壊的に捉えられ意味のあるリスクスコアに変換できる長い光学的・生化学的手がかりを残すことを示しています。本研究は単一の季節・地域、主に温室条件下で実施された点に限界がありますが、ハイパースペクトルセンシングと機械学習の組み合わせが、植物を抜いたり専門家の目に頼ったりせずに、異なる稲品種にわたって有害な昆虫集団を早期に検出できる可能性を示しました。さらなる検証とドローンや衛星への展開により、同じ原理が早期警報システムの基盤となり、農家が見えないストレスを時間内に察知して対処し、収穫と食料安全保障を守る助けになるでしょう。

引用: Madhuri, E.V., Ramalingam, S., Rupali, J.S. et al. Spectral characterization and severity assessment of rice brown planthopper damage using multivariate models. Sci Rep 16, 11880 (2026). https://doi.org/10.1038/s41598-026-42245-0

キーワード: 稲害虫, イネヨトウ（ブラウンプランスホッパー）, ハイパースペクトルセンシング, 精密農業, 機械学習