農業は衛星データの最大の応用分野
衛星データの地上応用分野の中で、農業は最も市場規模が大きく、成長率も高い分野の一つです。農業向け衛星データサービス市場は2025年から2032年にかけて年平均**14.8%**の高い成長率で拡大すると予測されています。
その背景には、世界人口の増加による食料需要の拡大、気候変動への適応、農業従事者の高齢化と人手不足、そして「データに基づく農業」へのパラダイムシフトがあります。
衛星データが農業に提供する4つの情報
1. 植生指数（NDVI）による生育状況の把握
**NDVI（正規化差植生指数）**は、植物の光合成活性を数値化する最も基本的な衛星由来の指標です。植物は近赤外線を強く反射し、赤色光を吸収する性質があるため、この2つの波長帯の反射率の差から植物の「元気さ」を推定できます。
NDVIの値は-1から+1の範囲で表されます。
| NDVI値 | 状態 |
|---|---|
| 0.8〜1.0 | 活発に光合成している健康な植生 |
| 0.5〜0.8 | 中程度の植生活性 |
| 0.2〜0.5 | 疎な植生、生育不良の可能性 |
| 0〜0.2 | 裸地・水面・人工物 |
農家はNDVIマップを見ることで、圃場（ほじょう：農地）全体の生育ムラを一目で把握し、問題のある区画に重点的に対応できます。
2. 土壌水分の推定
SAR衛星のマイクロ波は土壌の水分含有量によって反射特性が変わるため、土壌水分のマッピングが可能です。灌漑のタイミングや量の最適化に直接活用できます。
3. 気温・蒸発散量の推定
熱赤外センサーを搭載した衛星で地表面温度を計測し、蒸発散量（植物と土壌から大気に放出される水蒸気量）を推定できます。作物のストレス状態や水消費量の把握に有用です。
4. 作付面積・作物種の判別
衛星画像の時系列変化をAIで解析することで、どの圃場にどの作物が作付けされているかを自動判別できます。この技術は政府の農業統計や補助金管理にも活用されています。
日本の衛星農業スタートアップ
サグリ株式会社
サグリは衛星データとAIを活用し、農地の利用状況をデジタルで管理するサービスを提供しています。
主なサービス:
- ACTABA（アクタバ） — 耕作放棄地を衛星データとAIで自動判別。判定精度は9割以上。自治体の農地パトロール業務を大幅に効率化
- DETABA（デタバ） — 衛星画像から圃場に作付けされた作物の種類を自動判定。自治体が毎年行う作付調査の効率化に貢献
サグリは東京海上日動のSpaceMateでも注目ベンチャーとして取り上げられており、農業分野の衛星データスタートアップとして国内をリードする存在です。
天地人
天地人はJAXAから資金調達を受けた世界初の宇宙スタートアップです。衛星データ・地上センサーデータ・気象データを統合し、農業を含む地域課題の解決に取り組んでいます。
農業分野では、圃場の土壌状態の推定、水田の水管理支援、冷害リスクの予測などのサービスを提供しています。
北海道での大規模実証
北海道は日本最大の農業地帯であり、衛星データの農業活用が最も進んでいる地域です。
- ホクレン訓子府実証農場 — Sentinel-2衛星のNDVIデータで秋まき小麦・てん菜の生育ムラを検出し、可変施肥で対応
- 北海道東川町 — JAひがしかわが国際航業の「天晴れ」サービスを活用し、衛星データから刈り取り順序を最適化
- ELTRESアグリテックフィールド — ソニーのIoT通信技術と衛星データを組み合わせた精密農業の実証
海外の衛星農業サービス
Planet Labs
Planet Labsは200基超の超小型衛星「PlanetScope」を運用し、地球全体を毎日撮影しています。農業向けには日次のNDVI変化を追跡できるサービスを提供しており、生育の異常を早期に検出することが可能です。
Descartes Labs
米国のDescartes Labsは衛星データのAI解析プラットフォームを提供し、大規模な農業モニタリングサービスを展開しています。世界規模の収量予測や作付面積の推定を行い、商品先物市場や食品メーカーに情報を提供しています。
Farmers Edge
カナダのFarmers Edgeは、衛星データ・気象データ・農機のテレマティクスを統合した精密農業プラットフォームを提供。北米の大規模農家に広く導入されています。
精密農業の具体的なワークフロー
衛星データを活用した精密農業の一般的なワークフローは以下のとおりです。
ステップ1：衛星画像の取得
ESAのSentinel-2（無料）やPlanet Labs（有料・高頻度）の衛星画像を取得します。Sentinel-2は10m分解能・5日周期で撮影しており、農業モニタリングに十分な頻度と解像度を持っています。
ステップ2：NDVIマップの生成
衛星画像の赤バンドと近赤外バンドからNDVIを算出し、圃場のマップを生成します。この処理はサグリや天地人などのサービスが自動で行ってくれます。
ステップ3：生育ムラの検出
NDVIマップ上で値が低い区画（生育不良の可能性）を特定します。時系列データと比較することで、一時的なものか構造的な問題かを判断できます。
ステップ4：現地確認と対策
衛星データで問題が検出された区画を現地で確認し、原因（病害虫・肥料不足・排水不良など）を特定して対策を実施します。
ステップ5：可変施肥の実行
圃場の生育状況に応じて、場所ごとに肥料の量を変える「可変施肥」を行います。GPS対応の施肥機を使えば、衛星データに基づく施肥マップ通りに自動で施肥量を調整できます。
ドローン×衛星の連携
衛星データとドローンは「広域の面データ」と「局所の高精細データ」という相互補完の関係にあります。
| 観測手段 | 分解能 | 撮影範囲 | 頻度 | コスト |
|---|---|---|---|---|
| 衛星（Sentinel-2） | 10m | 数百km幅 | 5日 | 無料 |
| 衛星（PlanetScope） | 3m | 数十km幅 | 毎日 | 有料 |
| ドローン | 数cm | 数十ha | 任意 | 飛行費用 |
典型的な連携パターンは、衛星データで異常を検出し、ドローンで現地の詳細確認を行う「スクリーニング→ピンポイント」のアプローチです。
課題と今後の展望
日本の農業の特殊性
日本の農業は欧米と比べて圃場が小さく、傾斜地も多いため、分解能10mのSentinel-2では精度が不十分なケースがあります。PlanetScope（3m）やドローンとの組み合わせが重要です。
データの「使われ方」の壁
衛星データを取得・解析できても、実際の営農判断に結びつけるには農学の知識が必要です。「データを出して終わり」ではなく、農家が理解しやすい形で推奨アクションを提示するサービスが求められています。
気候変動への適応
地球温暖化に伴い、従来の経験則が通用しなくなるケースが増えています。衛星データの時系列解析は、気候変動のトレンドを長期的に追跡し、作付品種の変更や栽培時期の調整を支援する基盤データとなります。
よくある質問（FAQ）
Q. 個人の農家でも衛星データを使えますか？
はい。ESAのSentinel-2衛星のデータは無料で公開されており、誰でもアクセスできます。ただし、生データの処理には専門知識が必要なため、サグリの「ACTABA」や天地人のサービスなど、農家向けに加工されたサービスを利用するのが現実的です。費用は月額数千円〜数万円程度のプランが一般的です。
Q. NDVIで具体的に何がわかりますか？
NDVIは植物の「光合成の活性度」を数値化した指標です。これにより、圃場内の生育ムラ（一部だけ育ちが悪い場所）の検出、経時的な生育の遅れ、病害虫や水不足のサイン、収穫適期の判断などが可能になります。ただし、NDVIだけでは原因の特定はできないため、異常が検出された場所を現地で確認する作業が必要です。
Q. ドローンと衛星、農業にはどちらが良いですか？
両者は「広域のスクリーニング」（衛星）と「局所の精密調査」（ドローン）で役割が異なります。数十〜数百ヘクタールの圃場の全体像を把握するには衛星が効率的で、特定の区画を数cm単位で詳細に観察するにはドローンが適しています。最も効果的なのは、衛星で異常を検出し、ドローンでピンポイントに調査する組み合わせです。
Q. 日本の小規模な圃場でも衛星データは使えますか？
日本の圃場は欧米と比べて小さく、Sentinel-2（分解能10m）では1枚の圃場内の細かな変化を捉えにくい場合があります。PlanetScope（分解能3m）を使えば改善されますが、有料です。北海道のような大規模圃場では十分な精度が得られますが、本州以南の小規模圃場では、衛星+ドローンの組み合わせが推奨されます。
Q. 衛星データで耕作放棄地がわかるのはなぜですか？
耕作されている農地と耕作放棄地では、植生のパターンが異なります。耕作地は季節ごとに規則的なNDVI変化（田植え→生育→収穫→裸地）を示しますが、耕作放棄地は雑草が不規則に生い茂るため、NDVIの変化パターンが異なります。この違いをAIで学習させることで、高精度（9割以上）の自動判別が可能になっています。
