この記事は「衛星データ活用ガイド」の詳細記事です。
精密農業とは
精密農業（Precision Agriculture）は、センサーやデータ分析を活用して、圃場の状態を細かく把握し、最適な農業管理を行うアプローチだ。その中で衛星データは、広域を定期的に観測できるという点で他のセンサーにない強みを持つ。
衛星データを活用した精密農業の世界市場は、2025年の約40億ドルから2030年に80億ドルに成長すると予測されている。特にヨーロッパ（EU共通農業政策との連動）とアメリカ（大規模農場の効率化）で導入が進んでいる。
衛星データの基礎
使用される衛星
Sentinel-2（ESA/Copernicus）: 5日周期で地球全体を観測。13バンドの光学センサーを搭載し、空間分解能は10m。無料で公開されており、農業分野で最も使われている衛星だ。
Landsat-8/9（NASA/USGS）: 16日周期。30m分解能。長期の時系列データが蓄積されている。
Planet Labs（Dove/SuperDove）: 毎日撮像。3m分解能。商用サービスとして農業向けプラットフォームを提供。
SAR衛星: 雲を透過するレーダー衛星。曇天が多い地域や梅雨の時期でも観測可能。
主要な植生指数
NDVI（正規化差植生指数）: 植物の活力を示す最も一般的な指数。近赤外線と可視赤色光の反射率差から算出。健全な植物ほど高い値を示す。
NDWI（正規化差水分指数）: 植物の水分含有量を推定する指数。乾燥ストレスの早期検出に有効。
LAI（葉面積指数）: 単位面積あたりの葉の面積。作物の生育段階の把握に使用。
精密農業の最新事例10選
事例1: 可変施肥（VRA）
衛星のNDVIマップに基づき、圃場内の生育ムラを可視化する。生育が遅れている区画には肥料を多く、十分に育っている区画には肥料を減らす「可変施肥」を実施。年間の肥料使用量を15〜30%削減した事例がある。
事例2: 灌漑最適化
衛星から推定した蒸発散量（ET）データに基づき、灌漑のタイミングと量を最適化する。アメリカのカリフォルニア州では、衛星データ活用により灌漑水の使用量を20%削減した農場がある。
事例3: 病害虫の早期検出
作物が病害虫に侵されると、可視光では変化が見えない段階でも近赤外線の反射率が変化する。衛星のマルチスペクトルデータを解析することで、肉眼では検出できない初期段階の病害を発見できる。
事例4: 収量予測
過去の衛星データ（NDVI時系列）と実際の収量データをAIで学習させ、収穫前に収量を予測する。農家は収穫時期の労働力確保や出荷計画を事前に立てられる。精度は品目によるが、収量予測誤差10%以内を実現するサービスもある。
事例5: 農業保険の査定
損害保険会社が衛星データを活用して農業保険の査定を行う事例が増えている。ICEYEのSAR衛星データは洪水被害の迅速な評価に使われ、保険金支払いまでの時間を数ヶ月から数日に短縮した。
事例6: 水田のメタン排出モニタリング
水田からのメタンガス排出は温室効果ガスの重要な発生源だ。SARデータで水田の湛水状態を監視し、中干し（一時的な排水）のタイミングを最適化することで、メタン排出を30%削減できるとの研究結果がある。
事例7: カバークロップのモニタリング
土壌保全のためのカバークロップ（被覆作物）の生育状況を衛星で監視する。アメリカの農業環境プログラムでは、補助金の支給条件としてカバークロップの実施を衛星データで検証している。
事例8: 果樹園のストレスマッピング
果樹は穀物と異なり、1本1本の健康状態が重要だ。高解像度衛星（50cm分解能）やドローンとの組み合わせで、個別の樹木の水ストレスや栄養状態をマッピングする。ワイン用ブドウ畑での品質管理に活用されている。
事例9: 日本の水稲モニタリング
日本では、農研機構やJAXAが衛星データを活用した水稲の生育モニタリングを推進している。Sentinel-2のデータを使い、出穂日の推定や収量予測を行うシステムが実用化されている。北海道の大規模水田地帯で導入が進んでいる。
事例10: サプライチェーンの透明性
消費者や企業が、農産物の生産過程を衛星データで追跡する「サプライチェーンの透明性」需要が増加している。森林破壊と無関係であることを衛星データで証明する「デフォレステーションフリー認証」は、EU規制への対応として需要が急拡大中だ。
主要プラットフォーム
| サービス名 | 提供元 | 特徴 |
|---|---|---|
| Climate FieldView | Bayer | 北米最大の精密農業プラットフォーム |
| Cropio | EOS Data Analytics | 衛星ベースの圃場モニタリング |
| FarmBeats | Microsoft | Azure IoT+衛星データ統合 |
| AgriCircle | AgriCircle | EUの環境規制対応 |
| 天晴れ | サグリ | 日本の水田向け衛星解析 |
課題と展望
課題
空間分解能の限界: Sentinel-2の10m分解能では、小規模圃場や畝単位の解析が困難。日本の棚田のような小区画には不向きだ。
雲の影響: 光学衛星は雲があると観測できない。日本の梅雨の時期は数週間データが取れないこともある。SARデータの活用が鍵。
農家のITリテラシー: データを取得しても、農家が活用できなければ意味がない。直感的なUI設計と営農指導員との連携が重要。
展望
衛星データ×AI×IoTの融合が進む。衛星が広域データを提供し、地上IoTセンサーが局所的な土壌・気象データを補完し、AIが最適な農業判断を提示する。この統合的なアプローチが「次の10年の精密農業」を定義するだろう。
まとめ
衛星データは精密農業の「目」として不可欠なインフラになりつつある。無料のSentinel-2データから始められることも参入障壁を下げている。日本の農業が直面する高齢化・人手不足・環境規制の課題に対し、衛星×精密農業は有力な解決策を提供する。
あわせて読みたい
- 衛星×防災: 災害監視と衛星データ活用 — 地震・洪水・山火事・火山の事例
- 地球観測衛星コンステレーション一覧 2026年版 — Planet・ICEYE・BlackSky・Airbus・日本企業まで網羅
- 地球観測市場の全体像 2026年版 — 光学・SAR・ハイパースペクトルの市場規模と成長予測
