Sentinel-2衛星×AIエージェントで作物異常を自動検知する仕組み

農場に足を踏み入れる前に、どの区画で作物が弱っているかをピンポイントで把握できるとしたら、収穫の損失をどれだけ減らせるだろうか。

Sentinel-2衛星の画像をリアルタイムで解析するAIエージェントが、その答えを出しつつある。この記事では、衛星データと機械学習を組み合わせて農業の自動監視を実現する仕組みを解説する。

この記事でわかること:
– Sentinel-2衛星とは何か、なぜ農業監視に適しているか
– NDVIを使った作物ストレスの検出原理
– AIエージェントが実行するワークフロー全体
– 年商50万〜200万ドル規模の農場での活用イメージ

Sentinel-2衛星とは

Sentinel-2は、欧州宇宙機関（ESA）が運用するCopernicusプログラムの地球観測衛星だ。2機が周回しており、赤道付近では約5日おきに同じ地点を撮影する。10mの空間解像度で農地全体をカバーでき、データはすべて無償で公開されている。

農業に特に有用なのは、植生の状態を数値化するバンドを複数持っている点だ。可視光だけでなく近赤外線・レッドエッジ領域を含み、人の目には見えない作物のストレスを数値として取り出せる。

NDVI（正規化植生指数）は、植物が光合成で活用する近赤外線の反射量と可視赤色の吸収量の比から算出する指数だ。値は−1から+1の範囲で表され、健全な作物は0.6〜0.9の高い値を示す。0.3を下回ると何らかのストレスが生じているサインとなる。

これに加え、NDRE（正規化差分レッドエッジ指数）を組み合わせると検出精度がさらに上がる。ESAの研究によると、NDVIとNDREを融合させたモデルは、単独利用より早期ストレス検出の精度が向上し、目視では確認できない段階での異常発見が可能になる（参考）。

今回の事例で紹介されているAIエージェントは、以下のステップを全自動で処理する。

衛星パスの待ち受け
Sentinel-2が対象農場の上空を通過するたびに最新データを取得する。5日ごとの定期撮影に加え、雲量の少ない通過タイミングを優先して利用する。

区画単位の解析
農場全体をグリッド状に分割し、各区画のNDVIおよびNDREを前回撮影時と比較する。変化率が閾値を超えた区画を「要注意」としてフラグを立てる。

アラート配信
異常を検知した区画の位置情報と植生指数の推移を、農場管理者へ通知する。農場に出向く前に「どの区画を最初に確認すべきか」が明確になる。

コンピュータビジョンを使った類似システムの検証では、病害の初期兆候を目視確認の5〜7日前に検出できることが報告されている（参考）。

紹介されているシステムは、年商50万〜200万ドル規模の農場を想定している。この規模だと監視対象の圃場面積が広く、全区画を毎日人力で巡回するコストが大きい。衛星ベースの自動監視は、その巡回コストを削減しながら見逃しのリスクを下げる点でROIが出やすい。

一方、数ヘクタール未満の小規模農家にとっては過剰な場合もある。区画数が少なければ人力巡回で十分カバーできるためだ。

以前から衛星画像を農業に使う試みはあったが、データ取得・解析・通知のパイプラインを担う人手が必要だった。今回のようにエージェントがそれを自律的に実行することで、専門知識がない農場管理者でも「異常のある区画」だけを受け取れる形になっている。

ドローンによる監視と比べると、Sentinel-2は撮影コストがゼロで広範囲をカバーできる反面、空間解像度は10mと粗い。株単位の細かい診断にはドローンが有効で、両者を組み合わせる運用が増えている。

Sentinel-2衛星は5日周期で農場全体を無料で撮影し続けており、そのデータをNDVI・NDREで解析するAIエージェントは、人の目に映る前の作物ストレスを検出できる。自動化されたパイプラインにより、農場管理者は「どこを見に行くか」を衛星データから判断できるようになった。

精密農業の市場規模は2026年に98億ドルを超えると見込まれており、衛星×AIの組み合わせはその中核技術の一つになりつつある（参考）。