精密農業は、ドローンで畑の状態を撮影し、画像から生育の悪い場所や雑草のある場所を見つけ、その場所に農薬や肥料を撒くことで、散布量を減らす農業の手法です。この記事の表に並べた事例では、削減幅は3割前後の例が多く、9割減はまれな例です。
しかし、「農薬・肥料を90%削減」という数字を見ると、どの畑でも9割減るように読めます。実際にはどこまで減るのかが気になる人もいるでしょう。
この記事では、精密農業の仕組みを撮影・解析・散布の3段階で並べ、そのあとに削減幅の実例と残る課題を示します。
一律散布が環境に負荷をかける理由
農地全体に同じ量を撒くと、薬剤や肥料が、必要な量の少ない場所にも撒かれ、余った分が水系へ流れ出るためです。ジェームズクック大学のサトウキビの試験では、必要な場所に絞った散布によって、流出水に含まれる除草剤が減りました。
大型機械で種も肥料も農薬も同じ量を撒く方法は、少ない人手で広い畑を管理できる方法です。一律散布の負荷は、必要のない場所にも同じ量を撒くことから生まれます。
精密農業は、撮影・解析・散布の3段階で行う
精密農業は、センサーやドローン、AIなどの情報通信技術（ICT）で畑の状態を詳しく把握し、作物や土壌の状態に合わせて管理する農業の手法です。全面に一律の管理から、場所ごとに合わせた管理へ切り替えることが核心です。
撮影：ドローンが畑の状態を測る
農業用のドローンは、上空から畑を飛びながら、高精細カメラとマルチスペクトルカメラで撮影します。マルチスペクトルカメラは、人の目に見えない波長の光も記録します。
記録した光から、植物の生育の良し悪しを示す植生指数（NDVI）を計算できます。ミネソタ大学の研究では、ドローンで得た植生指数が、トウモロコシの窒素の状態を調べる既存の方法と同程度に使えるとされています。農研機構の水田の事例では、5mごとのNDVIの地図で生育のむらを把握しました。
解析：AIが散布の地図を作る
撮影した画像から、生育が遅れている区画や雑草のある場所を見つけ、散布する場所を地図にします。ジェームズクック大学のサトウキビの試験では、ディープラーニングを使ったAIが画像から雑草を見つけ、散布の場所を決めています。農研機構の水田では、NDVIの地図から追肥する場所を選び、量は作業者の経験で決めています。
AIが栄養不足や病害虫の発生、収穫量の予測にも使われるという説明があります。この点は、本文の事例の試験では確かめられていません。
散布：必要な場所に撒く
散布の段階では、GPSを搭載したドローンや散布機が、地図に従って薬剤や肥料を撒きます。農研機構の水田の事例では、NDVIが低い場所へ農業用ドローンで追肥し、2週間後にはNDVIのばらつきが減りました。米国農務省研究局（ARS）が開発した散布機は、ノズルごとに流量を変えて、葉の量に合わせた量を撒きます。必要な場所に必要な量を撒く可変散布が、削減を生む段階です。
削減幅は事例によって、3割前後から9割までの差がある
表の5事例のうち、平均や通常の値が28〜40%なのは4事例です。ARSの散布機は30〜85%で、9割という数字は、カリフォルニア大学デービス校の農業技術者が「まれに見た」と述べた例です。
| 事例 | 対象 | 削減した資材と幅 |
|---|---|---|
| カリフォルニア大学デービス校の農業技術者の経験 | スマートな散布全般 | 農薬の使用量が通常30〜40%減、まれに90%減 |
| 米国農務省研究局（ARS）の散布機 | リンゴ、ブドウ、モモなどの果樹と苗木 | 農薬の使用量が30〜85%減 |
| ミネソタ大学のトウモロコシ | 窒素肥料（生育期に植物の状態を測って量を変える方法） | 肥料の使用量が約30%減、収量への影響なし |
| 農研機構の水田 | NDVIを使ったドローン追肥 | 肥料の使用量が28%減 |
| ジェームズクック大学のサトウキビ | AIを使ったロボットによる除草剤の部分散布 | 除草剤の使用量が平均35%減、雑草の少ない試験区で最大65%減 |
対象の作物、削減した資材、比べる相手が事例ごとに違うため、数字は並べて優劣を比べられません。表の事例の多くは3割前後の削減で、9割減は技術者がまれに見たと述べた例です。
環境と費用に出る効果
散布量が減ると、水系へ流れ出る薬剤が減り、資材費も下がります。ジェームズクック大学のサトウキビの試験では、散布の3〜6日後の灌漑による流出水で、除草剤の濃度が39%、量が54%減りました。
ミネソタ大学の研究では、植物の状態を見ながら窒素肥料を変える方法で、収量を変えずに肥料の使用量が約30%減り、硝酸が地下へ流れ出る量も13%減りました。資材費の削減は、使用量の削減から見込めます。
農薬が減ると、花粉を運ぶ昆虫や食の安全にも良い影響があるという説明もあります。この点は、本文の事例の試験では確かめられていません。
導入費用、通信環境、データの扱いが課題として残る
精密農業の導入が進まない理由として、米国会計検査院（GAO）は、機器の費用、操作と保守の訓練、農村部の通信環境、農場のデータを他社に預けたときの所有権と秘密保持への懸念などを挙げています。費用に見合う畑から導入するかどうかを、畑ごとに判断することになります。
一律から個別へという考え方を、自分の分野に当てはめてみてはいかがでしょうか
精密農業は、全体に同じ対応をせず、状況ごとに必要な対応を決めるという考え方に基づいています。この考え方は、働き方や資産形成のような分野にも当てはめられると思います。自分の分野で、全体に同じ対応をしている場面はどこにあるでしょうか。
