昨年8月のある朝、経済学者、エンジニア、シリコンバレーの関係者、資金提供者、政策立案者がカリフォルニア大学バークレー校のキャンパスに集まり、開発の成果を測定する最先端のテーマについて話し合いました。 このイベント の狙いは、経済学者が専門家に必要な測定ツールの開発を依頼することではなく、測定科学者が開発に関連する成果の測定で何が最先端の課題となっているかを経済学者に伝えることでした。パイロット事業の結果を待つ代わりに、こうしたアイデアの一部をブログで紹介し、Development Impactの読者から意見を募ることにしました。このシリーズでは、農作物の収量を宇宙から測定する（「リモートセンシング」）手法の最近の進展から始めます。
衛星によるリモートセンシングとは？
衛星を使って関心の高い一般的な開発成果を測定できる可能性は、研究者や実務家をさまざまな理由で引きつけています。なかでも大きいのは、こうした成果を「従来の」方法（たとえば世帯や企業への調査）で測るために、通常どれほどの時間と費用がかかるかという点です。大規模な助成金の申請書を書き、遠隔地の調査現場まで何日もかけて移動し、調査員を雇用・訓練し、避けがたい調査上の問題に対処する代わりに、自宅でくつろぎながらマウスを数回クリックするだけで、特定のプログラムや介入の影響を調べるのに必要なデータをダウンロードできるとしたらどうでしょうか。
この「リモートセンシング」に基づく研究手法の構想は、明らかに魅力的です。現在、取得され利用可能になっている高解像度衛星画像が膨大な量に上ることも、その期待を後押ししています。 近年の 「ナノ」または「マイクロ」衛星技術の台頭――地球を高い時間・空間解像度で撮影する、小型で低価格な衛星の群れです（たとえば、私たちのパートナーである Skybox）は、開発分野の人々が関心を寄せる成果の測定に、とりわけ有望かもしれません。これは農業で特に明らかです。製造業とは異なり、生産の大半が屋外で行われるからです。
どのように機能するのか？
ほとんどの農作物、特にアフリカの小規模農家が栽培するトウモロコシなどの主食作物では、畑を見れば、健康で生産性の高い作物と、栄養や水分が不足して収量の低い作物との基本的な違いは、ほぼ誰にでも分かります。主な手がかりの一つは色です。健康な植生は、そうでない植生とは異なる波長の光を反射・吸収します。そのため、健康なトウモロコシの葉は濃い緑色に見え、ストレスを受けた植物や枯れた植物の葉は茶色に見えます。衛星のセンサーは可視光の波長でもこうした違いを識別できますが、ほかの波長での違いも測定しており、これは農業に特に有用です。健康な植生は可視光を吸収し、近赤外線（人の目には見えません）を強く反射します。この二つの波長における反射率の単純な比率が、植生の活力を測る衛星ベースの指標の多くの基礎となっています。たとえば、 正規化植生指数（NDVI）は、多くの人が耳にしたことがあるでしょう。比率が高ければ、葉が大きく茂った健康な植物を見ていることが分かります。
次の課題は、衛星から得た植生指数を作物収量の指標に結び付けることです。基本的な方法は二つあります（詳しくは、この優れた レビュー論文 を、 David Lobell が執筆しています）。第一の方法では、衛星の植生指数と、一般的な世帯調査や農業調査で得られる農場の収量観測値を組み合わせます。調査に基づく「実際の」収量指標を衛星の植生指数に回帰させると、両者の関係を推定できます。この関係を、衛星データでは観測できるものの地上調査は行っていないほかの農地に適用できます。第二の方法では、衛星データと、さまざまな栽培条件における最終収量と植生の活力との関係について、既存の推定値を組み合わせます（多くの場合、作物シミュレーションモデルから得られます。これは農学者版の構造モデルと考えることができます）。こうした関係に衛星の反射率測定値を適用すれば、特定の農地の収量を推定できます。この第二の方法の利点は、植生と最終収量の関係に影響する、天候などの時間とともに変化する要因も比較的容易に考慮できることです。
どの程度うまく機能するのか？
こうした方法は、主に先進国と発展途上国の比較的大きな農地に適用されてきました。その理由の一つは、ごく最近まで、利用できる衛星画像の解像度が粗く、アフリカの多くの地域で一般的な非常に小さな農地（たとえば0.5エーカー未満）を識別できなかったことです。たとえば、MODISセンサーの解像度は250m x 250mで、1ピクセルが1エーカーの農地15か所以上を覆うことになります。それでも、こうした方法は大きな農地では驚くほどうまく機能することが示されています。以下はDavid Lobellらの研究による図で、メキシコ北部の小麦について、 予測収量と観測収量の関係 を示しています。この地域の平均農地面積は20ヘクタールを超え、1エーカーの農地約50か所に相当します。
図：メキシコ北部の小麦収量。Lobellほか、2005年。
ここで成功とみなすかどうかは見る人による面もありますが、どちらのケースも観測収量と衛星による予測収量の適合度はかなり高く、全体のR2は米国のケースで0.63、メキシコのケースで0.78です。また、少なくともこの二つのケースでは、「実測値」の収量データは予測の作成に実際には使われていません。つまり、前述の第二の方法が使われています。この方法が可能だったのは、最終収量と植生の活力との関係について、科学者が十分なメカニズム理解を持つ作物と栽培条件が対象だったためです。
豊かな地域から貧しい地域へ、大規模農地から小規模農地へ
Development Impactの読者が特に関心を寄せる地域（たとえばアフリカの小規模農家の農地）にこうした方法を適用するのは、より困難でした。農地がはるかに小さいため、既存の衛星画像で識別するのが難しい（多くの場合、不可能である）だけでなく、衛星ベースの予測を作成するための（i）地上の実測データ、または（ii）こうした環境で収量を反射率測定値に結び付ける十分なメカニズム理解のいずれかが欠けていることも理由です。
地上と宇宙の双方から得られる新たなデータ源により、これが可能になりつつあります。前述の新しいマイクロ衛星のセンサーは、メートル未満の解像度を備えていることが多く、小規模農家の農地が宇宙から見えるようになりました（0.5エーカーの農地は2,000ピクセル以上に覆われます）。さらに、画像は十分な頻度で取得され、生育期に雲のない画像を少なくとも数枚確保できます。雨の多い熱帯地域では、これは小さな問題ではありません。
ケニア、ウガンダ、ルワンダの共同研究者とともに、この新たな画像を、私たちが収集している地上の収量データと結び付け、多様性のある小規模農家の農地で衛星データが収量を適切に予測できるかを調べています。以下は、ケニア西部で地図化し、追跡している小規模農家のトウモロコシ畑の一部です。これは、地域の小規模農家と実施している進行中の実験 の一環です。
この研究の長期的な目標には、（i）農地の境界と作物の種類に関する情報をすでに持つ研究者が、衛星画像を使って収量を推定できるようにすること、（ii）農地の境界情報は持たないものの、村や地区など、より広い規模での農業実績に関心を持つ研究者が、その規模で収量を追跡できる方法を提供することがあります。研究は現在も進行中ですが、先進国での経験を踏まえ、私たちは期待を持っています。
いくつかの課題
それでも、この方法を大規模に機能させるには明らかな課題があり、この技術で実現できることには（少なくとも当面）明確な限界があります。主な課題をいくつか挙げます。
どの境界、どの作物か。個々の農地単位で成果を測定する場合、研究者が農地の境界と栽培作物をすでに把握していれば、衛星ベースの測定値を最も容易に活用できます。衛星画像の精度が向上し、農地の境界を遠隔で識別するコンピュータービジョンのアルゴリズムが開発されれば、こうした制約はどちらも緩和されるでしょう。しかし、どの農地が誰に属するかについて、研究者は依然として地上の情報をある程度必要とします。
測定誤差。農地の境界が分かっていても、衛星画像で収量を完全に予測することはできません。そのため、衛星による予測収量を成果指標として使うと、統計的検出力が下がる可能性があります（ただし、衛星による推定値の誤差がどの程度大きくなるかは、すぐには明らかではありません。農家の自己申告など、調査に基づく成果指標にも測定誤差がある可能性が高いためです）。そのため、よく実施される小規模な農業分野のランダム化比較試験では、この技術で小さな効果を検出するのはほぼ不可能でしょう。
収量の先へ。最後に、農地の境界が分かっていて、十分な検出力を持つ研究であっても、利益や消費支出など、私たちが関心を持つほかの多くの成果を衛星で測定するのは難しいでしょう。近い将来、資産などの関連する成果（これについても私たちは研究中です）を把握できる可能性はありますが、家計支出の大半を直接観測するのは明らかに困難です。
こうした難しさを踏まえると、衛星を使った取り組みをすべて断念すべきでしょうか。私たちはそうは考えません。理由は二つあります。第一に、宇宙から小規模農家の収量を正確に測定する能力が（願わくば）向上すれば、既存の調査を明確に補完できます。たとえば、収量が主要な成果指標なら、基準時点で調査を行い（畑の境界を地図化し）、その後の追跡時点では宇宙から成果を測定するだけでよいと想像してみてください。研究全体をより速く、より安価に実施でき、サンプル数を増やせます。それにより、上記の測定誤差の問題にも対処しやすくなります。
第二に、なぜ一部の農場や農家は、ほかよりもはるかに生産性が高いように見えるのかについて、私たちは依然として驚くほど理解できていません。土壌の種類や農家の能力など、比較的時間の経過で変わらない要因が、観察されるばらつきの大半を説明するのでしょうか。それとも、天候のように時間とともに変化する要因のほうが重要なのでしょうか。この問いには衛星データが特に役立つかもしれません（ Lobellの論文 にも優れた例が示されています）。膨大な数の農地を含むサンプルを構築し、時間の経過に沿って容易に追跡できるからです。この場合、衛星データによって検出力を高められる可能性があり、しかも作業はすべて自宅でくつろぎながら行えます。
この方法が成果をもたらすことを、私たちは改めて期待しています。開発のインパクトを測定するうえで、この技術や関連技術がどう役立つと考えるか、DIの読者の皆さんの意見をぜひお聞かせください。
この記事は、当初 世界銀行 Development Impact Blogに掲載されました。掲載は、世界経済フォーラムが見解を支持することを意味するものではありません。
Forum:Agendaの最新情報を受け取るには、 週刊ニュースレターにご登録ください。
著者：Florence Kondylisは世界銀行DIMEの上級エコノミストです。
画像：地球を写した衛星画像。REUTERS。
