: Two researchers in mosquito-net hats stand in a wheat field. One holds a rugged laptop on a chest harness, linked by cable to an orange device that the other, in a hi-vis shirt and backpack, clips onto a wheat leaf.
出典: csiro.au

オーストラリアの国立科学機関CSIROは、特殊なカメラを搭載したドローンで小麦を撮影し、光合成や登熟速度を推定するモデルを育種試験で検証しました。研究チームは、実際の試験区画を繰り返し観測する規模で機器を安定して運用し、手作業では数時間かかっていたデータ収集を数分で行いました。

研究の狙いは、収量だけでは捉えにくい植物の働きを測り、品種選抜に役立てることです。CSIROと研究を進める穀物研究開発公社(GRDC)は、収量の向上、水の有効利用、厳しい気象条件での安定した生産につながる品種開発を目指しています。

光を数百の波長帯に分け、小麦の特性を読み取る

使用するハイパースペクトルカメラは、光を数百の細かな波長帯に分けて捉える装置です。対象とする波長は350〜2500ナノメートルで、紫外線から赤外線まで広がっています。葉の内部の状態によって波長ごとの反射の仕方が変わるため、その違いを植物の特性の推定に使います。

研究対象は、光合成、呼吸、登熟速度の3つです。光合成は光と大気中の二酸化炭素を使って成長に必要な糖を作る働きで、呼吸は細胞の維持や成長のために糖を消費する働きです。登熟は穀粒が育って最終的な大きさに達する過程で、研究チームはその進む速さを測っています。

拡張プロジェクト「AcceleTraitPlus」は、2024〜2025年に西オーストラリア州とニューサウスウェールズ州の育種試験で実施されました。GRDCと育種企業AGTが参加し、3つの特性を手作業より速く、育種に使える速度で測定できるかを検証しました。研究チームがAustralian Crop Breeders Weekの会議で示したのは、登熟速度と光合成を予測できるモデルです。

葉や穂の実測を、試験地全体の予測につなげる

モデルづくりには、地上で集めた測定値も使っています。研究チームは葉を挟んで測る携帯型の分光計で測定し、光合成や呼吸を試験地全体にわたって推定するモデルを構築しました。登熟速度については、開花から収穫まで毎週穂を採取して計算し、ドローン搭載カメラによる予測に向けた学習を進めています。

従来の登熟速度の測定では、1シーズンに10〜12回試験地を訪れ、数千本の穂を採取して乾燥させ、重さを量る必要がありました。ドローンは1回の飛行で試験地全体を撮影でき、個々の植物だけでなく、作物全体のデータを集められます。

CSIROのデータ解析担当者ライアン・ラーゲルストロム氏は、衛星は通過時刻が育種側の都合に合うとは限らず、画像も低空のドローンほど細かくないと指摘しています。一方、葉を1枚ずつ測る携帯型センサーは正確でも、大規模な運用には人手がかかるとしています。

光合成の推定は、複数の計測と実測との照合で支える

小麦の光合成を非接触で推定する別の研究として、農研機構は、葉の反射率などの計測と、光合成の生化学反応を数式で表すモデルを組み合わせた手法を開発しています。この手法では、葉緑素が吸収した光の一部を放出する「クロロフィル蛍光」、波長ごとの反射率、光の強さから、光合成に関わる電子伝達の速さを推定します。さらに葉温や周囲の環境、葉の熱の出入りから求めた気孔の開き具合をモデルに入力し、光合成速度を計算する仕組みです。

小麦と大豆の葉を使った検証では、推定値を、葉の二酸化炭素などの出入りを測るガス交換測定の実測値と比較しました。少数の試料をガス交換測定で測って推定手法を校正し、その後に多数の試料へ適用する方法もあります。

登熟速度と期間が、最終的な粒重に関わる

CSIROが対象とする登熟では、光合成で作られた物質に加え、茎に蓄えられていた物質も穀粒へ移されます。穀粒の成長初期に光合成が十分でないと、細胞数や最終的に達し得る粒重が減ります。高温は穀粒が成長する期間を短くし、深刻な干ばつや病気も粒の大きさを小さくする要因です。

水分条件による違いは、登熟の速さだけでなく、成長段階やその後の水の供給とも関わります。石河子大学の研究チームが2023年と2024年に行った点滴灌漑の春小麦試験では、茎が枝分かれする分げつ期に軽度の乾燥条件を与えてから再び水を供給した区で、最大・平均登熟速度や乾物の蓄積が増えました。同試験では、粒重と最大・平均登熟速度などに有意な正の相関があり、水分ストレスを強めると乾物蓄積などが低下しました。

大量の画像処理と育種現場での運用が課題

ドローンによる観測には、センサーの慎重な校正と、テラバイト規模の画像を処理する仕組みが必要です。CSIROでは統計モデルに加えて深層学習やAIの利用を進め、クラウド上で大量のデータを処理し、チーム内でリアルタイムに共有しています。

プロジェクトを率いるアントン・ワッソン氏は、実際の育種試験で多数の区画を安定して測定できたことを成果に挙げています。チームリーダーのゴンサロ・エスタビヨ氏は、データの分析や技術にはなお研究の余地があるとし、育種家の要望を聞いて現場で使いたいと思える道具を作ることを重視しています。