粘着トラップを設置して毎週捕獲数を数え、温湿度センサーも入れ、防除や作業の記録も取っている。それでも「今週増えたのはなぜか」「先日の防除は効いていたのか」と問われると、答えに迷う場面は少なくないと思います。
記録を取り続けていること自体が、すでに大きな一歩です。ただ、捕獲数は巡回時の紙の記録、防除は担当者のExcel、作業は日誌、温湿度はセンサーのクラウドというように置き場所が分かれていると、見比べる作業そのものが負担になります。その結果、振り返りが後回しになりやすい傾向があります。
最初に決めたいのは「どのデータを新しく増やすか」ではなく、「すでにある記録を、日付と場所でそろえて並べられるか」です。新しいセンサーや高度な分析手法を足す前に、記録同士が同じ軸で重なる状態をつくることで、増減についての仮説を立てやすくなります。
本記事では、害虫モニタリングデータを防除・作業・温湿度の記録と統合する意味、記録の整え方、ExcelとPythonで重ねて描く手順、読み解く際の注意点を整理します。記事内のデータはすべて説明用の疑似データであり、実在の圃場や顧客の事例ではありません。
捕獲数だけでは、増減の理由を説明しにくいのはなぜか
粘着トラップの捕獲数は、圃場にいる害虫の個体群を見るための相対的な指標です。個体数そのものを表す値ではありません。トラップの種類、設置する高さや位置、交換間隔、作物の繁茂状況といった調査条件が変わると、同じ個体数でも捕獲数は変わります。捕獲数を比較するには、条件を統一して継続的に記録していることが前提になります。
条件が統一されていても、増減にはいくつもの要因が重なりえます。防除の実施、摘葉や資材搬入などの作業、気温や湿度、作物の生育段階、周辺からの侵入などです。捕獲数の列だけを眺めても、これらのうちどれが関わっているのかは見えません。
ただし、これは捕獲数だけの記録に意味がないという意味ではありません。捕獲数は「変化が起きた日」を知らせる大切な手がかりです。足りないのは、その日に何が起きていたかを確認できる材料です。変化を「観測すること」と、その理由を「説明すること」は別の作業であり、後者には他の記録との照合が必要になります。
どの記録を統合の対象にするか
統合の対象は、捕獲数に加えて「防除」「作業」「温湿度」の3種類が基本です。作型や定植日などの栽培情報は、後から加えても構いません。表1に、項目と注意点をまとめます。
| データ種別 | 主な項目 | 記録頻度の目安 | 注意点 |
|---|---|---|---|
| 捕獲数(粘着トラップ) | 日付、ハウスID、トラップID、害虫の種類、捕獲数、前回確認からの日数 | 巡回ごと(週1〜2回など) | トラップの種類・設置位置・交換間隔をそろえる。交換間隔が異なる場合は1日あたりに換算する |
| 防除記録 | 実施日、場所、防除の内容、薬剤の系統(ラベル) | 実施ごと | 薬剤はラベルの使用基準に従う。全体散布か一部かなど、範囲も残す |
| 作業記録 | 日付、場所、作業内容(摘葉、苗・資材の搬入、換気設定の変更など) | 作業ごと、または日次 | 自由記述だけにせず、作業の分類をあらかじめ決めておく |
| 温湿度 | 日時、場所、温度、湿度 | 数分〜1時間ごと | センサーの設置位置、欠測、時刻のずれを確認する。日平均に加えて最高・最低も残しておくと見直しやすい |
| 栽培情報 | 品目、作型、定植日、生育段階 | 変更があったとき | 後から追加できる。最初は無理に整備しない |
すべてを一度にそろえる必要はありません。まずは「捕獲数」と「防除記録」の2つだけを日付とハウスで重ねるだけでも、防除前後の動きを振り返る材料になります。
日付と場所をキーに、1つの表へそろえる
様式の異なる記録を見比べやすくする基本の方法は、共通のキー(突き合わせの軸となる項目)で1つの表にまとめることです。害虫と栽培記録の統合では、「日付」と「場所」の2つが主なキーになります。
分散している記録
- 01トラップの巡回記録紙の用紙・写真
- 02防除記録Excel・防除日誌
- 03作業日誌紙・チャット・メモ
- 04温湿度ログセンサー・クラウド
場所(ハウスID)
統合した1つの表
キーを設計する際に、先に決めておきたい点は次の4つです。
- 日付は日単位にそろえる。センサーの記録は日次に集計して扱う
- 場所はハウスIDや区画IDでコード化する。「1号棟」「ハウス1」「H1」といった表記ゆれは、コード表で統一する
- 軸にする表は捕獲数の表とし、防除・作業・温湿度を結合する
- 防除や作業がない日は「記録なし」として残し、同じ日に複数の作業があれば行を分ける
紙の記録しかない場合は、日付とハウスIDの2列に加えて捕獲数だけを転記するところから始められます。最初から項目を増やしすぎないほうが、続けやすくなります。
小さく始める5つのステップ
記録の整備は、完璧にそろえてから始めるよりも、小さい範囲で試して不足を見つけるほうが現実的です。次の5つのステップで進める方法があります。
- Step 1 問いを1つに絞る。たとえば「直近の防除の前後で、捕獲数はどう動いたか」のように、確認したいことを1文で書きます。
- Step 2 対象を限定する。最初は1つのハウス、1つの作期に絞ります。
- Step 3 コード表をつくる。ハウスID、トラップID、作業の分類を決め、表記ゆれの元を減らします。
- Step 4 過去の記録を転記・結合する。直近1〜2か月分でも、まず見比べるには十分な場合があります。
- Step 5 重ねて描き、問いを書き出す。グラフで気になった点を、次の確認事項として記録します。
すぐ試せる確認として、直近の防除日を3回分選び、それぞれの前後7日間の捕獲数だけを並べてみてください。3項目(防除日、前7日の平均、後7日の平均)で足ります。これだけでも、防除後の動きに共通点があるか、ばらつきが大きいかを把握する手がかりになります。
Excelで防除日と捕獲数を重ねる手順
新しいツールを入れなくても、Excelで防除日と捕獲数を重ねて表示できます。XLOOKUP関数は、Microsoft 365およびExcel 2021以降で使えます。それ以前のバージョンでは、INDEX関数とMATCH関数の組み合わせで同様の処理ができます。
- 捕獲数のシートで、日付が日付形式になっていること、ハウスIDの表記がそろっていることを確認する。
- 捕獲数のシートに結合キー列を追加し、日付とハウスIDを連結する(例:TEXT関数で日付を「yyyymmdd」形式にし、「_」とハウスIDをつなげる)。温湿度シートにも同じ形式のキー列を用意する。
- 温湿度は、ピボットテーブルまたはAVERAGEIFS関数で日次平均のシートにまとめる。
- 捕獲数のシートで、XLOOKUP関数を使って結合キーが一致する日の湿度を取得する。一致しない場合は空白を返すよう指定する。
- 防除記録を参照し、防除日の行にだけ値を入れる「防除日」列を作る。該当しない日は空白にする。
- 日付を横軸に、捕獲数を折れ線、湿度を第2軸の折れ線にする。「防除日」列は縦棒の補助系列として追加し、棒の幅を細くすると縦線のように表示できる。
複数のハウスを扱う場合は、ハウスごとにシートを分けるか、グラフの元データをフィルターで切り替える運用が分かりやすくなります。件数が増えて手作業が負担になってきた段階で、次のPythonによる処理を検討する流れが無理のない進め方です。
Pythonで統合・可視化・前後比較を行う
同じ処理をPython(データ処理ライブラリのpandas、作図ライブラリのmatplotlib)で書くと、ハウスが増えても同じ手順を繰り返せます。以下は公開可能な汎用サンプルです。ファイル名と列名は本記事の例であり、自社の記録に合わせて読み替えてください。
ポイントは3つです。第1に、トラップの交換間隔が異なる場合に備えて、捕獲数を「前回確認からの日数」で割り、1日あたりに換算します。第2に、温湿度は日次平均に集計し、日付とハウスIDで結合します。第3に、防除日の前後7日間の平均を求め、グラフと数値の両方で確認できるようにします。
import pandas as pd
import matplotlib.pyplot as plt
# 日本語表示用のフォント(環境に合わせて変更してください)
plt.rcParams["font.family"] = "Meiryo"
# 1. 読み込み(列名は本記事のサンプル)
traps = pd.read_csv("trap_counts.csv", parse_dates=["date"])
spray = pd.read_csv("spray_log.csv", parse_dates=["date"])
climate = pd.read_csv("climate.csv", parse_dates=["datetime"])
work = pd.read_csv("work_log.csv", parse_dates=["date"])
# 2. 捕獲数を1日あたりに換算(交換間隔が異なるトラップを比較できるようにする)
days = traps["days_since_last_check"].where(traps["days_since_last_check"].gt(0))
traps["count_per_day"] = traps["count"] / days
# 対象の害虫を1種類に絞り、日付・ハウスごとに平均する
target = traps[traps["pest_type"] == "害虫A"]
trap_daily = target.groupby(["date", "house_id"], as_index=False)["count_per_day"].mean()
# 3. 温湿度を日次平均に集計
climate["date"] = climate["datetime"].dt.normalize()
climate_daily = climate.groupby(["date", "house_id"], as_index=False).agg(
temperature=("temperature", "mean"),
humidity=("humidity", "mean"),
)
# 4. 日付とハウスIDで結合(捕獲数の表を軸にする)
merged = trap_daily.merge(climate_daily, on=["date", "house_id"], how="left")
# 5. 1つのハウスについて、捕獲数・湿度・防除日・作業を重ねて描画
house = "H01"
m = merged[merged["house_id"] == house].sort_values("date")
spray_dates = spray.loc[spray["house_id"] == house, "date"].drop_duplicates()
work_h = work[work["house_id"] == house]
fig, ax1 = plt.subplots(figsize=(10, 4))
ax1.plot(m["date"], m["count_per_day"], marker="o", color="navy", label="1日あたり捕獲数")
ax1.set_ylabel("1日あたり捕獲数(相対指標)")
ax2 = ax1.twinx()
ax2.plot(m["date"], m["humidity"], linestyle="--", color="gray", label="日平均湿度")
ax2.set_ylabel("日平均湿度(%)")
for i, d in enumerate(spray_dates):
ax1.axvline(d, color="firebrick", linestyle=":", label="防除日" if i == 0 else None)
for _, row in work_h.iterrows():
ax1.axvline(row["date"], color="seagreen", alpha=0.3)
ax1.text(row["date"], ax1.get_ylim()[1], row["task"], rotation=90, va="top", fontsize=8)
ax1.legend(loc="upper left")
ax2.legend(loc="upper right")
ax1.set_title(f"{house}:捕獲数・湿度・防除日・作業(サンプル)")
fig.tight_layout()
fig.savefig("overlay_H01.png", dpi=150)
# 6. 防除日の前後7日間の平均捕獲数(防除当日は前後どちらにも含めない)
def before_after(df, dates, window=7):
w = pd.Timedelta(days=window)
rows = []
for d in dates:
before = df[df["date"].between(d - w, d, inclusive="left")]["count_per_day"].mean()
after = df[df["date"].between(d, d + w, inclusive="right")]["count_per_day"].mean()
rows.append({"spray_date": d, "before_mean": before, "after_mean": after})
return pd.DataFrame(rows)
print(before_after(m, spray_dates))Pythonこのコードは、記録を重ねて見るための最小限の例です。前後7日の窓が次の防除や大きな作業と重なる場合は、平均値の解釈に注意が必要です。窓の日数は作物や害虫の種類、記録頻度に応じて変えて構いません。
説明用の仮想例:防除日・湿度・作業記録を重ねて読む
ここでは、説明用の仮想例として、あるハウスの14日間の記録を重ねた場合を考えます。下図は疑似データによる概念図で、捕獲数、日平均湿度、作業記録を同じ日付の軸にそろえて並べています。実際のデータでは、前節のコードで捕獲数の折れ線に防除日の縦線と湿度の第2軸を重ねて描画できます。
捕獲数(1日あたり・相対表示)
日平均湿度(相対表示)
作業記録
横軸:観察開始からの日数(6日目に系統Aの防除を実施した設定)
この仮想例では、6日目の防除(系統A)の後に捕獲数が下がっています。一方で、湿度も同じ時期に下がり、7日目には換気設定が変更されています。さらに、3日目の摘葉、11日目の資材搬入の後には、捕獲数がやや戻っているように見えます。捕獲数だけのグラフであれば「防除が効いた」と読みたくなる場面ですが、重ねてみると、防除、湿度の低下、換気設定の変更が同じ時期に起きていたことが分かります。
ここから結論を断定することはできません。減少は防除の影響とも、湿度低下の影響とも、その両方とも読めます。他の読み方も成り立ちます。この例が示すのは、「防除以外に何が起きていたか」を確認できるようになると、次に調べることが具体的になるという点です。たとえば、防除を行っていない別のハウスの推移、トラップの位置や交換間隔に変更がなかったか、次回の防除前後でも同じ動きが見られるか、といった確認が考えられます。
記録をどの粒度で紐付けるかは、圃場や作型によって異なります。記録設計の段階から整理したい場合は、G-SENSIAにご相談いただけます。
振り返りで出てくる問いと、確認するデータ
記録を重ねると、「なぜ」という問いが具体的になります。問いごとに確認するデータをあらかじめ対応づけておくと、振り返りの会議で議論が散らばりにくくなります。表2に例を示します。
| 振り返りで出てくる問い | 確認するデータ | 見るポイント |
|---|---|---|
| 防除後に減ったのは、防除の影響か、気温低下の影響か | 防除記録、日平均の温度・湿度、防除していないハウスの捕獲数 | 同時期の気温・湿度の変化、未実施ハウスの推移 |
| 特定のハウスだけ増えたのは、搬入作業と時期が重なっていないか | 作業記録(搬入・出入り)、ハウス別の捕獲数 | 増加の開始時期と作業日の前後関係 |
| 防除後、再び増え始めるまでにどのくらいかかったか | 防除記録、捕獲数の連続した推移 | 防除間隔、その間の気象や作業 |
| 換気設定の変更後に、湿度や捕獲数は変わったか | 作業記録(換気設定)、湿度 | 変更前後の湿度、数日程度の遅れ |
| 摘葉などの作業の後に、捕獲数が増減していないか | 作業記録、トラップの設置位置 | 作業した区画とトラップ周辺の関係 |
| 測定の条件そのものが変わっていないか | トラップの交換間隔、設置位置、担当者 | 条件を変更した日と捕獲数の変化の時期 |
表の最後の行にあるとおり、「測定条件の変更」も確認項目に含めておくことが重要です。捕獲数の変化が、害虫の動きではなく、トラップの位置や交換間隔の変更によって生じている場合があるためです。
相関を因果と読まないための注意点
記録を重ねて見ると、「防除の後に減った」「湿度が高い時期に増えた」といった時間的な一致は見つかりやすくなります。ただし、時間的に重なっていることと、原因であることは別です。以下の点に注意して読み進めてください。
- 調査条件の統一:トラップの種類・位置・交換間隔が変わると、捕獲数の比較が成り立たなくなります。変更した日は記録に残します。
- 効果の現れ方の遅れ:防除や環境の変化が捕獲数に表れるまでには日数がかかる場合があり、害虫の発育段階によっても見え方は異なります。
- 件数の少なさ:1回の防除前後だけで判断せず、複数回、複数のハウスで繰り返し確認します。
- 記録の欠測・ずれ:センサーの欠測や時刻のずれ、記録漏れがないかを確認します。
薬剤については、使用はラベル記載の使用基準および関連法令に従うことが前提です。本記事は特定の薬剤の効果を評価・推奨するものではありません。薬剤の系統を記録しておくことは使用履歴の確認に役立ちますが、使用回数や時期の判断は、登録内容や地域の防除基準、普及指導機関などの情報をあわせて確認してください。
また、すべての記録を統合してから判断を始める必要はありません。項目がそろわない場合は、無理に結論を出さず、記録を続けながら不足項目を埋めていく選択もあります。記録が増えるほど、仮説の確からしさを確認しやすくなります。
着手前のチェックリスト
| 確認項目 | 確認内容 |
|---|---|
| 問いの設定 | 確認したいことを1文で書き出せているか |
| 対象の範囲 | 最初に試すハウスと作期を決めているか |
| 日付の形式 | すべての記録で日付がそろっているか |
| 場所のコード | ハウスID・トラップIDの表記ゆれがないか |
| トラップ条件 | 種類・位置・交換間隔が記録されているか |
| 防除記録 | 実施日、範囲、薬剤の系統が残っているか |
| 作業記録 | 摘葉・搬入・換気設定の変更などの分類が決まっているか |
| 温湿度 | センサーの位置と欠測の有無を把握しているか |
自社で進めやすい範囲と、相談が有効になりやすい段階
ここまでの内容は、多くが自社の担当者だけで着手できます。一方で、規模や目的によっては、外部の知見が役立つ場面もあります。目安として、次のように整理できます。
- 自社で進めやすい:1ハウス・1作期での記録の転記、Excelでの結合、防除日と捕獲数の重ね描き、前後7日の比較
- 記録設計の相談が有効になりやすい:複数のハウスや拠点で、記録項目と粒度をそろえたい場合
- データ基盤の整備が必要になりやすい:紙やExcelの記録をデジタル化し、継続して蓄積・参照できる仕組みを整えたい場合
- 読み解きや検証の設計が必要になりやすい:得られた仮説を、条件をそろえた実証試験で確かめたい場合
外部に頼る前に、まず自社で小さく試し、どこで詰まるかを把握しておくと、相談の内容も具体的になります。
まとめ:次に確認すること
害虫の捕獲数は、変化に気づくための大切な手がかりですが、それだけでは増減の理由を説明しにくい指標です。防除・作業・温湿度の記録を、日付と場所をキーに重ねることで、「防除以外に何が起きていたか」を確認でき、仮説を立てやすくなります。次に確認したいのは、次の4点です。
- 日付とハウスIDの表記が、記録の間でそろっているか
- トラップの条件変更や交換間隔の違いが記録されているか
- 直近の防除日3回分について、前後7日の捕獲数を並べられるか
- 重ねたグラフから出てきた問いを、次の確認事項として書き出せているか
記録の整え方から相談したい場合
記録項目の設計、データの統合、結果の読み解き方をあわせて整えることで、害虫モニタリングデータを防除計画の見直しに活かしやすい形にできます。G-SENSIAでは、現場の記録状況を踏まえて、データ活用の進め方を一緒に整理します。「まずは現状の記録方法を聞いてほしい」という段階でも構いません。
記録のデジタル化やデータ基盤の整備についてはKAMUSHIRUBEで、仮説を実証試験や技術検証として確かめたい場合は研究開発サポートでご相談いただけます。