ハウスの害虫調査では、粘着トラップの捕獲数を回収して数え、全体の平均値や合計で推移を確認する方法がよく使われます。調査が継続されていること自体に大きな価値があり、全体の傾向をつかむうえでも有効な見方です。
ただし、平均値は「どこで増えているか」という情報を落とします。一部の区画で急増していても、他の区画が横ばいや減少であれば、全体平均はほとんど動かない場合があります。
最初に決めたいのは、どの指標でグラフを描くかではなく、防除の判断で何を知りたいのかです。防除の範囲を絞りたいのか、対応の優先順位をつけたいのか、タイミングを見極めたいのか。問いによって、必要な集計の切り口が変わります。
本記事では、害虫発生の空間分布を可視化する考え方、記録データの整え方、PythonとExcelでの作り方、防除の判断につなげる観点を整理します。説明に用いるデータは、すべて説明用に作成した架空のデータです。
全体平均だけで害虫発生を見ると、何を見逃すのか
全体平均は、ハウス全体の状況を一つの数値で把握できる便利な指標です。一方で、場所ごとの違いをならしてしまいます。一部の区画で捕獲数が増えていても、他の区画が横ばいや減少であれば、全体平均はほとんど動かない場合があります。
この性質により、局所的な増加への気づきが遅れ、気づいた時点で範囲が広がっている可能性があります。また、防除の範囲を「ハウス全体」とするか「一部の区画」とするかを決める根拠も、平均値だけでは示しにくくなります。
ただし、これは全体平均が不要という意味ではありません。全体の傾向を見る指標と、場所ごとの違いを見る指標は別のものです。両方を並べて見ることで、互いの見落としを補えます。
空間分布の可視化で分かること、分からないこと
空間分布(spatial distribution:対象がどの場所にどれだけ存在するかの広がり方)を見ると、「どこで」「いつから」増えているかが分かります。本記事では、区域ごと・調査週ごとの値を色の濃淡で表した図をヒートマップ(heat map)、区域ごとに集計して比べる方法を区域別分析と呼びます。
可視化で分かるのは、増加している区域、増加が始まった時期、隣接区域への広がりの有無です。一方、増加の原因、実際の生息密度、作物への被害の大きさは、図だけでは分かりません。粘着トラップの捕獲数は生息密度そのものではなく、あくまで指標です。
可視化は結論を出す道具というより、確認すべき場所と時期を絞る道具として位置づけると、実務で使いやすくなります。
区域はどう切るのか:平面図に落とし込む観点
区域は、ハウスの構造に沿って、判断に使える粗さで切ります。出入口、換気口、通路、畝の向きなど、環境が変わる境界を目安にすると、後から要因を確認しやすくなります。細かく切りすぎると1区域あたりの捕獲数が少なく不安定になり、粗すぎると局所発生が薄まります。
最初は、北・中央・南と東・西を組み合わせた6区域のように少数で始め、必要に応じて見直す進め方が現実的です。下図は区域とトラップ位置の模式図で、実際の寸法や配置を表すものではありません。
ハウス平面図の模式図:区域とトラップ位置
北側
南側
枠で囲んだ記号は粘着トラップの位置、点線の枠は実際の図面に書き込む項目の欄です。出入口や換気口の位置は施設ごとに異なります。本図は説明用の模式図であり、特定の施設を表すものではありません。
区域とトラップ位置の対応は、一度決めたら頻繁に変えないことが大切です。変更した場合は、変更日と内容を記録に残しておくと、前後の比較が可能になります。
記録データをどう整えるか:表1の形式から始める
可視化のしやすさは、記録形式でほぼ決まります。1行を「1回の調査での1トラップ分の記録」とし、同じ列構成で蓄積すると、ExcelでもPythonでも同じデータをそのまま使えます。下表は記録フォーマットの例です。値は記入例であり、後述の仮想例の数値とは対応しません。
| 調査日 | 区域ID | トラップID | 害虫種 | 個体数 | 備考 |
|---|---|---|---|---|---|
| 2026-05-11 | NW | NW-1 | 対象害虫A | 10 | なし |
| 2026-05-11 | NW | NW-2 | 対象害虫A | 8 | なし |
| 2026-05-11 | NE | NE-1 | 対象害虫A | (空欄) | 欠測(トラップ未回収) |
| 2026-05-11 | NE | NE-2 | 対象害虫A | 0 | 0頭を記録。トラップ交換あり |
- 捕獲されなかった場合は「0」と記録し、調査できなかった場合は空欄にして備考へ欠測と書く(両者を混同すると平均がずれます)
- 害虫種は分けて記録する
- 調査日は日付形式で統一する
- 区域IDとトラップIDは、平面図と同じ表記にする
区域の切り方やトラップの配置は、ハウスの構造、栽培品目、調査体制によって適した形が変わります。手持ちの調査データをどのように集計・可視化すればよいか迷う場合は、G-SENSIA(施設衛生の意思決定支援コンサルティング)で、現状のデータ整理から検討することもできます。
説明用の仮想例:北側だけが増えるパターン
ここからは、説明用に作成した架空のデータで考えます。実在の施設や顧客の実測値ではありません。設定は次のとおりです。
- ハウスを北・中央・南と東・西で6区域に分割する
- 各区域に粘着トラップを2枚ずつ配置し、週1回、8週分を調査する
- 対象は特定の1種とし、値は1トラップあたり平均個体数とする
区域×調査週のヒートマップ(1トラップあたり平均個体数)
- 10未満
- 10以上13未満
- 13以上16未満
- 16以上20未満
- 20以上
説明用に作成した架空のデータです。色の階級は説明のために設定したもので、防除の要否を判断する基準ではありません。
全体平均は第1週から第8週まで12.0〜12.7の範囲にあり、ほぼ横ばいに見えます。一方、北西・北東の2区域の平均は、第1週の9.5から第8週の20.0へ上昇しています。上昇が始まったのは第5週ごろで、これが「いつから」の目安になります。その間、他の4区域の平均は13.3から9.0へ緩やかに下がっており、これが北側の増加を打ち消して、全体平均を横ばいに見せていました。
ただし、この例から結論を一般化することはできません。実際の施設では、全体に一様に増える場合や、散発的に増える場合もあります。仮想例は、見方を説明するための一例です。
Pythonでヒートマップと区域別推移を描くには
上表の形式のCSVがあれば、次の短いコードで、区域×調査日の1トラップあたり平均個体数をピボット集計(pivot:行と列を入れ替えて集計表にする操作)し、ヒートマップと、全体平均と区域別の推移を並べて描けます。公開用の汎用サンプルであり、判定閾値や予測モデルは含みません。pandasとmatplotlibを使用します。
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams["font.family"] = "Meiryo" # 実行環境に合わせて日本語フォントを指定
# 表1の形式(1行 = 1トラップ・1回の調査)のCSVを読み込む
df = pd.read_csv("trap_records.csv", parse_dates=["survey_date"])
# 害虫種ごとに集計する(種を混ぜない)
df = df[df["pest"] == "対象害虫A"]
# 区域 x 調査日の「1トラップあたり平均個体数」
zone_order = ["北西", "北東", "中央西", "中央東", "南西", "南東"]
pivot = (
df.pivot_table(index="zone", columns="survey_date",
values="count", aggfunc="mean")
.reindex(zone_order)
)
# 全体平均(全トラップの平均)
overall = df.groupby("survey_date")["count"].mean()
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(13, 4.5))
# 左:全体平均と区域別の推移を同じグラフで比較する
for zone, row in pivot.iterrows():
ax1.plot(row.index, row.values, alpha=0.7, label=zone)
ax1.plot(overall.index, overall.values, color="black",
linewidth=3, label="全体平均")
ax1.set_ylabel("1トラップあたり平均個体数")
ax1.legend(ncol=2, fontsize=8)
ax1.tick_params(axis="x", rotation=45)
# 右:ヒートマップ(色の範囲を固定して、期間をまたいで比べやすくする)
im = ax2.imshow(pivot.values, aspect="auto", cmap="Blues", vmin=0, vmax=25)
ax2.set_yticks(range(len(pivot.index)), pivot.index)
ax2.set_xticks(range(len(pivot.columns)),
[d.strftime("%m/%d") for d in pivot.columns], rotation=45)
fig.colorbar(im, ax=ax2, label="1トラップあたり平均個体数")
plt.tight_layout()
plt.show()Python要点は3つです。集計方法を平均(mean)にして「1トラップあたり」で比べていること、色の範囲を固定していること、害虫種を絞ってから集計していることです。0頭の記録が欠けていると平均が過大になるため、記録時に0を省略しないでください。
Excelで同じ見方をするには
Excelでも、ピボットテーブルと条件付き書式で同じ見方ができます。手順は次のとおりです。
- 上表の形式で記録を縦に並べ、「挿入」からテーブルに変換する
- ピボットテーブルを作成し、行に「区域ID」、列に「調査日」、値に「個体数」を置く
- 値フィールドの集計方法を、合計から「平均」へ変更する
- 害虫種をフィルターに置き、1種ずつ表示する
- 値の範囲を選び、「条件付き書式」の「カラースケール」を適用する
- ルールの管理で最小値・最大値を数値指定にし、期間をまたいでも色の基準が変わらないようにする
総計行(全体平均)を表示しておくと、ヒートマップと全体平均を同じ画面で見比べられます。
見え方を左右する技術的な注意点
- トラップ数の差:区域によってトラップ数が違う場合は、合計ではなく1トラップあたり個体数で比べます
- 色の階級設定:階級の切り方や色の範囲で、同じデータでも印象が変わります。期間をまたぐ比較では基準を固定します
- 単発の急増:1回の増加だけで判断せず、複数回の推移で確認します。トラップの交換や設置条件の変化も確認対象です
- 捕獲数は指標:捕獲数は生息密度そのものではありません。区域間の絶対比較より、同じ区域内の変化を重視すると誤読を減らせます
- 害虫種ごとの集計:種によって行動や発生の仕方が異なるため、混ぜずに分けて集計します
北側で増えている理由をどう確認するか
ヒートマップで北側の増加が見えても、その原因は図からは分かりません。次のような項目を、確認すべき仮説として並べるところから始めます。
- 換気口の位置や開閉の状況
- 出入口の位置と人・資材の出入り
- 日当たり
- 温度・湿度の区域差
- 作業動線
- ハウス周辺の環境
確認は、平面図に位置を書き込んで増加区域と重ねる、温湿度の記録を区域ごとに見比べる、作業動線を担当者に聞き取る、といった小さな作業から始められます。あわせて、北側のトラップだけ設置条件(高さ、向き、汚れ)が異なっていないかも確かめます。
どれか一つに決めつける必要はありません。複数の要因が重なっている場合もあり、確認の結果、原因が特定できないこともあります。
可視化結果を防除判断につなげる観点
可視化は、防除の範囲、優先順位、タイミングを考える材料になります。下表は、可視化結果から読み取る内容と、次に確認する内容の整理例です。
| 観点 | 可視化から読み取ること | 次に確認すること |
|---|---|---|
| 範囲 | 増加している区域と、隣接区域の状況。複数週にわたり続いているか | 区域の境界で範囲を区切れるか、隣接区域へ広がる兆しはないか |
| 優先順位 | 区域間の差の大きさ、増加の速さ | 栽培品目や生育段階を踏まえ、どの区域から確認するか |
| タイミング | 増加が始まった週、増加が続いている週数 | 次回調査の前倒しや、確認頻度の引き上げが必要か |
| 要因確認 | 換気口、出入口、温湿度、作業動線などとの重なり | 仮説ごとの確認方法と担当者 |
防除を実施するかどうか、どの方法を選ぶかは、栽培品目、被害の許容度、防除体系、地域の指導情報などを踏まえて決める必要があります。本記事は具体的な実施基準を示すものではなく、判断の材料を整える方法を扱っています。
自社で続けるか、外部の支援を使うか
可視化を自社で続けるか、外部の支援を受けるかは、二択ではありません。まず社内で小さく試し、必要な部分だけ支援を使う進め方もあります。
- 社内で始めやすい場面:記録がすでに区域別に残っている、表計算ソフトで集計できる担当者がいる、対象害虫と調査頻度が固定されている
- 外部支援を検討しやすい場面:紙とExcelに記録が散在し形式をそろえる必要がある、複数のハウスや拠点で比較したい、図は作れるが判断への使い方が定まらない、区域の切り方やトラップ配置を見直したい
完璧にデータを整備してから始める必要はありません。1棟、1種、1か月分といった小さい範囲で試し、見え方と運用の負担を確かめてから広げる方法が現実的です。
今週から始める確認チェックリスト
- 記録が「1行1トラップ1回」の形式で並べられているか
- 0頭の記録と欠測が区別できているか
- 害虫種ごとに集計できているか
- 区域とトラップ位置が平面図に対応しているか
- 1トラップあたり個体数で、複数回の推移を比べているか
最初の一歩として、直近の調査結果から、直近8週分だけを区域別に並べてみてください。それだけでも、全体平均では見えなかった差が見つかる場合があります。
まとめ:次に確認すること
全体平均は、局所的な増加を薄めてしまう場合があります。区域×調査週のヒートマップと区域別の推移を並べることで、「どこで」「いつから」増えているかを確認しやすくなります。
ただし、捕獲数は生息密度そのものではなく、可視化だけで原因は分かりません。1トラップあたりの個体数、色の基準、複数回の推移、害虫種の分離という点に注意しながら、確認すべき場所と時期を絞る材料として使うことが大切です。まずは、手元の記録を表1の形式に整え、直近8週分を区域別に見ることから確認してみてください。
害虫モニタリングは、データを集めるだけでなく、防除の範囲・優先順位・タイミングの判断に使える形にすることが重要です。G-SENSIAでは、調査データの整理、可視化の設計、判断に使うための運用づくりを支援しています。現在の調査方法や記録データをもとに、まずは現状の整理からご相談いただけます。