害虫モニタリングを導入し、トラップの検知数や発生確率が毎日画面に表示されるようになったものの、「確率が70%と出ているが、今日散布するべきか」と問われると答えに迷う場面は少なくありません。数値は増えたのに、判断は以前と同じく担当者の経験に頼っている、という状況です。
一定の確率を超えたら通知する、という発想は自然です。通知があれば見落としは減ります。ただし、通知の条件が単一の数値だけだと、誤報が増えて現場が画面を見なくなる、反対に閾値(しきい値:通知を出す境目の値)を上げると見逃しが不安になる、といった問題が起こりやすくなります。
最初に決めたいのは、「何%で通知するか」ではなく、「予測の出力を、誰が、どの情報と組み合わせ、どの行動につなげるか」です。数値の境目は、その後に決める事項です。
本記事では、害虫の発生予測と防除判断を切り分けたうえで、誤報と見逃しの考え方、段階的なアラートの設計、最終判断のルールと記録の回し方を整理します。本記事に示す数値はすべて説明用の例示値であり、推奨値ではありません。また、防除は農薬の登録内容・使用基準および地域の指導に従って行う必要があります。
害虫の「発生予測」と「防除判断」は別の問題です
発生予測は、ある期間にどの程度の害虫が発生しそうかという見込みを示す情報です。病害虫防除所などが発生の時期や量を予測して公表する発生予察も、この仲間にあたります。これに対して防除判断は、防除を実施するか、いつ、どの範囲で、どの方法で行うかを決める行為です。
前者が扱うのは主に確率や検知数ですが、後者には生育ステージ、防除履歴、天候、作業の可否、コスト、農薬の使用基準など、多くの条件が関わります。被害による損失と防除に要するコストを比べて、防除を始める発生量の目安(要防除水準)を考える方法は、経済的被害許容水準の考え方として整理されてきました(Stern et al., 1959; Pedigo et al., 1986)。IPM(総合的病害虫・雑草管理)でも、発生状況の把握と判断基準に基づいて対策を選ぶことが基本とされています。
したがって、AIや予測ツールの出力は判断材料と位置づけ、判断・実行・記録は人が担う、という役割分担をまず明確にしておくと設計が進めやすくなります。
予測側(ツール・AI)
情報を提供する
- 発生確率の算出
- トラップ検知数の集計と推移の表示
- 条件に応じたアラートレベル案の提示
- 過去の通知履歴の蓄積
判断側(人)
判断・実行・記録を担う
- 現場での発生状況の確認
- 防除の要否とタイミングの判断
- 農薬の使用基準や作業可否の確認と実施
- 結果の記録と閾値の見直し
概念図です。実際の分担は、施設の体制や導入しているツールによって異なります。
発生確率が出ても散布判断に使えないのはなぜか
発生確率は、ある条件のもとで発生が起こりやすいかどうかを示す値です。一方で、被害がどの程度の大きさになるか、今この区画で何をすべきかまでは含まれていません。確率が高くても、前回の防除から日が浅ければ、すぐに追加の対応を要しない場合があります。反対に、確率がそれほど高くなくても、被害を受けやすい時期に検知数が増えていれば、早めの確認が望ましい場合もあります。
もう一つの原因として、「何についての確率なのか」が現場で共有されていないことがあります。数日以内に発生が確認される確率なのか、一定の検知数を超える確率なのか、定義によって行動は変わります。判断に使う前に、次の4点を確認しておくと整理しやすくなります。
- 確率の対象(何が、いつまでに、どの区画で)
- 被害を受けやすい生育ステージかどうか
- 前回の防除からの経過と、その後の検知数の動き
- 天候・作業可否と、農薬の使用基準の範囲内かどうか
誤報と見逃しは現場に何をもたらすか
アラートの誤りには2種類あります。実際には問題がないのに通知が出る誤報(偽陽性:False Positive)と、発生が進んでいるのに通知が出ない見逃し(偽陰性:False Negative)です。両者は現場に異なる影響を与えます。
| 実際に発生が進んでいる | 実際には発生が進んでいない | |
|---|---|---|
| アラートあり | 適切な検知。初期対応につなげやすい | 誤報。アラート疲れ(通知が多すぎて見なくなること)、不要な散布、見回り工数の増加につながる |
| アラートなし | 見逃し。初期対応が遅れ、被害が拡大する場合がある | 適切な未通知。通常の運用を続けられる |
閾値を下げると見逃しは減りますが誤報が増え、閾値を上げると誤報は減りますが見逃しが増える、という関係は、ROC解析(受信者動作特性解析)として整理されています(Fawcett, 2006)。つまり、閾値の数値だけで両方を同時に小さくすることには限界があります。
ただし、これは工夫の余地がないという意味ではありません。確率以外の情報を組み合わせる、通知を段階に分けるといった設計によって、誤報と見逃しの影響を現場が受け止めやすい形に調整できる場合があります。
閾値は「正解の数値」ではなく「行動の重さ」から考える
「最適な閾値は何%か」という問いには、一律の答えはありません。作物、施設の構造、防除体制、被害の進み方によって、許容できる誤りの種類と量が異なるためです。代わりに、次の3つを問うと、閾値の置き方が決めやすくなります。
- 見逃した場合、被害はどのくらいの速さで進むか
- 誤報だった場合、どのくらいの工数・コストが無駄になるか
- その通知で取る行動は軽いか(情報共有、見回り)、重いか(散布)
行動が軽ければ、誤報のコストは小さいため、低めの閾値でも運用できます。行動が重ければ、複数の条件がそろってから進めるほうが現実的です。このように、行動の重さに応じて閾値を段階ごとに変えるのが、アラートを段階化する理由です。
すぐ試せる確認作業(1):直近1〜2か月の通知から10件ほど選び、「通知日」「通知の内容」「その後に実際に発生したか」「現場で取った行動」の4項目を表に書き出してみてください。誤報と見逃しのどちらが気になっているか、現場の感覚を数えて確認できます。
アラートを4段階に分け、各段階の担当と行動を決める
アラートは「情報」「注意」「現場確認」「防除検討」の4段階に分け、各段階で誰が何をするかを決めておきます。段階が上がるほど、確認する条件を増やし、関わる人も増やします。下表の条件は説明用の例示値であり、推奨値ではありません。
| レベル | 条件の例(例示値) | 現場の行動 | 担当者 |
|---|---|---|---|
| 情報 | 確率が低く、検知数に目立った変化がない | 画面表示と記録のみ | システム(自動) |
| 注意 | 確率が一定以上、または検知数が連続して増加 | 通常の巡回で該当区画を重点的に観察する | 現場担当者 |
| 現場確認 | 確率が高く前回防除から日数が経過、または確率が中程度で検知数が連続増加かつ被害を受けやすい生育ステージ | 該当区画を巡回し、発生状況を確認して結果を入力する | 現場担当者(結果は栽培責任者へ共有) |
| 防除検討 | 現場確認で発生を確認し、前回防除から一定期間が経過している | 防除の要否、時期、範囲を検討する。農薬の使用基準と作業可否を確認する | 栽培責任者(判断者) |
「防除検討」は散布の実施ではなく、責任者が判断に入るための入口です。また、通知の送り先も段階で変えます。「情報」は画面表示にとどめ、「注意」以上で担当者へ通知する運用にすると、アラート疲れを抑えやすくなります。
確率だけで決めない:2つの仮想例
次の2つは、判断の考え方を説明するための仮想例です。実在の施設や事例ではありません。
- 仮想例1:発生確率が70%と表示されたが、前回の防除の直後で、トラップ検知数も増えていない。この場合は「注意」にとどめ、散布は行わず、経過を観察します。
- 仮想例2:発生確率は55%だが、検知数が3日連続で増加しており、被害を受けやすい生育ステージにある。この場合は「現場確認」を実施し、実際の発生状況を目で確かめます。
確率の大小だけでなく、他の情報との組み合わせで行動が変わる点が要点です。観点の例を次の図に示します。
予測側の情報:発生確率・トラップ検知数これだけでは行動を決めず、下記の観点と合わせて読む
- 生育ステージ被害を受けやすい時期か
- 防除履歴前回防除からの経過日数
- 検知数の推移増加が続いているか、横ばいか
- 天候・作業可否実施できる条件か
- 使用基準農薬の登録内容・使用回数などの範囲内か
- 公的情報地域の発生予察情報との整合
概念図です。観点の数や優先順位は、作物・施設・防除体制によって異なります。
ただし、この2つの例から結論を断定することはできません。仮想例1でも、前回の防除の効果に疑いがある場合は確認を前倒しする判断がありえます。仮想例2でも、現場確認で発生が見られなければ、引き続き観察にとどめる選択肢があります。例は判断の型を示すもので、他の進め方を否定するものではありません。
疑似データで見る判定の流れ
次の表は、判定の流れをイメージするための架空のデータです。実在の施設や数値ではなく、閾値や生育ステージの扱いは例示です。
| 日付 | 区画 | 発生確率 | トラップ検知数(直近4日) | 生育ステージ(感受性) | 前回防除からの日数 | 判定レベル | 現場確認結果 |
|---|---|---|---|---|---|---|---|
| 4月10日 | A | 30% | 1, 1, 2, 2 | 栄養成長期(低) | 25日 | 情報 | 不要 |
| 4月10日 | B | 70% | 4, 4, 4, 4 | 栄養成長期(低) | 3日 | 注意 | 不要(観察と記録のみ) |
| 4月12日 | C | 55% | 2, 3, 5, 8 | 開花期(高) | 20日 | 現場確認 | 実施中(翌日に確定) |
| 4月12日 | D | 35% | 1, 2, 3, 5 | 栄養成長期(低) | 18日 | 注意 | 巡回時に該当トラップ周辺を確認 |
| 4月13日 | E | 75% | 3, 2, 3, 2 | 収穫期(低) | 40日 | 現場確認 | 発生を確認できず(誤報の可能性として記録) |
| 4月13日 | C | 60% | 3, 5, 8, 11 | 開花期(高) | 21日 | 防除検討 | 発生を確認。責任者へ判断を依頼 |
B区画は仮想例1、C区画は仮想例2に対応しています。D区画のように、確率が低めでも検知数が増えていれば「注意」で拾えます。E区画は確率が高くても現場で発生が確認できなかった例で、この記録が後の閾値見直しの材料になります。なお、C区画が「防除検討」に進んでも、散布するかどうかは責任者が使用基準や天候を確認したうえで決めます。
判断ルールを疑似コードで表現する
上の考え方を、短い疑似コード(Python)で表すと次のようになります。公開用の汎用的な例であり、閾値はすべて例示値です。「防除検討」に達しても自動散布は行わず、責任者への確認依頼を返す構成にしています。
# 説明用の疑似コードです。閾値はすべて例示値であり、推奨値ではありません。
PROB_NOTICE = 0.40 # 例示値:注意の確率
PROB_CHECK = 0.50 # 例示値:現場確認の確率(検知数・生育ステージと併用)
PROB_STRONG = 0.70 # 例示値:確率が高いとみなす値
RECENT_SPRAY_DAYS = 7 # 例示値:前回防除から日が浅いとみなす日数
RISE_DAYS = 3 # 例示値:連続増加とみなす日数
NEXT_ACTION = {
"情報": "画面表示と記録のみ",
"注意": "通常巡回で該当区画を重点的に観察する",
"現場確認": "現場担当者が巡回して発生状況を確認する",
"防除検討": "栽培責任者へ確認を依頼する(自動散布は行わない)",
}
def is_rising(counts, days=RISE_DAYS):
"""直近 days 日間、毎日前日より検知数が増えているか"""
if len(counts) < days + 1:
return False
recent = counts[-(days + 1):]
return all(a < b for a, b in zip(recent, recent[1:]))
def decide_alert_level(prob, counts, sensitive_stage,
days_since_spray, field_confirmed=False):
recently_sprayed = days_since_spray <= RECENT_SPRAY_DAYS
rising = is_rising(counts)
level = "情報"
if prob >= PROB_NOTICE or rising:
level = "注意"
if (prob >= PROB_CHECK and rising and sensitive_stage) or \
(prob >= PROB_STRONG and not recently_sprayed):
level = "現場確認"
# 防除検討は、現場確認で発生を確認し、前回防除から日数が経過している場合のみ
if level == "現場確認" and field_confirmed and not recently_sprayed:
level = "防除検討"
return level, NEXT_ACTION[level]Pythonコードを読まない方向けの読み方
- 確率が中程度でも、検知数が増え続けていれば「注意」に上げる
- 確率が高くても、前回防除から日が浅ければ「現場確認」に進めない
- 「現場確認」には、被害を受けやすい時期かどうかも条件に加える
- 「防除検討」は、現場で発生を確認した後にのみ表示し、判断は責任者が行う
確率やカウントをどの条件でどのアラートレベルに変換するかは、作物・施設・防除体制によって異なります。判断ルールの整理から相談したい場合は、G-SENSIA(施設衛生の意思決定支援コンサルティング)をご覧ください。
最終判断・記録・見直しをどう回すか
判断が属人化する主な原因は、「何を見て、誰が、どう決めたか」が残っていないことです。最終判断のルールは、次の4項目を決めておくと運用しやすくなります。
| 項目 | 決めておくこと | 記録の例 |
|---|---|---|
| 条件 | 各アラートレベルに進む条件、例外の扱い | 通知時の確率、検知数、生育ステージ |
| 確認手順 | 現場確認の範囲、見る場所、確認する項目 | 確認日時、確認区画、発生の有無 |
| 判断者 | 最終判断をする人と、不在時の代行者 | 判断者名、判断日 |
| 記録 | 実施内容と、その後の推移 | 実施の有無、使用基準の確認結果、数日後の検知数 |
この記録は、閾値の見直しに使います。たとえば月に1回(例示)、通知と結果を並べて「適切だった通知」「誤報だった通知」「見逃しがあった事例」に分類します。見直しでは、一度に変更する項目を1つに絞り、変更履歴を残すと、効果の判断がしやすくなります。
すぐ試せる確認作業(2):直近の防除判断を1件選び、「何を見て、誰が決めたか」を3行で書き出してみてください。書き出せない箇所が、ルール化の優先候補になります。
公的情報と併用する際の考え方
地域の病害虫防除所が出す発生予察情報は、地域全体の発生傾向を把握するのに役立ちます。一方、施設内のモニタリングは、自施設の区画ごとの状況を捉えます。両者は役割が異なるため、どちらか一方で代替するのではなく、併用するのが基本です。たとえば、公的情報で地域の発生が増えていると示されたときに、自施設の「注意」段階での観察を強める、という使い方が考えられます。
なお、防除に使う農薬は、作物ごとの登録内容や使用基準(使用時期、使用回数など)に従う必要があります。本記事は特定の農薬や害虫に対する防除方法を推奨するものではありません。実際の防除は、登録内容、ラベルの記載、地域の指導に従って判断してください。
ルール化の限界と、条件付きで進める判断
判断ルールにも限界があります。データが少ない時期や新設の施設では閾値の根拠が乏しく、トラップやセンサーの不具合、天候の急変、害虫の種類によるトラップの捕獲特性の違いなど、ルールが想定していない状況も起こります。そのため、ルールには例外時に責任者が判断を上書きできる余地と、その理由を記録する欄を設けておくことが現実的です。
また、完璧なルールを整えてから始める必要はありません。一部の区画だけで試す、通知を行動に結びつけず記録だけを取る期間を設けて結果を確認する、といった段階的な進め方もあります。ルール化しない、あるいは条件付きで進めるという判断も、選択肢に含めて構いません。
次の一歩を決めるチェックリスト
| 確認項目 | 確認の観点 |
|---|---|
| 確率の定義 | 何を、いつまでに、どの区画で予測した値かを説明できるか |
| アラートの段階 | 各段階の条件、行動、担当者が書かれているか |
| 誤報と見逃しの把握 | 直近の通知を、結果と並べて振り返ったか |
| 最終判断者 | 判断者と、不在時の代行者が決まっているか |
| 記録 | 通知・確認・実施・その後の推移が残っているか |
| 使用基準と公的情報 | 農薬の使用基準と地域の発生予察情報を確認する手順があるか |
まとめ
害虫の発生予測と防除判断は別の問題であり、予測の出力は判断材料として扱うのが基本です。閾値は単独の「正解の数値」ではなく、行動の重さに応じて段階ごとに置き、確率以外の情報を組み合わせて読むことで、誤報と見逃しの影響を調整しやすくなります。
そのうえで、最終判断は人が行い、アラート・現場確認・実施内容・その後の推移を記録して、閾値を少しずつ見直していきます。まずは、直近の通知と結果を並べて振り返ることから確認してみてください。
害虫モニタリングの結果を、現場で使える判断ルールとアラート運用につなげたい方へ。G-SENSIAでは、データに基づく防除判断の整理や、誤報と見逃しのバランスを踏まえたアラート設計の検討を支援しています。導入済みツールの活用見直しなど、初期段階のご相談も受け付けています。技術・DXの一般的なご相談は、KAMUSHIRUBEも補助的な窓口としてご利用いただけます。
参考文献
- Stern et al. 1959. The integrated control concept. Hilgardia. Vol. 29. No. 2. pp. 81-101. https://doi.org/10.3733/hilg.v29n02p081
- Pedigo et al. 1986. Economic injury levels in theory and practice. Annual Review of Entomology. Vol. 31. pp. 341-368. https://doi.org/10.1146/annurev.en.31.010186.002013
- Fawcett. 2006. An introduction to ROC analysis. Pattern Recognition Letters. Vol. 27. Issue 8. pp. 861-874. https://doi.org/10.1016/j.patrec.2005.10.010