📄 other

Using UAV-LiDAR for stem volume phenotyping in the genetic selection of radiata pine

本研究は、UAV-LiDAR由来の指標、特に3D凸包表面積および樹高が、ラジアタパインの育種プログラムにおける遺伝的改良を効果的に加速させると同時に、労働集約的な野外調査への依存を軽減できる、幹体積の極めて遺伝率が高くスケーラブルなプロキシ（代替指標）として機能することを実証している。

原著者： Joane Simone Elleouet, Sadeepa Jayathunga, Natalie G Graham, Mark F Paget, Jaroslav Klápště, Robin J.L. Hartley

公開日 2026-07-24

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Joane Simone Elleouet, Sadeepa Jayathunga, Natalie G Graham, Mark F Paget, Jaroslav Klápště, Robin J.L. Hartley

原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

あなたは、森の「スーパーヒーロー」を探し出そうとしている探偵だと想像してください。樹木の育種の世界では、科学者たちは、より多くの木材を生産する森林を植えるために、最も大きく、最も真っ直ぐに、そして最も速く成長する特定の木々を常に探し求めています。しかし、ここには厄介な問題があります。木が成長するには何十年もかかるのです。もし、木が完全に成長するまで待ってから、それが勝者であるかどうかを判断しようとすれば、一世代分の時間を無駄にしてしまうことになります。そのため、育種家たちは、目の前で見える手がかりに基づいて、どの若い苗木が将来の巨木になるのかを推測しなければなりません。

伝統的に、主な手がかりは胸の高さで測った木の「ウエストサイズ」でした。これは胸高直径（DBH）と呼ばれます。これは、ある人が大人になった時にどれくらいの筋肉量を持つかを予想するために、その人のウエストを測るようなものです。しかし、何千本もの木をメジャーで測るのは、時間がかかり、退屈で、コストもかかります。さらに、ウエストの太さを見るだけでは、木全体の体積を知ることはできません。その木がどれほど高く、どれほど茂っているかも知る必要があるからです。

ここで新しい技術が登場します。レーザースキャナー（LiDAR）を搭載したドローンです。ドローンを、森に向けて何百万もの目に見えないレーザービームを放つ空飛ぶロボットだと考えてください。これらのビームは跳ね返り、すべての木の高さ、形状、そして空中でどれだけのスペースを占めているかを捉えた、超詳細な3次元マップを作成します。大きな疑問は、「これらのレーザーマップは、古くからのメジャーに取って代わることができるのか？」ということです。ドローンは、人間がメジャーを使うのと同じくらい正確に将来の巨木を見つけ出し、しかももっと速くできるのでしょうか？

これこそが、最近の研究で研究チームが解明しようとしたことです。研究対象となったのは、ニュージーランドで有名な成長の早い樹木、ラジアータパインです。彼らは単に推測したわけではありません。約27,0容の木を含む11の異なる森林試験区の上空をドローンで飛行しました。彼らは、ドローンのレーザーによる測定値を、木の「ウエストサイズ（DBH）」と「高さ」を用いて算出された、木の体積という「ゴールドスタンダード（標準指標）」と比較しました。

研究者たちは、ドローンが最も「木質量の多い」木を見つけ出すことに非常に優れていることを発見しました。ドローンによる木の総高さの測定値は、木の成長速度を予測する上で最も信頼できる単一の数値でしたが、真の主役は「凸包表面積（convex hull surface area）」と呼ばれる特定の3D測定値でした。木を、枝や葉の形に合わせてぴったりと包み込む、目に見えないタイトなプラスチック袋で包み込む様子を想像してみてください。その袋の表面積が凸包です。研究の結果、この3Dの「袋のサイズ」は、木が最終的にどれだけの木材を持つかを予測するための、レーザーによる最良の手がかりであり、伝統的な測定値と非常に強い相関関係（最大0.87の相関）があることが分かりました。

しかし、論文は、ドローンがすぐに人間に取って代わるべきだという考えについても否定しています。研究者たちは、ドローンには驚異的な能力がある一方で、弱点があることも発見しました。それは、レーザーマップを見ただけでは、木が「折れている」か「形が崩れている（例えば、一本の幹ではなく二股に分かれているなど）」のかを簡単に見分けることができないということです。森において、折れた木は「敗者」ですが、ドローンはそれが大きく茂っているために、依然として「巨木」であると判断してしまうかもしれません。科学者たちがこれらの形が崩れた木を含めてドローンのみの分析を行ったところ、精度は少し低下しました。

では、結論はどうでしょうか？論文は、最善の戦略はドローンかメジャーかのどちらかを選ぶことではなく、両者を「ダイナミック・デュオ（最強コンビ）」として活用することであると示唆しています。ドローンは、数千本の木を素早くスキャンして、最高の高さと3D形状を持つ木を見つけ出す「超高速フィルター」として機能します。その後、育種家たちは、トップ候補となる木に対して伝統的なメジャーを使用し、欠陥がないかダブルチェックを行い、最終的なウエストサイズを測定します。この組み合わせにより、正確さを損なうことなく、より早い段階で、かつより安価に遺伝的なスーパースターを見つけ出すことが可能になり、より優れた森林の創出を加速させる可能性があります。ドローンは探偵に取って代わるのではなく、探偵がより速く事件を解決するための、ハイテクな拡大鏡を提供してくれるのです。

技術要約：ラジアータパインの遺伝的選抜における茎幹容積フェノタイピングのためのUAV-LiDAR活用

問題提起
ラジアータパイン（Pinus radiata）の育種プログラムでは、収穫時の茎幹容積が主要な目的として優先されている。しかし、ニュージーランドにおける回転周期の長さ（25〜30年）から、遺伝的獲得を加速させるために、幼齢期の形質に基づく間接的な選抜が必要となる。従来のフェノタイピングは、茎幹容積のプロキシ（代替指標）として胸高直径（DBH）に大きく依存しており、これに現場での樹高測定を組み合わせたアロメトリー式が用いられることが多い。この手法には重大な制約がある。現場での測定は労働集約的でコストと時間がかかり、フェノタイピングのボトルネックを生み出し、選抜強度を制限している。さらに、地上での樹高測定はDBHと比較して精度が低くなる傾向があり、アロメトリー式は個体ごとの幹の形状の違いにより最大20%の相対誤差を生じさせる可能性がある。そのため、茎幹容積を正確に推定し、従来の直径測定では十分に反映されない遺伝的変異を捉えることができる、スケーラブルでハイスループットな代替手段が求められている。

方法論
本研究では、ニュージーランドにおける2つの試験シリーズ（BC52-55-59およびBC66）を含む、約27,000本のラジアータパインを対象とした11のクローン増殖フルシブ（全兄弟）遺伝試験において、UAV-LiDARのフェノタイピングツールとしての有用性を評価した。

データ取得: DJI M300 RTKプラットフォームに搭載されたDJI L1センサーを用い、UAV-LiDARデータを収集した。飛行パラメータは、高密度な点群を生成するように最適化された（高度45 m、速度3–5 m/s）。DBHおよび欠陥記録を含むフィールドデータは、UAV飛行と同時または3か月以内に収集された。
指標の導出: セグメンテーションされた点群から、個々の樹木の指標を抽出した。主要な指標には、LiDAR由来の樹高（ $z_{max}$ ）および幾何学的記述子である2Dおよび3D凸包（convex hull）の表面積と体積が含まれる。
参照形質: アロメトリー茎幹容積（ASV）は、現場で測定されたDBHとLiDAR由来の $z_{max}$ を組み合わせた検証済みの式（Kimberley and Beets, 2007）を用いて算出した。これが茎幹容積の参照値となった。
遺伝解析: 約9,500個のSNPと家系データを用い、単一ステップ・ゲノミック最良線形不偏予測（ssGBLUP）モデルを採用した。このモデルにより、DBH、ASV、および各種LiDAR指標の育種価（EBV）を推定した。
比較分析: 次の項目を評価することで、LiDAR指標のDBHおよびASVに対する性能を比較した。
- 現象学的および遺伝的相関。
- 狭義の遺伝率（ $h^2$ ）。
- 上位100個の選抜ジェノタイプにおける重複。
- DBHベースの選抜と比較した場合の、潜在的な遺伝的獲得の回収率。
- （現場でのASV計算では通常除外される）形態異常個体を含めた場合の解析への影響。

主な貢献と結果

最適なLiDARプロキシ: テストされた指標の中で、個々の樹木の3D凸包表面積（convexhull3D_area）が、ASVに対して最も高い相関（最大 $r = 0.87$ ）を示した。これは、容積のプロキシとしての樹高（ $z_{max}$ ）よりも優れており、全サイトでの平均相関は0.77であった。
遺伝率: LiDARによる樹高（ $z_{max}$ ）は、すべてのサイトで最も高い遺伝率（平均 $h^2 = 0.37$ 、範囲 0.23–0.50）を示し、直径と比較して強い遺伝的制御と環境ノイズの少なさを示した。convexhull3D_areaの遺伝率は、DBHと同程度であった（平均 $h^2 = 0.26$ ）。
選抜効率:
- DBHに基づく上位100個のジェノタイプを選抜した場合、ASVの潜在的な遺伝的獲得の88〜96%を回収した。
- convexhull3D_areaに基づく選抜では、ASVの潜在的な遺伝的獲得の67〜86%を回収した。
- 極めて重要なことに、convexhull3D_areaは、DBHでは選抜されなかった上位ASVジェノタイプの24〜33%を特定した。これは、LiDARが樹形や容積に関連する独自の遺伝的変異を捉えていることを示唆している。
形態異常の影響: （自動化されたLiDARフェノタイピングにおいて視覚的な欠陥スコアリングが欠如しているシナリオに関連して）形態異常個体を含めて解析を行った場合、ASVの指標としてのLiDARプロキシの性能はわずかに低下したが（回収された獲得量の3.5〜10.3%の減少）、依然として効果的なプロキシであった。
モデルの検証: 混合家系・ゲノム関係行列（ $H_{0.5}$ ）を用いたssGBLUPモデルは、家系のみの（PBLUP）モデルと比較して、より優れた適合度と高い加法的遺伝分散の推定値を提供し、これらの試験におけるゲノムデータの使用を裏付けた。

意義と主張
本論文は、UAV-LiDAR由来の指標、特に convexhull3D_area と 樹高（ $z_{max}$ ） が、ラジアータパインの育種において、従来のフィールドフェノタイピングを即座に置き換えるのではなく、それを補完するための望ましい特性を備えていると主張している。

補完性: DBHは、アロメトリー式との直接的な関係により、茎幹容積の選抜において依然として最も効果的な単一基準であるが、LiDAR指標は高い遺伝率（特に樹高）と、直径だけでは見逃される遺伝的変異を検出する能力を提供する。
スケーラビリティとコスト: 本研究は、LiDARが成長形質の測定において、スケーラブルで再現性があり、非破壊的な手法であることを強調している。これにより、フェノタイピングコストを削減し、より頻繁な測定を可能にし、成長軌跡の特性化を促進できる。
遺伝的獲得の加速: 高遺伝率のLiDAR形質をマルチ形質遺伝評価に組み込むことで、育種プログラムは育種価予測の精度を高めることができる。これは、特にDBHの遺伝率が低い試験において有効である。これにより、早期の選抜決定と改良されたジェノタイプの提供が加速される。
現在の限界: 著者らは、LiDAR指標が現在、樹冠密度に対して敏感であること（古い閉鎖林での精度低下）や、視覚的検査なしでは幹の形態異常を特定できないことを控えめに指摘している。したがって、特定された最適な戦略は、LiDARがフィールドでの測定を補完し、選抜の精度と効率を高めるというハイブリッド・アプローチである。

関連論文