作物改良を加速するためには、高スループットな圃場フェノタイピングに向けたデジタル技術の統合が重要である。しかし、リモートセンシングデータから形質を抽出する作業はいまだ、断片化したワークフロー、手作業による介入、既存ツール間の相互運用性の限界によって制約されており、その結果として遅延が生じ、タイムリーな生物学的洞察と意思決定を妨げている。これらの課題に対処するため、本研究ではPhenoStream（Phenotyping Streaming）を提案する。これは、データ取得から区画および遺伝子型レベルの推論まで、航空画像ベースのフェノタイピングのライフサイクル全体を自動化する、スケーラブルでエンドツーエンドのサイバーインフラストラクチャである。本フレームワークは、分散した圃場サイトからの自動データ取り込み、地理空間処理、そして統一されたユーザが利用可能なグラフィカルインタフェース内でのAIによる形質抽出を統合する。モジュール化され拡張可能なアーキテクチャにより、適応的な形質モデル化や新たなデータソースのシームレスな統合が可能となり、多様な作物、環境、実験デザインにわたる展開を可能にする。本システムは、バイオエネルギー作物の大規模な複数ロケーションの圃場試験ネットワークで実証する。その結果、時空間的な生育ダイナミクス、遺伝子型×環境（GxE）相互作用、主要な農業形質の予測モデリングを高スループットに特性評価できることを示す。処理の遅延と手作業の労力を大幅に削減することで、ほぼリアルタイムの解析と再現可能なワークフローが促進される。本研究は、農業研究における非常に高い空間解像度の航空フェノタイピングを運用化するための、一般化可能でスケーラブルな道筋を確立する。データ取得と解析を橋渡しすることで、リモートセンシング、環境、マネジメントデータを含む異種で非構造化なデータストリームをデータ駆動型の意思決定へ統合するための基盤をエンドツーエンドのサイバーインフラストラクチャとして提供する。
https://doi.org/10.64898/2026.08.26.747008