灌漑の水量配分を最適化する6つの計画要素と最適化AI

なぜ灌漑の水量配分が農業経営の核心なのか

農業用水コストと電力費が経営の見えない重荷になる

国内の農業用水使用量は全水使用の約3分の2を占めると言われ、地域によっては灌漑期の電力ポンプ稼働費が経営費の数%から1割を超える。水の総量が無料に近い地域でも、ポンプアップに伴う電力費と人件費は確実に効いてくる。電力単価が上がる時間帯にまとめて配水していれば、それだけで年間費用が数十万から数百万円単位で振れる。

加えて、水路の維持費、土地改良区への賦課金、ポンプ設備の減価償却。これらは固定費に近いが、配水の使い方次第で効果が大きく変わる。総水量が同じでも、撒く時間帯と圃場別の撒き分けを最適化すれば、同じインフラから引き出せる成果が変わる。

新規投資なしで経営費を抑えられる打ち手として、配水の最適化は経営テーマに数えてよい。

撒きすぎと撒き不足が同時に発生して収量を削る

なぜ配水判断はこれほど難しいのか。同じ農場の中でも、ある区画は土壌が砂質で水がすぐ抜け、別の区画は粘土質で水がたまりやすい。同じ水量を一律に撒けば、片側は乾きすぎ、もう片側は過湿で根が傷む。気象の変化で先週の判断が今日の正解とは限らないため、「念のため多めに」が標準解になりやすい。

露地野菜の栽培では、センサーで計測してみると同じ圃場内でも区画によって土壌水分が大きく異なるケースが珍しくない。撒きすぎの区画では根腐れと窒素流亡、撒き不足の区画では生育遅延と品質低下。同じ農場の中で逆向きの問題が同時に発生する構造が、収量を見えない形で削っていく。

「撒きすぎでも撒き不足でも収量は落ちる」。この二重損失を避けるには、圃場と作物別に水量を変える運用が前提になる。

水利権・水利組合のルールが計画の自由度を制限する

たとえば多くの地域では、農業用水は河川や貯水池からの水利権に基づき、水利組合や土地改良区が定めた配水カレンダーで運用される。「自分の畑に好きなだけ撒く」ことはできず、組合員の番水（順番に配水する仕組み）や、ダム放流のスケジュールに従う必要がある。

加えて近年は、渇水年に夏場の取水制限が発令されるケースも珍しくない。河川管理者が定めた節水率20%といった指示を受けたとき、限られた水量の中で収量を最大化する配分判断は、経験だけでは追いつかない局面が増えている。広域の資源配分という意味では、施設配置やルート最適化と同じく「限られた資源を複数の用途に振り分ける」共通の構造を持つ問題でもある。

外部ルールが固定的に効く中で、内部の自由度をどう使い切るかが経営差として表れる。

経験頼みの配水で収量と水コストが両立しない4つの根本原因

作物と生育ステージで必要水量が大きく変わる

配水を一律に決められない最大の理由は、作物別・生育ステージ別に必要水量がまったく違うことにある。育苗期は少量を頻繁に、開花期から肥大期は多めに、収穫直前は逆に絞る。同じ作物でも、葉物と根菜では水分管理の方針が違う。

一つの農場で複数作物を同時に育てている場合、ある区画は「いま増やす」、別の区画は「いま減らす」が同時に必要になる。担当者が頭の中で全圃場の生育段階を把握し、当日の天気と水源残量を加味して撒き分けを決めるのは、毎日繰り返すには重い作業です。前段にある作付計画そのものを最適化しても、そこから派生する日々の配水判断が手作業のままでは、せっかくの計画精度を活かしきれない。

作物とステージを同時に扱える計画があれば、撒き分けは自動で導ける。

圃場の土質・地形・日射が水分動態を変える

同じ圃場の中でも、土質、傾斜、日射量、風通し、隣接する木陰の影響で、水の入り方と抜け方が違う。砂質土では下方浸透が早く、粘土質土では表層に滞留する。傾斜地では低いほうに水が流れ、日当たりの良い区画では蒸発散が早い。

これらの差は土壌センサーや圃場マップで把握できるが、把握できたところで「どの区画にどれだけ撒くか」を毎日設計する仕組みがなければ意味がない。土壌の数値を見て、頭の中で水量を計算するのは現実的ではない。在庫管理で個別SKUの需要差を無視して画一運用に流れた瞬間に過剰在庫と欠品が同時に発生するのと同じく、圃場特性を平均値に丸めた配水は撒きすぎと撒き不足を同時に生む構造を抱えている。

圃場特性を変数として扱える計画でなければ、撒き分けは「全圃場一律」に潰されていく。

降雨と気温の予測が外れると計画が狂う

「明後日の降雨確率は40%。撒くか待つか」。この判断を毎日繰り返すうち、保守的な「念のため撒く」を選び続けると、雨が降ったときに過湿になる。逆に「雨を待つ」を選び続けると、外れたときに作物がダメージを受ける。1〜2週間先の気象予測には不確実性が残るため、確率分布として扱う発想が要る。

ある研究機関の発表では、気象庁の1週間先予報の的中率は気温で7割前後、降水量はさらに低いとされる。「予報に従う」だけでは、当てたときの利益と外したときの損失が非対称になりやすい。広告予算を複数チャネルに配分する場合と同じく、不確実な見込みの上で複数の選択肢を同時に評価する判断は、モデルの支えなしには再現可能な精度に乗らない。

不確実性を確率で扱えないと、配水判断は「予報に依存した賭け」から抜け出せない。

配水の意思決定権が分散して全体を見られる人がいない

中規模以上の農場では、区画ごとに作業者が分かれていることが多い。区画担当が「自分の作物にとっては今撒くのがベスト」と判断してポンプを回した結果、配水経路の容量上限に達して別区画の予定が後ろ倒しになる。ポンプの稼働を組合のルールで制限される地域では、なおさら全体最適から外れていく。

工事現場の発注権限分散と同じく、農場でも全体俯瞰役が立っていないと、各担当の局所最適が組み合わさって全体が機能不全に陥る。サプライヤー選定で個別条件と全体計画がぶつかる構造と同じく、配水でも区画ごとの「良い判断」が組み合わさった結果として、農場全体の最適から離れていくことが起きる。

全体の配水順序を見られる仕組みがないと、判断は属人化と部分最適のなかで漂流する。

灌漑水量配分で同時に考えるべき6つの計画要素

(1) 作物と生育ステージ別の必要水量

配水計画の起点は、作物別・生育ステージ別の必要水量である。一般に蒸発散量から導かれる作物係数（kc値）と、参照蒸発散量（ET0）を掛け合わせた目安水量を使う。これに、出穂期や肥大期は増、収穫直前は減といった生育段階補正を加える。

たとえば露地のキャベツとブロッコリーでは、結球期に水分要求がピークになるが、抽苔（とうだち）リスクのある時期は逆に絞る。1つの農場でも作物ごとにピークがずれる。担当者の頭の中だけで全作物のステージを把握するのは難しいため、生育段階を計画変数として明示する必要がある。

作物とステージを変数化すれば、撒き分けは「どの作物に今いくら必要か」の答えとして導ける。

(2) 圃場の土壌・地形・日射

土壌の保水性、傾斜、日射量、風通し。これらは圃場ごとに固有の特性で、配水量と配水間隔を左右する。砂質土は1回あたりの水量を減らし回数を増やす運用が向き、粘土質土は逆に少ない頻度でしっかり浸潤させる運用が合う。

近年は土壌水分センサー、衛星リモートセンシング、ドローン空撮による植生指標（NDVI）など、圃場特性を数値化する手段が広がっている。データを取るところで止まる事例が多いが、データを計画変数として配水決定に反映できなければ、センサー投資は塩漬けになる。

圃場特性が計画に組み込めると、「どの区画に」の判断が現場から外せるようになる。

(3) 水源と貯水量の動態

ため池、農業用水路、地下水、河川取水。複数の水源を持つ農場ほど、当日と翌週以降の貯水動態を計画に組み込む必要がある。ため池の水位は降雨と取水で変動し、水路の流量は上流の取水と組合の配水順で決まる。

具体的には、ため池の貯水量推移、水路への配水カレンダー、地下水位、河川の流量予測、ダム放流のスケジュールを変数として持ち込む。「いまの貯水量で残り何日分撒けるか」を週次で見直せれば、渇水時の取水制限にも段階的に備えられる。

水源側の制約を計画に取り込むと、配水は「上限を一杯まで使い切らない」運用に切り替わる。

(4) 配水経路の容量と同時配水制約

ポンプの吐出量、メイン配管の口径、サブ配管への分岐、スプリンクラーやドリップの末端流量。これらが配水経路上の容量制約として効く。複数区画に同時に撒こうとすれば末端水圧が下がり、設計流量が出ない区画が必ず出る。

「全圃場を同じ朝に撒きたい」という運用は、経路容量の前で必ず破綻する。区画ごとの配水時間帯をずらし、ピーク水流をならす計画が必要になる。配水経路の能力を変数として持ち込めば、同時配水可能な組み合わせと、ずらすべき組み合わせが自動で見えてくる。

配水経路を制約として扱えると、計画は「いつ撒くか」の時間軸まで含めて最適化できる。

(5) 降雨と気温の不確実性

天気予報の不確実性は、確率分布として扱う。「明日の降水確率60%、24時間総雨量5〜15mmの幅」を見たうえで、撒く・撒かない・部分的に撒く、の3択を期待値で評価する。降雨予測の的中率はリードタイムが伸びるほど低下するため、当日と翌日の判断と、1週間先の判断は重み付けを変える。

気温は蒸発散量に直結する。連日30度超が続く予報なら、必要水量は標準値より2〜3割増えるとして計画する。気温の不確実性を計画に折り込まないと、撒き不足のシーズンが来てから慌てて補正することになる。

不確実性を確率で扱える計画は、「予報を信じる/信じない」の二択から脱却できる。

(6) 電力・水コストと時間帯別単価

ポンプ運転の電力費は、時間帯別単価で大きく変動する。深夜帯と日中ピーク時の単価差は2倍前後ある地域も珍しくない。同じ水量を撒くにも、深夜にまとめて撒くか日中に分散するかで電力費が変わる。

ただし、深夜に撒くと作物の葉に水滴が長時間残り病害リスクが上がる、配管の凍結懸念があるなど、撒く時間帯にも農学的な制約が乗る。コスト最小化と作物品質を両立させるには、時間帯別単価と作物別の好ましい配水時間帯を、両方とも変数として持つ必要がある。

電力単価まで含めて計画化できると、同じ水量で経営費を数%〜十%以上削れる余地が生まれる。

「とりあえず多めに撒く」では立ち行かない理由

過湿が根腐れと病害発生を招く

「多めに撒けば作物は安心」という発想は、現場の経験則として広く採られている。ところが、根域の過湿は酸素不足を招き、根腐れや疫病、軟腐病といった土壌病害の発生リスクを跳ね上げる。葉物野菜では葉先枯れ、果菜類では裂果、根菜類では空洞果など、品質欠陥にも直結する。

過湿状態が数日続いた圃場では、適切な水分管理がされた区画に比べて疫病の発生リスクが大きく高まることが知られている。撒きすぎは「予防」のつもりが「病害誘発」に裏返る。

撒きすぎは安全側ではなく、品質と歩留まりの両方を削るリスク側に動く。

過剰灌水が肥料流亡と地下水汚染を引き起こす

撒きすぎは作物だけでなく環境負荷の問題に広がる。窒素や養分は水と一緒に下方浸透し、地下水中の硝酸態窒素濃度を押し上げる。地域によっては環境基準を超える濃度が観測され、農地由来の負荷削減が求められている。

肥料流亡は経営面でも痛い。買って撒いた肥料が作物に届かず地下水に流れていけば、肥料費は丸ごとロスになる。撒きすぎは作物の品質低下と肥料費の二重損失で、ボトムラインに直接効く。

過剰灌水を避けることは、経営面と環境面の両方で意味を持つ守りの一手です。

水と電力の使いすぎが経営費を押し上げる

撒きすぎはそのまま電力費とポンプ消耗に跳ね返る。年間の灌漑期は地域によって差があるが、長いところでは半年に及ぶ。この期間に毎日2〜3割の余分な撒きを続ければ、年間電力費もポンプ稼働時間も2〜3割膨らむ。設備の更新サイクルも前倒しになる。

水道料金が課される地域では、撒きすぎはダイレクトに料金として跳ね返る。地下水も無料ではなく、揚水電力費とポンプ寿命を消費している。「水はタダ」の感覚で運用していると、経営費の漏れは見えないまま続く。

撒きすぎコストは、見えにくいぶん見えるようにすると即座に対策余地が広がる。

最適化AIが灌漑水量配分をどう変えるか

最適化AIは、現場が守らなければならないルールを破らずに、最も良い結果を返すAIである。生成AIが「それらしい配水案」を出力するのとは違い、水利組合の配水カレンダー、ため池の貯水容量、配水経路の容量、作物の許容水分範囲を一つも違反しない計画の中から、収量と経営費の合計を最良にする配分を探し出す。

ゴールと守るべきルールを数式に落とす

灌漑水量配分のゴール（AIに与える目標）は、たとえば「作物別の収量を最大化しつつ、電力費と水コストの合計を最小化する」となる。守るべきルール（現場の条件）は、ため池や水路の総水量上限、配水経路の同時稼働容量、組合の配水カレンダー、作物別の許容水分範囲、品質に影響する撒水時間帯の制限などである。

これらを定式化したうえで、作物マスタ、圃場マップ、土壌センサーの実績、気象予報、ポンプ仕様、電力単価表、過去の収量実績をインプットに渡す。データの整備（圃場の正規化、センサーの統合、収量との突き合わせ）は前提として必要になる。ここまで揃って初めて、最適化AIは「どの圃場に、いつ、どれだけ撒くか」を組合せ最適化問題として扱える。

ゴールとルールが明示されると、配水判断は属人的な経験から再現可能なロジックへ移行する。

精度: 圃場×作物×時間帯で最適配分を導く

たとえばある研究農場の試験では、圃場ごとの土壌水分センサーと気象予報を組み合わせた最適化AIを試験導入し、節水率15%前後を維持しながら収量を維持・改善できたケースが報告されている。撒きすぎていた区画と撒き不足だった区画を圃場単位で見直すだけで、同じ水量から得られる成果が変わる。

最適化AIは、作物別の必要水量、圃場特性、水源動態、経路容量、気象不確実性、電力単価を同時に評価する。人手では1〜2変数に絞らざるを得ないが、AIは数十変数を同時に扱える。1〜2変数で諦めていた最適化が、6要素の同時最適化に進化する。

圃場×作物×時間帯の粒度で精度を出せると、ベテランの勘と互角以上の判断が安定して再現できる。

スピード: 気象急変があっても数分で再計画できる

天気予報は日々更新され、貯水量も日々変動する。こうした変更が起きるたびに配水計画を作り直すのは、人手では現実的でない。最適化AIは、最新の気象予報と貯水データを入力するだけで、影響を受ける圃場と日程を特定し、配水量を再計算する。

配送・回収計画のように変数が多い問題でも、最適化AIなら再計画を高速に回せる。灌漑の配水計画でも同様の高速再計画が効く。朝の気象予報を確認した直後に、その日の配水順序と水量を確定できる運用速度を狙える。

判断スピードが上がると、気象急変への追従性が現場のオペレーション単位に降りてくる。

透明性: 「なぜこの圃場にこの水量か」が説明可能になる

最適化AIは出力された配水計画について、「どの制約がきいて」「どの目的でこの配分になったか」を可視化できる。営農主が作業者に説明するときも、土地改良区との配水交渉の場でも、データとロジックの議論を起点に置ける。区画担当の局所最適に流れがちだった配水判断が、共通の根拠の上で議論できる。

汎用の灌漑制御システムが「個別圃場のスケジューリング」しか扱えないのに対し、最適化AIは作物・圃場・水源・経路を横断した全体最適を扱える。さらに「この作物は午前中の灌水のみ」「この圃場は強風日の散水を避ける」といった現場固有のルールも、ヒアリングを通じてモデルに組み込める。

意思決定が透明化されると、配水は「担当者の感覚」から「組織の知見」に格上げできる。

まとめ

灌漑の水量配分がうまく決められない状態は、担当者の能力不足ではなく、作物・圃場・水源・経路・気象・コストという6要素を同時に扱う計画問題の難しさそのものに起因する。とりあえず多めに撒く処方箋では、過湿による品質低下、肥料流亡、電力費の膨張という三重の損失を招きかねない。

人手では作物別の必要水量、圃場特性、水源動態、気象の不確実性、配水経路の容量を同時に処理できない。属人化と区画担当の局所最適のなかで、配水判断は分散し、見直しサイクルも気象変動の速度に追いつかなくなる。

最適化AIを使えば、圃場×作物×時間帯の粒度で配分を導き、気象急変があっても数分で再計画でき、判断のロジックを透明化できる。OptHubは現場理解とアルゴリズム設計の両面から、灌漑水量配分を企業の継続的な意思決定プロセスに組み込む支援を行っている。