サブメートル解像度はカカオマッピングに必要か？コートジボワールにおける超高解像度画像、デカメートル地球観測入力、運用プロダクトの景観階層評価

カカオのサプライチェーン透明性と森林減少監視の需要が高まる中、正確なカカオマッピングの重要性が増している。従来の中解像度（10～30m）の衛星画像では、不均一な小農景観におけるカカオの検出が困難な場合がある。この問題に対処するため、arXivで公開された研究（arXiv:2607.08945）は、コートジボワールでサブメートル解像度の必要性を評価する実験を行った。

研究チームはKasimir Orlowskiら6名の著者からなり、0.5mのPleiades超高解像度（VHR）画像、10mのSentinel-2年次合成画像、TESSERAおよびAlphaEarth Foundations（AEF）からの基盤モデル埋め込みなど、複数のデータソースを比較した。さらに、Kalischekらによる4つの既存の公開カカオマッププロダクトも評価対象とした。モデルの性能は、樹冠被覆密度と景観断片化の勾配に分布する2,821の独立解釈基準点を用いた景観層別精度評価によって検証された。

結果として、VHRモデルが最高性能（F1=0.92）を達成し、全ての層でF1>0.90を維持した。デカメートル入力の中ではTESSERAが最も優れ（F1=0.86）、次いでAEF（F1=0.82）、Sentinel-2（F1=0.76）となった。既存のカカオプロダクトでは、Kalischekプロダクトが最も良好（F1=0.83）で、内部訓練されたAEFモデルと同等だった。景観の断片化が進み、樹冠被覆密度が極端に低いまたは高い条件下では、VHRとデカメートル手法の性能差が顕著に拡大することが判明した。例えば、断片化の激しい地域ではVHRの優位性がより明確になった。

したがって、複雑なカカオ景観では的を絞ったVHR取得が特に有益であり、一方で基盤モデル埋め込みは広域マッピングのためのスケーラブルな代替手段を提供する。この研究は、様々なシナリオにおける適切なリモートセンシングデータの選択に重要な指針を与えるものであり、特に規制当局やカカオサプライチェーン企業にとって、性能差の理解はリソース配分と監視戦略の最適化に役立つ。