単木情報管理｜個別樹木データベースの構築

林業経営の精緻化・スマート化の中核に位置するのが単木情報管理です。従来の林業では「林分」という単位（同一林齢・樹種・施業履歴の集合）で管理されてきましたが、LiDARや高精度GNSSの普及により、林分を構成する樹木一本一本を個体識別し、個別データベースとして管理する技術が現実のものとなりました。本稿では、単木情報管理の技術原理、計測手法、精度、運用フロー、林業現場での効果、林野庁スマート林業政策、関連事業者・システムを、数値ファースト・出典明示の方針で整理します。

単木情報管理とは：林分管理から個体管理へ

単木情報管理（Individual Tree Management、ITM）は、森林の管理単位を「林分」から「個体」へと細分化する林業DXのパラダイムシフトです。従来の林分単位管理では、林齢・樹種・面積・平均樹高・平均胸高直径・収穫予測等を林分平均値として記述してきましたが、これは林分内のばらつきや個体ごとの成長差を表現できないという欠点を持ちます。

単木情報管理では、林分内の樹木一本一本に固有IDを付与し、個別属性をデータベース化します。基本属性は以下の通りです：

属性	計測手法	標準精度
樹高	LiDAR・UAV写真測量	±0.3〜0.5m
胸高直径（DBH）	地上LiDAR・スマホLiDAR	±1〜2cm
位置（XY座標）	RTK-GNSS・SLAM	±0.1〜0.3m
樹種	分光画像・AI判定	正答率85〜95%
健全性	ドローン分光・AIモデル	枯損・損傷検出95%
幹曲がり	地上LiDAR点群解析	±0.5度
枝下高	LiDAR垂直点群解析	±0.3m
材積（個体）	樹高×DBH×形数式	±5〜10%

1ha のスギ人工林（標準的密度1,500〜2,500本/ha）であれば、単木データベースには2,000レコード規模が含まれることになります。林分全体での材積推計精度は従来の林分平均×本数法に比べて2〜5倍向上し、施業計画・収穫予測の精度を大幅に改善します。

計測技術：LiDAR・UAV・スマホLiDAR

単木情報管理のキーテクノロジーはLiDAR（Light Detection and Ranging）です。LiDARはレーザー光を発射し、反射光の到達時間から距離を測定する技術で、森林内では林冠から地面までの3次元構造を点群データとして記録します。日本国内で利用される主要な計測プラットフォームは以下の3種です：

1. 地上LiDAR（TLS、Terrestrial Laser Scanner）：林分内に三脚で設置し、半径20〜50mの点群を取得。点群密度1,000〜10,000点/m²、サブmm精度。1ha 計測に5〜10セットアップが必要、データ量2〜10GB/ha。

2. UAV LiDAR（ドローン搭載）：ドローン下面にLiDARセンサを搭載、林冠を上空から計測。点群密度100〜1,000点/m²、樹冠精度0.1〜0.5m。1ha 計測時間10〜30分、データ量0.5〜2GB/ha。

3. スマホLiDAR（iPhone Pro系・iPad Pro系）：iPhone 12 Pro以降に搭載のLiDARスキャナを活用、専用アプリで毎木調査を実施。精度は地上LiDARに劣るが、コスト・操作性で優位。胸高直径±2〜3cm精度を実現。

日本ではFFPRI、東京大学、京都大学、北海道大学、信州大学等が単木計測技術の研究を主導しており、実装フェーズではアジア航測・パスコ・国際航業等の航測会社、共立・住友林業・三井住友建設等の林業/建設系企業が技術提供を担っています。

個体識別アルゴリズム：点群から樹木へ

LiDAR点群データから個体を識別するアルゴリズムには、主に以下の系統があります：

• 樹冠ピーク検出法（Local Maxima）：林冠表層から最高点を樹頂と判定、最も基本的かつ高速な手法
• 領域成長法（Region Growing）：樹頂から下方へ点群を成長させて樹冠を抽出
• ウォーターシェッド分割（Watershed）：林冠表層を地形と見なし、谷線で個体を分離
• 機械学習・深層学習：PointNet・PointNet++・3D U-Net等の深層学習モデルで点群を直接学習
• ハイブリッド手法：従来法と深層学習を組み合わせ、識別精度を最大化

FFPRI・東京大学等の研究では、スギ・ヒノキ人工林（密度1,500〜3,000本/ha）における個体識別精度は90〜97%、針広混交林では75〜90%と報告されています。混交林では樹冠の重なり・形状の多様性により精度が低下しますが、深層学習モデルの導入で改善が進んでいます。

運用フロー：データ取得から施業計画まで

単木情報管理の運用フローは、以下の段階で構成されます：

段階	作業内容	所要時間（1ha換算）
計画立案	計測対象林分・期間・予算決定	2〜5日
現地計測	LiDAR・UAV計測実施	0.5〜1日
データ前処理	点群フィルタリング・地上点抽出	0.5〜1日
個体識別	樹頂検出・樹冠分割	0.5〜2日
属性抽出	樹高・DBH・位置等の自動算出	0.3〜1日
DB登録	属性データのGIS連携格納	0.2〜0.5日
施業計画	間伐木選定・主伐計画作成	1〜3日

従来の毎木調査（人手で1本ずつ巻尺・直径計測）では1ha 計測に2〜5人日を要したのに対し、LiDARベースの単木情報管理では1ha 計測に0.5〜1日（人件費換算で1/2〜1/3）に短縮されます。さらに、計測データは恒久的に保存・再利用可能であり、経年比較・成長解析・施業効果検証にも活用できます。

林野庁スマート林業政策と単木管理

林野庁は2018年度より「スマート林業構築普及展開事業」を展開し、単木情報管理を含む林業DX技術の現場実装を支援しています。2025年時点で全国50カ所超のモデル地域でICT・LiDAR・ドローン・GNSSを活用した実証が進み、単木情報管理は中核技術として位置づけられています。

林野庁スマート林業の主要要素：

• 森林資源情報の高度化：航空レーザ計測・UAV計測で森林資源量精度向上
• 路網計画のICT化：3D地形モデルから最適路線を自動算出
• 高性能林業機械×ICT：ハーベスタ・フォワーダのGNSS連携
• クラウド型情報共有：林業事業体・行政・流通間でのデータ連携
• AI判定・自動化：間伐木選定・林分異常検出のAI化

令和5年度補正予算ではスマート林業の予算が拡充され、単木情報管理システムの導入支援も継続されています。都道府県・市町村レベルでも「森林経営管理制度」と連動し、市町村が単木データベースを保有・活用するモデルが拡がっています。

FFPRIの研究：精度検証と標準化

森林研究・整備機構（FFPRI、つくば本所・各支所）は、単木情報管理の科学的基盤研究を主導しています。FFPRIの長期試験地（茨城・北海道・九州等）では、地上LiDAR・UAV LiDAR・毎木実測を組み合わせた精度検証が行われ、以下のような成果が得られています：

• 樹高自動計測精度：±0.3m（地上LiDAR）、±0.5m（UAV LiDAR）
• 胸高直径自動計測精度：±1.5cm（地上LiDAR）、±3cm（スマホLiDAR）
• 個体位置自動計測精度：±0.2m（RTK-GNSS連携）
• 個体識別率：スギ人工林95%、ヒノキ人工林93%、針広混交林80〜90%
• 材積推計精度：±5〜10%（個体）、±3〜5%（林分）

これらの精度はISO・JISレベルの標準化作業にも反映され、林業計測の信頼性確保に貢献しています。FFPRIは2020年代に入り、深層学習を活用した個体識別の自動化研究を加速しており、林分タイプを問わない汎用的アルゴリズムの実用化を目指しています。

事業実装：地方自治体・林業会社の事例

単木情報管理は、地方自治体・林業会社・森林組合での実装が進んでいます。主要事例：

• 北海道下川町：UAV LiDARによる町有林の単木管理、町内全域でDB構築
• 奈良県吉野：吉野林業の高密度植栽（10,000本/ha）の単木計測実証
• 岡山県西粟倉村：村役場が単木DBを管理、移住者の小規模林業者に提供
• 住友林業：自社人工林（48万ha）でUAV LiDARによる森林資源量精緻化
• 王子ホールディングス：海外も含む保有林で個体管理を試行
• 森林組合：全国の中核森林組合がスマート林業導入、地域の単木DB構築

これらの事業実装では、地形条件・林分条件・コスト制約に応じてシステム選択が行われており、「全件高精度計測」と「サンプル計測×AIで全林分推計」のハイブリッド運用が現実解として広がりつつあります。

経済効果：施業計画と収穫の精度向上

単木情報管理の経済効果は、（1）計測コスト削減、（2）施業計画精度向上、（3)収穫品質改善、（4）長期データ蓄積、の4軸で評価されます。

効果項目	従来法	単木情報管理	改善幅
計測コスト（1ha）	3〜10万円	1〜3万円	1/2〜1/3
計測時間（1ha）	2〜5人日	0.5〜1人日	1/3〜1/5
材積推計精度	±15〜20%	±5〜10%	2〜3倍
間伐木選定精度	主観的判断	客観的属性ベース	定量化
木材グレード歩留まり	基準値	+10〜20%	大幅向上
長期データ価値	限定的	恒久的活用	長期メリット

50ha 規模の林業事業体であれば、単木情報管理システム導入の初期投資（200〜500万円）は3〜5年で回収可能と見込まれます。間伐・主伐時の木材品質改善・歩留まり向上による売上増加が、累積で年間数百万円規模に達するケースも報告されています。

課題と今後の展望

単木情報管理の現場実装には、技術的・運用的・人材的な課題が残されています：

• 初期投資の高さ：地上LiDAR一式300〜800万円、UAV LiDARシステム500〜1500万円
• 処理時間：大規模林分のデータ処理に数時間〜数日要する
• 人材不足：LiDAR解析・点群処理の技術者が地方林業現場に不足
• 標準化の遅れ：個体識別アルゴリズム・属性算出ロジックが事業者ごとにバラつき
• 地形条件：急峻地・濃密下層植生でUAV計測が困難
• データ管理：GB級データの長期保存・共有体制の構築

今後の展望としては、（1）スマホLiDARの普及によるエントリーレベル単木計測の一般化、（2）クラウド処理の標準化（AWS・GCP上の単木DBサービス）、（3)AI個体識別アルゴリズムのオープン化、（4）森林組合・市町村レベルでのデータ連携基盤、（5）国際標準（FAIR原則）への適合、等が見込まれます。

樹冠抽出と樹高算出：DSM/DTM/CHM の三層構造

LiDAR点群から個体識別と属性算出を行う基本ロジックは、三層モデルに基づきます。第一層が DSM（Digital Surface Model、林冠表層モデル）、第二層が DTM（Digital Terrain Model、地形モデル）、第三層が CHM（Canopy Height Model、樹冠高モデル＝DSM−DTM）です。樹高はCHMから直接読み取れる値で、林分内の地形補正済みの真の樹高を表します。

CHMから樹頂を抽出する標準的なアルゴリズムは、ガウシアンフィルタで平滑化した後、Local Maxima検出を行うものです。検出半径（Window size）は樹冠サイズに応じて動的に調整され、スギ・ヒノキ人工林では1.5〜3.0m、広葉樹林では3〜6mが一般的です。検出半径が小さすぎると枝先を樹頂と誤認し、大きすぎると複数樹を統合してしまうため、林分タイプごとの最適化が必要です。

樹冠分割（segmentation）には、Watershed法、Region Growing法、深層学習ベースの3D segmentationが用いられます。FFPRIや東京大学の研究では、深層学習モデル（PointNet++・3D U-Net）を用いた個体分割で、針広混交林でも90%以上の精度を達成した例が報告されています。これらアルゴリズムはオープンソース化（lidR、forestools、TreeLS等のRパッケージ・Pythonライブラリ）も進んでおり、林業現場での導入ハードルは年々低下しています。

胸高直径（DBH）の自動推定：地上LiDARの強み

胸高直径（DBH、地上1.3mでの幹直径）は林業の最重要指標であり、材積計算・グレード判定・施業計画のすべての根幹です。地上LiDAR（TLS）は幹の点群を高密度に取得できるため、DBHを±1〜2cm精度で自動算出可能です。

DBH算出のアルゴリズム：地上1.0〜1.6mの高さレンジで点群を抽出し、円フィッティング（最小二乗法またはRANSAC）で円の半径を決定、これを2倍してDBHとします。RANSACアルゴリズムは外れ値（枝・下層植生）に頑健で、林分内の自動処理に適しています。

UAV LiDARでは林冠上空からの計測のため幹を直接捉えにくく、DBHは樹高との回帰式（アロメトリ）で間接的に推定します。スギ・ヒノキでは樹高H と DBHの相関係数が0.85〜0.92と高く、回帰式 DBH = a + b×H で±3〜5cm精度で推定可能です。スマホLiDARでは作業者が幹周囲をスキャンすることでDBHを直接計測でき、UAV LiDARよりも高精度（±2〜3cm）が得られます。

地上LiDAR・UAV・スマホLiDAR：使い分けマトリクス

計測プラットフォームの選択は、林分条件・予算・必要精度・計測規模により決定されます。標準的な使い分けマトリクスを以下に示します：

条件	推奨プラットフォーム	理由
研究・精緻林業（吉野林業等）	地上LiDAR	サブmm精度、幹形状把握
大規模林分（50ha以上）	UAV LiDAR	計測効率・コスト
急峻地・路網少ない林分	UAV LiDAR	地上アクセス困難
小規模林業者・自伐型	スマホLiDAR	低コスト・操作性
毎木調査の代替	スマホLiDAR	個別精度十分
定期モニタリング	UAV LiDAR	経年計測効率
間伐木選定支援	スマホLiDAR＋GIS	現場判断連携

2025年時点では、UAV LiDARの導入コストが急速に低下しており（500万円台のセットも市場化）、中規模林業事業体でも導入が進んでいます。スマホLiDAR系のソリューションは、iPhone/iPad本体価格と専用アプリ（数万円〜10万円程度）で構成され、小規模林業者・森林組合員レベルでもエントリー可能です。

システム構成：データベース・GIS・クラウド

単木情報管理を実装するシステムは、計測装置・処理ソフト・データベース・GIS・クラウド連携の5層構成が標準的です：

• 計測層：地上LiDAR・UAV LiDAR・スマホLiDAR・RTK-GNSS
• 処理層：点群フィルタ・地上抽出・個体識別・属性算出（lidR、CloudCompare、ArcGIS等）
• データベース層：個体属性レコードを RDB（PostgreSQL+PostGIS等）または NoSQL（MongoDB）に格納
• GIS層：QGIS、ArcGIS、Google Earth Pro 等で空間可視化
• クラウド層：AWS、Google Cloud、Azure 上にDB・処理エンジンを配置、関係者でデータ共有

商用システムとしては、富士通「林業ICTパッケージ」、住友林業「Forest Eye」、アジア航測「TLS-Forest」、林野庁系の「森林資源情報GIS」等が代表的です。オープンソース系では lidR（R）、PDAL（C++）、Open3D（Python）が広く使われ、組合せでカスタムワークフローを構築できます。クラウド型では森林組合・市町村が共同DBを保有し、施業計画策定時にエクスポート利用するモデルが普及しつつあります。

長期データ蓄積と経年解析：成長モデルの精緻化

単木情報管理の最大の長期メリットは、個体ごとの成長履歴を継続的に蓄積できることです。同一林分を5〜10年間隔で再計測することで、個体ごとの樹高成長量・直径成長量・材積成長量を高精度に把握できます。これは従来の林分平均値では捉えきれない「個体差」「立地効果」「微地形効果」を可視化する貴重なデータセットとなります。

FFPRIや東京大学の長期試験地では、地上LiDAR・UAV LiDARの経年計測により、以下のような知見が得られています：

• 同一林分内でも樹高成長量に2〜3倍の個体差がある
• 谷部の個体は尾根部の個体より平均で15〜25%成長量が大きい
• 密度効果により本数の多い局所では個体成長率が10〜20%低下する
• 間伐実施後3年で残存木の直径成長率が30〜50%増加する
• 主伐前数年の直径成長率は高品質材産出量の予測指標となる

これらの知見は、施業計画の精緻化（間伐の時期・本数・位置の最適化）と林木育種（優良個体の特定・採種源指定）の両面で活用されます。特に、エリートツリーや特定母樹候補の選抜に単木データは不可欠で、林業DXと林木育種の連携が進んでいます。

個体間の競合解析：密度管理の科学化

単木の位置・樹冠サイズが正確に把握できれば、個体間の競合状態を定量的に解析できます。代表的な競合指数は以下の通りです：

指数	定義	用途
Hegyi 指数	近隣木のDBH/距離の和	競合圧の総合評価
Voronoi 面積	各個体に最も近い空間領域	個別占有面積
樹冠重複率	樹冠投影の重複面積比	光競合の評価
BA Larger 指数	大径木の本数密度	被圧度の評価
近隣木数	半径Rm 内の本数	密度の局所変動

これらの競合指数を個体ごとに算出し、成長量との回帰モデルを構築することで、間伐木選定アルゴリズムを科学化できます。FFPRI・東京大学等の研究では、Hegyi 指数が高い被圧木を優先的に間伐対象とする「競合度ベース間伐」が、従来の経験則による間伐より残存木の成長率を10〜25%向上させることが実証されています。

主伐時の個別グレード推定：林業収益の最大化

単木情報管理は、主伐時の収益最大化にも直接貢献します。個体ごとに記録された樹高・DBH・幹曲がり・枝下高・健全性のデータから、個別の木材グレード（A材／B材／C材／D材）を事前推定することが可能です。これにより、伐採前に最適な造材計画（玉切り長さ・部位）を立案でき、A材歩留まりを最大化できます。

FFPRIの試験では、地上LiDAR取得済みの林分での主伐において、A材歩留まりが従来法の30〜40%から45〜55%に改善した事例が報告されています。市場価格でA材は B材の1.5〜2倍、C材の3〜4倍であるため、歩留まり10〜20ポイント改善は収益面で年間数百万〜数千万円規模のインパクトを持ちます。

森林経営管理制度との連動：市町村レベルの活用

2019年施行の森林経営管理制度では、市町村が経営困難な森林を所有者から預かり、意欲ある事業体に経営を委託する仕組みが整えられました。単木情報管理は、この制度運用において市町村が森林資源を客観的に把握する基盤技術として位置づけられます。

具体的な活用シーン：（1）所有者への意向調査前の森林資源評価、（2）経営委託先選定時の収益性試算、（3)委託後の施業履歴管理、（4）市町村森林整備計画の精緻化、（5）経営管理権集積目標30万haの進捗管理、等です。林野庁の森林経営管理制度ポータルでは、単木情報管理を活用した市町村事例集が公開されており、各地でのベストプラクティス共有が進められています。

まとめ：単木情報管理は林業DXの中核

単木情報管理は、林業を「林分単位」から「個体単位」へと精緻化する林業DXのパラダイムシフトです。LiDAR・UAV・スマホLiDAR等の計測技術により、樹高±0.3m・胸高直径±2cm・座標±0.2mの精度で森林を個体識別することが可能となり、施業計画精度・収穫品質・計測コストのすべてが従来比で大幅に改善されます。

林野庁スマート林業政策・FFPRI研究・地方自治体実証・林業会社実装の連携により、2020年代後半には全国の主要人工林での単木管理が標準化されるロードマップが描かれています。日本林業の生産性向上・収益性確保・気候変動対応のために、単木情報管理は不可欠な基盤技術であり、森林経営者・林業従事者・行政担当者・研究者が連携してこの技術を社会実装することが、次世代林業の競争力源泉となります。

個別の事業者・自治体の取り組みを越えて、業界全体としては、（1）データ標準（個体属性スキーマ・点群フォーマット）の合意形成、（2）クラウドDB の業界共通プラットフォーム化、（3)AI個体識別アルゴリズムのオープン化、（4）森林計画制度との接続（市町村・都道府県森林計画への反映）、（5）国際的な森林炭素クレジット制度（J-クレジット・VCS等）への適合、等のロードマップが描かれます。これらが整うことで、日本林業はDX先進国・スマート林業の世界標準を牽引する位置に立つことが可能となります。

最終的には、単木情報管理は単なる「計測技術」ではなく、林業の意思決定基盤、地域経済との接続点、気候変動対応の科学的根拠、そして次世代林業人材の育成基盤として機能します。日本の人工林1,000万ha・林業就業者4万3千人を支える基盤技術として、単木情報管理は今後10年で完全に標準化されると見込まれます。

地域に根ざした実践として注目すべき点は、単木情報管理が森林組合や自伐型林業者など多様な担い手にも開かれた技術であるということです。スマホLiDARとオープンソースソフトウェアの組合せで初期投資を10万円台に抑えつつ、自身の山で個体ごとの成長データを蓄積する事例も増えています。これは林業を「経験と勘」から「データドリブンな経営」へと転換する象徴的な動きと言えます。データの標準化と相互運用性が確保されれば、日本林業は単木レベルの高解像度情報を共有財として育てる、世界でも先進的なスマート林業圏を形成することが可能です。