都市公園で野草を撮影したり、遊歩道の端にある実のなった低木を撮影したりする人は、単なる好奇心の瞬間を記録しているだけではない。 アイ・ナチュラリスト ユーザーにとって、その写真は単なる個人的な記録、週末の発見、あるいは目の前の植物を識別する手段かもしれません。しかし、そのデジタルファイルは科学の生データにもなり得ます。コンピュータビジョンツールの助けを借りて、 フェノビジョン地域住民が撮影した写真は、植物が環境変化にどのように反応するかを追跡するための膨大なデータベースに変換できる。
植物には独自の生物時計があり、葉芽の開花、葉の展開、開花、結実といったライフサイクルイベントのタイミングを示すフェノロジーは、生態系が変化する環境にどのように反応するかを示す最も明確な指標の一つです。植物が通常よりも早く開花または結実すると、送粉者、種子散布者、あるいはそれらに依存する他の種とのタイミングがずれてしまう可能性があります。こうした変化は種間の相互作用に影響を与え、生態系の構造と機能を変化させる可能性があります。このような変化を検出し予測するためには、科学者は世界各地からの詳細で質の高いフェノロジーデータを必要としています。しかし、過去のフェノロジー記録はしばしば乏しく、地理的に偏っているため、植物の生命がどのように変化しているかについてのより広範な洞察が制限されています。
ここでコミュニティサイエンスのデータが重要になります。iNaturalistなどのプラットフォームには、毎月何百万もの自然観察データが寄せられ、植物やその他の生物がいつどこで観察されたかという膨大な記録が作成されます。この膨大なデータ流入にもかかわらず、これらの画像のほとんどには、植物が開花しているか結実しているかについての情報がラベル付けされていません。人間の注釈付けは新しいアップロードの速度よりもはるかに遅いため、何千万ものフィールド画像を手動でレビューすることは非現実的です。このボトルネックに対処するために、 ラッセル・ディネージ、ダイジャン・リー、ロバート・グラルニックら研究者が率いるチームが開発した フェノビジョンこのコンピュータビジョンモデルは、野外画像から花や果実の注釈を自動的に作成するもので、厳格な研究レベルの要件に基づいて開発された高性能なフレームワークです。
構築する フェノビジョン研究者らは、Vision Transformerをベースにしたコンピューターモデルを、人々がすでに花、果実、またはどちらでもないとマークした1.5万枚のiNaturalist画像で訓練した。さらに、大規模な植物識別データセットを用いてモデルに追加の訓練を行い、植物学者や博物学者が植物を識別する際に使用する視覚的な手がかりを学習させた。
しかし、iNaturalistの写真はスタジオで撮影された写真ではありません。ぼやけていたり、遠く離れていたり、照明が悪かったり、他の植物でいっぱいだったり、変わった角度から撮影されていたりします。これに対処するため、研究者たちは、プログラムが花や果実が存在すると確信できる場合と、画像が曖昧であると判断すべき場合について、厳密なカットオフポイントを設定しました。この品質管理ステップの後、 フェノビジョン テスト画像において非常に優れた性能を発揮し、花の存在を98.5%の精度で、果実の存在を95%の精度で正しく検出した。
モデルの出力が較正されると、研究者たちは PhenoVision を iNaturalist の 53 万点を超える注釈のない植物画像に適用しました。その結果、デジタル植物学のための重要な新しいリソースができました。標準化された研究準備済みのフェノロジー記録が 30,199,391 件あり、そのうち花の記録が 25 万件以上、果実の記録が 5 万件近く含まれています。これにより、特にグローバル サウスや主要な都市部や沿岸部の研究センターから離れた場所など、これまで十分に代表されてこなかった場所からのフェノロジー データが大幅に拡大されます。このプロジェクトでは、10,406 属と 408 科にわたる 119,340 種の植物のフェノロジー ラベルを自動的に生成することで、分類学的範囲も拡大しています。これは、既知の植物全体の 10,406 分の 408 以上を占めています。
これらのデータを他の植物記録と併用しやすくするために、研究者らは得られた季節情報を 植物フェノロジーオントロジー そしてそれをウェブアプリケーションに導入しました。 フェノベースこれにより、市民科学の記録を、植物標本館の標本記録や現地モニタリングデータとより容易に組み合わせることが可能になります。これらの情報源を組み合わせることで、科学者は植物の開花や結実の時期、そしてそれらのパターンが地域、種、生態系全体でどのように変化しているかについて、より広い視野を得ることができます。
An 初期の研究論文 PhenoBaseのデータが何を示しているのかは、すでに明らかになっている。研究者らは、花や果実のラベルが付けられたiNaturalistの写真を用いて、熱帯都市の植物と近隣の農村地域の植物を比較した。その結果、都市部の植物は開花や結実の期間が長く、季節的なパターンが不明瞭であることが判明した。都市部が通常の開花・結実カレンダーを変えているとすれば、それは花粉媒介者、種子生産、植物の生存、そしてより広範な都市生態系に影響を与える可能性がある。
iNaturalistのユーザーにとって、このプロジェクトは、コミュニティサイエンスが個々の観察をはるかに超えた範囲にまで広がる可能性を示しています。散歩や野外調査、週末の外出中に撮影した写真が、生物多様性の変化を監視するグローバルな取り組みの一部となるのです。研究者にとっては、PhenoVisionは大規模な生物季節学研究を支援するオープンソースのモデル、ワークフロー、標準化された品質指標を提供します。保全活動においては、ほぼリアルタイムの生物季節学データが、異常な開花時期の検出、気候変動に伴う変化の追跡、植物の開花時期が最も急速に変化している地域の特定に役立ちます。
デジタル植物学は、植物の持つ神秘性をアルゴリズムやデータベースで置き換えることではありません。むしろ、PhenoVisionのようなフレームワークは、機械学習がいかに人間の日常的な好奇心を増幅できるかを示しています。次にiNaturalistに投稿するために開花植物を撮影したとき、その画像は単に思い出を保存したり、植物の同定に役立てたりする以上の意味を持つかもしれません。それは、植物の生命がどのように変化しているかを理解する、世界的な取り組みのほんの一部となる可能性を秘めているのです。
記事を読む
Dinnage, R., Grady, E., Neal, N., Deck, J., Denny, E., Walls, R., Seltzer, C., Guralnick, R., & Li, D. (2025). PhenoVision: 野外画像から研究準備済みの植物フェノロジーデータを自動化して提供するためのフレームワーク。Methods in Ecology and Evolution, 16, 1763–1780. https://doi.org/10.1111/2041-210X.70081
Jha、R.Simha, A.、Ita, R.、Rao, R.、Li, D.、Kandlikar, G. (2026) 熱帯地域における植物の生殖フェノロジーは都市環境によって変化する。入手先: https://doi.org/10.64898/2026.01.28.702306.
スペイン語とポルトガル語の翻訳はErika Alejandra Chaves-Diazによるものです。
表紙写真： ゾロ （Canva）
ゲストライタープロフィール
エリカはコロンビア出身の生物学者兼生態学者で、熱帯雨林、霊長類、そして科学コミュニケーションに情熱を注いでいます。生態学と野生生物保護の修士号を取得しており、@cienciatropical と協力して、人々と生物多様性を結びつける活動を行っています。
