個体選抜と系統選抜で差が出る収量と育種効率の真実

個体選抜と系統選抜の基本と驚きの差

あなたの個体選抜、じつは収量を20％も下げているかもしれません。

個体選抜の成功条件と限界

個体選抜はスピード感のある方法ですが、実はそれには落とし穴があります。特に環境変動が大きい年度では、見た目の優勢個体が遺伝的に優れていない場合が多いです。これが「表現型選抜の罠」です。
たとえばトマトの果実重で観察された例では、乾燥年の個体選抜で得た系統のうち、翌年湿潤条件下では68％が評価低下を示しました。年ごとの差がそのまま誤差になります。つまり個体選抜では年次再評価が必須です。
こうした環境リスクを減らすには、評価時に気象データを同時記録するのが有効です。農研機構の「圃場環境データベース」では、地域別の環境データが無料でダウンロードできます。
圃場環境データベース（農研機構）
個体選抜は早いが安定性に欠けるということですね。

系統選抜の効果と時間投資の実際

系統選抜の最大の強みは、環境誤差を平均化できる点にあります。兄弟群の平均値で評価するため、個々の異常値に振り回されにくいです。とくにコムギやオオムギのように環境適応幅が広い作物では、その効果が顕著に見られます。
日本育種学会の報告では、4年間の系統選抜を行った群が対照群より穂数で平均14本多いという結果が出ています。時間はかかりますが、再現性が高い。つまり安定重視の育種では欠かせません。
一方で、種子管理とラベル管理に手間がかかる点がネックです。作業効率化には、モバイル記録アプリ「FieldNotebook」などの利用が有効です。これは現場での記録漏れを防ぎます。管理精度向上が条件です。

混合法・補助的選抜法との比較

個体選抜と系統選抜の中間にあるのが「混合法（バルク法）」です。これは世代初期に系統混合を保ちつつ、後期で選抜を強化する方法です。コメの品種「つや姫」開発では、この手法が用いられ、結果的に選抜効率が約30％向上しました。
混合法は、初期の選抜誤差を薄める「保険的」な機能を持ちます。対して、個体選抜は「一発勝負型」、系統選抜は「再現性重視型」といえます。特徴の整理が基本です。
つまり、圃場や作物特性に応じて使い分けが最も合理的です。利点を掛け合わせたハイブリッド戦略が実用的です。

データ管理とAI活用による選抜の精度向上

近年ではAI画像解析を利用した個体・系統選抜の効率化が進んでいます。ドローンによる生育画像からNDVI（植生指数）を算出し、選抜候補を自動抽出する技術が登場。これにより目視選抜よりも収量精度が平均18％高くなるという報告があります。
コストはかかりますが、データによる選抜は誤差を劇的に減らします。つまり、ヒトではなくアルゴリズムが選ぶ時代です。AI活用はもはや実験段階を超えています。
農業ICTの情報については「スマート農業センター」の資料が詳しいです。
スマート農業センター：AI・データ駆動型育種
AI導入はもう特別ではありません。

現場での統合戦略：品種改良の進化系

最後に、個体選抜・系統選抜・AI補助をどう組み合わせるかです。たとえば初期選抜にAI画像解析を使い、最終評価を系統選抜で確定する方式では、従来より選抜作業時間が約40％短縮された事例があります。
さらに、クラウド連携により複数圃場データを統合し、地域選抜精度を高める動きも拡大中です。これは育種家だけでなく集落単位でのメリットが見込めます。共有が基本です。
個体・系統・AIの組み合わせは、農業の新しい常識になりつつあります。いいことですね。