第四章 農業システムの性能と 持続可能性の分析
指標は価値観から生まれ、価値観を生み出す。 私たちは価値あるものを測るだけでなく、測るものに価値を見出すようになる。 —ドネラ・メドウズ
システム実験を設計する方法が複数あるように、これらの実験からのデータを分析する方法もいくつか存在します。本章では、システム分析のための一般的な定量的・定性的手法を紹介し、その応用例を示します。統計的手法は、システム実験の境界と同様に、研究課題と実験設計によって決定されます。
複雑なシステムの分析は困難を伴います。設計段階と分析段階の両方において、統計の専門家を含めるか、統計コンサルタントと協力することをお勧めします。
本章では、農業システム分析における3つの一般的なアプローチを取り上げます：
•単変量分析や多変量分析、数学的モデリングを含む統計学的・数学的ツール
•ライフサイクルアセスメントやエコロジカルフットプリントなどの自然資源会計手法
•持続可能性指標／指標フレームワーク
メリーランド州ベルツビルの営農システムプロジェクトの各栽培システムには、それぞれ独自の耕起、施肥、雑草防除の実践方法と輪作期間があります。実験設計の詳細については50ページの図3.4を参照してください。Cavigelliら（2008）より改変。
統計学的・数学的ツール システム実験は、その設計と目的により、容易に分離できない複数の交絡因子を有しています（Teasdale and Cavigelli, 2010）。そのため、統計的アプローチを組み合わせて使用する必要があります。一変量統計と多変量統計は、システム分析の主要な数学的手法です。アプローチの選択は、実験設計、収集されたデータの性質と量、検証される仮説に依存します。個々のシステム構成要素（作物収量、土壌肥沃度パラメータ、水利用など）の初期分析では、研究者は分散分析（ANOVA）や平均値分離などの一変量手法を用いることが多いです。特定の要因に傾向が現れた場合、多変量アプローチによってこれらの構成要素間の関係を明らかにすることができます。
あるいは、研究者は処理の違いに最も影響を与える要因を特定するために、探索的データ分析として多変量手法から始めることもあります。これらの手法は、元の変数の線形結合として新しい変数を作成し、それを一変量統計で分析することができます。
次の2つのセクションでは、明確にするために一変量アプローチと多変量アプローチを分けて説明していますが、研究者は通常、大規模なシステム実験では両方の手法を組み合わせて使用します。
一変量分析 一変量統計は、独立変数が従属変数に与える影響を評価することに優れており、農業研究で広く使用されています。特に圃場の変動性が評価されてブロック化されている場合や自然に均質な場合、模擬的で反復のある農業システムにおける処理間の収量、雑草バイオマス、土壌養分有効度、経済的収益などの比較に特に有用です。
メリーランド州ベルツビルのUSDA農業研究センターの営農システムプロジェクト（FSP）は、システム性能を理解する上での一変量分析の価値を示しています。FSPは、作物輪作の長さと複雑さが異なる3つの有機システムを研究する米国の数少ない長期プロジェクトの1つとして際立っています。1996年以来、研究者はANOVAと重回帰分析を用いて、3つの有機栽培システムと2つの慣行的な中部大西洋岸栽培システム（表4.1）が作物収量、雑草個体群とその動態、窒素有効度に与える影響を研究してきました（Cavigelli et. al, 2008）。システム間に多くの違い（耕起、養分源、除草剤使用など）があるにもかかわらず、一変量分析によってこれらの変数が栽培システムの性能に与える影響について重要な知見が得られました。
最初の10年間のデータに対する基本的なANOVA（ほぼ正常な降雨量の年に焦点を当てた）では、3つの有機処理区は2つの慣行システムと比較して、一貫してトウモロコシとダイズの収量が低く、雑草個体群が大きく、トウモロコシに対する土壌N有効度が低いことを示しました。研究者はその後、共分散分析を用いて雑草被覆、窒素有効度、トウモロコシ個体群がトウモロコシ収量に与える影響を調査しました。
この二次分析により、有機システムにおけるトウモロコシ収量の低下の70～75パーセントは窒素有効度に起因し、雑草は21～25パーセント、トウモロコシ個体群は4～5パーセントを占めることが明らかになりました（Cavigelli et al., 2008）。また、この分析により、6年輪作の有機栽培区で2年および3年輪作と比較してトウモロコシ子実収量が有意に高かったことは、より長期的で複雑な輪作における窒素有効度の増加と雑草競合の減少に関連していることが示されました（Teasdale et al., 2004; Cavigelli et al., 2008; Teasdale and Cavigelli, 2010）。
この共分散分析は変数と作物収量との関連を示しましたが、因果関係を実証するものではありませんでした。雑草が収量に与える直接的な影響を測定するために、研究者は主区画内にサブプロットを設置しました。手取り除草によって「無雑草」サブプロットを作成し、隣接する「雑草あり」サブプロットは標準的な管理方法に従いました。雑草によるトウモロコシの収量損失は
次の式で計算されました：
トウモロコシ収量損失（パーセント）＝
（無雑草サブプロットのトウモロコシ収量）－（雑草ありサブプロットのトウモロコシ収量） （無雑草サブプロットのトウモロコシ収量）× 100
サブプロットの分析により、雑草によるトウモロコシの収量損失は年によって異なることが明らかになりました。乾燥年では、雑草被覆が1パーセント増加するごとに0.7～1パーセントの収量損失が生じましたが、平年または湿潤年では、同じ雑草被覆の増加でわずか0.2～0.3パーセントの収量損失にとどまりました（Teasdale and Cavigelli, 2010）。これらの知見は、第3章で議論したように、サブプロットがシステムレベルの実験内で単一の要因を効果的に分離できることを示しています。
データ分析における多変量アプローチ 多変量分析は、複数の変数間の関係を同時に分析する広範な手法のカテゴリーで、一変量統計では検出できないシステムの動的な変化を明らかにすることができます。このアプローチは、景観レベルや既存の農業システムなど、変動の制御が困難な実世界の状況からの複雑な測定値を解釈する上で特に有用です。自然システムを密接に反映する現象を明らかにするだけでなく、多変量分析はタイプIエラーの制御にも役立ちます。
多変量統計には独特の課題があります。結果は新しい変数の線形結合として表現されるため解釈が難しく、一変量検定で見られる単純な平均値の差よりも有意性が分かりにくくなります。
主な課題の一つは、大規模なサンプルサイズが必要なことです。データセットによって要件は異なりますが、一般的なガイドラインとして各応答結果に対して3～20の観測値を収集する必要があります。例えば、50の応答変数がある研究では、250～1,000の観測値が必要となります（Arrindell and van der Ende, 1985; Velicer and Fava, 1998; MacCallum et al., 1999; Osborne and Costello, 2004）。生態学や環境研究は、社会科学研究と比べて一般的に少ない観測値で済みます（Gauch, 1982）。
現代のコンピューティングパワーと改良された統計手法により、複雑なシステムの研究における多変量解析がより利用しやすくなっています。研究者は現在、特に景観レベルのデータや複数の農場サイトを検討する際に、生態系および農業システムにおける変数間の関係を理解するためにこれらのアプローチを定期的に使用しています（Drinkwater et al., 1995; Wander and Bollero, 1999; Schipanski et al., 2010）。
次のセクションでは、多変量解析が実際の農場における異なる管理アプローチ間で農業システムを比較する上でどのように役立つかを探ります。
一般的に使用される多変量解析 システム分析で最も広く使用される多変量解析手法には、データの次元を削減する主成分分析（PCA）や、正準判別分析（CDA）や階層的クラスタリングなどの分類手法があります。
Drinkwater et al.（1995）は、有機農場と慣行農場の土壌の健全性、トマトの収量、および病害虫の動態を比較する研究において、システムの特性と関係性を分析するためにPCAとCDAの両方を適用しました。この研究は、「異なる農業管理体制の生態学的および農学的特性」を特定することを目的としていました。
研究者たちは、主に生食用トマトを栽培する20の商業農場を調査しました。農場は、合成肥料、農薬、有機土壌改良材、および生物的病害虫防除の使用に基づいて、有機または慣行に分類されました。各農場から2つの栽培期間中に1つ以上の圃場からサンプルを採取しました。各圃場（合計29圃場）で、0.04～0.1ヘクタールのサンプリング区域をランダムに選択し、それぞれ1.5平方メートルの20個のサブプロットに分割しました。サンプルは各栽培期間を通じて、作物の生育段階に応じて複数回採取されました。土壌特性、病害の重症度、バイオマス、収量、病害虫による被害、生物多様性指標など、30以上の応答変数を測定し、季節ごとに約1,100の観測値を収集しました。
独立したシステムのサブプロットで複数の応答変数を測定する場合、変数は通常、相関（独立性の欠如）を示します。
この共有情報—共有分散、共分散、または相関と呼ばれる—は、より広いパターンを不明瞭にする可能性があります。分析を明確にするために、研究者はデータをより小さな、新しい線形変数の組み合わせに削減する必要があります。応答変数は複数の次元（例：X、Y、Z、P、Q）に存在するため、このプロセスは次元削減と呼ばれ、より少ない次元—理想的には1つまたは2つ—での分析を可能にします。
PCAは、相関のある変数の線形結合から主成分（PC）と呼ばれる新しい変数を作成する、広く使用されている次元削減技術です。これは、多くの相互関連する変数を持つ複雑なデータセットをより少数のPCに変換し、基礎となるパターンを明らかにします。PCAは多次元変数をシステムの分散を説明するより少ない次元に削減し、各次元（またはグラフ上の軸）は1つのPCを表します。
彼らの研究で、Drinkwater et al.（1995）は、各圃場の20のサブプロットから得られた10の土壌変数：粘土含有率、陽イオン交換容量、pH、湿潤安定性、ケルダール窒素、電気伝導度、カリウム、リン、無機態窒素、および窒素無機化ポテンシャルの平均値を分析するためにPCAを適用しました。分析により、管理方法が様々な生物学的および化学的特性に影響を与え、有機圃場と慣行圃場の間で土壌品質に明確な違いがあることが示されました。PCAは、変動性の2つの主要な要因：管理方法（PC1）と固有の土壌特性（PC2、図4.1）を特定しました。
PCAを用いて、Drinkwater et al.（1995）は、有機栽培と慣行栽培のトマト圃場間の土壌特性における変動性の最大の2つの要因が、土壌タイプと管理方法であることを発見しました。白抜きの記号は慣行管理を、塗りつぶした記号は有機管理を表しています。記号の形状は土壌目を示しています：
l = エンティソル（層位を欠く新しく形成された土壌） n = アルフィソル（B層に粘土集積のある中程度に風化した土壌） ▲ = モリソル（A層に高い有機物含量を持つ良好な構造の土壌） u = バーティソル（膨潤性格子粘土含量の高い土壌）
最初の2つのPC（図4.1に示すPC1とPC2）は、全分散のそれぞれ31パーセントと24パーセントを占めていました。これらの値は、各観測値の総合的な成分スコアを決定するために各元の変数に乗算される計算係数であるローディングに基づいていました。
PC1は有機栽培圃場と慣行栽培圃場を明確に分離し、管理実践によって強く影響を受ける土壌特性（無機態窒素プール、窒素無機化ポテンシャル、および電気伝導度、表4.2）で構成されていました。全ケルダール窒素、交換性カリウム、およびpHもそのローディングが示すように、この分離に大きく寄与し、これらの特性に対する管理の強い影響を示していました（表4.2）。
対照的に、PC2は慣行管理下の3つのバーティソルの分離を示し、これは主に高い陽イオン交換容量と湿潤安定性を伴う粘土含有量が多いことによるものでした。有機栽培圃場と慣行栽培圃場はこの軸に沿って分離せず、PC2は主に圃場間の土壌タイプの変動を反映していることを示唆していました。
10個の土壌変数のPCAを用いて、研究者たちは4つの異なる管理カテゴリーを特定しました：3年以上の有機管理圃場、3年未満の有機管理圃場、バーティソルではない慣行圃場、およびバーティソルの慣行圃場です。その後、長期管理（3年以上）下でより顕著な管理効果が見られるかどうかを検証し、これらの管理カテゴリーに最も密接に関連する土壌変数を特定するためにCDAを適用しました。
CDAは変数のセット（ここでは10個の土壌応答変数）に基づいて、複数のグループカテゴリー間の関係を検証し記述します。カテゴリー間の変動を最大化し、カテゴリー内の変動を最小化しながら、正準関数と呼ばれる新しい変数の小さなセットにデータを削減します。これらの関数はカテゴリー間の変動を記述し、そのローディングはカテゴリー内の各元の変数の関連の大きさと方向を示します。各正準関数（CAN）は独立して測定された変数を組み合わせ、他の正準関数から独立を保ちます（Vaylay and van Santen, 2002）。
Drinkwaterの研究では、Wilksのラムダ値0.37と4つの管理カテゴリーと第一正準関数（CAN1）間の正準相関P = .0001が有意であり、CAN1が管理グループの分化を説明することを示しました（図4.2）。分析により、CAN1はpH、窒素無機化ポテンシャル、およびケルダール窒素からの大きなローディングが支配的で、無機態窒素は負のローディングを示すことが明らかになりました（詳細なCDA結果についてはDrinkwater et al., 1995を参照）。
管理の影響を受けた土壌特性における最大の違いは、3年以上有機管理された圃場とバーティソルではない慣行圃場の間に現れました。3年以下の有機管理圃場は中間的な特徴を示しました。PCAと同様に、CDAはグループ分類に最も重要な変数の特定に役立ちました。交絡する土壌タイプの変動を持つ圃場を除外した後、全ケルダール窒素、有機炭素、無機態窒素プール、pH、および電気伝導度が3つのグループを区別する重要な要因として浮かび上がりました。これらの多変量解析を通じて、研究は異なる管理体制に起因する土壌特性の重要な違いを明らかにしました。
階層的クラスター分析（HCA）は、入れ子状のクラスターを階層的な樹形図、すなわちデンドログラム（図4.3）に組織化します。このデンドログラムは、研究の範囲（詳細または一般的）に応じて、観測レベルまたは応答測定として検討することができます。このような柔軟性は、実体やサブグループ間の関係を研究する際に役立ちます。HCAは、検証のための新しい仮説を生成できるパターンを明らかにし、回帰分析、PCA、または他の分類手法の前にデータを要約するのに役立ちます。
管理の影響を受けた土壌特性のみを使用して第一および第二正準関数を示しています（全有機態N、有機態C、C:N比、N無機化ポテンシャル、無機態N、NH4+として存在する無機態Nプールの割合、pHおよび電気伝導度）。記号： l = 3年以上の有機栽培管理； ▲= 3年未満の有機栽培管理； l = バーティソル以外の場所での慣行管理； u = バーティソルでの慣行管理地点。 Drinkwaterら（1995）より。
デンドログラムは、葉組織のアイソザイムシステムの階層的クラスター分析を通じて分析された28のキャッサバ品種間の遺伝的関係を示しています。目盛りは遺伝的類似度の割合を示しています。デンドログラムは、80%以上の類似度を持つ複数の品種ペア（青線の右側で結合している、CavaloとPiribuinhaなど）を示し、グループ全体が45%以上の類似度を共有していること（赤線で示される）を表しています。Montarroyosら（2003）より。
その他の数学的分析：構造方程式 モデリングとパス解析
構造方程式モデリング（SEM）は一般線形モデル（GLM）を拡張し、重回帰分析、パス解析、因子分析、時系列分析、および共分散分析に対するより強力な代替手法を提供します（Garson, 2010）。SEMモデルは、統計的依存関係を用いて変数間の因果関係を含む複合的な仮説です（Shipley, 2000）。
SEMは非線形性、相関のある独立変数、測定誤差、相関誤差項、および複数の潜在変数などの複雑な特徴を扱うことができます。潜在変数（指標を通じて測定される観測されない要因）には、「生活の質」や「生態系の回復力」といった、評価に複数の特性を必要とする概念が含まれます。
小麦畑における土壌窒素無機化の研究において、de Ruiterら（1993）はSEMを用いて、異なる食物連鎖グループがシステムにどのように貢献しているかを分析しました。彼らは生態学的に重要な生物グループを土壌生態系から除去することをシミュレーションし、窒素無機化への影響を測定しました。モデルは、グループの除去が直接的な貢献度から予想される以上に全体的な窒素無機化を減少させることを明らかにしました。
例えば、アメーバと細菌食性線虫は土壌窒素無機化にそれぞれ18%と5%直接的に貢献していましたが、それらを除去すると全体の無機化がそれぞれ28%と12%減少しました。これは、単純化されたシステムと複雑な intact な食物連鎖では生物の機能が異なることを示しました。
パス解析
自然科学で最も一般的なSEM手法であるパス解析は、因果プロセスを解きほぐすことで変数間の直接的および間接的な関係を検証します（Lleras, 2005）。回帰モデリングの拡張として、パス解析は標準的な回帰の前提条件（例：無相関の誤差）と代表的なサンプルを必要とします。パスモデルは因果関係を証明するものではありませんが、システムプロセス間の関係パターン（方向、大きさ、強さを含む）を明らかにします（Lleras, 2005）。パス解析は観測データを用いて因果モデル間の相関行列を検定します。研究者は推定値と適合度統計量を通じて競合するパスモデルを評価し、観測された相関に最もよく適合するモデルを選択します（Garson, 2005）。ただし、パス解析はモデルの特定に敏感で、不必要な変数を含めると結果に大きな影響を与える可能性があります。
Bellinoら（2015）は、3年間の様々なコンポスト施用後の生態学的相互作用を研究するためにパス解析を適用しました。彼らはコンポスト改良、土壌有機物、栄養濃度、微生物活性、および土壌汚染の間の関係を調査しました。13の仮説モデルを用いて、カリウム、亜鉛、微生物呼吸、および多環芳香族炭化水素総濃度を、土壌栄養利用可能性、微生物活性、および有機汚染の主要な指標として特定しました。
自然資源会計
自然資源会計は、生物（木材、食料、有機化合物）からエネルギーや物質（原鉱物、栄養素、毒素、水）まで、自然資産のストックとフローを追跡します。ライフサイクルアセスメント、エコロジカルフットプリント、カーボンフットプリントという3つの主要なアプローチは、資源のストックとフローまたは排出量を異なる方法で測定します。ライフサイクルアセスメントは、製品の寿命全体を通じた物質とエネルギーの流れを調べ、累積的な環境影響を判断します。エコロジカルフットプリントは、生物圏の年間生産能力に対して、人間による生物資源の消費と廃棄物の生成を測定します。カーボンフットプリントは同様ですが、特に直接的な温室効果ガスの排出量を測定します。
ライフサイクルアセスメント
ライフサイクルアセスメント（LCA）は、1960年代に産業エコロジーの分野で開発され、産業システムと製造プロセスが環境と人間の健康に与える影響を評価する「ゆりかごから墓場まで」のアプローチです（Horne et al., 2009）。LCAは原材料の生産における初期使用から地球への還元までを追跡します。製品の寿命を通じて、各ライフサイクル段階と主要プロセスにおける全ての投入物と、大気、水、土壌への環境放出を測定します。研究者は1990年代初頭から食品加工と包装に焦点を当てて、食品システムにLCAを適用し始めました。最近では、LCAは食用作物、畜産、バイオ燃料原料システムの評価にまで拡大しています。
LCAの主な特徴は以下の通りです：
「ゆりかごから墓場まで」の分析。
多次元的アプローチ。LCAは様々な環境影響を分析することで、環境被害がどのように発生するかを調査します。これには、人体への毒性や水の使用・汚染といった即時的な局所的影響と、地球温暖化や再生不可能資源の枯渇といった長期的な地球規模の懸念の両方が含まれます。
柔軟な機能単位。システムは同等のサービス提供に基づいて比較されます。除草剤Aの1ポンドと除草剤Bの1ポンドを単純に比較するのではなく、一定面積における施用率を考慮して比較します。これにより、提供される最終的なサービスに基づいて評価が標準化されます。一つの分析で複数の機能単位（エーカーあたりまたは収量1ポンドあたりのCO2排出量など）を使用することができます。
主観性。LCAは、特に分析設計（範囲と機能単位）と結果の解釈において主観的な判断を伴います（Horne et al., 2009）。環境影響のトレードオフをどのように解釈するかは、文脈に依存します。
強力な比較能力。LCAは特定の資源投入（肥料、化学物質、エネルギーなど）と複数の環境影響を効果的に比較します。
農業システム研究へのライフサイクル分析の応用
農業システムにおけるLCAの使用は比較的新しいものです。農業システムを評価するためのLCAの使用方法には主に3つあります：
製品またはサービスのライフサイクルの比較。これは農業における最も一般的な応用です。ライフサイクルを比較する際は、範囲と機能単位が全ての生産システムで一貫している必要があります。例えば、研究者は有機栽培と従来型の生産システムを、1トンの牛乳（Thomassen et al., 2008）、1トンのボトルワイン（Pizzigallo et al., 2008）、1キログラムの小麦パン（Meisterling et al., 2009）など、様々な製品で比較してきました。また、管理戦略の比較も行われており、Capperら（2008）は酪農システムにおけるrBSTの環境影響を評価し、Brentrupら（2004）は肥料施用率の違いが小麦生産（小麦1トンあたり）に与える影響を評価し、Haasら（2001）は集約的、粗放的、有機的な草地農業システムにおける牛乳生産（牛乳1トンあたり）を比較しました。
最大の改善が可能な分野の特定。この分析では、単一製品の詳細な評価を行い、その生産、使用、廃棄の全過程における投入要件と環境影響を評価します。Landisら（2007）はLCAを使用して、トウモロコシ-大豆飼料がエネルギー、炭素排出、窒素とリンの流れ、農薬、大気汚染物質に与える影響を評価しました。彼らの分析により、穀物生産のどの段階が大気排出に最も寄与しているか（作物栽培、肥料、農場内の窒素の流れ）、またどの段階の寄与が少ないか（種子生産と灌漑）が特定されました。ある研究チームがLCAを使用してエネルギーと物質の自立型酪農場を監視・開発した方法については、SAREケーススタディ（76ページ）をご覧ください。
代替製品、プロセス、またはサービスの比較。この分析では、同じ機能を果たす異なる製品やプロセスを比較します。これは、明確な互換可能なオプションが存在する場合に使用されます。特定の製品の生産システム（例：オレンジの生産システム）を比較するのではなく、機能単位を拡大して、同じ機能を果たす異なる製品の環境への影響を比較します（例：ビタミンC源としてのグアバ、キウイ、オレンジ）。この種の分析は課題が多く、農業システムでは最初の2つの応用と比べて一般的ではありません。例としては、EshelとMartin（2006）やEshelら（2010）が、同様のカロリーとタンパク質含有量を持つ栄養学的に同等な動物性食品と植物性食品の環境への影響を調査した研究があります。
LCA手法の概要
LCAは4つの異なるプロセスで構成されています（図4.4）：
目標の定義とスコープ設定：製品、プロセス、または活動を定義し説明する。
インベントリ分析：エネルギー、水、材料の使用量と環境への排出（例：大気への排出、固形廃棄物の処分、廃水の排出）を特定し定量化する。
影響評価：エネルギー、水、材料の使用による人体および生態系への潜在的影響を評価し、インベントリ分析で特定された環境への排出を評価する。
解釈：インベントリ分析と影響評価の結果を評価し、結果を導き出すために使用された不確実性と仮定を明確に理解した上で、最適な製品、プロセス、またはサービスを選択する。 （農業システムへのLCAの適用に関する詳細情報については、EPA, 2006およびHorneら, 2009を参照）。
LCA第一段階：目標の定義とスコープ設定。目標の定義とスコープ設定は、研究の目的と期待される
成果を決定し、システム境界を確立し、機能単位（FU）と仮定を定義します。システム境界は通常、入出力フロー図（図4.5）で示されます。これらの境界は、製品、プロセス、または活動のライフサイクルにおけるすべての操作を包含します。FUはインベントリデータを標準化するための基準単位を提供します（例：エーカーまたは他の土地面積単位当たりの農薬施用率）。FUは、システム境界、研究対象の製品やプロセス、環境影響の種類、研究目的に基づいて研究間で異なります。
LCA研究では、農業生産システムを比較する際にシステム境界をいくつかの方法で定義できます。例えば、Brentrupら（2004）は、小麦生産における異なる肥料管理の環境影響を研究するためにLCAを使用しました。彼らは小麦1トンを機能単位とし、原材料の抽出から小麦の収穫と乾燥までをシステム境界としました（図4.5）。対照的に、Meisterlingら（2009）は、1キログラムのパンに必要な量である0.67キログラムの小麦粉を機能単位として、有機栽培と従来型の小麦生産を比較しました。彼らの研究は、小麦生産、収穫、輸送、製粉を含むより広範なシステムを対象としました。Brentrupら（2004）は、機能単位が未加工の小麦穀物であったため、作物生産のみに焦点を当てました。その他の一般的な農業LCAの機能単位には、製品の栄養価や品質、生産単位当たりの土地面積が含まれます。
LCAのスコープと機能単位の選択は、管理システムの環境影響に関する結論に大きな影響を与える可能性があります。例えば、3つの養豚システムを比較する際、Basset-MensとvanderWerf（2005）は、2つの異なる機能単位を使用して環境影響を表現しました：生豚重量1キログラム当たりと使用土地面積1ヘクタール当たり（飼料生産のための農場外の土地を含む）。土地面積影響で比較した場合、有機栽培とレッドラベルシステムの方が優れていましたが、豚生産1キログラム当たりで測定すると、この相対的な性能は大きく変化しました。
LCA第二段階：ライフサイクルインベントリ分析。ライフサイクルインベントリ分析は、製品または農業システムのライフサイクル全体にわたるエネルギーと原材料の要件、大気および水中への排出、固形廃棄物、その他の排出を定量化します。このステージは広範なデータ収集を必要とするため、最も資源集約的で時間がかかります。商用LCAソフトウェアには、プラスチック、精製金属、段ボールなどの一般的な製品の輸送、加工、生産に関するデータベースが含まれています。無料のLCAソフトウェアプログラムも利用可能で（EPA, 2006）、電力生産、農業投入物、燃料など、製品に特化しないプロセスのデータが含まれています。USDAはデータのアクセス性、透明性、品質の向上に取り組んでいます。（国立農業図書館が主導するLCAデジタルコモンズプロジェクトを参照、www.lcacommons.gov）。
農業システム分析では、耕起頻度や農薬・土壌改良材の施用率などの実践には、現場固有のデータが必要です。完全なLCAには、作物生産プロセスと材料からのすべての投入物と産出物を含める必要があります。投入物には、エネルギー（再生可能および非再生可能）、水、原材料が含まれます。産出物には、製品と副産物、排出物（CO2、CH4、SO2、N2O、NOx、COなどの温室効果ガス）、化学物質（栄養素、塩素化有機化合物、その他の農薬を含む）、生物的損失（遺伝子や外来生物など）の大気、水、土壌への排出、固形廃棄物、土壌劣化が含まれます。
LCA第三段階：影響評価。影響評価は、インベントリ分析で特定された環境影響を評価し、生態系および人体への健康影響と資源枯渇の結果に対処します。例えば、灌漑システムを評価する際、畝間灌漑はより多くの水を使用する一方、使い捨ての点滴テープはより多くの材料投入を必要とし、より多くの廃棄物を生成します。この評価では、水使用効率と化石燃料消費および固形廃棄物生成を比較衡量し、どちらのシステムがより大きな環境影響を持つかを判断します。投入物と産出物の徹底的な計算により、資源利用と排出が異なるシステム間でもより良い比較が可能になります。
LCA第四段階：解釈。LCAフレームワークは詳細なガイドラインと広範なデータベースを使用しますが、すべての段階を通じて研究チームの解釈に大きく依存します（図4.4）。地域的、文化的、制度的な価値観が結論と推奨事項に影響を与えます。厳密性と一貫性は向上していますが、LCAは依然として解釈的です。上記の灌漑の例では、各環境影響の重要性は地域の条件と主観的判断に依存します。水不足の地域では、点滴システムの廃棄物増加と製造時の排出という欠点よりも、灌漑必要量の削減が優先される可能性があります。
この状況依存的な性質のため、LCA実施者は、その根拠と目標を明確に述べ、結論の根拠を説明する必要があります。すべてのインベントリと影響評価のデータを含める必要があります。データ収集方法、計算、解釈の透明性が重要です—これにより、類似の製品やシステムを検討する異なるLCA間のより良い比較と統合が可能になります。例えば、70ページの小麦生産の事例では、異なる機能単位（未加工の小麦穀物対小麦粉）が異なるシステム境界につながり、解釈に影響を与えました。
LCAの長所と限界
LCAの主な長所は、複数の資源と影響を分析しながら、局所的から地球規模まで、様々な規模での環境影響を比較できる能力にあります。これは、栽培システムを比較する圃場試験から地域または国レベルの農業システム比較まで、様々な農業研究の場面で有用です。産業と製造業における長い歴史により、農業システムに関連する広範なデータが生成されています。
しかし、LCAの柔軟性は持続可能性に焦点を当てた管理決定には有用ですが、広範な結論を導き出すことを複雑にします。設計が結果に影響を与える可能性があるため、結果の比較には各LCAの詳細な検討が必要です（van der Werfら, 2007; Horneら, 2009）。LCAは価値のある詳細な出力を提供しますが、解釈は依然として課題であり、本質的に主観的です（Horneら, 2009）。完全なLCA分析は普及教育目的には複雑すぎる可能性がありますが、エネルギー使用量や炭素フットプリントデータなどの一部の出力はよりアクセスしやすいものとなっています。
非特定発生源排出と経験的データの不足により、農業生態系LCAにおける排出量の計算は特に信頼性が低くなっています。国立農業図書館のLCAデジタルコモンズや国立再生可能エネルギー研究所のライフサイクルインベントリデータベースのようなプロジェクトが有用なデータを提供していますが、特に農業の非特定発生源的特性に関して、重要なデータの欠落が依然として存在します。
最後に、LCAは従来、生態学的および環境システムに焦点を当ててきましたが、最近では社会的文脈も含めるように拡大しています（Norris, 2015）。
LCAを用いて分析された小麦システムの図解。ライフサイクルとシステム境界が機能単位をどのように反映するかを示しています。 Brentrupら（2004）より。
エコロジカル・フットプリント
エコロジカル・フットプリント会計は1990年代初頭に開発され（Wackernagel and Rees, 1995; Kitzes and Wackernagel, 2009）、特定の生態系区域内における生物資源の人間による消費と廃棄物の生成を分析し、これを生物圏の年間生産能力と比較します。エコロジカル・フットプリントのアプローチは、一つの根本的な問いに取り組みます：「利用可能な量に対して、地球の生産能力をどれだけ使用しているか？」
予測ツールではありませんが、エコロジカル・フットプリント会計は、時間的変化の追跡と資源消費パターンの評価に関する貴重な情報を提供します。このアプローチは様々な規模と分析単位に適用されており（Ewing et al., 2008）、その最も顕著な応用例は地球規模の生態学的オーバーシュートの推定です（Wackernagel et al., 1999）。エコロジカル・フットプリントは、個人、集団（都市人口、流域、国家など）、活動（農業生産など）について計算でき、より大規模な研究（流域やフードシェッドなど）にも適用できます。
エコロジカル・フットプリントは、製品やプロセスの投入物を、資源生産や排出物の吸収に必要な土地や水域の面積に換算することで機能します。計算には6つの土地利用カテゴリーが含まれます：農地、牧草地、森林、エネルギー用地、建造地、漁場です。これらの面積は、収量係数と等価係数を用いてグローバルヘクタール相当に換算されます（Monfreda et al., 2004）。等価係数は土地利用カテゴリー間の生産性の違いを反映し、収量係数は同じ生物生産性のある土地タイプにおける地域と世界平均の生産性の違いを表します。各グローバルヘクタールは、世界平均生産性の標準化された生産性加重単位を表します（Monfreda et al., 2004）。これらのフットプリントは、その後、地域のバイオキャパシティ（生物生産性のある土地面積で測定される最大利用可能な資源容量）と比較されます。バイオキャパシティは、フットプリント分析の閾値とベンチマークとして機能します（Wackernagel and Rees, 1995; Monfreda et al., 2004）。
農業システム研究への応用
農業システムへのエコロジカル・フットプリント会計の応用は比較的新しいものです。その主な用途は、トマト（Wada, 1993）やワイン（Niccolucci et al., 2008）などの特定の作物における異なる生産システムの比較でした。Wada（1993）は、千トンのトマトを栽培するために必要な土地面積とエネルギー/物質投入量を研究し、水耕栽培温室と高投入型の圃場生産を比較しました。温室は単位栽培面積あたりの生産性が6〜9倍高かったものの、すべてのエネルギーと物質フローを考慮すると、そのエコロジカル・フットプリントは圃場生産の14〜20倍大きく、加温式水耕栽培システムの資源集約的な性質が浮き彫りになりました。
従来の指標では伝統的な農業システムが単純な単位面積当たりの収量基準でより生産的であることを示していますが、フットプリント分析は異なる実態を明らかにします：これらのシステムは化石燃料のような非再生可能資源に大きく依存しています。すべての投入を考慮すると、技術の向上と工業的投入の増加によって達成される高収量は、しばしば生産単位当たりのより大きな土地要求につながります。LCAも同様の結論に達しますが、エコロジカル・フットプリント会計は、すべての資源利用を土地面積相当に換算できる利点があり、単位面積当たりの収量測定に慣れた農家や利害関係者にとって効果的なコミュニケーションツールとなっています。
長所と限界
エコロジカル・フットプリント会計は、LCAと多くの特徴を共有し、システム性能評価のための強力な生態学的基盤を持つデータ集約型のアプローチを提供します。この方法論は1990年代以降、大規模なデータベースとリソースに支えられ、著しい改善を遂げています（Ewing et al., 2008; Kitzes et al., 2009）。
この方法の主な限界は、温室効果ガスの排出と水利用の分析にあります。現在の方法論では、温室効果ガスをCO2吸収に必要な土地面積としてのみ計上でき、すべての温室効果ガスをCO2相当量に換算する必要があります。水利用は限られた資源ですが、生態系の生産から派生するものではないため、土地面積換算の範囲外となります。研究者たちは、これらやその他の限界に対処するために継続的に取り組んでいます（Kitzes et al., 2009; Wackernagel, 2009）。また、このアプローチは、非生物圏資源の枯渇（金属採掘など）や分解されない毒性物質や材料の環境影響など、環境の持続可能性の特定の側面を完全に説明することができません。これらの影響が重要なシステムでは、LCAがフットプリント会計の有用な補完となります。
これらの限界にもかかわらず、エコロジカル・フットプリント会計は、農場から地球規模まで様々な規模でシステムを評価し、一人当たりの比較を可能にする上で価値があります。LCAで必要とされる主観的判断を、資源利用と影響を単一の定量的単位に換算することで簡素化します。共有された計算方法とフレームワークにより、エコロジカル・フットプリント評価は一貫した方法論を提供し、基礎となる仮定の詳細な検討なしに広範な比較を可能にします。
カーボン・フットプリント
農業システムにおける温室効果ガス削減の初期の研究は、土壌有機物における炭素隔離のみに焦点を当てていました（Lal et al., 2007）。しかし、農業における重要な温室効果ガス排出を考慮すると、炭素排出と隔離の両方の完全な会計が不可欠です。「カーボン・フットプリント」は、すべての温室効果ガス（N2OやCH4など）をCO2相当量に換算して、排出と吸収のこの正味バランスを表します。研究者たちは、有機農業と従来型農業の比較（Hillier et al., 2009）から、歴史的な酪農生産と現代の酪農生産の比較（Capper et al., 2008）まで、様々な農業システムを比較するためにカーボン・フットプリントを使用し、また異なる人間の食事の温室効果ガスへの影響を評価するためにも使用しています（Stehfest et al., 2009）。
指標のインデックスへの統合。Andrews et al.（2004）より。
Andrews et al.（2004）より。
農業システムを評価するための指標の使用
指標とは、システムの状態を反映する観察または測定可能な変数です（Mayer, 2008）。農業システムにおいて、農家は植物の構造、葉の色、形状などの指標を通じて作物の健康状態をモニタリングします。土壌の状態は、定量的な土壌検査、土壌の色や表面の質感、流出量、耕作の「感触」（例えば、耕耘時にトラクターにどの程度の労力が必要か）などを用いて評価します。特定の雑草の有無によっても土壌の栄養状態を示すことができます。
持続可能性の指標とインデックス：実践的考察
「指標フレームワーク」は、複雑なシステムの状態を評価するために複数の指標を体系化します。例えば、農家の生活の質は、収入、社会サービスへのアクセス、土地保有などの指標を通じて判断でき、一方、農場の生産性は土壌肥沃度、気候、収量の安定性を通じて測定できます。
農業システムは多次元的であるため、単一の指標だけではそれを完全に表現することはできません（Meadows, 1998; Mayer, 2008）。そのため、システム評価フレームワークは多くの場合、複数の指標に依存しています。これらの指標は、アルゴリズム（Mayer, 2008）や平均化、比率、主成分分析などの手法を用いて「インデックス」に統合することができます（Mayer, 2008）。図4.7は、指標がどのようにスコア化され、土壌の健全性に関する定量的な情報を提供するインデックスに統合されるかを示しています（Andrews et al., 2004）。
Andrews et al.（2004）は、この方法を用いて土壌の健全性を「操作化」しました—つまり、指標を通じて測定できる性質を特定しました。彼らは、生産性、廃棄物リサイクル、環境保護という3つの土壌管理目標を特定し、これらを測定可能な指標を通じて定量化できる6つの土壌機能に結びつけました（図4.8）。例えば、「物理的安定性とサポート」は、かさ密度、水安定性団粒、孔隙率、および/または土壌強度を測定することで定量化できます。このフレームワークは、土壌の健全性という抽象的な概念を、異なる管理アプローチ間で測定・比較できるものに変換しました（Andrews et al., 2004）。このようなフレームワークとインデックスは、複雑で多次元的なシステムを評価する上で不可欠です。
持続可能性というより広範な概念を操作化するために、研究者たちは包括的なフレームワークとインデックスを使用して、農業システムの生態学的および社会的持続可能性を評価しています。多くの優れた書籍（Jørgensen et al., 2009）とレビュー（Mayer et al., 2004; Mayer, 2008; Speelman et al., 2007）がこれらの取り組みを詳しく説明しています。
SAREケーススタディ：ニューハンプシャー大学有機酪農研究農場におけるライフサイクルアセスメントの活用
2005年、ニューハンプシャー大学（UNH）は300エーカーの農場を、州立大学では国内初となる商業規模の有機酪農場に転換しました。研究者たちは、栄養素とエネルギー要件において自立可能な農場を実現する管理方法の特定を目指しました。これを達成するため、研究チームはライフサイクルアセスメント（LCA）アプローチを採用し、農場運営に影響を与える複雑な物理的、生物学的、人的要因の理解に取り組みました。
2008年に開始された9年間のSARE助成研究は、閉鎖系でエネルギー自立型の運営を目標に、農場の年間生産サイクルにおけるすべての物質とエネルギーの流れを測定することに着手しました。これは、農場が近隣のランプレー川に栄養素を失うことなく、慎重な堆肥管理とコンポスト化を通じて栄養素需要のほとんどを満たし、160エーカーの森林が家畜の寝床材とエネルギーの両方を供給することを意味していました。
「有機酪農の栄養素やエネルギーバランスを調査した研究は存在していなかったため、これは素晴らしい出発点に思えました」とUNHの森林生態学者でプロジェクトコーディネーターのジョン・エイバー氏は述べています。「私たちは経済的・環境的持続可能性の文脈で、農場全体の運営を実際に検証することができます。」
研究者たちは、農場を境界として栄養素フロー図とエネルギー在庫評価の作成から始めました。彼らは、放牧地からの栄養流出や農場内の林地の熱エネルギー利用可能性など、十分に理解されていない栄養素の流れとエネルギー要件の側面を研究しました。
農業研究におけるLCAは通常、収集したデータを用いて改善が必要な分野を特定します。UNHでは、教員が堆肥処理とコンポスト化、農場内での寝床材生産、牛乳冷却用の地熱エネルギー、混合作物と飼料システムに関する重点的な研究を実施しました。助成金の構造により、有望な技術が現れた際に実施と改良が可能となっています。
農業LCAにおける重要な課題は、すべてのサイクル要素と段階にわたって正確なデータを収集することです。エイバーのチームは、農場レベルで目標とシステム境界を定義することでこの複雑さに対処しました。例えば、牛乳生産の全ライフサイクルではなく、農場のエネルギー自立に焦点を当てることで、農場への物資の輸送といった困難なデータポイントを除外することができました。
システム境界を農場レベルに設定することで、既存の記録とデータセットへのアクセスという別の利点も得られました。初期の窒素フロー分析は大学の記録に大きく依存していました。窒素収支を作成するため、研究者たちはまず、これらの記録と農場での測定を用いて、主要な農場への輸入（干し草、穀物、大気沈着）、内部栄養源（堆肥、干し草、飼料）、主要な産出（牛乳）を定量化しました。
文献レビューにより予算項目に数値を付加することができ、さらなる研究が必要な重要な知識ギャップが明らかになりました：農場内での堆肥生産、環境への栄養輸出、寝床材とエネルギーのための潜在的な森林生産性です。
共同研究者の生態系生態学者ビル・マクドウェルと水文地質学者マット・デイビスは、農場からの栄養輸出を調査しました。彼らは2年間の研究を通じて、水と栄養素の移動を追跡する三次元地下水モデルを開発しました。地下水井戸と表面流出の月次サンプリングにより、栄養輸出の定量化とベースラインの確立が可能になりました。
これらのベースラインにより、研究者たちは畜舎の構成から堆肥処理、放牧戦略に至るまでの管理実践の変更を評価することができます。マクドウェルが指摘するように、「流出で失われるものをモニタリングしなければ、環境への影響と貴重な栄養素の保持という観点で、どれだけ成功しているかを判断することはできません。」
チームはまた、閉鎖系という目標を達成するための革新的な生産技術も探求しています。デイビスは農場外からのエネルギー使用を削減するため、地熱式牛乳冷却システムを実装しています。このシステムは地下300フィートから冷水を汲み上げ、牛乳の入ったパイプに沿って配管を通し、その後、水を地下に戻して冷却してから再利用します。デイビスは2年間にわたり、牛乳と地熱井戸間のエネルギー移動を測定し、温度変化をモニタリングして長期的な持続可能性と効果を評価します。
「これらの牛乳冷却装置が本当にシステムのエネルギー負荷を削減するということは、十分に定量化されていません」とデイビスは説明します。「このエネルギーが地質材料にどのように流れ込むかを理解することは、酪農を超えて有用になるでしょう。」
有機酪農研究農場は、新たなシステムベースの研究を引き続き触発しています。教員は、複数種の放牧システム、付加価値製品のための農場内加工、カーボンフットプリント分析、地域食料システムにおける農場の役割について研究する計画です。