圃場スケールでの作物生育のリアルタイムモニタリングは精密農業の鍵である。しかし、衛星リモートセンシングは広範囲の監視が可能である一方、天候や空間分解能に制約があり、無人航空機（UAV）は高い空間分解能を持つが航続時間に制限があるため、単一のデータソースでは広範囲の連続的な監視のニーズを満たしにくい。本研究では、UAV、Sentinel-2、PlanetScope SuperDoveの多光スペクトルデータに基づき、改良版CACAOアルゴリズムを用いたクロスプラットフォームの時空間融合手法を提案する。本手法は「UAV+Sentinel-2」と「SuperDove+Sentinel-2+UAV」の2つのデータ組合せ戦略を構築し、前方予測および後方更新の2つのモードによりほぼリアルタイムで1日1メートル分解能の標準化植生指数（NDVI）時系列データセットを生成する。さらに、逐次除外交差検証（Leave-One-Out Cross-Validation, LOOCV）を用い、既存のGLM-STF（一般化線形モデルに基づく時空間融合）アルゴリズムと比較し、融合結果の精度を評価した。結果は以下の通りである：(1) 異なるプラットフォーム間のNDVIデータは良好な一貫性を示し、Sentinel-2とSuperDoveのNDVI相関は0.97、UAVと衛星のNDVI相関は0.75を超え、データ融合の前提を満たす。(2) CACAOアルゴリズムはイネのフェノロジーダイナミクスを効果的に再構築でき、後方更新モードで生成されたNDVI時系列はより滑らかであり、CACAOに基づく2つのデータ組合せ戦略はいずれも高い精度（R > 0.94）を得た。重要な生育期間に高時間分解能のSuperDoveデータを導入することで精度が0.51から0.67に向上した。(3) CACAOアルゴリズムは生育期間全体を通じてGLM-STFアルゴリズムよりも安定かつわずかに高い精度優位性を示した。総じて、本研究が提案するクロスプラットフォーム融合フレームワークは、連続的で高精度な圃場スケールのイネNDVI時系列生成を効果的に実現し、作物生育の詳細なモニタリングおよび精密管理のための強力な技術支援を提供できる。

PlanetScope;Sentinel-2;時空間データ融合;生育モニタリング;精密農業;圃場スケール;フェノロジーカーブ;ほぼリアルタイム監視