衛星×AIで山火事を追跡するSignet AI——気候テック最前線の予測モデル
2025年のロサンゼルス大火災は、アメリカ史上最悪クラスの山火事被害をもたらした。被害額は推定**2,000億ドル（約30兆円）**にのぼり、保険業界に激震が走った。こうした大規模山火事が年々頻発するなか、「衛星画像×AI」で火災をリアルタイムに検知し、延焼パターンを予測するスタートアップ Signet AI が注目を集めている。
従来の山火事監視は、監視塔からの目視や航空機による巡回が中心だった。しかしこれでは広大な面積をカバーしきれず、発見が遅れて被害が拡大するケースが後を絶たない。Signet AI は低軌道衛星の赤外線・光学センサーデータを AI で解析し、火災の兆候を発生から15分以内に検知する。さらに風向・地形・植生データを統合した予測モデルで、48時間先までの延焼シミュレーションを提供する。消防機関だけでなく、保険会社や電力会社がこの技術の導入を急いでいる。
Signet AI とは何か
Signet AI は、衛星リモートセンシングと機械学習を組み合わせた山火事監視プラットフォームを提供する気候テック（Climate Tech）スタートアップだ。地球観測衛星から取得した赤外線画像を独自の深層学習モデルで解析し、通常の火災監視システムでは見落とされがちな小規模な熱異常（ホットスポット）も高精度で検出する。
同社のコア技術は以下の3つの柱で構成されている。
| 技術要素 | 概要 | 従来手法との違い |
|---|---|---|
| 衛星画像リアルタイム解析 | 低軌道衛星の赤外線・光学データを15分間隔で取得・解析 | 従来の静止衛星は6時間間隔、解像度も低かった |
| AI火災検知エンジン | 深層学習で雲・工場排煙などの誤検知を99.2%排除 | 従来の閾値ベース手法は誤検知率が30%以上 |
| 延焼予測モデル | 気象・地形・植生データを統合し48時間先までシミュレーション | 従来モデルは12時間が限界で精度も低かった |
特筆すべきは誤検知の少なさだ。既存の衛星火災検知システム（NASA の FIRMS など）は、工場の排熱や太陽光パネルの反射を山火事と誤認するケースが多く、現場の消防機関から「オオカミ少年」と揶揄されることもあった。Signet AI は大量の過去データで学習した畳み込みニューラルネットワーク（CNN）とトランスフォーマーモデルを組み合わせることで、この問題を大幅に改善している。
衛星×AIによる火災検知の仕組み
Signet AI のシステムがどのように動作するのか、そのフローを見てみよう。
以下の図は、衛星画像の取得からリアルタイム警報発信までの全体フローを示している。
この図が示すように、プロセスは大きく4段階に分かれる。
第1段階：衛星画像の取得。複数の低軌道衛星から光学センサーと赤外線センサーのデータを15分間隔で受信する。赤外線センサーは夜間や煙の下でも熱源を検出できるため、24時間365日の監視が可能だ。
第2段階：データ前処理。雲やノイズを除去し、地理座標の補正を行う。ここでは従来型のアルゴリズムと機械学習を組み合わせたハイブリッドアプローチが採用されている。
第3段階：AI火災検知。前処理されたデータを深層学習モデルに入力し、熱異常スポットを特定する。同時に、工場排熱や焼畑農業など火災以外の熱源を識別してフィルタリングする。
第4段階：延焼予測。火災が確認された場合、気象データ（風速・風向・湿度）、地形データ（標高・傾斜）、植生データ（燃えやすさ指数）を統合して、48時間先までの延焼シミュレーションを実行する。
なぜ今、山火事AIが急成長しているのか
山火事被害の急激な拡大
世界の山火事による経済的被害は、過去5年間で急激に拡大している。
以下の図は、山火事被害額の推移と衛星AI監視市場の成長予測を示している。
この図が示すとおり、2025年は LA 大火災の影響で被害額が2,000億ドルに達し、衛星 AI 監視市場も急速に拡大している。MarketsandMarkets の予測では、衛星ベースの AI 火災監視市場は2026年に**42億ドル（約6,300億円）**に成長する見込みだ。
保険業界の危機と衛星AI導入
山火事AI市場を最も強力に牽引しているのは保険業界だ。2025年のLA大火災では、複数の大手保険会社が過去に「火災リスクが高い」と判断して保険引受を拒否していた地域で甚大な被害が発生した。一方で、別の地域では過剰な保険料を設定していたことも判明し、リスク評価モデルの精度が根本的に問われる事態となった。
| 従来のリスク評価 | 衛星AI活用後のリスク評価 |
|---|---|
| 過去の被害データに基づく統計モデル | リアルタイム衛星データ + AI予測モデル |
| 年1回の更新頻度 | 日次〜週次で動的に更新 |
| 地域単位の粗いリスク区分 | 建物単位の精密なリスク評価 |
| 気候変動の影響を反映しにくい | 最新の気象・植生データを常時反映 |
State Farm や Allstate といった米大手保険会社は、衛星AIを活用したリスク評価モデルへの切り替えを加速させている。Signet AI はこれらの保険会社に対して、個別の建物単位での火災リスクスコアを提供しており、これにより保険料の精緻な算定が可能になる。
電力会社の送電線リスク管理
カリフォルニア州の電力大手 PG&E は、2018年のキャンプファイア（86人死亡）の原因が自社の送電線だったことで300億ドル超の賠償金を支払った。以来、強風時に予防的に送電を停止する「計画停電（PSPS）」を実施しているが、広範囲の停電は住民生活と経済に大きな打撃を与える。
Signet AI のような衛星AI技術を導入することで、「火災リスクが本当に高いエリアだけを選択的に停電させる」精密な判断が可能になる。PG&E をはじめとする電力会社が、この技術に強い関心を示しているのはそのためだ。
競合との比較
山火事検知・予測の分野には、すでに複数のプレイヤーが存在する。
| サービス | 運営 | 検知速度 | 予測期間 | 主な顧客 | 特徴 |
|---|---|---|---|---|---|
| Signet AI | スタートアップ | 15分 | 48時間 | 保険・消防・電力 | 衛星×AI統合、建物単位リスク評価 |
| FIRMS | NASA | 3時間 | なし | 研究機関・公的機関 | 無料・グローバルカバレッジ |
| Pano AI | スタートアップ | 数分 | 12時間 | 電力会社 | 地上カメラネットワーク |
| Overstory | スタートアップ | 1日 | なし | 電力会社 | 植生管理に特化 |
| Watch Duty | 非営利 | リアルタイム | なし | 一般市民 | コミュニティベースの速報 |
Signet AI の強みは、衛星データによる広域カバレッジと AI 予測を組み合わせている点だ。Pano AI は地上カメラを使うため検知速度は速いが、カメラの設置場所に依存する。NASA の FIRMS は無料で使えるが、検知に3時間かかり予測機能がない。Signet AI は「広域×高速×予測」の3要素を兼ね備える唯一のソリューションとして、差別化を図っている。
気候テック市場におけるポジション
Signet AI が属する「気候テック（Climate Tech）」市場は、2020年代後半に入って急拡大している。PwC の Climate Tech レポートによれば、気候テックスタートアップへのVC投資は2025年に全体で**700億ドル（約10.5兆円）**に達した。そのなかで「適応（Adaptation）」分野——すなわち気候変動の影響を軽減する技術——への注目が急速に高まっている。
Signet AI は、この「適応」カテゴリのなかでも特に成長が著しい「災害リスク管理 × AI」の交差点に位置する。カーボンニュートラルを目指す「緩和（Mitigation）」技術（太陽光パネル、EV、蓄電池など）への投資が一巡しつつあるなか、気候変動がすでに引き起こしている被害への対応技術にマネーが流れ始めている。
料金体系
Signet AI の料金は公式には非公開だが、業界関係者への取材と公開情報から以下のような構成が推測される。
| プラン | 対象 | 推定年額 | 内容 |
|---|---|---|---|
| Enterprise | 保険会社・電力会社 | $500K〜$2M（約7,500万〜3億円） | 全米カバレッジ、建物単位リスクスコア、API連携 |
| Government | 消防・自治体 | 交渉制（補助金適用可） | 管轄区域のリアルタイム監視、避難計画支援 |
| Research | 大学・研究機関 | 無料〜$50K（約750万円） | データアクセス、論文利用許可 |
保険会社にとっては、年間数百万ドルの利用料は、山火事による保険金支払い（年間数十億ドル規模）と比較すれば極めて低コストだ。ROI の観点からは導入ハードルが低い分野だといえる。
日本への影響と展望
日本の山火事リスクは「対岸の火事」ではない
日本では山火事はアメリカやオーストラリアほど注目されていないが、実は年間約1,500件の林野火災が発生している（林野庁統計）。特に、温暖化に伴う冬季の乾燥化と、過疎化による森林管理の放棄が重なり、リスクは年々高まっている。
2024年には石川県輪島市で大規模な林野火災が発生し、能登半島地震からの復興途上にあった地域に追い打ちをかけた。こうした事例は、日本でも衛星AIによる山火事監視の需要が潜在的に存在することを示している。
日本の損保業界への波及
日本の大手損害保険会社（東京海上日動、損保ジャパン、三井住友海上など）は、すでにAIやビッグデータを活用した自然災害リスク評価の高度化に取り組んでいる。しかし、衛星AIに特化した山火事リスクモデルの導入は、まだ本格化していない。
米国で Signet AI のような技術が標準化されれば、日本の損保各社も追随する可能性が高い。特に、再保険を通じてグローバルにリスクを分散している日本の損保にとって、米国の山火事リスクの精密な評価は自社の経営に直結する問題だ。
JAXA の地球観測衛星との連携可能性
日本の JAXA（宇宙航空研究開発機構）は、「しきさい」（GCOM-C）や「だいち」（ALOS）シリーズなど、高精度な地球観測衛星を運用している。これらのデータと Signet AI のような AI 解析エンジンを組み合わせることで、アジア太平洋地域に最適化された山火事監視システムを構築できる可能性がある。
実際、2025年には JAXA が民間企業との地球観測データ活用に関する連携協定を複数締結しており、気候テック分野への衛星データ開放が進みつつある。
技術的な課題と限界
Signet AI のアプローチにはいくつかの課題も残っている。
衛星の通過タイミング依存。低軌道衛星は常に同じ場所を見ているわけではなく、15分間隔というのは複数衛星のコンステレーションを前提とした最良値だ。衛星が通過していないタイミングでは検知が遅れる可能性がある。
雲の問題。赤外線センサーは厚い雲を貫通できない。特に熱帯地域や梅雨期の日本では、雲に遮られて衛星からの観測が困難になるケースがある。Signet AI はマイクロ波センサーとの組み合わせで対処を検討しているとされるが、実用化はまだ先だ。
予測モデルの不確実性。48時間先の延焼予測は、気象予報の精度に大きく依存する。風向きの急変や突発的な落雷など、予測困難な事象が火災の拡大パターンを一変させることがある。
データのリアルタイム性。衛星からのデータ送信にはレイテンシがあり、完全なリアルタイムではない。地上カメラやドローンと組み合わせたマルチレイヤー監視が、最終的な解決策として期待されている。
まとめ：衛星AI山火事監視の導入を検討するためのステップ
Signet AI に代表される衛星×AI山火事監視技術は、気候変動が加速するなかで急速に実用化が進んでいる。2025年のLA大火災が示したように、「想定外」の山火事はもはや想定外ではなく、テクノロジーによるリスク管理が不可欠な時代に入った。
以下に、この分野に関心がある読者向けのアクションステップを整理する。
- 情報収集: Signet AI の公式サイトや NASA FIRMS（無料）を確認し、衛星ベースの火災監視がどの程度の精度・速度で動作するか体感する
- 業界動向の把握: 所属業界（保険・不動産・電力・自治体など）で衛星AIの導入事例がないか調査する。米国の先行事例は日本にも波及する傾向がある
- データ活用の検討: JAXA の地球観測データは一部無料で公開されている。自社の業務にどう活用できるかを検討し、概念実証（PoC）を小規模に始めることを推奨する
気候変動のリスクが高まるほど、それに対応するテクノロジーの市場価値も高まる。Signet AI のような企業は、「気候リスクの可視化」という巨大な市場の入り口に立っている。