複数の深層学習モデルを用いた中国沿岸における極値海面の再構築

沿岸の水位が日常生活に重要な理由

中国の長大な海岸線には何億人もの人々、大規模な港湾、成長著しい都市が集まっています。強い嵐が海水を陸側に押し寄せると、高水位が住宅地を浸水させ、インフラを破壊し、飲料水を塩分で汚染することがあります。それでも、このような極端な沿岸水位の詳細な記録は意外に乏しく、断片的です。本研究はそのギャップを埋めるもので、断片的な観測と気象再解析データを現代の人工知能ツールで統合し、中国沿岸の大部分について50年間の日ごとの高水位を再構築し、整合された公開データセットを作成します。

海の上下動を追う

沿岸水位は主に二つの要素で決まります。月と太陽の引力による規則的な潮汐と、低気圧や強風で海面が一時的に盛り上がるストームサージです。中国では熱帯低気圧などの嵐が高潮のタイミングと重なることが多く、特に危険な状況を生みます。しかし海面を計測する潮位観測所の記録は短期間だったり途切れがちだったり、公的に入手できない場合もあります。これが、沿岸の暴露度が高いこの地域で極端な海面が場所ごとや年代ごとにどのように変化してきたかを理解する妨げになっています。

スマートなモデルで欠損を埋める

著者らは、現代の深層学習技術と従来の潮汐解析を組み合わせてこの問題に取り組みました。中国沿岸に散在する23か所の潮位観測所に着目し、各観測所を中心とする10度×10度の領域の気圧や地表付近の風など、ERA5グローバル再解析からの詳細な気象情報を収集しました。これらの気象パターンを用いて、複数のタイプのニューラルネットワークに、日々の最大ストームサージが周囲の大気場とどのように関係するかを学習させました。同時に、UTideというツールを使って歴史的な海面記録から予測可能な潮汐信号を抽出し、規則的な潮の上下動とより不規則なサージ成分を分離しました。

異なる深層学習の手法を比較検証

単一のアルゴリズムに頼るのではなく、本研究では系統的に四つの深層学習モデルを比較しました：長短期記憶（LSTM）ネットワーク、空間パターンをまず読み取るハイブリッドなCNN-LSTM、空間と時間を同時に扱うConvLSTM、そして言語処理で知られるTransformerアーキテクチャを基にしたInformerモデルです。モデルの効率化のため、訓練前に主成分分析で大きな気象場を圧縮しました。また各モデルには24時間分の大気条件の履歴を入力し、注意機構によりネットワークが重要な瞬間に注目できるようにしました。各観測所では記録の約20%を独立した検証期間として残し、その検証で最も性能が良かったモデルを最終的な再構築に採用しました。

50年分の高水位を再構築する

一度訓練された最良モデルを各地点で用い、1970年から2020年までの全期間にわたる日ごとの最大ストームサージを再構築しました。これらのサージ推定値にUTideで得られた天文潮汐を加えることで、日ごとの最大総水位を算出しました。ある日の最高潮位と最高サージは通常わずかに時間がずれて発生するため、この単純な加算は実際の最大値に対する上方バイアスを与えます。時間分解能の高い時間帯データでの検証では、この過大評価は平均で約15センチ、約15%程度となりました。それでも保守的なバイアスを含めて、再構築系列は観測データが存在する箇所では良好に一致します：再構築と観測の日別最大値の相関は平均で約0.9、誤差は数10センチ程度で、95パーセンタイルを超える非常に高い水位事象でも同様の精度が得られています。

沿岸と地域社会にとっての意義

科学者、技術者、沿岸計画担当者にとって、この新しいデータセットは過去半世紀にわたる中国沿岸の極端な海面の振る舞いを詳しく一貫して示す資料となります。特に台風などの極端事象時に、既存の広く使われるグローバル製品より優れており、完全なメタデータ、コード、性能指標を伴って公開されるため、他者が再利用や精査を行えます。一般向けには、この研究により洪水リスク評価、護岸設計、避難計画、長期的な適応策が従来より豊富な情報に基づいて行えるようになったということです。言い換えれば、コンピュータに何十年分もの嵐による高潮を“再生”させることで、沿岸コミュニティを今日の危険から守り、将来の海面上昇に備えるためのより強固な科学的基盤を提供します。

引用: Fang, J., Huang, J., Bian, W. et al. Reconstruction of Extreme Sea Levels in coastal China using Multiple Deep Learning models. Sci Data 13, 268 (2026). https://doi.org/10.1038/s41597-026-06593-w

キーワード: ストームサージ, 極端な海水面, 沿岸洪水, 深層学習, 中国沿岸線