1980年までさかのぼる陸域総水量異常の機械学習による拡張（ML-TWiX）

長期の水変動が重要な理由

土壌、雪、河川、湖、地下など陸上に蓄えられる水の量は、月々や数十年単位で変化します。これらの変化は干ばつや洪水、食料生産、さらには世界の海面にも影響します。衛星観測はこうした変化を惑星規模で捉える強力な手段を提供してきましたが、利用可能なのは2000年代初頭以降に限られ、長期的な気候パターンを完全に理解するには記録が短すぎます。本研究はML-TWiXを導入し、機械学習に基づく再構成によって陸域水貯留量変化の全球記録を1980年までさかのぼらせ、多年代にわたる地球の水循環の傾向を研究者や政策決定者が把握できるようにします。

宇宙から隠れた水を見通す

GRACEおよびGRACE Follow-Onの衛星は水を直接観測するわけではありません。代わりに、地球上の水の移動によって生じる重力のわずかな変化を測定します。重力の変化から、研究者は「総水量異常」—陸上に蓄えられた水の量が長期平均からどれだけ異なるか—を推定します。これらのデータは地下水枯渇、長期的な干ばつ、流域の洪水、陸域水が海面上昇に寄与する量の理解を一変させました。しかしGRACE型の観測はおよそ二十年程度にとどまり、気候によるゆっくりとした傾向を確実に検出したり、現在の極端事象を過去と比較したりするには記録が短すぎます。

モデルから学習するコンピュータの教育

衛星だけで得られる情報を超えるために、著者らは機械学習に目を向けます。多くの数値モデルはすでに水の移動と貯留をシミュレートしていますが、それぞれに盲点があります。あるモデルは雪をうまく扱う一方で地下水を見落とす、別のモデルは人間の水利用を組み込むが河川を簡略化する、などです。ML-TWiXはこうした13の全球モデルの出力（1980–2012年）を取り込み、2002–2012年のGRACE観測を学習目標として用います。ランダムフォレスト、XGBoost、ガウス過程回帰の三つの学習アルゴリズムをグリッドセルごとに訓練し、モデル群の結合出力が衛星が観測した実際の信号に一致するように学ばせます。

多様な視点を組み合わせて強い像をつくる

単一の手法に頼るのではなく、ML-TWiXはアンサンブルアプローチを採用します。三つの機械学習法それぞれを少し異なる設定で複数回訓練し、それら全ての予測を平均化します。この統合により、特定のモデルの偏りの影響が緩和され、熱帯多湿から乾燥砂漠、雪優勢の高緯度域まで様々な気候域で最終生成物がより堅牢になります。重要なのは、アンサンブル構成員間のばらつきも記録され、不確実性の地図が得られる点で、再構成がより信頼できる場所とそうでない場所を示します。不確実性はアマゾンやモンスーン域のような水循環が非常に動的な領域で高く、貯留変化が小さいより乾燥した地域では低い傾向があります。

新しい記録の検証

著者らは単に機械学習の出力を信頼するだけではなく、いくつかの独立した証拠と照合して検証します。まず、GRACEが運用されていた期間において、再構成された水貯留量は数百の大河川流域で衛星記録と密接に一致し、相関は非常に高く誤差は小さいことが示されます。次に、衛星レーザー測距（古い重力感知技術）から導かれた推定値とML-TWiXを比較すると、新しいデータセットはその信号をGRACE自身と同程度によく再現します。三つ目に、再構成された貯留量の月ごとの変化が降水、蒸発散、河川流出を結ぶ基本的な水収支式と整合するかを検証します。最後に全球海面水位収支を用います：陸上により多くの水が蓄えられれば海面は一時的に下がり、その逆も成り立ちます。ML-TWiXの全球平均は特に衛星時代において、海面ベースの推定と良く一致します。

地球の水の未来を理解するために何を意味するか

専門外の方に向けて言えば、ML-TWiXは多くの不完全な数値シミュレーションと短く非常に信頼できる衛星記録とのあいだをつなぐ、賢いデータ駆動の「翻訳者」と考えられます。GRACEの年に各モデルがどのように振る舞ったかを学習することで、同様の関係を1980年まで再生し、月別の全球陸域水貯留変化の地図を二十年以上さかのぼって埋めます。衛星が利用可能になる以前の再構成は不確実性が高く、特に気候や人間の水利用が新たな形で変化した場所ではすべてを捉えられるわけではありませんが、それでも近現代の陸域水変動を最も一貫性をもって厳密に検証した像の一つを提供します。より長い視点は、今日の干ばつ、洪水、そして水ストレスをより広い歴史的・気候的文脈に位置づけるのに役立つはずです。

引用: Saemian, P., Tourian, M.J., Douch, K. et al. A Machine Learning approach for Total Water storage anomaly eXtension back to 1980 (ML-TWiX). Sci Data 13, 142 (2026). https://doi.org/10.1038/s41597-026-06604-w

キーワード: 陸域水貯留量, GRACE衛星, 機械学習水文学, 全球水循環, 海面変動