現在（2024年）および将来の気候シナリオ（2041–2100）における17作物の世界的作物適地データセット

作物の未来は誰にとっても重要な問題

世界の人口が増え気候が温暖化する中で、基本的な疑問が差し迫ってきます：地球上のどこで主要な作物を今後も育てられるのか。この研究はその疑問に取り組み、現在および将来の気候条件下で17の主要作物を栽培するのにどの場所がどれだけ適しているかを示す詳細な世界地図を作成します。これらの地図は、農家、計画担当者、市民が今後数十年で食料生産がどのように変化するかを理解する助けになります。

作物が育つ場所をマッピングする

著者らは「作物適地」に着目しています。これは、植え付けから収穫までの作物の一連の生育周期を地域の気候や自然条件がどれだけ支えられるかを意味します。従来の経験則や粗い全球平均に頼るのではなく、現代の作物品種が実際にどのように栽培されているかを反映した非常に大規模で最新のデータセットを編纂しています。3つの主要な作物出現データ源を組み合わせています：生物多様性データベースからの現地観測、衛星による詳細な作物マップ、最近の全球作物統計データセット。これらを合わせることで、小麦、稲、トウモロコシ、大豆、根菜、油糧作物、綿やサトウキビなどの工業作物を含む17の重要作物について数百万件の出現点が得られます。

地球データを作物適地アトラスへ変換する

作物がどこに出現するかを理解するために、研究はこれらの作物位置データを植物成長に強く影響する30の環境要因と組み合わせます。これらの要因は景観の3つの主な側面をカバーします。地形データは標高や傾斜など土地の高さと形状を記述します。土壌データは質感、深さ、塩分、有機物、養分を特徴付けます。気象データは降雨、気温、放射、土壌水分、および作物の発達に必要な熱量（ヒートサム）を捉えます。現時点（2024年）については、これらの変数は気象記録、流域推定、衛星観測に基づく高解像度の全球プロダクトから取得されます。将来（2041–2100年）については、最新世代の全球気候モデルによる気候予測を、四つの異なる社会経済・排出経路の下で用いています。

モデルが土地から学ぶ仕組み

この統合データセットを用いて、チームは各作物ごとにランダムフォレストアルゴリズムを使った個別の機械学習モデルを訓練します。各サンプル点について、モデルは作物の有無とそれに関連する環境条件を観測します。モデルはそれによって作物に適した場所とそうでない場所を区別することを学びます。過学習を避け、地域間での汎化性能を確保するために、著者らは訓練データとテストデータを地理的に分離する空間クロスバリデーション手法を使用しています。また、冗長な説明変数を削減する特徴選択手順と、モデル設定を調整するベイジアン探索を用いています。得られたモデルは高い精度を達成しており、独立したテストデータ上で17作物の平均総合精度は約94%で、「適地」と「不適地」の両カテゴリが信頼性高く分類されています。

今日の圃場と明日の変化を可視化する

モデルが訓練されると、世界中の1 km×1 kmの格子の各セルに対して、現在の気候および4つの気候シナリオ下の3つの将来期間について適用されます。単純な賛否ではなく、モデルは0から1の連続的な適地スコアを出力し、後で可視化のためにカテゴリに分けることができます。著者らは現時点の地図をGAEZやGLUESといった広く使われる全球適地データセットと比較しています。大局的には整合しますが、より細かな空間分解能での詳細と、東北中国やアルゼンチンのような地域での独立した高解像度作物マップとの整合性が向上しています。温度関連の変数やヒートサムが作物分布を説明する上で特に重要であり、全球農業が気候温暖化に対して敏感であることを浮き彫りにしています。

食料と計画にとっての意義

本研究は、現在と複数の将来気候経路を含む17主要作物の高解像度で自由に利用可能な全球作物適地アトラスを提供します。著者らは、特に今日観測される範囲を超える気候変化が起きる地域では、将来予測を正確な予報として読み取るべきではないと強調していますが、それでもこれらの地図は作物ポテンシャルの相対的な増減を検討する強力なツールを提供します。変化する惑星で増える人口に食料を供給することを懸念する意思決定者にとって、優良農地を保護すべき場所、新たな機会が現れる可能性のある場所、そして現在の営農体系が適応または移行を迫られる場所を示すために、これらのデータセットは有益です。

引用: Wang, T., Dong, J. Global crop suitability datasets for 17 crops under present (2024) and future climate scenarios (2041–2100). Sci Data 13, 691 (2026). https://doi.org/10.1038/s41597-026-06688-4

キーワード: 作物適地, 気候変動, 食料安全保障, リモートセンシング, 機械学習