説明可能な人工知能と主成分分析に基づく機械学習による温度傾向予測：トルコ、ゾングルダクの事例研究

なぜ地域の気温傾向が重要なのか

多くの地域社会にとって、気候変動は遠くの、世界的な話題に感じられることがあります。しかしその影響は局所的な天候に最も明確に現れます：夏の高温化、降雨パターンの変化、より激しい嵐など。本研究はトルコ西部の黒海沿岸に位置する沿岸・工業県ゾングルダクに焦点を当て、実用的な問いを投げかけます：現代の人工知能は地域の気温傾向を正確に予測できるだけでなく、どのようにその予測に至ったかを説明できるだろうか。そうすれば計画担当者や住民が結果を信用し利用できるのだろうか、という点です。

未加工の気象記録を利用可能な手がかりに変える

この問いに取り組むため、研究チームは2000年から2022年にわたるゾングルダクの月次気象記録を20年以上分収集しました。データセットには平均・最低・最高気温、いくつかの降雨指標、風向・風速、湿度が含まれていました。どのコンピュータモデルもこれらのデータから学習する前に、データのクレンジングと標準化を行いました：欠損値を補完し、風向などのテキストラベルを数値に変換し、すべての変数を共通のスケールに揃えて、単位の違いだけで特定の測定値が不当に支配的にならないようにしました。

複雑な気象パターンを抽出する

気候データは絡み合っていることで悪名高く、多くの変数が同時に変化し、強く結びつくものがあります。この網を重要な情報を失わずに単純化するために、研究者たちは主成分分析（PCA）と呼ばれる手法を用いました。元の各測定値を個別に見るのではなく、PCAはデータの変動の大部分をとらえる少数の新しい「要約」因子を作成します。本研究では、元の情報の95パーセントを保持するだけの因子を残しました。最も重要な因子（第一主成分）は、気温と風を意味のある形で混合することが分かりました：最低・最高気温が高いほどこの因子は上昇し、風が強いほどこの因子は低下しました。

最も信頼できる予測エンジンの選定

こうして得られた簡潔化された気候因子を用いて、チームは月平均気温を予測するために一連の機械学習手法を試しました。単純な直線モデルから、ニューラルネットワークやブーステッドツリーのようなより複雑な関係をとらえられるモデルまで含まれます。データを訓練用と検証用に分け、複数の誤差指標と適合度で各手法を評価しました。複雑な「ブラックボックス」システムへの関心が高いにもかかわらず、本研究で明確な勝者だったのは、線形回帰とリッジ回帰という二つの単純な線形アプローチでした。これらのモデルは一貫して最も低い誤差を示し、検証データの変動の90％以上を説明しました。つまり、この地域とこの時間スケールでは、気温は概ね線形で予測可能な振る舞いを示すことがわかりました。

AIの判断のブラックボックスを開く

予測の精度だけでは、インフラ、農業、保健の計画に役立てるには不十分です。モデルが特定の予測を行った理由を理解するために、チームは説明可能なAIツールに目を向けました。説明解析に適したツリー系モデルを訓練し、二つの補完的な方法を用いました：「入れ替え重要度（permutation importance）」はある因子をシャッフルしたときに予測がどれだけ悪化するかを測り、SHAP値は各因子が個々の予測にどれだけ寄与しているかを割り当てます。両手法とも同じ結論を示しました：第一主成分がモデルの判断を支配しており、いくつかの他の成分が二次的な役割を果たしていました。この主要因子の構成を振り返ると、分析は暖かい条件（最低・最高気温の上昇）が予測される平均気温を強く押し上げる一方、より強い風はそれを抑える傾向があることを示しました。湿度や降雨はより控えめな役割でした。

人々や計画者にとっての意味

簡潔に言えば、本研究は正確でかつ理解可能な気温予測ツールを構築することが可能であることを示しています。ゾングルダクにおいては、慎重に抽出された気候因子に導かれた単純で十分に検証された統計モデルが、より複雑なAIシステムと同等かそれ以上の性能を示しました。説明可能性の解析は、モデルが物理的に妥当な振る舞いをしていることを確認しました：気温の変化に強く反応し、風に対しては相殺的に反応します。性能と透明性の組み合わせは、この枠組みが他地域における局所的な気候傾向の監視や、信頼でき説明可能な証拠に基づく適応戦略の設計のための有望な設計図となることを示唆します。

引用: Arslan, R.U., Aksoy, B. & Yapıcı, İ.Ş. Temperature trend prediction with explainable artificial intelligence and PCA based machine learning: a case study of Zonguldak, Turkey. Sci Rep 16, 4910 (2026). https://doi.org/10.1038/s41598-026-35173-6

キーワード: 気温予測, 気候変動, 機械学習, 説明可能なAI, 主成分分析