残差傾向解析と機械学習に基づく人為的・気候的要因の影響下での植生ダイナミクスの異なるシナリオのシミュレーション

遠くの流域の運命が重要な理由

イランの中心部に位置するガフフニ流域は、乾燥地であり、農地、放牧地、かつて豊かだった湿地が、気候と人間の利用との繊細な均衡に依存しています。本研究は、イランをはるかに越えて重要な問いを投げかけます：植物が消失したり緑化したりする際、その原因は温暖化・乾燥化する気候によるものがどれくらいか、都市や農地、土地再生プロジェクトといった私たちの選択によるものがどれくらいか。これらの影響を分離することで、研究は水の乏しい地域で人間が土地劣化を加速させるのか、あるいは自然の回復を助けられるのかを示す一つの窓を提供します。

宇宙から植生を観察する

研究者たちは、2001年から2023年にかけて衛星データを用いてガフフニ流域の植生変化を追跡しました。彼らは、明るい土や乾燥地にしばしば現れるかすみをよりよく処理することで、植物の健康をより明確に示す強化植生指数（EVI）を用いました。各年について、通常植物が最も緑になる5月に着目しました。同じ期間に、降水と気温を組み合わせて植物に利用可能な実際の水量を示す乾旱指標である標準化降水蒸発散指数（SPEI）も算出しました。

気候の痕跡を人為的影響から分ける

植生の変化を単に観測するだけでは不十分で、課題は気候と人間のどちらが主な原因かを判断することです。そのために、チームは残差傾向解析と呼ばれる手法を用いました。まず、乾旱指数を使って気候のみが影響していると仮定した場合の植生の予測を行います。次に、この「気候のみ」の予測を衛星が実際に観測した値と比較します。気候だけでは説明できないほど緑が濃い場所では、灌漑や再生事業などの正の人為的影響が推定されます。逆に、予測よりも褐色化している場所は都市拡大や過放牧などの人為的圧力による追加的な損失があると判断されます。

どこが緑化し、どこが衰退しているか

明らかな一様な衰退ではなく、損失と回復が入り混じるパッチワークの図が浮かび上がりました。植生の減少の主要因は気候であり、流域の約5分の1、特に降水量が少なく気温が高い北部・東部・南部の乾燥地域で顕著でした。一方、植生増加の主要因が人為的な場所はおよそ38パーセントに達しました。この緑化の多くは流域の西部と中央部で見られ、農業、果樹園、放牧地の復旧や植樹が拡大した地域にあたります。約12パーセントの地域では人間と気候の影響が相互に強化し合い、両者が緑化に寄与している場合もありました。

乾燥する湿地に潜む警告

植生指標の増加が必ずしも良い知らせでない場合もあります。流域の下流に位置するガフフニ湿地は、近数十年で縮小・乾燥しています。衛星データでは開水面は非常に低いか負の植生値として現れます。湿地が乾燥して裸地が露出すると、植生指標は植物が回復していなくてもゼロに近づいて上昇します。マップと現地知見を組み合わせることで、研究者たちは気候変動と上流での水利用の双方がこの乾燥化を強め、かつて重要だった湿地を局所的に高温化し、ほこりの発生源に変えていることを示しました。

機械学習が図を洗練する方法

さらに掘り下げるために、チームはランダムフォレストと呼ばれる機械学習手法を用いて、どの要因が植生の増減を最もよく説明するかを検証しました。モデルには気候や土地利用などの人為的変数だけでなく、標高、斜面、地下水の塩分濃度など地形や土壌に関する情報も入力しました。結果は、気候の極端化が多くの劣悪な放牧地での植生衰退の鍵であることを裏付ける一方で、農業、園芸、放牧地復旧といった人為的行為が植生増加の中心であることを示しました。標高は特に重要な影響因子として浮かび上がり、局所的な気温や降水パターンを形成するため、高地の西部地域がより緑豊かな景観を維持できる理由の説明に寄与しました。

人々と政策にとっての意味

専門外の読者に向けた要点は明快です：気候変動はこの乾燥流域の広い部分をより褐色で脆弱な景観へと押しやっているが、人間の判断によりその傾向は悪化も緩和もされうる、ということです。ガフフニでは干ばつと高温が多くの植生喪失を引き起こした一方で、より良い土地管理と的を絞った農業が多くの緑化をもたらしました。衛星記録と賢い解析、機械学習を組み合わせることで、本研究は他地域にとって実用的なツールセットを提供します：気候が主因の場所、人的圧力が損害を与えている場所、そして放牧の抑制、効率的な灌漑、再植林など慎重な介入により植生回復の望みがある場所を特定するのです。

引用: Abolhasani, A., Tavili, A. & Khosravi, H. Simulating different scenarios of vegetation dynamics under the influence of human and climatic factors based on the residual trend analysis and machine learning. Sci Rep 16, 6485 (2026). https://doi.org/10.1038/s41598-026-35649-5

キーワード: 植生ダイナミクス, 気候変動, 人間活動, 乾燥地生態系, リモートセンシング