再解析データ（MERRA-2）と機械学習を用いたインド・ガンジス盆地の地表面PM2.5推定

なぜこの研究が日常生活に関わるのか

インド北部に暮らす何百万もの人々にとって、きれいな空気を吸うことは抽象的な理想ではなく日々の現実的な懸念です。世界でも最も汚染のひどい都市がいくつもあるインド・ガンジス盆地では、微小粒子の濃度が健康指針を大きく上回ることが頻繁に起きます。本研究は、公衆衛生や政策に重大な影響をもたらす実用的な問いを投げかけます。監視局が少ない場所でも、現代のデータと高度な計算手法を用いて有害な微小粒子の実態をどう明らかにできるか、という問題です。

空気中の微小粒子がもたらす問題

PM2.5と呼ばれる微小粒子は直径2.5マイクロメートル未満で、肺の奥深くに到達し血流に入るほど小さいです。心臓・肺疾患、脳卒中、早期死亡と関連しています。インド・ガンジス盆地では、これらの粒子は自動車排気、工場、石炭燃焼、家庭燃料の使用、道路や工事の塵、収穫後の大規模な作物残渣焼却などから発生します。地理的条件も悪影響を助長します：北の山脈や南側の高地が障壁となり、空気の混合と排出が起きにくくなるためです。冬季やモンスーン後には、弱い風、浅い混合層、温度逆転が汚染物質を地表近くに閉じ込め、住民がよく経験する長期にわたる霞んだ事象を生みます。

まばらな観測網の先を見通す

インドの汚染対策当局は地上でPM2.5を測定する自動観測局を何百か運用しています。これらの装置はデリー、ラックナウ、カーンプル、パトナのような都市に対しては信頼できる数値を提供しますが、中小都市や農村部の広い範囲は未測定のままです。こうした空白を埋めるために、研究者たちはしばしばNASAのMERRA-2再解析を用います。MERRA-2は気象モデルと衛星などの観測を組み合わせて大気汚染を推定する世界的なプロダクトです。しかし、MERRA-2は比較的大きな格子で世界を見ており、単純化した物理表現に依存するため、特に深刻な汚染時に地表付近のPM2.5を過小評価する傾向があります。著者らはこの欠点を確認しています。2014–2023年にわたる4都市の解析では、MERRA-2は季節的な増減を捉えるものの、観測局が示すピークの高さや日々の変動は十分に再現できていませんでした。

多くの手がかりを組み合わせるようにコンピュータに教える

これらの限界を克服するために、研究チームは再解析データと地上観測の両方から学習する機械学習フレームワークを構築しました。モデルには主に二つの情報を与えました：MERRA-2が示す微小粒子の構成要素（砂塵、すす、硫酸塩など）と、気温、湿度、風速、降水、地表近くで混合する空気層の深さといった主要な気象要因です。複数の最新アルゴリズムを用い、それらを“スタッキング”と呼ばれるアンサンブルで組み合わせることで、これらの変数が各都市で実際に観測される日々のPM2.5とどのように結びつくかをコンピュータが学習しました。最良モデルは生のMERRA-2に比べて典型的な誤差を半分以上削減し、観測のほとんどを2倍以内で一致させ、強い低バイアスを解消しました。冬の300マイクログラム毎立方メートルを超える極端なピークや、モンスーン期間の50未満の非常にきれいな日も再現でき、元の再解析にはできなかった再現性を示しました。

汚れた空気の発生源をたどる

研究はさらに一歩進め、単に汚染の量を問うだけでなく、その発生源はどこかを探りました。広く使われている軌跡モデルを用い、気塊を遡って5日間追跡し、どの地域から各都市へ空気が運ばれてくることが多いかを調べました。次にこれらの経路を実測PM2.5濃度と組み合わせて、高濃度と強く結びつく領域を浮き彫りにしました。デリー、ラックナウ、カーンプルでは、冬季PM2.5の半分以上が北西から流れてくる空気に関連し、タール砂漠、パンジャーブ、ハリヤーナ、ラージャスターンを通過してきます。これらの地域は砂嵐や激しい作物残渣焼却で知られています。より東に位置するパトナでは、より混合したパターンが見られ、近接するビハール州、東部ウッタル・プラデーシュ、ネパール平野からの寄与が重要であり、これらの地域では局所的な焼却やレンガ窯が主要な源となっています。

人々と政策にとっての意義

簡単に言えば、著者らはデータと機械学習を賢く使えば、観測が少ない地域でもぼやけ過小評価されている大気汚染の実像をはるかに鮮明で現実的なものに変えられることを示しました。彼らの手法は、衛星時代の再解析、詳細な気象情報、10年にわたる地上測定を組み合わせることで、インド・ガンジス盆地全域の危険な微小粒子を確実に追跡できることを証明します。同時に、気塊解析は、最も酷い冬期の事象が単に地域の交通や工場だけのせいではないことを明確に示しています。煙や塵を州や国境を越えて運ぶ地域風が大きな要因となっているためです。したがって大気をきれいにするには、都市排出や家庭燃料の管理といった局所的対策だけでなく、農作物焼却や砂塵源の管理に関する広域的かつ協調的な行動が必要になります。

引用: Singh, V., Singh, S., Sharma, N. et al. Estimation of surface PM_2.5 over the Indo-Gangetic Basin using MERRA-2 reanalysis and machine learning. Sci Rep 16, 13755 (2026). https://doi.org/10.1038/s41598-026-37934-9

キーワード: 大気汚染, 微小粒子状物質（PM2.5）, インド・ガンジス盆地, 機械学習, 農作物残渣の焼却