機械学習による評価：山東半島沖の軟底生物群集に対する洋上風力発電の影響

海底の生命と風力発電の出会い

沿岸部に洋上風力発電所が広がるにつれて、無数の塔列が海底の生物にどんな影響を与えるのかを心配する声が増えています。本研究は、中国・山東半島沖の大規模な4つの風力発電所についてその疑問を詳しく調べたものです。ほぼ10年にわたる現地調査と衛星データ、最新の計算モデリングを組み合わせることで、海底生物群集がまずは打撃を受け、その後回復し、ある面ではこれら新しい構造の周囲で繁栄する様子を示しています。

タービン下で変わる海底

研究は「軟底」生息地、すなわちワーム、二枚貝、甲殻類などの底生生物が生息し海洋食物網の基盤をなす泥や砂の海底に焦点を当てています。建設前は主に平坦でシルト状の海底が広がっていました。打撃杭打ち、電力ケーブル敷設、建設中の堆積物撹乱により種数や群集の多様性は一時的に低下しました。しかし風力発電所が稼働を始めると、金属製の塔と基部周りの岩覆いが新たな硬質面を作り、海底の一部が人工礁へと変わりました。

時空をまたいだ自然実験

4つの風力発電所は2021年から2024年の間にそれぞれ異なる時期に建設・稼働したため、新築から成熟したサイトへと続く自然な「時間軸」を形成しました。2015年から2024年にかけて、研究者は年間2回以上、200を超える観測ステーションで海底動物を採取しました：発電所内部、周辺縁部、遠方の対照域です。同時に衛星を用いて水温、藻類量、懸濁粒子を追跡しました。これにより、タービンによる変化をより広範な気候や海洋条件による変動と切り分けることが可能になりました。

データを機械に語らせる

この複雑で散在するデータを解釈するために、チームはXGBoostという機械学習手法を用い、従来型の統計モデルと比較しました。両モデルは、環境条件、タービンまでの距離、稼働年数、存在する硬質面の割合などに基づき、各地点の海底群集の多様性を予測しようとしました。XGBoostは実際の変動をより多く捉え、多様性の違いのおよそ4分の3を説明しました。同時に、どの要因が重要かを示す手がかりも与えました。SHAPというツールは、モデル内部の働きを読みやすいランキングや応答曲線に翻訳するのに役立ちました。

攪乱から回復、そして増益へ

モデルが最も強く示した信号は、タービン稼働からの経過時間でした。建設中および稼働後最初の数年間は海底の多様性が元の基準値を下回りました。稼働後約2年半でその傾向は反転し、多様性は回復し、やや建設前の水準を上回りました。タービン基部近く、安定化のために岩が追加された場所ではその効果は顕著でした。これらの硬質斑は、近傍の未撹乱域に比べて種数が約40％多く、多様性スコアは約13％高かったのです。このパターンは典型的な人工礁効果を示唆します：新しい表面はフジツボやムール貝などの定着者を引き寄せ、結果としてより移動性の高い動物を呼び込み、全体のバイオマスを高めます。

設計の最適点を探る

本研究は「より配慮された」風力発電所の設計ルールについても示唆を与えます。硬質面の比率が増えるにつれて多様性はある点まで上昇し、その後は飽和する傾向があり、中規模の礁状ゾーンを散在させる方が海底全体を岩で覆い尽くすより効果的である可能性を示唆しています。タービン間隔は逆U字型の効果を示しました：密度が低すぎると生息地変化を引き起こさず、非常に密だと騒音や他の撹乱が利益を相殺してしまう場合があります。中間的な密度範囲が最も豊かな群集を支えるように見えました。

海洋生態とエネルギーへの含意

非専門家にとっての結論は意外に希望に満ちています。洋上風力発電は当初海底生物に影響を与えるものの、本事例では数年以内に群集は回復し、タービン基礎周辺では種の増加さえ観察されました。タービンの密度、基礎設計、海底に置く岩の量を慎重に選べば、短期的な損害を軽減し長期的な生息地価値を高めることができます。著者らのモデリング手法—現地調査、衛星データ、解釈可能な機械学習を組み合わせた枠組み—は、将来の風力プロジェクトの生態学的フットプリントを点検・改善するための設計図を提供し、クリーンエネルギーの推進が健康な海とより整合するのに役立ちます。

引用: Wang, L., Zhang, Y., Gu, X. et al. Machine learning-based assessment of offshore wind farm impacts on soft-bottom benthic communities in the Shandong Peninsula. Sci Rep 16, 11780 (2026). https://doi.org/10.1038/s41598-026-38939-0

キーワード: 洋上風力発電, 海底の生物多様性, 人工礁, 海洋生態学, 生態学における機械学習