イラン南東部の半乾燥地帯における土壌化学特性予測のための標準・ブラックボックス・ベイズ型RSM‑SVRモデルの評価

塩害土壌が農家にとって重要な理由

世界の乾燥地帯では、作物は単に水不足で苦しむだけでなく、土壌自体が疲弊し塩分を帯びていることが多い。イラン南東部の半乾燥平野では、栄養を保持しにくくナトリウム過多の土壌が広がり、地面が硬化して作物が育たないことがある。本研究は実践的な問いを立てる：限られた簡易な測定から主要な土壌特性を迅速に推定できれば、農家や計画者はより効率的かつ低コストで土地を管理できるのか。

脆弱な土壌が広がる過酷な風景

研究はイラン東部国境に位置する広大な風成地域シスタン・バルチスタンで行われた。気候は高温で乾燥し、降雨は稀で、砂塵嵐が表土を定期的に削り取る。調査面積約6万ヘクタールの大部分は砂質ロームや砂地で覆われており、排水が速く有機物は少なく、塩類が蓄積しやすい。258試料を慎重に採取・調製した結果、深刻な問題が確認された：平均して調査地点の半数以上が通常のナトリウム危険閾値を超え、約4分の3が低い養分保持能力を示した。こうした条件は、資源の乏しい小規模農家にとって特に耕作を危険かつ高コストにする。

土壌健全性を示す三つの尺度

土壌の損傷度や健全性を評価するために、本研究は三つの化学的指標に注目する。交換性ナトリウム百分率（ESP）は、栄養の「停車スペース」がカルシウムやマグネシウムではなくナトリウムで占められている割合を示す。ナトリウム吸着比（SAR）は土壌水中のナトリウム量をカルシウム・マグネシウムと比較し、ナトリウムの蓄積が土壌構造を損なうリスクを示す。陽イオン交換容量（CEC）は、そもそもいくつの栄養停車スペースが存在するかを表し、肥料を保持できる能力を意味する。従来、これらの測定は時間と費用のかかるラボ作業を必要とし、広域や遠隔地で定期的に適用するには難がある。

簡易測定からアルゴリズムに学ばせる

完全なラボ測定の代わりに、研究者は土壌粒度（砂・シルト・粘土）、酸度（pH）、電気伝導度、石灰含有量、有機物などの容易に得られる測定値からESP、SAR、CECを予測するコンピュータモデルを訓練した。彼らは応答曲面法（変数間の曲線的傾向や相互作用を捉える従来の統計手法）と、非線形パターンを扱うことで知られるサポートベクター回帰（SVR）という現代的機械学習法を組み合わせた三つの“ハイブリッド”アプローチを構築した。標準版は応答曲面で得た特徴をそのまま学習アルゴリズムに入力する。ブラックボックス版はこれらの特徴を標準化し、どの入力が重要かを慎重に検証する手順を追加する。ベイズ版は不確実なパラメータを確率的により安全な値へと穏やかに収縮させる手法を用いる。

塩害と養分不足を左右する要因

予測結果と実際のラボ値を比較したところ、土壌粒度と塩類関連の指標が化学的挙動を強く規定していることが分かった。砂分がCEC（養分保持能）の主要な決定因子として浮かび上がった：砂が多いほどCECは低く、粗粒が肥料を保持しにくいことを裏付けた。一方で、シルト含有量と電気伝導度がESPおよびSARというナトリウム関連指標に最も強く影響していた。これら二つのナトリウム指標はほぼ完全に連動しており、一方が分かれば他方もほぼ決まることが示された。モデルは全体として良好に機能したが、極端に塩分が高く劣化した土壌のような最悪ケースの捕捉は困難だった。こうした極端な条件ではデータが少なく変動が大きいため、環境モデリングで一般的な課題となる。

どの手法が最も有効だったか

ブラックボックス型ハイブリッドモデルはESPとCECの予測で最も高い精度を示し、標準法と比べて誤差をそれぞれ約40％および28％削減した。SARについてはベイズ版がやや優れ、ナトリウムリスクが高い領域で信頼性を向上させた。三手法はいずれも258サンプルという比較的少ないデータセットで動作したが、それは応答曲面ステップが学習アルゴリズムに投入される情報を豊かにしたためである。とはいえ、極端な地点や他地域からのより多くのデータ、追加の機械学習手法との比較があれば、モデルの改善と検証がさらに進むだろうと著者らは指摘している。

予測を実務的な意思決定につなげる

非専門家にとって実用的な利点は明瞭だ：ごく基本的な土壌検査だけで、広域にわたる主要な化学特性を迅速かつ低コストに推定できる。これにより、どこでナトリウムが高いか、どこで養分保持が弱いか、どの場所に石膏施用でナトリウムを除去する、あるいは有機物を増やす、灌漑水の調整や耐性作物の選定といった具体的対策を優先すべきかを容易に特定できる。手法は最も損傷した土壌では完璧ではないが、データ駆動型の精密管理に向けた大きな一歩を示しており、世界で最も脆弱な農地における限られた水と土壌資源を保護する助けとなる可能性がある。

引用: Ahangar, A.G., Piri, J. Evaluation of standard, black-box, and bayesian RSM-SVR models in the semi-arid area of south-eastern Iran for predicting soil chemical properties. Sci Rep 16, 11183 (2026). https://doi.org/10.1038/s41598-026-42058-1

キーワード: 土壌塩類, 精密農業, 機械学習, 半乾燥土壌, 土壌肥沃度