アブダビにおける$$\text {NO}_{2}$$と$$\text {O}_{3}$$のマルチモデル予測：相関に基づく特徴増強の利点

なぜより正確な大気予測が重要か

アブダビのような成長する都市に住む人々は、常に交通、産業、気象によって形作られる空気を吸っています。二酸化窒素と地表オゾンという二つの目に見えない気体は、スモッグや呼吸器系の問題に大きく関与します。本研究は実践的で現実的な問いを立てます：現代の人工知能を使って、これらの汚染物質を数時間から数日先までどれほど正確に予測できるか、そして両者が互いにどのように影響し合うかをモデルに学習させることで改良は可能か？

都市大気の二大問題物質

二酸化窒素とオゾンは大気中で密接に結びついています。二酸化窒素は主に車両の排気やその他の燃焼源から放出され、日光の下でオゾンを生成する助けとなり、オゾンはスモッグの主要成分の一つです。日中はオゾン濃度が上昇する一方で二酸化窒素は低下することが多く、夜間にはその傾向が逆転することがあります。アブダビでは急速な都市化、交通量の多さ、そして自然な“空気の浄化”を制限する砂漠環境がこれらの汚染物質を特に懸念すべきものにしています。これらの変動を正確に予測できれば、当局は脆弱な人々に警告を出したり、交通の流れを調整したり、健康リスクを減らすための産業活動の計画を立てたりできます。

アブダビの空気を多角的にとらえる

研究者たちは異例に大規模で詳細なデータセットを活用しました：砂漠、郊外、沿岸地区、工業地帯に分布する7つの固定観測局から得た、二酸化窒素とオゾンの5年間にわたる時間毎の測定データです。この長期記録は2018年から2022年をカバーしており、以前の研究に影響を与えたCOVID-19のロックダウン期に見られる歪んだ状況を避けています。チームはデータを慎重に洗浄し、時折の欠損値は他年の同じ日付・時刻の値を平均して埋め、鋭いスパイクに対処しつつ真の汚染極値は保持する数学的処理を施しました。その後、実際の予報システムが過去から学び、将来の未観測期間で評価される様子を模すために、時系列を連続する訓練ブロックとテストブロックに分割しました。

多様な予測手法の比較

どの手法が最も有効かを見るために、本研究は幅広いアプローチを比較しました。単純な手法としては、過去の測定値のパターンを探る決定木、ランダムフォレスト、サポートベクターマシンが含まれます。より進んだディープラーニング手法としては、時系列の局所的な形状を見つけるのに優れた畳み込みニューラルネットワーク（CNN）や、長期パターンを記憶するよう設計されたLSTMネットワークを用いました。さらに、日次や季節性の周期を捉えるのに適したProphetモデルや、『注意（アテンション）』機構を使って過去の異なる時点が各予測にどれだけ影響するかを重み付けする新しいアーキテクチャであるTransformerモデルも採用しました。すべてのモデルは1時間先、2時間先、1日先、1週間先の汚染レベルを予測するように求められ、誤差は複数の補完的な指標で評価されました。

汚染物質の同時変動から学ぶ

二酸化窒素とオゾンは化学的に絡み合っているため、各汚染物質の過去情報が他方の予測に役立つかどうかをチームは調べました。まず各観測局で二つのガスの結びつきの強さを測定し、一般的に強い逆相関があることを確認しました：一方が高いともう一方は低い傾向があります。次に、すべてのモデルについて二つのバージョンを構築しました。基本バージョンではモデルは予測対象の汚染物質の過去値だけを見ます。拡張バージョンでは、相手方の汚染物質の遅延値も与え、事実上都市の大気状態についての追加の手がかりを与えました。これにより「特徴量増強」――相関情報の追加――が、未来の情報を不正に使うことなく予測精度を高めるかどうかを検証できました。

どのモデルが勝ったか、そしてその意義

ほとんどすべての観測局、汚染物質、予測先で、Transformerモデルは他を明確に上回り、平均誤差が最も小さく、時間を通じて最も安定した挙動を示しました。二酸化窒素では代表的なパーセンテージ誤差は約4分の1から3分の1の範囲で、オゾンではやや良好でした。畳み込みネットワークはとくに最初の数時間以内の極短期予測で僅差で続き、Prophetは繰り返しパターンを強く捉えるため1週間先の予測で有用でした。重要なのは、相手方の汚染物質についての追加情報を与えることで予測誤差が一貫して低下したことで、とくに1時間先の二酸化窒素予測と、1日までのオゾン予測で顕著でした。日常的な観点で言えば、本研究は、注意機構を備えた高度なAIに対して、豊富な多年記録を与え、主要汚染物質間の化学的“対話”を利用するように教えることで、より信頼できる大気質予報が可能になることを示しています。こうしたツールは、アブダビや類似の地域の都市計画者や保健機関が、特に子ども、高齢者、呼吸器や心臓に持病のある人々を守るために、より早く、より的確に行動するのに役立ちます。

引用: Abuouelezz, W., Ali, N., Aung, Z. et al. Multi-model forecasting of \(\text {NO}_{2}\) and \(\text {O}_{3}\) in Abu Dhabi: benefits of correlation-based feature augmentation. Sci Rep 16, 13825 (2026). https://doi.org/10.1038/s41598-026-44485-6

キーワード: 大気汚染予測, 二酸化窒素, 地表オゾン, ディープラーニングモデル, アブダビの大気品質