特徴選択と機械学習手法を適用してザリガニ個体群を推定・管理するためのサンプルモデル

なぜいまザリガニの個体数を数えるのに賢い道具が必要か

世界の魚介類需要が高まる中で、管理者は野生資源を健全な状態に保ちながら食糧を供給するプレッシャーにさらされています。ザリガニは高タンパクで低脂肪の美味な食材であり、比較的少ない水資源で飼育できる利点がありますが、疾病、過剰漁獲、汚染の影響で個体数の予測が難しくなっています。本研究は、人工知能由来の現代的なデータ手法が、ザリガニの簡単な体の測定値を成長、可食部量、個体群規模について強力な手がかりへと変えることを示し、漁業の採算性と持続可能性の両立に寄与することを示します。

将来の食糧源としてのザリガニ

ザリガニは高品質なタンパク質と必須ミネラルに富みながら脂肪とカロリーは低く、動物性高タンパクが不足または高価な地域で魅力的な選択肢となります。さらに環境条件への耐性があり、比較的低投入で池、貯水池、あるいは水田でも養殖可能です。一方で地球温暖化や人口増加により今後数十年で食糧需要が急増すると予想されます。感染症、大量漁獲、水質汚濁によってザリガニ資源は既に変動を示しているため、この貴重な資源を枯渇させずに管理するためのより良い追跡・計画ツールが急務です。

現場での測定を有用なデータに変える

研究チームはトルコのアティキシャル貯水池における大規模なザリガニ個体群に着目し、狭鋏ザリガニ6,470個体から詳細な測定を収集しました。各個体について、全長、主要部位の幅や長さ、頭部・腹部・ハサミの重量、さらには可食肉量など20の特徴を記録しました。これらの測定は精密ノギスと秤で行われ、欠測値は簡単な平均補完法で処理されました。チームはまた、漁業で用いられる古典的な長さ─重量の式を適用して、全長と総重量の関係を確認し、個体の成長様式を検証しました。

最も示唆に富む体の特徴を見つける

すべての測定が有益とは限らず、関連の弱い余分な特徴はモデルを遅くしたり混乱させたりします。信号とノイズをふるい分けるために、著者らは各特徴が総重量とどれほど連動するかをスコア化する統計的手法を用いました。全長、頭部の長さと幅、腹部の長さと幅、各部位の重量や可食肉重量といった、少なくとも中程度の関連を示す測定のみを残しました。この工程によりモデルが検討すべき入力数は大幅に削減されつつ、個体の重量を説明するのに必要な情報はほぼ保持されました。

漁獲データからアルゴリズムに学ばせる

重要な特徴を揃えた上で、チームは機械学習の枠組みに属する複数の一般的な予測手法を訓練しました。データの70％を学習に、30％を検証に用いて、各手法が体の測定値から個々のザリガニの総重量をどれだけ正確に推定できるかを比較しました。雌、雄、全体集団いずれにおいても、重回帰、ランダムフォレスト、特に勾配ブースティングの3手法が一貫して非常に高精度な予測を示し、誤差はデータ内の自然な変動に比べて小さかったです。広く使われる別の手法であるサポートベクター回帰は、サイズと重量の間にある微妙で非線形な関係を捉えにくく、精度が劣りました。

将来の漁業にとっての意味

専門外の方への主なメッセージは、適切に選んだ機械学習手法と組み合わせたザリガニの簡単な体の測定が、集団に含まれる可収穫肉量を迅速かつ確実に示し得るということです。本研究は貯水池のザリガニが長さに比してやや速い割合で重量が増す成長様式を示しており、慎重に選ばれた特徴を入力した勾配ブースティングモデルがこのパターンをほぼ完全に予測できることを明らかにしました。実務的には、管理者はすべての個体を秤にかけることなく資源量を推定し、漁獲規則を設計できるため、時間とコストを節約しつつ過剰漁獲のリスクを低減できます。類似の手法を他種に適用することで、このようなデータ駆動型モデルは持続可能な養殖と天然資源管理の基盤となり得ます。

引用: Gültepe, Y., Gültepe, N. A sample model for applying feature selection and machine learning techniques to estimate and manage crayfish populations. Sci Rep 16, 14540 (2026). https://doi.org/10.1038/s41598-026-45535-9

キーワード: 持続可能な漁業, ザリガニ養殖, 機械学習, 資源評価, 特徴選択