多スケール海洋高温現象予測のための軽量物理認識フレームワーク

突然の海の高温はなぜ誰にとっても重要か

世界中で、海域の一部が数日、数週間、あるいは数か月にわたって高温のままになることがあります。こうした海洋高温現象はサンゴの白化、漁業の混乱、沿岸経済の損害を引き起こします。しかし、それらを予測する手段の多くは、計算コストの高いスーパーコンピュータモデルか、重要な局所情報を見落としがちな単純な統計手法に限られています。本稿はMARINAと呼ばれる新しい手法を紹介します。これは時間単位、日単位、週単位で迅速かつ局所的で信頼できる海洋高温の予報を提供することを目指しており、地域コミュニティや海域管理者にとって早期警報を現実的にします。

海のホットスポットと予測が難しい理由

海洋高温現象は、快晴による強い日射で海面が温められる、風が弱くて冷却が抑制される、高圧場が長く続いて表層に熱がとどまる、といった気象・海況条件が重なったときに発生します。こうした極端な高温はサンゴの白化、海草の喪失、魚類の大量死、さらに食物網を通じた連鎖的変化を引き起こすことがあります。予測が難しいのは、これらが場所ごとに異なる大気と海洋の微細な相互作用に依存するためです。大規模な全球シミュレーションは広域の気候パターンを再現できますが、局所の極値を平滑化しがちで、運用にコストがかかります。より単純な統計モデルは安価ですが、大気と海洋の相互作用という物理を無視しがちで、通常は単一の時間スケールでしか機能しません。

物理とデータを組み合わせる新しい軽量アプローチ

MARINAは、物理的知見とデータ駆動学習をコンパクトな枠組みで結びつけることでこのギャップを埋めるよう設計されています。処理は二段階で行われます。まず、気温、気圧、風速、日射量といった基本的な気象観測の組み合わせを探索し、これらが海面温度を温めたり冷やしたりする際にどのように連動するかを追跡する「相互作用因子」を発見します。この探索には強化学習と遺伝的アルゴリズムの組み合わせを用い、観測された海面温度や海洋高温事象と強く相関するコンパクトな式を構築します。次に、MARINAは得られた相互作用因子と過去の温度記録の両方を二枝構造のニューラルネットワークに入力し、将来の海面温度を予測するとともに、いつ高温閾値を超えるかを判定します。

時間単位から週単位まで見通す

既存のほとんどのシステムと異なり、MARINAは時間刻みを複数扱えるように作られており、時間毎、日毎、週毎の予測が可能です。著者らは、オーストラリアのグレートバリアリーフ沿いの十か所の観測点からなるMT-MHWという新たな数十年データセットを作成し、三百万件を超える海面温度と主要気象変数の記録を三つの時間解像度で揃えました。このデータセットを用いてMARINAは一週間先の予測を行い、時間平均を取ることで時間・日・週それぞれのリードタイムに相当する予報を得ました。代表的な三つの礁サイトで、事象検出と温度精度の標準指標で高いスコアを示し、継続時間や強度といった重要な事象特性も忠実に再現しました。また、本研究は、MARINAが長期の温暖化傾向を単に追うだけでなく、傾向を除去した場合に技能が向上することが多い点を示しており、突発的な高温に重要な高頻度の変動を捉えていることを示唆します。

より大きなモデルを凌ぐ

著者らはMARINAを、一般的な時系列手法群および主要気象機関の先進的な全球予報システムと比較しました。三つの時間スケールのいずれにおいても、MARINAの海面温度と高温事象の予測はより正確で、しばしば誤差が劇的に小さくなりました。局所観測で観測される鋭く短時間の急上昇を捉え、衛星ベースの全球生成物ではほとんど見えなかった現象を再現したことは、局所に特化した予報の価値を際立たせます。データがまばらで不完全なサイトでも、MARINAは全球モデルを大きく上回りました。注目すべきは、ネットワーク構造が手作業で設計されたのではなく、学習時に大規模言語モデルを用いて多くの設計案を探索し、効率的なアーキテクチャを選定した点です。最終システムは単一の最新GPUで動作可能で、従来の物理重視シミュレーションと比べて計算時間を桁違いに短縮できます。

沿岸と礁を守るために意味すること

わかりやすく言えば、本研究は、物理を十分に「理解」した軽量な予報ツールを構築し、はるかに高価な気候モデルに匹敵する、あるいはそれを上回る性能を発揮しつつ、時間単位から週単位までの細かな指針を提供できることを示しています。礁の管理者、養殖事業者、沿岸計画担当者にとって、MARINAとMT-MHWデータセットは、計算資源が限られた地域でも短時間かつ低コストでサイト特化の海洋高温警報を生成できる未来を指し示します。さらに多くの海洋変数や他地域を取り込む拡張が進めば、同様の物理認識型統計システムが幅広い極端な海洋・気象事象の早期警報を支えることが期待されます。

引用: Su, X., Wu, Y., Wu, Z. et al. A lightweight physics-aware framework for multi-scale marine heatwaves forecasting. npj Clim Atmos Sci 9, 104 (2026). https://doi.org/10.1038/s41612-026-01367-y

キーワード: 海洋高温現象, 気候予測, グレートバリアリーフ, 海洋の温暖化, データ駆動型気候モデル