北極圏と北ヨーロッパのPM10濃度を予測するトランスフォーマー手法

なぜ北の大気が重要か

極域の空は一見すると清浄に見えることが多いが、空気中の微粒子はときに静かに肺や心臓に害を与えることがあり、特に短時間の汚染急増時に影響が出やすい。北極圏や北欧諸国では、これらの微粒子（PM10）は冬期の車の走行や暖房といった地域的な習慣に加え、遠方の山火事や工業プルームといった外部要因によって形づくられる。本研究は、呼吸する空気の状態が悪化する際に北方のコミュニティへ最大48時間の事前警戒を与えることを目的とした、新しい人工知能ベースの予測ツールを紹介する。

目に見えない粉じん

PM10は、肺の奥まで吸入され得るほど小さい塵、すす、液滴の微粒子を指す。短時間の濃度ピークでも呼吸器系の問題を引き起こし、心血管系に負担をかけることがある。欧州の新しい大気質規制はこれらの粒子の上限を厳しくし、平均値の上限や、1日あたりの閾値を超えられる日数を制限している。多くの北欧の観測点は年次目標を満たしているものの、記録を見ると地域平均では見落とされがちな短時間の急上昇が頻繁に発生しており、依然として人の健康にとって重要であることが分かる。

なぜ北で予測がうまくいかないのか

ヨーロッパ全体で、大気の化学変化や汚染物質の移流をシミュレートする高度な数値モデルによって大気質は日常的に予測されている。これらのシステムはCopernicus大気監視サービスで用いられ、最大四日先を見通すことができるが、北ヨーロッパや欧州北極域ではしばしば性能が低下する。モデルに投入される観測局が比較的少なく、冬用の鋲付きタイヤが路面を削ることや家庭の暖房、船舶といった局所的な発生源が急激で短時間の汚染を引き起こすためである。その結果、北部での典型的な予測誤差は濃度自体と同程度になることがあり、地域の意思決定に対する有用性が限定されている。

大気を読み取るように機械を教える

研究者たちは、もともと言語翻訳のために設計され、現在は時系列データにも広く使われているトランスフォーマーと呼ばれるディープラーニングモデル群に着目した。彼らはフィンランド、アイスランド、ノルウェー、スウェーデンの152観測局からの4年間にわたる毎時PM10観測データで、主要なトランスフォーマーの変種と従来の統計的手法やニューラルネットワーク手法を訓練した。モデルには数値大気汚染予報や、気温、風、降水、境界層高度といった主要な気象変数も取り込まれた。Crossformerと呼ばれる一つのアーキテクチャが、多数の変数と時間にわたる複雑な関係を学習する点で最も優れており、再帰型ネットワークやより単純なトランスフォーマーを標準的な誤差指標で上回った。

時間に場所を加える

領域全体で単一モデルを安定して機能させるために、チームはCrossformerを改良して各観測局の位置情報も「理解」できるようにした。彼らは緯度、経度、高度を通常の時系列入力に並べてエンコードする幾何学的層を追加し、ネットワークが北極の村落や人の少ない森林、繁華な市街地といった特定の環境に対応する異なる汚染パターンを結びつけられるようにした。この適応により、モデルは典型的なPM10変動をより正確に予測するだけでなく、訓練で見たことのない観測局（デンマークの地点を含む）への一般化性能も高めた。Copernicusの予報や機械学習に基づく後処理手法と比較して、この改良モデルは平均誤差をおよそ3分の1低減し、都市部や遠隔地での鋭いピークもよりよく捉えた。

モデルがうまく捉える点と見落とす点

新しいシステムは、粒子濃度の日々の全体的な上下動を追うことや、多くの高汚染事象を検出する点で特に優れている。広範な北部観測局で日平均が新しい法的閾値を超える時期を予測する際、現行の欧州の予報製品を大きく上回る。一方で、氷で部分的に覆われた道路での交通や主要幹線道路付近のように、排出が短距離で急速に変化する非常に局所的な急騰については依然として苦戦している。入力データや地域モデルでは十分に解像できないこうした局所現象を解明するには、より詳細な地域情報と追加の観測点、特にサービスが行き届いていない北極域での監視強化が必要だと著者らは論じている。

寒冷地向けのより明確な警報

実用面では、本研究は巧妙に設計されたディープラーニングシステムが、断片的な観測データ、天気予報、既存モデルの出力を組み合わせて最大48時間先の観測局レベルのPM10予報をより正確に生成できることを示している。北方や北極のコミュニティにとって、そのような予報は早期の健康アドバイスや交通・暖房の局所的な制限、山火事煙の侵入のような事象への計画的対応を支援する可能性がある。決して完璧ではなく、とくに街路レベルの非常に局所的な急増については限界があるものの、この手法は従来の大気質モデルに対する計算効率の高い有望な補完手段であり、より細かい粒子や二酸化窒素など他の主要汚染物質へ適用を拡張するためのテンプレートを提供する。

引用: Cuzzucoli, A., Crotti, I., Dobricic, S. et al. A transformer approach to forecasting PM₁₀ concentration in the Arctic and Northern Europe. npj Clean Air 2, 31 (2026). https://doi.org/10.1038/s44407-026-00071-8

キーワード: 北極圏の大気汚染, PM10予測, ディープラーニング, トランスフォーマーモデル, 北ヨーロッパの大気質