| Project/Area Number |
23KJ0313
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 国内 |
|---|
| Review Section |
Basic Section 63010:Environmental dynamic analysis-related
|
|---|
| Research Institution | Chiba University |
|---|
Principal Investigator |
山貫 緋称 千葉大学, 融合理工学府, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2023-04-25 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥2,700,000 (Direct Cost: ¥2,700,000)
Fiscal Year 2025: ¥900,000 (Direct Cost: ¥900,000)
Fiscal Year 2024: ¥900,000 (Direct Cost: ¥900,000)
Fiscal Year 2023: ¥900,000 (Direct Cost: ¥900,000)
|
|---|
| Keywords | 陸域炭素循環 / 土壌呼吸 / リモートセンシング / 統合解析 / 機械学習 / 広域推定 / 気候変動 / 温暖化 |
|---|
| Outline of Research at the Start |
陸域生物圏のCO2吸収排出量を正しく推定することは、将来の気候変動を予測する上で最重要な課題である。陸域生物圏のCO2循環において、土壌に関する炭素循環は、現地観測が非常に困難なため、地上部と比べて圧倒的に不確実である。本研究では、地球温暖化予測の上で、重要かつ不確実である、土壌における炭素循環（特に土壌呼吸）について、観測方法に一貫性のある新たなデータに基づいた広域推定を行い、全球土壌呼吸の時空間変動を把握する。さらに、本研究で構築した新たな土壌呼吸データセットに基づく新たな土壌炭素モデルを構築し、将来予測を行う。
|
| Outline of Annual Research Achievements |
国立環境研究所を中心に同一の観測手法を用いて整備され、アジアに展開されている世界最大規模のチャンバー観測ネットワークデータと、日本原子力研究開発機構などが取得した土壌特性・有機炭素特性・微生物特性データ、衛星観測データなどに機械学習手法を適用して日本域の土壌呼吸量を推定するモデルを構築し、特徴量の重要度などを算出して日本において何が土壌呼吸を駆動しているのかを明らかにした。その結果、地温が土壌呼吸の時系列変化の大部分を説明していた。また、温度パラメータなどの気象データと土壌特性データを組み合わせることにより、モデルの推定精度が向上した。これらの成果を、日本農業気象学会2024年全国大会で発表した。
次に、同じくチャンバーで観測されている土壌メタン吸収量データと、土壌呼吸量推定モデル構築に用いた入力パラメータに機械学習手法を適用して日本域の土壌メタン吸収量を推定するモデルを構築し、土壌呼吸・メタン吸収量推定における特徴量の重要度の違いを確認した。土壌呼吸量推定においては温度パラメータの重要度が大きくなる傾向にある一方で、土壌メタン吸収量推定では表層土壌のバルク密度や土壌有機炭素量、鉱物特性などの土壌特性データが重要であることを示した。また、土壌メタン吸収量推定においては、衛星観測データの地表面反射率から計算した正規化植生指数の重要度が地温の重要度と同等であることがわかった。これらの成果を、国際学会JpGU Meeting 2023、AsiaFlux Conference 2023で発表した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の計画通りの進捗であったため。
|
| Strategy for Future Research Activity |
まず、解析に使用する観測データの期間を統一することによって、日本域全体の土壌炭素収支を説明する土壌呼吸量推定モデルを構築し、各観測サイトにおけるデータ期間の違いがモデル構築に与える影響を確認する。その後、最適な期間のデータを用いて日本域の土壌呼吸量を広域推定して、既存のデータセットとの相互比較を行う。これらの成果を学術論文として発表する。
次に、同じ観測サイトの従属栄養呼吸量データを用いて、日本域の従属栄養呼吸量を推定するモデルを構築し、算出された特徴量の重要度を土壌呼吸量を推定する場合の特徴量の重要度と比較する。さらには、日本域の従属栄養呼吸量を広域推定して、土壌呼吸量の時空間分布との差異を確認する。
|
