| 研究課題/領域番号 |
19K15866
|
|---|
| 研究機関 | 明星大学 |
|---|
研究代表者 |
柳川 亜季 明星大学, 理工学部, 助教 (90620469)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | レジスタンス / レジリエンス / SPEI / 脆弱性 |
|---|
| 研究実績の概要 |
本研究は生態系機能を最大化することで、干ばつや大雨といった極端現象の影響を少しでも緩和するために、実行可能な土地管理オプションの提示を行う研究である。そのため、生態系機能を示す指標であるレジスタンスおよびレジリエンスを植生指数から算出する。レジスタンスおよびレジリエンスを目的変数とし、これまで十分考慮されていなかった土壌諸性質や立地、土地利用履歴といった環境要素と植物種数や気象条件とを説明変数にモデルを構築する。将来の気象条件をモデルに代入し、レジスタンスおよびレジリエンスが最大化するような土地管理オプションに関わる変数（土壌、土地利用履歴、植物種数）をその変数値を算出し、土地管理オプションとして提示する。
今年度は、発生確率別の極端現象について、昨年度算出したレジスタンスおよびレジリエンスを目的変数に環境要素を説明変数として、気候区分と土地利用区分から作成した土地被覆区分ごとに一般化線形モデルをつかってモデルを構築した。
その結果を検討すると、モデル回帰において、精度について、問題があることが判明したため、決定木アルゴリズムに基づいた勾配ブースティング（Gradient Boosting）の機械学習フレームワークを用いて、再度モデルを検討した。モデルは、国別、気候区分および土地利用を考慮し、15の土地被覆に区分し、7つの気候傾度区分を用いた。
機械学習を用いたモデルの構築により、モデル精度の問題が解決できた。また、モデルの結果から、気象条件が多くの土地被覆においてレジスタンスに最も影響を与えていた。一方で、一部の土地被覆における極端な干ばつでは、生物種数といった生物的環境要素が影響を与えていることが明らかになった。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本研究では、具体的にあきらかにしたいことが３つあり、それらを一つずつ、3年間かけて、1年毎に進める予定である。本年度は、昨年度の予定である、①レジリエンス、レジスタンスの算出にひき続き、2つ目の目標である、②モデルの構築を達成できたため、おおむね順調に進展しているとした。
|
| 今後の研究の推進方策 |
生態系機能を最大化する土地管理オプションの提示を行う。
複数のGCM(General Circulation Model:大循環モデル)のアウトプットを使って、干ばつもしくは、降水量の増加が予測される地域を抽出する、抽出された地域について、本年度構築したモデルを用いて、気象条件の変数にGCMのアウトプットを入力し、それ以外の土地管理オプションに関する変数を実現可能な範囲で探索的に変化させながら、レジスタンスおよびレジリエンスを最大化することができる各変数の値を算出し、土地管理オプションとする。
|
| 次年度使用額が生じた理由 |
コロナウイルス拡散の影響により、テレワークが増加し、新しいワークステーションが必要となった。よって、来年度に予算を繰り越し、来年度の予算と合算してワークステーションの購入を予定している。
|
