Foundation-Model Earth Representations Enable Regional-Scale Forest Aboveground Biomass Monitoring Across the Northeastern United States

地球を、巨大で呼吸する肺だと想像してみてください。この肺が息を吸い込むたびに、空気中から二酸化炭素を取り込み、その組織――樹木、葉、そして根――の中に蓄えます。この蓄えられた炭素は「地上部バイオマス」と呼ばれ、森林が気候変動と戦うために使う秘密兵器です。しかし、ここには厄介な問題があります。森林がどれだけの炭素を保持しているかを知るために、科学者たちは通常、現地へ行き、すべての木を測定し、膨大な計算を行う必要があります。それは、砂浜の砂粒を一つずつ拾い上げて数えようとするようなものです。それは時間がかかり、コストもかかり、多くの場合、あらゆる場所で同時に行うことは不可能です。

近年、科学者たちはショートカット（近道）として衛星を使用しようと試みてきました。木を直接測定する代わりに、宇宙からの写真を見て、そこにどれくらいの木材があるかを推測するのです。しかし、従来の衛星写真は、霧がかった窓越しに森を見ているようなものです。緑の樹冠は見えますが、木がどれくらいの高さなのか、あるいは枝がどれくらい太いのかまでは分かりません。そこで、新しい種類の「スーパー衛星」ツールが登場しました。これらのツールは、いわば「魔法の翻訳機」のようなものです。単に写真を見せるのではなく、景観全体を「秘密のコード」――地形の形、健康状態、歴史をすべて一度に記述する長い数字のリスト――へと変換します。この論文は、大きな問いを投げかけています。グローバルなAIシステムによるこの新しい「秘密のコード」を使えば、高価でハイテクな樹木の3Dマップが存在しない場所でも、森林の炭素蓄積量を正確に数えることができるのだろうか？ということです。

---

森林の秘密のコード

この研究において、コネチカット大学の2人の研究者は、この新しい「秘密のコード」を北東アメリカの森林でテストすることに決めました。彼らは、Google Satellite Embeddings (GSE) と呼ばれる強力な新しいツールを使用して、樹木に蓄えられている木材の量を推定できるかどうかを確かめたいと考えました。

課題を理解するために、あなたがバックパックの重さを予想しようとしている場面を想像してみてください。

• 従来の方法 (LiDAR): あなたはバックパックの正確な高さと形を測定する3Dスキャナーを持っています。非常に正確ですが、そのスキャナーを目の前にある場合にしか使えません。現実の世界では、これが LiDAR です。森林の詳細な3Dマップを作成するレーザー技術です。素晴らしいものですが、学校全体のバックパックのうち、数個にしか3Dスキャナーを持っていないようなもので、希少で高価です。
• 新しい方法 (GSE): あなたは、宇宙、天気予報、地図から何百万ものバックパックを見てきた、非常に賢いAIを持っています。そのAIはバックパックを直接見ているわけではありませんが、周囲の状況に基づいて、バックパックが通常どのような見た目であるかを記述する「秘密のコード」（64個の数字のリスト）を学習しています。これが Google Satellite Embedding です。これは世界中のあらゆる場所で、毎年利用可能ですが、「ブラックボックス」であるため、少し謎めいています。仕組みが機能していることは分かっていますが、どの数字が「高い木」を意味し、どの数字が「厚い葉」を意味するのか、正確には分からないのです。

実験：ツールの組み合わせ

研究者たちは、数十年にわたって人間によって行われてきた森林測定の膨大な記録簿である Northeastern Forest Inventory Network (NEFIN) からデータを収集しました。彼らには主に2つの目標がありました。

1. 「秘密のコード」(GSE) 単独で、森林の重量を推測できるか？
2. 「秘密のコード」を3Dレーザーマップ (LiDAR) と混ぜ合わせることで、さらに優れた推測ができるか？

彼らはこれらの情報をすべて、3種類の異なるコンピュータの「脳」（Random Forest、XGBoost、ExtraTrees と呼ばれます）に投入し、どれが最も学習できるかを検証しました。

結果：勝利の組み合わせ

以下に彼らの発見を記します。これは非常にエキサイティングな結果です。

• 3Dレーザーマップは依然として王様である: 3Dレーザーマップ (LiDAR) のみを使用した場合、コンピュータモデルは設定の微調整（ファインチューニング）を行った後、0.79 という精度スコア（R²）に達し、非常に優れた成果を出しました。これは、モデルが森林の重量の変化の約79%を説明できることを意味します。
• 秘密のコードは強力な準優勝である: 「秘密のコード」(GSE) のみを使用した場合でも、モデルは小さなデータセットを用いて 0.67 という精度に達し、驚くほど上手くいきました。これは、AIの秘密のコードが、3Dレーザーマップがなくても、森林について多くのことを知っていることを証明しています。
• チームワークの力: 絶対に最高の成績は、3Dレーザーマップと「秘密のコード」を組み合わせた時に得られました。この強力なタッグにより、精度は 0.79 まで押し上げられました。これは、2つの手法が完璧に補完し合っていることを示しています。結局のところ、3Dマップはコンピュータに「木がどれくらい高いか」を教え、秘密のコードは「どのような種類の森林か」や「時間の経過とともにどう変化しているか」を教えているのです。これらが合わさることで、完璧なペアとなります。

大きな突破口：ギャップを埋める

最も驚くべき発見は、彼らが3Dレーザーマップのことを気にしなくなった時に起こりました。「秘密のコード」(GSE) は世界中で毎年利用可能であるため、研究者たちははるかに多くのデータを使用することができました。彼らは研究対象を、わずか 589 の森林プロットから、膨大な 6,801 のプロットへと拡大しました。

この膨大なデータを使用し、コンピュータに「秘密のコード」のみから学習させることで、彼らは最高精度である 0.82 を達成しました。

これが将来にとって何を意味するか

この研究は、森林を監視するために必ずしも高価な3Dレーザーマップを必要としないことを示唆しています。優れた地上測定データ（NEFINの記録簿のようなもの）があり、この新しいグローバルな「秘密のコード」を使用すれば、レーザースキャナーを飛ばしたことがない場所であっても、地域全体の森林炭素蓄積量の正確なマップを作成できるのです。

研究者たちは、年間の成長調整とGSEデータを使用しないモデルと比較して、この方法を用いることで モデルのバイアスを70%以上削減 できることを見出しました。また、コンピュータの設定を微調整するプロセス（ハイパーパラメータ最適化と呼ばれます）によって、結果をより安定させ、信頼性を高めることができることも示しました。

結論

3Dレーザーマップは、依然として小さく詳細なエリアにおいては最も精密なツールですが、このGoogleのAIによる新しい「秘密のコード」は、大規模なモニタリングにおけるゲームチェンジャーです。それは、レーザーマップが存在しない場所のギャップを埋めることを可能にします。この研究は、これらの新しいAIツールを伝統的な森林データと組み合わせることで、ようやく森林がどれだけの炭素を蓄えているかを、年ごとに、より細かく監視できるようになり、私たちの地球の気候をこれまで以上に効果的に理解し、守っていくことができると結論付けています。