Forecasts for 80% of wild populations and communities predict no change, and why

この論文は、約 4 万の個体群と 1 万の群集を対象とした予測分析により、生物多様性の多くが短期的には変化せず、方向性のある変化がないことがむしろ例外的ではなく規範的である可能性を示しています。

要約

この論文は、世界中の生物の個体数や群集（生き物の集まり）のデータを分析し、「近い将来、生物の数はどうなるのか？」という問いに答えた研究です。

結論から言うと、**「多くの生き物の数は、近い将来『変わらない』と予測される」**という、少し意外な結果が導き出されました。

専門用語を排し、日常の例えを使ってこの研究の内容を解説します。

---

🌍 物語：「悲観的な予言」vs「現実のデータ」

私たちがよく耳にするのは、「生物多様性の危機！絶滅が加速している！」というニュースです。確かに、過去を振り返れば、多くの種が激減しているのは事実です。

しかし、この研究は**「未来の予言」**に焦点を当てました。
「過去のデータを見て、今後 10 年くらいでどうなるか」を、統計という「水晶玉」を使って予測したのです。

その結果、驚くべきことに、調査した約 4 万 3000 種類の「個体」や 1 万種類の「集まり」のうち、約 8 割は「今後、増でも減でもない、今のまま（一定）」と予測されました。

🔍 使われた「魔法の道具」：不透明な箱（UCM）

研究者たちは、複雑な自然のデータを見るために「不透明な箱モデル（Unobserved Components Models）」という統計ツールを使いました。

これを**「天気予報」**に例えてみましょう。

• 過去のデータ：昨日までの気温や湿度の記録。
• 予測モデル：「明日は雨か晴れか」を計算するプログラム。

この研究では、プログラムに「最もシンプルで、過剰な仮定をしないモデル」を選ばせました。
「データに少しの波（変動）があっても、それが本当に『上昇』や『下降』のトレンドなのか、それとも単なる『ノイズ（気まぐれな変動）』なのか」を見極めるのです。

【東部モナークチョウの例え】
論文には、東部モナークチョウ（蝶）の例が出てきます。

• 目で見ると：「2013 年に激減して、その後少し増えた！だから『回復傾向』だ！」と見えるかもしれません。
• 統計モデルが言うと：「いや、その増減は単なる『気まぐれな波』に過ぎない。未来を予測するなら、**『今の平均レベルで安定している』**と考えるのが最も確実だ」と言います。

つまり、**「一見するとトレンド（傾向）があるように見えても、統計的には『変化なし』と判断されることが多い」**のです。

🎲 なぜ「変化なし」が多いのか？

なぜ、8 割もの生物が「変わらない」と予測されたのでしょうか？研究者は、**「変化の大きさのバラつき（変動）」**が鍵だと気づきました。

• 例え話：サイコロとコイン
  • 生物の個体数は、毎年サイコロを振ったように上下します（夏は増え、冬は減る、天候で変わるなど）。
  • この「上下の揺れ」が非常に激しい場合、統計モデルは「これは単なるノイズだ。未来の方向性は読めない。だから『平均値で一定』と予測しよう」と判断します。
  • 逆に、**「揺れが小さくて、かつ一方向にコツコツと動いている」**場合だけ、「増加」や「減少」というトレンドとして予測されます。

しかし、自然界のデータは、この「一方向にコツコツ動く」状態よりも、「激しく揺れ動く」状態の方が圧倒的に多いのです。そのため、モデルは「変化なし」という結論を出しやすくなります。

🧬 生物の「性格」も関係している

さらに面白い発見があります。それは、**「どの生物か（分類）」や「どこにいるか（場所）」**によって、予測が変わるということです。

• 脊椎動物（鳥や哺乳類など）：比較的、数が増減する傾向が見えやすい。
• 無脊椎動物や植物：変動が激しく、「変化なし」と予測されやすい。

これは、生物それぞれが持つ「生活のスタイル（寿命、繁殖の速さなど）」が、データの揺らぎに影響を与えていることを示しています。

💡 私たちへのメッセージ：何が重要なのか？

この研究は、「生物は絶滅していない」と言っているのではありません。
**「過去の悲劇的な減少が、自動的に未来も続くとは限らない」**という重要なメッセージを伝えています。

1. 「変化なし」は異常ではない：
   多くの生態系は、激しい変動を繰り返しながらも、長期的には「今の状態を維持しようとする力」を持っているかもしれません。
2. 短いデータは危険：
   数年だけのデータを見ると、「急増！」「急減！」と錯覚しやすいですが、それは単なる「一時的な波」かもしれません。長い目で見る必要があります。
3. シンプルさが最強：
   複雑な未来予測をする前に、まずは「シンプルに、今の状態が続く」と仮定するのが、最も確実な予測方法であることが多い、という教訓です。

🏁 まとめ

この論文は、**「生物多様性の危機は確かにあるが、近い将来の予測においては、多くの種が『今のまま』で推移する可能性が高い」**と示しました。

まるで、**「嵐のような海（変動）」の上を航行する船のように、生物の数は激しく揺れ動いていますが、「目的地（平均値）」**は大きくは動いていないのかもしれません。

この知見は、私たち conservation（保全）の活動において、「パニックにならず、しかし油断もせず、長期的な視点で生物を見守る」ことの重要性を教えてくれています。

技術概要

以下は、Claudio Bozzuto と Anthony R. Ives による論文「Forecasts for 80% of wild populations and communities predict no change, and why（野生個体群および群集の 80% に対する予測は変化なしを示し、その理由）」の技術的な要約です。

1. 研究の背景と問題提起

• 現状の認識: 生物多様性の危機に関する回顧的（過去データに基づく）分析では、種数や個体数の減少が報告されている一方で、増加や横ばいも見られ、複雑な実態が明らかになっている。しかし、将来の傾向を予測する「前向き（prospective）」な分析、特に意思決定に直結する「近未来（10 年以内）」の予測は相対的に少ない。
• 課題: 従来の予測研究は、気候変動などの人為的ドライバーを長期的なシナリオに基づいて扱うことが多い。しかし、生態系データ（時間系列）の特性を考慮した、統計的に簡潔かつ頑健なモデルによる近未来予測の全体像は不明瞭である。
• 核心的な問い: 典型的な生態学的時間系列データから、最も簡素で頑健な統計モデルを用いて予測した場合、生物多様性の変化（増加・減少）はどの程度予測されるのか？

2. 研究方法

• データセット:
  • 世界中の 6 界（Kingdoms）に属する 64 分類群から収集された、約 43,403 の「個体群レベル（population-level）」および 10,409 の「群集レベル（community-level）」の時間系列データ（BioTIME, GBIF, LPI などの 10 のデータベースを使用）。
  • 条件：5 年以上の期間、欠損値が 25% 以下、最初の値と最後の値が非欠損かつ非ゼロ。
• 統計モデル（非観測成分モデル：UCMs）:
  • 状態空間モデル（State-space models）の一種である Unobserved Components Models (UCMs) を使用。これにより、観測誤差とプロセス誤差を明示的に分離できる。
  • 4 つのモデルを比較し、AICc（小標本補正付き赤池情報量基準）で最良のモデルを選択：
    1. 決定論的定数モデル (Deterministic constant): 平均が一定（トレンドなし）。
    2. 決定論的トレンドモデル (Deterministic trend): 平均が線形に増減。
    3. 局所レベルモデル (Local level): 平均がランダムウォーク（確率的に変化）するが、トレンド成分はなし。
    4. 滑らかなトレンドモデル (Smooth trend): 平均がランダムウォークするトレンド成分を含む。
  • 予測の定義: モデル 1 と 2 は「定数平均（変化なし）」の予測、モデル 3 と 4 は「時間トレンド（増減）」の予測として分類。
• 要因分析:
  • 予測結果（定数平均 vs. 時間トレンド）を説明する要因を特定するため、ランダムフォレスト分類器と SHAP（Shapley Additive ExPlanations）分析を使用。
  • 特徴量：変化率の平均（mean(RoC)）と分散（var(RoC)）、時系列の長さ、データ品質、分類学的情報、生息地、生活史形質（脊椎動物のみ）など。

3. 主要な結果

• 予測結果の分布:
  • 個体群レベル: 全データのうち**76.5%が「定数平均（変化なし）」の予測となり、トレンド（増加・減少）が予測されたのは23.5%**のみ（増加と減少はほぼ同数）。
  • 群集レベル（α多様性・β多様性）: 「定数平均」の予測割合はさらに**84.0%**に上昇。
  • ベースラインモデル: 最も単純な「決定論的定数モデル」が、個体群の 51.2%、群集の 69.6% で最良モデルとして選択された。
• 変化なしを予測する主な要因:
  • 変化率の分散（var(RoC)）: 予測が「定数平均」になるかどうかを決定する最も重要な特徴量。時系列内の年次変動（ノイズや短期的な揺らぎ）が大きいほど、定数平均として予測される傾向が強まる。
  • 生物学的構造: 分類群（taxonomy）や生息地（locality）も予測に有意な影響を与える。例えば、脊椎動物は無脊椎動物に比べてトレンドが予測されやすい傾向がある。
  • プロセス分散との関係: var(RoC) は観測誤差よりも「プロセス分散（生態系固有の動態）」と強く相関しており、これは単なる観測ノイズではなく、生物学的な変動を反映していることを示唆。
• 時系列の長さ:
  • 短い時系列（15 年未満）では誤ったトレンド（偽のトレンド）が検出されやすいが、時系列が長くなるほど「定数平均」の予測確率が高まる。

4. 論文の貢献と意義

• パラダイムの転換: 「生物多様性は常に減少している」という一般的な認識に対し、統計的に簡潔なモデルを用いた近未来予測では、「変化がない（定数平均）」ことがむしろ標準的（ノーマル）であることを示した。これは、過去のトレンドが自動的に将来も続くわけではないことを意味する。
• 方法論的洞察:
  • 視覚的にトレンドに見えるデータでも、変動を正しく考慮した統計モデル（UCM）では「変化なし」と予測される場合が多いことを実証。
  • 生態学的時間系列データにおいて、短期的な変動（var(RoC)）が大きいことが、長期的な方向性（トレンド）の検出を困難にしている主要因であることを特定。
• 保全への示唆:
  • 短期的な意思決定においては、単純なトレンド外挿よりも、変動の特性や生物学的構造を考慮した予測が重要。
  • 生物多様性の危機は否定しないが、すべての系統で均一的な減少が起きているわけではなく、系統や地域ごとの文脈（コンテキスト）を考慮した保全戦略が必要であることを強調。

5. 結論

本研究は、世界中の多様な生物群集を対象とした大規模な時間系列分析を通じて、簡潔な統計モデルを用いた近未来予測の多くが「変化なし」を示すことを明らかにした。これは、生態系データが持つ高い変動性（var(RoC)）と、生物学的な構造が予測結果に大きく影響するためである。生物多様性の保全においては、単なる「減少」という物語だけでなく、変動の性質や「変化しない」状態の普遍性を理解することが、より現実的で実用的な意思決定に寄与すると結論づけている。