AquaClim-Atlas India (1990–2025): A Geospatial Database of Aquaculture Land Transitions and Climate Exposure Across Coastal India

技術要約：AquaClim-Atlas India (1990–2025)

問題提起
養殖業は、世界で最も急速に成長している動物性食品生産部門であり、沿岸部の景観を急速に変貌させている。しかし、養殖業の拡大と気候関連の環境ストレス要因との関係については、依然として十分に理解されていない。既存の研究は、時間的な連続性、歴史的な深み、および統合された環境的文脈を欠いた断片的なデータセットによって阻害されている。具体的には、現在の製品は以下の課題を抱えている：

1. 年間の継続的な観測が欠如しており、拡大、集約化、および放棄のダイナミクスを不明瞭にしている。
2. 高解像度のセンサー（例：Sentinel）に依存しているため、主要な移行が始まった1990年代や2000年代初頭の状況を再構築することができない。
3. 土地利用データと、一貫した空間単位における共存する環境ストレス要因（塩分濃度、高潮など）および社会経済指標を結合できていない。
4. バリデーション（妥当性確認）の枠組みが不一致であり、比較および長期的な分析を困難にしている。

これらのギャップは、緩やかに進行するストレス要因（例：塩類化）や極端な事象（例：高潮）が養殖業の移行を駆動しているのか、また、それらの移行が気候適応なのか、あるいは適応失敗（maladaptation）なのかという仮説の体系的な検証を妨げている。

手法
AquaClim-Atlasは、インドのオリッサ州、アーンドラ・プラデーシュ州、タミル・ナードゥ州の27地区、31,088の沿岸村落を対象とした、村レベルの縦断的な地理空間データベースである。対象期間は1990年から2025年である。分析単位は国勢調査に基づく村（Census village）であり、WGS 84 (EPSG:4326) に整合されている。本手法は、以下の6つの主要な変数カテゴリを統合している：

• 養殖土地利用分類:

  • データ: 大気補正済みのLandsat 5 TM (1990–2012) および Landsat 8 OLI (2013–2025) を30 m解像度で使用。Sentinel-2 (2024) および Google Earth Archive (2011) を参照画像として使用。
  • 処理: ノイズを最小限に抑え、スペクトル関係を維持するために、ジオメディアン・リデューサー（geomedian reducer）を用いてコンポジットを作成。
  • 分類: 監督付きランダムフォレスト分類器を用い、「活動中の養殖」、「乾燥／放棄された養殖」、「非養殖」の3つのクラスを識別。学習には、Jagatsinghpur（オリッサ州）のフィールド観測に加え、Landsat 8を用いた274の活動地点と220の乾燥地点、およびLandsat 5を用いた238の活動地点と180の乾燥地点を使用した。
  • 整合化: センサー期間間の不連続性の評価において、養殖推定値に統計的に有意な断絶は見られなかったため、元のスケールを維持した。

• 土壌塩分モデリング:

  • データ: 2024年2月に収集された113件の地理指定済み土壌サンプルと、整合化されたLandsat画像を組み合わせた。
  • 処理: Landsat 5 TMとLandsat 8 OLIを、中間層としてのLandsat 7 ETM+を介して整合させるための、2段階のランダムフォレスト・ハーモナイゼーション・フレームワークを使用した。
  • モデリング: CoSalアンサンブル塩分モデルを適用し、年次推定値を生成。米の生産性を低下させる閾値である1,900 µS/cmを超える領域を集計した。
  • 正規化: 塩分データのセンサー固有の不連続性が残存しているため、Landsat 5期とLandsat 8期で個別にzスコア正規化を行った。

• 高潮曝露:

  • データ: SURGEDATデータベース (1864–2011) からサイクロンの上陸地点と高潮の高さを提供。地形はCopernicus DEM (GLO-30) から導出した。
  • 再構築: 高潮の高さ、内陸への浸透、および海岸幅に基づき、浸水域を表す空間バッファを生成。村の境界が浸水域と交差し、かつ記録された高潮の高さよりも低い標高を含んでいる場合に、その村を「影響を受けた（affected）」と分類した。
  • 変数: 生成された first_surge_year（最初の高潮年）、累積バイナリ変数 postSurge（高潮後）、および塩分と高潮曝露を統合したカテゴリ変数 Saline_Storm_Category（塩分・高潮カテゴリ）。

• 共変量:

  • 気候: IMD（インド気象局）の格子データから導出された年間降水量。
  • 地球物理: Copernicus DEMからの標高 (DEM_avg) および海岸からの距離 (Sea_Dist)。
  • 社会経済: 人口密度（GHSLの5年ごとの格子から補間）、世帯数、識字率、および土地利用構成（農業／都市）を、2011年国勢調査およびCopernicus Global Land Coverから取得。

主な貢献

1. 統合的な縦断的データベース: 35年間（1990–2025年）にわたり、年次の養殖土地利用の変遷を、モデル化された土壌塩分、高潮履歴、および社会経済的共変量と、村レベルで空間的に明示的に結びつけた初のデータベース。
2. 手法の整合化: マルチセンサー（Landsat 5/8）データを整合させ、数十年にわたる時間的一貫性を確保するための、堅牢なハーモナイゼーション・フレームワーク。
3. 粒度の高い解像度: 31,088のユニットという村レベルのデータを提供し、地域的または国家的な集計では失われがちな、局所的な適応経路や空間的スピルオーバー（波及効果）の分析を可能にする。
4. オープンな再現性: すべてのデータ、コード（Python/R/ArcPy）、およびワークフローは、FAIR原則に従い、GitHubを通じて公開されている。

結果とバリデーション

• 分類精度: 養殖分類は高い内部精度を達成（全体精度：Landsat 8で0.93、Landsat 5で0.94、Kappa ~0.90）。Clark UniversityのCGAマップに対する外部検証では、81%から89.5%の範囲で空間的一致を示した。
• 塩分モデリング: CoSalモデルは90%の内部テスト精度を達成。独立したバングラデシュのサンプルを用いた外部検証では、精度64%、適合率（precision）75%となり、地理的な差異にもかかわらず、陽性予測における堅牢性を示した。
• 時間的一貫性: 不連続性分析により、センサーの移行に伴う養殖推定値の重大な構造的断絶がないことが確認された。塩分推定には、センサー固有のシフトを補正するためにzスコア正規化が必要であった。
• 構造的整合性: 変数間のクロスバリデーションにより、理論的期待が確認された：高潮への曝露は、より高い塩分濃度および低い標高と相関しており、養殖の範囲は、影響を受けた地域における塩分ストレスとの期待される逆の関係を示している。
• 記述的傾向: 記述的分析は、1990年から2025年にかけての相当な養殖業の拡大を示しており、それは塩分リスクおよび歴史的な高潮事象への曝露が高い村々に不均衡に集中している。

意義
本論文は、AquaClim-Atlasが、沿岸地域における結合された人間・環境システムを理解するための決定的なギャップに対処していると主張している。このデータベースは、土地利用の変遷と、緩やかに進行する劣化および極端な気候ショックの両方を結びつけることで、以下を可能にする：

• 実証的研究: 環境ストレス要因が、養殖業への（あるいは養殖業からの）閾値的な移行を触媒しているかどうかの仮説検証。
• フィードバック分析: 養殖業の拡大が、強化される環境フィードバック（例：塩類化の増大）を生み出しているかどうかの評価。
• 政策的関連性: アジアやアフリカの脆弱な沿岸地域における気候関連の養殖業の変遷を研究するための、スケーラブルなテンプレートを提供し、エビデンスに基づく適応計画、食料安全保障研究、および災害リスク軽減を支援する。

著者らは、このデータセットを決定的な因果関係の証明としてではなく、研究者が断片的なデータを超えて、沿岸部の土地システム変化の複雑で経路依存的なダイナミクスを分析することを可能にする、基礎的かつ再現可能なフレームワークとして位置づけている。