GAN-Based Sample Augmentation for Improving Above-Ground Biomass Inversion of Salt Marsh Vegetation Using Multi-Source Remote Sensing Data

沿岸湿地は地球上で最も効率的な炭素吸収源の一つであり、温室効果ガスを大気中から引き寄せ、土壌や植物組織の中に閉じ込める強力な自然のエンジンとして機能しています。これらの生態系は「ブルーカーボン」と呼ばれる生息地であり、塩分を含んだ潮汐条件下で特殊な植物が繁茂する塩性湿地などが含まれます。これらの領域がどれほどの炭素を貯蔵しているかを理解するために、科学者たちは「地上部バイオマス」を測定しなければなりません。これは、単に土壌の上に成長しているすべての生きた植物材料（茎、葉、枝）の総重量のことです。伝統的に、この数値を取得することは、研究者が泥だらけのフィールドに足を踏み入れ、手作業で植物を刈り取り、オーブンで乾燥させ、重さを量るという、時間がかかる労働集約的なプロセスを必要としてきました。この方法は正確ではありますが、ごく一部の土地しかカバーできないため、広大で遠隔地にある湿地の全体像を把握することは困難です。

この問題を解決するために、研究者たちは景観全体を一度に見ることができる人工衛星を利用しようとしていますが、これらの宇宙ベースのツールは、データを正しく読み取る方法を学ぶための「地上真値（グラウンド・トゥルース）」を必要とします。中国の遼河湿地における新しい研究は、巧妙な人工知能技術を用いて現実的な「仮想」サンプルを作成することで、地上での実測値が不足しているという課題に取り組んでいます。衛星画像と限られた実測データを組み合わせることで、研究チームは地域全体の植物の重量を驚くべき精度で推定する手法を開発しました。彼らの研究は、あらゆる平方メートルを訪れることなく、これらの重要な生態系を監視する方法を提供し、炭素貯蔵量を追跡することを可能にします。

遼河（りょうが）湿地は、遼河が渤海（ぼっかい）に流れ込む場所に位置しており、広大な潮汐平野と塩分に強い植生が広がっています。そこは、背の高い葦のような植物であるPhragmites australis（ヨシ）と、背の低い塩分耐性を持つ草本であるSuaeda glauca（スアエダ・グラウカ）という2つの主要な植物タイプが支配する場所です。これらの植物は地域の炭素循環において極めて重要ですが、その分布は潮汐や季節とともに複雑に変化します。バイオマスをマッピングするために、研究チームはまず数年間にわたって現実世界のデータを収集し、7月、11月、9月に特定の地点を訪れて植物の乾燥重量を測定しました。彼らはこれらの測定値を、地球表面のさまざまな色の光（人間の目には見えない光も含む）を捉える欧州宇宙機関（ESA）のセンチネル2衛星の画像と組み合わせました。

課題は、チームが持っていた実測地点がわずか53箇所であり、128,000ヘクタールの湿地全体を正確に予測するためのコンピュータモデルを訓練するには少なすぎたことでした。コンピュータが少なすぎる例から学習すると、未知の領域に直面したときに失敗することがよくあります。これを克服するため、研究者たちは、競い合うプログラムのペアのように機能する人工知能の一種である「敵対的生成ネットワーク（GAN）」を採用しました。一方のプログラムである「生成器（ジェネレーター）」は、実測値と全く同じに見える偽のデータを生成しようとし、もう一方の「識別器（ディスクリミネーター）」は、その偽物を見破ろうとします。このゲームを何度も繰り返すことで、生成器は、実世界の統計的なパターンと区別がつかないほど優れた合成サンプルを作成できるようになります。

この手法を用いて、チームは53個の実サンプルから、より大規模なトレーニングセットである600個のサンプル（各植物タイプにつき300個）へと拡張しました。これらの新しい仮想サンプルは、単なるランダムな推測ではありません。それらは、背の高い葦が一般的に特定の衛星信号に対応するといった、実世界で見られる正確な統計的パターンや関係性を保持していました。研究者たちは、この拡張されたデータセットを用いて、衛星信号と実際の植物の重量との間の複雑で非線形な関係を学習するために、脳のようなコンピュータモデルであるニューラルネットワークを訓練しました。彼らはこのアプローチを他の一般的な機械学習手法と比較し、拡張されたデータによって強化された彼らのニューラルネットワークが、一貫して他を凌駕することを発見しました。

結果は、精度の著しい向上を示しました。背の高い葦については、モデルの正しい重量を予測する能力が大幅に向上し、元の小さなデータセットのみで訓練されたモデルと比較して、誤差率が1平方メートルあたり100グラム近く減少しました。小さな草本についても改善は明らかであり、モデルはバイオマスの推定においてより信頼性の高いものとなりました。チームが、2024年9月の衛星画像を用いて、彼らの最も優れた性能を持つモデルを湿地全体に適用したところ、景観全体にわたる植物の重量の詳細なマップが作成されました。そのマップは、河口の上流部に集中している背の高い葦が平均514.22 g/m²の重量を保持している一方で、より開けた下流の泥湿地に存在する小さな草本は平均230.07 g/m²であることを明らかにしました。

この研究は、人工知能が、限られたフィールドワークと大規模な環境モニタリングの必要性ととの間の溝を効果的に埋められることを証明しています。現実的な仮想データを生成することで、科学者は、地上での実測値が乏しい場合でもうまく機能する、より堅牢なモデルを構築できます。これらの知見は、遼河湿地が重要な炭素貯蔵庫であることを裏付けており、特に背の高い葦がバイオマスの大部分を蓄えています。このアプローチは、沿岸湿地の健康状態と炭素貯蔵能力を評価するための信頼性と拡張性のあるツールを提供し、これらの重要なブルーカーボン生態系を理解し保護するための世界的な取り組みを強力に支援するものです。