Spatiotemporal Estimation of Daily Peatland Gross Primary Production with Landsat Remote Sensing Data in Germany, Estonia and Finland

ビッグピクチャー：地球の「炭素スポンジ」の重さを量る

泥炭地（枯死した植物が堆積した、湿った沼地のような場所）を、巨大で古くからある**「炭素スポンジ」**だと想像してみてください。何世紀もの間、これらのスポンジは空気中から二酸化炭素を吸い込み、地下に蓄えてきました。これは気候を安定させるために極めて重要です。しかし、人間は森林や農地を作るために、これらのスポンジから水を抜いてきました。そして時には、そのダメージを修復するために、再び「湿らせよう」と試みることもあります。

研究者たちが投げかけた大きな問いは、**「これらのスポンドは、現在実際にどれくらいの炭素を吸収しているのか？」**ということでした。

この問いに答えるためには、**総一次生産量（GPP）**と呼ばれるものを測定する必要がありました。GPPは、湿地の植物たちが食べる「日々のランチ」だと考えてください。それは、植物が成長するために空気中から取り込む二酸化炭素の総量です。もし植物がたくさん食べていれば、スポンジは懸命に働いています。もし食べていなければ、スポンジは苦戦しています。

問題点：手作業で測るには大きすぎる

科学者たちはかつて、湿地の真ん中に設置されたセンサー付きの高層タワー（渦相関タワーと呼ばれます）を使って、この「日々のランチ」を測定していました。これらのタワーは、**「非常に正確だが、視野が極めて狭い顕微鏡」**のようなものです。タワーの周囲のごく狭い範囲で起きていることは正確に見ることができますが、1マイル離れた場所で起きていることまでは見ることができません。

泥炭地は広大で複雑（湿っている場所もあれば、乾いている場所もあり、木が生えている場所もあれば、草だけの場所もあります）であるため、わずかな数のタワーを使うことは、たった一つの裏庭に立って、国全体の天気を理解しようとするようなものです。

解決策：衛星という名の「ドローン」

研究者たちは、空からの目としてLandsat衛星を使うことにしました。Landsatを、上空を飛びながら数日おきに風景の写真を撮る**「高解像度のドローン」**だと考えてください。

• 従来の方法： 彼らは以前の低解像度の衛星（MODISなど）を使おうとしましたが、それらは**「霧がかった窓」**越しに風景を見ているようなものでした。詳細がぼやけすぎていたため、排水された森林と、再生中の湿地の間の具体的な違いを見分けることができませんでした。
• 新しい方法： 彼らが使用したLandsatは、**「クリスタルクリアな（透明度の高い）窓」**越しに景色を見ているようなものです。これは30メートル（小さな家ほどのサイズ）の解像度を持っており、植生の特定の「質感」を見分けることができます。

実験： 「レシピ」のテスト

チームは、フィンランド、エストニア、ドイツにある4つの特定の「キッチン」（調査サイト）に注目しました。それぞれのキッチンには、異なる「シェフのスタイル」（管理体制）がありました。

1. 自然／再生： 湿っており、自然に成長している湿地（放置された庭のようなもの）。
2. 排水／管理： 木を育てるために水が抜かれた湿地（手入れされた芝生のようなもの）。
3. 皆伐： すべての木が切り倒されたエリア（新しく刈り取られたばかりの畑のようなもの）。
4. 部分伐採： 一部の木だけが取り除かれたエリア（隙間のある森林のようなもの）。

レシピ：
彼らは、地上タワーからの「ランチ」のデータ（真実）を取り、それを衛星写真と組み合わせました。そして、この情報をランダムフォレスト・モデルに投入しました。

• 比喩： これは、「超優秀な探偵」（AIモデル）を想像してください。探偵は、湿地の写真を何千枚も見せられ、「植物がこれだけのランチを食べた日には、衛星写真はこのような特定の見た目になっていた」と教えられます。
• 探偵はパターンを学習します。「なるほど、近赤外線が強く反射し、地面が涼しく感じられるときは、植物が大量のランチを食べているのだな」と。

分かったこと

「探偵」（モデル）は、かなり優秀な仕事ぶりを見せました。

1. 幅広く通用する： モデルは、湿地が自然の状態であれ、排水された状態であれ、あるいは再生された状態であれ、4カ国すべてにおいて植物がどれくらいランチを食べているかを正確に予測できました。
2. 「秘密の材料」： モデルは、衛星からの2つの特定のヒントが最も重要であることを突き止めました。
   • 近赤外光（NIR）： これは**「健康診断」**のようなものです。健康的で緑豊かな植物は、この目に見えない光を多く反射します。これにより、植物がどれほど「葉が茂り」、密度が高いのかがわかります。
   • 地表面温度（LST）： これは**「温度計」**です。地面がどれくらい暑いか、あるいは冷たいかを教えてくれます。これは、植物がどれくらいの速さで「食べられる」かに影響を与えます。
3. 管理の違いによるパターンの違い：
   • 皆伐サイト： ここでは「食事（生産性）」の非常に明確で強いピークが見られました。木がなくなったことで太陽が直接地面に当たり、新しい草や低木が均一に速く成長したためです。衛星はこの「均一なご馳走」を容易に見つけることができました。
   • 部分伐採サイト： ここはもっと複雑でした。一部の木が残されていたため、日光が斑（まだら）になり、地面は日陰と日向が混ざり合った状態でした。これにより「食事」のパターンはより複雑になり、衛星による予測も完璧とはいきませんでしたが、モデルは依然として妥当な精度を出していました。

結論

この論文は、**「衛星は信頼できる『リモートのシェフの助手』になり得る」**と結論付けています。Landsatの画像とスマートなコンピュータモデルを使うことで、すべての場所にタワーを設置することなく、広大で複雑な景観における泥炭地の炭素吸収量を推定できるようになりました。

• 精度： モデルの予測は、地上での測定値と約57%の確率で一致しました（このような複雑なシステムとしては、堅実なスコアです）。サイトによっては、さらに高い一致率（最大69%）を示しました。
• 限界： モデルは完璧ではありません。非常に特殊で複雑な場所（エストニアのAgali-IIサイトやドイツのサイトなど）では、植生や水の「霧」によって衛星が地面の状態を明確に捉えにくいため、予測に苦戦することがありました。

要約すると： 研究者たちは、高解像度の衛星写真を使うことで、さまざまな管理が行われている泥炭地が、炭素スポンジとしてどれほど機能しているかを「見る」ことができると証明しました。これは、これらの極めて重要な生態系を監視する上での大きな空白を埋めるものです。