機械学習を用いた河川における医薬品の生態学的リスクのグローバルマッピング：ドライバー、ホットスポット、および複合的な水ストレス

科学分野:

• 環境化学
• 生態毒性学
• 機械学習の応用

背景:

• 医薬品は不可欠であるが、広範な環境汚染物質でもある。
• スケールのため、世界の水域における医薬品リスクの監視は困難であり、知識のギャップが生じている。
• 既存のモデルは解釈可能性を欠くことが多く、効果的なリスク評価を妨げている。

研究 の 目的:

• 医薬品の生態学的リスクを定量化するための解釈可能な機械学習フレームワークを開発すること。
• 医薬品汚染に影響を与える主要なドライバーとその相互作用を特定すること。
• 医薬品生態学的リスクの高解像度グローバルマップを作成すること。

主な方法:

• SHapley Additive exPlanations（SHAP）と構造方程式モデリング（SEM）の統合。
• 解釈可能なリスク評価のための機械学習フレームワークの開発。
• 2 km解像度のグローバル河川ネットワークリスクマップの生成。

主要な成果:

• 米国中部、中国南部、インド北部、中央/西ヨーロッパ、およびブラジル南部で医薬品汚染のホットスポットを特定しました。
• 水理地質学的要因（26.3％）が主要なドライバーであり、社会経済的および気候的要因は間接的な影響を及ぼしました。
• 医薬品リスク、水質悪化、および水不足の共起をマッピングし、黄河、 συτλεζ川、ナイル川などの懸念の高い河川をハイライトしました。

結論:

• 解釈可能なSHAP-SEMフレームワークは、医薬品生態学的リスクとそのドライバーを効果的に定量化します。
• 本研究は、医薬品汚染のターゲットを絞った監視と緩和のための空間的に明示的な基盤を提供します。
• 適応可能なフレームワークは、他の新興汚染物質の評価に拡張できます。