アマゾン氾濫原湖における洪水パルス駆動型クロロフィルaダイナミクスの20年間

科学分野:

• 水生生態学
• リモートセンシング
• 機械学習

背景:

• アマゾン氾濫原湖は世界的に重要であるが、水文学的変動性、濁度、光学的な複雑さのために監視が困難である。
• アマゾン洪水パルスや人間活動の影響などの要因に影響される水質ダイナミクスの理解には、効果的な監視が不可欠である。

研究 の 目的:

• 広大なアマゾン氾濫原湖であるキロアイ湖におけるクロロフィルa（Chl-a）のダイナミクスを調査すること。
• 衛星データを用いた長期的なChl-a監視のためのスケーラブルな機械学習モデルを開発および検証すること。

主な方法:

• 現地測定（2001-2024年）とMODIS表面反射率データを統合しました。
• 機械学習フレームワークを採用し、サポートベクター回帰（SVR_Optuna）を最適化し、モデル解釈のために説明可能な人工知能（XAI）を利用しました。
• R²およびRMSEを用いてモデル性能を検証し、ピクセルごとの不確実性指標を評価しました。

主要な成果:

• 最適化されたSVRは、Chl-aの予測において高い精度（R² = 0.855）を達成しました。
• 水位低下期および低水位期に季節的な最大値を示す、24年間のChl-a変動を再構築しました。
• XAIは、赤色およびレッドエッジのスペクトル特徴量がChl-a予測にとって重要であることを確認しました。

結論:

• 開発された機械学習アプローチは、アマゾン氾濫原湖における体系的なChl-a監視のためのスケーラブルな方法を提供します。
• このツールは、水文学的接続性、干ばつ、人間活動の影響に応じた水質変化の評価に不可欠です。
• Chl-aダイナミクスの理解向上は、これらの脆弱な水生生態系の管理に役立ちます。