福島地域の環境線量率変動の解明：説明可能なAI技術を用いた可視化

科学分野:

• 環境科学
• 放射線モニタリング
• 人工知能

背景:

• 2011年の福島第一原子力発電所事故により、広範囲に放射性物質が降下した。
• 環境線量率は崩壊と除染により減少したが、特に森林では空間的なばらつきが残存している。

研究 の 目的:

• 説明可能なAI（XAI）を用いて長期的な環境線量率の変化を調査する。
• 線量率低減の経時的および空間的パターンを12年間にわたり分析する。
• 特に森林地域における線量率低減に影響を与える要因を特定する。

主な方法:

• 多様な調査データ（定点、歩行、车载、航空）を統合した環境線量率マッピング。
• 線量率低減率の予測モデル（Light Gradient Boosting Machine）の開発。
• モデルの解釈可能性と変数寄与分析のためのSHapley Additive exPlanations（SHAP）の適用。

主要な成果:

• 土地利用は線量率低減に大きく影響し、都市部および農耕地は森林よりも速い低下を示した。
• 地形的特徴（標高、傾斜）は森林内の傾向に影響を与え、谷や窪地では停滞が観察された。
• XAIは変数の寄与を効果的に定量化し、除染効果の空間的変動の背後にある要因を明らかにした。

結論:

• 森林は、持続的な汚染と地形的影響により、都市部および農耕地と比較して環境線量率の低減が遅いことを示した。
• 説明可能なAIは、環境放射線データを分析し、除染効果を検証するための有用なツールである。
• 提案された地理空間的アプローチは、事故後の地域の復興と森林管理のための情報に基づいた政策立案を支援する。