Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
岸田 敬吾*; 山本 久美子*; 菊地 正博; 亀谷 宏美*; 下山 雄平; 小林 泰彦; 等々力 節子*; 中村 秀夫*; 鵜飼 光子*
no journal, ,
本研究ではESRによる照射食品検知法の対象になっていない照射大豆において、ESR計測が検知に導入できるかどうか検討するため、照射によって食品に誘導されるラジカルの解析を緩和時間から検討した。5kGy, 10kGy, 30kGy照射した大豆皮でESR測定に成功し、メイン(M)信号とサイド(S1, S2)信号を得た。大豆実では信号の観測ができなかった。M信号は照射量に依存して信号強度が変化し、照射依存性を示したことから、CW-ESRによるM信号の計測は照射大豆の照射処理の検知に応用できることが示唆された。Pulse-ESR測定により直接求めたM信号の緩和時間は吸収線量が上がるにつれてT
・T
ともに増加する傾向にあり、照射依存性を示した。Lundらの方法では照射セルロース由来のラジカル信号の挙動を基に算出している。大豆はタンパク質や油脂も含むので、含有成分の影響があると推察した。以上のことから、照射大豆のESR法による計測では、皮を計測試料として用いることで、照射食品検知法として導入できる可能性があると考えた。
山貫 緋称*; 市井 和仁*; 山本 雄平*; 小槻 峻司*; Sun, L.*; Liang, N.*; 寺本 宗正*; 永野 博彦*; 平野 高司*; 高木 健太郎*; et al.
no journal, ,
Soil respiration (SR) is one of the most essential components of soil carbon cycles. Many observation stations directly measure SR using chambers. In this study, we updated our data-driven estimation of SR across Japan with observation data (eight sites across Japan), remote sensing data (MODIS land products), and random forest regression. As soil meteorological variables, we used soil temperature and moisture by a process-based model, the Simple Biosphere model including Urban Canopy (SiBUC). Our estimation shows a reasonable performance with R
= 0.72 for the in-situ model and R = 0.73 for remote sensing and in-situ combined model on average. Based on the established model, we also produced upscaled estimations of SR across Japan with a spatial resolution of 1 km from 2000 to 2020.
山貫 緋称*; 市井 和仁*; 山本 雄平*; 小槻 峻司*; Sun, L.*; Liang, N.*; 寺本 宗正*; 永野 博彦*; 平野 高司*; 高木 健太郎*; et al.
no journal, ,
Soil respiration (SR) is one of the most essential components of soil carbon cycles. However, large uncertainties remain in its temporal and spatial variations. In this study, we refined our model to estimate SR across Japan with observation data (eight sites across Japan), remote sensing data (MODIS land products), and random forest regression. We newly added soil temperature and moisture by a process-based model, the Simple Biosphere model including Urban Canopy (SiBUC). Our estimation shows a reasonable performance with R=0.72 for the in-situ model and R=0.73 for remote sensing and in-situ combined model on average. Based on the established model, we produced upscaled estimations of SR across Japan with a spatial resolution of 4 km from 2000 to 2020.
市井 和仁*; 山貫 緋称*; 山本 雄平*; Sun, L.*; Liang, N.*; 寺本 宗正*; 永野 博彦*; 平野 高司*; 高木 健太郎*; 石田 祐宣*; et al.
no journal, ,
大気-陸域生態系間のCO等のフラックスの広域推定には、AsiaFluxなどの観測ネットワークが充実したこともあり、機械学習を用いた経験的な手法が広く利用されるようになってきた。土壌呼吸については、統一的な観測手法の確立の難しさなどから、データベース化は進められているものの、統一化されたデータセットは入手が難しく、広域推定においても様々な不確実性が残っていた。本研究では、国立環境研究所らのグループによる統一された観測手法・データ処理手法によるアジア域のチャンバー連続観測ネットワークを利用することにより、まずは、日本域の土壌呼吸量の広域推定を行った。観測ネットワークとして8地点のサイトデータを用い、MODISデータを中心とする衛星観測データセット、気温・地温・土壌水分量といった陸面データセットを入力として機械学習法の一つであるランダムフォレスト法を用いて土壌呼吸の広域推定を試みた。さらに、既存の各種推定結果について、経験的な手法から数値モデルによる手法までの幅広いデータを収集して比較した。
山貫 緋称*; 市井 和仁*; 山本 雄平*; 小槻 峻司*; 寺本 宗正*; Sun, L.*; 永野 博彦*; 平野 高司*; 高木 健太郎*; 石田 祐宣*; et al.
no journal, ,
Soil respiration (SR) is one of the most essential components of soil carbon cycles. However, large uncertainties remain in its temporal and spatial variations. In this study, we updated our data-driven estimation of SR across Japan with observation data (eight sites across Japan), remote sensing data (MODIS land products), and random forest regression. We used soil temperature and moisture by a process-based model, the Simple Biosphere model including Urban Canopy (SiBUC). Our estimation shows a reasonable performance with R=0.70 for the best model. Based on the established model, we estimated SR across Japan with a spatial resolution of 4 km from 2006 to 2018. Intercomparison of our estimation with other available datasets was also conducted to confirm consistent observation approach is important to upscale SR.
山貫 緋称*; 市井 和仁*; 山本 雄平*; 小槻 峻司*; 寺本 宗正*; Sun, L.*; 永野 博彦*; 平野 高司*; 高木 健太郎*; 石田 祐宣*; et al.
no journal, ,
地球温暖化などの気候変動は、人為活動により排出された二酸化炭素(CO)を代表とする温室効果ガス濃度の上昇に起因すると考えられている。土壌から大気へのCO放出(土壌呼吸)は、今後の気温上昇によって増加すると予想されているため、土壌呼吸量を広域で把握することが地球環境の将来予測において重要となる。本研究では、国立環境研究所が中心となって土壌呼吸の連続観測を実施している国内外8地点の観測データを用いて、機械学習手法の一つであるランダムフォレスト回帰を使用した土壌呼吸推定モデルを構築し、日本域の土壌呼吸量を広域推定した。重要度が高いと判断された複数のパラメータを用いて構築されたモデルは、土壌呼吸量を8日平均のスケールで推定し、土壌呼吸の季節変化をとらえていた。広域推定のモデルは緯度にとらわれない推定が可能であり、既往研究のモデルと比べサイト別の土壌呼吸量の差異をより明確に表現していた。
山貫 緋称*; 市井 和仁*; 山本 雄平*; 寺本 宗正*; Sun, L.*; 小嵐 淳; 安藤 麻里子; 永野 博彦*; 平野 高司*; 高木 健太郎*; et al.
no journal, ,
Forest soils act as a CO source via emission through soil respiration and CH
sink via absorption. However, due to insufficient observation and understanding, significant uncertainties remain in their spatio-temporal variations and their underlying mechanisms. In this study, we analyzed the effects of observed soil properties on explaining spatio-temporal variations in observed soil respiration and CH absorption. With the largest observation network across Asia developed and maintained by National Institute for Environmental Studies (NIES) and several observed soil properties such as 
C, organic matter properties, and mineral properties by Japan Atomic Energy Agency (JAEA), we estimated soil respiration and CH absorption across Japan based on random forest regression. Adding C data to the explanatory variables for CO estimation improved the accuracy of the estimation. The importance of mineral properties data as explanatory variables was greater than those of soil meteorological data such as temperature and soil moisture.
山貫 緋称*; 市井 和仁*; 山本 雄平*; 小槻 峻司*; 寺本 宗正*; Sun, L.*; 永野 博彦*; 平野 高司*; 高木 健太郎*; 石田 祐宣*; et al.
no journal, ,
地球温暖化などの気候変動を予測するためには、大気CO濃度を正確に予測することが重要である。陸域生物圏は、全球の炭素循環において人為的に排出されたCOのうち約30%を吸収しており、将来の気候変動によって吸収能力が維持されるか排出に向かうのかは将来予測モデルに大きく依存し明らかになっていない。したがって、陸域生物圏のCO排出量を正しく推定することは、将来の気候変動を予測する上で最重要な課題である。本発表では、統一された観測手法で計測されている世界最大の土壌呼吸(土壌からのCO排出量)観測ネットワークのデータベースと気象データ、衛星観測データに加え、土壌炭素量などの土壌特性データを使用し、機械学習手法を用いて日本域の土壌呼吸量を広域推定した結果を紹介する。説明変数の重要度などから土壌呼吸量の時間・空間的な変動の決定要因とその重要性を示す。
/CH budget by integrated analysis of soil observation data山貫 緋称*; 市井 和仁*; 山本 雄平*; 寺本 宗正*; Sun, L.*; 小嵐 淳; 安藤 麻里子; 永野 博彦*; 平野 高司*; 高木 健太郎*; et al.
no journal, ,
Soils exchange greenhouse gases (GHGs) such as carbon dioxide (CO) and methane (CH) with the atmosphere. In general, forest soils act as a source of CO emissions through soil respiration and as a sink for CH through methane oxidation. Recently, spatiotemporal variations in soil respiration and methane absorption have been estimated using field observation data, but the causes of these variations remain uncertain. In this study, we use data from the largest observation network of soil respiration and methane absorption in Asia and satellite observation data, and apply machine learning methods to estimate observed soil respiration and methane absorption. Using machine learning methods, we analyzed the influence of soil property data in explaining the observed spatiotemporal variation in soil respiration and methane absorption. Even when the feature importance of the soil properties was relatively small, it was found to have a significant impact on the accuracy of the estimation.
収支の解明山貫 緋称*; 市井 和仁*; 山本 雄平*; 寺本 宗正*; Sun, L.*; 小嵐 淳; 安藤 麻里子; 永野 博彦*; 平野 高司*; 高木 健太郎*; et al.
no journal, ,
森林土壌は土壌呼吸を通じてCO排出源として働く。近年,現地観測データを用いて土壌呼吸量の時空間変動が推定されている。しかしながら、使用データの観測手法が不均一であり、また、土壌呼吸量の時空間変動が単に気候要素のみで決定されず、その変動要因には大きな不確実性が残っていた。本研究では、アジア最大の土壌呼吸観測ネットワークデータ、土壌特性・有機炭素特性・微生物特性データ、衛星観測データなどを使用し、機械学習手法を用いて日本域の土壌呼吸量を推定した。各パラメータの特徴量の重要度を比較した結果、地温の重要度が最も大きいことがわかった。これにより、対象サイトにおいて、地温が土壌呼吸量の時系列変化の大部分を説明していることが明らかになった。一方で、気象データとともに土壌有機炭素の放射性炭素(C)同位体比などの土壌パラメータを用いることでより土壌呼吸量の推定精度が向上した。