Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
小嵐 淳; 安藤 麻里子; 高木 健太郎*; 近藤 俊明*; 寺本 宗正*; 永野 博彦*; 國分 陽子; 高木 正博*; 石田 祐宣*; 市井 和仁*; et al.
no journal, ,
森林生態系における土壌有機炭素の微生物分解(微生物呼吸)は、地球上の炭素循環を駆動する主要なプロセスである。温暖化によって微生物呼吸が増大することで、大気中の二酸化炭素濃度が増加し、温暖化の進行がさらに加速するという悪循環が懸念されている。そのため、様々な地域における微生物呼吸量を正しく把握し、それらを規定する要因を明らかにすることが、今後の温暖化影響を定量的に評価・予測するために必要不可欠である。したがって、我々の究極の目標は、様々な地域や土壌に適用できる普遍的な微生物呼吸モデルを新たに構築することである。そこで、アジアモンスーン域の多様な森林生態系を網羅するチャンバー観測ネットワークサイトにおいて、土壌有機炭素の蓄積量,蓄積形態,放射性炭素(
C)同位体比を指標とした代謝回転のタイムスケールなどの土壌有機炭素特性を分析評価した。それらの土壌有機炭素特性と、微生物呼吸量やその温暖化応答との関連性を解析し、サイト間の違いを説明できる特性の抽出を試みた。本発表では、C同位体比が微生物呼吸を推定する上でのキーパラメーターとなりうるかという点に特に着眼したい。
Liang, N.*; 寺本 宗正*; 高木 健太郎*; 近藤 俊明*; 小嵐 淳; 安藤 麻里子; 平野 高司*; 高橋 善幸*; 高木 正博*; 石田 祐宣*; et al.
no journal, ,
欧米に比べ、有機炭素が豊富な日本を含むアジアモンスーン地域の森林土壌は、微生物呼吸の温暖化に対する長期的なCO
排出量増進の応答が大きいことに加え、温暖化に伴う土壌の乾燥化でCH
吸収能が上昇する可能性も、土壌の劣化でCH吸収能が低下する可能性も秘めている。しかし、CHを含めた土壌炭素動態の気候変動応答に関わる観測データの欠如は、将来予測の大きな不確実性の一因となっている。そこで本研究では、森林における土壌炭素動態の気候変動影響メカニズムの解明に加え、世界的に前例のない、アジア域を網羅する森林土壌におけるCH吸収能に関する多地点連続観測、広域推定及び将来予測を行う。国立環境研究所が開発した世界最大規模のチャンバー観測ネットワークを活用して、北海道からマレーシアまでの広域トランゼクトに沿って選定した代表的な森林生態系を対象に、観測,分析,モデリングアプリーチ等を融合した研究を展開し、アジア域における超高解像な土壌CH/COフラックスの広域推定と将来予測を目指す。
近藤 俊明*; 寺本 宗正*; 高木 健太郎*; 小嵐 淳; 安藤 麻里子; 市井 和仁*; 高木 正博*; 石田 祐宣*; 山貫 緋称*; Liang, N.*
no journal, ,
温暖化や土地利用転換に伴う土壌微生物相の変化は、地球規模の温室効果ガス収支にも多大な影響を及ぼすため、その評価は気候変動の将来予測において重要である。しかしながら、従来の培養法を用いた土壌微生物相評価では、僅かな土壌中に数億個体が存在する土壌微生物の環境変動に対する応答を正確に把握することは極めて困難であった。本発表では、アジアモンスーン域の多様な森林・農地生態系を網羅する国内外のチャンバー観測サイトで採集した土壌を対象に、遺伝解析手法を用いて、(1)土壌微生物量、(2)土壌微生物の種組成、および(3)土壌微生物機能を把握することで、温暖化や土地利用転換に伴う環境変動に対して土壌微生物相がどのような応答を示し、結果として土壌を介した温室効果ガス収支がどう変動するのかについて議論する。
市井 和仁*; 山貫 緋称*; Liang, N.*; 寺本 宗正*; 高橋 善幸*; Zeng, J.*; 高木 健太郎*; 平野 高司*; 石田 祐宣*; 高木 正博*; et al.
no journal, ,
陸域生態系のCO等のフラックスの推定には、近年はAsiaFluxやFLUXNETなど観測ネットワーク網や衛星リモートセンシングデータの充実により、観測データに基づく推定(データ駆動型(data-driven)の推定)が可能になってきた。一方、「土壌呼吸」に関しては、様々な課題を抱えており、広域推定は十分には実現されていない。国立環境研究所らのグループでは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構築しており課題を解決できる可能性がある。そこで、我々は、衛星データと機械学習を用いることで土壌呼吸の広域推定を試みている。まずは、日本を対象にした8観測サイトのデータを用いた解析を進めている。本発表では、(1)AsiaFluxやFLUXNETデータベースと衛星観測データを利用して機械学習法を適用することによるCOフラックス(総一次生産量,生態系CO交換量)推定手法の紹介と、(2)土壌呼吸ネットワークと衛星観測データと機械学習を用いた土壌呼吸の広域推定と既存のデータセットとの比較解析について紹介し、今後の課題についても議論したい。
山貫 緋称*; 市井 和仁*; Liang, N.*; 寺本 宗正*; 高橋 善幸*; Zeng, J.*; 高木 健太郎*; 平野 高司*; 石田 祐宣*; 高木 正博*; et al.
no journal, ,
In this study, we updated our data-driven estimation of soil respiration (SR) across Japan with observation data (eight sites across Japan), remote sensing data (MODIS land products), and random forest regression. Our estimation shows a reasonable performance with R
=0.87 for remote sensing only model and R = 0.91 for remote sensing and in-situ combined model. Based on the established model, we also produced upscaled estimations of SR across Japan with 1km spatial resolution from 2000 to 2020. Intercomparison of our estimation with other available datasets was also conducted to understand advantages of our estimation. Our results show spatially more explicit variations compared with other global products. In addition, our advantage is to capture temporal variations (e.g. 8 days). We also confirmed that previous estimations do not reproduce our observation network datasets, indicating consistent observation approach is important to upscale soil respiration.
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.
Liang, N.*; 寺本 宗正*; 高木 健太郎*; 平野 高司*; 近藤 俊明*; 小嵐 淳; 安藤 麻里子; 高木 正博*; 石田 祐宣*; Zhang, Y.*; et al.
no journal, ,
欧米に比べ、有機炭素が豊富な日本を含むアジアモンスーン地域の森林土壌は、温暖化に対する長期的なCO排出量(微生物呼吸)増進の応答が大きいことに加え、温暖化に伴う土壌の乾燥化でCH吸収能が上昇する可能性も、土壌の劣化でCH吸収能が低下する可能性も秘めている。しかし、CH収支と土壌炭素動態の気候変動応答に関わる観測データの欠如は、将来予測に大きな不確実性を与えている。本研究では、前例のないアジア域を網羅する森林土壌におけるCH吸収能の広域推定及び将来予測を行うために、世界最大規模のチャンバー観測ネットワークを活用した多地点連続観測を実施している。講演では、これまで得られた結果について報告する。
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。
Liang, N.*; 高木 健太郎*; 平野 高司*; 石田 祐宣*; 近藤 俊明*; 小嵐 淳; 安藤 麻里子; 寺本 宗正*; 高木 正博*; 市井 和仁*; et al.
no journal, ,
大気中の二酸化炭素(CO)、メタン(CH)および一酸化二窒素(NO)の濃度は、産業革命以降著しく増加を続けており、気候変動の主要要因となっている。森林や畑地などの土壌は、陸域におけるCHの唯一の吸収源であると同時に、COやNOなどの発生源にもなっており、気候変動の将来予測において極めて重要な鍵を握っている。我々の「世界最大規模のチャンバー観測ネットワーク」を用いた観測結果から、土壌有機炭素(SOC)の分解によって土壌から放出されるCOの量が温暖化によって増加する(温暖化効果)こと、また、SOCの蓄積量が多く、湿潤なモンスーンアジア域の森林では、高い温暖化効果が長期間に渡って持続することが明らかになった。一方で、CHおよびNOフラックスの観測例は極めて少ない。近年、チャンバー観測ネットワークを活用し、レーザー式CH分析計を用いて行った連続観測では、アジアモンスーン域、特に火山灰土壌に特徴づけられる日本の森林土壌におけるCH吸収能は極めて高いことが明らかになってきた。本発表では、これまでの研究成果を紹介するとともに、今後のNOフラックスに関する観測計画も紹介する。
/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。