Elucidation of the determinants and future projection of the geographic distribution of water facilities in the world by application of species distribution models

海水淡水化は、水不足に悩む沿岸部の地域において重要な淡水源である。海水淡水化施設の分布を推定することは、空間的に詳細な水資源評価を行うことにつながる。今年度は生態学で広く用いられている種分布モデル（SDM）を用いて、海水淡水化プラントのグローバルな空間分布の予測可能性について検討した。一般化線形モデルと一般化加法モデルの2つの回帰SDMと、ランダムフォレストモデルと一般化ブースト回帰モデルの2つの機械学習SDMを、0.5°の空間解像度でクロスバリデーション法を用いて学習・実行した。それぞれのSDMについて、気候学的乾燥度、海岸線までの距離、一人当たりの国内総生産、生活・工業用水年間取水量の4つの説明変数を検討した。その結果、機械学習SDMには、海水淡水化プラントの位置を捉える高い性能があることが明らかになった。また、異なる共有社会経済経路（SSP）と代表的濃度経路（RCP）の下で海水淡水化プラントの将来の分布を予測した。その結果、海水淡水化プラントのある格子点数は、2014年と比較して、2030年、2050年、2070年、2090年にそれぞれ31％、47％、55％、57％増加することが分かった。

海水淡水化は、水不足に悩む沿岸部の地域において重要な淡水源である。海水淡水化施設の分布を推定することは、空間的に詳細な水資源評価を行うことにつながる。今年度は生態学で広く用いられている種分布モデル（SDM）を用いて、海水淡水化プラントのグローバルな空間分布の予測可能性について検討した。一般化線形モデルと一般化加法モデルの2つの回帰SDMと、ランダムフォレストモデルと一般化ブースト回帰モデルの2つの機械学習SDMを、0.5°の空間解像度でクロスバリデーション法を用いて学習・実行した。それぞれのSDMについて、気候学的乾燥度、海岸線までの距離、一人当たりの国内総生産、生活・工業用水年間取水量の4つの説明変数を検討した。その結果、機械学習SDMには、海水淡水化プラントの位置を捉える高い性能があることが明らかになった。また、異なる共有社会経済経路（SSP）と代表的濃度経路（RCP）の下で海水淡水化プラントの将来の分布を予測した。その結果、海水淡水化プラントのある格子点数は、2014年と比較して、2030年、2050年、2070年、2090年にそれぞれ31％、47％、55％、57％増加することが分かった。