詳細な水移動・微生物プロセスと機械学習の統合によるN2O排出予測の高度化

点击翻译按钮获取中文摘要

既存の一酸化二窒素(N2O)排出予測モデルは土壌中の水移動プロセスの再現能力が低く、N2O排出量を予測する上で大きな不確実性要因となっている。本研究は、硝酸性窒素(NO3-N)溶脱モデルとして実績があるLEACHMで計算された土壌水分量等の出力値をN2O排出予測モデルであるDNDC-Riceの入力値とし、さらに、各モデルのプロセスの一部を機械学習モデル(ML)に担わせることにより、新たな統合モデルを構築してN2O排出量の予測精度を大幅に改善することを目的とする。窒素溶脱に伴う水質汚染と温室効果ガス排出を同時に精度よく予測するモデルを開発することで、農耕地からの環境負荷低減に向けた次世代の窒素管理手法への応用が期待できる。初年目ではまず、農耕地からのN2O排出量とNO3-N溶脱濃度を同時観測した国内の圃場試験に関して文献レビューを行った。目的に適した観測地を３か所で確認し、それぞれの気象、土壌、作物等の情報を抽出し、モデル入力値としてまとめた。このうち、北海道三笠の観測地にLEACHMを適用し、地温（℃）、マトリックポテンシャル(cm)、WFPS(%、土壌間隙のうち水で占められた割合)、作物の窒素吸収量(kg/ha)、土壌呼吸量(kg/ha/day)、作土のNO3-N含量(mg/kg)、NO3-N溶脱濃度(mg/L)等について、実測値とモデル計算値を比較し、予測精度を評価した。しかし、現状のLEACHMは、積雪下における物質の動態を予測対象としていないため、冬から春先の地温や土壌水分量の変化を再現できなかった。そこで、積雪下の熱・物質移動を考慮したモデル改良を行った結果、窒素動態の予測精度も向上させることができた。LEACHMによって十分な予測精度があると判断した三笠の観測地について、DNDC-RiceとMLにモデル入力値を渡し、それぞれに計算を試みた。