地下の真菌多様性は自己教師あり学習の衛星特徴量でモニタリングできる

arXiv cs.LG / 2026/4/14

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本研究では、衛星画像に対する自己教師あり学習（SSL）を用いて、直接の生物多様性サンプリングがコスト高となる広域における、地下の外生菌根菌（ectomycorrhizal fungi）の種の豊富さを推定することを提案している。
SSLから導出した衛星特徴量で学習したモデルは、ヨーロッパおよびアジアの約12,000の野外サンプルに基づく種の豊富さの分散の半分以上を説明し、気候・土壌・土地被覆といった従来の入力を上回った。
この手法により、空間解像度が約10,000倍向上し、1 kmの景観平均から、10 mの生息地スケールでの予測が可能になり、同時に低い系統的バイアスを維持している。
衛星データは時系列で更新されるため、この方法は地下の真菌多様性の時間的モニタリングを可能にし、英国の国立公園の分析では、古い森林が他の地域よりも外生菌根菌の多様性をより速く失っている可能性が示唆された。
全体として、本研究は「見えない半分」である陸上生態系に対して、まばらな野外観測を連続的で高解像度な生物多様性マップへと変換する、スケーラブルな手段としてSSLの衛星特徴量を位置づけている。

Abstract

菌根菌は陸上生態系の機能にとって不可欠である。しかし、地形スケールで菌根菌の生物多様性をモニタリングすることは、時間とコストの制約により、多くの場合困難である。現在の予測では、菌根菌の多様性ホットスポットの90%が未保護のままであるとされており、地下に存在する真菌群集を広範かつ効果的に地図化する方法について疑問が残されている。ここでは、衛星画像に自己教師あり学習（SSL）を適用することで、多様な環境における地下の外生菌根菌の豊富さを予測できることを示す。私たちのモデルは、ヨーロッパおよびアジアをまたぐ約12,000の野外サンプルにおいて、種の豊富さの分散の半分以上を説明する。SSLから得られた特徴量は、気候・土壌・土地被覆のデータセットに含まれる情報の大部分を包含し、最も情報量の多い単一の予測因子であることが証明される。このアプローチにより、既存手法に比べて空間解像度を1万倍向上させ、1kmの地形平均から、体系的なバイアスはほぼない状態で10mの生息地スケールの観測へと移行できる。衛星観測は静的というより動的であるため、これにより初めて、地形スケールにおける地下の生物多様性の時系列モニタリングが可能になる。私たちは、英国の国立公園の森林における、予測された真菌の豊富さの複数年にわたるトレンドを解析し、古い森林が不釣り合いな割合で外生菌根菌の多様性を失っている可能性を見出す。これらの結果は、SSL衛星特徴量を、まばらな野外観測を、連続的で高解像度の生物多様性地図へ拡張し、陸上生態系の「見えない半分」をモニタリングするための、スケーラブルな手段として確立する。