湖マラウイ盆地のためのRL駆動型持続可能な土地利用配分
arXiv cs.AI / 2026/4/7
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、総生態系サービス価値（ESV）を最大化することで、湖マラウイ盆地における持続可能な土地利用配分を最適化するための深層強化学習（PPO）フレームワークを提案する。
- 便益移転（benefit transfer）アプローチにより、生物群系および土地被覆ごとのESV係数を推定し、Sentinel-2由来の土地被覆クラスと、500m解像度の離散化された50x50グリッドとを結び付ける。
- 強化学習の報酬関数は、セルごとの生態学的価値に加えて空間的目的を組み合わせる。具体的には、生態学的に連結されたパッチの連続性に対するボーナスや、水域近傍における高インパクト開発へのペナルティを含む。
- 3つのシナリオ（ESVのみ、ESVに空間報酬の形成を加えたもの、再生型農業政策シナリオ）にわたる実験により、エージェントがより高いESVの配分を学習し、生態学的により首尾一貫した空間パターンを生成できることが示される。
- 著者らは、このフレームワークが政策パラメータの変化に応答することで環境計画を支援できると主張しており、単一の固定処方ではなくシナリオ分析に適している。
