教師なし学習による土壌中重金属汚染の異常検知と環境リスク評価

要旨: 鉛などの重金属による土壌汚染は、急速に都市化が進むガーナの地域において、特に無規制の廃棄物処分場における、持続的な環境および公衆衛生上の懸念となっている。本研究では、教師なし機械学習の枠組みを適用し、ガーナの中央地域における12の廃棄物サイトと居住地対照群から採取した土壌に含まれる、異常な重金属汚染パターンを検出・特徴付けする。8種類の金属（As、Cd、Cr、Cu、Hg、Ni、Pb、Zn）の濃度を、ハザード指数（HI）や増分寿命がんリスク（ILCR）を含む標準的な健康リスク指標と併せて解析した。Isolation ForestとPCAの再構成誤差のそれぞれが、12件の異常サンプル（78サンプル中15.4\%）を同定した一方で、DBSCANでは密度的に孤立したノイズ点は検出されなかった。コンセンサス手法により、6件の頑健な異常（7.7\%）が分離され、そのすべてが単一の地点（S3）に空間的に集中していた。異常は、正常サンプルよりも平均HI値が約70--80\%高く、コンセンサスによるすべての異常はHI=1の閾値を超えていた。PCAの再構成誤差はHIとの間に強い正の関連（r \approx 0.8）を示し、多変量の逸脱と健康リスクの整合性が示唆された。3種類の異常タイプが特定された。S3での極端なCuの濃縮、S4/S5での異常に低いNi、そしてS9--S12での中程度の多金属（Pb--Zn）の共上昇である。これらの結果は、教師なし機械学習が、集計的指標を超えて粒度の高い客観的な洞察を提供し、標的としたサイトの優先順位付けと、リスクに基づく環境管理を可能にすることを示している。