ミシガン湖の水位は、2013年1月に観測史上最低を記録した後、2020年夏には逆に過去最高を更新し、浸水や海岸侵食、湖岸道路の通行止めを招いた。2つの記録の間の水位差はほぼ2mだった。スペリオル湖、エリー湖、オンタリオ湖でも、数カ月の間隔で同様の反転が起きたと記事は伝えている。こうした大きく変動する水位を予測し、その原因を説明するため、研究チームは分析に人工知能（AI）モデルを活用した。

背景と文脈

湖の水位は、雨や雪、蒸発、流入・流出だけでなく、人間の決定にも左右される。水位は港の水深や海岸線の安定性、飲料水の取水、沿岸湿地の生存にも関わる。そのため、モデルが水位を当てるだけでなく、どの要因が変化をもたらしたのかを説明することは、ダムや浸水リスクの管理に役立つ可能性がある。

研究チームは、スペリオル湖、ミシガン湖、エリー湖、オンタリオ湖の1982～2022年の月別水位データを用いて、8つのアルゴリズムを学習させた。各アルゴリズムには、気温や流入量を含む9つの変数が入力され、各変数の当月の値と最大6カ月前までの値も反映された。これにより、たとえば6月の水位と1月の雪との関係をモデルが調べられるようにした。

最も性能の高い4つのアルゴリズムでは、誤差が約12cmに縮小した。単純なモデルの誤差は14～21cmだった。研究チームは、変数ごとの寄与度を調べるSHAP（各変数が予測結果にどれほど寄与したかを分けて見る方法）と、変数に介入した場合に時間の経過とともに影響がどう変わるかを見るVARS分析を併用した。

SHAPは、特定の月の水位の上昇や低下に各変数がどの程度寄与したかを示す。しかし、流域（水が一カ所に集まる地域）を横切ってシグナルが移動するのにかかる時間までは分からない。研究チームはVARS分析で、変数に介入した後、1カ月後と6カ月後の影響を調べ、時間差を分析した。

このニュースが意味すること

研究チームは、過去にさかのぼるほど変数が水位に及ぼす影響は弱まると予想していたが、実際には3～4カ月が経過した後に影響が強まる傾向を観察した。研究チームの結論は、これらの湖は前日の天気よりも前の季節の条件に反応するというものだ。1月の雪が6月の水位に影響する可能性があるという説明は、季節予測で数カ月前の条件も考慮する必要がある理由を示している。

この結果は、湖の水位が短期的な天気だけでは説明できない点で注目される。季節予測モデルが、過去数カ月の気温や流入量といった変数も考慮すれば、水位変化の手がかりをよりよく捉えられる可能性がある。ただし、この研究の誤差の数値だけでは、実際の現場で予測がどの程度役立つのか、あるいは洪水・ダム管理の結果がどれほど変わるのかは分からない。

オンタリオ湖はモデルの限界も明らかにした。同湖のモデルの誤差は予想より50％以上大きく、記事はこれを人間の意思決定と関連づけている。オンタリオ州コーンウォール近郊のモーゼス・ソンダース発電ダムは、日ごとに調整される運用ルールに従って水位を管理している。しかし、モデルに入力されるのは変数ごとの月平均値であるため、月間の流出量を生み出した決定の順序は、平均値の中に埋もれてしまう可能性がある。

オンタリオ湖の事例で研究チームが提案したのは、気候変数とは別に、水位管理に用いる運用ルールもモデルに与えることだ。これは同湖における人間の意思決定の問題に対する提案であり、あらゆる季節予測に同じ条件が必要だという意味にまで拡大解釈することはできない。

研究チームは、Ouranosと協力し、この手法をケベック州南部の地下水涵養の研究にも適用していると明らかにした。この研究では物理ベースモデル（自然現象の物理的な仕組みを反映するモデル）が使われている。水位のような複雑な環境問題で、結果の理由を検討できるモデルは、管理上の判断を検証し、議論するうえで役立つ可能性がある。それが今回の研究が示す方向性だ。

確認された事実とまだ分かっていないこと

確認された事実

  • 研究チームは、4つの湖の1982～2022年の月別水位データを用いて、8つのアルゴリズムを学習させた。
  • 各アルゴリズムは、気温や流入量を含む9つの変数と、当月から最大6カ月前までの値を反映した。
  • 最も性能の高い4つのアルゴリズムの誤差は約12cmで、単純なモデルでは14～21cmだった。
  • 研究チームは、変数の影響は過去にさかのぼるほど弱まるという予想に反し、3～4カ月後に影響が強まることを観察した。
  • オンタリオ湖の水位はモーゼス・ソンダース発電ダムの日ごとの運用ルールに従って管理されており、研究チームはこのルールをモデルに与えるべきだと提案した。

まだ分かっていないこと

  • 研究で使われた8つのアルゴリズムと9つの変数の全リストは何か。
  • モデルの精度は、どの検証方法と予測期間を基準に評価されたのか。
  • オンタリオ湖の運用ルールをモデルに組み込むと、予測誤差はどれほど小さくなるのか。

読者が確認すべきこと

  • 水位予測の結果を見る際は、精度の数値だけでなく、予測期間と検証方法も併せて確認する必要がある。今回の原文には、そうした詳細な基準は示されていない。
  • 洪水対策やダム運用にAI予測を活用する場合、入力データに月平均の気候・流出量しか含まれていないのか、実際の運用ルールや意思決定の過程も反映されているのかを確認できる。
  • 季節的な水位見通しを解釈する際は、当月の天気だけでなく、数カ月前の条件も分析に含まれているかを確認できる。研究チームは、前の季節の条件が水位に影響する可能性があると結論づけた。