地球温暖化 デジタルツイン 機械学習 インフラ 北極圏 アラスカ AGU リアルタイムモニタリング 永久凍土 環境工学

北極圏の道路下に広がる永久凍土は、地球温暖化の影響で温度が上昇し、安定性が低下している。これにより、道路や建造物などの北方地域のインフラに深刻なリスクが生じているが、凍土の変化を正確に予測することは困難だった。地下の状態は短距離で大きく変化し、観測データが不足しているほか、従来のモデルでは新たなデータを反映させるのが容易ではなかったためだ。

米国地球物理学連合（AGU）の学術誌Journal of Geophysical Research: Earth Surfaceに掲載された新研究では、この課題に対し、アラスカ州ウトキアグヴィク（旧バロー）の堤防道路において、光ファイバー温度計測を活用した革新的な手法が提案された。全長100メートルの測線に沿って地表近くの温度変化を長期的に追跡し、モニタリングとモデリングを統合した「デジタルツイン」フレームワークを開発したのだ。

機械学習と物理法則を融合した「物理インフォームド・デジタルツイン」

研究チームは、機械学習モデルを熱伝導ソルバーに組み込むことで、物理法則を維持しつつ、新たな観測データに基づいて土壌の不確実な特性を更新できるシステムを構築した。このアプローチにより、地下温度場の再構築、未凍結水分含有量や熱伝導率などの熱力学的特性の推定、さらには独立した分布型音響センシング（DAS）データやボアホール温度、室内実験データとの照合が可能となった。

従来の「ブラックボックス」型予測とは異なり、このシステムは解釈可能で更新可能なモデルとなっている。研究チームは、この手法を単なる現地専用のモデリングにとどまらず、北極圏の急速な温暖化に対応したリアルタイムの永久凍土予測とインフラモニタリングへの道を開くものと評価している。

デジタルツインの仕組み

提案されたデジタルツインモデルでは、ニューラルネットワーク（NN）が各地点の土壌温度を入力とし、横方向の距離に応じて変化する6つの未知パラメータを出力する。これらのパラメータは構成関係を通じて熱伝導方程式に組み込まれ、有限差分法（FDM）によって解かれる。予測温度と観測温度の差（損失）が計算され、その勾配を用いてNNのパラメータが更新される仕組みだ。

「この研究は、単なる予測モデルの改良にとどまらず、永久凍土のダイナミクスをリアルタイムで把握し、インフラの安全性を向上させるための重要な一歩となる」
— Xiang Huang（AGU Journal of Geophysical Research: Earth Surface 副編集長）

今後の展望と社会的意義

永久凍土の融解は、道路の沈下や建造物の損壊、さらには炭素の放出による温暖化加速など、多岐にわたるリスクをもたらす。今回の研究成果は、こうした課題に対する具体的な解決策を提供するものだ。特に、北極圏のインフラ整備や維持管理において、リアルタイムのモニタリングと予測が可能になることで、リスクの軽減とコストの削減が期待される。

研究チームは、今後さらにデータの蓄積とモデルの精緻化を進め、より広範な地域への適用を目指すとしている。

出典: Eos Science News
トランプ政権の風力産業潰し策に反発広がる：再生可能エネルギー政策の混乱
← 前へ

トランプ政権の風力産業潰し策に反発広がる：再生可能エネルギー政策の混乱

 大学キャンパスにおける混乱を防ぐために何ができるのか？
次へ →

大学キャンパスにおける混乱を防ぐために何ができるのか？