要旨 ガーナには、チーク（Tectona grandis L.f.）植林地について、中央集約され公的に保存された恒久標本プロットの目録が存在せず、最新の現地データを用いる成長・収穫量モデルの構築が制限されている。この制約を踏まえ、本研究では、公開済みの相対成長関係および立地関係から抽出したモデル由来の訓練データと機械学習を組み合わせ、現地目録が利用可能になった時点で更新できる予測ツールを構築する方法を検討した。林分、土壌、地形の共変量からガーナ産チークの全高と幹材積を予測する多層パーセプトロン（GrowthMLP）を構築し、検証した。ガーナ向けに較正された相対成長関係および収穫量関係を用いて個体木レベルの記録4,995件を抽出し、公開済みの2件のクロノシーケンス研究から得た土壌および地形の共変量と統合した。同一の公開プロットから複数の個体木記録を抽出したため、それらは同一またはほぼ同一の林分・立地共変量を共有している。この点を考慮し、全データを行単位ではなくプロット単位で分割した。すなわち、各プロットのすべての個体木を訓練、検証、テストのいずれか一つのみに割り当て、分割間で共有されるプロットが一切ないことを保証した。プロット単位の70％・15％・15％分割に対し、特徴量群、ネットワーク深度、ドロップアウト率、正規化、目的変数の組み合わせからなる21構成のアブレーショングリッドを検証し、各構成を最大120エポックまで訓練した。選択されたモデルは利用可能な26個の予測変数をすべて保持し、3層の隠れ層（512、256、128）と0.1のドロップアウト率を採用した。全高と材積を通じた平均テスト決定係数（R²）は0.903、平均テスト二乗平均平方根誤差（RMSE）は0.294に達した。幹材積のテストR²は0.991、全高では0.816であった。順列重要度によれば、胸高直径、優勢木高、林齢が最も影響力の高い個別予測変数であった。土壌化学特性群は、協調的摂動の下で樹高誤差を最も大きく変動させた。これは、土壌肥沃度がチークの成長を左右するという現地の知見と整合する。2つの土壌特徴量群を除去すると、平均テストR²は0.898まで低下した。これは、プロット単位の漏洩を排除した後にも残る、小さいながら実在する性能低下であった。中規模の多層パーセプトロンは、訓練時にまったく使用されていないプロットで評価した場合でも、林分、土壌、立地のデータから、ガーナ産チークの成長関係を材積については高い忠実度で、樹高については妥当な忠実度で再現できる。これらの予測を、その構築に用いた相対成長関係の外部で検証するには、恒久標本プロットの現地データが決定的に重要な次の段階となる。
https://doi.org/10.21203/rs.3.rs-10916946/v1