- 11月 9, 2026
カナダ高病原性鳥インフルエンザの発生予測マップ|環境要因とAI分析
カナダで発生した高病原性鳥インフルエンザの空間的ホットスポットを特定し、水鳥密度や植生、気候要因が感染に与える影響をAIで解析。渡り鳥の移動距離を反映したモデルで、発生リスクの予測精度を高め、監視体制の効率化に貢献する。
カナダで発生した高病原性鳥インフルエンザの空間的ホットスポットを特定し、水鳥密度や植生、気候要因が感染に与える影響をAIで解析。渡り鳥の移動距離を反映したモデルで、発生リスクの予測精度を高め、監視体制の効率化に貢献する。
オーストラリアの復元現場で、学習不要のAIモデルTimesFMが1日以内の土壌水分予測で統計モデルより21〜76%高精度であることを実証した。ただし、1日超の予測では既存の気候平均値が優位となり、計算コストとのトレードオフが生じる。
AIモデル「SMCast」により、欧州域内の根層土壌水分を最大50日間、既存の気象予報システムより高精度に予測可能に。物理単位の残差学習が鍵となり、急激な干ばつ(フラッシュ干ばつ)の早期警戒に貢献するが、急峻な発生タイミングの予測は依然として課題。