関東地方のカシノナガキクイムシ初発日予測モデル (v.2025-03-27)

はじめに

このモデルは2021-2024年の気象情報を元に構築した関東地方のカシノナガキクイムシの初発日を予測モデルです。
予測モデルは完璧ではなく、20日程度（場合によってはそれ以上）予測日より早い初発がある可能性があります。
この不確実性を考慮した上で予測日をご利用ください。

ナラ枯れ講演会（2025年2月19日）で紹介した2021-2023年のデータを使った解析では3月の気温だけで初発日が予測できましたが、2021-2024年の初発日を解析すると、3月の気温だけでは初発日がよく予測できませんでした。
そこで3〜4月の気象条件を用いてモデルを再構築しました（解析の詳細は解析手法を参照してください）。

再解析の結果、3〜4月の気象条件を使ったモデル方が少し予測力が高いという結果が得られましたが、できるだけ早く初発日を知りたい場合にも対応するため、3月の気象条件を用いて初発日を予測するモデル、3〜4月の気象条件で初発日を予測するモデルの2つのモデルを構築し、Excelファイルで計算可能にしました。
モデルの予測力の違いについてはモデルの予測力を参照してください。

ダウンロード

• predict_emergence_2025-03-27.xlsx:
  • 新規入力用Excelファイル。
• predict_emergence_2025-03-27_tsukuba.xlsx:
  • 2024年のつくば市の気象データを入力した入力例。
• predict_emergence_2025-03-27.zip:
  • 新規入力用、入力例、説明書のセット。

使い方

各部の説明

Excelファイルには日平均気温を入力するセル、降水量を入力するセル、最深積雪を入力するセルがあります。
これらのセルに値を入力すると、自動的に予測初発日が計算されます。
実際の初発は予測初発日の20日前になる可能性があるので、予測初発日の20日前の日付も同時に計算されます。
また予測に使われているモデルの種類や、計算の問題点はメッセージ欄に表示されます。

予測値の計算

以下の手順で気象データを入力すると、予測値を計算することができます。
2025-03-27時点で気象庁のデータダウンロードサービスが停止しているので、以下の手順でデータを入手してください。

1. 気象庁のWebサイトの過去の気象データ検索ページを開き、ページ一番左の地点の選択から初発日を予測したい場所と気象条件が一番近い地点を選びます。
2. 年月日の選択から予測したい年を選び、3月もしくは4月を選びます。
3. データの種類で日ごとの値を表示を選びます。
   
4. 表示された表から平均気温・降水量・最深積雪をコピーし、Excelファイルの指定されたセルに貼り付けます（平均気温・降水量は表全体をコピーし、一度新しいExcelファイルに貼り付けを行うと作業しやすいと思います。最深積雪は一番大きな値だけを入力すればOKです）。
   
5. 3月の気象条件で予測を行う時には3月の平均気温と最深積雪を入力して下さい。
   
6. 3〜4月の気象条件で予測を行う時には3〜4月の平均気温と降水量を入力して下さい。
   
7. データを入力すると、初発日予測のところに予測値が表示されます。
8. 入力値や予測値に問題がある場合はメッセージ欄に表示されます。
   • 3月の気象条件を使った予測値を表示しています。：表示されている予測初発日が3月の気象条件を使ったモデルで計算されているときに表示されます。
   • 3-4月の気象条件を使った予測値を表示しています。：表示されている予測初発日が3〜4月の気象条件を使ったモデルで計算されているときに表示されます。
   • 〜〜を全て入力して下さい。：必要なセル全てにデータが入力されいてない時に表示されます。
   • 〜〜の数値ではない値を修正してください。：数値ではない値が入力されているときに表示されます。降水量の--は無視されます。
   • モデル構築時よりも〇〇が低い/高い場所を予測しようとしています。想定よりも予測が外れる可能性があるのでご注意ください。：入力された気象条件がモデル構築に使った気象条件の範囲外の時に表示されます。予測初発日が大きく外れる可能性があるので、予測初発日を利用する際には注意して使ってください。
9. 複数の地点の初発日を予測したいときには、Excelファイルのシートではなく、ファイル自体を複製して値を入力して下さい。

モデル詳細

解析手法

• 2021-2024年に関東地方ののべ103の調査地点（下図の〇の地点）で初発日調査を行いました。
  
• 得られた初発日データを一般化線形モデル（GLM）でモデル化しました。
• モデルの応答変数は初発日を、説明変数には気象条件（日平均気温が閾値以上の日の積算気温・降水量・日照時間・最深積雪）を用いました。
• 気象条件は3月・4月・3〜4月の3条件で積算値を計算し、また積算気温の閾値は0.5℃刻みで7℃〜14℃の範囲の候補値で計算しました。
• 気象条件の積算期間（3条件）・積算温度の閾値（15条件）・説明変数（4変数）の組み合わせの中からAICを用いて最も予測力の高いモデルを選択しました。
• 最も予測力が高いモデルは3〜4月の気象条件を使ったモデルでしたが、早めに予測を行いたい場合へも対応するため、3月の気象条件を用いたモデル、3〜4月の気象条件を用いたモデルでそれぞれ予測力が最大のモデルをExcelファイルに実装しました。
• モデルの予測力は交差検証（クロスバリデーション）でR²値を計算しました（R²値は予測値と実測値が一致するほど高くなり、予測値と実測値が完全に一致する場合に最大値の1になります）。

モデルの予測力

図に2021-2024年のデータで計算したモデルによる予測初発日と実測の初発日との関係を示しました。
図1は3月の気象条件を用いたモデル、図2は3〜4月の気象条件を用いたモデルの結果です。
実線は予測日と実際の初発日が等しい条件を示し、粗い点線は実測日が予測初発日の前後10日になる条件を、細かい点線は前後20日になる条件を示しています。
2本の粗い点線の間の点は予測値と実測値のずれが10日以内の調査地点を、2本の細かい点線の間の点を表します。
図1と図2を比べると、3月の気象条件だけよりも3〜4月の気象条件を使ったモデルの方が、予測初発日と実際の初発日の関係が直線に近づきますが、どちらのモデルでも予測値よりも最大で20日程度実際の初発が早く起こる調査地点があることがわかります。
このため、予測された初発日よりも20日前を目処に対策などを行うことが望ましいと考えられます。

図1: 3月の気象条件を用いたモデルでの予測初発日と実際の初発日の関係

モデルのR² = 0.61です。

図2: 3〜4月の気象条件を用いたモデルでの予測初発日と実際の初発日の関係

モデルのR² = 0.64です。

謝辞

• 本研究は、生研支援センターイノベーション創出強化研究推進事業（体系的番号JPJ007097）「With/Postナラ枯れ時代の広葉樹林管理戦略の構築」（課題番号04021C2）により実施しました。
• 気象データには農研機構メッシュ農業気象データ（The Agro-Meteorological Grid Square Data, NARO）を利用しました。

連絡先

ご質問やプログラムの問題点などがありましたら以下の連絡先にご連絡ください。