新たな研究によると、植物による過剰な二酸化炭素（CO2）吸収能力は、気候モデルによる従来の推定よりも大幅に低い可能性があることが、グラーツ大学が2026年1月5日に発表した研究で示唆されました。この研究では、気候モデルが植物の成長に不可欠な要素である自然窒素固定を約50％過大評価していることが判明しました。

この研究は、植物がCO2レベルの上昇を効果的に利用して成長するために、窒素の利用可能性が重要な役割を果たすことを強調しています。CO2濃度の上昇は植物の成長を促進する可能性がありますが、この効果は光合成と植物全体の健康に不可欠な栄養素である十分な窒素に依存します。気候モデルにおける自然窒素固定の過大評価は、高CO2条件下での植物の成長から得られる気候冷却効果が、予想よりも小さいことを示唆しています。

この発見は、気候変動予測に重大な影響を与えます。植物が予想よりも少ないCO2を吸収するため、地球の気候変動に対する自然な緩衝機能が低下し、将来の気候予測における不確実性が増大します。「植物が炭素吸収源として機能する能力が低下するということは、大気中のCO2レベルが予測よりも速く上昇し、地球温暖化を加速させる可能性があることを意味します」と、グラーツ大学の主任研究者は述べています。

気候モデルは、大気組成、海洋の流れ、地表面プロセスなど、さまざまな要因を組み込んで地球の気候システムをシミュレートする複雑な計算ツールです。これらのモデルは、アルゴリズムと膨大なデータセットに依存して、将来の気候シナリオを予測します。しかし、この研究が示すように、窒素固定率などの主要なパラメータにおける不確実性は、これらの予測の精度に大きな影響を与える可能性があります。

この研究はまた、生物学的プロセスをより正確に表現することを気候モデルに組み込むことの重要性を強調しています。従来のモデルは、複雑な生態学的相互作用を簡略化することが多く、モデル予測と実際の観測との間に矛盾が生じる可能性があります。人工知能（AI）と機械学習の最近の進歩は、これらのプロセスの表現を改善するために研究されています。AIアルゴリズムは、大規模なデータセットを分析して、従来のモデリングアプローチでは明らかにならないパターンと関係を特定できます。たとえば、機械学習モデルは、温度、降水量、土壌組成などの環境要因に基づいて窒素固定率を予測するようにトレーニングできます。

この研究の意義は、科学コミュニティにとどまりません。政策立案者は、排出量削減と気候変動適応戦略に関する意思決定を行うために気候モデルに依存しています。植物が以前考えられていたほどCO2を吸収しない可能性があるという認識は、これらの戦略の再評価を必要とします。気候目標を達成するためには、より積極的な排出量削減が必要になる可能性があり、大気からCO2を直接除去する技術の開発に、より重点を置く必要があるかもしれません。

今後の研究では、窒素固定率の推定値を改良し、これらの改善された推定値を気候モデルに組み込むことに焦点を当てます。科学者たちはまた、持続可能な農業慣行を通じて自然窒素固定を強化する方法を研究しています。AIと機械学習の気候モデリングへの統合は、気候予測の精度と信頼性を向上させる上でますます重要な役割を果たすと予想されます。