← 論文一覧に戻る

国別の気候緩和・持続可能な開発経路設計のための説明可能AI

Explainable Artificial Intelligence for Designing Country-Specific Climate Mitigation and Sustainable Development Pathways (原題)

Shabnam Shahzadi, Hafiz Muddassir Majeed Butt, Shahzad Khan Durrani, Jiequn Guo

Habitable Planet📚 査読済 / ジャーナル2026-11-09#気候科学Origin: CN
DOI: 10.63335/j.hp.2027.0052
原典: https://doi.org/10.63335/j.hp.2027.0052

🤖 gxceed AI 要約

日本語

118カ国・2000〜2020年のパネルデータで1人当たりCO2排出量を予測する6つの機械学習モデルを比較し、XGBoostが最良(RMSE0.475、R2 0.324)だった。SHAP分析では1人当たりGDPが最大の寄与を示し、国効果が続いた。再生可能エネルギーの影響は観測間で一貫せず、国別プロファイルと4クラスターを政策検討の材料として提示する。

English

Compares six ML models predicting per-capita CO2 emissions across 118 countries (2000–2020); XGBoost performed best (RMSE 0.475, R2 0.324). SHAP shows GDP per capita as the dominant predictor, followed by country effects. Renewable-energy associations vary across observations, and country clusters are offered as descriptive, non-causal inputs for policy review.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

国別の排出予測と説明可能性は、日本の排出削減目標や政策立案のエビデンス基盤として参考になるが、開示制度や企業実務への直接の接続は弱い。

In the global GX context

Adds to the growing use of explainable ML for national climate pathway analysis, relevant to global stocktake and NDC design debates, though it offers no direct disclosure or corporate-accounting linkage.

👥 読者別の含意

🔬研究者:SHAPベースの排出予測の限界と解釈上の注意点を学べる。

🏛政策担当者:国別排出ドライバーの記述的把握を政策レビューの補助に使えるが因果的解釈は避けるべき。

📄 Abstract（原文）

This study compares six machine-learning models for predicting per-capita CO2 emissions in a panel of 118 countries over 2000–2020 and uses SHAP to examine the fitted XGBoost model. The test sample comprises 2019–2020. XGBoost achieved the lowest test RMSE (0.475) and highest R2 (0.324), indicating limited to moderate predictive fit. GDP per capita had the largest means absolute SHAP value (0.2821), followed by the country effect (0.0361). Renewable-energy associations differed across observations and should not be interpreted as a uniform emissions reduction. Country profiles and four descriptive clusters illustrate possible areas for policy review; SHAP contributions are predictive associations, not causal effects or evaluated policy impacts.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。