← 論文一覧に戻る

海運の持続可能性に対する地震混乱と海上炭素排出：2023年カフラマンマラシュMwg7.6地震からの自然実験

Seismic Disruption and Maritime Carbon Emissions for Sustainability in Maritime Transportation: A Natural Experiment from the 2023 Kahramanmaraş 7.6 Mwg Earthquake (原題)

Vahit Çalışır

Sustainability📚 査読済 / ジャーナル2026-02-16#AI×ESGOrigin: Global対象セクター: maritime
DOI: 10.3390/su18042023
原典: https://doi.org/10.3390/su18042023

🤖 gxceed AI 要約

日本語

2023年トルコ地震によるイスケンデルン湾の港湾活動混乱がCO2排出に与えた影響を、AISデータとグラフニューラルネットワーク（GNN）で分析。地震後、1回の入港あたりCO2排出量が35.9％増加し、約27,574トンの余剰排出を推定。GNNモデルは平時の排出パターンを高精度で予測する一方、混乱期には予測不能となることを示した。

English

This study quantifies CO2 emission changes from the February 2023 Kahramanmaraş earthquakes using AIS port visit data and GNN modeling. It finds a 35.9% increase in per-visit CO2 during the acute disruption phase, with 27,574 tonnes of excess emissions. The GNN model shows high predictability in baseline (R²=0.985) but collapses during disruption (R²=-1.591), highlighting the need for disruption-aware emissions accounting.

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

日本は地震多発国であり、港湾インフラのレジリエンスと排出管理はSSBJ・EU MRV対応の観点から重要。本稿の手法は、災害時の余剰排出を定量化し、サプライチェーン排出の正確な把握に寄与する。

In the global GX context

This paper demonstrates how natural disasters can cause measurable excess emissions, relevant to global disclosure frameworks like EU MRV and ISSB. The GNN-based approach offers a method for distinguishing disruption-driven emissions from normal operations, informing more accurate carbon accounting and resilience planning.

👥 読者別の含意

🔬研究者:The GNN modeling for emission prediction under disruption and the counterfactual analysis framework offer a methodological advance for quantifying non-linear emission drivers.

🏢実務担当者:Port operators and shipping lines can use the findings to incorporate disaster-related emission spikes into their MRV reporting and resilience strategies.

🏛政策担当者:Regulators should consider including disruption scenarios in maritime emission accounting standards to improve transparency and incentivize resilience investments.

📄 抄録（日本語訳）

自然災害は海上運航を混乱させるが、その環境への影響は未だ十分に調査されていない。本研究は、2023年2月のイスケンデルン湾地震（Mwg 7.6およびMwg 7.5）後のCO2排出量変化を、AIS由来の寄港データとグラフニューラルネットワークモデリングを用いて定量化する。36ヶ月間（2022年1月～2024年12月）の25,837件の寄港を分析し、基準期間（地震前）、急性混乱期間（2023年2月～6月）、回復期間における排出量を比較した。結果は、急性期間中の寄港あたりCO2排出量が統計的に有意な35.9%増加（t = 11.79、p < 0.001、Cohen's d = 0.27）を示し、これは寄港時間の延長（77.87時間から105.82時間）によって引き起こされた。反事実分析により、地震による混乱に直接起因する過剰CO2排出量は27,574トンと推定された。ネットワーク分析では、急性期間中のエッジ密度が23.8%減少したことが示された。グラフニューラルネットワーク（GNN）排出量予測モデルは、排出パターンの予測においてR2 = 0.985（基準期間）およびR2 = 0.997（回復期間）を達成した一方、急性期間では予測可能性の崩壊（R2 = −1.591）を示した。これらの知見は、地震事象が物理的損害を超えた持続可能性に関連する外部性を生み出すこと、そして混乱による過剰排出の定量化が、持続可能性志向の港湾レジリエンス計画とより堅牢な海上排出量算定（例えば、EU MRV枠組みの下での）を支援することを実証している。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

📄 Abstract（原文）

Natural disasters disrupt maritime operations; yet, their environmental consequences remain underexplored. This study quantifies CO2 emission changes following the February 2023 İskenderun Bay earthquakes (7.6 Mwg and 7.5 Mwg) using AIS-derived port visit data and graph neural network modeling. Analyzing 25,837 port visits across a 36-month period (January 2022–December 2024), we compared emissions during baseline (pre-earthquake), acute disruption (February–June 2023), and recovery phases. Results revealed a statistically significant 35.9% increase in per-visit CO2 emissions during the acute phase (t = 11.79, p < 0.001, Cohen’s d = 0.27), driven by extended port visit durations (from 77.87 to 105.82 h). Counterfactual analysis estimated 27,574 tonnes of excess CO2 emissions directly attributable to earthquake disruption. Network analysis showed a 23.8% reduction in edge density during the acute phase. The graph neural network (GNN) emission prediction model achieved R2 = 0.985 (baseline) and R2 = 0.997 (recovery) in predicting emission patterns, while the acute phase showed predictability collapse (R2 = −1.591). These findings demonstrate that seismic events generate sustainability-relevant externalities beyond immediate physical damage, and that quantifying disruption-driven excess emissions supports sustainability-oriented port resilience planning and more robust maritime emission accounting (e.g., under the EU MRV framework).

🔗 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。