ミシガン大学研究チームが開発した機械学習アルゴリズム「LeafMachine2」が、デジタル植物標本コレクションからの葉面積と葉柄幅の自動計測を実現した。同手法は王立植物園キューガーデンが刊行するState of the World's Plants and Fungi 2026レポートにおいて、気候および生物多様性危機への対応を革新するデジタルツールの事例として紹介されている。研究では約2万2000枚、1580種の木本被子植物の標本画像を処理し、葉当たりの質量を推定するモデルを構築。全球規模のデータ解析により、葉当たりの質量が降水量よりも気温と日射量の変数と強く相関することを明らかにした。 本手法の科学的応用範囲は現代生態学に限定されない。現生植物の形態特性と気候条件の相関関係を定量化することで、化石記録から数百万年前の古気候を復元する古植物学の重要なプロキシ指標としても機能する。葉柄の太さが葉身の質量を支える物理法則に基づくため、標本写真のみからでも過去環境を高精度に推測可能となる。 首席研究者のウィリアム・ウィーバー博士は、19世紀から蓄積された大量の標本がデジタル化とAI解析によって新たな知見を生み出す点を強調。本ツールを統合することで、植物の気候適応パターンや生態系の変化を高速に把握でき、科学的知識の空白領域の特定と保護戦略の最適化に直結すると指摘している。デジタル標本データベースと機械学習の融合は、植物・菌類の気候変動対策をデータ駆動型の科学へ転換する基盤技術となることが実証された。