PM2.5はどう測るのか?　 地上と人工衛星からの観測

PM2.5が健康や経済に与える影響を減らすには、その実態を正確に把握することが重要である。PM2.5の測定方法の1つは、主に地上に設置された観測機器によるものである。代表的な方法には、空気をフィルターに通して粒子を集め、重さを量る「重量法」、光を当てて散乱の度合いを測る「光学法」などがある。これらの方法を使えば、その時その場所の空気中にどれだけPM2.5が含まれているかを正確に知ることができる。

しかし、地上に設置される観測機器は、購入や維持に多くの費用がかかるため、設置場所が限られている。そのため、多くの観測機器は都市の空気を測る目的で設置され、農村部にはほとんど設置されていない。例えば、中国では2013年以降^[1]、全国にPM2.5を測定する観測ステーションが多数設置されてきたが、その多くは都市に集中している。こうした偏りにより、農村部のPM2.5を正確に評価することが難しく、農業や森林火災など都市以外の汚染源の把握を妨げることが多い（Li et al., 2017）。

実際、世界の多くの国では、PM2.5をはじめとする主要な大気汚染物質の観測データがほとんどない。最近の調査によれば、約140か国はPM2.5を定期的に測定しておらず、人口100万人あたり3台以上の観測装置を備える国は、わずか23か国しか存在しない（Martin et al., 2019）。

以上の不足を補う方法として、近年注目されているのが人工衛星による観測である。人工衛星は地球規模で大気中の微粒子の分布を継続的に観測できるため、地上観測が限られている地域でもPM2.5の状況を把握することが可能である。具体的には、宇宙から地球全体を見渡し、大気中のチリや煙の量を光の反射や透過の変化から推定できる。この情報とコンピューター上で大気の動きや化学反応を再現するシミュレーションを組み合わせることで、地上に観測機器がない地域でもPM2.5の濃度を推定できる。

特に、アメリカのワシントン大学セントルイス校を拠点とする大気成分解析グループ（Atmospheric Composition Analysis Group）は、カナダのダルハウジー大学などと連携し、世界のPM2.5濃度を地域別に細かく推定する技術を開発してきた。これにより、これまで計測が困難だった農村部のPM2.5も可視化できるようになり、健康被害や経済損失の評価にも役立っている。

近年では、この推定精度をさらに高めるため、深層学習（ディープラーニング）が導入されている。最新の研究では、気象データ（気温、湿度、風速）、大気汚染排出インベントリ（どこでどれくらいの汚染物質が出ているかをまとめたデータ）や標高など合計29種類の予測因子を学習させる。特徴的なのは、PM2.5の値そのものを予測するのではなく、モデルの推定値と実測値の差（ズレ）を予測する仕組みを採用している点である。これにより、地上観測点が少ない地域でも、モデルの過大・過小評価を補正しやすくなる（Shen et al., 2024）。PM2.5のリモートセンシングデータと深層学習を組み合わせた手法により、これまでデータがほとんどなかった地域においてもPM2.5濃度を把握できるようになった。例えば、サハラ以南のアフリカ、東南アジアの山岳地帯や中国の西部地域の農村部など、従来の観測では、ほぼ空白だった地域でも、年間平均や季節ごとのPM2.5分布を把握できるようになった。