メタン濃度のグラフが下がったのに排出量が増えたとしたら、不思議に感じるでしょう。しかし、空気の移動量もあわせて見れば起こり得ることです。『炭素削減を実証する技術とソリューション』第8章では、メタン濃度とメタン排出量の測定を区別して説明しています。今日は難しい計算よりも、濃度グラフを読むときに何をあわせて見るべきかをお話しします。
本書でまず区別しておきたいことです
濃度と排出率を区別したら、次は時間を見てみましょう。ある瞬間の排出率と、1日または1年間の排出量も同じ値ではありません。時間による変動や欠測区間、測定期間の代表性を確認する必要があります。また、畜舎内で加わった分を調べるには、流入する空気にどれだけのメタンが含まれているかを知る必要があります。単純な計算を用いる場合も、空気が十分に混合されているか、濃度と流量が同じ条件を示しているかを確認しなければなりません。
どの不確実性が支配的かは、測定条件によって異なる。自然換気の畜舎では換気量や空間代表性の寄与が大きい場合があり、小さな濃度差を読み取る場合は装置の再現性・ドリフト・バックグラウンド補正が重要になることがある。まず不確かさ予算を作り、各項目を低減する費用と最終判断の改善効果を比較する。高価なセンサーやサンプル数の増加が常に最善の投資とは限らない。
濃度は空気中のガスの割合であり、排出率は単位時間当たりに排出される質量です。排出量を測定または推定するには、目的に合った濃度と流量、測定モデルを結び付ける必要があります。濃度が低下しても、空気の移動量が増えた場合、質量排出率も同じ方向に変化すると断定することはできません。時間ごとの排出率を排出量に結び付ける際は、測定期間と欠測区間の処理も必要です。
機械換気の畜舎では、ファンの定格だけでなく、静圧や稼働状態、汚れ・摩耗による実風量の変化を確認します。自然換気では、風向・風速、温度差、開口部の状態を調べる必要があります。換気量推定の不確実性が排出率にどの程度影響するかは、測定モデルの中で評価します。
トレーサーガス法。既知の放出率や濃度低下のパターンを用いて、空気交換を推定します。トレーサーガスと対象ガスの混合・輸送が十分に似ているか、バックグラウンド濃度をどう処理したかによって結果は変わります。手法名だけで精度が確保されるわけではありません。
個体単位の方法には、目的ごとに異なる長所と短所があります。開放式呼吸代謝チャンバーは流入・流出空気と流量から質量収支を求めますが、動物の馴化と費用の負担が大きくなります。GreenFeedはフードを訪れた際の濃度と空気の流れを利用するため、1日の訪問が代表的であるかが重要です。SF6法では、既知の放出率を持つ透過管を反芻胃に挿入し、外部の採取装置で呼吸・げっぷのガスを採取します。技術名による単一の精度順位よりも、回収率、校正、サンプリング、実施記録を比較しなければなりません。畜舎の一地点の濃度は、これらの排出率と同じ測定量ではありません。
現場ではこのように見てみるとよいでしょう
換気ファンをより多く稼働させた状況を想像してみてください。より多くの空気にメタンが混ざることで、濃度が下がる場合があります。しかし、排出される空気の量も増えていれば、メタンの排出質量を濃度だけで判断することはできません。濃度の変化率をそのまま削減率として記載すると、結論が変わる可能性があります。
非分散型赤外線（NDIR）は、メタンによる赤外線吸収を利用する方式である。触媒燃焼式のような酸素依存性や触媒被毒はないが、光学系の汚染や温度・圧力・水分の影響を受けないわけではない。原理だけで農場の長期観測に適していると判断せず、想定濃度や内外の濃度差に対して、検出限界・再現性・ドリフトが十分かどうかを製品ごとに確認する。
センサーを比較する際は、測定範囲と分解能、他のガスに対する交差感度、応答時間、ドリフトをあわせて確認します。温度・湿度・粉じんなどの環境条件と校正要件も検討する必要があります。小さな濃度差を見分ける必要がある場合、装置の表示単位と不確かさが目的に適しているかを、製品と運用モードごとに確認します。センサー原理の名称だけでは、これらの条件を代替できません。
AIは、異常の兆候を候補として検出したり、定められた条件下で短い欠測を推定したり、複数の変数間の関係を探索したりするために活用できます。データ整理や品質点検、報告書の草案作成を支援することもあります。機能ごとに目的と失敗時のコストは異なるため、すべてを同じ性能指標で評価してはなりません。どの入力と前提から結果を作成したかを明らかにし、推定値を直接観測値と区別する必要があります。
投資を検討するとき、あわせて尋ねてみましょう
技術の説明を受けたら、それが濃度なのか排出率なのか、どの時間範囲の値なのかを尋ねてください。換気量とバックグラウンド濃度をどのように確認したかも重要です。一地点の短時間測定を農場全体の年間排出量に換算するには、その間をつなぐ根拠が必要です。
AIの評価資料は、利用目的に応じて分ける。将来の運転状態を予測するなら時間順の分割を、別の農場に展開するなら農場単位の分割を検討する。モデル選択に使うデータと、最後の性能確認に使うデータも分ける。単純な基準モデルと比較し、平均誤差だけでなく、農場・季節ごとの偏りや失敗条件も確認しなければ、実際の利用範囲を説明できない。
ここから学べる運用原則は、データ量よりも先に有効条件を定義することである。除外された時間帯が特定の天候や給与状況に偏っていれば、有効データの平均が年間平均を代表しない可能性がある。その畜舎の風向・風速の基準を別の建物にそのまま適用せず、バックグラウンド濃度・ガスの混合・換気モデルと、除外データの分布をあわせて検討する必要がある。
本を閉じる前に考えておきたい問いです
センサーの数値を疑うべきだという意味ではありません。その数値が答えられる問いを正確に定めようということです。濃度と空気の流れをあわせて見れば、どのような変化を観測したのか、何をさらに確認する必要があるのかが、より明確になります。
著者紹介
イ・ボンジュンは、西江大学校の技術経営大学院（MOT）を修了。Infitron Co., Ltd.で7年、Honeywellで20年、ガス計測分野に27年間従事し、サービスエンジニア、技術営業、チャネル管理の業務を担当した。現在はAI Safety Korea Co., Ltd.の創業者として、センサー・AI・データ分析を活用した畜産メタンモニタリングと測定・報告・検証（MRV）の仕組みを研究している。