市民科学で守る水環境：スマホが観測ツールになる時代

「これだ！」と心を掴まれたのが、「市民科学（Citizen Science）」という考え方です。専門家と一般の人々が手を取り合って環境問題に取り組むというテーマを、まさに体現しています。

CrowdWaterプロジェクト

世界中で行われている「CrowdWater」というプロジェクトがあります。川や湖の写真を撮って、水位や流れの速さ、水の濁り具合などをアプリから報告するだけのシンプルなもの。これが、水文学の研究者たちの貴重なデータになるんです。

Pythonでデータ分析

市民科学で集められたオープンデータをPythonで分析することもできます。近所の川の観測データと気象庁の降水量データを突き合わせて、自分だけの予測モデルを作ることも可能です。

import pandas as pd
import matplotlib.pyplot as plt

# データ作成
data = {
 'date': pd.to_datetime(['2024-05-01', '2024-05-02', '2024-05-03']),
 'water_level': [1.2, 1.3, 2.5],
 'precipitation': [5, 10, 80]
}
df = pd.DataFrame(data)

# グラフ表示
fig, ax1 = plt.subplots()
ax1.plot(df['date'], df['water_level'], color='blue')
plt.show()

環境問題は遠い場所の話じゃなくて、私たちの足元にある川や湖の話なのです。

市民が集めたデータをどう信頼できるものにするか

たくさんの人が関われば関わるほど、記録の取り方にはばらつきが出ます。撮る角度が違ったり、判断の基準が人によってずれたりするのは避けられません。だからこそ、記録の手順をできるだけ簡単にして、誰がやっても同じ結果になる形に近づける工夫が大事になってきます。誰がやっても同じ結果になる形に近づける工夫が、実は一番効いてきます。

とはいえ、厳密さを求めすぎると参加のハードルが上がってしまいます。この兼ね合いは難しいところで、多少のばらつきは後から統計的に扱うという割り切りも必要です。完璧を目指すより、続けられる仕組みにするほうが結果的に価値のあるデータになると思います。続けられる仕組みにするほうが、結果的に価値のあるデータが集まると思います。

地域の観測を続けるために必要な仕組み

一度きりの観測でも意味はありますが、環境の変化を見るには継続が欠かせません。ただ、個人の熱意だけで続けるのはやっぱり大変です。学校の授業や地域の活動と結びついていると、担い手が入れ替わっても記録が途切れにくくなります。観測の手順を短くまとめた資料があると、新しく加わった人もすぐに参加できるようになります。

それと、集めたデータが何かに使われているという実感があると、続けるモチベーションになります。結果を地図にまとめて見せるとか、地域の集まりで共有するとか。参加した人に還元される形をつくることが、長続きの秘訣なのだと感じています。結果を地図にまとめて見せるといった還元の形があると、参加する側の張り合いにもつながります。

観測データを読み解くときに気をつけたいこと

データを見ていると、つい何かの因果関係を見つけたくなります。でも、二つの数字が一緒に動いているように見えても、それだけで原因と結果を結びつけるのは早すぎることが多いんです。雨が降った直後なのか、上流で工事をしていたのか、背景の情報が要ります。背景の情報がないと、数値だけでは意味を読み取れないことが多いんです。

だから、数字だけでなく、現地で見た様子や気づいたことをメモとして残しておくのがおすすめです。あとから見返したときに、その数値が何を意味していたのかを思い出す手がかりになります。観測というのは、記録と観察の両輪なんですよね。現地で見たときの様子をメモとして残しておくと、後から数値を読み解くときの手がかりになります。