2019 Fiscal Year Research-status Report
分光光度計測に基づく河川水中の有機物と栄養塩の総合モニタリング手法の開発
| Project/Area Number |
17K06571
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
木内 豪 東京工業大学, 環境・社会理工学院, 教授 (00355835)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Keywords | 紫外可視分光光度計 / 河川水質 / 栄養塩 / 有機物 / 浮遊物質 / 吸光度スペクトル / 統計回帰モデル / ANNモデル |
|---|
| Outline of Annual Research Achievements |
河川等における有機物や栄養塩等の水質計測・モニタリングは水圏・地圏の物質動態に関わる科学分野から公共用水域の環境管理分野に至る幅広い場面で必要とされる基本的技術である。従来の水質計測・モニタリングには定期的採水等に基づく室内分析や現場設置型の自動分析装置が用いられてきたが、前者は多大な労力を要するにもかかわらず現象の動的変動特性が十分に把握できず、また、後者は装置の設置・維持に多大な費用がかかるため多項目の総合的計測が困難という課題があった。そこで、本研究では、近年、小型化が進み現場利用が可能となってきた分光測定技術（spectroscopy）を活用して、高時間解像度で精度よく河川水中の有機物、リン、窒素の総量及び溶存態・懸濁態の濃度をモニタリングする新たな水質計測・定量化手法の確立を目指す。
2019年度においては、前年度までに取得した携帯型紫外可視分光光度計による吸光度スペクトルの現地計測データと室内での吸光分析及び有機物・リン・窒素・浮遊物質に関する水質分析の結果を行いて、SS及びCOD・総リン・総窒素・硝酸態窒素等の濃度を推定する手法の精度向上に関する検討を行った。今年度検討した手法は、主成分回帰法（PCR）、部分最小二乗法（PLSR）、波長選択式の部分最小二乗法（PLSR-WS）の３つの統計回帰モデルならびにANN法である。
本検討の結果、PLSRは、キャリブレーションと予測の両方でNO3-NとCODの精度が優れていた。 PLSR-WSは、より少ない波長数でPLSRよりもTN、TP、PPの推定において優れた推定結果を示した。これらのモデルと比較してANNモデルはTP、PPおよびSSをより正確に推定するとともに、窒素やCODにおいても他の手法に比べて遜色のない推定結果を示すことが明らかとなった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
これまで取得された広範囲な水理条件下における各種水質指標を、より高い信頼性で推定するための手法の検討を進めた。その一つとして、入力条件として用いる波長帯を予め選択する手法を新たに提案した。また、深層学習手法として近年目覚ましい進展を遂げているANNモデルについても良好な適用性を示すことができた。以上のことから、おおむね本研究の目的が順調に達成されてきていると判断される。
|
| Strategy for Future Research Activity |
これまでの本研究の取り組みにより、従来難しいとされていた分光測定技術に基づくリンの高精度な検出の可能が見えてきている。今後は、その要因解明のための追加分析を行って研究を深める。また、深層学習に基づくANNモデルにはまだ検討の余地が残されていることから、ANNモデルについてさらに詳細な検討を行う。
また、これまで霞ヶ浦流入河川流域等に適用してきた分布物理型の水・物質循環モデルの解析結果やニューラルネットワークによる推定結果とも比較しながら、新たな手法により作成される時系列情報の優位性について検証を加える。
最後に、3年間の検討成果をとりまとめ、分光光度計測に基づく河川水中の有機物と栄養塩の総合モニタリング手法を提案する。
|
| Causes of Carryover |
本研究では分光光度計測に基づく河川水質のモニタリング手法について検討を行っている。この過程で、従来難しいとされていた分光測定技術に基づくリンの高精度な検出が可能となったことから、その要因解明のための追加分析を行って研究を深める。また、これまで検討したデータ解析手法に加え、多分野で応用が進む深層学習に基づく手法についてもさらに詳細な検討を行う。そのため、2019年度に追加計測により基礎的データを取得するために確保していた予算を、これらの検討費用に充てることとした。2020年度は、得られた成果をまとめて学会や論文で発表する予定であり、これらの活動のための経費としても次年度使用額を充当する。以上による、本補助事業の目的をより精緻に達成する。
|
Research Products
(1 results)
