✅ 主な研究地域
2005～2011：滋賀県愛知川扇状地（大阪教育大学、大阪市立大学）------------- Echi-gawa
2012～2016：沖縄県南大東島（熊本大学、CREST） ------------------------------- Minami-Daito Island
2017～2018：カンボジアのトンレサップ湖（東京工業大学、SATREPS）----- Tonle Sap Lake
2019～2022：大分県別府温泉（京都大学）---------------------------------------------- Beppu
2022～ ：利尻島、小浜、富山などを予定
✅ 主な研究手法
①地化学・物性モニタリング（水量・水質）＊
②帯水層の透水係数推定
③水循環シミュレーション
＊pH，水温，DO，ORP，EC，地下水位，イオンクロマトグラフィー，水素・酸素同位体
✅ GETFLOWSによる炭酸塩岩帯水層の透水係数の推定の一例（沖縄県南大東島を対象）
1. 地下水位の測定（観測井15ヶ所）：ロガーで30分ごとの圧力と温度を記録。
2. スペクトル解析（主に高速フーリエ変換：FFT）による潮位と地下水位の主要5分潮を検出。
3. Coupled Inverse (U-CODE)-Forward (GETFLOWS) シミュレーションにより、初期透水係数を計算。
4. 3次元GRIDを細分して地質モデルを作成し、GETFLOWSにより、定常解析を行う。
5. 実測潮位を境界条件に加え、非定常解析を行う。
6. Validationする（地下水位の計算値と観測値を比較）。下記のポスターはRMSEを用いた。
✅ 別府温泉の泉質分類：Hierarchical Cluster Analysis (HCA) 階層クラスター分析①
引用文献：「梁 熙俊（2021）水文化学的手法と多変量解析による別府温泉の泉質の分類および鉛直分布特性. 地下水学会誌，63(3)，137-149.
Jupyter Notebookコード
import pandas as pd #pandasをpdとしてインポートする。
import numpy as np #numpyをnpとしてインポートする。
import matplotlib.pyplot as plt #matplotlibをpltとしてインポートする。
%matplotlib inline
＃上記の３つは定型文のように使わなくても入れておく（入れなくてもいい）。
df= pd.read_csv("ForR_BP.csv") ＃データ（別府温泉の泉質）をインポートして、dfとする。
csvファイルは → https://drive.google.com/file/d/1B_CI3Ba5vcKoAoKcB5B1q8N69KueLgDK/view?usp=sharing
df.head() ＃dfデータ（別府温泉の泉質）の上から５行までを見る。
#基本統計量を確認
df.describe()
＃#データの正規化
df_data = df.iloc[:, 1:].apply(lambda x: (x-x.mean())/x.std(), axis=0)
＃dfデータを正規化してdf_dataとして保存する。（水質データの桁数が異なるので、正規化をする）
df_data.head()
# 階層型クラスタリングに使用する関数インポート
from scipy.cluster.hierarchy import linkage
from scipy.cluster.hierarchy import dendrogram
result_hca = linkage(df_data.iloc[:, :], ＃ユーグリッドとWard法を使い、クラスタリングする。
#metric = 'correlation', ＃他の方法も載せているが、＃はコメント文だから実行しない
metric = 'euclidean', #metric = 'cosine',
#method = 'average', method = 'ward', #method= 'complete', #method='weighted')
＃デンドログラムを作成
plt.figure(figsize=(10, 12))
dendrogram(result_hca, orientation='right', labels=list(df.index), color_threshold=0.9)
plt.title("Dedrogram")
plt.xlabel("Threshold")
plt.grid()
plt.tick_params(labelsize=12)
plt.show()
# デンドログラムを保存する。
plt.savefig("300_dpi_scatter.png", format="png", dpi=300)
✅ 別府温泉の泉質分類：Factor Analysis (FA) 因子分析➁
引用文献：「梁 熙俊（2021）水文化学的手法と多変量解析による別府温泉の泉質の分類および鉛直分布特性. 地下水学会誌，63(3)，137-149.
https://doi.org/10.5917/jagh.63.137」
Jupyter Notebookコード
上記のデータ正規化までは同じ
#固有値１以上の因子探す
eigenvalue_one:np.ndarray = np.array([1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0])
plt.plot(np.linalg.eigvals(df_data.corr()), 's-') #df_data.corr():da_dataの相関
plt.plot(eigenvalue_one, 's-')
plt.xlabel('Factor count')
plt.ylabel('Eigenvalue')
＃上記を実行したら、固有値１以上の因子は３つあることが確認できる。この３つを下記のFAでパラメータとして利用する。
＃Factor Analysisを行う
!pip install factor_analyzer ＃factor_analyzerをインストールする。
from factor_analyzer import FactorAnalyzer
columns = df_data.columns
n = 3 ＃固有値１以上の因子の数
fa = FactorAnalyzer(n_factors=n, rotation='varimax', use_smc=True, impute='drop')
fa.fit(df_data)
fa.loadings_
＃結果をseabornで確認
import seaborn as sns
df_result = pd.DataFrame(fa.loadings_)
cm = sns.light_palette("grey", as_cmap=True)
df_result.style.background_gradient(cmap=cm)
＃寄与度、寄与率、累積寄与率の出力
fa.get_factor_variance()
＃固有値を出力
fa.get_eigenvalues()
✅ 地下水位の周期成分：Fast Fourier Transform (FFT) 高速フーリエ変換
Reference: Yang H., Shibata T. (2020) Aquifer classification and pneumatic diffusivity estimation using periodic groundwater level changes induced by barometric pressure. Hydrological Research Letters 14(3), 111–116. doi.org/10.3178/hrl.14.111
R コード
# Working directory
getwd() #現在の作業フォルダーの確認
setwd("C:/Users/Yang/Desktop/R_data/TOYAMA/fft") #作業フォルダーの変更
#データの読み込み
#install.packages('openxlsx') Install
library(openxlsx)
Be <- read.xlsx("C:/Users/Yang/Desktop/R_data/TOYAMA/fft/Be.xlsx")
#FFT (Fast Fourier Transform)
input = Be$WT_west
output = Be$WT_east
N=length(input)
# Get the list of frequencies
freq=seq(0, 1-1/N, by = 1/N)
# 平均０にする
input<- input-mean(input)
output<- output-mean(output)
# FFTの実行
spec_i <- fft(input)
spec_o <- fft(output)
con_spec_i<- Conj(spec_i) #共役数
con_spec_o<- Conj(spec_o)
#Amplitude spectrum
amp_i<- abs(spec_i)/N
amp_o<- abs(spec_o)/N
# Extract frequency and amplitude spectrum
write.table(amp_o, "C:/Users/Yang/Desktop/R_data/TOYAMA/fft/ampl.dat")
write.table(freq, "C:/Users/Yang/Desktop/R_data/TOYAMA/fft/freq.dat")
✅ 0.1～0.3mLの試料でも重炭酸イオン濃度の測定が可能。
Reference: Yang H., Mishima T., Katazakai S., Kagabu M (2023). Analytical approach using a chemical equilibrium formula and geochemical modeling for alkalinity measurements of small natural water samples. Applied Geochemistry, https://doi.org/10.1016/j.apgeochem.2022.105535
＊通常のHCO3-濃度は中和滴定法を用いるが、サンプル（試料）の量が50mL以上は必要である。
＊分光光度計を用いるこの方法を、理論的なアプローチから、その確かさを明らかにした。
＊実験方法は、日本語の論文「https://doi.org/10.4145/jahs.38.157」がより分かりやすい。
＊検量線（ｆ）を引くのがかなり難しいが、この論文の「https://doi.org/10.1016/j.apgeochem.2022.105535」からEXCELファイルがダウンロードできる。吸光度や標準溶液の重炭酸濃度（500mg/L HCO3-）、ｐHが測定できれば、黄色のシートにその値を入力するだけで、計算できるようにしたので、分かりやすいと思われる。
