【ポスター発表】環境・リサイクリング分野　［9/3(水) 　PM ポスター発表会場］

[P077C] ハイパースペクトルと機械学習を用いたトンネル掘削土中の砒素全含有量および溶出量の予測

○千葉 奏之介¹、室井 桂介¹、橋本 綾佳¹、有馬 孝彦²、- -²、廣吉 直樹² (1. 北海道大学大学院工学院、2. 北海道大学大学院工学研究院)

キーワード：ヒ素、重金属汚染、ハイパースペクトルイメージング、機械学習

火山地域のトンネル工事では、熱水変質を受けた岩石に由来して自然由来のヒ素や重金属を含む掘削土が発生し、雨水等による溶出が環境影響を及ぼすおそれがある。このため、掘削土の対策要否を迅速に判断することが求められるが、現行の溶出量試験や含有量分析には通常1〜2週間を要し、仮置きスペースの確保や保管対応が長期化するなど、現場運営上の課題となっている。そこで本研究では、ハイパースペクトルと化学分析データを組み合わせ、機械学習によりヒ素濃度を迅速かつ高精度に推定する手法の構築を試みた。北海道内のトンネル掘削現場から採取した21試料に対して溶出量試験および逐次抽出試験を実施し、得られた化学的特徴とスペクトル情報をもとに回帰モデルを構築した。結果、特にヒ素溶出量の推定において高い精度を示し、全含有量の推定精度を上回った。これは、溶出量が主にイオン交換態や鉱物表面に由来するヒ素の挙動を反映しており、表層の情報に感度の高いハイパースペクトル画像と親和性が高かったためと考えられる。一方、全含有量の推定には試料内部に存在するヒ素の把握が必要であり、表面のスペクトルからの判別には限界があったと推察される。