More than 3 years have passed since last update.

オープンデータを利用して有機フッ素化合物の環境中濃度を地図上にプロットしてみる

Last updated at 2020-06-22Posted at 2020-06-19

#ChemTHEATREに収録されたデータを活用して有機フッ素化合物の濃度を可視化してみる

##有機フッ素化合物とは

親水性と親油性の両方の性質を持ち，撥水剤や消化剤，油剤，エッチング剤など幅広い用途で使用されています。

有機フッ素化合物に関するわかりやすい解説は，NHKのクローズアップ現代のHPを参照。
https://www.nhk.or.jp/gendai/articles/4280/index.html

その有害性から，有機フッ素化合物のうちペルフルオロオクタン酸（Perfluorooctanoic acid: PFOA）は2019年からその製造・使用・輸出入が国際的に禁止され，ペルフルオロオクタンスルホン酸（Perfluorooctanesulfonate: PFOS）は2009年から製造・使用・輸出入が制限されています。

##有機フッ素化合物の基準値等

近年，両物質が井戸水から検出されたり，河川に流出するなど，問題となっています。
これを受け，厚生労働省は水質管理目標設定項目にPFOSとPFOAを追加しました（令和2年4月1日施行）。水道水質基準の目標値をPFOSとPFOAの合算値で50 ng/Lとしています。
https://www.mhlw.go.jp/stf/seisakunitsuite/bunya/topics/bukyoku/kenkou/suido/kijun/index.html

また，環境省は水環境におけるPFOSとPFOAの全国存在量調査を実施し，「水質汚濁に係る人の健康の保護に関する環境基準等の施行について（通知）」（令和2年5月28日付け）で，水環境に係る暫定的な目標値としてPFOSとPFOAの合算値で50 ng/Lを設定しました。
令和元年度PFOA及びPFOA全国存在量調査結果
https://www.env.go.jp/press/108091.html

ちなみに，令和2年6月に厚生労働省が公開した浄水場を対象とした調査結果では，水道水の暫定目標値であるPFOS+PFOA 50 ng/Lを超過したところはありませんでした。
https://www.mhlw.go.jp/content/10900000/000638290.pdf

##ChemTHEATREから有機フッ素化合物の環境中濃度データを取得する

ChemTHEATREでは環境中の化学物質濃度のモニタリングデータを公開しており，有機フッ素化合物のデータも収録しています。実際に，PFOSやPFOAがどのくらいの濃度で検出されたのか，また，その合算値は基準値と比較してどの程度高い，あるいは低いのか，実際に見てみましょう。

ChemTHEATREのメニューバーから「試料検索」を選択する。
「試料タイプ」から「Abiotic - Water」（非生物 - 水）を選択する。
「化学物質グループ」から「Perfluoroalkyl and polyfluoroalkyl substances」を選択する。
「採取地域」から「Asia」を選択し，採取国を「Japan」にする。
「Search」ボタンをクリックすると，条件に合致する試料の一覧が出力される。
「Export samples」で試料の情報が，「Export measured data」で目的の化学物質の測定値が，タブ区切りのテキストファイルとして出力する。

エクスポートしたファイルを任意のディレクトリに保存して，解析に使用してください。

##エクスポートしたデータを整形する

必要なライブラリを読み込む。

import pandas as pd

化学物質の測定値の情報を読み込む。

data_file = "measureddata_20200521044415.tsv"
data = pd.read_csv(data_file, delimiter="\t")
data

	MeasuredID	ProjectID	SampleID	ScientificName	ChemicalID	ChemicalName	ExperimentID	MeasuredValue	AlternativeData	Unit	Remarks	RegisterDate	UpdateDate
0	81245	PRA000095	SAA005816	Water	CH0000362	PFBS	EXA000001	0.00100	<1.00E-3	μg/L	NaN	2019/7/26	2019/7/26
1	81246	PRA000095	SAA005817	Water	CH0000362	PFBS	EXA000001	0.00100	<1.00E-3	μg/L	NaN	2019/7/26	2019/7/26
2	81247	PRA000095	SAA005818	Water	CH0000362	PFBS	EXA000001	0.00100	NaN	μg/L	NaN	2019/7/26	2019/7/26
3	81248	PRA000095	SAA005819	Water	CH0000362	PFBS	EXA000001	0.00100	<1.00E-3	μg/L	NaN	2019/7/26	2019/7/26
4	81249	PRA000095	SAA005820	Water	CH0000362	PFBS	EXA000001	0.00100	<1.00E-3	μg/L	NaN	2019/7/26	2019/7/26
...	...	...	...	...	...	...	...	...	...	...	...	...	...
3087	48619	PRA000060	SAA003645	Water	CH0000793	THPFOS	EXA000001	0.00030	NaN	μg/L	NaN	2018/2/9	2018/6/8
3088	48620	PRA000060	SAA003646	Water	CH0000793	THPFOS	EXA000001	0.00008	NaN	μg/L	NaN	2018/2/9	2018/6/8
3089	48621	PRA000060	SAA003647	Water	CH0000793	THPFOS	EXA000001	0.00159	NaN	μg/L	NaN	2018/2/9	2018/6/8
3090	48622	PRA000060	SAA003648	Water	CH0000793	THPFOS	EXA000001	0.00188	NaN	μg/L	NaN	2018/2/9	2018/6/8
3091	48623	PRA000060	SAA003649	Water	CH0000793	THPFOS	EXA000001	0.00070	NaN	μg/L	NaN	2018/2/9	2018/6/8

3092 rows × 13 columns

続いて，試料の情報を読み込む。

sample_file = "samples_20200521044410.tsv"
sample = pd.read_csv(sample_file, delimiter="\t")
sample

	ProjectID	SampleID	SampleType	TaxonomyID	UniqCodeType	UniqCode	SampleName	ScientificName	CommonName	CollectionYear	...	FlowRate	MeanPM10	MeanTotalSuspendedParticles	HumidityStartEnd	WindDirectionStartEnd	WindSpeedMSStartEnd	AmountOfCollectedAirStartEnd	Remarks	RegisterDate	UpdateDate
0	PRA000048	SAA002867	ST014	NaN	NaN	NaN	SW-St.1	Water	Surface water	2004	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	2017/10/25	2019/7/18
1	PRA000048	SAA002868	ST014	NaN	NaN	NaN	SW-St.3	Water	Surface water	2004	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	2017/10/25	2019/7/18
2	PRA000048	SAA002869	ST014	NaN	NaN	NaN	SW-St.4	Water	Surface water	2004	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	2017/10/25	2019/7/18
3	PRA000048	SAA002870	ST014	NaN	NaN	NaN	SW-St.5	Water	Surface water	2004	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	2017/10/25	2019/7/18
4	PRA000048	SAA002871	ST014	NaN	NaN	NaN	SW-St.7	Water	Surface water	2004	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	2017/10/25	2019/7/18
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
271	PRA000095	SAA005846	ST015	NaN	NaN	NaN	W_1xyz24_20100821	Water	River water	2010	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	Around Kushiro Airport	2019/7/26	2019/7/26
272	PRA000095	SAA005847	ST015	NaN	NaN	NaN	W_1xyz25_20100821	Water	River water	2010	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	Around Kushiro Airport	2019/7/26	2019/7/26
273	PRA000095	SAA005848	ST015	NaN	NaN	NaN	W_1xyz26_20100821	Water	River water	2010	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	Downstream from the inflow of wastewater from ...	2019/7/26	2019/7/26
274	PRA000095	SAA005849	ST015	NaN	ZETTAICODE_FY2011_W	113680.0	W_113680_20110702	Water	River water	2011	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	Upstream from the inflow of wastewater from Ch...	2019/7/26	2019/7/26
275	PRA000095	SAA005850	ST015	NaN	ZETTAICODE_FY2011_W	118873.0	W_118873_20110702	Water	River water	2011	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	Downstream from the inflow of wastewater from ...	2019/7/26	2019/7/26

276 rows × 66 columns

pfos = data[data["ChemicalName"] == "PFOS"] #ChemicalNameがPFOSのデータだけを抽出
pfoa = data[data["ChemicalName"] == "PFOA"] #ChemicalNameがPFOAのデータだけを抽出

それぞれの中身を確認すると，下記のように見える。

pfos

	MeasuredID	ProjectID	SampleID	ScientificName	ChemicalID	ChemicalName	ExperimentID	MeasuredValue	AlternativeData	Unit	Remarks	RegisterDate	UpdateDate
269	35646	PRA000048	SAA002867	Water	CH0000365	PFOS	EXA000001	0.0073	NaN	μg/L	NaN	2017/10/25	2018/6/8
270	35647	PRA000048	SAA002868	Water	CH0000365	PFOS	EXA000001	0.0030	NaN	μg/L	NaN	2017/10/25	2018/6/8
271	35648	PRA000048	SAA002869	Water	CH0000365	PFOS	EXA000001	0.0034	NaN	μg/L	NaN	2017/10/25	2018/6/8
272	35649	PRA000048	SAA002870	Water	CH0000365	PFOS	EXA000001	0.0038	NaN	μg/L	NaN	2017/10/25	2018/6/8
273	35650	PRA000048	SAA002871	Water	CH0000365	PFOS	EXA000001	0.0020	NaN	μg/L	NaN	2017/10/25	2018/6/8
...	...	...	...	...	...	...	...	...	...	...	...	...	...
540	81380	PRA000095	SAA005846	Water	CH0000365	PFOS	EXA000001	0.0010	<1.00E-3	μg/L	NaN	2019/7/26	2019/7/26
541	81381	PRA000095	SAA005847	Water	CH0000365	PFOS	EXA000001	0.0010	<1.00E-3	μg/L	NaN	2019/7/26	2019/7/26
542	81382	PRA000095	SAA005848	Water	CH0000365	PFOS	EXA000001	0.0076	NaN	μg/L	NaN	2019/7/26	2019/7/26
543	81383	PRA000095	SAA005849	Water	CH0000365	PFOS	EXA000001	0.0028	NaN	μg/L	NaN	2019/7/26	2019/7/26
544	81384	PRA000095	SAA005850	Water	CH0000365	PFOS	EXA000001	0.0120	NaN	μg/L	NaN	2019/7/26	2019/7/26

276 rows × 13 columns

pfoa

	MeasuredID	ProjectID	SampleID	ScientificName	ChemicalID	ChemicalName	ExperimentID	MeasuredValue	AlternativeData	Unit	Remarks	RegisterDate	UpdateDate
896	46410	PRA000060	SAA003568	Water	CH0000372	PFOA	EXA000001	0.00436	NaN	μg/L	NaN	2018/2/9	2018/6/8
897	46411	PRA000060	SAA003569	Water	CH0000372	PFOA	EXA000001	0.01166	NaN	μg/L	NaN	2018/2/9	2018/6/8
898	46412	PRA000060	SAA003570	Water	CH0000372	PFOA	EXA000001	0.01180	NaN	μg/L	NaN	2018/2/9	2018/6/8
899	46413	PRA000060	SAA003571	Water	CH0000372	PFOA	EXA000001	0.00430	NaN	μg/L	NaN	2018/2/9	2018/6/8
900	46414	PRA000060	SAA003572	Water	CH0000372	PFOA	EXA000001	0.00439	NaN	μg/L	NaN	2018/2/9	2018/6/8
...	...	...	...	...	...	...	...	...	...	...	...	...	...
1143	81135	PRA000095	SAA005846	Water	CH0000372	PFOA	EXA000001	0.00100	<1.00E-3	μg/L	NaN	2019/7/26	2019/7/26
1144	81136	PRA000095	SAA005847	Water	CH0000372	PFOA	EXA000001	0.00200	NaN	μg/L	NaN	2019/7/26	2019/7/26
1145	81137	PRA000095	SAA005848	Water	CH0000372	PFOA	EXA000001	0.00140	tr(1.40E-3)	μg/L	NaN	2019/7/26	2019/7/26
1146	81138	PRA000095	SAA005849	Water	CH0000372	PFOA	EXA000001	0.03900	NaN	μg/L	NaN	2019/7/26	2019/7/26
1147	81139	PRA000095	SAA005850	Water	CH0000372	PFOA	EXA000001	0.02400	NaN	μg/L	NaN	2019/7/26	2019/7/26

252 rows × 13 columns

PFOSとPFOAのデータだけを抜き出したものから，SampleIDとMeausredValueの列だけを抜き出し，測定値のカラム名がどちらもMeasuredValueになっているので，これをそれぞれPFOS，PFOAに変更する。

pfos = pfos[["SampleID","MeasuredValue"]].rename(columns={'MeasuredValue': 'PFOS'})
pfoa = pfoa[["SampleID","MeasuredValue"]].rename(columns={'MeasuredValue': 'PFOA'})

PFOSとPFOAのデータフレームをSampleIDでマージする。

df = pd.merge(pfos, pfoa, on="SampleID").astype({"PFOS": float}, {"PFOA": float})
df

	SampleID	PFOS	PFOA
0	SAA003568	0.00551	0.00436
1	SAA003569	0.01877	0.01166
2	SAA003570	0.01546	0.01180
3	SAA003571	0.00356	0.00430
4	SAA003572	0.00682	0.00439
...	...	...	...
247	SAA005846	0.00100	0.00100
248	SAA005847	0.00100	0.00200
249	SAA005848	0.00760	0.00140
250	SAA005849	0.00280	0.03900
251	SAA005850	0.01200	0.02400

252 rows × 3 columns

今回知りたいのはPFOSとPFOAの濃度の合計値なので，TOTALという列を作って，そこに合計値を入れる。

df['TOTAL'] = df.sum(axis=1, numeric_only=True)
df

	SampleID	PFOS	PFOA	TOTAL
0	SAA003568	0.00551	0.00436	0.00987
1	SAA003569	0.01877	0.01166	0.03043
2	SAA003570	0.01546	0.01180	0.02726
3	SAA003571	0.00356	0.00430	0.00786
4	SAA003572	0.00682	0.00439	0.01121
...	...	...	...	...
247	SAA005846	0.00100	0.00100	0.00200
248	SAA005847	0.00100	0.00200	0.00300
249	SAA005848	0.00760	0.00140	0.00900
250	SAA005849	0.00280	0.03900	0.04180
251	SAA005850	0.01200	0.02400	0.03600

252 rows × 4 columns

試料のテーブルから，SampleIDと緯度経度のデータだけを抜き出す。

sample = sample[["SampleID", "CollectionLongitudeFrom", "CollectionLatitudeFrom"]]
sample

	SampleID	CollectionLongitudeFrom	CollectionLatitudeFrom
0	SAA002867	139.850000	35.599333
1	SAA002868	140.000000	35.583000
2	SAA002869	139.834500	35.515833
3	SAA002870	139.900333	35.532500
4	SAA002871	139.833667	35.433000
...	...	...	...
271	SAA005846	144.192783	43.062302
272	SAA005847	144.232365	43.041624
273	SAA005848	144.155650	42.997641
274	SAA005849	141.719167	42.765833
275	SAA005850	141.719167	42.782500

276 rows × 3 columns

これを，先に作成した濃度のテーブルとSampleIDでマージする。

df = pd.merge(df, sample, on="SampleID")
df

	SampleID	PFOS	PFOA	TOTAL	CollectionLongitudeFrom	CollectionLatitudeFrom
0	SAA003568	0.00551	0.00436	0.00987	139.607158	35.453746
1	SAA003569	0.01877	0.01166	0.03043	139.677734	35.501549
2	SAA003570	0.01546	0.01180	0.02726	139.617230	35.528481
3	SAA003571	0.00356	0.00430	0.00786	139.498684	35.578287
4	SAA003572	0.00682	0.00439	0.01121	139.480358	35.536396
...	...	...	...	...	...	...
247	SAA005846	0.00100	0.00100	0.00200	144.192783	43.062302
248	SAA005847	0.00100	0.00200	0.00300	144.232365	43.041624
249	SAA005848	0.00760	0.00140	0.00900	144.155650	42.997641
250	SAA005849	0.00280	0.03900	0.04180	141.719167	42.765833
251	SAA005850	0.01200	0.02400	0.03600	141.719167	42.782500

252 rows × 6 columns

出来上がったファイルをcsv形式で保存する。

df.to_csv("sum_pfcs.csv")

これを，QGISに読み込ませます。

##QGISを使って濃度データを地図上に表示させる

QGISは下記からダウンロードする。
https://www.qgis.org/ja/site/
QGISの使用法はいろんなサイトで説明されているので，そちらを参照してください。

地図情報（GMLシェープファイル）は，国土交通省のGISホームページからダウンロードする。
https://nlftp.mlit.go.jp/index.html

とりあえず今回は，国土数値情報ダウンロードから，2. 政策区域のうち行政区域を利用する。
下記のページから「全国」のデータを選択してダウンロードする。年度は目的に応じて選んでください。

QGISを立ち上げ，データソースマネージャーからベクタのタブをクリックし，上でダウンロードした全国行政区域のシェープファイルを選択して「追加」をクリックする。

以下のように日本地図が読み込まれるので，好みの色に変更する。

再び，データソースマネージャーからデリミティッドテキストのタブをクリックし，先のセクションで作成したCSVファイル（sum_pfcs.csv）を選択する。その後に，ジオメトリ定義のXフィールドに経度（CollectionLongitudeFrom）を，Yフィールドに緯度（CollectionLatitudeFrom）を選択し，「追加」をクリックする。

すると，サンプリング地点が地図上にプロットされる。次に，濃度で色分けをする。レイヤーから「sum_pfcs」をダブルクリックするとレイヤプロパティが開くので，シンボロジーのタブを選択する。シンボルは「段階に分けられた」を選び，PFOS+PFOAの濃度で色分けしたいので，カラムには「TOTAL」を選択する。シンボルはお好みで変更する。モードを等間隔のまま，分類数を変更すると，自動で等間隔の分類が出力される。ここでは，分類数を2にして，小さい数値のグループの値を0 - 0.05とする。（ChemTHEATREでは水中の化学物質濃度はµg/Lで統一されているので，50 ng/Lの基準値を超えるか超えないかで色分けしたい場合は，0.05とする必要がある。）デフォルトだと，高濃度のプロットが下層に表示されてしまうので，「高度な設定」から「シンボルレベル」を選択し，シンボルレベルを有効にするのチェックボックスにチェックを入れ，高濃度グループのレイヤを1に設定する。

その結果，PFOS+PFOAが50 ng/Lを超過する地点と超過しない地点が色分けされて表示される。この図を出力したい場合は，「プロジェクト」から「インポート／エクスポート」を選び，「地図を画像にエクスポート」あるいは「地図をPDFにエクスポート」を選択し，クリップボードにコピーするか，任意のディレクトリにファイルとして保存する。

いかがでしょう？出来ましたでしょうか？
このようにして，ChemTHEATREに収録されたデータを地図上に表現するなどして活用していただければ幸いです。
「ChemTHEATREでPython学習」に戻る

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up