SEDIMENTOLOGY Lab.
Kyoto UniversityResources
堆積研で開発された研究用アプリケーションが置いてあります．
"Java"をクリックするとJava Web Startによって起動します．
これらのソフトウェアを利用するためには，まずJava Runtime Environmentをインストールしてください．
Research applications developed in the Sedimentology Laboratory are available.
Clicking "Java" will launch them via Java Web Start.
To use these software programs, please install the Java Runtime Environment first.
Softwares
Rose
ローズダイアグラム作成ソフト．
テキストファイル（tab,スペース，カンマ 区切りのいずれでも可）のデータを読み込み，
ポストスクリプト形式の画像ファイルを作成します．
Rose diagram creation software.
It reads data from text files (tab-, space-, or comma-delimited) and
generates image files in PostScript format.
Java
Scheil
Sheil法によって粒子の断面直径の分布から真の粒度分布を推定します．
テキストファイルを読み込み，計算結果もテキスト（タブ区切り）で書き出します．
The Sheil method estimates the true grain size distribution
from the distribution of particle cross-sectional diameters.
It reads data from a text file and outputs the calculation results
as a tab-delimited text file.
Java
FabricJ
画像解析による粒子計測データを読み込み，領域分割・統計値算出を行うアプリケーションです．
This application reads particle measurement data from image analysis,
performs region segmentation, and calculates statistical values.
Java
注：ファブリックマップの画像化にはベクトル場を表示可能なアプリケーションソフトが必要です．
例えばScilabを使う場合のスクリプトはこちらです．
使い方はスクリプトのコメントを参照してください．
STube
沈降管粒度分析器を制御するアプリケーションです．
WindowsもしくはLinuxでしか動作しません．
This application controls the settling tube grain size analyzer.
It runs only on Windows or Linux.
Java
GA-Filter
画像処理用アプリケーションです．
原画像と目標画像を与えると，遺伝的アルゴリズムによって自動的にフィルター組み合わせを最適化し，
任意の画像処理を実現する画像フィルターを作り出します．
堆積岩の断面画像から粒子を自動認識させるなどの用途に使うことができます．
This is an image processing application.
By providing an original image and a target image, it automatically optimizes
filter combinations using a genetic algorithm to generate image filters
for various processing tasks.
It can be used for applications such as automatically recognizing particles
in cross-sectional images of sedimentary rocks.
遺伝的アルゴリズムに基づく画像解析については，
詳しくは長尾 智晴著「進化的画像処理」などの文献をご参照ください．
Java
AdjustBEI
ImageJ用のプラグインです．
複数の8bit Gray Scale画像の色調を統一します．
ImageJのpluginsフォルダに入れてご使用ください．
バイモーダルな分布を示す色調の画像にはうまく働きません．改良中．
This is a plugin for ImageJ.
It standardizes the tone of multiple 8-bit grayscale images.
Please place it in the ImageJ plugins folder to use it.
It does not work well with images that exhibit
a bimodal tonal distribution and is currently under improvement.
Source code
turb2d
混濁流シミュレーション用のオープンソースソフトウェア．
モデルは２次元浅水方程式モデルに基づいており，プログラムはpythonで書かれている．
海底地形データや単純地形上で任意の初期濃度・厚さ・範囲を指定して計算することが可能．
Open-source software for turbidity current simulation.
The model is based on a two-dimensional shallow water equation,
and the program is written in Python.
It allows simulations with arbitrary initial concentration, thickness,
and range on real seafloor topography data or simple terrains.
引用：成瀬（2020）オープンソースソフトウェアturb2dによる混濁流シミュレーション
GitHub
FITTNUSS-DNN
深層学習ニューラルネットワークを用いて津波堆積物から水理条件を逆解析するコード．
フォワードモデルfittnussがランダムな初期条件（波高・流速・砂の粒度分布）から
津波堆積物の層厚分布のデータセットを生成し、
tensorflowとkerasで構築されたDNNが初期条件と堆積物の特徴の関係を学習する．
学習されたDNNモデルは、津波堆積物の逆解析モデルとして機能する．
Jupyter note book形式で書かれている．
フォワードモデルfittnussの詳細はMitra, Naruse and Abe (2020)を参照．
A code that uses deep learning neural networks to inversely analyze
hydraulic conditions from tsunami deposits.
The forward model fittnuss generates datasets of tsunami deposit thickness distributions
from
random initial conditions (wave height, flow velocity, and sand grain size distribution).
A deep neural network (DNN) built with TensorFlow and Keras learns the relationship
between initial conditions and deposit characteristics.
The trained DNN model functions as an inverse analysis model for tsunami deposits.
The code is written in Jupyter Notebook format.
引用：Mitra et al.（2020）
Estimation of Tsunami Characteristics from Deposits:
Inverse Modeling Using a Deep-Learning Neural Network
GitHub