2014年7月21日

晴れ（梅雨明け？？）

気温は九州のほうが断然高いと思います。とくに、エアコンなしでも何とか大丈夫です。海からの気持ち良い風も吹いていますし。
体はまだ少し重いです。腰から膝くらいにかけて、痒いような痛いようなしびれを感じます。ストレッチをすると少し良くなるのですが・・・しばらく座っているとまた痛くなってきます。今日は走ろう！

朝、ゴミを出して8時前に職場に。ちょっとやってみたい解析があり、これまで別々にしていたデータを1つにまとめてみました。1970年代から2010年代までの17万件程度の記録を1つにまとめて、解析してみます。解析自体は簡単で、環境条件（主に温度と季節）によって野生生物の分布がどのように変わるのか？というものだけです。命題はシンプルにしてみました。昼前にデータのセットはできたので、午後は少し計算させてみましょう。おそらく、夕方にはある程度の回答が得られていると思います。

20年前では考えられなかった解析が、たった10万円程度のデスクトップパソコンでガリガリ計算できるなんて、本当に良い時代です。後戻りはできないですね。

エラーデータが数十件ほどあり、少し修正したりしながら進めてみました。まあまあ、思い通りの図がかけたのですが、一般化加法モデルによる計算結果はさほど劇的に説明が可能というものではなく、さらに別の手法を試してみることが求められると思いました。バイナリーデータなので、さくさくと動きましたが、これだけでは厳しいのかもしれません。

ということで、環境データのマッピングをトライ。パッケージは久々にgeoRを使う。あれこれ四苦八苦しながら、あとインターネットの断片的な情報を頼りになんとか、見られる図が出来上がりました。簡易的なGISの解析も出来そうです。あとはストーリーだな。調査データが完璧ではないので、Climate Changeとの関わりも出来そうに無いし・・・。さて、どう料理するか・・・。

############################備忘録####################################
library(geoR)
library(akima)
#　データセットの中から、緯度・経度・温度を取り出して、地点別に平均値を出しておく
data.env <- aggregate(data$temp, by = list(data$round_lat,data$round_lon), FUN=mean)
colnames(data.env) <- c("lat","lon", "temp")

# NA値があると計算しないので、データフレームから除去した後、水平分布を書くための計算を行う
data.env <- na.omit(data.env)
int.scp <- interp.new(data.env$lon, data.env$lat, data.env$temp)
#　確認

plot(global$lat_map~global$lon_map,type="l",xlim=c(140,230),ylim=c(34,65))
image(int.scp,xlim=c(140,230),ylim=c(34,65) ,col = terrain.colors(1000), axes = TRUE, add=TRUE)
par(new=T)
contour(int.scp,levels = seq(0,25, by=5) ,xlim=c(140,230),ylim=c(34,75),col = "black")

# 一応きちんと描画しているようだ。

保育児童課宛ての書類を整えたり・・・。子ども手当がいま審議途中で止まっています。住民票が必要とのことで、自宅の嫁に取り寄せてもらいました。

子どもたち（下二人）は近所の噴水で遊んでいるようです。嫁から写真を送ってもらいました。とても楽しそうです。

17時に職場を出て、少し買い物。その後、ジョギング＋食事。

朝：トースト
昼：幕の内弁当
夜：昨日と同じ

勉強：小学生、中学生とも実力テストを受けている。

July-2 2014-20

勉強：小4は夏休みの判定テストに行きました。たぶん、うちひしがれて帰ってくるでしょう。中学生はマイペース。