ぎょーむ日誌 2005-01-06
2005 年 01 月 06 日 (木)
-
0840 起床.
うう.
朝飯.
コーヒー.
0930 自宅発.
晴.
0940 研究室着.
-
朝からいきなり小池さんお電話攻撃.
といっても単に,
履修とどけが不備な当講座の大学院生のメイルアカウントを
早口にて問い合わせるものにすぎなかったわけだが.
-
ぱいぷ樹木原稿なおしました手紙かき
……
1240 ひととーり終った.
まずは甲山さんに修正原稿ともども提出.
昼飯.
-
1300 すぎより苫小牧から来た平尾君と,
leafminer 寄生モデリング相談
……
うーむ,
この寄生率問題はけっこう難問だ
……
むろん 2 年前の松田さんモデル framework
の拡張 (混合モデル化と pseudo likelihood autologistic)
で今回の修論発表ぐらいは問題なく乗り切れる.
しかし,
細かいところから再検討してみると,
データ解析に連関してくる諸問題がうかびあがってくる.
-
多くの生態学観測データでありがちなことなんだが
「密度」
なるコトバのまわりには多くのワナがある.
しかも,
これはサンプリングの可能性と労力に制約されるもんで,
つねに理想的にはなりえない.
ということで,
まずはサンプリングについて整理してみると,
小さな樹木 (plot 内では多数派) では
-
全ての葉において leafminer の有無をみて記録する
(host 「密度」の計測)
-
そこから決められた枚数の葉だけを「選んで」
保温器にいれ
(これは 1 シーズンの中で 4 回サンプリングするので
一度に全部を取れない),
parasitoid の羽化の有無を調べる
(寄生という event の「密度」の計測)
いっぽう,
大きな樹木 (plot 内では少数派) では
-
村上さんの卓越した木登り術でもって樹冠上部に到達し,
そのあたりの枝を 3 本切断
-
その
3 本の枝について
leafminer の有無をみて記録する
(host 「密度」の計測)
-
そこから決められた枚数の葉だけを「選んで」
保温器にいれ,
parasitoid の羽化の有無を調べる
(寄生という event の「密度」の計測)
というかんぢだ.
あちこちに「隠れた」密度があるのは見てのとおりだ.
-
そして「隠れた」変数を扱うなら MCMC 的にやるほかあるまい,
という気もする.
今回の修論はぎぶす分布を生成しないで何が解析できるか,
という方向で片づけるつもりだ
(時間的な制約あるため).
ということで,
このあたりの問題はひとまづ放置される.
-
ところで,
今回の修論とは直接には関係ないんだけど,
昆虫の集団ってのはじつに年変動がはげしいそうで
……
すでに観測は 2001-2004 年にかけて行なわれているわけだが,
10 倍程度の変動はこの期間内でも当たりまえのように観察されるそーだ.
それが host-parasitoid の振幅の激しい dynamics,
というのであればこれはいかにも「理論どーり」
なんだろうけれど,
実際のところはそうではなさそうで
host の「エサ」たる樹木の挙動
(ドングリの masting とか)
が重要かも,
という指摘もある.
つまり,
北大ろーかるに言えば,
しるうっどふう
top down control 万歳な萬屋さん世界観というより,
むしろ松木さんわーるどが説得力をもちそう,
ということかも.
-
しかし,
窒素を繁殖で消耗してしまうと leafminer にとってはツラい状況かも,
というのはトリッキーだな?
補償もへちまもあったもんではない.
-
モデリングに関する整理.
あたりまえのことだが,
よく考えて線形予測子を構成すれば 2 年前のような面倒な
「モデルわけ」
は必要ない,
とわかった.
まあ,
あのときは一般化線形モデルとかよくわかってなかったもんで.
-
ぎぶす分布なき空間相関とは,
すなわち pseudo likelihood 法つかいたおして何が言えるか,
という問題に帰着される.
randomization によってある程度の面倒は回避できるだろう,
というのが今年にはいってからの発見だ.
しかしながら,
尤度にもとづいた方法との「比較可能性」というのは,
これまたあたりまえのことなんだが,
ほとんどない.
うーむ,
このあたりを事前に気づかないってのが,
われながらまぬけというか.
-
ゐんどーづの R は動作がのろい.
これが計算可能性を制約する.
-
……
というよーなハナシを 1930 ごろまで.
2020 研究室発.
2030 帰宅.
運動.
晩飯.
-
[今日の運動]
-
[今日の食卓]
- 朝 (0900):
ヨーグルト.
- 昼 (1245):
研究室お茶部屋.
米麦 0.7 合.
ハクサイ・モヤシ・ネギ・油揚・卵の炒めもの.
- 晩 (2250):
米麦 1.0 合.
ハクサイ・モヤシ・ネギ・油揚・卵の炒めもの.