・学外会議
午後
・学外会議
・学会業務
Spatial Ecology and Conservation Modeling: Applications with R
まだ全然読んでいないけど（６章のみ）、メモとして。
複数の森林で、動物の個体数や種数などを調べ、その大小を決定する要因を調べることは、生態学では最も普通に行われる調査方法だろう。
この時、個体数や種数は独立していること、つまり、地点（森林）で関係がないことが前提となる。
例えば、動物の個体数が多い地点の近くの地点で個体数が多い、もしくは、少ない地点の近くでは少ない、という関係があるとまずい。このような関係性を空間的自己相関という、、、らしい。
空間的自己相関の指標として、最も有名なのが、モランのI統計量（Moran's I）である。詳しい計算式はこことか、ここを参照。
数式を完全に理解できたわけではないが、各地点の偏差を地点間の距離を踏まえて乗したものと考えると分かりやすい？
つまり、隣り合う２地点が、ともに平均値よりも個体数が多い（or少ない）場合、２地点の偏差の掛け算は正の大きな値をとる。一方、平均値よりも多い地点と小さな地点の偏差の掛け算はマイナスとなる。
Moran's Iは、-1 < I < 1、をとり、大きな値ほど空間的に集合しており（空間的自己相関がある）、小さな値ほど離散していると解釈できる。
Rではいくつかの方法があるようだが、library(spdep) を使った方法が一般的みたい。
で、ここまでは、随分前に勉強したのだが、最近、悩んでいたのが、任意の空間スケールごとにMoran's Iを求める方法。
論文でよく見るこんなグラフを作りたかった。
で、見つけたのが上記の本。
第６章に自作関数（icorrelogram）というが紹介されている。下記で動くが、座標データは平面直角座標系でなければならない（N35.12、とかはダメ）。
icorrelogram (locations=座標データ,
z=解析対象データ,
binsize=区切る距離（m）,
maxdist=最大範囲（m）)
ちなみに、この本に書かれているコマンドは、ここから取得できる。
ただ、（まだ読んでいない）第５章で紹介されている、library (pgirmess) の correlog () で一撃かも？
もくじ
1．Introduction to Spatial Ecology and Its Relevance for Conservation
Part I Quantifying Spatial Pattern in Ecological Data
2．Scale
3．Land-Cover Pattern and Change
4．Spatial Dispersion and Point Data
5．Spatial Dependence and Autocorrelation
6．Accounting for Spatial Dependence in Ecological Data
Part II Ecological Responses to Spatial Pattern and Conservation
7．Species Distributions
8．Space Use and Resource Selection
9．Connectivity
10．Population Dynamics in Space
11．Spatially Structured Communities
12．What Have We Learned? Looking Back and Pressing Forward
