弊所連載枠に、環境指標としての水生昆虫の紹介みたいな記事を書きました。広報の方がしっかり面倒をみてくれたので、ボクは夏休みの宿題的に初稿を書いて、あとは直してくれた原稿をベースに細かな修正提案くらいで、思ったより楽でした。小学生高学年＋保護者向けという想定だったと思いますが、読んでくれた人が川にいって石ころをひっくり返してくれたらボクは満足です。
mainichi.jp
LCIA
Fantke P, Huijbregts M, Margni M, Hauschild M, Jolliet O, McKone TE, Rosenbaum RK, van de Meent D (2015) USEtox® 2.0 User Manual (Version 2)
Tutorials / Manuals | USEtox®
Life cycle impact assessmentあたりで（特に影響評価まわりで）何をやられているか、少し理解したいなと思って、USEtoxのManualを眺めてみたのですが*1、いい感じにざっくり説明でわかりやすかった*2。他にも、種の感受性分布（SSD）のHC50（すなわち、SSDの平均値）がこういうところに使われているのか、とか、ChronicのEC50とかも欲しい人がいるんだな、というのがしれて面白かった。自分の研究に繋げられるかというと、ちょっとではあるのですが。。。
Pierrat E, Barbarossa V, Núñez M, Scherer L, Link A, Damiani M, Verones F, Dorber M (2023) Global water consumption impacts on riverine fish species richness in Life Cycle Assessment. Science of the Total Environment, 854: 158702
Pierrat É, Laurent A, Dorber M, Rygaard M, Verones F, Hauschild M (2023) Advancing water footprint assessments: Combining the impacts of water pollution and scarcity. Science of the Total Environment, 870: 161910
関連して、これらの論文を眺めてみた。細かいところまでは理解が追いつかないけど、個人的な見解だと、評価自体はざっくりということは理解できた。こういう評価でも適材適所できちんとニーズがあるし、おおざっぱに評価したい場合には役に立つというのは一応理解しているつもりです。個人的に、前者の論文で、過去の共著論文が
"Species richness is generally associated with river flow via statistical regression, and the actual cause-effect relationship is more difficult to interpret (Yoshikawa et al. 2014)"
と引用されていて、「まさしくそのポイント、ボクが拘って論文に手を入れたところです！」、と思い出してちょっと懐かしかった。少しずつ改善しようとしているポイントがありつつ、果てしてその「改善」ってこのレベルの評価でどれくらい意味があるの、というのは、頭にいれておきたい。
社会を知るためには
ぱっと目についたので買った程度なのですが、ささっと読める軽さで、面白かったです。個人的には、（本文の該当部分が見つからないけれども）構造、システム、規則、ルール、人間関係も過去から積み上がってできて、絡まっている複雑な社会に我々は放り投げられているというイメージが湧いてきたのが印象的でした。そんなこと当たり前と言われればそうなのですが、なんか薄々と感じていたこれ無理じゃないかな？みたいな部分を、あーそういう前提でいいのですね、という感じで、腑に落ちた感じです*1。あと、そういう前提のもとで、量的なデータから全体について俯瞰するような研究と、個別の事例を質的に捉える研究の役割の違いとかにも触れられていて（たぶん）、それも面白かったです。もうちょっとこういう方面の本を読んでみたい。
*1:例えば、第一章の「「社会のことはわからないことだらけ」というのは説明の放棄ではなく、社会を理解することの出発点の確認だ」とか。
統計学的に有意ではない影響濃度（NSEC）の提案
対照区（コントロール）のばらつきを考慮して、「影響のない」濃度を決めようという提案。こういう考え方は重要だと思うし、提案自体はあってもいいと思う*1。一方で、少し複雑なので多分普及しないだろうなぁというのが個人的な感想。2点細かいメモを残しておく：
NSECの場合、回帰線の不確実性に加えて、モデルの切片（対照区の応答）の不確実性も含まれるのことになるのが気になる*2。と考えると、EC10とかシンプルでいいのではないかと思う。試験法自体も完全な無影響であることを保証するものでもないわけだし。。。（と思ってしまう）- ECxは影響がある濃度なので、SSDのコンセプトに合わないという表現が散見されるけど、これは個人的にあまり好きではない。そもそも閾値を仮定しない限り、実質的にNSECだってNOECだって実質的に「影響がある」濃度になりうるわけだし、SSD全体の課題みたいなのを考えると、そもそもこういう細かいところに拘るのは賢明じゃないと思う*3。
生物多様性目標における化学物質の対象範囲を拡大する
Scienceではあるけど、短いLetter。タイトルに惹かれて読んではみたけど、目新しい情報はなかった。新しい視点というより、現状の流れとかをざっと「Advertise」するという意図で書いているんだろうなぁと想像します。
米国の河川底生動物の長期変化
Rumschlag, S.L., Mahon, M.B., Jones, D.K., Battaglin, W., Behrens, J., Bernhardt, E.S., Bradley, P., Brown, E., De Laender, F., Hill, R., Kunz, S., Lee, S., Rosi, E., Schäfer, R., Schmidt, T.S., Simonin, M., Smalling, K., Voss, K., Rohr, J.R., 2023. Density declines, richness increases, and composition shifts in stream macroinvertebrates. Science Advances 9, eadf4896.
Travisさんとか含めて、SETAC関係でもよく見かける方々共著者にはいったScience Advancesの論文。米国全体の広域データで、正直本文＋付録ちょい読むくらいでは、身をもって理解した感じにはならないんだけど、1993年から2019年までのデータを使って、タイトル通り、密度は減少して、分類群数（属レベル）は増加した・・・とかという内容。解析の開始年が、1993年くらいからだと、化学物質汚染とかも少し改善されてきている気がするのがちょっと残念なポイントでしょうか。しかし、これくらい大きいデータで、色々調整していたりするので、もう回帰で捉えられてる傾向がどれくらいそれっぽいのか、よくわからない…と思ったり。
深層学習の原理に迫る
120pくらいしかないのでさらりと読めて、むしろなんかちょっと物足りにない感じはなくはないんだけど、過剰に増えたパラメータがむしろoverfittingを防ぐ（overfittingにならない）というところの数学的な説明*1が、たしかにそうなるなぁと面白かったり、ニューラルネットワークってこういう中身だったんですね、と今更ながら勉強になったり。深層学習ってぶっとんでて、数学がそれに追いついていないって現状自体も、面白い。
*1:というほど難しい説明では全然ないんだけど
