Appendix C — Prepare Climate Data

English version

平均値メッシュデータを用いて、気候変数を作成していきます。 データソースには、国土数値情報の 平均値メッシュデータ を使用します。

平均値メッシュデータのダウンロード

平均値メッシュデータは、以下の国土数値情報のサイトからダウンロードできます。

必要なデータをダウンロードします。 形式はzipファイルで提供されているので、展開して使用します。 筆者はすべてのデータをダウンロードしましたが、必要なデータだけをダウンロードしても問題ありません。

データは、任意のフォルダにまとめて保存してください。 なお、このリポジトリの解析では、環境変数 PROJECT_DATA_DIR にデータの保存先を指定しています。 具体的には、データ自体はDropboxに保存しており、ルートディレクトリに .Renviron ファイルを作成して、以下のように環境変数を設定しています。

.Renviron
PROJECT_DATA_DIR=C:/Users/Username/Dropbox/GitHub/japanese_climate_calculation
Note利用規約について

国土数値情報の利用規約については、こちらをご確認ください。

ライブラリの読み込み

使用するライブラリを読み込みます。

データディレクトリの指定

ここでは、環境変数 PROJECT_DATA_DIR を使用して、データの保存先を指定しています。 必要に応じて、適宜変更してください。

data_dir <- Sys.getenv("PROJECT_DATA_DIR")
# もし環境変数が設定されていない場合は、以下のように直接パスを指定してください。
# data_dir <- "data"

zipファイルの展開

データはzipファイルで提供されているので、展開します。 ファイルパスには、zipファイルがまとめて保存してあるディレクトリを指定してください。

zipファイルは、G02-22_5436-jgd_GML.zipのような形式で提供されているはずです。 G02は平均値メッシュデータの分類コード、22は2022年に更新されたデータであることを示しています。 12となっているファイルもありますが、これは2012年に更新されたデータであることを示しています。

zip_output_dir <- file.path("data", "climate_mesh_data")
dir.create(zip_output_dir, showWarnings = FALSE, recursive = TRUE)

zip_files <- list.files(
  file.path(data_dir, "climate_mesh_data_zip"),
  pattern = "^G02-22_.*\\.zip$",
  full.names = TRUE
)
file_names <- tools::file_path_sans_ext(basename(zip_files))
lapply(zip_files, unzip, overwrite = TRUE, exdir = zip_output_dir)

シェープファイルの読み込み

zipファイルが展開されたら、zipファイルのファイル名が名前の付いたフォルダができています。 その中に、G02-22_5436-jgd_GML.shpのようなシェープファイルがあります。 これを読み込んで、データフレームにまとめます。

データの列名はG02_001のように、コードで表されているので、別途用意したラベルファイルを使って、列名をわかりやすい名前に変換します。 data/manual/mesh_climate_data_labels.csvに、コードと対応する変数名を保存していますので、これをお使いください (クリックでダウンロードできます)。

data_list <- list()
# Shapefile のフルパスを取得
data_paths <- list.files(
  zip_output_dir,
  pattern = "^G02-22_.*\\.shp$",
  full.names = TRUE,
  recursive = TRUE
)
# やや時間がかかるので注意
for (i in seq_along(data_paths)) {
  path <- data_paths[i] # file full path
  name <- file_path_sans_ext(basename(path)) # file name
  data_list[[name]] <- st_read(path) # add SpatVector to list
  #cat(paste0(i, "/", length(data_paths), " : ", name, "\n"))
}
sf_climate <- do.call(rbind, data_list) # 一つのオブジェクトにまとめる
df_label <- read.csv(
  file.path(data_dir, "manual/mesh_climate_data_labels.csv"),
  fileEncoding = "UTF-8"
)
names(sf_climate) <- make.names(c(df_label$name_en, "geometry")) # 変数名の先頭が数字だとだめなので修正

値の変換

データの値は、小数を避けるために10倍されているので、元の値に戻すために10で割ります。

降水量、気温、日照時間、全天日射量は10分の1にするとちゃんとした値になります。

  • 降水量は0.1mm単位
  • 気温は0.1℃単位
  • 日照時間は0.1時間単位
  • 全天日射量は0.1MJm-2単位

また、欠損値は999999で表されているので、これをNAに変換します。

col_index <- c(
  grep("precipitation", names(sf_climate)),
  grep("temperature", names(sf_climate)),
  grep("sunshine_duration", names(sf_climate)),
  grep("global_solar_radiation", names(sf_climate))
)
indices_snow <- grep("maximum_snow_depth", names(sf_climate))

NA_value <- 999999
df <- st_drop_geometry(sf_climate)
df[, col_index][df[, col_index] == NA_value] <- NA # 999999のときはNAに変換
df[, col_index] <- df[, col_index] * 0.1
df[, indices_snow][df[, indices_snow] == NA_value] <- 0 # 最深積雪が999999のときは0に変換
sf_climate <- st_set_geometry(df, st_geometry(sf_climate))

緯度と経度の抽出

st_centroid() を使うと、ポリゴンの重心を取得できます。

メッシュは正方形のポリゴンで表されているので、重心はメッシュの中心点になります。

sf_climate$longitude <- st_coordinates(st_centroid(sf_climate))[, 1]
sf_climate$latitude <- st_coordinates(st_centroid(sf_climate))[, 2]

データの保存

データは、RDSファイルとCSVファイルの両方で保存します。 Excelなどですぐに確認をしたい場合はCSVファイルを、Rで再利用したい場合はRDSファイルを使用するのが便利です。

なお、CSVファイルはread.csv()で、RDSファイルはreadRDS()で読み込むことができます。

save_dir <- file.path(data_dir, "climate_mesh_data_joined")
dir.create(save_dir, showWarnings = FALSE, recursive = TRUE)
saveRDS(sf_climate, file.path(save_dir, "climate_mesh_data.rds"))

CSVファイルにして保存

df_climate <- st_drop_geometry(sf_climate)
write.csv(
  df_climate,
  file.path(save_dir, "climate_mesh_data.csv"),
  row.names = FALSE,
  fileEncoding = "UTF-8"
)