SIG con R

Aquí, grosso modo, los pasos a seguir para la modelación de distribución de especies / nicho ecológico con el uso de herramientas de Sistemas de Información Geográfica.

Sabemos que los datos a requerir:

Preparación de datos para la modelación

1. (50%) Datos climáticos que den cuenta de la presencia u ausencia de la especie, variables como precipitación, temperatura, y de ser el caso, evapotranspiración potencial (por ejemplo, la del método de Hargreaves modificado). Dentro de este paso se requieren hacer varios sub-pasos, entre los que se encuentran.
   • Descarga de datos climáticos recientes con el apoyo de Terraclimate (precipitación, temperatura máxima y mínima), la resolución de estos es de 5 km. Aquí nos podemos apoyar en la librería climateR de R.
   • Corte para el área de estudio, ejemplo, el área del departamento del Valle del Cauca, datos de municipios se consiguen con el Instituto Geográfico Agustín Codazzi dentro de Colombia.
   • Descarga de datos de altitud (metros sobre el nivel del mar), a una resolución fina, ejemplo, 90 metros, esto será de mucha utilidad para el manejo de áreas de estudio pequeñas, como lo son los municipios o distritos. Para esto se puede hacer uso de la librería elevatr de R.
   • Con el apoyo de técnicas como Geographically Weigthed Regression podremos realizar desescalado de la información climática de línea base, aquí usaríamos las variables climáticas en bruto y luego las altitud como una co-variable, por ejemplo, sabemos que a mayor altitud hay una menor temperatura, esto nos sirve como premisa para obtener los datos climáticos a resolución de 90 metros. Las librerías a utilizar aquí, pueden ser: RSAGA o spatialEco.
   • Como los datos que hemos descargado están a resolución temporal multi-mensual deberíamos realizar una agregación a nivel mensual, es decir, tener un promedio de todos los eneros, febreros…, hasta diciembre.
   • Una vez con los datos climáticos mensuales procedemos a realizar la estimación de las variables bioclimáticas, las cuales dan cuenta del comportamiento de la precipitación y temperatura a lo largo de un año, aquí el listado. Decir además, que según sea la necesidad, también podremos calcular las variables bioclimáticas para la evapotranspiración potencial.
   • Ya con esto, podremos hacer un análisis climático de la región objeto de estudio creando tanto gráficos como mapas que ilustren el comportamiento.
   • A estos datos de línea base se les puede agregar el uso de información climática proyectada del último informe del Panel Intergubernamental de Cambio Climático (IPCC), esto con la finalidad de identificar, ok a futuro, donde se podría dar la idoneidad para la especie que estoy modelando, y de esta menara desarrollar planeación prospectiva en la búsqueda de conservar la especie y/o mitigar el impacto del cambio climático sobre la misma. Aquí podríamos descargar los datos de los GCM del SSP 245 y SSP 585, disponibles aquí, o también con el apoyo de la librería base de R y geodata.
2. (30%) Datos de presencias de las especies objeto de estudio. Aquí se requieren coordenadas geográficas, ojalá, en WGS 1984 (sistema de coordenadas) de lugares donde conozcamos que hay presencia de la especie, ejemplo, puntos de fincas donde hay el cultivo de café, aquí el dato puede ser tanto en tabla (x & y) como en shapefile. Este levantamiento de puntos se puede hacer con el apoyo de interpretación de imágenes de satélite, por ejemplo, Landsat 7-8, o en su defecto, con el uso de Google Earth Pro y Google Street View.
3. (20%) Datos de pseudo-ausencias, estos son coordenadas geográficas de lugares distintos a donde se encuentran las presencias, que haríamos aquí: generamos un buffer alrededor de las presencias de la distancia que consideremos razonable, y de forma aleatoría ubicamos puntos en lugares distintos a estas áreas de buffer, a esto se le conoce como background (en inglés) o pseudo-ausencias; y dentro de la modelación funciona para identificar el comportamiento climático de las áreas donde no sabemos si se encuentra la especie.

Para más información, invito a leer estos artículos científicos:

Spatial distribution of dry forest orchids in the Cauca River Valley and Dagua Canyon: Towards a conservation strategy to climate change J Reina-Rodriguez, Guillermo. Rubiano, Jorge. Castro, Fabio. Tupac. Journal For Nature Conservation 30, 32-43

Orchid distribution and bioclimatic niches as a strategy to climate change in areas of tropical dry forest in Colombia GA Reina-Rodríguez, JER Mejía, FAC Llanos, I Soriano. Lankesteriana International Journal on Orchidology 17 (1), 17-47

Climate change favors rice production at higher elevations in Colombia F Castro-Llanos, G Hyman, J Rubiano, J Ramirez-Villegas, H Achicanoy. Mitigation and Adaptation Strategies for Global Change 24, 1401-1430

Yield gap analysis to identify attainable milk and meat productivities and the potential for greenhouse gas emissions mitigation in cattle systems of Colombia R González-Quintero, MT van Wijk, A Ruden, M Gómez, H Pantevez, … Agricultural Systems 195, 103303