Modelación de cultivos con EcoCrop.

En este tutorial abordaremos el tema de la modelación de cultivos a partir desde un enfoque empírico, siguiendo un poco la metodología de Julián Ramírez-Villegas et al en su artículo científico titulado:

Empirical approaches for assessing impacts of climate change on agriculture: The EcoCrop model and a case study with grain sorghum

Este enfoque de modelo tiene en cuenta los rangos agroclimáticos de la precipitación, temperatura máxima, temperatura media y temperatura mínima, siguiendo los límites óptimos, marginales y de muerte, tal como lo ilustra la siguiente figura del artículo.

Ahora bien, en este tutorial explicamos como aplicar este ejercicio para el cultivo del café en el país de Nicaragua, esto simplemente como una ejemplificación académica del modelo y no queriendo pretender que el modelo es totalmente certero y sabiendo además que esto se puede mejorar ajustando los requerimientos agroclimáticos e implementando el criterio experto.

El vídeo tutorial es el siguiente:

Si quieres replicar este ejercicio, aquí puedes descargar los datos y los códigos necesarios.

IDW + GWR

En este tutorial realizamos la interpolación espacial de la temperatura máxima promedio para el mes de enero esto a partir del uso de estaciones climatológicas en Guatemala y de aplicación de la técnica IDW (Peso Inverso de la Distancia) y de la técnica de desescalado GWR (Regresión Ponderada Geográfica). Este tutorial incluye los datos y códigos necesarios para la replicación del ejercicio.

Recuerda que si deseas asesoría personalizada para ayudarte con todo el tema de los SIG con R me puedes contactar por mi facebook, whatsapp o coreo electrónico.

El vídeo tutorial disponible en mi canal de YouTube (Un geógrafo en YouTube)

Códigos y datos disponibles en GitHub

Análisis Lisa dentro de R – Aplicación para la cantidad de homicidios a nivel de barrio en la ciudad de Cali

El presente documento hace parte de mi vídeo tutorial publicado en YouTube.

Para acceder a los códigos y datos dar clic aquí.

En esta ocasión realizamos el análisis espacial del comportamiento de la cantidad de homicidios por barrio para la Ciudad de Cali en el año 2019, esto mediante la aplicación del Indicador Local de Asociación Espacial (LISA, por sus siglas en inglés).

Este tipo de análisis de autocorrelación espacial, según Buzai (2021) están considerados muchas veces en la bibliografía especailizada dentro de los denominados Análisis Exploratorio de Datos Espaciales (AEDE) por la importancia que revisten al momento de describir y visualizar las distribuciones espaciales con el objetivo de identificar y visualizar la asociación espacial, los agrupamientos (clusters) o puntos calientes (hot spots) y las estructuras espaciales. Tal como se mencionó líneas arriba, en esta ocasión analizaremos el comportamiento espacial (si existen o no agrupamientos de los barrios) de los barrios en función de la cantidad de homicidios, los datos provienen de la Policia Nacional en conjunto con el Centro de Investigación y Documentación Socioeconómica de la Universidad del Valle.

Si deseas ahondar más en el tema te invito a que sigas y consultes el siguiente libro de Buzai (autor citado).

Curso de Módelos de Distribución de Especies

Pronto en Udemy.

Módulo 01 – Repaso general del R

  • Principales objetos dentro de R, vectores, matrices, listas, cadenas de texto, números, cáracteres, tablas. Lectura de tablas, aplicación de operaciones entre estas.
  • Aplicación de ciclos (for), aplicación de la familia de apply (lapply, sapply, tapply, mapply)
  • Creación de funciones, aplicación de estas.
  • Uso de la librería tidyverse, uso de funciones tales como mutate, transmute, select, filter, grooup_by, summarise.

Módulo 02Introducción a los SDM

  • Explicación sobre lo que son los modelos de distribución, ¿para qué sirven? ¿cuándo se pueden utilizar? ¿qué formas de aplicación tienen? Diapositiva
  • Datos necesarios para la realización de los modelos de distribución de especies, variables, co-variables, y resultados Diapositiva
  • Ejemplos de estudios de modelación de distribución de especies, revisión de literatura científica. Diapositiva

Módulo 03 – Preparación de los datos para la modelación

  • Recolección de datos para estudios de SDM, descarga de puntos de presencias usando GBIF.
  • Uso de la librería RGBIF para descarga de presencias de R.
  • Datos climáticos, módelos RCPs y SSPs. Diapositiva.
  • Descarga de datos climáticos (línea base y futuro), topográficos, disivisón político administrativa, entre otros. Uso de la librería geodata con R.
  • Ejercicio de downscaling para datos climáticos, desescalado de 5 km a 1 km, uso del método Geographically Weighted Regression, uso del software SAGA.
  • Limpieza de puntos de presencia, eliminación de duplicados por celda.
  • Aplicación de técnicas para la eliminación de posibles datos atípicos.
  • Generación de datos de psuedoausencia, ¿para qué se usan? ¿cómo generarlos con R?

Módulo 04 – Módelos de distribución de especies, aplicación

  • Orden de la estructura de datos, carpetas, y espacio de trabajo para la aplicación de modelos. Instalación de rJava, actualización de Java, descarga del software de Maxima Entropía
  • Uso del aplicativo de Java para aplicaciáon del método de Máxima Entropía
  • Uso de módelos de máxima entropía, bioclim, domain, mahalanobbis. Aplicación de técnicas de cross-validation, evaluación del módelo, cálculo del índice de Kappa
  • Técnicas de clúster jerárquicos para la agrupación de presencias de especies vegetales.
  • Uso de Random Forest dentro de R para la estimación de la idoneidad probabilística para una especie, introducción al uso de las zonas agroclimáticas, aplicación dentro de cultivos tropicales.
  • Estimación de zonas con limitaciones / aptitud incierta.
  • Generación de mapas de zonas agroclimáticas

Módulo 05: Proyección de zonas idóneas de cara al futuro, análisis de cambio climático sobre la distribución de las especies

  • Análisis de las capas resultado, overlay con datos político administrativos
  • Estimación de los umbrales de idoneidad, conversión de capas continúas a capas binarias
  • Proyección de zonas idóneas para las especies a partir de datos de cambio climático, modelos de Random Forest y MaxEnt
  • Comparación áreas de idoneidad actual y futura – Modelo de MaxEnt
  • Comparación áreas de idoneidad actual y futura – Modelo de Random Forest
  • Elaboración mapa de impresión de la distribución potencial actual y futura, así como también el mapa de cambio de idoneidad.