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

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).

Este tutorial hace parte del siguiente vídeo de mi canal de YouTube:

El código lo puedes ver y descargar desde mi repo de GitHub.

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 02 – Introducción 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.

Este tutorial hace parte de un vídeo en mi canal de YouTube.

Código disponible en GitHub.

Este tutorial hace parte del vídeo:

Los códigos y los datos los puedes descargar de está página web de GitHub.

Este tutorial hace parte del vídeo en mi canal de YouTube:

El código y los datos para replicar el tutorial están disponible en este enlace.

https://github.com/fabiolexcastro/tutorials_youtube/tree/master/AnomaliesV1

Vídeo tutorial:

Código disponible en: https://github.com/fabiolexcastro/tutorials_youtube/blob/master/ESA_Maps/01%20esa%20map.R

SIG con R

MÓDULO 1. Instalación y primeros pasos con R

• ¿Qué es R y RStudio? DIAPOSITIVA
• Instalación de R
• Instalación de RStudio
• Instalación y carga de las librerías
• Conocimiento de la interfaz de R y RStudio, diferencias entre ellas.

MÓDULO 2. Introducción al uso de R

• Conociendo los distintos objetos en R, numérico, cáracteres, vectores, listas, matrices, entre otros
• Usando R como calculadora (suma, resta, multiplicación, división, raíz cuadrado, exponencias, logaritmos, entre otros)
• Guía de estilo en R
• Lectura y escritura de tablas de csv y excel dentro de R
• Operaciones entre distintas tablas y distintos tipos de unión entre ellas (merge)
• Análisis de tablas dentro de R, agregación de nuevas columnas, filtros, conteo, frecuencia, cambio en la estructura de las mismas, orden ascendente y descencente

MÓDULO 3. Gráficos, Ciclos, Funciones y Condicionales en R

• Gráficos básicos dentro de R, barras, líneas, boxplot, histogramas
• Uso de ciclos dentro de R
• Uso de funciones dentro de R
• Uso de condicionales dentro de funciones

MÓDULO 4. Uso de librerías de ciencia de datos

• Uso de la librería tidyverse, funciones como mutate, select, group_by, transmute, spread, gather, summarise, mutate_at, ungroup, entre otros.
• Gráficos avanzados con ggplot2, barras, boxplot, torta, histogram, violin plot, entre otros.

MÓDULO 5. Teoría básica de SIG

• ¿Qué es un shapefile? tipos de shapefile. DIAPOSITIVA
• ¿Qué es un raster? tipos de raster. DIAPOSITIVA
• ¿Qué es un stack?. DIAPOSITIVA.
• Lectura de archivos raster dentro de R
• Lectura de archivos shapefile dentro de R
• Lectura de archivos nc dentro de R

MÓDULO 6. Análisis espacial con R

• Operaciones espaciales con archivos shapefile, clip, buffer, intersect, filter, dissolve.
• Operaciones espaciales con archivos raster, álgebra de mapas, extracción por máscara.
• Lectura de gran cantidad de archivos espaciales tipo raster.
• Definición y proyección de sistemas coordenadas a archivos shapefile y raster.
• Cálculo de estadísticas zonales con archivos raster

MÓDULO 7. Elaboración de Mapas con R

• Creación de mapas (uso de la librería ggplot2) con archivos espaciales tipo raster.
• Creación de mapas (uso de la librería ggplot2) con archivos espaciales tipo shapefile.
• Creación de mapas (uso de la librería ggplot2) con archivos espaciales tipo shapefile y raster.
• Agregación de web map services, uso de la librería leaflet