Professional Documents
Culture Documents
a
Estadsti
as O
iales
Medelln Colombia, Julio 16 al 20 de 2009
ampo forestal
Mauri io Zapata 1, a
1 Planea in Forestal, Proye to Forestal, Smurfit Kappa Cartn de Colombia, Cali, Colombia
Resumen
sp
En este trabajo se expli
an los
on
eptos bsi
os ne
esarios para
omenzar a utilizar el paquete
del R para anlisis de datos espa
iales a travs de ejemplos. Para apl
ar los mtodos, se
itan datos
reales del se
tor forestal en Colombia. Todos los ejemplos se a
ompaan de una
orta do
umenta
in
sobre las variables y las fun
iones empleadas. Los
on
eptos y pro
edimientos trabajados son:
lases
de objetos espa
iales, propiedades y mtodos de los objetos, importa
in y exporta
in de datos
espa
iales, manipula
in de los atributos
on data.frame, despliegue gr
o (mapas), muestreos
aleatorios y sistemti
os, gr
os multi-panel y kriging. Se muestra
omo al emplear otros paquetes
sp-orientados se obtiene una herramienta muy
ompleta y verstil para manipular y realizar anlisis
estadsti
os
on los diferentes tipos de datos espa
iales.
Palabras
lave : Geoestadsti
a, Lenguaje R, Modela
in espa
ial, Planta
iones forestales, Sistemas
de Informa
in Geogr
a (SIG).
1. Introdu in
El paquete sp (Edzer J. Pebesma and Roger Bivand 2009) del R provee mtodos y objetos para
manipular datos espa
iales en R. Permite trabajar
on las estru
turas espa
iales bsi
as junto
on sus
atributos
omo son: puntos, lneas, polgonos y raster. Su
onjunto de mtodos permiten, de un mo-
do dis
reto pero potente, pro
esar los datos, ha
er sobre-posi
in, desplegar gr
amente los resultados
R,
rea-
de simula
iones y apli
ar las fun
iones de otros paquetes. A
tualmente, mu
hos paquetes en
sp
omo: MBA, RSurvey,
dos para anlisis espa
iales, importan y exportan objetos
on
lases tipo
SQLiteMap, StatDA, aspa
e, automap, geoR, gstat, maptools, rgdal, spdep, spgrass6, spgwr,
splan
s, spsurvey, surveillan
e y trip (Edzer J. Pebesma and Roger Bivand 2009).
Los
readores de este paquete fueron Edzer J. Pebesma y Roger S. Bivand. La idea na
e durante la
pre-
onferen
e spatial data Workshops (DSC 2003) al ver que existan mu
hos paquetes que servan para
realizar anlisis estadsti
o espa
ial pero
are
an de uniformidad y
ompatibilidad para tratar los datos y
objetos espa
iales. Luego desde mayo de 2005,
uando se lanz el paquete sp en el CRAN (Comprehensive
R Ar
hive Network)
on su
onjunto de fun
iones y familias de
lases
oherente para soportar objetos de
representa
in espa
ial, se ha generado gran inters y desarrollos sp-orientados en anlisis espa
ial
on
R. Algunas de las razones por las que se requiere denir
lases de datos espa
iales son:
a Ms
. Estadsti
a; Ingeniero de Planea
in Forestal. E-mail: mauri
io.zapatasmurtkappa.
om.
o
1
2 Mauri
io Zapata
Se denen
laramente los mtodos (fun
iones) para gra
ar, imprimir, resumir o
ombinar objetos
espa
iales.
Paquetes que permiten interfa
es
on sistemas de informa
in geogr
a (GIS) pueden adoptar
estas
lases (
omo lo ha
en rgdal, maptools y spgrass6).
En espe
ial el paquete sp, permite
rear gr
os Latti
e,
ondi
ionales y
ombina
iones de distintos
tipos de datos espa
iales en un mismo gr
o.
Es de men
ionar que la posibilidad de trabajar datos espa
iales en R no signi
a que se puede reem-
plazar las fun
iones de un GIS. En R no se tiene mu
ha versatilidad en mostrar los datos espa
iales
intera
tivamente, tampo
o realizar trabajos de edi
in espe
ializados sobre polgonos
omo si se puede
ha
er en un software espe
ializado para GIS. Se desta
a en R la posibilidad de realizar anlisis matemti-
os y estadsti
os
on un lenguaje familiar
omo es el S. La re
omenda
in es emplear simultneamente
R (para anlisis estadsti
os) y un GIS (para realizar edi
in y despliegue) a travs de paquetes espe
ia-
lizados que permiten la
omuni
a
in
omo el spgrass6.
En la se
iones 2 y 3 de este do
umento se denene las
uatro
lases de objetos espa
iales y se expli
an
los prin
ipales mtodos disponibles para estos. En las se
iones 4,5,6 y 7 se tratan los objetos de puntos,
tipo raste, lneas y polgonos para sp, respe
tivamente. En
ada una de etas se
iones se expli
a la toploga
y los mtodos
on ejemplos. En la se
in 8 se expli
an los pro
edimientos para importar y exportar datos
espa
iales al R. La se
in 9 es sobre ejemplos de apli
a
in donde se muestran ms op
iones de gr
os
y se
itan otros paquetes sp-orientados para
ompletar anlisis espa
iales.
Los prin
ipales tipos de datos espa
iales son: lneas, polgonos, puntos y raster. A
ontinua
in se
ha
e una breve des
rip
in de
ada uno de estos elementos.
2.2. Puntos
Los puntos son un
aso espe
ial de datos tipo ve
tor. Son elementos independientes denidos por
sus
oordenadas y atributos (p.e.,
iudades,
asas). Tambin pueden ser muestras de un
ampo
ontinuo
(p.e., eleva
in, pre
ipita
in), a menudo distribuido irregularmente. Los atributos pueden ser numri
os
o de texto.
2.3. Raster
Es un tipo de alma
enamiento de informa
in espa
ial en una matriz regular. La representa
in puede
ser
omo una grilla de puntos, en
uyo
aso se pretende representar un
ampo
ontinuo y se denominan
grids. Tambin puede ser una malla
on
eldas (
on rea
onstante),
ono
ida
omo raster propiamente.
Estos ltimos son muy empleados para representar imgenes. Bien sea en puntos o
eldas,
ada elementos
puede tener uno o mltiple atributos a travs de una base de datos rela
ionada (un data.frame). Los
datos se ubi
an por su posi
in en las y
olumnas. Las
eldas tiene lados iguales y la longitud de un
segmento de lado dene la resolu
in. La resolu
in
ontrola el grado de detalle espa
ial que se
aptura
en este tipo de representa
iones (Neteler & Mitasova 2004). La ventaja de la forma grids (o pxel en
sp) es que
uando existen mu
hos faltantes, estos no se alma
enan, es de
ir no ne
esariamente debe
estar
ompleto. La desventaja es que las
oordenadas para
ada punto se alma
enan, lo
ual puede ser
ompli
ado para grids grandes. Este tipo de grids tienen un ndi
e que permiten rpidamente ha
er la
transforma
in a la forma raster. Solo la sele
in de datos por las y
olumnas fun
iona para la forma
ompleta del grid (en sp para la
lase de objetos SpatialGridDataFrame).
En el paquete sp
ada uno de estos elementos espa
iales representa una
lase de dato (lo que dene
una topologa). Cada una de estas
lases puede tener atributos (o informa
in) adi
ional; en
uyo
aso,
dependiendo la forma de su alma
enamiento, a la
lase del objeto se le adi
iona un nombre (lo que se
le
ono
e
omo extensin). Los atributos adi
ionales se pueden alma
enera
omo data.frame. En la
siguiente tabla se resumen las
lases de objetos disponibles en el paquete sp (Pebesma & Bivand 2005):
Puntos SpatialPoints No
SpatialPointsDataFrame Si, data.frame
Lneas Line No
Lines No
SpatialLines No
SpatialLinesDataFrame Si, data.frame
Polgonos Polygon No
Polygons No
SpatialPolygons No
SpatialPolygonsDataFrame Si, data.frame
Grid o Pixeles SptatialPixels No
SptatialPixelsDataFrame Si, data.frame
Raster o Grid Completo SpatialGrid No
SpatialGridDataFrame Si, data.frame
spsample(x) : muestreo de puntos espa
iales en espa
ios
ontinuos dentro de un polgono. Un rea
grid o una lnea.
4. Objetos de puntos en sp
A
ontinua
in se expli
an algunos pro
edimientos bsi
os
on objetos de puntos empleando el pa-
quete sp (Edzer J. Pebesma and Roger Bivand 2009). Para este tipo de datos, se emplean las
lases
SpatialPoint y SpatialPointDataFrame. Considere los siguientes datos
orrespondientes a
oordenadas
de 14
entros de par
elas levantadas en un inventario forestal en planta
iones de eu
alipto en Popayn
Cau
a (pares de
oordenas planas: x,y ).
> library(sp)
> summary(xy.sp)
Obje
t of
lass SpatialPoints
Coordinates:
min max
x 1057809 1058488
y 763320 764163
Is proje
ted: NA
proj4string : [NA
Number of points: 14
Con la fun
in summary se muestra los mnimos y mximos en las dos
oordenadas, la
antidad de
puntos y la propiedad Is proje
ted indi
a el sistema de proye
in geogr
o empleado, en este
aso
es nulo, es de
ir, estamos trabajando sobre un sistema de
oordenadas arbitrario.
>
oordinates(xy.sp)
# devuelve una matriz
on las
oordenadas x y similar a la del objeto xy .
Para adi
ionar atributos a los puntos se emplea la
lase SpatialPointsDataFrame. Suponga que en
ada
punto donde se levantaron las par
elas se
ont el nmero de rboles que se en
uentran dentro de un rea
2
ir
ular de 250m y se
al
ul el volumen de madera existente. Los datos son los siguientes:
Para realizar una sele
in de datos y visualizarlos. Por ejemplo, los tres primeros registros del objeto
xy.spdf:
> xy.spdf[1:3,
oordinates n.arboles volumen
1 (1058070, 763802) 28 151.9
2 (1057810, 763719) 30 367.2
3 (1058180, 763480) 24 195.5
n.arboles volumen id
Min. :11.00 Min. :127.8 Min. : 1.00
1st Qu.:26.50 1st Qu.:190.1 1st Qu.: 4.25
Median :29.00 Median :239.9 Median : 7.50
Mean :29.86 Mean :249.1 Mean : 7.50
3rd Qu.:34.50 3rd Qu.:302.6 3rd Qu.:10.75
Max. :46.00 Max. :369.7 Max. :14.00
Nmero de rboles
11
26.5
29
34.5
46
La fun
in spplot empleada en la Figura 2. permite agregar ms elementos al gr
o;
omo son las
es
alas de ejes, leyendas, barras de es
ala, sobreponer objetos entre otras. En la se
in de Ejemplos se
ilustran ms op
iones de este mtodo.
Para este tipo de datos el paquete sp emplea las
lases SpatialPixels, SpatialPixelsDataFrame,
SpatialGrid y SpatialGridDataFrame. Los objetos de
lase SpatialPixels alma
enan las
oordenadas
de
ada pixel y se emplean
uando el grid (o los puntos a representar
omo pixeles) es par
ial (faltan las,
olumnas o
on datos faltantes). Para los objetos de
lase SpatialGrid no se alma
enan las
oordenadas
de
ada pxel; se alma
ena el
entro de
elda del borde inferior izquierdo, la
antidad de pxeles en
ada
una de las dimensiones y el tamao del pxel. Estas
ara
tersti
as son propias de objetos denominados
Nmero de rboles
764000
763800 [11,18]
(18,25]
(25,32]
(32,39]
(39,46]
763600
763400
grid
ompletos. En el
ampo forestal es
omn tratar este tipo de datos. Por ejemplo, en inventarios
orsti
os en esquemas sistemti
os, la informa
in de presen
ia de una espe
ie se pude alma
enar
omo
un SpatialPixelDataFrame; la informa
in de tipo super
ies
omo de eleva
iones sobre el nivel del mar
o lluvia multianual se pude alma
enar
omo SpatialGridDataFrame. Ms adelante se darn ejemplos
on
retos apli
ados. A
ontinua
in se ilustra
mo a partir de elementos de topologa se
rea un grid
ompleto. Suponga un grid
ompleto
on 10 pixeles de lado,
ada uno de 30 X 30m, en dos dimensiones
y
on la menor
oordenada en y =1 y x = 1 (Para un sistema de proye
in arbitrario
on origen en
y = 0, x = 0):
Al
rear un GridTopolgy se esta parametrizando los elementos de un grid. En el
aso anterior, se dan
los
entros de
oordenadas del pxel inferior izquierdo (
ell
entre.offset), el tamao de
ada pxel
(
ellsize), el nmero y el largo de
ada dimensin (
ells.dim).
Para ver los entros de los pxeles del grid omo una malla.
> grd1<-SpatialGrid(gt1)
250
200
150
s2
100
50
0
s1
Es de anotar que al pedir el summary del objeto SpatialGrid grd1,
ell
entre.offset se reeren al
entro del pxel del extremo infererior izquierdo del grid y las
oordenadas mnimas y mximas en
ada
dimensin se reeren a los vrti
es de los extremos del grid.
Cuando se
uenta
on un
onjunto de puntos espa
iales en un arreglo en
uadri
ula, p.e. algn muestreo
sistemti
o, enton
es se emplea la
lase SpatialPixels para
rear un objeto tipo grid:
proj4string : [NA
Number of points: 19
Grid attributes:
ell
entre.offset
ellsize
ells.dim
x 1 1 4
y 1 1 5
Para onsultar el rea denida por el grid (solo donde existen pxeles)
> areaSpatialGrid(grd.pts)
[1 19
Ahora el objeto de lase SpatialPixels se pude onvertir a tipo SpatialGrid on la fun in as()
Cuando se parte del
onjunto de puntos para
rear un objeto de tipo grid, la fun
in SpatialPixel
a
epta una toleran
ia de sqrt(.Ma
hine$double.eps) esta es la pre
isin empleada para validar si un
punto esta sobre un grid.
Como se expli
arriba, las
lases SpatialPixel y SpatialGrid solo alma
enan la topologa y las
oordenadas que denen la referen
ia espa
ial de grid o
uadr
ula. Si deseamos alma
enar en estos
objetos algunas variables,
uyos valores se representan en
ada uno de los pxeles, enton
es se emplean las
lases SpatialPixelDataFrame y SpatilaGridDataFrame. A
ontinua
in se muestran algunos ejemplos
on los objetos ya denidos:
# Partiendo de un DataFrame
>
oord<-expand.grid(x=1:4, y=1:5)
> # define el DataFrame
on una variable normal
> datos.grid<- data.frame(
oord, z=rnorm(20,5,1))
>
oordinates(datos.grid)=~x+y
>
lass(datos.grid) # para
onsultar el tipo de objeto
[1 "SpatialPointsDataFrame"
attr(,"pa
kage")
[1 "sp"
Ahora se utiliza la fun
in gridded, por un lado para
onsultar si el objeto tiene topologa de grid y
por otro lado para
onvertirlo a la
lase grid:
> gridded(datos.grid)
[1 FALSE
> gridded(datos.grid)<- TRUE # Convierte el objeto datos.grid a
lase SpatialPixel
>
lass(datos.grid)
[1 "SpatialPixelsDataFrame"
attr(,"pa
kage")
[1 "sp"
> summary(datos.grid) # para ver un resumen del objeto y las variables
Obje
t of
lass SpatialPixelsDataFrame
Coordinates:
min max
x 0.5 4.5
y 0.5 5.5
Is proje
ted: NA
proj4string : [NA
Number of points: 20
Grid attributes:
ell
entre.offset
ellsize
ells.dim
x 1 1 4
y 1 1 5
Data attributes:
Min. 1st Qu. Median Mean 3rd Qu. Max.
4.170 4.758 5.056 5.035 5.347 5.650
Se pueden manipular las variables (atributos alma
enados en un data.frame) del objeto datos.grid.
Por ejemplo, para
rear una ter
era variable z3 resultado de la suma entre z1 y z2:
> datos.grid[["z3"<-datos.grid[["z1"+datos.grid[["z2"
> summary(datos.grid) # para ver un resumen.
Para ha
er gr
os de objetos en grid, se puede emplear la fun
in image para gra
ar una de las
variables de un GridDataFrame o PixelDataFrame.
6
Y
6. Objetos de lneas
En algunas apli
a
iones es ne
esario denir lneas
omo objetos espa
iales y asignarles atributos. En la
pr
ti
a, los objetos de lneas se obtienen importndolas de un ar
hivo externo, preparado y editado
on
algn SIG. Las lneas pueden representar vas, ros, barreras o algn lmite. A
ontinua
in se mostrar
la
onstru
in de un objeto de lneas simple para ilustrar algunos ejemplos de los mtodos disponibles.
Para ver algunos atributos de los objetos SpatialLines (slot) se emplea el siguiente mtodo:
slot(datos.SpatialLines,"lines")
[[1
An obje
t of
lass "Lines"
Slot "Lines":
[[1
An obje
t of
lass "Line"
Slot "
oords":
[,1 [,2
[1, 4 1.0
[2, 3 1.5
[3, 3 2.5
[4, 4 2.8
Slot "ID":
[1 "a"
[[2
An obje
t of
lass "Lines"
Slot "Lines":
[[1
An obje
t of
lass "Line"
Slot "
oords":
[,1 [,2
[1, 3.2 0.80
[2, 2.4 1.20
[3, 2.4 2.00
[4, 3.2 2.24
Slot "ID":
[1 "b"
Tambin se pueden
rear objetos de
lase SpatialLinesDataFrame. En este
aso
ada lnea del objeto
SpatilaLines tendr los atributos DataFrame
uyos nombres de la
oin
iden
de una de las las en el
on los ID del objeto espa
ial.
Al empelar data.frame
omo fuente de la tabla de atributos, en los objetos espa
iales se pueden
ombinar atributos
uyos datos son de diferente naturaleza (numri
os, texto
omo fa
tores, numri
os
dis
retos et
.).
7. Objetos de polgonos
Al igual que
on los objetos de lneas, los polgonos se pueden importar de un ar
hivo externo. Ms
adelante se mostrar estos mtodos de importa
in. Para este tipo de datos el paquete sp emplea las
lases
Polygon (para denir los nodos de polgonos individuales in
luidos los hue
os,polgonos sin informa
in
dentro de otros polgonos), Polygons (para denir listas de polgonos
on el mismo ID), SpatialPolygons
(
onjunto de Polygons
on ID's ni
os y
on un orden a gra
ar) y SpatialPolygonsDataFrame (SpatialPolygons
on atributos). A
ontinua
in se mostrarn algunos ejemplos apli
ando las prin
ipales
lases y mtodos
de estos objetos
on po
os polgonos generados:
> # se define los nodos del polgono P1. (Sistema
oordenado arbitrario)
> P1 <- Polygon(
bind(
(1,2 ,2,2,3,4,5,6,7,8,8,8,7,7,7,8,9,10,10,9,8,7,6,5,4,3,3,2,1, 1),
(9,8,7,6,5,5,4,3,3,3,4,5,5,6,7,7,7,8,9,10,11,11,11,11,12,12, 11,10,10,9)))
> # define los nodos del polgono P2
> P2 <- Polygon(
bind(
(1,2,3,3,3,2,1,1,1),
(1,1,1,2,3,3,3,2,1)))
Para ha er un gr o simple de los polgonos, ada uno on un olor y los hue os blan os:
Slot "area":
[1 4
Slot "hole":
[1 FALSE
Slot "ringDir":
[1 1
Slot "area":
[1 4
Para polgonos
on atributos, se organizan en un DataFrame las variables que se desean aso
iar al objeto
de polgonos. Por ejemplo, adi
ionar atributos de uso del suelo en el rea del polgono, densidad de
afe
in por una enfermedad et
. A
ontinua
in se
rea un SpatialPolygonsDataFrame
on el objeto
SpP y un data.frame
on dos variables uso y afe
in.
> #
rea un data.frame
on las variables uso y afe
in. Con nombres de fila s1 y s2.
> datos<-data.frame("uso"=
("bosque","plant"),"afe
ion"=
(0.1,0.7),row.names=
("s1","s2"))
> SpPdf<-SpatialPolygonsDataFrame(SpP, datos) # agrega los atributos
> summary(SpPdf) # muestra un resumen del objeto y las dos variables
Con la fun
in spplot se puede realiza un gr
o de los polgonos (de
lase SpatialPolygonsDataFrame)
mostrando espa
ialmente el grado de afe
in. En este
aso,
omo solo se
uenta
on dos polgonos no se
emplea totalmente la es
ala de
olores para el rango de los valores de afe
in.
0.7
0.6
0.5
0.4
0.3
0.2
0.1
Una situa
in
omn en el anlisis espa
ial es que se
uenta
on diferentes fuentes de datos ya pro
e-
sadas en SIG, y lo que se requiere en es generar un nuevo resultado a partir de la informa
in. Para utilizar
todas las fun
iones de anlisis espa
ial disponibles en R y sus paquetes se requiere enton
es importarlos.
Esto se puede ha
er de dos formas:
1. Empleando algn paquete que sirve de interfase entre el SIG y el R (por ejemplo spgrass6) o
2. Leer dire
tamente los ar
hivos de trabajo guardados en un dire
torio
on formatos espe
os.
attr: Espe
i
a la
olumna que se exportar; si falta el argumento, se toma la primera
olumna; es
un nombre o un nmero.
na.value: argumento numri
o; asignado a los valores de
elda faltantes en el mapa resultante
... : otros argumentos empleados en write.table, los
uales se usan para es
ribir datos numri
os.
La fun
in que permite leer ar
hivos de polgonos es readShapePoly, se obtienen objetos de
lase
SpatialPolygonsDataFrame. La fun
in writePolyShape es
ribe objetos de tipo SpatialPolygonsDataFrame
a ar
hivos shp.
La expli
a
in de los argumentos son los siguientes: fn: nombre de ar
hivo shp; en el nombre omitir
las extensiones *.shp, *.shx and *.dbf, ya estn adi
ionadas en la fun
in.
IDvar: argumento tipo
ar
ter (string); es el nombre de la
olumna en el ar
hivo DBF que
ontiene
los ID.
verbose: lgi
o; por defe
to es TRUE, reporta el tipo de ar
hivo y el nmero de shapes.
repair: por defe
to FALSE; algunos ar
hivos generados por Geolyti
s In
. Tienen el valor del tamao
de los objetos alma
enados en el ar
hivo ndi
e *.shx y es o
ho ve
es ms largo. La fun
in al tratar de
leerlos pasa al nal del ar
hivo. En TRUE, se intenta reparar los valores internos permitiendo la le
tura.
for
e_ring: si es TRUE,
ierra polgonos abiertos.
delete_null_obj: si es TRUE, las geometras nulas se borran.
x: un objeto de
lase SpatialPolygonsDataFrame.
Fa
tor2
har: lgi
o; por defe
to TRUE,
onvierte
olumnas tipo fa
tor a
ar
ter.
max_n
har: Por defe
to 254; espe
a el lmite de
ara
teres en las
olumnas a ser pasadas a DBF.
A
ontinua
in se presenta el desarrollo de algunos ejemplos empleando las
lases y mtodo del paquete
sp del R en
ombina
in de otros paquetes para anlisis espa
ial. Algunos de los datos provienen de reas
de uso forestal en Colombia, que han servido para analizar espa
ialmente la produ
tividad en planta
iones.
r1 781144.94 2142580
r2 19996.29 1875834
Is proje
ted: NA
proj4string : [NA
Data attributes:
AREA PERIMETER COLDPTO_ DPTO_ID
Min. :2.138e+05 Min. : 1993 Min. : 2.00 Min. : 1.00
1st Qu.:1.350e+06 1st Qu.: 5090 1st Qu.:22.75 1st Qu.:21.75
Median :9.508e+06 Median : 13271 Median :43.50 Median :42.50
Mean :1.375e+10 Mean : 473746 Mean :43.50 Mean :42.50
3rd Qu.:2.295e+10 3rd Qu.: 954500 3rd Qu.:64.25 3rd Qu.:63.25
Max. :1.090e+11 Max. :2649552 Max. :85.00 Max. :84.00
ATLAS_S
Valle del Cau
a:17
Narino :11
Cho
o : 6
Su
re : 6
Bolivar : 5
Cau
a : 4
(Other) :35
> # el ar
hivo DBF tiene varias
olumnas (atributos) y
ada fila es
un departamento "DPTO_ID"
> plot(xx, border="blue", axes=TRUE, las=1) # Figura 8
1500000
1000000
500000
Porcentaje de Poblacin
Censo General 2005
P.cabecera P.rural 100
80
60
40
20
764000
763000
RA
CC
762000
761000
0 500 m
760000
2200
764000
2100
763000
2000
762000
1900
761000
1800
760000
DENSIDAD
Min. :-99.000
1st Qu.: 0.470
Median : 0.560
Mean : -5.396
3rd Qu.: 0.620
Max. : 0.870
> s
ale <- list("SpatialPolygonsRes
ale", layout.s
ale.bar(),
offset =
(1056500,760260), s
ale = 500, fill=
("transparent","bla
k"))
> text1 = list("sp.text",
(1056500,760380), "0")
> text2 = list("sp.text",
(1057000,760380), "500 m")
> # Mapa de las par
elas. Figura 12
> spplot(par
elas, "sitio", do.log = TRUE, key.spa
e=list(x=0.1,y=0.33,
orner=
(0,1)),
s
ales=list(draw=T),sp.layout=list(s
ale,text1,text2),main='Mapa de par
elas')
Mapa de parcelas
764000
763000
762000
[23.7,25.72]
(25.72,27.92]
(27.92,30.3]
761000 (30.3,32.89]
(32.89,35.7]
0 500 m
Figura 12: Mapa de un objeto de puntos: Lo aliza in y valores de Sitio de par elas en un inventario forestal.
Mapa de parcelas
Representacin del Sitio
764000
763000
762000
[23.7,25.72]
(25.72,27.92]
(27.92,30.3]
761000 (30.3,32.89]
(32.89,35.7]
0 500 m
Figura 13: Mapa de Linderos en fondo gris y lo
aliza
in de par
elas en un inventario forestal. La es
ala de
valores es para la Calidad de Sitio.
> library(latti
e)
> trellis.par.set(sp.theme())
> library(gstat) #para trabajar el kriging
> library(maptools)
> # se
rea un grid sobre los linderos de las fin
as que sirva para interpolar
> muestra.grid<-spsample(poligonos, n = 600, "regular")
> #
onvierte el grid a
lase SpatialPixel
> gridded(muestra.grid)<-TRUE
> summary( muestra.grid) # un resumen del grid
> # se importan los datos de las par
elas desde un ar
hivo externo
> par
elas<-read.
sv("par
elas.
sv",header=T)
> #
onvierte a un objeto espa
ial SpatialPointsDataFrame
>
oordinates(par
elas)=~X.PLANA+Y.PLANA
> # un pirmer grfi
o de la
alidad de sitio de las par
elas. Figura 13.
> bubble(par
elas, z
ol="VTSC", fill=F, do.sqrt=FALSE, maxsize=3,
main="Volumen de madera (m3/ha)",
ol=4)
> # un grfi
o de los puntos de par
elas y del grid para interpolar Figura 13.
> plot(muestra.grid,
ex=0.5)
> points(par
elas, p
h=1,
ol="red",
ex=0.7)
> title("Grid de interpola
in y puntos de par
elas")
Este gr
o de interpola
in
on kriging ordinario es una primera aproxima
in al problema de hallar
una ade
uada super
ie de predi
in y una ilustra
in de la utiliza
in del paquete sp y otros paquetes
para anlisis espa
ial en R. Aunque no es el tema de este do
umento, para el problema de interpola
in
del volumen en esta zona, se sugiere emplear un
o-kriging para la variable log(volumen) y
ovariables
omo eleva
in y varia
iones fsi
as de los suelos.
154
270.8
340.2
394.1
496
Figura 15: Izquierda: gr
o de la distribu
in espa
ial del Volumen de Madera, segn los datos observados de
par
elas. Dere
ha: gr
o
on los puntos de par
elas y el grid para interpolar
on kriging.
Interpolacin Kriging
450
400
350
300
250
0 500 m
200
Figura 16: Gr
o de interpola
in
on Kriging ordinario para el Volumen de Madera,
on puntos de datos
observados.
Interpolacin Kriging
500
450
400
350
300
250
0 500 m 200
Figura 17: Gr
o de interpola
in
on Kriging ordinario para el Volumen de Madera,
on puntos de datos
observados y
ontornos.
Las
lases y mtodos del paquete sp mostradas en este trabajo permiten, en forma estru
turada, fa
il-
itar el anlisis y la manipula
in de datos espa
iales. Los ejemplos
itados muestran la manera de apli
ar
e intera
tuar
on diferentes t
ni
as estadsti
as y geoestadsti
as. En este trabajo se ilustra la forma
mo se
rean y denen los prin
ipales tipos de datos espa
iales y
mo se obtienen de fuentes externas.
No se pretende
ubrir todas las t
ni
as estadsti
as disponibles, ms bien, mostrar las deni
iones y
mtodos o fun
iones que apli
an sobre los objetos en sp y en R. En el
ampo forestal es
omn que
para el ejer
i
io de administrar y evaluar las reas en produ
in se re
urra a georreferen
iar y a
opiar
informa
in de tipo espa
ial. Por esto, la mayora de los ejemplos se orientaron a datos reales del se
tor
produ
tivo Forestal en Colombia, espe
amente en reas de planta
iones
omer
iales de Smurt Kappa
Cartn de Colombia. El uso del paquete sp para R es un buen
omplemento para el uso de un ambiente
tipo SIG, pues permite emplear las fortalezas del R en sus t
ni
as estadsti
as y enviar los resultados
de simula
iones del R a un SIG.
Referen ias
Edzer J. Pebesma and Roger Bivand (2009), Pa
kage 'sp', R Foundation for Statisti
al Computing,
Vienna, Austria.
*http://r-spatial.sour
eforge.net/
ESRI (1998), ESRI Shapele Te
hni
al Des
ription. An ESRI White Paper, Environmental Systems
Resear
h Institute, In
. U.S.A., U.S.A.
Neteler, M. & Mitasova, H. (2004), Open sour
e gis: A GRASS gis approa
h, se
ond edition edn, Kluwer
A
ademi
Publishers., Boston.
Pebesma, E. J. & Bivand, R. S. (2005), `Classes and methods for spatial data in R', R News 5(2), 913.
*http://CRAN.R-proje
t.org/do
/Rnews/