Variografía en R

Introducción

Imagen sobre semivarianza en R, de Rosa FerreroLos sistemas de información geográfica han evolucionado notablemente hasta el punto que se pueden emplear métodos y técnicas estadísticas para analizar el comportamiento de una variable en el espacio. A esta rama de la estadística aplicada se la conoce como Geoestadística [1]. Las técnicas y métodos de esta rama se han usado en estudios de ecología, topografía, meteorología, sociales y muchas ciencias más [2]. Es tan versátil que puede ser usada en cualquier proyecto donde se utilicen variables espaciales [2-5].

Los variogramas son una técnica geoestadística para analizar las relaciones espaciales entre puntos de medición. Es el paso previo a la predicción de valores mediante kriging [3-4]. Se trata de un método que relaciona la varianza entre puntos de medición y su proximidad.

En esta ocasión, pretendo mostrar una aplicación para variografía en R con la cual se puede hacer un ajuste del modelo teórico de semivarianza a datos de entrada.

 

Sobre la aplicación

La aplicación está construida en R con ayuda de los paquetes "Shiny" [6] y "geoR" [7]. Se trata de un primer ensayo que permita aprender sobre modelación de la semivarianza espacial. En la Figura 1 se muestra la interfaz gráfica de la aplicación.

Fig 1. Interfaz gráfica de la aplicación

Gráficamente la aplicación está conformada por dos secciones. La primera es el panel lateral que es donde se configuran y modifican los parámetros de construcción del semivariograma experimental y su modelo teórico. La sección de panel principal está dividida en dos partes: El gráfico del semivariograma y el reporte.

Los datos de entrada por el momento son un conjunto de valores de Elevación que están disponibles en el mismo directorio de la aplicación. Se espera que en un futuro cercano se pueda agregar la opción para que el usuario pueda subir sus propios datos de entrada.

El código está liberado bajo licencia creative commons 3 y se encuentra disponible en GitHub

Uso

La aplicación está orientada al aprendizaje sobre variografía de modo que el usuario pueda comprender el ajuste de modelos teóricos a datos de entrada. Por el momento la aplicación cuenta con un solo juego de datos. Pero es suficiente para tener un punto de inicio en esta temática.

Para ingresar a la aplicación se debe ejecutar en R el siguiente código:

source("http://gavg712.com/apps/runvariogApp.r")

 Una vez ejecutada la aplicación, el usuario puede seguir los siguientes pasos.

  1. Visualizar el semivariograma experimental: Puede ajustar la cantidad de lags de los datos pinchando en "Ajustar binnes manualmente"
  2. Agregar el modelo teórico de semivarianza pinchando en "Agregar modelo teórico". Se pueden elegir varias opciones entre los distintos modelos disponibles en el paquete "geoR". Para mayor información sobre los modelos revisar el manual del paquete
  3. Ajustar el modelo teórico a la semivarianza experimental. Algunos modelos requieren de ajustar todos los valores. Pero los modelos más usados solo requieren "Sill", "Range" y "Nugget".

El reporte indica la semivarianza de acuerdo a la distancia de alejamiento de los puntos y el número de pares de puntos comparados por cada lag.

Trabajos futuros

Este es el listado de funcionalidades que serán implementados en un corto tiempo:

  • Opción para que el usuario analice sus propios datos.
  • Opción de visualización y ajuste de una grid resultante del modelo ajustado
  • Ajustes de estilo.
  • Manual de usuario y ayuda.


Sus comentarios serán bienvenidos...

Referencias

[1] M. Chica Olmo, “La geoestadística como herramienta de análisis espacial de datos de inventario forestal,” Soc. Española Ciencias For., vol. 19, pp. 47–55, 2005.

[2] A. Gallardo, “Geostadística,” Ecosistemas, vol. 3, no. 1987, pp. 1–11, 2006.

[3] C. J. Sosa Paz, “Método geoestadístico de krige: una aplicación a la distribución pluvial en el estado de tabasco,” Insituto Politécnico Nacional, 2002.

[4] E. P. J. Boer, K. M. de Beurs, and A. D. Hartkamp, “Kriging and thin plate splines for mapping climate variables,” Int. J. Appl. Earth Obs. Geoinf., vol. 3, no. 2, pp. 146–154, Jan. 2001.

[5] S. Garrigues, D. Allard, F. Baret, and M. Weiss, “Quantifying spatial heterogeneity at the landscape scale using variogram models,” Remote Sens. Environ., vol. 103, no. 1, pp. 81–96, Jul. 2006.

[6] W. Chang, J. Cheng, J. Allaire, Y. Xie, J. McPherson, RStudio, Jq. Foundation, and R Core Team, “Package shiny: Web Aplication Framework for R.” RStudio, 2015.

[7] P. J. Ribeiro Jr and P. J. Diggle, “Package geoR: Analysis of Geostatistical Data.” R-Cran, Lancaster, UK, 2015.

Escribir un comentario


Código de seguridad
Refescar