Análisis Espacial con R

Presentación

Dr. Francisco Zambrano

Descripción del profesor

Profesor

  • Dr. Francisco Zambrano
  • Ingeniero Civil Agrícola (Universidad de Concepción)
  • Dr. Ingeniería Agrícola (Universidad de Concepción)
  • Investigador Visitante en el Centro de Sequía de los Estados Unidos, Universidad de Nebraska, Lincoln Estados Unidos. 2016. link
  • Investigador visitante en la Facultad de Ciencias de la Geoinformación y Observación de la Tierra, Universidad de Twente, Enschede, Paises Bajos. 2016. link

Trayectoria

  • Más de 10 años trabajando en servicios públicos de los Ministerios de Obras Públicas y Agricultura de Chile, en temas relacionados con los recursos hídricos y la agricultura.
  • Instituciones:
    • Dirección General de Aguas (DGA)
    • Comisión Nacional de Riego (CNR)
    • Instituto de Investigaciones Agropecuarias (INIA)
    • Instituto de Desarrollo Agropecuario (INDAP)
  • Relacionado a:
    • Fiscalización de Derechos de Aprovechamiento de Aguas (DAA)
    • Regularización de DAA
    • Análisis de redes de derechos de aprovechamiento de aguas (análisis de gráfos)
    • Organizaciones de Usuarios de Aguas (OUAs)
    • Monitoreo de la sequía a lo largo de Chile.

Lineas de Investigación

  • Estudio de la sequía y su impacto en la vegetación en Chile (desde el año 2013)
  • Recursos hídricos - oferta y demanda de agua
  • Estres hídrico en especies frutales

Trabajos recientes

Proyectos Adjudicados (PI o Director)

  • A multi-scale drought observatory for Chile: an early warning system to mitigate agricultural and ecological impacts. Concurso Fondo de Investigación Estratégica en Sequía 2021 – REC. Director. Monto 300 $MM. odes-chile
  • Sistema Satelital para la Optimización de Riego (SatOri). Concurso IDeA I+D 2021 – FONDEF. Director. Monto 200 $MM.
  • The impact of weather variability on wheat and maize production: an improved early warning model for agricultural drought.FONDECYT de Iniciación en Investigación 2019. Investigador Principal. Monto ~100 $MM.

Otros proyectos

  • Modeling of Epigenetic Gene Regulatory Networks in sweet cherry floral buds in response to differential seasonal. ANILLO. Director Alterno. Monto ~400 $MM.
  • Multivariate drought monitor system: biophysical modelling, remote sensing and hydroclimatic information for drought analyisis and forecasting in agriculture.FONDECYT Regular 2021. Investigador asociado. Monto ~162 $MM.
  • Assessment of current and future water availability for agriculture and terrestrial ecosystems under different land-use scenarios over the aconcagua basin: toward drought adaptation. FONDECYT de Postdoctorado 2023. Investigador patrocinante. Monto de ~100 $MM.

Contenido del curso

Unidades

  • Unidad 1: Procesamiento, manejo y visualización de datos espaciales con R.
    • Breve introducción a R
    • Manejo de datos espaciales raster y vectoriales con {terra} y {sf}
    • Manipulación y visualización de datos utilizando {tidyverse} (sólo lo más necesario)
    • Visualización de datos espaciales con {tmap}
  • Unidad 2: Interpolación geostadística
    • Concepctos básicos: modelos de predicción espacial, autocorrelación espacial, semi-variograma
    • Modelos de predicción espacial determinísticos: inverso de la distancia, regresión en coordenadas, OLS.

Unidades

  • Unidad 2: Interpolación geostadística
    • Modelos de predicción espacial estadística: kriging, universal kriging, regresion kriging
  • Unidad 3: Modelado espacial utilizando machine learning (random forest)
    • Arboles de decisión
    • Conceptos de random forest para predicción espacial
    • Predicción espacial con random forest

Evaluaciones

  • Taller 1: Preparar datos in-situ
  • Taller 2: Preparar predictores espaciales
  • Taller 3: Predicción espacial con métodos determinísticos
  • Taller 4: Análisis de autocorrelación espacial
  • Taller 5: Predicción espacial con kriging y regresión kriging
  • Taller 6: Predicción espacial con random forest

La nota de cada taller equivale a 1/6 de la nota final.

Los talleres se pueden hacer en grupos de hasta 3 personas.

Motivación del curso

¿Por qué utilizar R para análisis espacial?

  • R es una herramienta potente que ha tenido un alto crecimiento, en particular para el análisis espacial.
  • Revolución de geodata (ej., datos satelitales).
  • R para entender el mundo
  • R es un ambiente y lenguaje de código abierto y multiplataforma para computacion estadística y gráficos.
  • Por todas las ventajas que tiene para análisis de datos (includios espaciales) e investigación reproducible.

Objetivo del curso

  • Nos centraremos en ver como podemos utilizar datos espaciales en R para realizar predicciones espaciales.
  • Vamos a definir un problema de predicción espacial que vamos a ir resolviendo a través del curso y 6 talleres.

¿Qué espero de los participantes?

  • Motivación y proactividad.
  • Hay muchos recursos en la web que facilitan la resolución de problemas
  • Hacer buenas preguntas
  • Workflow para resolver dudas:
    • Ayuda de R (help.search, ?)
    • Consultar a compañeros . . .
    • Buscar en google How can I do _____ with R
    • Stackoverflow, github, mailing list (R-help, R-SIG-GEO)
    • Si todo lo anterior falla, iterar una véz más, y otra,…,
    • Por último preguntar al profesor.

Recursos para aprender