Mis-Proyectos-Jaime-Hernandez-Perez-

🗺️ Análisis Espacial Avanzado: Efecto Borde y Sesgos de Muestreo en la Biodiversidad de Canarias (2000 - 2026)

📌 Descripción del Proyecto

Este proyecto de investigación personal evalúa de forma cuantitativa la proximidad de la biodiversidad registrada en las Islas Canarias respecto a la infraestructura viaria principal y secundaria. El objetivo inicial era medir el impacto del “Efecto Borde” (edge effect) sobre tres grupos taxonómicos (Aves, Artrópodos y Plantas Vasculares).

Sin embargo, tras procesar Big Data espacial (+1.1 millones de registros), el análisis evolucionó hacia una auditoría metodológica crítica. Mediante el uso de un modelo nulo de control geográfico y una comparativa inter-taxonómica, el proyecto demuestra cómo la fragmentación del territorio insular y los sesgos inherentes a la ciencia ciudadana pueden enmascarar o distorsionar los patrones ecológicos reales si los datos se analizan de forma ingenua.

🛠️ Stack Tecnológico y Herramientas GIS

Para optimizar los recursos computacionales y garantizar la precisión cartográfica, el pipeline de datos se dividió de forma híbrida:

Geodatasets Utilizados:

📁 Estructura del Repositorio

Para garantizar la replicabilidad del análisis, el proyecto se organiza de la siguiente manera:

├── data/
│   ├── raw/                 # Archivos originales de GBIF y Geofabrik (No subidos por peso)
│   └── processed/           # Capas espaciales intermedias filtradas (.gpkg)
├── scripts/
│   ├── 01_data_cleaning.R   # Pipeline de lectura por chunks, filtrado temporal y espacial
│   ├── 02_hub_distance.R    # Cálculo geométrico de proximidad a carreteras (CRS: 32628)
│   └── 03_control_model.R   # Generación del modelo nulo aleatorio y analítica final
├── outputs/
│   ├── tables/              # Matrices estadísticas de resumen exportadas
│   └── plots/               # Gráficos de densidad generados (PNG de alta resolución)
└── README.md                # Documentación principal del proyecto

Metodología y Pipeline de Desarrollo

El proyecto se ejecutó en tres fases críticas para garantizar la reproducibilidad y optimizar el rendimiento de la máquina local ante la carga de Big Data.

Fase 1: Ingesta Eficiente y Limpieza de Big Data (R)

El dataset original de aves presentaba un volumen crítico de ~5 GB, inviable para una lectura secuencial directa en la memoria RAM estándar.

💻 Código Fuente Principal (Scripts de R)

A continuación se detallan los bloques de código clave desarrollados para automatizar el pipeline de datos, desde la limpieza masiva hasta el cálculo geométrico y el modelo nulo.

⏱️ Script 01: Limpieza por Bloques (Chunk Processing) y Filtro Espacial ```r library(tidyverse) library(sf) # Configuración de lectura por bloques para optimizar RAM file_path <- "data/raw/gbif_canarias_aves.csv" chunk_size <- 50000 processed_data <- list() # Bucle de lectura indexada (Simulación del núcleo del algoritmo) # Filas filtradas por año >= 2000 y delimitación geográfica read_chunks_and_filter <- function(path, size) { # [Aquí va tu función real de R que corrió durante 1 hora] # Filtrado temporal: year >= 2000 & year <= 2026 # Reducción dimensional: scientificName, decimalLatitude, decimalLongitude } ``` ``` library(sf) library(tidyverse) # 1. Cargar capas y reproyectar a REGCAN95 / UTM zona 28N (CRS: 32628) canarias_roads <- st_read("data/processed/roads.gpkg") %>% st_transform(32628) biodiversity_points <- st_read("data/processed/points.gpkg") %>% st_transform(32628) # 2. Algoritmo de búsqueda del vecino más cercano y cálculo métrico print("Calculando distancias métricas Euclidianas...") # Buscar el índice de la carretera más cercana para cada punto nearest_idx <- st_nearest_feature(biodiversity_points, canarias_roads) # Calcular la distancia real en metros (HubDist) biodiversity_points$HubDist <- as.numeric(st_distance(biodiversity_points, canarias_roads[nearest_idx, ], by_element = TRUE)) # Exportar dataset final indexado st_write(biodiversity_points, "data/processed/biodiversity_with_distance.gpkg", delete_dsn = TRUE) ``` ``` library(tidyverse) library(sf) # 1. Generación del grupo control aleatorio (100.000 puntos) set.seed(42) # Garantizar reproducibilidad islas_polygon <- st_read("data/processed/limites_islas.gpkg") %>% st_transform(32628) random_points <- st_sample(islas_polygon, size = 100000) %>% st_as_sf() %>% mutate(Group = "Modelo Nulo (Azar)") # 2. Renderizado del Perfil de Densidad en escala logarítmica ggplot(data = final_dataset, aes(x = HubDist, color = Group, fill = Group)) + geom_density(alpha = 0.15, linewidth = 0.8) + scale_x_log10(labels = scales::comma) + labs( title = "Distribución de Frecuencias: Biodiversidad vs. Modelo Nulo", x = "Distancia Métrica a la Carretera Más Cercana (metros, escala log10)", y = "Densidad de Probabilidad" ) + theme_minimal() + scale_color_manual(values = c("Aves" = "#2ca02c", "Artrópodos" = "#9467bd", "Plantas" = "#1f77b4", "Modelo Nulo" = "#8c564b")) ```

Fase 2: Geoprocesamiento y Análisis de Proximidad (QGIS / SF)

Con los datasets limpios y homogeneizados en formato GeoPackage (.gpkg), se procedió al análisis espacial métrico:

  1. Reproyección a Sistema Métrico: Toda la cartografía se proyectó al sistema de referencia oficial del archipiélago: REGCAN95 / UTM zona 28N (CRS: 32628) para evitar las distorsiones métricas del sistema WGS84 tradicional.
  2. Cálculo de Distancia al Eje: Se ejecutaron algoritmos de búsqueda del vecino más cercano vectorizado (st_nearest_feature y st_distance). Para cada punto biológico se calculó la distancia métrica exacta a la carretera más cercana, generando la variable numérica HubDist.

Fase 3: Validación Mediante Modelos de Control

Para evitar conclusiones sesgadas por la naturaleza intrínseca de los datos, se programaron dos controles:

Resultados y Discusión Crítica

Tras cruzar los datos biológicos con el modelo nulo de control, se obtuvieron las siguientes métricas descriptivas iniciales en la consola de RStudio:

Análisis del Perfil de Densidad de Distancias

Para interpretar estos números se generó un gráfico de densidades en escala logarítmica, contrastando la distribución real frente al modelo aleatorio nulo:

Gráfico de Densidades - Curvas de Sesgo

El análisis del gráfico desmonta la hipótesis simplista del impacto lineal de las infraestructuras y revela dos fenómenos metodológicos clave:

  1. La Condición Geográfica Insular: La curva de puntos aleatorios se sitúa notablemente desplazada hacia la izquierda (menor distancia). Esto demuestra que la red de carreteras de Canarias es tan densa y el territorio tan acotado que, estadísticamente, cualquier elemento aleatorio en las islas está abocado a estar cerca del asfalto. La cercanía física inicial no es un comportamiento puramente ecológico, sino una propiedad geométrica del territorio.
  2. El “Efecto Huida” de la Biodiversidad: Las curvas de los tres grupos biológicos están desplazadas hacia la derecha respecto al azar. Esto significa que los organismos vivos muestran una resistencia distributiva: se acumulan a distancias mayores de las carreteras de lo que predeciría el modelo nulo, buscando refugio en los reductos naturales mejor conservados.
  3. El Sesgo del Observador: La curva de las Aves (turquesa) presenta un pico vertical y estrecho pegado a las carreteras, evidenciando el sesgo de accesibilidad de la ciencia ciudadana (muestreo cómodo desde vías). Por el contrario, los Artrópodos (morado) presentan una curva mucho más achatada y distribuida hacia el interior, reflejando el rigor de los muestreos sistemáticos llevados a cabo por profesionales en zonas de difícil acceso.

Aplicación Práctica: Detección de Vacíos de Información (Gap Analysis)

Más allá del análisis de distancias, este pipeline cartográfico se ha diseñado para actuar como una herramienta de toma de decisiones en la gestión ambiental, específicamente en la identificación de vacíos de datos cartográficos.

Al cruzar la densidad de puntos reales de GBIF con la red viaria, el modelo permite aislar geográficamente aquellas cuadrículas de alto valor ecológico que presentan un número de registros cercano a cero. Esto transforma el análisis estadístico en una guía de acción en el territorio.

Mapas de densidad de registros en GBIF por cuadrícula 1x1km en Espacios Naturales Protegidos

Estrategia para Proyectos de Recogida de Datos en Campo:

🔮 Futuras Líneas de Trabajo (Explotación del Dataset)

La base de datos descargada de Geofabrik contiene múltiples capas vectoriales adicionales que abren la puerta a expansiones automáticas de este pipeline:

Conclusiones