---
title: "README"
author: "Lina M. Estupinan-Suarez"
date: "25 de abril de 2017"
output: html_document
---

# Cálculo de estadísticas de Biomodelos

## Introducción

Este código calcula estadísticas para los modelos de distribución de especies de Biomodelos. Este documento tiene como ejemplo los modelos de distribución de 20 especies de Zamias en dos versiones. 

* Nivel2: Modelo recortado por por las coberturas donde se encuentra la especie según el criterio de experto

* Concenso: Estos modelos son ajustados por expertos y resultado de la modelatón 

Se desarrollaron 9 funciones que se describen a continuación, y se generan como resultado dos archivos csv. El primero `Zamias_metadata.csv` que son los datos que alimentan la base de datos en Mongo de Biomodelos, y el segundo `Zamias_threats.csv` que tienen información de amenazas en las áreas predecidas por el modelo.


Las librerias requeridas para correr este cógido son:


```{r eval=FALSE, warning=FALSE}
library(rgdal)
library(raster)
library(dismo)
library(rgeos)
```

El arhivo fuente con las funciones que calculan las estadísticas es:


```{r eval=FALSE, warning=FALSE}
source('C:/Biomodelos/Estadisticas/stats_SDM.R')
```

## Archivos de entrada para el código


### Grilla de referencia

Los archivos insumo para el cálculo de estadísticas se generaron apartir de la misma Grilla de referencia, las cual fue la capa ASCII “bio_1.asc” ubicada en `//192.168.11.113/Lab_biogeografia2/Capas/NewExtent`.

* El sistema de coordenadas es GSC_WGS_1984 y el mismo datum (EPSG: 4326).  Las características son:
* 2760 x 3240 pixeles
* Tamaño pixel: 0,0083333333, 0,0083333333
* Extent: Top 13; Left -83; Right -60; Bottom -14 se almacenaron como Rdata, y se encuentran ubicados en la NAS.

### Capas base

Las capas insumos se almacenaron en archivos **Rdata**, se encuentran ubicadas en la NAS, en la carpeta `//192.168.11.113/Lab_biogeografia2/Estadisticas/`y se describen a continuación:

`clc_n3.RData` Capa de Coberturas de la Tierra CORINE (Ideam et al 2010) para el nivel 3:

* Se cuentan con _(54 capas)_ numeradas de statCoverLC2 a statCoverLC55
* Los valores de los pixeles son de 0 a 100 y representan el porcentaje de la cobertura en el pixel  


`forestTifs.RData` _Cinco_ rasters de presencia de bosque generados por el proyecto REDD del IDEAM para los años 1990, 2000, 2005, 2010, 2012, las capas se tomaron de Andromeda (Entrega 2014 Ideam).

* Las capas fueron convertidas a valores de 1 para bosques y 0 para las otras categorías
* Fueron proyectadas a EPSG=4326
* Se reagruparon a un factor de 30 pixeles con cálculos de promedio (MEAN)
* Se remuestrearon (bilinear) a la grilla final del Extent


 `Escenarios_2030.RData` Las capas con las predicciones de bosque para el 2030 estaban disponibles en el Laboratorio de Biogeografía. Se tuvieron en cuenta _tres_ escenarios: 

* Conservasionista
* Histórico
* Industrializado


`protAreaTifs.RData` Para este análisis se descargaron las capas de áreas protegidas disponibles en la página del SIAC en febrero de 2017, y proyectadas posteriormente al sistema de coordenadas establecido previamente. Se generaron _4 capas_:

* pn_cover: Corresponden a las áreas de Parques Nacionales Naturales declaradas a 2016, 59 polígonos.
* sc_cover: Reservas de la sociedad civil, 355 polígonos.
* ot_cover: Otras figuras que son; Áreas de recreación, Distrito de conservación de suelos, Distrito regional de manejo integrado, Humedales Ramsar, Parque  Natural Regional, Parques, Reserva Forestal Protectora Regional, Reserva Forestal Protectora Nacional.
* ap_all_cover: Todas las anteriores, 709 polígonos

`rds&Min.RData` Las capas usadas reposaban en las carpetas del Laboratorio de Biogeografía, fueron proyectadas a EPSG=4326 (cgs_wgs_1984). En total se generaron _tres archivos_, con las siguientes características.

* Los shapefiles de Títulos Mineros y Vías fueron rasterizadas a la grilla de referencia.
* Los pixeles con vías recibieron un valor de 1
* El rango de valores de la capa de títulos mineros es de 0 a 100 y equivale al porcentaje del área del título en el pixel 
*	El raster de Human Foot Print fue remuestreado a la grilla de referencia usando el método _bilinear_. 
  
  
### Información de especies
  
Los modelos de distribución de especies objeto de análisis son generados por Biomodelos, el archivo de lectura es un CSV con el nombre de la especie (columna 1) y la ruta del raster del modelo final (columna2). Para el caso de Zamias 

```{r}
sppPath <- read.csv('//192.168.11.113/Lab_biogeografia2/Modelos/Zamias/finalRasterList.csv', sep=",", header = TRUE, as.is = T)
```

Adionalmente para el cálculo de una de las estadísticas se requiere las coordenadas en latitud y longitud grados decimales (coordenadas geográficas WGS 1984 EPSG:4326). Se debe especificar la carpeta donde se encuentran los archivos CSV para todas las especies, para el caso de Zamias `//192.168.11.113/Lab_biogeografia2/Modelos/Zamias/21112016_Zamias2/` . El nombre de los archivos debe ser el nombre de la especie, con un guión bajo que separe el genero y la especie. Por ejemplo: *Zamia_amazonum*.


## Funciones para el cálculo de estadísticas

Las siguientes funciones se calculan para los modelos (i) Nivel2 y (ii) Consenso de cada una de las especies.

1. `CheckProjection`: Revisa que el sistema de coordenadas del modelo sea idéntico al de los archivos Rdata insumo. En el caso de que el datum este ausente lo asigna y si es diferente lo proyecta.

2. `EstimateRangeSize`: Estima el área de ocurrencia de la especie (km^{2}) según la predicción del modelo y el tamaño de cada uno de los pixeles de la grilla.

3. `PredictMcpRast`: Estima el área (km^{2}) del polígono mínimo convexo teniendo como referencia los centroides de los pixeles donde se predice la ocurrencia según el modelo de distribución.

4. `PredictMcpRec`: Estima el área (km^{2}) del polígono mínimo convexo teniendo como referencia los centroides de los pixeles donde se predice la ocurrencia según los registros de presencia de las especies.

5. `Habitat CLC`: Calcula el porcentaje de distribución de la especie para las coberturas nivel 3 de Corine Land Cover (Ideam _et al._, 2010)

6. `Historico perdida de bosque`: Calcula el porcentaje de ocurrencia de la especie en bosque para 5 años diferentes (1990, 2000, 2005, 2010, 2012).

7. `Escenarios 2030`:  Calcula el porcentaje de ocurrencia de la especie en bosque en trese escenarios para el 2030; histórico, conservacionista e industrializado.

8. `AllProtectedFigures`: Cálcula el porcentaje de ocurrencia en las áreas protegidas descritas anteriormente.

9. `HumanFootPrint`: La función hace la intersección entre la ocurrencia de la especie y el mapa de HFP, se conservan los valores de esta segunda capa.

10. `RodasLength`: Cálcula el número de pixeles que tienen alguna carretera  dentro del modelo de distribución.

11. `TitulosMineros`: Cálcula el área (km^{2}) de ocurrencia de la especie que queda dentro de áreas con Títulos Mineros


## Resultados


Los cálulos de las estadísticas se almacenan en dos archivos __CSV__.

* El primero contiene los valores de los metadatos que corresponde a las estadísticas de los modelos que entran a las base de datos de Mongo (Funciones 1 a 6), para esto es esencial que los nombres de los campos de las bases de datos correspondan a los nombres de las columnas.
* El segundo archivo tiene los valores relacionados a Amenazas, Funciones 7, 8 y 9. Los productos generados para el caso de Zamias son:


```{r eval=FALSE, warning=FALSE}
write.csv(metadata.all, 'C:/Biomodelos/Grilla/Registros/Zamias_metadata.csv', row.names = T)
write.csv(threats.all, 'C:/Biomodelos/Grilla/Registros/Zamias_threats.csv', row.names = T)
```