• Estadística Espacial con R
  • Prólogo
  • 1 Introducción: Procesos espaciales y Geoestadística
    • 1.1 Procesos espaciales
      • 1.1.1 Paquetes de R
      • 1.1.2 El paquete gstat
    • 1.2 Geoestadística
      • 1.2.1 Modelos clásicos y modelos espaciales
      • 1.2.2 Ventajas de la aproximación espacial (y espacio-temporal)
    • 1.3 Procesos espaciales estacionarios
      • 1.3.1 Características del variograma
      • 1.3.2 Propiedades elementales del covariograma y del variograma
      • 1.3.3 Procesos agregados
    • 1.4 Objetivos y procedimiento
  • 2 Datos espaciales
    • 2.1 Tipos de datos espaciales
    • 2.2 Introducción al paquete sf
      • 2.2.1 Sistemas de referencia de coordenadas
      • 2.2.2 Integración con el ecosistema tidyverse
    • 2.3 Representación de datos espaciales
    • 2.4 Operaciones con datos espaciales
      • 2.4.1 Importación y exportación de datos espaciales
      • 2.4.2 Operaciones con geometrías
    • 2.5 Análisis exploratorio de datos espaciales
  • 3 Modelado de procesos geoestadísticos
    • 3.1 Estimadores muestrales del semivariograma
    • 3.2 Modelos de semivariogramas
      • 3.2.1 Modelos paramétricos isotrópicos
      • 3.2.2 Modelado de anisotropía
      • 3.2.3 El modelo lineal de regionalización
    • 3.3 Ajuste de un modelo válido
      • 3.3.1 Estimación por mínimos cuadrados
      • 3.3.2 Modelado del variograma en procesos no estacionarios
      • 3.3.3 Estimación por máxima verosimilitud
    • 3.4 Comentarios sobre los distintos métodos
  • 4 Predicción Kriging
    • 4.1 Introducción
    • 4.2 Kriging con media conocida: kriging simple
    • 4.3 Kriging con media desconocida: kriging universal y kriging residual
      • 4.3.1 Ecuaciones en función del covariograma
      • 4.3.2 Kriging residual
    • 4.4 Kriging con el paquete gstat
    • 4.5 Consideraciones acerca de los métodos kriging
      • 4.5.1 Kriging como interpolador
      • 4.5.2 Efecto del variograma (covariograma) en el kriging
      • 4.5.3 Elección del vecindario
    • 4.6 Validación cruzada del modelo ajustado
    • 4.7 Otros métodos kriging
      • 4.7.1 Block kriging
      • 4.7.2 Kriging trans-normal
  • 5 Procesos espaciales multivariantes
  • 6 Procesos espacio-temporales
  • Apendices
  • A Introducción al paquete sp
    • A.1 Tipos de objetos
      • A.1.1 SpatialPoints y SpatialPointsDataFrame
      • A.1.2 SpatialLines y SpatialPolygons
      • A.1.3 SpatialGrid y SpatialPixels
    • A.2 Métodos y procedimientos clases sp
      • A.2.1 Importar/exportar/transformar
    • A.3 Representaciones gráficas
      • A.3.1 Gráficos estándar
      • A.3.2 Gráficos lattice: spplot
  • B Introducción al paquete geoR
    • B.1 Inicio de una sesión y de carga de datos
      • B.1.1 Archivos de datos
    • B.2 Análisis descriptivo de datos geoestadísticos
    • B.3 Modelado de la dependencia
      • B.3.1 Variogramas empíricos
      • B.3.2 Ajuste de un modelo de variograma
      • B.3.3 Inferencia sobre el variograma
      • B.3.4 Estimación del variograma en procesos no estacionarios
    • B.4 Predicción espacial (kriging)
      • B.4.1 Validación cruzada
  • C Mínimos cuadrados generalizados en R
  • D Ejemplo de análisis geoestadístico
    • D.1 Carga de datos y creación del objeto sf:
    • D.2 Análisis exploratorio
    • D.3 Modelado de la dependencia
      • D.3.1 Estimación experimental del variograma
      • D.3.2 Ajuste de un modelo válido
    • D.4 Predicción espacial (KU)
    • D.5 Validación cruzada
  • E Referencias
    • E.1 Enlaces
    • E.2 Bibliografía completa
  • Published with bookdown

Estadística Espacial con R

Estadística Espacial con R

Rubén Fernández Casal (MODES, CITIC, UDC; ruben.fcasal@udc.es)

Tomás Cotos Yáñez (SIDOR, UVIGO; cotos@uvigo.es)

Edición: Enero de 2022. Impresión: 2022-11-28

Prólogo

La versión actual del libro se está desarrollando principalmente como apoyo a la docencia de la última parte de la asignatura de Análisis estadístico de datos con dependencia del Grado en Ciencia e Ingeniería de Datos de la UDC. El objetivo es que (futuras versiones del libro con contenidos adicionales) también resulte de utilidad para la docencia de la asignatura de Estadística Espacial del Máster interuniversitario en Técnicas Estadísticas).

La teoría en este libro está basada en gran parte en la tesis doctoral:

Fernández Casal, R. (2003). Geoestadística espacio-temporal: modelos flexibles de variogramas anisotrópicos no separables. Tesis doctoral, Universidad de Santiago de Compostela.

donde se puede encontrar información adicional.

Este libro ha sido escrito en R-Markdown empleando el paquete bookdown y está disponible en el repositorio Github: rubenfcasal/estadistica_espacial. Se puede acceder a la versión en línea a través del siguiente enlace:

https://rubenfcasal.github.io/estadistica_espacial (también https://bit.ly/estadistica_espacial).

donde puede descargarse en formato pdf.

Para ejecutar los ejemplos mostrados en el libro sería necesario tener instalados los siguientes paquetes: sf, sp, starts, gstat, geoR, spacetime, sm, fields, rgdal, rgeos, maps, maptools, ggplot2, plot3D, lattice, classInt, viridis, dplyr, mapSpain, tmap, mapview, osmdata, rnaturalearth, ncdf, quadprog, spam, DEoptim. Por ejemplo mediante los siguientes comandos:

pkgs <- c("sf", "sp", "starts", "gstat", "geoR", "spacetime", "sm", "fields", 
          "rgdal", "rgeos", "maps", "maptools", "ggplot2", "plot3D", "lattice", 
          "classInt", "viridis", "dplyr", "mapSpain", "tmap", "mapview", 
          "osmdata", "rnaturalearth", "ncdf", "quadprog", "spam", "DEoptim" )

install.packages(setdiff(pkgs, installed.packages()[,"Package"]), dependencies = TRUE)

Si aparecen errores (normalmente debidos a incompatibilidades con versiones ya instaladas), probar a ejecutar en lugar de lo anterior:

install.packages(pkgs, dependencies=TRUE) # Instala todos...

Además, para geoestadística no paramétrica se empleará el paquete npsp no disponible actualmente en CRAN (aunque esperamos que vuelva a estarlo pronto… incluyendo soporte para el paquete sf). Se puede instalar la versión de desarrollo en GitHub, siguiendo las instrucciones de la web:

# install.packages("devtools")
devtools::install_github("rubenfcasal/npsp")

Aunque al necesitar compilación los usuarios de Windows deben tener instalado previamente la versión adecuada de Rtools, y Xcode los usuarios de OS X (para lo que se pueden seguir los pasos descritos aquí). Alternativamente, los usuarios de Windows (con una versión 4.X.X de R) pueden instalar este paquete ya compilado con el siguiente código:

install.packages('https://github.com/rubenfcasal/npsp/releases/download/v0.7-8/npsp_0.7-8.zip', 
                 repos = NULL)

Para generar el libro (compilar) serán necesarios paquetes adicionales, para lo que se recomendaría consultar el libro de “Escritura de libros con bookdown” en castellano.

Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional (esperamos poder liberarlo bajo una licencia menos restrictiva más adelante…).