Lemur catta tutorial

=== Descargar el mapa de Madagascar

```{r}
country_map <- ne_countries(country = "Madagascar",
                            scale = "medium",
                            returnclass = "sf")

image::data-use::Taxon_key.png[align=center,width=900,height=125]

Parece que tenemos un nombre aceptado que coincide bien. La clave `usageKey` identifica el uso de un nombre en https://www.gbif.org/dataset/d7dddbf4-2cf0-4f39-9b2a-bb099caae36c[GBIF Taxonomy Backbone]. Una vez que decidimos qué "uso" es el que buscamos, usaremos la clave como `taxonKey` para especificar el taxón para sus datos de registros biológicos.

El siguiente bloque de código almacena la usageKey de _Lemur catta_ en una variable `usageKey`.

```{r} usageKey <- 2436412 # Alternativamente, como sabemos que sólo hay una coincidencia, la siguiente línea almacenará también la clave en la variable. # usageKey <- name_backbone(name = "Lemur catta", rank = "species") %>% pull(usageKey) ```

=== Utilice la taxonKey para generar la descarga de registros biológicos de la especie de interés
El siguiente bloque de código envía una petición de descarga a la API de Registros Biológicos de GBIF. Una petición exitosa devolverá una clave de descarga e iniciará la preparación de los datos solicitados. Observe que como hemos almacenado la clave en la variable `usageKey`, para la `taxonKey` requerida para occ_download(), simplemente suministramos la variable. Además, necesitamos proporcionar nuestras credenciales de acceso a GBIF.org para solicitar una descarga.

```{r}
gd_key <- occ_download(
    pred("taxonKey", usageKey),
# pred("hasCoordinate", TRUE),
    format = "SIMPLE_CSV",
    user = "USERNAME",
    pwd = "PASSWORD",
    email = "EMAIL_ADDRESS"
)

gd <- occ_download_get(gd_key, overwrite = TRUE) %>%
    occ_download_import()

head(gd, 10) # ver las diez primeras filas ```
image::data-use::download.png[align=center,width=900,height=250]

### Citando datos de GBIF Cite siempre el conjunto de datos descargado en su informe. El siguiente código ayuda a generar la cita.

```{r} print(gbif_citation(occ_download_meta(gbif_download_key))$download) ```

== Visualización de Datos
Lemur catta_ es nativo de Madagascar, pero para asegurarnos, verifiquemos los datos representando su presencia en un mapa.

```{r, message = FALSE, error = FALSE}
ggplot() +
  geom_sf(data = world_map) +
  geom_point(data = gd,
             aes(x = decimalLongitude,
                 y = decimalLatitude),
             shape = "+",
             color = "red") +
  theme_bw()

```{r} table(gdf$countryCode) ```
image::data-use::countries.png[align=center,width=600,height=75]

Parece que muchos registros tienen coordenadas fuera de Madagascar. Veamos también la naturaleza de estos registros.

```{r} gdf %>% distinct(basisOfRecord) gdf %>% distinct(establishmentMeans) ``` Hay 5 valores distintos para https://dwc.tdwg.org/terms/#dwc:basisOfRecord[DwC:basisOfRecord]. También hemos mirado https://dwc.tdwg.org/list/#dwc_establishmentMeans[dwc:establishmentMeans], donde sólo aparece `NATIVE` en algunos registros.

== Limpieza de datos

Después de explorar un poco nuestros datos, sabemos que hay posibles problemas de calidad en nuestra descarga. Al parecer, los puntos fuera de Madagascar son sospechosos, y acabamos de mirar las columnas basisOfRecord y establishmentMeans en busca de indicios de acciones necesarias en los datos.

**La limpieza de datos** suele implicar procedimientos para eliminar registros no deseados en función de algún criterio, o para corregir valores con el fin de lograr una coherencia general operativa. En la siguiente sección trataremos de filtrar los datos, mostrar la diferencia y trazarla en el mapa.

== Paso 1: base de registro

Nos gustaría evaluar las observaciones y colecciones, por lo que `ESPÉCIMEN FÓSIL` y `MUESTRA DE MATERIAL` no es nuestra preocupación aquí, vamos a tratar de excluirlos de nuestra descarga.

```{r}
clean_step1 <- gdf %>%
  as_tibble() %>%
  filter(!basisOfRecord %in% c("FOSSIL_SPECIMEN", "MATERIAL_SAMPLE"))

print(paste0(nrow(gdf)-nrow(clean_step1), " records deleted; ",
             nrow(clean_step1), " records remaining."))

ggplot() +
  geom_sf(data = world_map) +
  geom_point(data = gdf,
             aes(x = decimalLongitude,
                 y = decimalLatitude),
             shape = "+",
             color = "black") +
  geom_point(data = clean_step1,
             aes(x = decimalLongitude,
                 y = decimalLatitude),
             shape = "+",
             color = "red") +
  theme_bw()

ggplot() +
  geom_sf(data = world_map) +
  geom_point(data = gdf,
             aes(x = decimalLongitude,
                 y = decimalLatitude),
             shape = "+",
             color = "black") +
  geom_point(data = clean_step2,
             aes(x = decimalLongitude,
                 y = decimalLatitude),
             shape = "+",
             color = "red") +
  theme_bw()

ggplot() +
  geom_sf(data = country_map) +
  geom_point(data = gdf,
             aes(x = decimalLongitude,
                 y = decimalLatitude),
             shape = "+",
             color = "black") +
  geom_point(data = clean_step2,
             aes(x = decimalLongitude,
                 y = decimalLatitude),
             shape = "+",
             color = "red") +
  coord_sf(xlim = st_bbox(country_map)[c(1,3)],
           ylim = st_bbox(country_map)[c(2,4)]) +
  theme_bw()

ggplot() +
  geom_sf(data = country_map) +
  geom_point(data = gdf,
             aes(x = decimalLongitude,
                 y = decimalLatitude),
             shape = "+",
             color = "black") +
  geom_point(data = clean_step3,
             aes(x = decimalLongitude,
                 y = decimalLatitude),
             shape = "+",
             color = "red") +
  coord_sf(xlim = st_bbox(country_map)[c(1,3)],
           ylim = st_bbox(country_map)[c(2,4)]) +
  theme_bw()