Ejercicio Básico con Tablas y Shapefiles en R

Encontrar la correlación existente entre una variable social extraída del SIGOT-IGAC (Sistemas de Información Geográfico para el Ordenamiento Territorial) entre dos tiempos de período distintos y frente lo urbano y lo rural, ello haciendo uso del lenguaje de programación R.
Desarrollo
Se escogió la variable tasa de alfabetismo, por ser un indicador importante a la hora de medir el nivel educativo básico de la población colombiana, este para el año 2005 cuya fuente es el Ministerio de Educación Nacional de Cali.
Se abrió ambos archivos en R bajo los siguientes comandos:

Nota: instalar las librerias rgdal y raster bajo el comando install.packages("rgdal") e install.packages("raster")

require(raster); require(rgdal)
path <- "E:/Academico/ADE/Ejercicio_SIGOT/_shp/"
alfab_urb <- shapefile(paste0(path,"Tasa de Alfabetismo Urbano (2005) Porcentaje.shp"))
alfab_rur <- shapefile(paste0(path, "Tasa de Alfabetismo Rural (2005) Porcentaje.shp"))

Ambos archivos se plotearon y se observó que todos los municipios tienen correspondencia entre sí (Fig. 1)

Luego se pasó a unir ambos archivos (sus tablas) como un data frame para poder hacer la correlación.
urbano_tabla <- as.data.frame(alfab_urb)
urbano_tabla_campos <-cbind (alfab_urb$SDE_dv_m_5, alfab_urb$dbo_V_Da_1)
rural_tabla <- as.data.frame(alfab_rur)
rural_tabla_campos <-cbind (alfab_rur$SDE_dv_m_5, alfab_rur$dbo_V_Da_1)

Convierto los campos que indican la tasa de alfabetismo a número, pues inicialmente estaban como texto.
#Urbano
urbano_num <- as.numeric(urbano_tabla_campos[,2])
urbano_num2 <- as.data.frame(urbano_num)
class(urbano_num2)
urbano_ok_ok <- cbind(urbano_tabla_campos[,1], urbano_num2)
class(urbano_ok_ok[,2])

#Rural
rural_num <- as.numeric(rural_tabla_campos[,2])
rural_num2 <- as.data.frame(rural_num)
rur_ok <- cbind(rural_tabla_campos[,1], rural_num2)
head(rur_ok)
class(rur_ok[,2])

Ahora procedemos a realizar la correlación entre la tasa de alfabetismo urbana y rural. Para ello primero unimos ambas tablas en una sola mediante el comando merge que es equivalente al BuscarV o al Vlookup de Excel.
tabla = merge(urbano_ok_ok, rur_ok, by="Municipio")
cor(tabla[,2], tabla[,3])
lm(tabla[,3] ~ tabla[,2])
plot(tabla[,3] ~ tabla[,2], xlab = "Zona Rural", ylab="Zona Urbana")
abline(lm(tabla[,3] ~ tabla[,2]))

La correlación da 0.6946, es decir que medianamente se correlaciona la tasa de alfabetización urbana con la rural en conjunto para los 41 municipios de Colombia. Aquí el modelo lineal:

Call:
lm(formula = tabla[, 3] ~ tabla[, 2])


Coefficients:
(Intercept)   tabla[, 2] 

   -166.400        2.659 

Comentarios

Publicar un comentario

Entradas populares de este blog

Extracción por mascara en R

Imagen
Extracción por máscara en R El objetivo del presente ejercicio es realizar la extracción por mascara (corte) de un grupo de archivos raster a partir de un shapefile, este usado como máscara, mediante un ciclo en R, es un proceso común cuando se tienen, por ejemplo, la precipitación (o alguna otra variable) para los 12 meses del año de todo Colombia y se quiere obtener solamente la precipitación de una unidad administrativa de menor área, para el presente caso es el departamento del Valle del Cauca; evitando hacer el proceso repetitivo, por ejemplo, en ArcGIS usando la herramienta “Extract by Mask”. Se hace uso de los ciclos, básicamente consiste en decirle al sistema que repita en cada una de las capas de un listado el corte a partir de una capa que representa el límite de nuestra área de estudio.  Fuente: esri Primero habilitamos las librerías de las cuales haremos uso: require(raster) #si la librería no ...
Leer más

Descarga y tratamiento de datos climáticos a nivel mensual (CRU) usando R

Imagen
En este tutorial trabajaremos con datos climáticos descargados de la pagina web de CRU ( Climatic Researc Unit ), se realizará la descarga, y tratamiento de los datos espaciales con el fin de realizar gráficas de tendencia a lo largo de 35 años (1980-2015); todo lo anterior lo realizaremos en el lenguaje de programación R. Las variables disponibles para descarga son las siguientes: - cld: cobertura de nubes (%) - dtr: rango temperatura diurno (grados centigrados) - fdf: frost day frequency (días) - pet: evapotranspiración potencial (mm/day) - pre: precipitation (mm por mes) - rhm: humedad relativa (porcentaje) - ssh: sunshine duración (hours) - tmp: temperatura promedio (grados centigrados) - tmn: promedio de temperatura minima (grados centigrados) - tmx: promedio de temperatura máxima (grados centigrados) - presión de vapor (hectopascal hPa) - wet: frecuencia de días húmedos (días) - wnd: velocidad del viento (metros por segundo) En este ejercicio usaremos las variable...
Leer más

Convertir una tabla a shape en R

Convertir una tabla a shape en R El objetivo el presente ejercicio es realizar la conversión de una tabla, que contiene coordenadas dadas en longitud y latitud, a un archivo shapefile en R, es un proceso muy común y útil en los SIG; para el presente caso tenemos las coordenadas de incendios en el Valle del Cauca para el periodo 2000 – 2015, la idea es convertir esta tabla a shapefile y guardar este archivo en el disco duro de nuestro pc. Primero habilitamos las librerías de las cuales haremos uso: require(raster) require(rgdal) Luego abrimos la tabla en R bajo el comando “read.table”, como se muestra a continuación. Tabla = read.csv(“E:/Blogger/Post_5/_data/incendios_valle.csv”) Seguido de ello convertimos la tabla a formato shapefile, teniendo en cuenta que las columnas 1 y 2 corresponden a la longitud y latitud respectivamente: coordinates(tabla) <- ~LONGITUDE+LATITUDE # se escribe de esta manera longitud y latitud pues así se llama el nombre de estas...
Leer más