-
Notifications
You must be signed in to change notification settings - Fork 2
/
verifGeo.R
305 lines (245 loc) · 12.3 KB
/
verifGeo.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
#datos <- set5; mun <- paises; layer.field <- "NAME_1"; data.field <- "departamento"
corroboracion <- function(datos, mun, layer.field, data.field){
coordinates(datos)=~longitud+latitud
ovm <- over(datos, mun)
assign("cntrm", eval(parse(text = paste0("ovm$",layer.field))))
assign("l", eval(parse(text = paste0("length(which(!is.na(datos@data$",data.field,")))"))))
if(l == 1){
assign("tmp", eval(parse(text = paste0("agrep(ovm$",layer.field,", datos$",data.field,", max = 1, value=F, ignore.case=T)"))))
mmx <- c(1, 1, 1)[tmp]
nmx <- NA
} else if(l > 1){
assign("jmx", eval(parse(text = paste0("which(gsub(' ', '', tolower(cntrm)) == gsub(' ', '', tolower(datos@data$",data.field,")))")))) ## datos con igual entidad
assign("imx", eval(parse(text = paste0("which(gsub(' ', '', tolower(cntrm)) != gsub(' ', '', tolower(datos@data$",data.field,")))")))) ## datos con diferente entidad
na.mx <- which(is.na(cntrm))
id.exa <- datos@data$ID[jmx] # ID's de las filas exactas
CompareMun <- cbind(imx, cntrm[imx], datos@data$municipio[imx], datos@data$ID[imx])
assign("CompareMun", eval(parse(text = paste0("cbind(imx, cntrm[imx], datos@data$", data.field,"[imx], datos@data$ID[imx])"))))
uniqueMun <- (sort(unique(CompareMun[, 3]))) # Saco valores unicos por municipio reportados en tabla
(uniqueMun <- uniqueMun[which(!is.na(uniqueMun) & uniqueMun != "")]) # Eliminos NA's de los municipios
mmx <- c(0, 0)
nmx <- c(0, 0)
if (length(uniqueMun) > 0){
ma1x <- NULL
for (i in 1:length(uniqueMun)){
(uniqueMun[i])
(pos.mun <- which(CompareMun[, 3] == uniqueMun[i])) # Selecciono posiciones que cotienen al municipio i del over
(mun.i <- CompareMun[pos.mun, 2]) # selecciono municipios de tabla para el municipio de tabla i
(tmp <- agrep(gsub(" ", "", uniqueMun[i]), gsub(" ", "",mun.i), max = 2, value=F, ignore.case=T)) #Comparo similitud entre municipios reportados en tabla y extraidos con coordenada
(max <- cbind(as.integer(CompareMun[pos.mun, 4]), 0)) # Genero tabla con resultados
(max[tmp, 2] <- 1) #Asigno 1 para los que esten bien
(ma1x <- rbind(ma1x,max))
}
lmx <- ma1x[which(ma1x[, 2] == 1), 1] # municipio igual. Extraigo posiciones de tabla original con municipios reconocidos validos
mmx <- sort(as.integer(c(id.exa, lmx))) # Filas de la tabla con datos validados positivamente
kmx <- ma1x[which(ma1x[, 2] == 0), 1] # municipio diferente.
nmx <- sort(c(imx, kmx, na.mx))
}
if (length(id.exa) > 0 | length(uniqueMun) <= 0){
mmx <- sort(as.integer(c(id.exa)))
nmx <- sort(c(na.mx))
}
} else {
mmx <- rep(0, nrow(datos))
nmx <- rep(NA, nrow(datos))
}
Xx <- list()
Xx[[1]] <- mmx
Xx[[2]] <- nmx
Xx[[3]] <- cntrm
return(Xx)
}
VERIFICACION_PAISES <- function(set3, routineType, evalElevation = FALSE){
cat("\n\n\n\n 0. Loading information", "\n")
set3$latitud <- as.numeric(set3$latitud)
set3$longitud <- as.numeric(set3$longitud)
cat(" 1. Evaluating records coordinates (1 - 12)", "\n")
# Latitud
row.with.lat <- which(!is.na(set3$latitud)) # filas con latitud #
set3$conlat <- NA
set3$conlat[row.with.lat] <- 1 #Vector resultados #
rm(row.with.lat)
# Longitud
row.with.lon <- which(!is.na(set3$longitud)) ## filas sin longitud #
set3$conlon <- NA
set3$conlon[row.with.lon] <- 1 #Vector resultados #
set5 <- subset(set3, !is.na(set3$conlon) & !is.na(set3$conlat))
rm(set3, row.with.lon)
# ### 6. CONCORDANCIA PAISES -------------------------------------------
cat(" 2. Evaluating country match (2 - 12)", "\n")
ubicacion <- set5
coordinates(ubicacion) =~ longitud + latitud
##evaluar otros paises
bien_pais <- over(ubicacion, paises)
sugerencia_paises <- na.omit(data.frame("NOMB" = unique(bien_pais$NAME_0), "ISO2" = unique(bien_pais$ISO2), "ISO3" = unique(bien_pais$ISO3)))
set5$bienPais <- 0
for (p in 1:nrow(sugerencia_paises)){
set5$bienPais[grep(tolower(sugerencia_paises$NOMB[p]), tolower(set5$pais))] <- 1
set5$bienPais[which(tolower(set5$pais) == tolower(sugerencia_paises$ISO2[p]))] <- 1
set5$bienPais[which(tolower(set5$pais) == tolower(sugerencia_paises$ISO3[p]))] <- 1
}
set5$bienPais[which(gsub(" ", "", set5$pais) == gsub(" ", "", bien_pais$NAME_0))] <- 1
set5$sugerencia_pais <- bien_pais$NAME_0
rm(bien_pais, ubicacion)
# ##### 7. CONSISTENCIA GEOGRAFICA DEPARTAMENTOS MUNICIPIOS
# DEPARTAMENTOS
cat(" 3. Evaluating state/Province match (3 - 12)", "\n")
DEP <- corroboracion(set5, paises, "NAME_1", "departamento")
bien_depto <- rep(NA, nrow(set5))
bien_depto[set5[, 1] %in% DEP[[1]]] <- 1
sugerencia_depto <- DEP[[3]] #
set5$bien_depto <- bien_depto
set5$sugerencia_depto <- sugerencia_depto
## ----MUNICIPIOS------
### Revisar "over" de los registros con el "Shape" de municipio
cat(" 4. Evaluating municipality match (4 - 12)", "\n")
#Corroboracion municipios todos los paises
A <- corroboracion(set5, paises, "NAME_2", "municipio")
bien_mun <- cbind(set5$ID, rep(NA, nrow(set5)), "Mapa" = rep(NA, nrow(set5)))
bien_mun[bien_mun[, 1] %in% A[[1]], 2] <- 1
bien_mun[bien_mun[, 1] %in% A[[1]], 3] <- "Suramerica"
sugerencia_mun <- A[[3]] #
rm(DEP, bien_depto, sugerencia_depto)
if (routineType == "Colombia") {
##CORROBORACION CON MUNICIPIOS DE 1964
# set para colombia
cat(" 5. Evaluating municipality match (1964) (5 - 12)", "\n")
#selcciona los que no han pasado
set6col <- subset(set5, set5$sugerencia_pais == "Colombia") #
select <- bien_mun[which(is.na(bien_mun[, 2])), 1] #
if(length(select)>0){
set6A <- set6col[which(set6col$ID %in% select), ] #
B <- corroboracion(set6A, mpios1964, "MPIOS", "municipio") #
bien_mun[bien_mun[, 1] %in% B[[1]], 2] <- 1
bien_mun[bien_mun[, 1] %in% B[[1]], 3] <- 1964
rm(B)
##CORROBORACION CON MUNICIPIOS DE 1973
cat(" 6. Evaluating municipality match (1973) (6 - 12)", "\n")
select <- bien_mun[which(is.na(bien_mun[,2])), 1] #
if(length(select)>0){
set6A <- set6col[which(set6col$ID%in% select), ] #
C <- corroboracion(set6A, mpios1973, "MPIOS", "municipio")#
bien_mun[bien_mun[, 1] %in% C[[1]], 2] <- 1
bien_mun[bien_mun[, 1] %in% C[[1]], 3] <- 1973
rm(C, set6col)
##CORROBORACION CON MUNICIPIOS DE 1985
cat(" 7. Evaluating municipality match (1985) (7 - 12)", "\n")
select <- which(is.na(bien_mun[, 2]))#
if(length(select)>0){
set6A <- set5[select,]#
D <- corroboracion(set6A, mpios1985, "MPIOS", "municipio")#
bien_mun[bien_mun[, 1] %in% D[[1]], 2] <- 1
bien_mun[bien_mun[, 1] %in% D[[1]], 3] <- 1985
rm(D)
##CORROBORACION CON MUNICIPIOS DE 1993
cat(" 8. Evaluating municipality match (1993) (8 - 12)", "\n")
select <- which(is.na(bien_mun[,2]))#
if(length(select)>0){
set6A <- set5[select,]#
E <- corroboracion(set6A, mpios1993, "MPIOS", "municipio")#
bien_mun[bien_mun[, 1] %in% E[[1]], 2] <- 1
bien_mun[bien_mun[, 1] %in% E[[1]], 3] <- 1993
rm(E)
##CORROBORACION CON MUNICIPIOS DE 2003
cat(" 9. Evaluating municipality match (2003) (9 - 12)", "\n")
select <- which(is.na(bien_mun[,2])) #
if(length(select)>0){
set6A <- set5[select,] #
G <- corroboracion(set6A, mpios2003, "MPIOS", "municipio") # 76'
bien_mun[bien_mun[, 1] %in% G[[1]], 2] <- 1
bien_mun[bien_mun[, 1] %in% G[[1]], 3] <- 2003
rm(G, set6A, select)
}}}}}
set5$bien_muni <- bien_mun[, 2]
set5$sugerencia_mun <- sugerencia_mun
set5$mapa <- bien_mun[, 3]
rm(bien_mun, sugerencia_mun)
# # RURAL/URBANO ----------------------------------------------------------
#### Revisar si los registros se encuentran en areas urbanas o rurales
cat(" 9. Evaluating records in rural and urban areas (10 - 12)", "\n")
mr <- SpatialPoints(cbind(set5$longitud, set5$latitud)) #
en_casco <- over(mr, casco) #
rural <- rep("NA", nrow(set5)) #
rural[which(is.na(en_casco[, 1]))] <-1 #
over_mar <- over(mr,mar) #
en_mar <- which(!is.na(over_mar[, 1]))
en_col <- which(set5$pais == "CO" | gsub(" ", "", tolower(set5$pais)) == "colombia")
set5$bienPais[en_mar[en_mar %in% en_col]] <- 1
set5$rural <- rural
rm(rural, en_mar, en_casco)
# #### 8. DUPLICADOS GEOGRAFICOS -----------------------------------------
cat(" 10. Evaluating duplicity (11 - 12)", "\n")
celda <- over(mr, id) #
select <- data.frame(ID = set5$ID, nombre = set5$nombre, celda = celda) #
NAname <- 'NA'
duplicados <- duplicated(select[which(select$nombre != NAname), 2:3])
unidos <- as.data.frame(cbind(select[which(select$nombre != NAname), c(1, 3)], duplicados))
unidos$duplicados[which(unidos$duplicados == 0)] <- NA #
names(unidos) <- c("ID", "celda", "duplicados") #
set12 <- merge(set5, unidos, by = "ID", all = T) #
rm(duplicados, unidos, celda, select, set5)
# ### 9. EXTREMOS EN ALTURA -----------------------------------------------
if (evalElevation) {
cat(" 11. Evaluating records elevation (12 - 12)", "\n")
coordALT2 <- data.frame(longitud = set12$longitud, latitud = set12$latitud, ID = set12$ID)
coordinates(coordALT2)=~longitud+latitud #
prealt <- over(coordALT2, ALT) #
colnames(prealt) <- "alt" #
set12$alt <- as.numeric(prealt[,1]) #
rm(coordALT2, prealt)
# inicia metodo para detectar outliers (modified z-score method)
listsp <- unique(set12$nombre) #
time.alt <- Sys.time()
altDATA <- cbind(set12[, c("id", "nombre", "alt")], "extremo" = NA)
count <- 0
time.alt <- Sys.time()
for (w in 1:length(listsp)) #
{
cat(w, "de", length(listsp), round((w/length(listsp))* 100, 2), "%", listsp[w])
pos <- which(altDATA$nombre == listsp[w] & !is.na(altDATA$alt))
v <- altDATA[pos, c("id", "alt")]; cat (" -", nrow(v), "registros")#; dim(DAT)
if (nrow(v)>0){
s <- median(v$alt,na.rm=T)
N <- length(v$alt)
m <- abs(v$alt-s) #debug add
MAD <- median(m, na.rm=T) # mediana de todos los datos |xi - xm | calculados
if (MAD > 0) {
pZ <- cbind(v$ID, abs(0.6745*(v$alt-s)/MAD)) # formula para calculo de outliers segun # el modified z-score method
Z <- which(pZ[, 2]>3.5)
if (length(Z)!=0){
altDATA$extremo[pos[-Z]] <- 1
count <- count + 1
cat(" - Extremo", count)
} # 1 no es extremo
}
}; cat("\n")
}
Sys.time() - time.alt
set12$extremo <- altDATA$extremo
}
set16 <- set12
rm(set12)
} else {
set16 <- cbind(set5, "bien_muni" = bien_mun[, 2], sugerencia_mun, mapa = bien_mun[, 3])
rm(set5)
}
p16 <- dim(set16)[1]
set16$sugerencia_pais <- capitalize(set16$sugerencia_pais)
set16$sugerencia_depto <- capitalize(set16$sugerencia_depto)
set16$sugerencia_mun <- capitalize(set16$sugerencia_mun)
# ####10. PREPARAR SETS DE DATOS PARA CORRECCION ----------------------------
cat(" 12. Generating out table", "\n")
#pasa_todo<<-set16[which(set16$bienPais==1 & set16$bien_depto==1 & set16$bien_muni==1 & set16$rural==1 & is.na(set16$extremo)), ]
set16Cols <- setdiff(colnames(set16), c("nombre", "pais", "departamento", "municipio", "latitud", "longitud"))
set16 <- merge(x = set2, y = set16[, set16Cols], by = 'ID', sort = TRUE)
set16 <<- set16[order(set16$ID),]
(p <- nrow(set16))
(p0 <- length(which(!is.na(set16$decimalLatitude), !is.na(set16$decimalLongitude))))
(p1 <- length(which(!is.na(set16$scientificName))))
(p2 <- length(which(set16$bienPais == 1)))
(p3 <- length(which(set16$bien_depto == 1)))
(p4 <- length(which(set16$bien_muni == 1)))
outFile <- list('set16' = set16, 'summary' = c(p, p0, p1, p2, p3, p4))
cat("\n \n \n Script end \n \n \n \n")
return(outFile)
}