«Análisis espacial con R» con Jean-Freançois Mas Caussel

Si te interesa el universo de R Software el nuevo e-book “Análisis espacial con R: Usa R como un Sistema de Información Geográfica” se va a convertir en un imprescindible de tu biblioteca digital.

Entrevistamos a su autor, Jean-François Mas Caussel, doctor investigador y docente del Centro de Investigaciones en Geografía Ambiental (CIGA) y de la Universidad Nacional Autónoma de México.

Su actividad principal gira en torno al monitoreo y la modelación de los cambios de uso/cubierta del suelo, en particular la deforestación. Desde hace unos años, impulsa el uso de software libre aplicado a la geomática y elabora material para la docencia.

Jean-François, ¿cuál es el propósito principal del e-book Análisis espacial con R?

El objetivo del libro es introducir al lector a la utilización de R, que es un programa bastante reconocido en estadística, para el análisis espacial. Es decir, aprender a usar R como un Sistema de Información Geográfica.

¿A qué tipo de público va dirigido? ¿Principiantes, expertos…?

El libro va dirigido a principiantes. Traté de recordarme mis propias dificultades cuando empecé a  usar R para elaborar un documento que permita evitar o superar las principales dudas y problemas que enfrenta un principiante. Al final del libro, creo que el lector es capaz de llevar a cabo las principales operaciones de un SIG y sobre todo puede rápidamente implementar operaciones más sofisticadas usando los recursos que se encuentran en internet o en la literatura.

¿Qué es lo que diferencia a Análisis espacial con R de otras publicaciones de similar temática?

Todavía no existen libros en español sobre la utilización práctica de R para el análisis espacial. En inglés hay varios libros pero me parece que son difíciles para el principiante. En este libro traté de mostrar las operaciones más elementales que se llevan a cabo en un SIG usando algunos paquetes de R.

El e-book desarrolla su contenido en torno al manejo de R Software y no sobre otras herramientas. ¿Por qué R Software?

Me parece que R tiene varias ventajas en comparación con otras herramientas. Personas sin conocimiento en programación pueden aprender relativamente fácilmente a manejarlo debido a que es un lenguaje bastante intuitivo. En R, además del programa de base, existen miles de paquetes “complementos” que permiten llevar a cabo muchísimos tipos de análisis. El desarrollo del programa es muy dinámico, hay nuevos paquetes o paquetes actualizados cada día. Finalmente, es fácil encontrar ayuda en los mensajes de las listas de discusión.

En el e-book reflejas las dificultades que surgen al comenzar a manejar R ¿Qué consejos les darías a nuestros lectores para que le pierdan el miedo a aprenderlo?

Creo que hay que llevar a cabo los pequeños ejercicios de los libros o de las páginas web en su propia computadora para comprender la lógica subyacente al paquete, su sintaxis, etc. y muy rápidamente aplicar sus nuevos conocimientos a sus propios datos para dar al aprendizaje un sentido y una motivación.

Cuáles crees que son los atributos determinantes para que R hoy sea la herramienta estadística más utilizada en universidades y centros de investigación.

El hecho que sea de código abierto permitió a R ser utilizado por un número de usuarios muy grande, en particular en el mundo académico. De ahí, surgen nuevos paquetes basados a menudo en métodos novedosos y por consecuencia nuevos usuarios potenciales en una suerte de círculo virtuoso.

Es importante recalcar que la utilización de programas de código abierto como R fomenta que las metodologías y las herramientas empleadas en investigación sean accesibles a toda la sociedad de manera libre. Eso contribuye a una ciencia más abierta que promueve la difusión, la re-utilización de los recursos y la colaboración en la producción científica.

¿Qué puede lograr con R un investigador en proyectos de ingeniería geomática? ¿Qué ventajas obtiene con respecto a otras herramientas comerciales?

La ventaja más obvia es que R no tiene costo, por lo tanto el investigador podrá desarrollar un proyecto y difundirlo a otros usuarios sin tener la limitación del pago de licencias, a menuda muy costosas en el campo de la geomática. Además, creo que R ofrece un abanico de métodos de análisis mucho más amplio que las herramientas comerciales.

Otro aspecto importante es que las operaciones se basan en scripts, lo cual permite automatizar y documentar de forma muy eficiente las operaciones realizadas. Muchos programas geomáticos comerciales permiten automatizar los procesos pero no creo que sea tan eficiente como en R que es un programa de programación.

¿Nos podrías comentar sobre algún caso de éxito concreto en este área de conocimiento?

¡Supongo que cada estudio en el cual se utilizó con éxito R podría considerarse como un éxito! Sin embargo, se podrían mencionar algunos modelos construidos en R que permiten llevar a cabo análisis muy sofisticados como modelos de simulación de cambio de cubierta y uso del suelo (por ejemplo los modelos ApoLUS y luuc ) o modelos de regresión ponderada geográficamente (paquetes gwmodel, gwrr, mgwrsar, spgwr entre otros).

R se encuentra también en plataformas de computación en la nube para el procesamiento de datos geográficos como SEPAL (System for Earth Observation Data Access, Processing and Analysis for Land Monitoring). Este sistema, desarrollado con el apoyo de FAO y de Noruega permite procesar imágenes de satélite para monitorear los bosques.

Eres docente, investigador y autor de obras didácticas para la enseñanza superior ¿El Open Source es una apuesta clara en todas tus áreas de actividad?

Sí, creo que muchos programas de código abierto llegaron a un nivel de maturidad que permite al usuario ser muy eficiente. Pienso obviamente a R para los análisis estadísticos pero también a open office o Latex para la elaboración de documentos, Gimp para la edición de imágenes, etc.

En geomática, se puede también mencionar QGIS y gvSIG (sistemas de información geográfica). Para el procesamiento de datos de teledetección programas como Grass, SAGA, SNAP, Spring y Python son muy completos.

Análisis espacial con R es tu publicación más reciente. De tu extenso currículum ¿Qué otras recomendarías a nuestros lectores para profundizar en el uso de la Estadística Aplicada con software libre?

Publiqué varios artículos en los cuales todos los análisis y las figuras fueron elaboradas con R. Sin embargo, para profundizar en el uso de técnicas estadísticas, recomendaría más bien libros de otros autores.

• Para análisis espacial “Spatial Statistics & Geostatistics” de Y. Chun y D.A. Griffith (Ediciones SAGE) y “An Introduction to R for Spatial Analysis and Mapping” de L. Comber y C. Brunsdon (SAGE).
• Para estadísticas en general, “A beginner’s guide to R” de A. Zuur y colaboradores (Springer) me parece bastante accesible. Se encuentran también varios libros y manuales en https://cran.r-project.org/.

Descarga “Análisis espacial con R: Usa R como un Sistema de Información Geográfica”

Conecta con Jean-François Mas Caussel: jfmas@ciga.unam.mx