Estructurando una base de datos geográfica al DwC, observaciones y medidas bióticas

Objetivo

Estructurar los registros biológicos presentes en una base de datos geográfica, según el Diccionario Geográfico de la ANLA, para que sigan el estándar Darwin Core y cumplan los requisitos de publicación a través del SiB Colombia.

Introducción

Las bases de datos geográficas utilizadas por la ANLA tienen información de los registros biológicos que se tomaron en campo, estructurados de acuerdo al «Diccionario de Datos Geográficos». El diccionario contiene la información del nombre de las tablas de componente biótico, el nombre y definición de los elementos en cada una de las tablas.

Para realizar la publicación de esta información a través del SiB Colombia, es necesario realizar un proceso de estructuración de los registros biológicos al estándar Darwin Core. En esta guía se usará una Base de datos geográfica de ejemplo, la cual tiene algunas capas presentes en este tipo de archivos. Sin embargo, el número de capas puede variar, dependiendo del proyecto y de la versión del diccionario de la ANLA que se utilizó para construirlo.

En este ejercicio, se desarrollará el proceso de estructuración con los registros de flora fustal, documentados en una base de datos geográfica con el modelo ANLA. No obstante, este mismo proceso se puede realizar con todas las tablas de registros biológicos, incluidas en estas fuentes de datos, siguiendo los mismos pasos generales que se describen en la guía. Para ello, existen algunas notas informativas sobre el proceso de estructuración de otros registros biológicos. Adicionalmente, los datos de flora de las bases de datos del ANLA normalmente contienen medidas bióticas asociadas, las cuales también se pueden mapear y estructurar en la extensión Medidas o hechos. Este procedimiento también se abordará en la guía.

Convenciones

• Los elementos del estándar Darwin Core aparecen en color verde y cursiva. Por ejemplo: measurementUnit.
• Los archivos a utilizar en los ejercicios se muestran entre comillas angulares, negrita, y tienen una tipografía diferente. Por ejemplo: «archivo_Ejemplo.xls».
• Las secciones, ventanas y componentes de las herramientas utilizadas se muestran entre comillas inglesas y en negrita. Por ejemplo: “Create Project”.
• Las opciones de las herramientas que se asocian a instrucciones (dar clic, seleccionar, etc.) aparecen en color amarillo y cursiva. Por ejemplo: New project.
• Las secuencias de instrucciones y pasos se muestran en color amarillo, cursiva y negrita. Por ejemplo: Paso 1 > Paso 2.
• Las líneas que se escriben directamente en las herramientas, para programar o realizar algún proceso en específico, aparecen en formato de código, con una tipografía distinta de color negro. Por ejemplo: value.replace(“ sp.”,””).

Requerimientos

• QGIS (Revisar el proceso de instalación en el primer paso de la guía de Validación geográfica con QGIS).
• Procesador de archivos de texto como Excel.
• Contar con un mínimo de 4GB de memoria RAM para el desarrollo de esta guía. Para procesos con más de 20 000 registros biológicos, se recomienda tener como mínimo 8GB.

Archivos de trabajo

• Descargar la «BaseDatosGeografica_prueba.zip».

Paso 1 - Carga de los datos a QGIS

Descargar el archivo «BaseDatosGeografica_prueba.zip» y extraer su contenido: «BaseDatosGeografica.gdb». Esta carpeta debe conservarse con la terminación “.gdb”. Para descomprimir el archivo descargado, se puede usar cualquier programa de descompresión de archivos que se tenga instalado. Por ejemplo, WinZip, WinRAR, 7Z u otros.

Posteriormente, abrir el software QGIS y crear un nuevo proyecto. En el nuevo proyecto, seguir la ruta para cargar la base de datos geográfica: Capa > Añadir capa > Añadir capa vectorial… (Fig. 1).

^{Figura 1. Adición de una capa de tipo vectorial.}

En la ventana emergente, hacer clic en la opción Directorio (Fig. 2A) y seleccionar AbrirArchivoGDB en el desplegable de la sección “Tipo” (Fig. 2B).

^{Figura 2. Selección de directorio para abrir un archivo .gdb: A. Selección de Directorio como tipo de fuente, B. Selección del tipo de archivo a cargar.}

En la sección “Conjunto (s) de datos vectoriales”, hacer clic en el botón con los tres puntos (Fig. 3). Posteriormente, seleccionar la ubicación de la carpeta que se ha descomprimido: «BaseDatosGeografica.gdb» en la ventana emergente y hacer clic en Abrir (Fig. 3).

^{Figura 3. Selección carpeta descomprimida.}

Para finalizar el proceso de carga, hacer clic en el botón Añadir (Fig. 4). Se abrirá una nueva ventana emergente que mostrará todas las capas que se encuentran al interior de la base de datos geográfica. Es recomendable seleccionar todas las capas (Fig. 4). Luego, dar clic en Añadir capas (Fig. 4). Este proceso puede tomar algunos minutos si la base de datos es muy compleja y pesa varias megas.

^{Figura 4. Selección y adición de capas.}

Si se están cargando datos en MAGNA SIRGAS origen único (CTM12) y dependiendo de la versión de QGIS que se esté utilizando, es posible que luego de hacer clic en Añadir ocurra alguna de las siguientes situaciones:

1. QGIS identifica el Sistema de Referencia de Coordenadas (SRC) automáticamente y no se abre ninguna ventana emergente. Si este es el caso, es posible pasar directamente al paso 2 de esta guía.
2. Aparece una nueva ventana con la opción de cargar los datos, sugiriendo otro Sistema de Referencia de Coordenadas (SRC). Si al hacer clic en el Cancel (Fig. 5) de la esquina inferior derecha de QGIS (Fig. 6A) aparece automáticamente el SRC MAGNA SIRGNA/CTM12. (Ej: USER:100000), se recomienda seguir con el paso 2 de esta guía.
3. Aparece una nueva ventana con la opción de cargar los datos, sugiriendo otro Sistema de Referencia de Coordenadas (SRC). Se debe hacer clic en Cancel (Fig. 5). Si aparece SRC desconocido en la esquina inferior derecha (Fig. 6A), es necesario crear un sistema de origen único para configurar el SRC del proyecto. En este caso, se debe seguir el paso 1.1. de la guía de Transformación de coordenadas Magna-Sirgas a coordenadas decimales en WGS84.

^{Figura 5. Opciones sugiriendo otro Sistema de Referencia para los datos cargados.}

^{Figura 6. Selección del SRC del proyecto: A. Selección de la opción SRC desconocido, B. Selección del SRC creado por el usuario.}

Paso 2 - Identificación de los archivos asociados a registros biológicos

Una vez que se haya cargado la información cargada en QGIS, es necesario explorar las capas relacionadas con los eventos de muestreo. Los archivos que contienen esta información se encuentran representados en la Tabla 1.

Tabla 1. Nombre de las capas que contienen información de los registros biológicos.

En esta guía se propone el archivo «MuestreoFloraFustalTB” como ejemplo para el proceso de estructuración. Para revisar el contenido del archivo, hacer clic derecho y seleccionar Abrir tabla de atributos en el menú lateral izquierdo (Fig. 7). En la nueva ventana, se puede ver la tabla con todos los registros biológicos. Cada fila representa un registro de una planta diferente y cada columna un atributo de la tabla según el «Diccionario de Datos Geográficos». Después de realizar una revisión general de la tabla, es necesario cerrar la ventana y regresar al menú principal de QGIS.

^{Figura 7. Información contenida en la tabla “MuestreoFloraFustalTB”.}

Paso 3 - Exportar las capas de los registros biológicos

Para exportar la tabla de registros de flora fustal, hacer clic derecho sobre la tabla “MuestreoFloraFustalTB” y seguir la ruta Exportar>Guardar objetos como…

En la ventana emergente, seleccionar las siguientes opciones:

• “Formato”: dar clic en el desplegable y elegir XLSX (Fig. 8A).
• ¨Nombre de archivo¨: dar clic en el botón con los tres puntos para elegir la ubicación y el nombre que se le va a dar al archivo. En este caso, se recomienda guardarlo como Registros_FloraFustal.xlsx (Fig. 8B).

Por último, dejar las otras opciones por defecto y dar clic en OK (Fig. 8).

^{Figura 8. Opciones para exportar la tabla de registros biológicos de flora fustal como un archivo tipo Excel: A. Selección del formato utilizado para exportar los datos, B. Selección del nombre y la ubicación del archivo.}

Paso 4 - Mapeo de los datos

Después de haber exportado el archivo de flora fustal, abrir el resultado en Excel.

Debido a que los atributos de las tablas en una base de datos geográfica, organizada bajo el Diccionario Geográfico de la ANLA, deben ser los mismos, el Equipo Coordinador del SiB Colombia ha construido el archivo «Mapeo diccionario ANLA 2020 al Darwin Core - Registros biológicos». Este archivo contiene el nombre de los atributos en una base de datos geográfica, el tipo de coincidencia de cada atributo con el estándar Darwin Core, el nombre del elemento Darwin Core con el que coincide y un comentario adicional cuando sea necesario. Por consiguiente, se recomienda abrir este archivo y utilizarlo para realizar el proceso de mapeo.

A continuación, se describe la definición de la coincidencia del atributo con el Darwin Core:

• Total: el contenido del atributo coincide completamente con la definición del elemento Darwin Core.
• Parcial: coincidencia parcial del atributo con algún elemento del Darwin Core. Es necesario realizar ajustes en el contenido del atributo para que haya coincidencia con el elemento Darwin Core. Se recomienda revisar la definición del elemento en la documentación en línea del estándar y hacer los ajustes necesarios.
• Nula: no hay coincidencia con ningún elemento del Darwin Core y por tanto no debe ser mapeado.

4.1 Mapeo de los registros biológicos

Cambiar los nombres en las columnas del archivo «Registros_FloraFustal.xlsxs» por el de los elementos Darwin Core que tengan una coincidencia total en el mapeo. Posteriormente, ajustar los elementos que tienen coincidencia parcial y eliminar los que no tienen ningún tipo de correspondencia con el estándar Darwin Core. Para ello, se debe usar la pestaña “MuestreoFloraFustalTB” en el archivo «Mapeo diccionario ANLA 2020 al Darwin Core - Registros biológicos».

Con base en lo anterior, se deben seguir estos pasos:

• Modificar el nombre de las columnas documentadas como coincidencia total en el archivo «Registros_FloraFustal.xlsx» (Fig. 9).
• Revisar el contenido de las columnas documentadas como coincidencia parcial, realizando los ajustes de acuerdo a las definiciones, recomendaciones y ejemplos de la documentación en línea del elemento Darwin Core para cada elemento (Fig. 9). Normalmente, estos ajustes implican combinar información de varias columnas antes de hacer el mapeo (Fig. 9).
• En el archivo «Registros_FloraFustal.xlsx», eliminar las columnas que tienen una coincidencia nula en el archivo de mapeo (Fig. 10).

Para realizar el mapeo siga estos pasos:

• Modificar el nombre de las columnas documentadas como coincidencia total en el archivo Registros_FloraFustal.xlsx (Fig. 9).
• Revisar el contenido de las columnas documentadas como coincidencia parcial, realizando los ajustes de acuerdo a las definiciones, recomendaciones y ejemplos de la documentación en línea del elemento Darwin Core para cada elemento (Fig. 9). Normalmente, estos ajustes implican combinar información de varias columnas antes de hacer el mapeo.
• En el archivo «Registros_FloraFustal.xlsx», eliminar las columnas que tienen una coincidencia nula según el archivo de mapeo. (Fig. 9)

^{Figura 9. Proceso de mapeo al estándar _Darwin Core del archivo de registros biológicos presente en la base de datos geográfica._}

• Al finalizar el proceso de mapeo con las columnas existentes, se deben eliminar las columnas que estén vacías o documentadas únicamente con Null.

4.2 Mapeo de las medidas bióticas

Para el mapeo con las medidas bióticas, es necesario crear los elementos measurementType y measurementUnit para cada una de las medidas presentes en el archivo. Se debe documentar el tipo de medida (ej. Diámetro a la altura del pecho y Biomasa aérea) y la unidad con la que fue tomada (ej. m y kg), según lo documentado en el archivo «Mapeo diccionario ANLA 2020-Registros al DwC».

En el archivo de Excel, insertar dos nuevas columnas para cada una de las medidas. En la primera columna del lado izquierdo, documentar el elemento measurementType; en la segunda columna del lado derecho, documentar el elemento measurementUnit.

A continuación, se observa cómo realizar el proceso con la primera medida “DAP_INDIV”:

• Crear la columna measurementType con el valor “Diámetro a la altura del pecho (DAP)” (Fig. 10).
• Insertar la segunda columna con el elemento measurementUnit y como valor m(Fig. 10).
• Reemplazar el nombre original de la columna “DAP_INDIV” por measurementValue. (Fig. 10).

^{Figura 10. Mapeo de la medida biótica “DAP_INDIV” al estándar DwC.}

• Repetir este procedimiento con el resto de medidas bióticas, teniendo en cuenta los diferentes valores de tipo y unidad para cada una de las medidas.

Paso 5 - Creación de elementos obligatorios y ajuste de elementos documentados

5.1 Creación de los elementos obligatorios

Para asegurar que todos los elementos obligatorios para los registros biológicos estén debidamente documentados, se recomienda consultar los elementos obligatorios en la primera hoja de la Plantilla de Registros biológicos, llamada “Instrucciones”. Teniendo en cuenta que la obligatoriedad de los elementos dependen del origen de los datos, este paso es necesario para la publicación de eventos de muestreo.

Por consiguiente, se deben seguir las siguientes recomendaciones para crear los elementos obligatorios:

• occurrenceID: Crear un identificador único del registro biológico a partir del código corto de la institución Ambiental Buenaventura Consultores: “ABC” , las palabras clave del recurso “EIA-FORMACION”, el eventID y el organismID. Ejemplo: ABC:EIA-FORMACION:DC01-26-a. Al finalizar, es fundamental revisar que no hayan occurrenceID duplicados. Si los hay, agregar una letra consecutiva (a, b, c, etc.) al final del occurrenceID con el objetivo de diferenciarlos. Para revisar si hay registros con un identificador duplicado, se puede seguir la ruta de opciones en Excel: Formato condicional > Reglas para resaltar las celdas > Valores duplicados….
• basisOfRecord/type: Los registros biológicos de las bases de datos geográficas son eventos asociados a observaciones humanas en casi todos los casos. Por consiguiente, se deben documentar estos dos elementos como HumanObservation para el basisOfRecord y como Event para el elemento type.

• institutionCode: La información del código de la institución está presente en el archivo de eventos que se estructuró en la guía Estructurando una GDB en DwC, eventos.
• institutionID: Documentar con el NIT de la organización. Para este ejercicio, se usa el NIT 900.123.456-1.
• eventDate: La información de la fecha está presente en el archivo de eventos de muestreo que se estandarizó en la guía Estructurando una GDB en DwC, eventos.
  • Si desea completar el eventDate de forma automática en Excel, se puede utilizar la opción BUSCARV(), tomando como elemento en común el eventID.
• scientificName: Generar una copia de este elemento en uno nuevo, denominado verbatimIdentification. De esta forma, si se requiere hacer ajustes, se conservará la identificación original documentada en la base de datos geográfica. En el elemento scientificName, separar la información de la autoría del nombre científico para dejar únicamente el género y epíteto específico (para el caso de especies). Después, guardar la autoría del nombre científico en el elemento scientificNameAuthorship. Adicionalmente, documentar como aff. o cf. los calificadores de la identificación que se encuentren en el scientificName, en el elemento identificationQualifier. Por último, diligenciar las abreviaciones de incertidumbre de la especie en el verbatimTaxonRank como sp., gr. o spp..
• taxonRank: Utilizar filtros para buscar los registros que se documentaron con los calificadores sp., cf. o aff. y documentar su taxonRank como Género. Para los demás registros, diligenciar el taxonRank como Especie, verificando que el nombre científico cuente con género y epíteto específico.

5.2 Ajustar los elementos adicionales siguiendo el estándar Darwin Core

En adición a lo anterior, es necesario realizar ajustes en algunas columnas para que sigan el formato sugerido del estándar Darwin Core. Este proceso consiste en revisar las definiciones y vocabularios controlados del estándar para cada elemento mapeado en la documentación en línea del estándar Darwin Core.

Para terminar, seguir las siguientes recomendaciones para ajustar algunos elementos priorizados:

• measurementValue: Modificar el separador decimal para que sea un punto.
• occurrenceRemarks: Revisar el contenido de este elemento para validar si se puede mapear en otro elemento Darwin Core. En ocasiones, puede haber información de etapa de vida, sexo, medidas adicionales, etc.

Paso 6 - Verificación del resultado

Descarga y compara el siguiente archivo, estandarizado según las definiciones del Darwin Core, con el archivo que se trabajó en esta guía para identificar aciertos y posibilidades de mejora. ¿Las observaciones (registros biológicos) quedaron correctamente estructuradas?

• «Archivo estandarizado»

¡Felicitaciones!

El conjunto de datos de registros biológicos derivados de una base de datos geográfica ha sido estandarizado según el Darwin Core.

Paso 7 - Estandarización de fauna e hidrobiología

Repetir el proceso de estandarización con los elementos de Fauna (“MuestreoFaunaTB”) y de hidrobiología (“MuestreoHidrobioTB”), siguiendo los pasos de esta guía. Se debe usar la hoja adecuada en el archivo «Mapeo diccionario ANLA 2021-Registros al DwC» para el mapeo en cada uno de los casos. ¿Hay diferencias significativas en el proceso para estos archivos?

Citación

Marentes E., Ortíz R., Lozano J., Plata C. (2023). Laboratorio de datos, Ciclo de formación. Consultado a través del SiB Colombia. Disponible en https://biodiversidad.co/formacion/laboratorios.