Introducción

Este documento presenta un tutorial básico para aprender a usar el paquete rgbif en R y conectarse al portal GBIF (Global Biodiversity Information Facility), pensado especialmente para geógrafas interesadas en trabajar con datos de biodiversidad.

A lo largo del tutorial se muestra un flujo de trabajo sencillo para:

  • Consultar la base taxonómica de GBIF para una especie seleccionada.
  • Descargar sus registros de ocurrencia filtrando a Chile.
  • Limpiar los datos (revisar coordenadas y variables clave).
  • Visualizar los puntos de ocurrencia sobre un mapa de Chile.
  • Exportar los resultados como capa vectorial para utilizarlos en un SIG.

Este flujo de trabajo permite integrar datos abiertos de biodiversidad en ejercicios de cartografía, análisis espacial y planificación territorial, especialmente útiles para el estudio de especies invasoras y otros problemas socioambientales.

Paquetes

# Manejo de datos GBIF
library(rgbif)

# Manipulación de datos
library(dplyr)
library(purrr)

# Datos espaciales
library(sf)
library(terra)
library(rnaturalearth)

# Visualización
library(ggplot2)

Credenciales Gbif

Para descargar algunos tipos de datos desde GBIF se utilizan credenciales de usuario.

A modo ilustrativo:

Sys.setenv(
GBIF_USER = "tu_usuario_gbif",
GBIF_PWD = "tu_contraseña_gbif",
GBIF_EMAIL = "tu_correo@pucv.cl"
)

Buscar una especie en GBIF

Como ejemplo, usaremos la especie Ulex europaeus (Espinillo). Primero buscamos su clave taxonómica (taxonKey) usando name_backbone():

bb <- name_backbone(name = "Ulex europaeus L.", rank = "species")

bb
## # A tibble: 1 × 23
##   usageKey scientificName    canonicalName  rank    status  confidence matchType
## *    <int> <chr>             <chr>          <chr>   <chr>        <int> <chr>    
## 1  2951984 Ulex europaeus L. Ulex europaeus SPECIES ACCEPT…        100 EXACT    
## # ℹ 16 more variables: kingdom <chr>, phylum <chr>, order <chr>, family <chr>,
## #   genus <chr>, species <chr>, kingdomKey <int>, phylumKey <int>,
## #   classKey <int>, orderKey <int>, familyKey <int>, genusKey <int>,
## #   speciesKey <int>, class <chr>, verbatim_name <chr>, verbatim_rank <chr>

Tomamos la clave aceptada si existe; si no, la de la coincidencia

taxon_key_ulex <- coalesce(bb$acceptedUsageKey, bb$usageKey)

taxon_key_ulex
## [1] 2951984

Esta clave es la que usaremos para pedir las ocurrencias a GBIF.

Descargar registros de la especie para Chile

Usaremos occ_search() para traer registros de Ulex europaeus en Chile, con coordenadas válidas.

ulex_chile <- occ_search(
taxonKey = taxon_key_ulex,
country = "CL", # Chile
hasCoordinate = TRUE,
hasGeospatialIssue = FALSE,
limit = 10000, # máximo de registros a traer
fields = c(
"key", "taxonKey", "scientificName",
"decimalLongitude", "decimalLatitude",
"eventDate", "basisOfRecord", "countryCode",
"stateProvince", "locality", "datasetKey"
)
)

Extraemos solo la tabla de datos

Limpiar y preparar la tabla de datos

Nos quedamos con las columnas más importantes y eliminamos filas sin coordenadas:

tabla_clean <- tabla %>%
filter(!is.na(decimalLongitude),
!is.na(decimalLatitude)) %>%
select(
taxonKey, scientificName,
decimalLongitude, decimalLatitude,
eventDate, basisOfRecord,
countryCode, stateProvince, locality
)

Convertir a objeto espacial (sf)

Convertimos la tabla a un objeto sf (puntos con geometría) en EPSG:4326:

tabla_sf <- st_as_sf(
tabla_clean,
coords = c("decimalLongitude", "decimalLatitude"),
crs = 4326,
remove = FALSE
)

Descargar la capa de Chile y filtrar puntos

Usaremos rnaturalearth para obtener la capa de países y filtrar solo Chile:

chile <- ne_countries(
country = "Chile",
scale = 50,
returnclass = "sf"
)

Filtrar puntos dentro de Chile (opcional, como control)

tabla_cl <- st_filter(tabla_sf, chile)

nrow(tabla_cl)
## [1] 165

Ejemplo de visualización de puntos de registro de la especie Ulex europaeus:

Convertimos los puntos sf a un objeto SpatVect de terra:

Mapa base con teselas Esri y puntos de GBIF:

Si queremos usar estos registros en otro software SIG (por ejemplo QGIS o ArcGIS), podemos guardar los puntos como un shapefile. Aprovechamos el objeto gbif_vect que ya convertimos a SpatVect con el paquete terra:

Primero debemos crear la carpeta de salida:

setwd("C:/tu_directorio")
dir.create("salidas", showWarnings = FALSE)

Luego guardamos los puntos como shapefile (ESRI Shapefile):

terra::writeVector(
gbif_vect,
filename = "salidas/ulex_chile_gbif.shp",
filetype = "ESRI Shapefile",
overwrite = TRUE
)

Cómo citar los datos y el paquete rgbif

GBIF recomienda usar un conjunto de datos derivado (Derived Dataset) para citar descargas sincrónicas como las de occ_search() u occ_data().

Ejemplo con un registro biológico único (clave de ocurrencia):

gbif_citation(x = 1265576727)
## <<rgbif citation>>
##    Citation: . Accessed from R via rgbif (https://github.com/ropensci/rgbif) on
##         2025-12-09
##    Rights: http://creativecommons.org/licenses/by-nc/4.0/legalcode

Ejemplo con un conjunto de datos (datasetKey):

gbif_citation(x = "d52d01f6-7472-4dbf-9ea8-a33c343255ac")
## [[1]]
## [[1]]$text
## [1] "Moeslund J E (2016). Vegetation data from protected areas in Denmark (§ 3 in the Danish Nature Protection Act). Version 8.1. Department of Ecoscience, Aarhus University. Occurrence dataset https://doi.org/10.15468/ar7pbr accessed via GBIF.org on 2025-12-09."
## 
## [[1]]$citationProvidedBySource
## [1] FALSE
## <<rgbif citation>>
##    Citation: . Accessed from R via rgbif (https://github.com/ropensci/rgbif) on
##         2025-12-09
##    Rights: http://creativecommons.org/licenses/by/4.0/legalcode

Y para citar el uso del paquete Rgbif se debe utilizar la siguiente cita:

Scott Chamberlain (2017). rgbif: Interface to the Global ‘Biodiversity’ Information Facility ‘API’. R package version 0.9.8. https://CRAN.R-project.org/package=rgbif

Agradecimientos

Este tutorial fue elaborado con la intención de ofrecer una guía clara y accesible para introducir el uso de rgbif en RStudio, especialmente para geógrafas que deseen integrar datos de biodiversidad en sus análisis espaciales.

Espero que este material sea de utilidad en trabajos académicos, proyectos de investigación y ejercicios prácticos de cartografía y territorio. Ojalá también motive a más estudiantes y profesionales a explorar el potencial de los datos abiertos y a fortalecer una geografía más crítica, colaborativa y basada en evidencia.

Agradezco de antemano a quienes utilicen, compartan o mejoren este manual. Que esta pequeña herramienta contribuya a que el acceso a la información científica sea cada vez más democrático y útil para comprender y cuidar los territorios que habitamos.