Indice de Moran BD_Modelado

library(readxl)
library(ggplot2)
library(ape)
library(knitr)

BD_MODELADO <- read_excel("d:/Users/CRISTIAN GARCIA/Downloads/BD_MODELADO.xlsx")

dists <- as.matrix(dist(cbind(BD_MODELADO$Avg_X_MCB,BD_MODELADO$Avg_Y_MCE)))
dists.inv <- 1/dists
diag(dists.inv) <- 0 
dists.inv[1:10, 1:10]

##             1          2          3          4          5          6          7
## 1  0.00000000 0.19320482 0.02207833 0.05403989 0.04558763 0.01896784 0.01268166
## 2  0.19320482 0.00000000 0.02476496 0.04650837 0.05738726 0.02098544 0.01355177
## 3  0.02207833 0.02476496 0.00000000 0.01665161 0.03039597 0.03990385 0.02228896
## 4  0.05403989 0.04650837 0.01665161 0.00000000 0.03392139 0.01638614 0.01159565
## 5  0.04558763 0.05738726 0.03039597 0.03392139 0.00000000 0.03124726 0.01728641
## 6  0.01896784 0.02098544 0.03990385 0.01638614 0.03124726 0.00000000 0.03825666
## 7  0.01268166 0.01355177 0.02228896 0.01159565 0.01728641 0.03825666 0.00000000
## 8  0.01578608 0.01510928 0.00982164 0.02229062 0.01449801 0.01048266 0.00857458
## 9  0.01859446 0.01810169 0.01158011 0.02758045 0.01863309 0.01297534 0.01029386
## 10 0.01933653 0.02011061 0.01567261 0.02292987 0.02683676 0.02122801 0.01581706
##             8          9         10
## 1  0.01578608 0.01859446 0.01933653
## 2  0.01510928 0.01810169 0.02011061
## 3  0.00982164 0.01158011 0.01567261
## 4  0.02229062 0.02758045 0.02292987
## 5  0.01449801 0.01863309 0.02683676
## 6  0.01048266 0.01297534 0.02122801
## 7  0.00857458 0.01029386 0.01581706
## 8  0.00000000 0.04956128 0.01801676
## 9  0.04956128 0.00000000 0.02828783
## 10 0.01801676 0.02828783 0.00000000

Indice de Moran de CE medida a 75cm de profundidad en R

Moran.I(BD_MODELADO$Avg_CEa_07,dists.inv)

## $observed
## [1] 0.2687468
## 
## $expected
## [1] -0.003205128
## 
## $sd
## [1] 0.004665906
## 
## $p.value
## [1] 0

ggplot(BD_MODELADO, aes(Avg_X_MCB,Avg_Y_MCE, col=Avg_CEa_07))+
  geom_point(size=3.5)+
  scale_color_continuous(type = "viridis")+
  ggtitle("Conductividad Electrica a 75cm de profundidad")+
  labs(x="Latitud", y="Longitud")+
  theme (plot.title = element_text(size=rel(1.5),vjust=2,face="bold",
                                   color="blue",lineheight=1.5))

Los valores de CE del suelo medidos a 75cm de profundidad arrojaron un p-value de 0 al medir el Indice de Moran, por ello se concluye que los datos sí presentan una dependencia espacial es decir, valores similares de CE se encuentran espacialmente cercanos.

Indice de Moran de CE medida a 75cm de profundidad en GeoDa

knitr::include_graphics("d:/Users/CRISTIAN GARCIA/Desktop/2020-2/Computación Estadistica/R/BD_modelado/BD_MODELADOCE75png.png")

El dominio del Indice de Moran esta entre -1 y 1, cuando I<0 nos indica una correlacion negativa es decir, los datos no se asocian a una ubicacion determinada, cuando I>0 la correlacion es positiva e indica que los datos presentan algun patron de agrupamiento. Segun el I obtenido podemos concluir que los datos sí estan correlacionados espacialmente.

Indice de Moran de CE medida a 150cm de profundidad en R

Moran.I(BD_MODELADO$Avg_CEa_15,dists.inv)

## $observed
## [1] 0.160951
## 
## $expected
## [1] -0.003205128
## 
## $sd
## [1] 0.00465455
## 
## $p.value
## [1] 0

ggplot(BD_MODELADO, aes(Avg_X_MCB,Avg_Y_MCE, col=Avg_CEa_15))+
  geom_point(size=3.5)+
  scale_color_continuous(type = "viridis")+
  ggtitle("Conductividad Electrica a 150cm de profundidad")+
  labs(x="Latitud", y="Longitud")+
  theme (plot.title = element_text(size=rel(1.5),vjust=2,face="bold",
                                   color="blue",lineheight=1.5))

Los valores de CE del suelo medidos a 150cm de profundidad arrojaron un p-value de 0 al medir el Indice de Moran, por ello se concluye que los datos sí presentan una dependencia espacial es decir, valores similares de CE se encuentran espacialmente cercanos.

Indice de Moran de CE medida a 150cm de profundidad en GeoDa

knitr::include_graphics("d:/Users/CRISTIAN GARCIA/Desktop/2020-2/Computación Estadistica/R/BD_modelado/BD_MODELADOCE150.png")

Indice de Moran de NDVI en R

Moran.I(BD_MODELADO$NDVI,dists.inv)

## $observed
## [1] 0.09750403
## 
## $expected
## [1] -0.003205128
## 
## $sd
## [1] 0.004644979
## 
## $p.value
## [1] 0

ggplot(BD_MODELADO, aes(Avg_X_MCB,Avg_Y_MCE, col=NDVI))+
  geom_point(size=3.5)+
  scale_color_continuous(type = "viridis")+
  ggtitle("NDVI")+
  labs(x="Latitud", y="Longitud")+
  theme (plot.title = element_text(size=rel(1.5),vjust=2,face="bold",
                                   color="blue",lineheight=1.5))+
    theme(plot.title = element_text(hjust = 0.5))

Los valores de NDVI arrojaron un p-value de 0 al medir el indice de moran, por ello se concluye que los datos sí presentan una dependencia espacial es decir, valores similares de NDVI se encuentran espacialmente cercanos.

Indice de Moran de NDVI en GeoDa

knitr::include_graphics("d:/Users/CRISTIAN GARCIA/Desktop/2020-2/Computación Estadistica/R/BD_modelado/BD_MODELADONDVI.png")

Indice de Moran en R y GeoDa