Capítulo32 Leaflet: Mapas interactivos

## [1] "2026-08-01"
library(tidyverse)

32.1 Bajar los datos de la web del USGS

Website: https://earthquake.usgs.gov/earthquakes/feed/v1.0/csv.php

Este capítulo descarga datos en vivo desde internet. Si al ejecutar ves un error como Error in download.file(...): cannot open URL o un HTTP error, casi siempre significa que no hay conexión a internet o que el servidor no está respondiendo en ese momento. Verifica tu conexión y vuelve a intentar. En este libro el código usa una copia local guardada en Datos/ cuando la descarga falla, para que el capítulo siempre se pueda generar. Encontrarás más errores frecuentes y cómo resolverlos en el capítulo Errores comunes (14).

library(data.table)
# Intenta bajar los datos en vivo del USGS; si no hay conexión o el servidor
# no responde, usa la copia local guardada en Datos/.
earthquakes <- tryCatch(
  fread("https://earthquake.usgs.gov/earthquakes/feed/v1.0/summary/all_month.csv"),
  error = function(e) readr::read_csv("Datos/Earthquake_all_month.csv")
)

head(earthquakes, n=10)
##                    time latitude longitude   depth   mag magType   nst   gap
##                  <POSc>    <num>     <num>   <num> <num>  <char> <int> <int>
##  1: 2026-08-02 03:15:17 19.29800 -155.2372  0.7600  2.28      ml    42   174
##  2: 2026-08-02 03:04:56 57.79400 -153.9370 35.0000  1.50      ml    12   105
##  3: 2026-08-02 03:04:02 38.18360 -117.8322  6.3127  1.93      ml    20    97
##  4: 2026-08-02 02:37:37 34.84617 -119.0565  8.1900  1.27      ml    31    87
##  5: 2026-08-02 02:28:56 32.64183 -115.7475  5.7800  1.50      ml    34    61
##  6: 2026-08-02 02:23:07 32.64183 -115.7505  5.7200  2.03      ml    42    47
##  7: 2026-08-02 02:22:31 32.61783 -115.5773  3.1100  1.29      ml    26    76
##  8: 2026-08-02 01:55:05 39.24217 -123.2180  3.8200  1.17      md     7   107
##  9: 2026-08-02 01:54:27 58.16200 -155.3240  5.0000  0.70      ml    10    70
## 10: 2026-08-02 01:38:59 19.03500  -64.3385 14.4200  3.34      md    17   293
##        dmin    rms    net            id             updated
##       <num>  <num> <char>        <char>              <POSc>
##  1: 0.02045 0.1700     hv    hv75011652 2026-08-02 03:18:45
##  2: 0.40000 0.4000     ak aka2026pdqvke 2026-08-02 03:06:31
##  3: 0.49200 0.4722     nn    nn00922699 2026-08-02 03:06:30
##  4: 0.08037 0.2000     ci    ci40665010 2026-08-02 02:41:08
##  5: 0.01932 0.2100     ci    ci40665002 2026-08-02 02:32:20
##  6: 0.02168 0.2300     ci    ci40664994 2026-08-02 02:26:31
##  7: 0.07988 0.2000     ci    ci40664986 2026-08-02 02:26:00
##  8: 0.06451 0.0500     nc    nc75409947 2026-08-02 02:32:22
##  9: 0.00000 0.2000     ak aka2026pdombb 2026-08-02 01:55:28
## 10: 0.54520 0.0900     pr    pr71527038 2026-08-02 01:58:31
##                                          place       type horizontalError
##                                         <char>     <char>           <num>
##  1:                 16 km S of Volcano, Hawaii earthquake            0.34
##  2:              28 km N of Larsen Bay, Alaska earthquake            9.30
##  3:                   33 km SE of Mina, Nevada earthquake              NA
##  4:           8 km E of Pine Mountain Club, CA earthquake            0.31
##  5:            17 km WNW of Progreso, B.C., MX earthquake            0.24
##  6:            17 km WNW of Progreso, B.C., MX earthquake            0.25
##  7:               4 km N of Progreso, B.C., MX earthquake            0.21
##  8:             3 km SSW of Redwood Valley, CA earthquake            0.33
##  9:                 83 km NW of Karluk, Alaska earthquake            5.90
## 10: 91 km NNE of Cruz Bay, U.S. Virgin Islands earthquake            0.90
##     depthError  magError magNst    status locationSource magSource
##          <num>     <num>  <int>    <char>         <char>    <char>
##  1:     0.2900 0.1600000      3 automatic             hv        hv
##  2:     6.9384 0.2000000      4 automatic             ak        ak
##  3:     0.6756 0.3700000      8 automatic             nn        nn
##  4:     0.5100 0.3321156     29 automatic             ci        ci
##  5:     0.3400 0.2226233     28 automatic             ci        ci
##  6:     0.4100 0.3067757     26 automatic             ci        ci
##  7:     0.3200 0.1111436     19 automatic             ci        ci
##  8:     1.4400 0.1900000      3 automatic             nc        nc
##  9:         NA 0.5000000      4 automatic             ak        ak
## 10:     1.7600 0.1375253     12  reviewed             pr        pr
unique(earthquakes$type)
## [1] "earthquake"             "explosion"              "quarry blast"          
## [4] "mining explosion"       "ice quake"              "experimental explosion"
earthquakes %>% 
  filter(type=="sonic boom")
## Empty data.table (0 rows and 22 cols): time,latitude,longitude,depth,mag,magType...
quarry_blasts=earthquakes %>% 
  filter(type=="quarry blast")

32.2 Si bajo los datos a mi computadora

Use esta alternativa si bajo los datos a su computadora

#library(readr)
#Earthquake_all_month <- read_csv("Datos/Earthquake_all_month.csv")

#EQ=Earthquake_all_month
#head(EQ, n=10)
names(earthquakes)
##  [1] "time"            "latitude"        "longitude"       "depth"          
##  [5] "mag"             "magType"         "nst"             "gap"            
##  [9] "dmin"            "rms"             "net"             "id"             
## [13] "updated"         "place"           "type"            "horizontalError"
## [17] "depthError"      "magError"        "magNst"          "status"         
## [21] "locationSource"  "magSource"
str(earthquakes)
## Classes 'data.table' and 'data.frame':   10815 obs. of  22 variables:
##  $ time           : POSIXct, format: "2026-08-02 03:15:17" "2026-08-02 03:04:56" ...
##  $ latitude       : num  19.3 57.8 38.2 34.8 32.6 ...
##  $ longitude      : num  -155 -154 -118 -119 -116 ...
##  $ depth          : num  0.76 35 6.31 8.19 5.78 ...
##  $ mag            : num  2.28 1.5 1.93 1.27 1.5 2.03 1.29 1.17 0.7 3.34 ...
##  $ magType        : chr  "ml" "ml" "ml" "ml" ...
##  $ nst            : int  42 12 20 31 34 42 26 7 10 17 ...
##  $ gap            : int  174 105 97 87 61 47 76 107 70 293 ...
##  $ dmin           : num  0.0204 0.4 0.492 0.0804 0.0193 ...
##  $ rms            : num  0.17 0.4 0.472 0.2 0.21 ...
##  $ net            : chr  "hv" "ak" "nn" "ci" ...
##  $ id             : chr  "hv75011652" "aka2026pdqvke" "nn00922699" "ci40665010" ...
##  $ updated        : POSIXct, format: "2026-08-02 03:18:45" "2026-08-02 03:06:31" ...
##  $ place          : chr  "16 km S of Volcano, Hawaii" "28 km N of Larsen Bay, Alaska" "33 km SE of Mina, Nevada" "8 km E of Pine Mountain Club, CA" ...
##  $ type           : chr  "earthquake" "earthquake" "earthquake" "earthquake" ...
##  $ horizontalError: num  0.34 9.3 NA 0.31 0.24 0.25 0.21 0.33 5.9 0.9 ...
##  $ depthError     : num  0.29 6.938 0.676 0.51 0.34 ...
##  $ magError       : num  0.16 0.2 0.37 0.332 0.223 ...
##  $ magNst         : int  3 4 8 29 28 26 19 3 4 12 ...
##  $ status         : chr  "automatic" "automatic" "automatic" "automatic" ...
##  $ locationSource : chr  "hv" "ak" "nn" "ci" ...
##  $ magSource      : chr  "hv" "ak" "nn" "ci" ...
##  - attr(*, ".internal.selfref")=<pointer: 0x1039b0200>

32.3 Importación de Paquetes y Datos

library(tidyverse)
library(leaflet)
#library(rinat)
library(RColorBrewer)
library(flextable)

Seleccionar un subgrupo de los datos, solamente los primeros 100 datos

nrow(earthquakes)
## [1] 10815
EQ_100 = earthquakes |> slice(1:100)
head(EQ_100)
##                   time latitude longitude   depth   mag magType   nst   gap
##                 <POSc>    <num>     <num>   <num> <num>  <char> <int> <int>
## 1: 2026-08-02 03:15:17 19.29800 -155.2372  0.7600  2.28      ml    42   174
## 2: 2026-08-02 03:04:56 57.79400 -153.9370 35.0000  1.50      ml    12   105
## 3: 2026-08-02 03:04:02 38.18360 -117.8322  6.3127  1.93      ml    20    97
## 4: 2026-08-02 02:37:37 34.84617 -119.0565  8.1900  1.27      ml    31    87
## 5: 2026-08-02 02:28:56 32.64183 -115.7475  5.7800  1.50      ml    34    61
## 6: 2026-08-02 02:23:07 32.64183 -115.7505  5.7200  2.03      ml    42    47
##       dmin    rms    net            id             updated
##      <num>  <num> <char>        <char>              <POSc>
## 1: 0.02045 0.1700     hv    hv75011652 2026-08-02 03:18:45
## 2: 0.40000 0.4000     ak aka2026pdqvke 2026-08-02 03:06:31
## 3: 0.49200 0.4722     nn    nn00922699 2026-08-02 03:06:30
## 4: 0.08037 0.2000     ci    ci40665010 2026-08-02 02:41:08
## 5: 0.01932 0.2100     ci    ci40665002 2026-08-02 02:32:20
## 6: 0.02168 0.2300     ci    ci40664994 2026-08-02 02:26:31
##                               place       type horizontalError depthError
##                              <char>     <char>           <num>      <num>
## 1:       16 km S of Volcano, Hawaii earthquake            0.34     0.2900
## 2:    28 km N of Larsen Bay, Alaska earthquake            9.30     6.9384
## 3:         33 km SE of Mina, Nevada earthquake              NA     0.6756
## 4: 8 km E of Pine Mountain Club, CA earthquake            0.31     0.5100
## 5:  17 km WNW of Progreso, B.C., MX earthquake            0.24     0.3400
## 6:  17 km WNW of Progreso, B.C., MX earthquake            0.25     0.4100
##     magError magNst    status locationSource magSource
##        <num>  <int>    <char>         <char>    <char>
## 1: 0.1600000      3 automatic             hv        hv
## 2: 0.2000000      4 automatic             ak        ak
## 3: 0.3700000      8 automatic             nn        nn
## 4: 0.3321156     29 automatic             ci        ci
## 5: 0.2226233     28 automatic             ci        ci
## 6: 0.3067757     26 automatic             ci        ci

32.4 Mapa básico con Leaflet

Leaflet es una biblioteca de JavaScript para mapas interactivos, creada por Volodymyr Agafonkin en 2011. Su ventaja es que es ligera y funciona en cualquier navegador. RStudio/Posit creó el paquete leaflet para R en 2015, permitiendo construir estos mapas sin escribir JavaScript. Los mapas base (“tiles”) provienen de OpenStreetMap, un proyecto colaborativo y abierto de cartografía mundial.

leaflet() — construye un mapa interactivo por capas, de forma parecida a ggplot(), pero uniendo las capas con el pipe (%>%).

  • leaflet(data): inicia el mapa con un conjunto de datos.
  • addTiles(): añade el mapa base (por defecto, de OpenStreetMap).
  • addMarkers() / addCircleMarkers(): colocan puntos; ~longitude y ~latitude (la tilde ~) indican qué columnas usar para las coordenadas, y popup el texto que aparece al hacer clic.
names(earthquakes)
##  [1] "time"            "latitude"        "longitude"       "depth"          
##  [5] "mag"             "magType"         "nst"             "gap"            
##  [9] "dmin"            "rms"             "net"             "id"             
## [13] "updated"         "place"           "type"            "horizontalError"
## [17] "depthError"      "magError"        "magNst"          "status"         
## [21] "locationSource"  "magSource"
leaflet(EQ_100) %>% 
  addTiles() %>% 
  addCircleMarkers(lng = ~longitude, 
             lat = ~latitude, 
             popup = ~mag,
             color= ~(type))
#unique(earthquakes$type)

#color= ~(type),

32.5 Usando la paletas de color de viridis

Pasos

  1. Seleccionar los datos en las áreas de PR, latitud y longitud
  2. Crear una paleta de colores/ o usar viridis
  3. Crear un mapa con los datos de los terremotos
names(EQ_100)
##  [1] "time"            "latitude"        "longitude"       "depth"          
##  [5] "mag"             "magType"         "nst"             "gap"            
##  [9] "dmin"            "rms"             "net"             "id"             
## [13] "updated"         "place"           "type"            "horizontalError"
## [17] "depthError"      "magError"        "magNst"          "status"         
## [21] "locationSource"  "magSource"
unique(EQ_100$type)
## [1] "earthquake"
pal = colorFactor(palette = "magma", domain = NULL)


leaflet(EQ_100) %>% 
  addTiles() %>% 
  addCircleMarkers(lng = ~longitude, 
             lat = ~latitude, 
             color= ~pal(mag),
             popup = ~paste("Magnitud", mag)
             )

32.6 Trabajando con datos de iNaturalist

32.6.1 Ahora crea un mapa de los terremotos alrededor de Puerto Rico

Obtener los datos de observaciones de una especie en iNaturalist desde R:

Los datos a utilizar se obtendrán desde iNaturalist, una aplicación con base en la ciencia ciudadana que mantiene un registro de ocurrencias de especies.

La función get_inat_obs() permite acceder a los datos disponibles en iNaturalist, especificando los siguientes parámetros:

get_inat_obs() consulta la API de iNaturalist en tiempo real: requiere conexión a internet y el número de observaciones puede variar entre ejecuciones a medida que la comunidad añade registros.

  • taxon_name: La especies de interés, siempre escrita entre comillas (“). Puede utilizar nombre común o científico.

  • quality: Siendo una aplicación basada en ciencia ciudadana, la calidad de algunos datos podría ser baja, debido a que les falta información - como nombre científico o ubicación - o que contienen información errónea - especies mal identificadas-. Colocando 'research' en este parámetro se especifica que se desea obtener sólo aquellas observaciones con alta calidad - que tengan información completa y cuya identificación haya sido confirmada por varias personas de la comunidad -.

  • geo: Al igual que el parámetro quality, este parámetro cuyo valor es lógico (TRUE o FALSE), es para especificar que se quiere obtener sólo los datos que están georeferenciados (cuando se coloca como TRUE).

  • maxresults: A través del API (Interfaz de Programación de Aplicaciones) de iNaturalist se puede acceder a un máximo de 10,000 observaciones en una sola búsqueda. Con este parámetro, cuyo valor debe ser numérico, se especifica cuántas observaciones se desea obtener, y no se debe exceder de 10,000 por búsqueda.

  • bounds: Un vector que contiene los límites geográficos de la búsqueda. Se puede insertar un cuadro delimitador ya especificado en un objeto, concatenar los valores del vector, o insertar un objeto de características simples (Simple Feature, sf). El argumento bounds es importante porque si obtenemos datos de iNaturalist, las únicas columnas que obtenemos con información acerca de la región o área donde se hicieron las observaciones son:

  • place_guess: Contiene el nombre de la región, pero su precisión y los nombres utilizados para cada región varía mucho.

  • latitude: Posición en el eje vertical del sistema de coordenadas.

  • longitude: Posición en el eje horizontal del sistema de coordenadas.
    Esto crea un problema a la hora del filtrar los datos por el nombre de una región, pues es difícil encontrar un solo valor que encompase a todas las variantes del nombre utilizado para esa región. iNaturalist se encuentra a nivel mundial, y usted puede acceder a todos esos datos. Sin embargo, hoy accederemos solamente a datos de Puerto Rico. Entonces, lo primero antes de acceder a los datos de iNaturalist, es crear un objeto que contenga los límites geográficos de interés crea. Para esto se crea un objeto que contenga un cuadro delimitador (bounding box):

cajapr <- c(
  17.75, #Latitud Sur
   -67.4, #Longitud Oeste
  18.75, #Latitud Norte
  -65.15 #Longitud Este
  )

cajapr
## [1]  17.75 -67.40  18.75 -65.15
library(rinat)

Ahora podemos acceder a datos de Puerto Rico utilizando el objeto cajapr. Para este ejercicio utilizaremos datos de orquídeas pertenecientes al género Eulophia. En Puerto Rico se han reportado 3 especies de este género Eulophia alta, Eulophia maculata y Eulophia graminea. De estos, sólo E. alta es considerada nativa de la isla. Entonces, utilizando la función get_inat_obs podemos acceder a los datos de Eulophia en Puerto Rico

# Intenta consultar iNaturalist en vivo y guarda una copia local; si la
# consulta falla (sin conexión o API no disponible), usa esa copia.
eulophia <- tryCatch(
  {
    d <- get_inat_obs(taxon_name = "Eulophia",
                      quality = 'research',
                      geo = TRUE,
                      maxresults = 1000)
    readr::write_csv(d, "Datos/eulophia_inat.csv")
    d
  },
  error = function(e) readr::read_csv("Datos/eulophia_inat.csv")
)

eulophia$scientific_name <- as.factor(eulophia$scientific_name)

flextable(head(eulophia)) # Para ver las primeras 6 lineas en una tabla bonita

scientific_name

datetime

description

place_guess

latitude

longitude

tag_list

common_name

url

image_url

user_login

id

species_guess

iconic_taxon_name

taxon_id

num_identification_agreements

num_identification_disagreements

observed_on_string

observed_on

time_observed_at

time_zone

positional_accuracy

public_positional_accuracy

geoprivacy

taxon_geoprivacy

coordinates_obscured

positioning_method

positioning_device

user_id

user_name

created_at

updated_at

quality_grade

license

sound_url

oauth_application_id

captive_cultivated

Eulophia picta

2026-08-02 09:38:07 +1000

Queensland, AU

-27.64107

153.13197

Shepherd's Crook Orchid

https://www.inaturalist.org/observations/387390942

https://inaturalist-open-data.s3.amazonaws.com/photos/709373682/medium.jpg

rich_fuller

387,390,942

Shepherd's Crook Orchid

Plantae

1,598,926

1

0

2026-08-02 09:38:07+10:00

2026-08-02

2026-08-01 23:38:07 UTC

Brisbane

4

29,704

obscured

true

176,845

Richard Fuller

2026-08-02 01:36:33 UTC

2026-08-02 02:50:52 UTC

research

CC0

3

false

Eulophia maculata

2026-07-17 08:10:00 -0400

Princeton, FL, USA

25.55715

-80.36470

Monk Orchid

https://www.inaturalist.org/observations/387384995

https://static.inaturalist.org/photos/709360775/medium.jpg

stevecollins

387,384,995

Monk Orchid

Plantae

1,453,469

2

0

2026/07/17 8:10 AM

2026-07-17

2026-07-17 12:10:00 UTC

Eastern Time (US & Canada)

open

false

586,546

Steve Collins

2026-08-02 01:09:10 UTC

2026-08-02 03:16:29 UTC

research

CC-BY

false

Eulophia maculata

2026-08-01 12:59:33 -0400

Parkland, FL, US

26.32145

-80.22162

Monk Orchid

https://www.inaturalist.org/observations/387351402

https://inaturalist-open-data.s3.amazonaws.com/photos/709296395/medium.jpg

jimw3

387,351,402

Monk Orchid

Plantae

1,453,469

1

0

2026-08-01 12:59:33-04:00

2026-08-01

2026-08-01 16:59:33 UTC

Eastern Time (US & Canada)

7

7

open

false

98,904

James K. Wetterer

2026-08-01 22:53:01 UTC

2026-08-02 00:43:47 UTC

research

CC-BY-NC

3

false

Eulophia maculata

2026-08-01 13:06:25 -0400

Parkland, FL, US

26.32139

-80.22096

Monk Orchid

https://www.inaturalist.org/observations/387350664

https://inaturalist-open-data.s3.amazonaws.com/photos/709295045/medium.jpg

jimw3

387,350,664

Monk Orchid

Plantae

1,453,469

1

0

2026-08-01 13:06:25-04:00

2026-08-01

2026-08-01 17:06:25 UTC

Eastern Time (US & Canada)

4

4

open

false

98,904

James K. Wetterer

2026-08-01 22:50:44 UTC

2026-08-02 00:45:57 UTC

research

CC-BY-NC

3

false

Eulophia maculata

2026-08-01 14:42:40 -0400

Parkland, FL, US

26.32147

-80.22150

Monk Orchid

https://www.inaturalist.org/observations/387341816

https://inaturalist-open-data.s3.amazonaws.com/photos/709277660/medium.jpg

jimw3

387,341,816

Monk Orchid

Plantae

1,453,469

2

0

2026-08-01 14:42:40-04:00

2026-08-01

2026-08-01 18:42:40 UTC

Eastern Time (US & Canada)

4

4

open

false

98,904

James K. Wetterer

2026-08-01 22:20:06 UTC

2026-08-02 00:46:07 UTC

research

CC-BY-NC

3

false

Eulophia maculata

2026-08-01 17:15:06 -0400

Batten Rd, Brooksville, FL, US

28.49245

-82.35167

Monk Orchid

https://www.inaturalist.org/observations/387322925

https://inaturalist-open-data.s3.amazonaws.com/photos/709240091/medium.jpg

rholc3

387,322,925

Monk Orchid

Plantae

1,453,469

1

0

2026-08-01 17:15:06

2026-08-01

2026-08-01 21:15:06 UTC

Eastern Time (US & Canada)

5

5

open

false

6,502,651

2026-08-01 21:15:54 UTC

2026-08-02 02:08:34 UTC

research

CC-BY-NC

843

false

bounds = cajapr Con el siguiente código podemos ver de forma rápida cuántas observaciones de cada especie hemos obtenido de iNaturalist:

summary(as.factor(eulophia$scientific_name))
##            Eulophia alta    Eulophia andamanensis      Eulophia angolensis 
##                       14                        5                        6 
##      Eulophia beravensis         Eulophia bolusii     Eulophia bouliawongo 
##                        1                        1                        1 
##       Eulophia calcarata     Eulophia caricifolia         Eulophia citrina 
##                        1                        4                        4 
##    Eulophia clitellifera      Eulophia cochlearis Eulophia cordylinophylla 
##                        2                        1                        1 
##       Eulophia cucullata         Eulophia dentata    Eulophia diffusiflora 
##                        2                        1                        5 
##          Eulophia ensata    Eulophia eulophioides        Eulophia exaltata 
##                        5                        1                        1 
##          Eulophia exigua       Eulophia explanata      Eulophia flabellata 
##                        1                        3                        1 
##   Eulophia flavopurpurea        Eulophia graminea      Eulophia guineensis 
##                        1                      323                        6 
##        Eulophia herbacea           Eulophia hians     Eulophia hians hians 
##                        1                        4                        1 
##    Eulophia hians nutans      Eulophia horsfallii       Eulophia lamellata 
##                        1                       18                        1 
##    Eulophia lonchophylla        Eulophia maculata       Eulophia micrantha 
##                        2                      279                        2 
##            Eulophia nuda          Eulophia obtusa    Eulophia odontoglossa 
##                       19                        1                        1 
##          Eulophia ovalis Eulophia ovalis bainesii   Eulophia ovalis ovalis 
##                       10                        3                        3 
##      Eulophia parviflora     Eulophia parvilabris      Eulophia pauciflora 
##                       10                        2                        1 
##        Eulophia petersii       Eulophia petiolata           Eulophia picta 
##                       10                        2                      184 
##         Eulophia pulchra         Eulophia recurva  Eulophia roseovariegata 
##                        2                        1                        2 
##       Eulophia siamensis    Eulophia spathulifera        Eulophia speciosa 
##                        2                        2                       11 
##   Eulophia streptopetala         Eulophia tristis     Eulophia welwitschii 
##                        5                        1                        1 
##      Eulophia zeyheriana      Eulophia zollingeri 
##                        2                       25

Ahora que hemos obtenido los datos, podemos observar su distribución en el mapa de Puerto Rico utilizando leaflet.

32.7 Utilizando Leaflet

La función base del paquete leaflet es leaflet(), con esta se activa un artilugio (widget en inglés) sobre el cuál se construye el mapa. Esta función debe estar unida a otra función como addTiles() que añade el mapa.

leaflet() %>% 
  addTiles()

Una vez tenemos el artilugio y el mapa, añadimos una capa que incluye los datos que se desean visualizar con marcadores sobre el mapa con la función addMarkers() dentro del cual se deben especificar los parámetros lng (longitud) y lat (latitud). Note que también se especifica el data.frame que contiene los datos bajo la función leaflet(). Cuando se trabaja en Leaflet, al especificar las variables a utilizar, es necesario colocar una virgulilla (~) antes de la variable. Esto le deja saber a R que lo que se especifica es una variable dentro del data.frame mencionado en la primera capa bajo la función leaflet().

names(eulophia)
##  [1] "scientific_name"                  "datetime"                        
##  [3] "description"                      "place_guess"                     
##  [5] "latitude"                         "longitude"                       
##  [7] "tag_list"                         "common_name"                     
##  [9] "url"                              "image_url"                       
## [11] "user_login"                       "id"                              
## [13] "species_guess"                    "iconic_taxon_name"               
## [15] "taxon_id"                         "num_identification_agreements"   
## [17] "num_identification_disagreements" "observed_on_string"              
## [19] "observed_on"                      "time_observed_at"                
## [21] "time_zone"                        "positional_accuracy"             
## [23] "public_positional_accuracy"       "geoprivacy"                      
## [25] "taxon_geoprivacy"                 "coordinates_obscured"            
## [27] "positioning_method"               "positioning_device"              
## [29] "user_id"                          "user_name"                       
## [31] "created_at"                       "updated_at"                      
## [33] "quality_grade"                    "license"                         
## [35] "sound_url"                        "oauth_application_id"            
## [37] "captive_cultivated"
leaflet(eulophia) %>% 
  addTiles() %>% 
  addMarkers(lng = ~longitude, 
             lat = ~latitude)

Una vez los marcadores están establecidos, es posible añadir etiquetas que contengan información acerca de las observaciones con el parámetro popup de la función addMarkers(). Por ejemplo, se pueden colocar etiquetas que contengan información del lugar de la observación especificando que la etiqueta contenga la información de la variable place_guess. Para ver la etiqueta debe hacer clic sobre el marcador de interés.

names(eulophia)
##  [1] "scientific_name"                  "datetime"                        
##  [3] "description"                      "place_guess"                     
##  [5] "latitude"                         "longitude"                       
##  [7] "tag_list"                         "common_name"                     
##  [9] "url"                              "image_url"                       
## [11] "user_login"                       "id"                              
## [13] "species_guess"                    "iconic_taxon_name"               
## [15] "taxon_id"                         "num_identification_agreements"   
## [17] "num_identification_disagreements" "observed_on_string"              
## [19] "observed_on"                      "time_observed_at"                
## [21] "time_zone"                        "positional_accuracy"             
## [23] "public_positional_accuracy"       "geoprivacy"                      
## [25] "taxon_geoprivacy"                 "coordinates_obscured"            
## [27] "positioning_method"               "positioning_device"              
## [29] "user_id"                          "user_name"                       
## [31] "created_at"                       "updated_at"                      
## [33] "quality_grade"                    "license"                         
## [35] "sound_url"                        "oauth_application_id"            
## [37] "captive_cultivated"
leaflet(eulophia) %>% 
  addTiles() %>% 
  addMarkers(lng = ~ longitude, 
             lat = ~ latitude, 
             popup = ~ place_guess) #  cambiar a la variable de interés

La función paste0 es una función base de R que concatena todos los elementos en una línea de caracteres. Los caracteres introducidos serán interpretados como UTF-8 o codificación de caracteres. Estos caracteres pueden ser mezclados con valores de una variable de caracteres en un data.frame. En el siguiente ejemplo se crea una etiqueta que contiene la ubicación y la especie observada. Se utiliza la función paste0() para combinar caracteres y las variables scientific_name y place_guess del data.frame.

leaflet(eulophia) %>% 
  addTiles() %>% 
  addMarkers(lng = ~ longitude, 
             lat = ~ latitude, 
             popup = paste0("<B>Especie: </B>", "<I>", eulophia$scientific_name, "</I>",
                            "<br/>",
                            "<B>Colectado donde: </B>", eulophia$place_guess)
               )

32.7.1 addAwesomeMarkers: Cambiando el diseño de los marcadores

La función addAwesomeMarkers() puede ser utilizada en lugar de addMarkers() y permite utilizar marcadores con diferentes diseños que se pueden obtener de fontawesome. Es posible cambiar los colores de los marcadores utilizando la codificación de colores RGB en formato (#RRGGBB). La siguiente guía de colores en R creada por Melissa Clarkson (2010) explica como utilizar colores en R: A guide to using color in R. Adicional, esta guía creada por Derek H. Ogle (2022) es muy útil.

En schemecolor podemos encontrar las codificaciones de los colores y muchos funcionan para leaflet. Para hacer estos cambios utilizamos la función awesomeIcons() bajo el parámetro icon dentro de addAwesomeMarkers().

Dentro de la función awesomeIcons() podemos especificar varios parámetros como:

  • icon: El icono que desea utilizar para su marcador. Debe poner el nombre que aparece en la página web de iconos que esté utilizando (i.e., fontawesome).

  • library: Cuando se especifica un icono, es necesario especificar la biblioteca de donde se saca el icono. Si es de fontawesome sería 'fa'.

  • markerColor: Para cambiar el color del marcador (parte que rodea el icono), utilizando la codificación de colores de schemecolor.

  • iconColor: Para cambiar el color del icono del marcador, también con la codificación de schemecolor.

leaflet() %>% 
  addTiles() %>% 
  addAwesomeMarkers(lng = eulophia$longitude, 
                    lat = eulophia$latitude, 
             popup = paste0("<B>Especie: </B>", "<I>", eulophia$scientific_name, "</I>",
                            "<br/>",
                            "<B>Colectado por: </B>", eulophia$place_guess),
            icon = awesomeIcons(icon = "leaf", library = "fa", 
                                markerColor = "blue",
                                iconColor =  "#FFFFFF")
               )

Cuando se visualiza una gran cantidad de datos, esto puede resultar en el solapamiento de los marcadores, lo cual no es muy agradable a la vista. Es posible crear agregados que ayuden a visualizar mejor y faciliten el movimiento a través del mapa con el parámetro clusterOptions bajo la función addAwesomeMarkers(). El valor de este parámetro debe ser la función markerClusterOptions().

leaflet() %>% 
  addTiles() %>% 
  addAwesomeMarkers(lng = eulophia$longitude, lat = eulophia$latitude, 
             popup = paste0("<B>Especie: </B>", "<I>", eulophia$scientific_name, "</I>",
                            "<br/>",
                            "<B>Colectado por: </B>", eulophia$place_guess),
            icon = awesomeIcons(icon = "leaf", library = "fa", 
                                markerColor = "darkgreen",
                                iconColor =  "#FFFFFF"),
            clusterOptions = markerClusterOptions()
               )

Y para culminar, es posible cambiar el diseño del mapa utilizando la función addProviderTiles() en lugar de addTiles(). Puede echar un vistazo a los diferentes diseños disponibles para Leaflet la página de proveedores de Leaflet en GitHub. Actualmente Leaflet en R admite diseños de los siguientes proveedores: OpenStreetMap, MapQuestOpen, Stamen, Esri and OpenWeatherMap.

icon1 <- awesomeIcons(icon = "smile-o",
                      iconColor = "#FFFFFF",
                      library = "fa",
                      markerColor = "darkgreen")

leaflet() %>% 
  addProviderTiles("OpenStreetMap.Mapnik") %>% 
  addAwesomeMarkers(lng = eulophia$longitude, lat = eulophia$latitude, 
             popup = paste0("<B>Especie: </B>", "<I>", eulophia$scientific_name, "</I>",
                            "<br/>",
                            "<B>Colectado por: </B>", eulophia$place_guess),
            icon = icon1
               )

32.8 Trabajando Variables Categóricas con Leaflet:

Es posible distinguir entre especies utilizando diferentes colores, pero debe utilizar la función addCircleMarkers() en lugar de addAwesomeMarkers(). Para colorear grupos en Leaflet es necesario generar una paleta de colores para las variables de interés de acuerdo al tipo de variable (i.e., numérica, factorial). Para esto se utilizan las funciones colorFactor(), colorNumeric(), colorBin(), o colorQuantile(). colorFactor() y colorNumeric() generan paletas de colores para variables factoriales y numéricas, respectivamente; mientras que colorBin() y colorQuantile() generan paletas de colores para valores numéricos resumidos en grupos.

En este caso se está trabajando con una variable factorial que divide las observaciones entre 3 especies de orquídeas. Primero se crea una paleta de colores para una variable factorial con la función colorFactor(). Bajo esta función se especifican los parámetros palette y levels. palettees para especificar la paleta de colores a utilizar y levelsespecifica los niveles de la variable factorial. La paleta de colores que se utiliza ("Dark2") proviene del paquete RColorBrewer. Esta paleta de colores para los niveles de la variable factorial scientific_name del data.frame eulophia se guardará en un objeto llamado pal.

mypal <- colorFactor(palette = 'Set3',
            levels = levels(eulophia$scientific_name))

eulophia$scientific_name=as.factor(eulophia$scientific_name)

mypal <- colorFactor(palette = 'Set3',
            levels = levels(eulophia$scientific_name))

Ahora que se ha especificado los colores para los valores factoriales, es posible utilizar el objeto pal para colorear los marcadores circulares del mapa de Leaflet de acuerdo a la especie observada especificando el parámetro color

leaflet(eulophia) %>% 
  addTiles() %>% 
  addCircleMarkers(lng = ~ longitude, lat = ~ latitude,
                   popup = paste0("<B>Especie: </B>", "<I>", eulophia$scientific_name, "</I>",
                            "<br/>",
                            "<B>Colectado por: </B>", eulophia$place_guess),
                   color = ~ mypal(scientific_name))

Para ayudar con la visualización de datos pertenecientes a diferentes grupos, en ocasiones es bueno presentar una leyenda que indique los colores que representan cada grupo. Es posible añadir una leyenda al mapa de Leaflet utilizando la función addLegend() y especificando los siguientes parámetros:

  • position: Para determinar la posición de la leyenda, en este caso se colocará en la parte superior derecha, "topright", del mapa, pero podría colocarla en la parte inferior derecha ("bottomright"), la parte inferior izquierda ("bottomleft"), o la parte superior izquierda ("topleft").

  • pal: La paleta de colores a utilizar generada a través de la función colorFactor() o sus equivalentes (i.e., colorNumeric())

  • values: Los valores o la variable u objeto que contiene los valores utilizados.

  • title: El título de la leyenda especificado como una línea de caracteres.

leaflet(eulophia) %>% 
  addTiles() %>% 
  addCircleMarkers(lng = ~ longitude, lat = ~ latitude,
                   popup = paste0("<B>Especie: </B>", "<I>", eulophia$scientific_name, "</I>",
                            "<br/>",
                            "<B>Colectado por: </B>", eulophia$place_guess),
                   color = ~ pal(scientific_name)) %>% 
  addLegend(position = "topright", 
            pal = pal, 
            values = ~ scientific_name,
            title = "Species"
            )
iconcolor <- function(scienctific_name)

leaflet() %>% 
  addProviderTiles("Esri.WorldImagery") %>% 
  addAwesomeMarkers(lng = eulophia$longitude, lat = eulophia$latitude, 
             popup = paste0("<B>Especie: </B>", "<I>", eulophia$scientific_name, "</I>",
                            "<br/>",
                            "<B>Colectado por: </B>", eulophia$place_guess),
            icon = icon1
               )

L.circleMarker([place.lon, place.lat], { color: getColor(place.constructdate), // you can call the getColor function fillColor: getColor(place.constructdate), fillOpacity: 0.5 })