Capítulo26 Leaflet: Mapas interactivos

## [1] "2025-10-01"
library(tidyverse)

26.1 Bajar los datos de la web del USGS

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

library(data.table)
earthquakes <- fread("https://earthquake.usgs.gov/earthquakes/feed/v1.0/summary/all_month.csv")

head(earthquakes, n=10)
##                    time latitude longitude   depth   mag magType   nst    gap
##                  <POSc>    <num>     <num>   <num> <num>  <char> <int>  <num>
##  1: 2025-10-01 20:22:27 59.79340 -150.8774 33.5000  3.60      ml    NA     NA
##  2: 2025-10-01 20:06:04 31.64800 -104.3670  3.7814  2.00      ml    28  71.00
##  3: 2025-10-01 19:41:15 38.79433 -122.7772  2.4000  0.77      md     8 156.00
##  4: 2025-10-01 19:34:36 62.62740 -150.4595 75.2000  1.40      ml    NA     NA
##  5: 2025-10-01 19:31:57 19.26417 -155.4885 -0.4900  2.24      ml    53  60.00
##  6: 2025-10-01 19:26:13 33.47460  142.3962 10.0000  4.50      mb    26 161.00
##  7: 2025-10-01 19:25:46 38.43710 -116.4973  6.0000  1.60      ml     8 149.94
##  8: 2025-10-01 19:24:23 38.42530 -116.4950  9.8000  1.80      ml     7 111.26
##  9: 2025-10-01 19:17:53 32.40900 -102.1600  6.8115  1.30      ml    39  61.00
## 10: 2025-10-01 19:01:34 46.00917 -112.4555 -2.0000  1.71      ml    11  71.00
##         dmin    rms    net           id             updated
##        <num>  <num> <char>       <char>              <POSc>
##  1:       NA 0.7300     ak ak025clhajal 2025-10-01 20:24:40
##  2: 0.100000 0.3000     tx tx2025tirfou 2025-10-01 20:09:15
##  3: 0.008479 0.0100     nc   nc75243606 2025-10-01 20:07:18
##  4:       NA 0.5200     ak ak025clgrozt 2025-10-01 19:46:53
##  5: 0.018570 0.2700     hv   hv74789577 2025-10-01 19:35:12
##  6: 2.192000 0.6200     us   us6000re33 2025-10-01 19:53:45
##  7: 0.492000 0.1370     nn   nn00905278 2025-10-01 20:11:35
##  8: 0.489000 0.1781     nn   nn00905275 2025-10-01 19:50:05
##  9: 0.000000 0.1000     tx tx2025tipqbe 2025-10-01 19:53:58
## 10: 0.068890 0.1100     mb   mb90114673 2025-10-01 20:09:19
##                                  place         type horizontalError depthError
##                                 <char>       <char>           <num>      <num>
##  1:      8 km SSE of Fox River, Alaska   earthquake              NA  0.3000000
##  2: 58 km S of Whites City, New Mexico   earthquake       0.0000000  1.0843872
##  3:         3 km NW of The Geysers, CA   earthquake       0.6500000  0.9600000
##  4:    21 km NE of Petersville, Alaska   earthquake              NA  0.6000000
##  5:           6 km N of Pāhala, Hawaii   earthquake       0.3600000  0.1600000
##  6:       266 km SE of Katsuura, Japan   earthquake      10.3400000  1.9410000
##  7:       76 km ENE of Tonopah, Nevada   earthquake              NA  4.8000000
##  8:       75 km ENE of Tonopah, Nevada   earthquake              NA  4.3000000
##  9: 36 km ENE of McKinney Acres, Texas   earthquake       0.4297477  0.4164435
## 10:           6 km E of Butte, Montana quarry blast       0.3200000 31.6100000
##      magError magNst    status locationSource magSource
##         <num>  <int>    <char>         <char>    <char>
##  1:        NA     NA automatic             ak        ak
##  2: 0.2000000     21 automatic             tx        tx
##  3: 0.0600000      9 automatic             nc        nc
##  4:        NA     NA automatic             ak        ak
##  5: 0.2600000      4 automatic             hv        hv
##  6: 0.1500000     13  reviewed             us        us
##  7: 0.1800000      3  reviewed             nn        nn
##  8: 0.1900000      3  reviewed             nn        nn
##  9: 0.1000000     17  reviewed             tx        tx
## 10: 0.3137015     18  reviewed             mb        mb

26.2 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':   9819 obs. of  22 variables:
##  $ time           : POSIXct, format: "2025-10-01 20:22:27" "2025-10-01 20:06:04" ...
##  $ latitude       : num  59.8 31.6 38.8 62.6 19.3 ...
##  $ longitude      : num  -151 -104 -123 -150 -155 ...
##  $ depth          : num  33.5 3.78 2.4 75.2 -0.49 ...
##  $ mag            : num  3.6 2 0.77 1.4 2.24 4.5 1.6 1.8 1.3 1.71 ...
##  $ magType        : chr  "ml" "ml" "md" "ml" ...
##  $ nst            : int  NA 28 8 NA 53 26 8 7 39 11 ...
##  $ gap            : num  NA 71 156 NA 60 ...
##  $ dmin           : num  NA 0.1 0.00848 NA 0.01857 ...
##  $ rms            : num  0.73 0.3 0.01 0.52 0.27 ...
##  $ net            : chr  "ak" "tx" "nc" "ak" ...
##  $ id             : chr  "ak025clhajal" "tx2025tirfou" "nc75243606" "ak025clgrozt" ...
##  $ updated        : POSIXct, format: "2025-10-01 20:24:40" "2025-10-01 20:09:15" ...
##  $ place          : chr  "8 km SSE of Fox River, Alaska" "58 km S of Whites City, New Mexico" "3 km NW of The Geysers, CA" "21 km NE of Petersville, Alaska" ...
##  $ type           : chr  "earthquake" "earthquake" "earthquake" "earthquake" ...
##  $ horizontalError: num  NA 0 0.65 NA 0.36 ...
##  $ depthError     : num  0.3 1.08 0.96 0.6 0.16 ...
##  $ magError       : num  NA 0.2 0.06 NA 0.26 ...
##  $ magNst         : int  NA 21 9 NA 4 13 3 3 17 18 ...
##  $ status         : chr  "automatic" "automatic" "automatic" "automatic" ...
##  $ locationSource : chr  "ak" "tx" "nc" "ak" ...
##  $ magSource      : chr  "ak" "tx" "nc" "ak" ...
##  - attr(*, ".internal.selfref")=<externalptr>

26.3 Importación de Paquetes y Datos

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

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

nrow(earthquakes)
## [1] 9819
EQ_100 = earthquakes |> slice(1:100)
head(EQ_100)
##                   time latitude longitude   depth   mag magType   nst   gap
##                 <POSc>    <num>     <num>   <num> <num>  <char> <int> <num>
## 1: 2025-10-01 20:22:27 59.79340 -150.8774 33.5000  3.60      ml    NA    NA
## 2: 2025-10-01 20:06:04 31.64800 -104.3670  3.7814  2.00      ml    28    71
## 3: 2025-10-01 19:41:15 38.79433 -122.7772  2.4000  0.77      md     8   156
## 4: 2025-10-01 19:34:36 62.62740 -150.4595 75.2000  1.40      ml    NA    NA
## 5: 2025-10-01 19:31:57 19.26417 -155.4885 -0.4900  2.24      ml    53    60
## 6: 2025-10-01 19:26:13 33.47460  142.3962 10.0000  4.50      mb    26   161
##        dmin   rms    net           id             updated
##       <num> <num> <char>       <char>              <POSc>
## 1:       NA  0.73     ak ak025clhajal 2025-10-01 20:24:40
## 2: 0.100000  0.30     tx tx2025tirfou 2025-10-01 20:09:15
## 3: 0.008479  0.01     nc   nc75243606 2025-10-01 20:07:18
## 4:       NA  0.52     ak ak025clgrozt 2025-10-01 19:46:53
## 5: 0.018570  0.27     hv   hv74789577 2025-10-01 19:35:12
## 6: 2.192000  0.62     us   us6000re33 2025-10-01 19:53:45
##                                 place       type horizontalError depthError
##                                <char>     <char>           <num>      <num>
## 1:      8 km SSE of Fox River, Alaska earthquake              NA   0.300000
## 2: 58 km S of Whites City, New Mexico earthquake            0.00   1.084387
## 3:         3 km NW of The Geysers, CA earthquake            0.65   0.960000
## 4:    21 km NE of Petersville, Alaska earthquake              NA   0.600000
## 5:           6 km N of Pāhala, Hawaii earthquake            0.36   0.160000
## 6:       266 km SE of Katsuura, Japan earthquake           10.34   1.941000
##    magError magNst    status locationSource magSource
##       <num>  <int>    <char>         <char>    <char>
## 1:       NA     NA automatic             ak        ak
## 2:     0.20     21 automatic             tx        tx
## 3:     0.06      9 automatic             nc        nc
## 4:       NA     NA automatic             ak        ak
## 5:     0.26      4 automatic             hv        hv
## 6:     0.15     13  reviewed             us        us

26.4 Mapa básico con Leaflet

leaflet(earthquakes) %>% 
  addTiles() %>% 
  addCircleMarkers(lng = ~longitude, 
             lat = ~latitude, 
             popup = ~mag,
             color= ~(type))
#unique(earthquakes$type)

#color= ~(type),

26.5 Usando la paletas de color de viridis

Pasos

  1. Seleccionar los datos en el 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)
unique(EQ_100$type)
pal = colorFactor(palette = "magma≠", domain = NULL)


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

26.6 Trabajando con datos de iNaturalist

26.6.1 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:

  • 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 cuantas 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.

  • latitue: 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 lo 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
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

eulophia <- get_inat_obs(taxon_name = "Eulophia", 
                            quality = 'research', 
                            geo = T, 
                            maxresults = 1000,
                            bounds = cajapr)

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

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

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))

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

26.7 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)
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)
leaflet(eulophia) %>% 
  addTiles() %>% 
  addMarkers(lng = ~ longitude, 
             lat = ~ latitude, 
             popup = ~ place_guess) #  cambiar a la variable de interes

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)
               )

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 marcadora, 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 = "darkgreen",
                                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("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
               )

26.8 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 numericas, 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 })