taxonomy.md

Estructura y manejo de la taxonomía en la base de datos

Marius Bottin 2023-04-19

• 1 Probar la taxonomía en los datos DarwinCore
  • 1.1 Buscar las variables de taxonomía
  • 1.2 Correcciones de forma
  • 1.3 Creación tabla sin repetición
• 2 Buscar los errores de taxonomía
  • 2.1 Inconsistencias en los nombres superiores de taxones
  • 0.1 Inconsistencias en los niveles taxonomicos
  • 3.1 Integración en el sistema taxonomico
    • 3.1.1 Reinos
    • 3.1.2 Filos
    • 3.1.3 Clases
    • 3.1.4 Ordenes
    • 3.1.5 subordenes
    • 3.1.6 Family
    • 3.1.7 Subfamilias
    • 3.1.8 Tribus
    • 3.1.9 Género
    • 3.1.10 Especies
      • 3.1.10.1 Añadir las especies que corresponden a los taxones inferiores
    • 3.1.11 Infraespecies
• 4 Analyse of the taxonomic database
• 5 Dar codigos taxonomicos a cada fila de la tabla taxonomica total
• 6 Manejo de las morfo especies
  • 6.1 Arboreos (botanica)
  • 6.2 Epifitas vasculares
  • 6.3 Epifitas no vasculares
  • 6.4 Colémbolos
  • 6.5 Escarabajos
  • 6.6 Macroinvertebrados
  • 6.7 Macrofitas
  • 6.8 Zooplancton
  • 6.9 Phytoplancton
  • 6.10 Perifiton
  • 6.11 Mamiferos
  • 6.12 Mariposas
  • 6.13 Peces
  • 6.14 Hormigas
  • 6.15 Cameras trampa
  • 6.16 Herpetos (reptiles)
• 7 CREATING sql taxonomic function
  • 7.1 Ejemplos de utilización
  • 7.2 INDEX

---

knitr::opts_chunk$set(tidy.opts = list(width.cutoff = 70), tidy = TRUE, connection="fracking_db")
require(openxlsx)
require(RPostgreSQL)

fracking_db <- dbConnect(PostgreSQL(), dbname = "fracking")

1 Probar la taxonomía en los datos DarwinCore

load("dataGrupos.RData")

1.1 Buscar las variables de taxonomía

names_gp_sheets <- lapply(dataGrupos, names)
DF_gp_sheets <- data.frame(gp_biol = rep(names(names_gp_sheets), sapply(names_gp_sheets,
    length)), sheet = Reduce(c, names_gp_sheets))
DF_gp_sheets$registro <- grepl("registro", DF_gp_sheets$sheet)
column_registros <- apply(DF_gp_sheets[DF_gp_sheets$registro, ], 1, function(x,
    l) {
    colnames(l[[x[1]]][[x[2]]])
}, l = dataGrupos)
# sort(table(Reduce(c,column_registros)),decreasing = T)

taxonomic_col <- c("kingdom", "phylum", "class", "order", "family", "genus",
    "scientificName", "specificEpithet", "taxonRank", "vernacularName",
    "scientificNameAuthorship", "identificationQualifier", "identificationRemarks",
    "higherClassification")
# lapply(column_registros,function(x,c)c[!c%in%x],c=taxonomic_col)
colnames(dataGrupos$Hidrobiologico$registros_fitoplancton)[colnames(dataGrupos$Hidrobiologico$registros_fitoplancton) ==
    "Family"] <- "family"

Extraer una tabla total de taxonomía

taxonomicTotal <- Reduce(rbind, apply(DF_gp_sheets[DF_gp_sheets$registro,
    ], 1, function(x, l, c) {
    tabReg <- l[[x[1]]][[x[2]]]
    MissingVar <- c[!c %in% colnames(tabReg)]
    if (length(MissingVar) > 0) {
        MissingTab <- as.data.frame(matrix(NA, nrow = nrow(tabReg), ncol = length(MissingVar)))
        colnames(MissingTab) <- MissingVar
        tabReg <- data.frame(tabReg, MissingTab, row.names = NULL)
    }
    data.frame(gp = x[1], sheet = x[2], tabReg[, c], row.names = NULL)
}, l = dataGrupos, c = taxonomic_col))

1.2 Correcciones de forma

Reemplazar vacíos por NA

taxonomicTotal[which(taxonomicTotal == "", arr.ind = T)] <- NA

Suprimir los “trailing whitespace”

for (i in 1:ncol(taxonomicTotal)) {
    taxonomicTotal[, i] <- trimws(taxonomicTotal[, i])
}

Los nombres taxonomico deben empezar por una mayuscula (al menos en la primera palabra)

mayu1_col <- c("kingdom", "phylum", "class", "order", "family", "genus",
    "scientificName")
for (i in 1:length(mayu1_col)) {
    taxonomicTotal[, mayu1_col[i]] <- gsub("^([a-z])", "\\U\\1", taxonomicTotal[,
        mayu1_col[i]], perl = T)
}

1.3 Creación tabla sin repetición

dim(taxonomicTotal)

## [1] 129654     16

taxonomicTotal_un <- unique(taxonomicTotal)
dim(taxonomicTotal_un)

## [1] 5490   16

2 Buscar los errores de taxonomía

2.1 Inconsistencias en los nombres superiores de taxones

Lo que hacemos acá es, para cada caso de cada nivel taxonomico, averiguar que el nivel superior sea siempre lo mismo:

toTest <- c("kingdom", "phylum", "class", "order", "family", "genus", "scientificName")
error_diffSup <- list()
for (i in 1:length(toTest)) {
    if (i > 1) {
        sup <- tapply(taxonomicTotal_un[, toTest[i - 1]], taxonomicTotal_un[toTest[i]],
            unique, simplify = F)
        if (i > 2) {
            sup <- tapply(dplyr::coalesce(taxonomicTotal_un[, toTest[i -
                1]], taxonomicTotal_un[, toTest[i - 2]]), taxonomicTotal_un[toTest[i]],
                unique, simplify = F)
        }
        nb_sup <- sapply(sup, length)
        error_diffSup[[toTest[i]]] <- sup[nb_sup > 1]
    }
}

Mostrar los resultados:

for (i in 1:length(error_diffSup)) {
    nivel = names(error_diffSup)[i]
    if (!length(error_diffSup[[i]])) {
        next
    }
    for (j in 1:length(error_diffSup[[i]])) {
        taxon_inf <- names(error_diffSup[[i]])[j]
        tabConcerned <- taxonomicTotal[taxonomicTotal[, nivel] == taxon_inf,
            ]
        cat("El taxon \"", taxon_inf, "\" (nivel:", nivel, ", presente en los grupos: ",
            paste(unique(na.omit(tabConcerned$gp)), collapse = ", "), ")\n se encuentra con los taxones superiores siguientes:",
            paste(error_diffSup[[i]][[j]], collapse = ", "), "\n\n")
    }
}

El taxon ” Sphyrotheca ” (nivel: scientificName , presente en los grupos: Collembolos ) se encuentra con los taxones superiores siguientes: Sphyrotheca , Sphyrotheca