Biodiversidad
Para nuestro análisis, esta variable es importante ya que nuestro fin en cierta medida es aumentar la biodiversidad de los pinares y favorecer a unos bosques con diversas especies arbustivas y arbóreas como Quercus, por lo que al transformarla a un criterio usaremos una función invertida, siendo nuestro principal objetivo aquellas masas densas monoespecificas, es decir, en lugares con gran diversidad serán menos aptos.
Esta variable la valoraremos a partir del indice de Shannon ( también conocido como Shannon-Weaver ) el cual es uno de los índices más utilizados para cuantificar la biodiversidad específica es el de Shannon, derivado de la teoría de información como una medida de la entropía. El índice refleja la heterogeneidad de una comunidad sobre la base de dos factores: el número de especies presentes y su abundancia relativa. Conceptualmente es una medida del grado de incertidumbre asociada a la selección aleatoria de un individuo en la comunidad\cite{pla2006biodiversidad}
Este viene dado por la expresión:
\[\sum_{ }^{ }pi\cdot\log_2\left(pi\right)\]
donde Pi es la abundancia relativa de cada especie (en numero de individuos o cobertura)\cite{del2008revision}
Para la visualización de esta variable, utilizamos GBIF.ES, Jupyter Notebook y QGIS.
1. Comenzamos, realizando una consulta al portal de datos de GBIF.es, ya que este es el portal mas conocido que contiene información relevante de ocurrencia de diferentes especies alrededor del mundo, para ello realizamos una búsqueda por área colocando nuestro polígono WKT y descargamos el fichero CSV.
2. Modificamos el fichero guardado en Jupyther Notebook para solo quedarnos con las columnas de Latitud, Longitud, Especie y Identificador (ID) del registro y lo guardamos como DatosGBIF_Zona2.csv.
3. Entramos a QGIS y cargamos el CSV y lo reproyectamos a SRC ED50/UTM 30N, ID: ESP:23030.
4. Dentro de QGIS en Vectorial->herramientas de investigación->crear cuadricula, creamos una cuadricula de tamaño 200x200 y guardamos este shp.
5. Importamos programa que vamos a utilizar geopandas
necesario para manejar datos geoespaciales en python y hvplot.pandas
para graficar mapas o la elaboración de diagramas.