################################################################################
### TALLER FUNDAMENTOS DE R                                                  ###
### EJERCICIO 9.5: CONTROL DE FLUJO                                          ###
###                                                                          ###
### Center for Conservation and Sustainable Development                      ###
### Missouri Botanical Garden                                                ###
### Website: rbasicsworkshop.weebly.com                                      ### 
################################################################################

## OBJETIVO:
## Practicar el uso de de bucles ("loops")

# el código a continuación simula el rango geogrófico de una especie en EEUU
# continental. En particular, simula el área de ocupancia de una especie
# utilizando un método similar al empleado en: Sheth et al. 2012. Understanding 
# bias in geographic range size estimates. Global Ecology and Biogeography 21: 
# 732-–742.

## Defina su directorio de trabajo


## TAREA 1 ##
## Cree un marco de datos llamado "región", usando la función *read.table*
## para leer el archivo "Region.txt", disponible en la página del taller.
## Este archivo contiene las coordenadas de parcelas de árboles a través de
## EEUU (ver http://fia.fs.fed.us/). Note que "Region.txt" tiene valores 
## separados por comas y títulos de columnas. 

# Un gráfico de las coordenadas de las parcelas
plot(region[,c(2,1)], asp=1, cex=0.25, pch=16, col="darkolivegreen2")


# Utilizaremos sólo los datos en la parte este de EEUU, así que eliminamos los datos
# de las parcelas al occidente de la longitud -85:
region <- region[-which(region$LONG<=-85),]


## TAREA 2 ##
## Haga un nuevo mapa con este subconjunto de datos


# El siguiente código selecciona la primera parcela del rango geográfico de la especie 
# y la grafica:
geo.range <- sample(1:nrow(region), 1)
points(region[geo.range, c(2, 1)], cex=0.25, pch=16, col="red")

# el siguiente código define el tamaño del rango geográfico en términos del número de
# parcelas ocupadas por una especie
AOO <- 1000

# El código a continuación expande el rango geográfico hasta alcanzar un tamaño predeterminado:
for(i in 1:AOO)
{
  print(i)
  
  # Seleciona el siguiente parcela de partida dentro del rango geográfico de la especie
  source.point <- sample(1:length(geo.range), 1)
	
  # Calcula las distancias de la parcela de partida a todas la parcelas no ocupadas
  dif.lon <- region[geo.range[source.point], 2] - region[-geo.range, 2]
  dif.lat <- region[geo.range[source.point], 1] - region[-geo.range, 1]
  geodistance <- sqrt(dif.lon^2 + dif.lat^2)

  
  # Selecciona la parcela no ocupada más cercana a la parcela de partida
  o <- order(geodistance)

  areas.disponibles <- c(1:nrow(region))[-geo.range]	
  
  new.cell <- areas.disponibles[o[1]]

  geo.range <- append(geo.range, new.cell, after=length(geo.range))

  
  ## TAREA 3 ##
  ## Adicione una línea de código que utilice la función *points* para graficar 
  ## la epansión del rango geográfico que está simulando
  
}


# Examine el mapa del rango de distribución de la especies en mayor detalle: 
plot(region[,c(2,1)], asp=1, cex=0.75, pch=16, col="darkolivegreen2", 
  xlim=range(region[geo.range, 2]), ylim=range(region[geo.range, 1]))
points(region[geo.range, c(2, 1)], cex=0.75, pch=16, col="red")



















################################################################################
### RESPUESTAS #################################################################
################################################################################

## TASK 1 ## 
region <- read.table(file=file.choose(), header=TRUE, sep=",")


## TASK 2 ##
plot(region[,c(2,1)], asp=1, cex=0.25, pch=16, col="darkolivegreen2")


## TASK 3 ##
points(region[geo.range, c(2, 1)], cex=0.25, pch=16, col="red")