NIRtools foi desenhado para auxiliar taxonomistas e ecólogos de plantas em documentar e construir subconjuntos de dados do infravermelho próximo (NIR, do inglês Near infrared spectroscopy), por meio do usos de arquivos de parâmetros que servirão como metadados de cada subconjunto. Também estão inclusas funções para auxiliar a plotar os resultados. O pacote foi criado inicialmente para lidar com leituras obtidas de um espectrofotômetro Thermo Nicollet (Thermo Fischer Scientific, Waltham, Massachusetts, USA), modelo Antaris II FT-NIR Analyzer, hospedado no herbário do INPA, Amazonas, Brasil.

Caso haja o desejo de contribuir para o desenvolvimento do pacote, ou se verifique algum erro na instalação, no uso de alguma função, abra um problema na seção Issues do GitHub e dê um alô: https://github.com/ricoperdiz/NIRtools/issues.

Problemas/Issues: https://github.com/ricoperdiz/NIRtools/issues.

Você pode instalar esta versão em desenvolvimento por meio do pacote remotes.

install.packages("remotes")
library(remotes)
remotes::install_github("ricoperdiz/NIRtools")

Após instalar o NIRtools, digite o comando abaixo para ver o arquivo contendo o tutorial do pacote.

vignette("NIRtools_tutorial", package = "NIRtools")

Primeiro, carregue o pacote:

library("NIRtools")

Vamos trabalhar com o conjunto de dados que vem com o pacote, chamado nir_data. Após o carregamento do pacote, ele ficará disponível. Ele consiste em um arquivo com 48 linhas e 1562 colunas e é uma pequena porção de um conjunto de dados muito maior utilizado na minha tese (Perdiz 2020), que abrange dados NIR extraídos de espécimes do complexo de espécies Protium aracouchini (Aubl.) Marchand, um grupo de árvores pertencentes à família Burseraceae e de distribuição Neotropical.

dim(nir_data)
#> [1]   48 1562

As cinco primeiras colunas correspondem aos identificadores dos dados:

• especimenid - identificador numérico do espécime dentro da base de dados DuckeWiki, onde estoco todos os dados de minha tese. Trata-se da coluna identificadora da amostra.
• SP1 - nome da espécie. Aqui pode haver epítetos específicos, nomes de espécies, nomes de morfotipos etc;
• face - face do folíolo que foi extraída a leitura NIR. Este conjunto de dados é proveniente de plantas com flores, logo, utilizamos faces das folhas/folíolos para obter as leituras.
• coletor - nome do coletor da amostra.
• number - número de coleta da amostra.

names(nir_data)[1:5]
#> [1] "especimenid" "SP1"         "face"        "coletor"     "number"

Abaixo, vemos as primeiras seis linhas e dez colunas dos dados:

head(nir_data)[, 1:10]
#>    especimenid            SP1    face      coletor number X10001.03  X3999.64
#> 1:       10194 P. aracouchini abaxial Perdiz, R.O.   2856 0.2776265 0.5961316
#> 2:       10194 P. aracouchini adaxial Perdiz, R.O.   2856 0.2542301 0.5672824
#> 3:       10194 P. aracouchini abaxial Perdiz, R.O.   2856 0.2730012 0.5813973
#> 4:       10194 P. aracouchini adaxial Perdiz, R.O.   2856 0.2582242 0.5764732
#> 5:       10194 P. aracouchini abaxial Perdiz, R.O.   2856 0.2776265 0.5961316
#> 6:       10194 P. aracouchini adaxial Perdiz, R.O.   2856 0.2542301 0.5672824
#>    X4003.497 X4007.354 X4011.211
#> 1: 0.5964082 0.5962480 0.5961008
#> 2: 0.5674334 0.5673867 0.5674006
#> 3: 0.5817484 0.5816703 0.5815431
#> 4: 0.5767084 0.5766730 0.5765890
#> 5: 0.5964082 0.5962480 0.5961008
#> 6: 0.5674334 0.5673867 0.5674006

As colunas que começam X correspondem aos espectros NIR.

É comum durante as análises de dados NIR criarmos vários subconjuntos de dados. Para facilitar o processo de arquivamento de cada subconjunto de dados, criei uma função para auxiliar no processo de criação de metadados que descrevam cada um dos subconjuntos.

O metadado é um arquivo de texto em que estão especificados todos os parâmetros para se criar um subconjunto de dados NIR. Para isso, fazemos uso da função write_NIRparams.

Neste exemplo, meu subconjunto se chamará conjunto1, eu utilizarei a MÉDIA das leituras (argumento meanno parâmetro reads) e apenas a face abaxial (argumento abaxial no parâmetro surface) das folhas. Também informo qual o nome da coluna para reconhecer a amostra (argumento especimenid no parâmetro individual_id) e o táxon (argumento SP1 no parâmetro group_id).

write_NIRparams(
  file = "conjunto1",
  wd = ".",
  reads = "mean",
  surface = "abaxial",
  nir_variables = "all",
  surface_id = "face",
  individual_id = "especimenid",
  group_id = "SP1",
  nir_id = "X"
)

Ao executar a função, uma messagem aparece confirmando a ação e informando onde o arquivo foi salvo.

Vamos ver este arquivo:

readLines("test-NIRparams.txt")

#>  [1] "# NIR dataset description - Dataset name and variables for its construction"                                                                             
#>  [2] "conjunto1 ## [dataset_name]: Dataset name."                                                                                                              
#>  [3] "inst/extdata ## [working_dir]: Location of working directory. If not provided, current working directory will be used one"                               
#>  [4] "abaxial ## [surface]: Which leaf surface (abaxial, adaxial, both)"                                                                                       
#>  [5] "mean ## [reads]: Do all the reads will be taken into account (all, mean)?"                                                                               
#>  [6] "all ## [nir_variables]: Which NIR variables will be used (all, subset)"                                                                                  
#>  [7] "           ## [subset_file]: Location of NIR variable subset file, in case option selected in `nir_variables` was `subset`"                              
#>  [8] "especimenid ## [individual_id]: Which variable name corresponds to the individual?"                                                                      
#>  [9] "           ## [individual_list]: Location of a file containing list of specimens to subset data when building datasets with `build_NIRdataset` function."
#> [10] "face ## [surface_id]: Which variable name corresponds to the leaf surface?"                                                                              
#> [11] "SP1 ## [group_id]: Which name corresponds to the group category?"                                                                                        
#> [12] "X ## [nir_id]: A string that can be used to grep column names containing NIR data. Default value is '`X`, which precedes all columns with NIR data."

Após a criação do arquivo, você pode visualizar as informações deste metadado em um data.frame utilizando a função read_NIRparams().

read_NIRparams(arq = "conjunto1-NIRparams.txt")

#>    dataset_index dataset_name group_id individual_id individual_list nir_id
#> 1:             1    conjunto1      SP1   especimenid                      X
#>    nir_variables reads subset_file surface surface_id  working_dir
#> 1:           all  mean             abaxial       face inst/extdata

Tendo um arquivo de metadado pronto, podemos utilizá-lo para construir subconjuntos de dados com a função build_NIRdataset(). Vamos utilizar nosso conjunto nir_data nesta ação e atribuir o subconjunto ao objeto subset01:

subset01 <- build_NIRdataset(dframe = nir_data, params_file_path = "test-NIRparams.txt", save_txt = TRUE, save_RDS = FALSE)

Você pode também salvar o conjunto de dados como um arquivo .RDS, bastando alterar o argumento save_RDS = FALSE para save_RDS = TRUE.

Vamos checar nosso subconjunto subset01:

head(subset01)[, 1:10]
#>    especimenid            SP1 X10001.03  X3999.64 X4003.497 X4007.354 X4011.211
#> 1:       10194 P. aracouchini 0.2753139 0.5887644 0.5890783 0.5889591 0.5888220
#> 2:       10196 P. aracouchini 0.2749816 0.6923077 0.6922057 0.6917682 0.6912639
#> 3:       10197 P. aracouchini 0.2733511 0.6746285 0.6747441 0.6746230 0.6742794
#> 4:       12647   P. calanense 0.3311255 0.7202857 0.7205464 0.7204470 0.7201952
#> 5:       12648   P. calanense 0.4101432 0.7467227 0.7471405 0.7470607 0.7470689
#> 6:       12650   P. calanense 0.3457028 0.7229991 0.7234671 0.7235295 0.7234836
#>    X4015.068 X4018.925 X4022.781
#> 1: 0.5883515 0.5874672 0.5861983
#> 2: 0.6904556 0.6891801 0.6876332
#> 3: 0.6734916 0.6723469 0.6707479
#> 4: 0.7194824 0.7183890 0.7167415
#> 5: 0.7465844 0.7457219 0.7442728
#> 6: 0.7228718 0.7219306 0.7205142

Já demonstramos o uso da função build_NIRdataset() para construir subconjuntos de dados NIR. Vou dar outro exemplo.

Vamos fazer um novo subconjunto, desta vez utilizando ambas as faces (argumento both no parâmetro surface).

write_NIRparams(
  file = "conjunto2",
  wd = ".",
  reads = "mean",
  surface = "both",
  nir_variables = "all",
  surface_id = "face",
  individual_id = "especimenid",
  group_id = "SP1",
  nir_id = "X"
)

subset02 <- build_NIRdataset(dframe = nir_data, params_file_path = 'conjunto2-NIRparams.txt', save_txt = FALSE, save_RDS = FALSE)

head(subset02)[, 1:10]
#>    especimenid            SP1 X10001.03  X3999.64 X4003.497 X4007.354 X4011.211
#> 1:       10194 P. aracouchini 0.2657705 0.5803211 0.5805746 0.5804945 0.5804084
#> 2:       10196 P. aracouchini 0.2736647 0.6922972 0.6921306 0.6916431 0.6910621
#> 3:       10197 P. aracouchini 0.2739116 0.6801971 0.6802206 0.6799290 0.6795169
#> 4:       12647   P. calanense 0.3277592 0.7225972 0.7229013 0.7228144 0.7225778
#> 5:       12648   P. calanense 0.3929228 0.7438272 0.7442128 0.7442216 0.7442072
#> 6:       12650   P. calanense 0.3473396 0.7405394 0.7410842 0.7411734 0.7411214
#>    X4015.068 X4018.925 X4022.781
#> 1: 0.5799928 0.5791540 0.5778621
#> 2: 0.6902488 0.6890739 0.6874375
#> 3: 0.6787094 0.6775456 0.6760225
#> 4: 0.7218783 0.7208041 0.7191810
#> 5: 0.7436983 0.7428911 0.7414960
#> 6: 0.7405892 0.7396831 0.7381997

Criei uma função para facilitar a criação de gráficos com os espectros NIR. Vamos utilizar novamente o conjunto nir_data como demonstração.

Primeiramente, precisamos converter os dados para um objeto de classe nirdf. Esta classe foi criada neste pacote e visa facilitar a produção de gráficos de espectros mais facilmente. Para converter um conjunto de dados NIR em um objeto de classe nirdf, são necessários itens:

1. Especificar a variável que contem a nossa categoria de interesse no gráfico. Neste caso, a nossa variável de interesse se chama SP1 e corresponde a uma coluna do objeto nir_data. Esta informação deve ser informada no argumento category.
2. Informar quais colunas possuem as variáveis NIR. Em nosso objeto nir_data, as variáveis NIR possuem a letra X precedendo cada variável NIR. Esta informação deve ser colocada no argumento measure_columns.

nirdad <- nirdf(nir_data, category = "SP1", measure_columns = grep("^X", names(nir_data), value = TRUE), measure_columns_prefix = "X")
#> 
#> Removing measurement column prefix: X
#> 
#> Returning a nirdf object.

Ao executar esta ação, obtemos um objeto de classe nirdf:

class(nirdad)
#> [1] "nirdf"      "data.table" "data.frame"

Em seguida, basta usar a função plot() informando no argumento category o nome da coluna contendo a categoria de interesse. Neste caso, trata-se da variável SP1

plot(nirdad, "SP1")

Incluí alguns argumentos novos para facilitar a mudança de alguns parâmetros gráficos.

plot(nirdad, "SP1", xlabel ="Meu eixo X",
  ylabel = "Meu eixo Y")

plot(nirdad, "SP1", legend_position = "topright")

plot(nirdad, "SP1", legend_position = "topleft")

plot(nirdad, "SP1", legend_position = "bottomright")

plot(nirdad, "SP1", legend_position = "bottomleft")

plot(nirdad, "SP1", cex_pt = 0.08)

plot(nirdad, "SP1", cex_pt = 0.14)

plot(nirdad, "SP1", cex_leg = 0.6)

plot(nirdad, "SP1", cex_leg = 0.9)

plot(nirdad, "SP1", text_font = 1)

plot(nirdad, "SP1", text_font = 2)

plot(nirdad, "SP1", text_font = 3)

plot(nirdad, "SP1", color = c("green", "red"))

plot(nirdad, "SP1", plot_legend = TRUE)

plot(nirdad, "SP1", plot_legend = FALSE)

Está em processo de construção um aplicativo Shiny para auxiliar no processo de importação e visualização dos dados NIR.

No momento, o aplicativo está funcionando, porém ainda não aceita dados do usuários. Como uma maneira de demonstração, sugiro a você usuário testar o aplicativo e em caso de sugestões, abrir um problema na seção Issues relatando sua experiência e sugestões de melhora no aplicativo.

A idéia é permitir que o usuário carregue seus dados, possa executar análises, checar espectros e salvá-los, dando a possibilidade de alterar argumentos em todos os passos.

Instale os pacotes abaixo:

install.packages(c("shiny", "DT", "RColorBrewer"), dependencies = TRUE)

Agora, execute os comandos abaixo:

library("NIRtools")
meuaplicativo()

Por enquanto, o aplicativo só permite visualizar algumas variáveis do conjunto de dados nir_data utilizado nos exemplos anteriores.

Em breve, teremos novas funcionalidades. Aguarde!