Buenas prácticas para la publicación de datos de eventos de muestreo

Archivo Darwin Core (DwC-A) es un estándar de datos informáticos que hace uso de los términos Darwin Core para producir un conjunto de datos único y autocontenido para los datos de las listados de especies. La recopilación de archivos en un único archivo forma un conjunto de datos autocontenido, que puede proporcionarse como un archivo comprimido (Zip o Gzip). Un conjunto de datos se compone de un documento de metadatos descriptivo y un conjunto de uno o más archivos de datos. Para obtener más información sobre DwC-A consulte Guía práctica de los Archivos Darwin Core.

Para publicar datos de eventos de muestreo a través de GBIF, es necesario documentar la procedencia y el alcance de los conjuntos de datos. Esa documentación de los conjuntos de datos se denomina "metadatos" y permite a los usuarios evaluar la idoneidad de un conjunto de datos para su uso. Puede describir las metodologías de muestreo utilizadas para su colecta, y las personas y organizaciones involucradas en su creación y gestión. Los metadatos se comparten en un Archivo Darwin Core como un documento XML. GBIF proporciona un perfil de metadatos para conjuntos de datos de eventos de muestreo basado en el Lenguaje de Metadatos Biológicos. Una guía práctica describe todas las opciones para describir un conjunto de datos de evento de muestreo utilizando este formato. Consulte Guía práctida del perfil de metadatos de GBIF.

El formato de Archivos Darwin Core proporciona el marco estructural para publicar datos de eventos de muestreo. Los Archivos Darwin Core constan de una serie de uno o más archivos de texto, en formato estándar delimitado por comas o tabulaciones. Estos archivos de texto están organizados de manera lógica en forma de estrella con un archivo central, que contiene los elementos core de los eventos de muestreo (protocolo de muestreo, tamaño de la muestra, localización, etc.) rodeados por una serie de 'extensiones', que describen tipos de datos relacionados (como registros de especies, medidas o hechos relacionados con los eventos de muestreo, etc.). Las conexiones entre los registros core y los de las extensiones se realizan utilizando un elemento identificador de los datos del evento (eventID). De esta manera, pueden existir muchos registros de extensiones para cada registro core del evento. Este "esquema en estrella" proporciona un modelo de datos relacional simple que admite muchos tipos de anotaciones que son comunes a los conjuntos de datos de eventos de muestreo.

Una forma alternativa de codificar los datos de los eventos de muestreo es enumerar los registros biológicos de la especie en el archivo core, rodeado de una serie de extensiones que describen los tipos de datos relacionados (como las mediciones relacionadas con los registros biológicos de la especie, etc.). Es preferible enumerar los eventos de muestreo en el archivo core si una parcela o un sitio es el objetivo principal del estudio.

Tenga en cuenta que el actual esquema en estrella de DwC-A tiene limitaciones. Por ejemplo, no permite vincular las mediciones y los hechos tanto a los eventos de muestreo como a los registros biológicos en el mismo conjunto de datos. Los debates sobre este prototipo de extensión se están llevando a cabo en GitHub, pero todavía no hay ninguna solución disponible.

Por favor, compruebe los requisitos de calidad de datos para los Eventos de muestreo. Tenga en cuenta que si genera su Archivo Darwin Core de manera manual, usted podría necesitar añadir un campo recordID que contenga identificadores únicos. (Este campo se genera de forma automática si está usando un IPT). Para más información sobre la estructura de un Archivo Darwin Core, por favor vea la Guía de texto Darwin Core del TDWG. Siempre puede comprobar su archivo con el validador de datos de GBIF.

Para facilitar la comprensión, podemos utilizar los términos campo en esta guía para referirnos al conjunto de términos Darwin Core en el perfil de publicación del evento de muestreo al que se mapearan los datos de un usuario. Por ejemplo, nos referiremos al uso del campo dwc:scientificName cuando nos refiramos al término Darwin Core, scientificName.

Los siguientes campos Darwin Core almacenan el tamaño de muestra de un evento de muestreo:

El valor de sampleSizeValue es un número y debe tener su correspondiente sampleSizeUnit. El valor de sampleSizeUnit debe restringirse únicamente al uso de unidades del Sistema Internacional u otras unidades aceptadas para su uso en el Sistema Internacional (p. ej., minuto, hora, día, litro) de acuerdo al Vocabulario de Unidades de medida. Se proporcionan ejemplos a continuación en la tabla 1.

Puede representar un área de muestreo utilizando una forma WKT apropiada o una ubicación de punto de latitud/longitud. Si se hace correctamente, también se puede derivar el muestreo de la dirección en que se llevó a cabo. Por ejemplo, una línea de arrastre oceánica representada con una forma WKT LINESTRING permite determinar la dirección de la red de arrastre basándose en la notación estándar para escribir los puntos de inicio y finalización.

Los siguientes archivos Darwin Core también deben ser usados como un par:

La Tabla 2 enumera algunos valores como ejemplo. El valor de organismQuantity es un número o una enumeración, p. ej., “27” para un organismQuantityType “individuos”, “12.5” para un organismQuantityType “%biomasa”, o “r” para un organismQuantityType “BraunBlanquetScale”. El valor de organismQuantityType (p. ej., la entidad que está siendo medida) debe ser extraído de un vocabulario controlado reducido con términos como “Individuos”, “%Biomasa”, “%Biovolumen”, “%Especies”, “%Cobertura”, “BraunBlanquetScale”, “DominScale”. Ejemplos cuando se combinan con los valores de organismQuantity: “+” en DominScale; “5” en BraunBlanquetScale; “45” para %Biomasa.

Cada evento se identifica de manera única utilizando dwc:eventID y ocasionalmente dwc:parentEventID. Aunque el tipo y formato del identificador es arbitrario, recomendamos que los publicadores seleccionen identificadores únicos globales y persistentes (GUID). En ausencia de GUID, los publicadores pueden reutilizar el fieldNumber original.

Asegúrese de reutilizar identificadores estables existentes y no cree un nuevo identificador para un evento cuando ya hay uno aceptado.

Los eventos de muestreo pueden estar relacionados entre sí (p ej., muestras anidadas) mediante un identificador parental común. Por ejemplo, varios sub-eventos de muestreo en una parcela de Whittaker cada uno con sus propios eventID (p. ej.,: "A1:1", "A1:2") compartirían un parentEventID común (p. ej.,: "A1") lo que permite vincularlos entre sí fácilmente (ver Tabla 4 y Figura 3).

En la sección de proyecto de los metadatos adjuntos puede encontrarse más información sobre la naturaleza de la relación (p. ej., parte de una serie de monitoreo).

También puede dirigirse a las siguientes preguntas frecuentes.

Diríjase a las siguientes preguntas frecuentes.

Puede elegir incluir medios complementarios para facilitar la interpretación de los datos. Por ejemplo, para datos de vegetación es útil incluir un enlace a la lámina de relevé original escaneada cuando se interpreten los datos.

Los archivos asociados tienen que ser alojados en un servidor externo y enlazados la los registros a través de dwc:associatedMedia y dwc:associatedReferences. Estos archivos pueden ser imágenes, textos o una combinación de ambos siempre que se especifique el tipo de formato. Las imágenes JPG, PNG, etc. serán visibles como miniaturas mientras que los PDFs aparecerán como enlaces pulsables.

Numerosos campos requieren el uso de identificadores únicos: dwc:occurrenceID, dwc:eventID, dwc:organismID y dwc:locationID.

Como se ha mencionado anteriormente, aunque no es obligatorio utilizar un formato concreto, aconsejamos a los publicadores utilizar Identificadores únicos globales (GUID, por sus siglas en inglés). Existen varios servicios online que pueden prorcionar tales identificadores. Por ejemplo, es posible utilizar http://www.geonames.org/ para encontrar (o incluso generar nuevos) identificadores para dwc:locationID, p. ej., http://sws.geonames.org/10793757/ es un GUID para un lago en Groenlandia.

Si su conjunto de datos contiene especies sensibles, existen varias formas de manejarlo:

Aunque los datos y descripciones originales no son visibles en la web de GBIF.org, se ponen al alcance de la comunidad a través de descargas. Cuando introduzca descripciones originales, asegúrese de vincularlas con el evento o registro original. Por ejemplo, el ID o código proporcionado en el evento original debe ser introducido en dwc:fieldNumber, el ID o código proporcionado en la observación del registro original debe ser introducido en dwc:recordNumber.

Los datos producidos por un proyecto de muestreo grande deberían ser publicados, si es posible, como un único conjunto de datos. Si debe publicar múltiples conjuntos de datos, le recomendamos que los vincule utilizando un identificador de proyecto común en los metadatos.

Los eventos de muestreo proporcionan mejor documentación y mayor beneficio para la comunidad científica y los encargados de formular las políticas (leer más). Recomendamos encarecidamente la re-publicación de los datos de registros biológicos como datos de eventos de muestro cuando sea posible.

Para hacerlo, debe crear un nuevo conjunto de datos de eventos de muestreo y enviar un correo electrónico a la Mesa de ayuda de GBIF (helpdesk@gbif.org). En este correo electrónico, debe proporcionar los UUID del conjunto de datos de registros biológicos y del nuevo conjunto de datos. Entonces podremos enlazar el primer conjunto de datos con el nuevo antes de desindexarlo, evitando así la duplicación de registros biológicos y preservando las citas.

Si su conjunto de datos contiene monitoreos continuos de individuos vivos, tales como datos de monitoreo de aves, puede utilizar dwc:organismID para almacenar el ID del individuo que está siendo monitoreado. Además de eso, debe representar cada individuo monitoreado como un evento único.

Si fuera posible, recomendamos hacer seguimiento de todas las incidencias relacionadas con un conjunto de datos utilizando un sistema de gestión de incidencias tales como el proporcionado por GitHub.

Idealmente, los códigos y programas personalizados utilizados para transformar los datos deberían ser compartidos en GitHub. Otros publicadores podrán beneficiarse del acceso a estos códigos junto a instrucciones detalladas sobre cómo utilizarlos.

Algunos conjuntos de datos pueden proceder del mismo proyecto de investigación o pueden estar relacionados en ciertos contextos. La recomendación actual es vincularlos utilizando un identificador de proyectos.

Puede facilitar la interpretación de su conjunto de datos incluyendo enlaces a trabajos publicados relacionados tales como artículos científicos, notas de proyectos, tesis, etc., en las citas bibliográficas o en la sección de enlaces externos de los metadatos.

Tabla core (de evento)

Tabla de extensiones (de registros)

Explicación

Ephemera danica : Un total de 14 individuos de 1,25 metros cuadrados fueron obtenidos en este evento de muestreo. El recuento derivado de individuos por metro cuadrado es de 11,2 (14/1,25).

Tabla core (de evento)

Tabla de extensiones (de registros)

Tabla de extensión (medida-o-hecho)

Explicación

Abra ovata : Un total de 57 individuos de 0.04 metros cuadrados fueron obtenidos en el evento de muestreo IA1.

Cada evento también puede tener mediciones o hechos asociados, p. ej., mediciones ambientales como la temperatura de los sedimentos y el potencial redox (Eh).

Tenga en cuenta que este ejemplo está basado en la versión anterior de la Base de datos de vegetación holandesa (LVD), republicada como conjunto de datos de evento de muestreo. La extensión Relevé sufre cambios significativos respecto a la publicación del original. Para más información sobre LVD y los modelos de datos para datos de eventos de muestreo de vegetación ver: https://gbif.blogspot.com/2016/07/probably-turbovegs-best-kept-secret.html

Tabla de extensiones (de registros)

Tabla de extensión (relevé)

Explicación

Acer psuedoplatanus : En los 200 m2 muestreados, la abundancia de especies fue reportada como "r" en la escala de Braun-Blanquet.

Las medidas adicionales de parcelas de vegetación tales como el tipo de comunidad vegetal (syntaxon) % de valores cubiertos que son típicos de conjuntos de datos de tipo TurboVeg son incluidos en una extensión Relevé (parcela-vegetación).

Tabla core (de evento)

Tabla de extensiones (de registros)

Explicación

Opisthograptis luteolata : 11 individuos fueron observados en un período de muestreo de 16 días. El número derivado de individuos por días es de 0.68 (11/16).

Tabla core (de evento)

Tabla de extensiones (de registros)

Tabla de extensione (medida-o-hecho)

Explicación

Pieras rapae : Un total de 1 individuo de 250 m2 fue obtenido en este evento de muestreo. Varias medidas ambientales (p. ej., temperatura, velocidad del viento, nubosidad) son incluidas en una extensión de medida-o-hecho.

Tabla core (de evento)

Tabla de extensiones (de registros)

Explicación

Aulostomus chinensis : En este muestreo se obtuvieron un total de 4 individuos en 500 metros cuadrados.

Los elementos del evento core son obtenidos principalmente de los eventos DwC de clases, localización y contexto geológico (Tabla 3). Los elementos de la extensión de registros biológicos son obtenidos de registros biológicos , taxón y clases de identificación. Por motivos de consistencia, la extensión de registros biológicos incluye todos los términos encontrados en el core de los registros biológicos.Por ello, los términos evento, localización y contexto geológico también son enumerados en la extensión de registros biológicos, pero son redundantes. Tenga en cuenta que el IPT no muestra términos redundantes por defecto al mapear para conveniencia del usuario.

El símbolo "+" indica términos nuevos propuestos que no han sido ratificados.

Adiciones previstas y notas para la revisión de la sección Buenas prácticas en la publicación de datos de eventos de muestreo.