Librerias

## Loading required package: raster
## Warning: package 'raster' was built under R version 4.3.3
## Loading required package: sp
## The legacy packages maptools, rgdal, and rgeos, underpinning the sp package,
## which was just loaded, will retire in October 2023.
## Please refer to R-spatial evolution reports for details, especially
## https://r-spatial.org/r/2023/05/15/evolution4.html.
## It may be desirable to make the sf package available;
## package maintainers should consider adding sf to Suggests:.
## The sp package is now running under evolution status 2
##      (status 2 uses the sf package in place of rgdal)
## Loading required package: rgdal
## Warning in library(package, lib.loc = lib.loc, character.only = TRUE,
## logical.return = TRUE, : there is no package called 'rgdal'
## Loading required package: maptools
## Warning in library(package, lib.loc = lib.loc, character.only = TRUE,
## logical.return = TRUE, : there is no package called 'maptools'
## Loading required package: geoR
## Warning: package 'geoR' was built under R version 4.3.3
## --------------------------------------------------------------
##  Analysis of Geostatistical Data
##  For an Introduction to geoR go to http://www.leg.ufpr.br/geoR
##  geoR version 1.9-4 (built on 2024-02-14) is now loaded
## --------------------------------------------------------------
## Loading required package: leaflet
## Warning: package 'leaflet' was built under R version 4.3.3
## Loading required package: tmaptools
## Warning: package 'tmaptools' was built under R version 4.3.3
## Loading required package: rasterVis
## Warning: package 'rasterVis' was built under R version 4.3.3
## Loading required package: lattice
## Warning: package 'lattice' was built under R version 4.3.3
## Loading required package: RColorBrewer
## Warning: package 'raster' is in use and will not be installed
## Installing package into 'C:/Users/PC/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## package 'ggplot2' successfully unpacked and MD5 sums checked
## 
## The downloaded binary packages are in
##  C:\Users\PC\AppData\Local\Temp\Rtmp6XhU4A\downloaded_packages
## Warning: package 'ggplot2' was built under R version 4.3.3
## Warning: package 'raster' is in use and will not be installed
## Loading required package: rgdal
## Warning in library(package, lib.loc = lib.loc, character.only = TRUE,
## logical.return = TRUE, : there is no package called 'rgdal'
## Loading required package: maps
## Warning: package 'maps' was built under R version 4.3.3
## Warning: package 'leaflet' is in use and will not be installed
## Installing package into 'C:/Users/PC/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## package 'plotly' successfully unpacked and MD5 sums checked
## 
## The downloaded binary packages are in
##  C:\Users\PC\AppData\Local\Temp\Rtmp6XhU4A\downloaded_packages
## Installing package into 'C:/Users/PC/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## package 'ggpubr' successfully unpacked and MD5 sums checked
## 
## The downloaded binary packages are in
##  C:\Users\PC\AppData\Local\Temp\Rtmp6XhU4A\downloaded_packages
## Installing package into 'C:/Users/PC/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## package 'pROC' successfully unpacked and MD5 sums checked
## 
## The downloaded binary packages are in
##  C:\Users\PC\AppData\Local\Temp\Rtmp6XhU4A\downloaded_packages

Desarrollo del caso

Queremos identificar que zonas del mundo son propicias para el cultivo de caña de azucar. Para ello, es necesario tener en cuenta los siguientes parámetros:

  1. La temperatura media debe estar entre los 22.5 y 28 grados centigrados
  2. La precipitación anual debe estar entre los 1500 y 3500 milimetros
  3. La precipitación mensual debe estar entre los 125 y 290 milimetros.

Analisis

Precipitaciones

En primera medida, quiero ver como es el comportamiento de precipitaciones a nivel mundial, esto con el fin de lograr identificar a primera vista las zonas que podrian ser propias para el cultivo de caña.

Este ultimo mapa no nos permite identificar claramente estas zonas. Utilizaremos otro tipo de mapa para identificar las zonas:

Aqui se podria ver un poco mas de diferencia a nivel mensual. Podemos notar que las precipitaciones son relativamente mas bajas en los meses de marzo y abril, a diferencia de los meses de Julio y Agosto, en donde hay un nivel de precipitación un poco mayor. Además, es posible identificar que a nivel global, entre los meses de octubre a mayo, en la gran mayoria del terrirorio suramericano existen las condiciones de precipitación mensual adecuadas para el cultivo de caña. En otras zonas del mundo, se podria identificar claramente a la region meridional de Africa (en el mismo rango de meses) y una region importante de asia, ubicada sobre el suroriente.

Procedemos a consolidar la informacion contenida de las precipitaciones mensuales en un solo resultado anual

Aqui podemos observar que la mayoria de las regiones ubicadas entre los tropicos o cerca de ellos tienen un nivel de precipitaciones anual optimo para el cultivo de caña. Claramente, la zona norte de Suramerica tiene estas condiciones a nivel de precipitación que se ajustan para el cultivo de caña. Como mencionabamos, la región meridional de Africa también cuenta con estas condiciones, aunque en menor área y por ultimo, la región suroriental de Asia y parte de la zona noroccidental de Oceania cubre dentro de sus diferentes islas las condiciones de precipitación anual necesarias para el cultivo.

Temperatura

Se procede a hacer el cargue de los archivos de temperatura y a revisar la informacion que contienen.:

De igual manera, aunque los datos podrian ser revisados mensualmente, los datos no son tan legibles a simple vista. Lo que se puede establecer a primera vista es que las diferencias son preponderantes en las epocas de invierno y verano. El invierno se nota bastante entre los meses de noviembre y marzo en la parte norte del planeta. En verano practicamente en todo el planeta excepto en la antartida las temperaturas oscilan al rededor de los 20 grados en promedio.

Haremos un filtro para contemplar las zonas del planeta que mejor se adaptan al cultivo de caña

Aqui claramente se puede observar que la zona entre los tropicos es la mas adecuada para el cultivo de caña de azucar. Es notable como en la parte norte de suramerica se concentra la mayor area dentro de un solo continente para el cultivo de esta especie de planta. Ademas, todo el sur de asia y el noroccidente de oceania es propicia para el cultivo.

Cruce de información de temperatura y precipitacion

Emplearemos un mapa con la division geopolitica del planeta para establecer que paises podrian ser aptos para el cultivo de la caña de azucar:

Bueno, aunque el archivo que consegui para delimitar los paises parece ser que tiene cierta distorción, es posible determinar que los paises ubicados en la parte norte de suramerica, tales como colombia, venezuela, ecuador, norte de peru y de brazil son aptos para este cultivo, tambien la región centroamericana se ve beneficiada, sobre todo en paises como costa rica, nicaragua, panama y la zona de las antillas e islas del caribe, tales como en cuba, republica dominicana, santo domingo y puerto rico.

Ahora, en africa, paises como Etiopia, Sierra leona, liberia, costa de margil, ghana, togo, nigeria, camerun, congo, gabon, rwanda y uganda podrian estar en los paises con mas opciones para el cultivo.

En Asia, paises como India, China, Tailandia, Paquistan, Indonesia serian los paises con mas opciones para este cultivo. En Oceania, las filipinas y australia serían las zonas mas optimas para la caña de azucar.

Extracción de puntos aleatorios en el Valle del Cauca

Se seleccionaran dos puntos geograficos dentro del valle del cauca para extraer información y hacer un calculo de las zonas en el mundo que podrian coincidir con estas mismas condiciones.

##    January February    March    April     May   June    July   August September
## 1 22.50275  22.6155 22.73675 22.44175 22.3585 22.328 22.6225 22.74675  22.57575
##    October November December
## 1 22.02075 21.88275 22.14775

Se grafica entonces una serie de tiempo del primer punto seleccionado:

Tambien se grafica una serie de tiempo para la precipitacion

##   January February March April May June July August September October November
## 1      92      102   132   172 146  112   61     73       105     195      173
##   December
## 1      121

Se grafica una serie de tiempo del segundo punto seleccionado:

##   January February    March  April    May     June   July August September
## 1 22.0595   22.174 22.26775 22.012 21.855 21.75175 21.951 22.008  21.92675
##   October November December
## 1  21.465  21.3825  21.6995

Y tambien se grafica el nivel de precipitacion del punto 2:

##   January February March April May June July August September October November
## 1      92      101   137   181 159  107   60     87       115     199      180
##   December
## 1      126

Similaridad a nivel global de puntos aleatorios identificados

Similaridad con punto 1

Se grafica a nivel global similitudes con el punto 1 en temperatura:

Tanmbién, se grafica a nivel global similitudes con el punto 1 en precipitaciones:

Ahora se hace una interseccion de la informacion resultante del punto 1 en cuanto a temperatura y precipitaciones:

Aqui los datos cambian y se podria establecer que con respecto al punto 1, los paises con mas posibilidades de generar el cultivo de caña de azucar en suramerica serían Paraguay y Urugay. En Africa, los datos tienden a indicar que todo africa ecuatorial seria proclive de propender al cultivo. En Asia y Oceania los paises se reducen al sur de india, algunas de las islas en indonesia y la orilla este de australia.

Similaridad con punto 2

Se grafica a nivel global similitudes con el punto 2 en temperatura:

Tanmbién, se grafica a nivel global similitudes con el punto 2 en precipitaciones:

Ahora se hace una interseccion de la informacion resultante del punto 2 en cuanto a temperatura y precipitaciones:

Aqui los datos son muy similares a los del punto 1 ya que los puntos aleatorios seleccionados estan cerca a Palmira.

Conclusiones

Si bien el primer analisis toma en cuenta valores reales establecidos para el cultivo de caña de azucar y los resultados son consecuentes con la realidad, en el caso de tomar valores de puntos aleatorios dentro del valle podrian generar valores atipicos ya que solo por un par de puntos no se podria establecer una generalidad para los resultados a nivel mundial. Seria necesario tomar varios puntos de una region comun y tomar los valores promedio para obtener valores cercanos a datos realmente validos.

Sin embargo, este ejercicio ha sido interesante ya que este acercamiento demuestra como es posible cruzar información para obtener datos que nos permiten filtrar información dentro de los mapas para obtener resultados visibles por medio de mapas, lo cual nos da herramientas para inferir resultados de una manera mas rapida y puntual. Sin embargo, es necesario encontrar archivos .shp que puedan utilizarse de manera paralela a otro tipo de archivos, como los .tif. para que los resultados de cruces de datos sean mas precisos a nivel visual.