CONTEXTO

Se está investigando sobre las regiones del mundo donde se pueden establecer cultivos de caña de azúcar con el objetivo de obtener altos rendimientos potenciales (kg/ha). Se ha identificado que el clima es uno de los factores limitantes que pueden impedir la obtención de estos rendimientos óptimos. Por lo tanto, se han realizado investigaciones para determinar los rangos climáticos óptimos, específicamente en términos de temperatura, que permiten alcanzar rendimientos potenciales elevados. Se ha establecido que el rango óptimo para la temperatura media se encuentra entre 22.5 y 28 grados Celsius. Se ha observado que la región del Valle del Cauca, en Colombia, posee rendimientos potenciales altos para el cultivo de caña de azúcar. Por lo tanto, sería ideal buscar regiones en el mundo que presenten condiciones climáticas similares a las del Valle del Cauca para el establecimiento de estos cultivos.

LIBRERÍAS

Para llevar a cabo el análisis de temperatura en las regiones globales donde se podrían obtener rendimientos potenciales óptimos para el cultivo de caña de azúcar, se necesitarán ciertas librerías. Estas son:

library(tidyverse)
library(raster)
library(sp)
library(leaflet)
library(sf)
library(knitr)
library(kableExtra)

MAPA DE APTITUDES

Se procederá a cargar el conjunto mensual de datos de temperatura media, los cuales se encuentran en formato raster.

ruta=list.files("C:/Users/Andre/OneDrive/Escritorio/Datos geograficos y espaciales/Actividad2/temperatura/",full.names = TRUE)
temp=stack(ruta)

Una vez cargadas las imágenes, se procede a realizar una inspección visual de su contenido para obtener una comprensión inicial de los datos.

names(temp)=month.name
plot(temp)

La revisión preliminar indica que los datos disponibles incluyen la temperatura media mensual por países. A continuación, se procederá a filtrar estos datos según las condiciones óptimas identificadas para alcanzar rendimientos potenciales elevados en el cultivo de caña de azúcar.

temp_cond=temp>22.5&temp<28
names(temp_cond)=month.name
plot(temp_cond)

Se observa entonces, como el mapa ilustra las áreas óptimas a nivel mundial donde se pueden alcanzar altos rendimientos potenciales para el cultivo de caña de azúcar, considerando la temperatura media por mes.

IDENTIFICACIÓN DE PAÍSES

A partir de la información anterior, es posible construir un indicador de aptitud general que refleje la temperatura media durante todo el año. Este indicador permitirá identificar las regiones del mundo donde las condiciones de temperatura óptimas para el cultivo de caña de azúcar se presentan durante la mayor parte del tiempo. A continuación, se presenta la formulación de dicho indicador de aptitud:

aptitud=sum(temp_cond)/12*100
plot(aptitud)

El indicador propuesto se representa como un valor porcentual que oscila entre el 0% y el 100%. Un valor de 0% sugiere que la región no es adecuada para el cultivo de caña de azúcar. Por otro lado, un valor cercano al 100% indica que la región presenta condiciones de temperatura óptimas para dicho cultivo.

Con el objetivo de refinar aún más este indicador de aptitud, se ha decidido filtrar y considerar únicamente aquellos valores superiores al 60%. Esta estrategia facilita la identificación de las regiones del mundo que son verdaderamente propicias para el cultivo de caña de azúcar.

aptitud[][which(aptitud[]<60)]=NA
plot(aptitud)

A partir de la información anterior, se identifica que los países situados cerca de la línea del ecuador son los que principalmente cumplen con la temperatura óptima para el cultivo de caña de azúcar. En particular, se destacan tres países de interés para un análisis más detallado: Brasil, Colombia y Camerún.

Utilizando la biblioteca leaflet, se visualizan estos países en un mapa. A este mapa se superpone el indicador espacial de aptitud, lo que permite obtener una estimación más precisa de las zonas específicas dentro de estos países donde se presentan las temperaturas óptimas para el cultivo de caña de azúcar.

##cortar solo para brasil

library(rnaturalearth)

map1 = ne_countries(type = "countries", country = "Brazil",
                     scale = "medium", returnclass = "sf")

aptitud_bra=mask(aptitud,map1)
aptitud_bra=crop(aptitud_bra,map1)

leaflet() %>% addTiles() %>% addRasterImage(aptitud_bra,opacity = 0.6)

En el mapa, se puede apreciar que una gran proporción de Brasil, específicamente más del 60% del país, principalmente en la región norte, se destaca en color púrpura. Esto indica que estas regiones presentan una temperatura óptima para el cultivo de caña de azúcar.

##cortar solo para colombia

map2 = ne_countries(type = "countries", country = "Colombia",
                     scale = "medium", returnclass = "sf")

aptitud_opc2_col=mask(aptitud,map2)
aptitud_opc2_col=crop(aptitud_opc2_col,map2)

leaflet() %>% addTiles() %>% addRasterImage(aptitud_opc2_col,opacity = 0.6)

En el caso de Colombia, se observan diversas zonas con temperaturas óptimas para este cultivo. Estas zonas se localizan principalmente en las regiones oeste y sur del país. Es importante destacar que también se presentan condiciones favorables en la región central del país. Por lo tanto, una considerable proporción del territorio colombiano presenta valores óptimos de temperatura media que son beneficiosos para estos cultivos.

##cortar solo para camerún

map3 = ne_countries(type = "countries", country = "cameroon",
                     scale = "medium", returnclass = "sf")

aptitud_cam=mask(aptitud,map3)
aptitud_cam=crop(aptitud_cam,map3)

leaflet() %>% addTiles() %>% addRasterImage(aptitud_cam,opacity = 0.6)

Por último, es notable cómo el sur de Camerún exhibe una importante área con la temperatura ideal para el cultivo de caña de azúcar. Esta región, al igual que las áreas identificadas en Brasil y Colombia, representa un potencial significativo para la producción de este cultivo.

EL VALLE DEL CAUCA

# Leer el shapefile
valle_del_cauca <- st_read("C:/Users/Andre/OneDrive/Escritorio/Datos geograficos y espaciales/Actividad2/Poligono_VDC_C-Geograficas/Poligono_valle_wgs84.shp")
## Reading layer `Poligono_valle_wgs84' from data source 
##   `C:\Users\Andre\OneDrive\Escritorio\Datos geograficos y espaciales\Actividad2\Poligono_VDC_C-Geograficas\Poligono_valle_wgs84.shp' 
##   using driver `ESRI Shapefile'
## Simple feature collection with 1 feature and 13 fields
## Geometry type: POLYGON
## Dimension:     XY
## Bounding box:  xmin: -77.54505 ymin: 3.090819 xmax: -75.70487 ymax: 5.036871
## Geodetic CRS:  WGS 84
# Crear un mapa base
m <- leaflet() %>%
  addProviderTiles(providers$OpenStreetMap)

# Agregar el shapefile al mapa
m <- addPolygons(m, data = valle_del_cauca)

# Definir los puntos
P1 = c(4.345477601904287, -76.17246143428522)
P2 = c(3.7227426614984163, -76.87825520922115)
P3 = c(3.3192716070759856, -76.72688850270191)

# Agregar los puntos al mapa
m <- addMarkers(m, lng = c(P1[2], P2[2], P3[2]), lat = c(P1[1], P2[1], P3[1]),
                label = c("Punto 1", "Punto 2", "Punto 3"))

# Mostrar el mapa
m

Se ha identificado que la región del Valle del Cauca, en Colombia, presenta altos rendimientos potenciales para el cultivo de caña de azúcar. Con el objetivo de comprender mejor las condiciones de temperatura en esta región, se han seleccionado tres puntos aleatorios. A continuación, se presentan las coordenadas de estos puntos:

Coordenadas de los puntos seleccionados
Punto Latitud Longitud
P1 4.3455 -76.1725
P2 3.7227 -76.8783
P3 3.3193 -76.7269

Teniendo en cuenta estos tres puntos, se planea extraer sus temperaturas y, con base en ellas, construir curvas de temperatura por mes para cada punto. Los resultados de este análisis se presentarán a continuación.

coords <- rbind(c(-76.17246143428522, 4.345477601904287),
                c(-76.87825520922115, 3.7227426614984163),
                c(-76.72688850270191, 3.3192716070759856))

# Extraer los valores de temperatura para cada punto
temp_values <- raster::extract(temp, coords)*1

# Convertir los datos a un data frame
temp_values_df <- as.data.frame(temp_values)
names(temp_values_df) <- 1:12  # Cambiar los nombres de los meses a números
temp_values_df$Punto <- c("P1", "P2", "P3")

# Convertir el data frame a formato largo
temp_values_long <- tidyr::pivot_longer(temp_values_df, cols = 1:12, names_to = "Mes", values_to = "Temperatura")

# Crear el gráfico
ggplot(temp_values_long, aes(x = as.numeric(Mes), y = Temperatura, color = Punto)) +
  geom_line() +
  labs(title = "Series de tiempo de temperatura", x = "Mes", y = "Temperatura") +
  scale_x_continuous(breaks = 1:12) +  # Ajustar la escala del eje X
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5))  # Centrar el título

El gráfico muestra la variabilidad de las temperaturas en puntos aleatorios del Valle del Cauca, una región conocida por sus condiciones ideales para el cultivo de caña de azúcar. Sin embargo, estos datos revelan que no todos los puntos mantienen las mismas condiciones óptimas.

Aunque la temperatura se mantiene similar durante casi todo el año en diferentes puntos, hay variaciones dependiendo de la altitud del lugar. Esto sugiere la necesidad de una revisión cuidadosa para identificar aquellos lugares donde las temperaturas son realmente óptimas para el cultivo de caña de azúcar.

De los puntos analizados, el punto 2 se acerca más a la temperatura óptima para el cultivo de caña de azúcar, según lo descrito en la literatura. Esto subraya la importancia de considerar las variaciones locales al planificar los cultivos.

SIMILARIDAD

Ahora, el objetivo es determinar si existen zonas en el mundo que presenten patrones de temperatura media similares a los observados en las coordenadas previamente extraídas para el Valle del Cauca. Para lograr esto, se realizan los siguientes cálculos:

# Definir las coordenadas
coords <- rbind(c(-76.17246143428522, 4.345477601904287),
                c(-76.87825520922115, 3.7227426614984163),
                c(-76.72688850270191, 3.3192716070759856))

# Extraer los valores de temperatura para cada punto
temp_values <- raster::extract(temp, coords)

# Similitudes
similitud_P1=abs(temp_values[1,]-temp)
similitud_P2=abs(temp_values[2,]-temp)
similitud_P3=abs(temp_values[3,]-temp)

Punto 1

El primer resultado presenta un mapa que ilustra las áreas que comparten similitudes climáticas con la primera ubicación aleatoria seleccionada en el Valle del Cauca.

similar_menosde_2_P1=similitud_P1<2
aptitud_P1=sum(similar_menosde_2_P1)/12*100
plot(aptitud_P1)

pos=which(aptitud_P1[]<60)
aptitud_P1[][pos]=NA
plot(aptitud_P1)

Se puede notar que este primer punto muestra coincidencias con un número limitado de áreas dentro del mismo país de donde se extrajeron las coordenadas. También se observan similitudes con algunas regiones de Centroamérica, África, Asia y Oceanía.

Punto 2

similar_menosde_2_P2=similitud_P2<2
aptitud_P2=sum(similar_menosde_2_P2)/12*100
plot(aptitud_P2)

pos=which(aptitud_P2[]<60)
aptitud_P2[][pos]=NA
plot(aptitud_P2)

En realidad, el punto 2 muestra una gran similitud con el rango óptimo, ya que se encuentra dentro de este. Al examinar la similitud, se puede observar que las áreas que coinciden son prácticamente las mismas que las del rango completo establecido como óptimo, al inicio del análisis.

Punto 3

similar_menosde_2_P3=similitud_P3<2
aptitud_P3=sum(similar_menosde_2_P3)/12*100
plot(aptitud_P3)

pos=which(aptitud_P3[]<60)
aptitud_P3[][pos]=NA
plot(aptitud_P3)

El punto 3 es el que muestra menos similitudes. Las condiciones de temperatura en este punto son las más difíciles de encontrar en otras zonas del mundo y que se sostengan a lo largo del año.

COMPARACIÓN Y CONCLUSIONES

Las tres coordenadas seleccionadas, a pesar de tener tres perfiles de temperatura distintos, muestran que las zonas con una similitud de temperatura de aproximadamente 2 grados siguen estando cerca de la línea del ecuador. Sin embargo, es importante destacar que para los puntos 1 y 3, las zonas de similitud se reducen significativamente.

En particular, la zona 2 se encuentra en el punto óptimo para el cultivo de caña de azúcar y, por lo tanto, es la que encuentra más áreas similares. Aunque también se observa una reducción del área, esto se debe a que la curva de temperatura para este punto muestra valores más precisos, en lugar de un rango esperado como se estaba trabajando al principio.

Esto lleva a la conclusión de que al requerir mayor precisión sobre una variable climática, es probable que se reduzca considerablemente el área de acción donde se desea trabajar. Esto subraya la importancia de un análisis detallado y cuidadoso al seleccionar áreas para el cultivo de caña de azúcar.

Además, es interesante notar que el continente africano y algunas zonas de Asia y Oceanía presentan temperaturas que coinciden con las que se observan en el Valle del Cauca durante todo el año. Esto sugiere que estas regiones podrían tener un potencial similar para el cultivo de caña de azúcar, siempre y cuando se consideren otros factores relevantes como la calidad del suelo, la disponibilidad de agua y las condiciones socioeconómicas.