Dinamica de produccion Agricola en el departamento de Sucre
Carlos Hernando Mesa Orozco
20.12.2024
1.Introduccion.
En este cuaderno se ilustra como obtener estadistica multianuales para un grupo determinado de cultivos en el departamento de sucre. utilizaremos como fuente principal de datos las evaluaciones agropecuarias municipales (EVA), un conjunto de datos agricolas de 2019 - 2023 proporcionado por el ministerio de Agricultura y Desarrollo rural.
library(ggplot2)
library(dplyr)
library(readr)
library(tidyverse)list.files("./datos", pattern = c ('csv'))## [1] "Evaluacion_Agropecuarias_Departamento_Sucre.csv"2. Base de datos agricola del Departamento de Sucre
A continuacion se muestra los resultados obtenidos entre los años 2019 y 2023 en el departamento de sucre
(eva = read_csv2("./datos/Evaluacion_Agropecuarias_Departamento_Sucre.csv", col_names = TRUE,
show_col_types = FALSE))names(eva)## [1] "COD. MUN." "MUNICIPIO"
## [3] "Grupo cultivo" "Subgrupo"
## [5] "Cultivo" "Desagregación cultivo"
## [7] "Año" "Periodo"
## [9] "Área sembrada (ha)" "Área cosechada (ha)"
## [11] "Producción (t)" "Rendimiento (t/ha)"
## [13] "Estado físico del cultivo"eva <- eva |> dplyr::select("COD. MUN." : "Estado físico del cultivo") ->eva.tmpeva.tmp |> dplyr::rename("COD. MUN." = "COD. MUN.",
"MUNICIPIO" = "MUNICIPIO",
"Grupo" = "Grupo cultivo",
"Subgrupo" = "Subgrupo",
"Cultivo" = "Cultivo",
"Sistema" = "Desagregación cultivo",
"Year" = "Año",
"Periodo" = "Periodo",
"Area sembrada" = "Área sembrada (ha)",
"Area cosechada" = "Área cosechada (ha)",
"Produccion" = "Producción (t)",
"Rendimiento" = "Rendimiento (t/ha)",
"Estado" = "Estado físico del cultivo")-> new.evanew.eva3. Analisis de la produccion de cultivos
la produccion total contiene la suma de la produccion de cada grupo de cultivo en el departamento de Sucre, dicho datos revela una marcada concentración en dos categorías principales: raíces y tubérculos, con una producción total de 1,372,903.90 unidades, y cereales, con 1,131,086.19 unidades. Estas categorías representan los pilares de la producción agrícola, evidenciando su alta demanda y adaptabilidad a las condiciones locales.
En contraste, los grupos de hortalizas (141,679.13 unidades) y frutales (125,663.72 unidades) muestran una participación significativa, aunque considerablemente menor, probablemente debido a limitaciones en la extensión de cultivos o mercados específicos.
Los cultivos tropicales tradicionales (61,077.22 unidades) y oleaginosas (35,638.52 unidades) registran niveles moderados de producción, destacando su importancia en segmentos específicos del mercado agrícola. Finalmente, las leguminosas tienen la menor participación, con un total de 4,058.47 unidades, lo que podría indicar una oportunidad para promover su cultivo en futuras estrategias de diversificación agrícola.
new.eva %>%
group_by(Grupo) %>%
summarize(total_Produccion = sum(Produccion)) %>%
arrange(desc(total_Produccion))new.eva %>%
group_by(Grupo) %>%
summarize(total_produccion = sum(Produccion)) -> PTPT %>%
filter(total_produccion > 100000) -> main.groups4. suma total de produccion
(value = sum(main.groups$total_produccion))## [1] 2771333main.groups$percent = main.groups$total_produccion/value5. Distribucion porcentual de cultivos
- Distribución dominante: La sección más grande corresponde al grupo “Raíces y tubérculos” (morado), ocupando aproximadamente el 50% del total.
- Segundo lugar: El grupo “Cereales” (rojo) representa aproximadamente el 40%-45% del total.
- Secciones menores: “Frutales” (verde) y “Hortalizas” (azul) ocupan una pequeña porción combinada alrededor del 5%-10%.
library(ggplot2)
bp<- ggplot(main.groups, aes(x="", y=percent, fill=Grupo))+
geom_bar(width = 1, stat = "identity")
pie <- bp + coord_polar("y", start = 0)
pie
6. Analisis de la produccion agricola total por tipo de cultivo y municipio
esta tabla presenta la distribuccion total de la produccion agricola, clasificada por grupos de cultivos y municipios correspondientes. se destacan las tendencias de produccion en diferentes categorias como cereales, raices y tuberculos, hortalizas, frutales, cultivos tropicales tradicionales, oleaginosas y leguminosas. Estos datos permiten identificar las principales zonas productivas, asi como la concentracion de ciertos cultivos en municipios especificos.
Los datos reflejan una alta concentracion en la produccion de cereales en el municipio de Majagual y una contribución destacada de raíces y tubérculos en Ovejas, evidenciando la especialización agrícola de esta region. podemos identificar patrones claves, como la preponderancia de cultivos tradicionales y la baja participación de grupos como leguminosas.
new.eva %>%
group_by(Grupo, MUNICIPIO) %>%
summarise(total_prod = sum(Produccion, na.rm = TRUE)) %>%
slice(which.max(total_prod)) %>%
arrange(desc(total_prod))new.eva %>%
group_by(Grupo, MUNICIPIO)%>%
summarize(total_prod = sum(Produccion, na.rm = TRUE)) %>%
slice(which.max(total_prod)) -> leaders## `summarise()` has grouped output by 'Grupo'. You can override using the
## `.groups` argument.7. Grafico de barras.
La imagen muestra un gráfico de barras que compara el total de producción (“total_prod”) entre diferentes municipios. En el eje horizontal se encuentran los nombres de los municipios: Majagual, Ovejas, Sampués, San Marcos y San Onofre. En el eje vertical se representan los valores numéricos.
El municipio de Majagual destaca como el que tiene el mayor total de producción, alcanzando un valor cercano a 500,000. Le sigue Ovejas, con un total de producción de aproximadamente 200.000. Los municipios de Sampués, San Marcos y San Onofre presentan valores significativamente menores, casi imperceptibles en comparación con los dos primeros municipios.
leaders %>%
filter(total_prod > 500) -> main.leadersp<-ggplot(data = main.leaders, aes(x=MUNICIPIO, y=total_prod)) +
geom_bar(stat = "identity")
p
8.tabla de cultivo representativo entre los años 2019 al 2023
En el período 2019-2023, el cultivo de arroz en Majagual ha tenido fluctuaciones, con picos destacados en los años 2020 ,2022, y 2023 .
new.eva %>%
filter(MUNICIPIO=="Majagual" & Cultivo=="Arroz") %>%
group_by(Year, Cultivo) %>%
select(MUNICIPIO, Cultivo, Produccion, Year) -> Majagual_riceMajagual_rice9.Evolucion de la produccion del cultivo de arroz en el municipio de Majagual de 2019 al 2023
La gráfica presentada muestra una tendencia clara en la producción de arroz del municipio de Majagual a lo largo de los años 2019-2023.
Aumento significativo en 2020: Se observa un pico en la producción durante el año 2020, alcanzando el valor más alto registrado en el período analizado. Esto sugiere que factores como condiciones climáticas favorables, mejoras en las técnicas de cultivo o un aumento en la superficie sembrada pudieron haber contribuido a este incremento.
Disminución posterior al pico: Tras el notable aumento de 2020, se aprecia una disminución en la producción durante los años siguientes, aunque se mantiene en niveles considerables en comparación con el año base (2019).
Estabilidad relativa en los últimos años: A partir de 2021, la producción parece estabilizarse, fluctuando alrededor de un valor intermedio entre el pico de 2020 y el valor inicial de 2019.
g <- ggplot(aes(x=Year, y=Produccion/1000 ), data = Majagual_rice) + geom_bar(stat = "identity") + labs(y="Produccion de Arroz [Ton x 1000]") g + ggtitle(" Evolucion de la produccion del cultivo de arroz en el municipio de Majagual") + labs(caption = "Based on EVA data (Minagricultura, 2020)")
Posibles factores que influyen en estas tendencias:
Condiciones climáticas: La producción agrícola, en general, está fuertemente influenciada por factores climáticos como la lluvia, la temperatura y la humedad. Sequías, inundaciones o eventos climáticos extremos pueden afectar negativamente los rendimientos.
Prácticas agrícolas: La adopción de nuevas tecnologías, la mejora en las técnicas de cultivo, el uso de fertilizantes y pesticidas, así como la rotación de cultivos, pueden influir en la productividad.
Políticas gubernamentales: Las políticas agrícolas, los subsidios y los programas de apoyo al sector pueden incentivar o desincentivar la producción.
Factores económicos: Los precios de los productos agrícolas, los costos de producción y la demanda del mercado pueden influir en las decisiones de los productores.
10. Bibliografia
Mesa, C., 2024. Dinamica de produccion Agricola en el departamento de Sucre. Disponible en https://rpubs.com/cmesao/production_dyn_v1.
sessionInfo()## R version 4.4.2 (2024-10-31 ucrt)
## Platform: x86_64-w64-mingw32/x64
## Running under: Windows 11 x64 (build 22631)
##
## Matrix products: default
##
##
## locale:
## [1] LC_COLLATE=Spanish_Colombia.utf8 LC_CTYPE=Spanish_Colombia.utf8
## [3] LC_MONETARY=Spanish_Colombia.utf8 LC_NUMERIC=C
## [5] LC_TIME=Spanish_Colombia.utf8
##
## time zone: America/Bogota
## tzcode source: internal
##
## attached base packages:
## [1] stats graphics grDevices utils datasets methods base
##
## other attached packages:
## [1] lubridate_1.9.4 forcats_1.0.0 stringr_1.5.1 purrr_1.0.2
## [5] tidyr_1.3.1 tibble_3.2.1 tidyverse_2.0.0 readr_2.1.5
## [9] dplyr_1.1.4 ggplot2_3.5.1
##
## loaded via a namespace (and not attached):
## [1] bit_4.5.0.1 gtable_0.3.6 jsonlite_1.8.9 crayon_1.5.3
## [5] compiler_4.4.2 tidyselect_1.2.1 parallel_4.4.2 jquerylib_0.1.4
## [9] scales_1.3.0 yaml_2.3.10 fastmap_1.2.0 R6_2.5.1
## [13] labeling_0.4.3 generics_0.1.3 knitr_1.49 munsell_0.5.1
## [17] bslib_0.8.0 pillar_1.9.0 tzdb_0.4.0 rlang_1.1.4
## [21] utf8_1.2.4 stringi_1.8.4 cachem_1.1.0 xfun_0.49
## [25] sass_0.4.9 bit64_4.5.2 timechange_0.3.0 cli_3.6.3
## [29] withr_3.0.2 magrittr_2.0.3 digest_0.6.37 grid_4.4.2
## [33] vroom_1.6.5 rstudioapi_0.17.1 hms_1.1.3 lifecycle_1.0.4
## [37] vctrs_0.6.5 evaluate_1.0.1 glue_1.8.0 farver_2.1.2
## [41] fansi_1.0.6 colorspace_2.1-1 rmarkdown_2.29 tools_4.4.2
## [45] pkgconfig_2.0.3 htmltools_0.5.8.1