##### UNIVERSIDAD CENTRAL DEL ECUADOR #####
#### AUTOR: JHONNY CATUCUAMBA ####
### CARRERA: INGENIERÍA AMBIENTAL #####
###### VARIABLE CAUSA ESPECÍFICA #########
## DATOS ###
setwd("/cloud/project")
library(dplyr)
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
Datos <- read.csv("Conaf_Data_Chile_2017.csv")
##estructura de los datos
str(Datos)
## 'data.frame': 5234 obs. of 30 variables:
## $ X : int 0 1 2 3 4 5 6 7 8 9 ...
## $ temporada : chr "2016-2017" "2016-2017" "2016-2017" "2016-2017" ...
## $ codreg : int 3 3 3 3 3 3 3 3 3 3 ...
## $ codprov : int 33 33 33 33 33 33 33 33 33 33 ...
## $ codcom : int 3301 3301 3301 3301 3304 3301 3301 3301 3304 3301 ...
## $ ambito : chr "Conaf" "Conaf" "Conaf" "Conaf" ...
## $ numero : num 2 3 4 5 6 7 8 9 10 11 ...
## $ nombre_inc: chr "CALLEJÓN MARTINEZ" "PERALES" "TORINO" "LA VERBENA" ...
## $ utm_este : num 326931 322031 329713 335543 283796 ...
## $ utm_norte : num 6838495 6840235 6836541 6829112 6849977 ...
## $ inicio_c : chr "Camino secundario" "Camino secundario" "Orilla curso de agua" "Camino principal" ...
## $ combus_i : chr "Matorral" "Matorral" "Matorral" "Pastizal" ...
## $ causa_gene: num 2.01 2.01 2.01 1.02 4.01 2.01 2.01 4.01 4.01 4.01 ...
## $ causa_espe: chr "2.1.8." "2.1.8." "2.1.8." "1.2.4." ...
## $ pino_0010 : num 0 0 0 0 0 0 0 0 0 0 ...
## $ pino_11_17: num 0 0 0 0 0 0 0 0 0 0 ...
## $ pino_18 : num 0 0 0 0 0 0 0 0 0 0 ...
## $ eucalipto : num 0 0 0.22 0 0 0 0 0 0 0.5 ...
## $ otras_plan: num 0 0 0 0 0 0 0.1 0 0 0 ...
## $ total_plan: num 0 0 0.22 0 0 0 0.1 0 0 0.5 ...
## $ arbolado : num 0 0 0 0 0 0.5 0.13 0 0 0 ...
## $ matorral : num 0.2 0.1 0.05 0 4.35 ...
## $ pastizal : num 0 0 0 0.18 0 7.2 0 0.003 0 0.6 ...
## $ total_veg : num 0.2 0.1 0.05 0.18 4.35 10.2 14.2 0.003 0 0.8 ...
## $ agricola : num 0 0 0 0 0 0 0 0 0.3 0 ...
## $ desechos : num 0 0 0 0 0 0 0 0 0 0 ...
## $ total_otra: num 0 0 0 0 0 0 0 0 0.3 0 ...
## $ sup_t_a : num 0.2 0.1 0.27 0.18 4.35 10.2 14.3 0.003 0.3 1.3 ...
## $ long : num 326931 322031 329713 335543 283796 ...
## $ lat : num 6838495 6840235 6836541 6829112 6849977 ...
causa_espe <- Datos$causa_espe
tdf_causaespe <- as.data.frame(table(causa_espe))
tdf_causaespe$grupo <- case_when(
grepl("1.1.1.|1.1.10.|1.1.11.|1.1.12.|1.1.14.|1.1.15.|1.1.17.|1.1.18.|1.1.19.|1.1.2.|1.1.20.|1.1.21.|1.1.22.|1.1.23.|1.1.4.|1.1.5.|1.1.6.|1.1.7.|1.1.8.|1.1.9.|1.2.1.|1.2.10.|1.2.2.|1.2.4.|1.2.5.|1.2.6|1.2.3.|1.2.7.|1.2.8.|1.2.9.", tdf_causaespe$causa_espe, ignore.case = TRUE) ~ "Faenas accidentales",
grepl("1.5.1.|1.5.4.|1.3.1.|1.3.2.|1.3.3.|1.8.1.|1.8.10.|1.8.11.|1.8.12.|1.8.13.|1.8.14|1.8.3.|1.8.4.|1.8.5.|1.8.6.|1.8.7.|1.8.8.|1.8.9.|1.10.1.|1.10.2.|1.10.3.|1.10.4.|1.10.5.|1.10.6.", tdf_causaespe$causa_espe, ignore.case = TRUE) ~ "Otras causas",
grepl("1.4.1.|1.4.2.|1.4.3.|1.4.4.|1.4.5.|1.4.6.", tdf_causaespe$causa_espe, ignore.case = TRUE) ~ "Vías férreas ",
grepl("1.6.1.|1.6.2.|1.6.3.", tdf_causaespe$causa_espe, ignore.case = TRUE) ~ "Edificaciones estructurales",
grepl("1.7.1.|1.7.2.|1.7.3.|1.7.4.", tdf_causaespe$causa_espe, ignore.case = TRUE) ~ "Accidentes vehiculares",
grepl("1.9.1.|1.9.2.|1.9.3.|1.9.4.", tdf_causaespe$causa_espe, ignore.case = TRUE) ~ "Líneas eléctricas",
grepl("2.1.1.|2.1.10.|2.1.11.|2.1.2.|2.1.5.|2.1.6.|2.1.3.|2.1.4.|2.1.7.|2.1.8.|2.1.9.", tdf_causaespe$causa_espe, ignore.case = TRUE) ~ "Intencionales",
grepl("3.1.1.|3.1.3.", tdf_causaespe$causa_espe, ignore.case = TRUE) ~ "Incendios naturales",
grepl("4.1.1.|4.1.2.", tdf_causaespe$causa_espe, ignore.case = TRUE) ~ "Faenas negligentes"
)
# Calcular la frecuencia absoluta por grupo
tabla_resumen <- tdf_causaespe %>%
group_by(grupo) %>%
summarise(
ni = sum(Freq),
hi = round(sum(Freq) / sum(tdf_causaespe$Freq), 4)*100
) %>%
filter(!is.na(grupo)) # Eliminar filas con grupo NA si existen
sum(tabla_resumen$ni)
## [1] 5234
sum(tabla_resumen$hi)
## [1] 100
colnames(tabla_resumen) <- c("Causa Específica","ni","hi (%)")
totales <- c( "Causa Específica"= "TOTAL",
ni= sum(tabla_resumen$ni),
hi= sum(tabla_resumen$`hi (%)`))
TDF_Causa_Específica <- rbind(tabla_resumen,totales)
TDF_Causa_Específica
## # A tibble: 10 × 3
## `Causa Específica` ni `hi (%)`
## <chr> <chr> <chr>
## 1 "Accidentes vehiculares" 1962 37.49
## 2 "Edificaciones estructurales" 62 1.18
## 3 "Faenas accidentales" 466 8.9
## 4 "Faenas negligentes" 220 4.2
## 5 "Incendios naturales" 16 0.31
## 6 "Intencionales" 1687 32.23
## 7 "Líneas eléctricas" 207 3.95
## 8 "Otras causas" 385 7.36
## 9 "Vías férreas " 229 4.38
## 10 "TOTAL" 5234 100
# Diagrama de barrras local ni
par(mar = c(9, 4, 4, 2))
barplot(tabla_resumen$ni,main="Gráfica N°11: Distribución de causa específica
del inicio del incendio forestal en Chile",
xlab = "",
ylab = "Cantidad",
col = "skyblue",
names.arg=tabla_resumen$`Causa Específica`,
cex.names = 0.8,
las = 2)
mtext("Causa específica", side = 1, line = 8)
# Diagrama de barrras global ni
par(mar = c(9, 4, 4, 2))
barplot(tabla_resumen$ni,main="Gráfica N°12: Distribución de causa específica
del inicio del incendio forestal en Chile",
xlab = "",
ylab = "Cantidad",
col = "skyblue",
ylim = c(0,5234),
names.arg=tabla_resumen$`Causa Específica`,
cex.names = 0.8,
las = 2)
mtext("Causa específica", side = 1, line = 8)
# Diagrama de barrras local hi
par(mar = c(9, 4, 4, 2))
barplot(tabla_resumen$`hi (%)`,main="Gráfica N°13: Distribución de porcentaje de la causa específica
del inicio del incendio forestal en Chile",
xlab = "",
ylab = "Porcentaje %",
col = "skyblue",
names.arg=tabla_resumen$`Causa Específica`,
cex.names = 0.8,
las = 2)
mtext("Causa específica", side = 1, line = 8)
# Diagrama de barrras global hi
par(mar = c(9, 4, 4, 2))
barplot(tabla_resumen$`hi (%)`,main="Gráfica N°14: Distribución del porcentaje de la causa específica
del inicio del incendio forestal en Chile",
xlab = "",
ylab = "Porcentaje %",
col = "skyblue",
ylim = c(0,100),
names.arg=tabla_resumen$`Causa Específica`,
cex.names = 0.8,
las = 2)
mtext("Causa específica", side = 1, line = 8)
# Diagrma circular
pie (tabla_resumen$`hi (%)`,main = "Gráfica N°15: Distribución del porcentaje de la causa específica
del inicio del incendio forestal en Chile",
radius = 1,
labels = paste0(round(tabla_resumen$`hi (%)`,2),"%"),
col = colores <- c(rev(heat.colors(11))),
cex=0.5,
)
par(xpd = TRUE) # Permite que la leyenda salga del área del gráfico
legend(x = 1.5, y = 1,
legend = tabla_resumen$`Causa Específica`,
fill = colores <- c(rev(heat.colors(11))),
cex = 0.5,
title = "Causa del inicio del incendio")
tabla_indicadores <- data.frame("Variable" =c("Causa Específica"),
"Rango" = "-",
"X" = " - ",
"Me" = " - ",
"Mo" = " Accidentes Vehiculares - Intencionales ",
"V" = " - ",
"Sd" = " - ",
"Cv" = " - ",
"As" = " - ",
"K" = " - ",
"Valores Atipicos" = " - ")
library(knitr)
kable(tabla_indicadores, align = 'c', caption = "Conclusiones de la variable
zona del inicio del incendio")
Conclusiones de la variable zona del inicio del
incendio
| Causa Específica |
- |
- |
- |
Accidentes Vehiculares - Intencionales |
- |
- |
- |
- |
- |
- |
library(tinytex)