Introduccion

El enfoque de datos espaciales simples (simple features) representa una metodología fundamental para el análisis geográfico contemporáneo, particularmente relevante para el estudio del departamento de Arauca. Esta estructura estandarizada proporciona un marco robusto para la representación digital de elementos geográficos, permitiendo la integración eficiente de información geométrica y atributos descriptivos bajo los estándares establecidos por el Open Geospatial Consortium. La implementación de esta metodología en el contexto araucano ofrece ventajas significativas para la caracterización territorial. La capacidad de representar con precisión la delimitación de los siete municipios del departamento, junto con la localización exacta de centros urbanos y rurales, facilita el desarrollo de análisis espaciales comprehensivos. Esta precisión geométrica resulta especialmente valiosa considerando la importancia estratégica de Arauca en términos de recursos petroleros, actividad ganadera y su posición fronteriza con Venezuela. La integración de herramientas como sf, ggplot2 y ggspatial en el entorno R permite el procesamiento avanzado de datos georreferenciados, habilitando análisis que van desde la evaluación de patrones de asentamiento hasta la modelación de fenómenos socioeconómicos. Esta capacidad analítica resulta particularmente relevante para abordar los desafíos específicos del departamento, incluyendo la caracterización de áreas de conflicto, la evaluación de infraestructura vial, y el análisis de la distribución espacial de servicios públicos. La aplicación de datos espaciales simples en Arauca trasciende el ámbito puramente técnico para convertirse en una herramienta estratégica de apoyo a la gestión pública. La capacidad de visualizar y analizar información territorial de manera integrada proporciona una base sólida para la formulación de políticas de desarrollo regional, la priorización de inversiones en infraestructura, y la implementación de programas de desarrollo rural diferenciado. Esta metodología representa, por tanto, un componente esencial para la modernización de los procesos de planificación territorial en Arauca, contribuyendo a una toma de decisiones más informada y basada en evidencia espacial rigurosa.

1. Configuración

Este cuaderno requiere los siguientes paquetes de R y funciones específicas para su correcto funcionamiento. El paquete sf proporciona soporte para características simples (simple features), representando una metodología estandarizada para codificar datos vectoriales espaciales. Este paquete se vincula con GDAL para operaciones de lectura y escritura de datos, con GEOS para operaciones geométricas, y con PROJ para conversiones de proyección y transformaciones de datum. Utiliza por defecto el paquete s2 para operaciones de geometría esférica en coordenadas elipsoidales de longitud y latitud. Este cuaderno emplea las siguientes funciones del paquete sf: La función st_as_sf convierte objetos externos en objetos sf. La función st_bbox retorna el rectángulo delimitador de una característica simple o conjunto de características simples. La función st_geometry obtiene, establece, reemplaza o renombra la geometría de un objeto sf. La función st_read lee características simples o capas desde archivos o bases de datos. La función st_write escribe objetos de características simples a archivos o bases de datos. El paquete dplyr constituye una gramática de manipulación de datos, proporcionando un conjunto consistente de verbos que facilitan la resolución de los desafíos más comunes en la manipulación de datos.

#La función mutate() añade nuevas variables que son funciones de variables existentes. 
#La función select() selecciona variables basándose en sus nombres. 
#La función filter() selecciona casos basándose en sus valores. 
#La función summarise() reduce múltiples valores a un único resumen. 
#La función arrange() modifica el ordenamiento de las filas.

El paquete ggplot2 representa un sistema para crear gráficos de manera declarativa, basado en la Gramática de Gráficos. El usuario proporciona los datos e indica a ggplot2 cómo mapear variables a elementos estéticos y qué primitivas gráficas utilizar, mientras el sistema se encarga de los detalles técnicos. El paquete ggspatial combina datos espaciales con el poder del framework ggplot2, facilitando significativamente las tareas de mapeo y visualización cartográfica.ReintentarClaude puede cometer errores. Verifique las respuestas.

library(sf)
## Linking to GEOS 3.13.1, GDAL 3.10.2, PROJ 9.5.1; sf_use_s2() is TRUE
library(ggplot2)
library(dplyr)
## 
## Adjuntando el paquete: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(ggspatial)
library(ggspatial)

2.Lectura y escritura de datos espaciales

2a.Lectura de datos espaciales con st_read

La función st_read del paquete sf lee datos vectoriales espaciales de una variedad de formatos compatibles con GDAL (biblioteca de abstracción de datos geoespaciales), incluidos ESRI Shapefile (.shp), GeoJSON (.geojson), GeoPackage (.gpkg), KML (.kml) y KMZ (.kmz), CSV con WKT (texto conocido) (.csv) y más. st_read simplifica el proceso de lectura de datos espaciales al reconocer automáticamente el formato de archivo y devolver los datos como un objeto de características simples (sf).

list.files("P1/datos/Municipios/MGN_ADM_MPIO_GRAFICO.shp")
## character(0)
colombia <- st_read("P1/datos/Municipios/MGN_ADM_MPIO_GRAFICO.shp")
## Reading layer `MGN_ADM_MPIO_GRAFICO' from data source 
##   `C:\Users\Pc\Desktop\GB2\P1\datos\Municipios\MGN_ADM_MPIO_GRAFICO.shp' 
##   using driver `ESRI Shapefile'
## Simple feature collection with 1121 features and 11 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: -81.73562 ymin: -4.229406 xmax: -66.84722 ymax: 13.39473
## Geodetic CRS:  MAGNA-SIRGAS

Cuando utilizamos la función st_read para cargar un shapefile, se nos muestra un resumen de los metadatos espaciales del archivo.

-En este caso, el archivo fue leído utilizando el controlador ESRI Shapefile.

-El conjunto de datos contiene 1121 entidades espaciales, que corresponden al número de municipios en Colombia, y cuenta con 11 campos de atributos.

-El tipo de geometría es multipolygon. ¿Qué significa esto? Un multipolygon representa una o más superficies cerradas (polígonos), por ejemplo, cuando un municipio tiene territorios no contiguos.

-La caja envolvente (bounding box) es: ………… (Completa con los valores que aparecen al cargar el shapefile).

head(colombia)

2b. Escritura de datos espaciales con st_write

Para exportar datos espaciales, se utiliza la función st_write(), la cual permite guardar un objeto sf en distintos formatos.

st_write(colombia, "municipios.gpkg", driver = "GPKG", append = F)
## Deleting layer `municipios' using driver `GPKG'
## Writing layer `municipios' to data source `municipios.gpkg' using driver `GPKG'
## Writing 1121 features with 11 fields and geometry type Multi Polygon.
list.files(pattern = "gpkg")
## [1] "arauca_munic.gpkg" "municipios.gpkg"
st_read("municipios.gpkg")
## Reading layer `municipios' from data source 
##   `C:\Users\Pc\Desktop\GB2\municipios.gpkg' using driver `GPKG'
## Simple feature collection with 1121 features and 11 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: -81.73562 ymin: -4.229406 xmax: -66.84722 ymax: 13.39473
## Geodetic CRS:  MAGNA-SIRGAS
colombia2<-st_read("municipios.gpkg")
## Reading layer `municipios' from data source 
##   `C:\Users\Pc\Desktop\GB2\municipios.gpkg' using driver `GPKG'
## Simple feature collection with 1121 features and 11 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: -81.73562 ymin: -4.229406 xmax: -66.84722 ymax: 13.39473
## Geodetic CRS:  MAGNA-SIRGAS
(Arauca<- dplyr::filter(colombia, dpto_cnmbr=="ARAUCA"))
plot(st_geometry(Arauca),col = sf.colors(12,categorical = TRUE),border = 'grey', axes= TRUE)
plot(st_geometry(st_centroid(Arauca)), pch = 3, col = 'red',add = TRUE)
## Warning: st_centroid assumes attributes are constant over geometries

st_write(Arauca,"arauca_munic.gpkg",driver = "GPKG",append = F)
## Deleting layer `arauca_munic' using driver `GPKG'
## Writing layer `arauca_munic' to data source `arauca_munic.gpkg' using driver `GPKG'
## Writing 7 features with 11 fields and geometry type Multi Polygon.
cities = read.csv('P1/datos/worldcities.csv') %>% st_as_sf(coords=c("lng","lat"), crs=4326) # remember x=longitude and y=latitude
cities
st_crs(cities)$epsg
## [1] 4326
st_crs(Arauca)$epsg
## [1] 4686
ncities <- st_transform(cities, crs = st_crs(Arauca))
Arauca_cities <- ncities [Arauca,, op = st_within]
plot(st_geometry (Arauca), col = sf.colors (7, categorical = TRUE), border = 'grey', axes = TRUE)
plot(st_geometry(Arauca_cities),pch = 18, col = 'black',add = TRUE)

ggplot()+
   #Add  municipalities
  geom_sf(data = Arauca)+
    #Add cities layer
  geom_sf(data = Arauca_cities, aes(color= city), size=3)+
   #Add titles
  labs(x="longitud", y= "latitud", title = "ciudades de Arauca")+
   #Add theme
  theme_bw()

ggplot() +
  #Crop Virginia boundary to spatial extent of cities and add Virginia layer
  geom_sf(data = Arauca)+
   #Add cities layer
  geom_sf(data = Arauca_cities, aes(color=city,label=city),size=3)+
  
  #add scale bar to bottom left from ggspatial
 annotation_scale(location = "tr", 
                 height = unit(0.25, "cm"), 
                 width = unit(1, "cm"), 
                 pad_x = unit(0.3, "in"), 
                 pad_y = unit(0.5, "in")) +
  #add north arrow to botton left fron ggspatial
  annotation_north_arrow (height = unit(1, "cm"), width = unit(1, "cm"), which_north = "true", location = "tr", pad_x = unit(0.5, "in"), pad_y = unit(0.05, "in")) +
  # add titles
  labs(x="longitud", y= "latitud", title = "ciudades de Arauca")+
  #add theme
  theme_bw()
## Warning in layer_sf(geom = GeomSf, data = data, mapping = mapping, stat = stat,
## : Ignoring unknown aesthetics: label
## Warning in annotation_scale(location = "tr", height = unit(0.25, "cm"), :
## Ignoring unknown parameters: `width`

sessionInfo()
## R version 4.5.0 (2025-04-11 ucrt)
## Platform: x86_64-w64-mingw32/x64
## Running under: Windows 11 x64 (build 26100)
## 
## Matrix products: default
##   LAPACK version 3.12.1
## 
## 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] ggspatial_1.1.9 dplyr_1.1.4     ggplot2_3.5.2   sf_1.0-21      
## 
## loaded via a namespace (and not attached):
##  [1] gtable_0.3.6       jsonlite_2.0.0     compiler_4.5.0     tidyselect_1.2.1  
##  [5] Rcpp_1.0.14        jquerylib_0.1.4    scales_1.4.0       yaml_2.3.10       
##  [9] fastmap_1.2.0      R6_2.6.1           generics_0.1.4     classInt_0.4-11   
## [13] s2_1.1.8           knitr_1.50         tibble_3.2.1       units_0.8-7       
## [17] DBI_1.2.3          bslib_0.9.0        pillar_1.10.2      RColorBrewer_1.1-3
## [21] rlang_1.1.6        cachem_1.1.0       xfun_0.52          sass_0.4.10       
## [25] cli_3.6.5          withr_3.0.2        magrittr_2.0.3     wk_0.9.4          
## [29] class_7.3-23       digest_0.6.37      grid_4.5.0         rstudioapi_0.17.1 
## [33] lifecycle_1.0.4    vctrs_0.6.5        KernSmooth_2.23-26 proxy_0.4-27      
## [37] evaluate_1.0.3     glue_1.8.0         farver_2.1.2       e1071_1.7-16      
## [41] rmarkdown_2.29     tools_4.5.0        pkgconfig_2.0.3    htmltools_0.5.8.1