Exercici_1

Reportatge de dades sobre la Llista del Patrimoni Mundial de la UNESCO

1 Introducció

Des que el 1978 es van inscriure els primers dotze llocs, la Llista del Patrimoni Mundial de la UNESCO s’ha convertit en un dels catàlegs més coneguts de monuments, ciutats i paisatges del planeta. Darrere d’aquesta llista hi ha una idea senzilla, hi ha llocs tan excepcionals que la seva conservació no hauria de dependre només del país on es troben, sinó que és una responsabilitat compartida per tota la humanitat.

Però una llista tan àmplia genera moltes preguntes. On són realment aquests llocs? Estan repartits de manera equilibrada pel món, o hi ha continents i països que en concentren la major part? Quin tipus de patrimoni protegim? Com ha evolucionat la llista amb el temps? I, potser la pregunta més inquietant, quants d’aquests llocs excepcionals estan en perill de deteriorar-se o desaparèixer?

En aquest reportatge intentem respondre a aquestes preguntes a partir de les dades oficials publicades per la UNESCO (whc.unesco.org/en/list). Combinem text, gràfics estàtics i interactius, i diversos tipus de mapes (de punts, de coropletes i navegables) per oferir una visió global i alhora detallada. El recorregut segueix cinc eixos: l’evolució temporal de les inscripcions, la concentració per països, els criteris que justifiquen la inscripció, l’estat de conservació per regions i, finalment, la distribució geogràfica dels llocs.

2 Les dades

Les dades provenen d’un fitxer Excel descarregat directament del web de la UNESCO, que importem a R amb read_excel().

library(tidyverse)
library(readxl)
library(maps)
library(leaflet)
library(plotly)
library(mapSpain)
library(sf)

whc <- read_excel("C:/Users/ASUS/Downloads/whc.xlsx")
glimpse(whc[, c("name_en", "date_inscribed", "category", "states_name_en",
                "region_en", "danger", "area_hectares", "longitude", "latitude")])

## Rows: 1,273
## Columns: 9
## $ name_en        <chr> "Cultural Landscape and Archaeological Remains of the B…
## $ date_inscribed <dbl> 2003, 2002, 2005, 1992, 1980, 1982, 1982, 1982, 1982, 1…
## $ category       <chr> "Cultural", "Cultural", "Cultural", "Cultural", "Cultur…
## $ states_name_en <chr> "Afghanistan", "Afghanistan", "Albania", "Albania", "Al…
## $ region_en      <chr> "Asia and the Pacific", "Asia and the Pacific", "Europe…
## $ danger         <dbl> 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
## $ area_hectares  <dbl> 158.9265, 70.0000, 58.9000, NA, 150.0000, 7200000.0000,…
## $ longitude      <dbl> 67.825250, 64.515889, 20.140833, 20.020950, 4.786840, 9…
## $ latitude       <dbl> 34.846940, 34.396417, 40.074167, 39.745732, 35.818440, …

Cada fila correspon a un lloc i cada columna ofereix informació diferent: el nom, l’any d’inscripció, la categoria (cultural, natural o mixta), el país o països on es troba, la regió del món, si està en perill, la superfície i les coordenades geogràfiques. Abans d’analitzar res, hem fet una petita preparació: hem traduït la categoria “Mixed” a “Mixt” i hem convertit la variable danger (un 0 o un 1) en una etiqueta de text més fàcil de llegir als gràfics: “En perill” i “No en perill”.

whc <- whc %>%
  mutate(category = recode(category, "Mixed" = "Mixt"),
         danger_txt = ifelse(danger == 1, "En perill", "No en perill"))

n_llocs    <- nrow(whc)
any_min    <- min(whc$date_inscribed)
any_max    <- max(whc$date_inscribed)
n_cultural <- sum(whc$category == "Cultural")
n_natural  <- sum(whc$category == "Natural")
n_mixt     <- sum(whc$category == "Mixt")
n_perill   <- sum(whc$danger)
n_transfr  <- sum(whc$transboundary)

El conjunt conté 1273 llocs inscrits entre el 1978 i el 2026, 991 són culturals, 240 naturals i 42 són mixtos, és a dir, reconeguts alhora pel seu valor cultural i natural. Aquesta primera xifra ja ens indica que el patrimoni cultural pesa molt més que el natural. Un total de 51 són transfronterers (compartits per diversos països) i 58 figuren a la Llista del Patrimoni Mundial en Perill.

Els llocs transfronterers plantegen un petit repte tècnic: tenen diversos països (i de vegades diverses regions) a la mateixa cel·la, separats per comes. Si els comptéssim tal com estan, un lloc compartit entre tres països apareixeria com una categoria nova en lloc de sumar a cadascun dels tres. Per solucionar-ho, hem creat dues taules amb un registre per lloc i país (o per lloc i regió) mitjançant separate_rows(). D’aquesta manera, un lloc compartit compta un cop per a cada país, cosa que reflecteix millor la responsabilitat real de cada estat. També hem unificat els noms dels països amb els que utilitza el paquet maps, perquè més endavant puguem dibuixar-los correctament al mapa mundial.

llocs_pais <- whc %>%
  select(id_no, category, states_name_en) %>%
  separate_rows(states_name_en, sep = ",") %>%
  mutate(states_name_en = trimws(states_name_en),
         states_name_en = recode(states_name_en,
           "United Kingdom of Great Britain and Northern Ireland" = "UK",
           "United States of America" = "USA",
           "Russian Federation" = "Russia",
           "Iran (Islamic Republic of)" = "Iran",
           "Czechia" = "Czech Republic",
           "Türkiye" = "Turkey",
           "Republic of Korea" = "South Korea",
           "Viet Nam" = "Vietnam",
           "Bolivia (Plurinational State of)" = "Bolivia",
           "Venezuela (Bolivarian Republic of)" = "Venezuela",
           "Syrian Arab Republic" = "Syria",
           "Lao People's Democratic Republic" = "Laos",
           "United Republic of Tanzania" = "Tanzania",
           "Côte d'Ivoire" = "Ivory Coast",
           "Netherlands (Kingdom of the)" = "Netherlands"))

llocs_regio <- whc %>%
  select(id_no, danger_txt, region_en) %>%
  separate_rows(region_en, sep = ",") %>%
  mutate(region_en = trimws(region_en))

3 L’evolució: de 12 llocs el 1978 a més de mil

La Llista del Patrimoni Mundial no va néixer feta: es va construint any rere any, a mesura que els estats membres proposen candidatures, i el Comitè del Patrimoni Mundial les avalua. Per veure aquest procés, hem comptat les inscripcions de cada any per categoria i n’hem calculat el total acumulat, de manera que la línia de cada categoria només pot pujar o mantenir-se. El gràfic és interactiu gràcies a ggplotly.

#Fer interactiu#
evolucio <- whc %>%
  count(date_inscribed, category) %>%
  group_by(category) %>%
  mutate(acumulat = cumsum(n)) %>%
  ungroup()

evolucio_graf <- ggplot(evolucio, aes(x = date_inscribed, y = acumulat, color = category)) +
  geom_line(linewidth = 1) +
  scale_color_manual(values = c("Cultural" = "#c0562b",
                                "Natural" = "#2e8b57",
                                "Mixt" = "#6a5acd")) +
  labs(title = "Llocs inscrits acumulats, per categoria",
       x = "Any d'inscripció", y = "Llocs acumulats", color = "Categoria",
       caption = "Font: UNESCO World Heritage Centre") +
  theme_minimal()

ggplotly(evolucio_graf)

pic <- whc %>%
  count(date_inscribed) %>%
  arrange(desc(n)) %>%
  slice(1)

El gràfic mostra que la llista ha crescut de manera sostinguda i que el patrimoni cultural n’ha estat sempre el protagonista, amb una corba clarament per sobre de les altres. El patrimoni natural creix a un ritme més moderat, i el mixt, que exigeix complir alhora criteris culturals i naturals, continua sent molt minoritari. Aquesta diferència no és casual: moltes candidatures culturals (centres històrics, catedrals, jaciments arqueològics) són més fàcils de definir i de delimitar que els grans espais naturals, que sovint impliquen negociacions territorials i de gestió més complexes.

L’any amb més inscripcions és el 2000, amb 61 llocs llocs declarats d’un sol cop. Aquests pics reflecteixen sovint l’acumulació de candidatures pendents o l’ampliació del cercle de països participants, i ens recorden que la llista no avança a un ritme constant, sinó a empentes, al compàs de les sessions anuals del Comitè.

4 Quins països concentren més patrimoni?

Passem ara de la dimensió temporal a la geogràfica. La pregunta és senzilla: quins països tenen més llocs inscrits? Cal recordar que els llocs transfronterers compten per a cada país implicat, de manera que un mateix lloc pot contribuir a diverses barres del gràfic.

n_pais <- llocs_pais %>%
  count(states_name_en, sort = TRUE)

top15 <- head(n_pais, 15)

ggplot(top15, aes(x = reorder(states_name_en, n), y = n)) +
  geom_col(fill = "#c0562b") +
  coord_flip() +
  labs(title = "Els 15 països amb més llocs del Patrimoni Mundial",
       x = NULL, y = "Nombre de llocs",
       caption = "Font: UNESCO World Heritage Centre") +
  theme_minimal()

pct_top10 <- round(100 * sum(n_pais$n[1:10]) / sum(n_pais$n))

El resultat és un rànquing on destaquen sobretot països amb una història llarga i un patrimoni monumental molt dens, però també països molt extensos, amb una gran diversitat de paisatges. Ser gran, antic o ric en història afavoreix tenir molts llocs, però també hi influeixen factors menys visibles com la capacitat tècnica i econòmica d’un estat per preparar un expedient de candidatura, o l’interès polític a promocionar el seu patrimoni.

head(n_pais, 10)

El repartiment és, en tot cas, molt desigual. Els deu països amb més llocs acumulen el 34 % de totes les inscripcions. Això vol dir que una part molt petita dels estats del món concentra una proporció enorme del patrimoni reconegut, mentre que molts altres països en tenen només un o dos, o cap. La UNESCO és conscient d’aquest desequilibri i fa anys que intenta corregir-lo mitjançant estratègies que prioritzen candidatures de regions i tipus de patrimoni poc representats.

5 Per què són “excepcionals”? Els criteris d’inscripció

No n’hi ha prou que un lloc sigui bonic, antic o famós perquè entri a la llista. La UNESCO exigeix que tingui un valor universal excepcional i que compleixi almenys un de deu criteris. Els sis primers, de l’(i) al (vi), són de tipus cultural: es refereixen a obres mestres del geni creatiu, a intercanvis d’influències entre cultures, a testimonis de tradicions desaparegudes, a tipus d’edificis o paisatges exemplars, a assentaments humans tradicionals i a llocs associats a esdeveniments o idees d’importància universal. Els quatre últims, del (vii) al (x), són naturals: fenòmens naturals o paisatges d’una bellesa excepcional, etapes de la història de la Terra, processos ecològics i biològics en curs, i hàbitats de biodiversitat amb espècies amenaçades.

criteris <- data.frame(
  criteri = c("(i) Obra mestra del geni creatiu", "(ii) Intercanvi de valors humans",
              "(iii) Testimoni de tradició cultural", "(iv) Tipus d'edifici o paisatge",
              "(v) Assentament humà tradicional", "(vi) Lligat a esdeveniments o idees",
              "(vii) Fenòmens naturals excepcionals", "(viii) Història de la Terra",
              "(ix) Processos ecològics", "(x) Biodiversitat"),
  tipus = c(rep("Cultural", 6), rep("Natural", 4)),
  n = colSums(whc[, c("C1", "C2", "C3", "C4", "C5", "C6",
                      "N7", "N8", "N9", "N10")])
)

#Aquesta línia manté l'ordre (i), (ii), (iii)... al gràfic
criteris$criteri <- factor(criteris$criteri, levels = rev(criteris$criteri))

ggplot(criteris, aes(x = criteri, y = n, fill = tipus)) +
  geom_col() +
  coord_flip() +
  scale_fill_manual(values = c("Cultural" = "#c0562b", "Natural" = "#2e8b57")) +
  labs(title = "Criteris de la UNESCO més utilitzats",
       subtitle = "Un lloc pot complir diversos criteris alhora",
       x = NULL, y = "Nombre de llocs", fill = "Tipus de criteri",
       caption = "Font: UNESCO World Heritage Centre") +
  theme_minimal()

criteri_top <- criteris[which.max(criteris$n), ]

Un mateix lloc pot complir diversos criteris alhora, i per això hem comptat quants llocs en compleixen cadascun. El gràfic de barres, amb colors diferents per als criteris culturals i naturals, permet comparar-los d’un cop d’ull. Un cop més, es veu el pes del patrimoni cultural: els criteris culturals són aplicats amb molta més freqüència que els naturals, cosa coherent amb el que hem vist a l’evolució de les categories.

El criteri més freqüent és el (iv) Tipus d’edifici o paisatge, amb 656 llocs. Això ens diu alguna cosa sobre el tipus de patrimoni que valorem més els criteris que descriuen conjunts arquitectònics, urbans o paisatgístics representatius d’una època o d’una forma de vida són, en general, més versàtils i es poden aplicar a un nombre molt més gran de candidatures que els que exigeixen una singularitat més estricta.

6 Quants llocs estan en perill?

Que un lloc estigui inscrit a la llista no garanteix que estigui segur. La UNESCO manté una llista paral·lela, la Llista del Patrimoni Mundial en Perill, que recull els llocs amenaçats per conflictes armats, desastres naturals, urbanització descontrolada, furtivisme, contaminació o canvi climàtic.

Per veure com es distribueix aquest risc, hem calculat per a cada regió del món el nombre total de llocs i quants d’ells estan en perill, i ho hem expressat com a percentatge. És important fixar-se en el percentatge i no només en el nombre absolut: una regió amb molts llocs pot tenir moltes amenaces sense que això signifiqui que el seu patrimoni estigui en una situació especialment greu, mentre que una regió amb pocs llocs pot tenir-ne una proporció elevada en perill.

perill <- llocs_regio %>%
  group_by(region_en) %>%
  summarise(total = n(),
            en_perill = sum(danger_txt == "En perill")) %>%
  mutate(pct = 100 * en_perill / total)

ggplot(perill, aes(x = reorder(region_en, pct), y = pct)) +
  geom_col(fill = "#b22222") +
  geom_text(aes(label = paste0(en_perill, " de ", total)), hjust = -0.1, size = 3.5) +
  coord_flip() +
  scale_y_continuous(expand = expansion(mult = c(0, 0.25))) +
  labs(title = "Quin percentatge del patrimoni està en perill?",
       x = NULL, y = "% de llocs en perill",
       caption = "Font: UNESCO World Heritage Centre") +
  theme_minimal()

perill_max <- perill[which.max(perill$pct), ]

La regió amb el percentatge més alt de llocs en perill és Arab States, amb un 25% (25 de 102 llocs). Aquesta xifra no s’explica per una sola causa, sinó per la combinació de factors com la inestabilitat política, els conflictes armats i la manca de recursos per a la conservació, que afecten de manera desigual les diferents parts del món.

7 Mapes

Fins aquí hem treballat amb gràfics de barres i línies, però el patrimoni és, per definició, un fet geogràfic. Per això dediquem l’última part del reportatge a quatre mapes que mostren la mateixa informació des de perspectives diferents.

7.1 Mapa 1. Tots els llocs

El primer mapa és el més directe: cada punt és un lloc inscrit, situat amb les seves coordenades i acolorit segons la categoria. Sobre el fons gris del mapa del món, es veu a l’instant on es concentren els punts: la densitat a Europa és molt alta, i hi ha altres zones de gran acumulació, com l’Àsia meridional i oriental o Amèrica Llatina. En canvi, grans extensions d’Àfrica, Àsia central i Oceania apareixen molt més buides. També es nota que els punts verds, els llocs naturals, s’escampen més per grans espais oberts i regions menys poblades, mentre que els culturals formen taques denses lligades a l’antiga presència humana.

ggplot(whc, aes(x = longitude, y = latitude, color = category)) +
  borders("world", fill = "grey95", colour = "grey70") +
  geom_point() +
  scale_color_manual(values = c("Cultural" = "#c0562b",
                                "Natural" = "#2e8b57",
                                "Mixt" = "#6a5acd")) +
  labs(title = "Localització dels llocs del Patrimoni Mundial",
       color = "Categoria",
       caption = "Font: UNESCO World Heritage Centre") +
  theme_minimal() 

7.2 Mapa 2. El patrimoni d’Espanya per comunitats autònomes

Ampliem ara el focus a Espanya, un dels països amb més patrimoni de la llista. El paquet maps no incorpora la divisió en comunitats autònomes, així que fem servir mapSpain, que ens proporciona els contorns territorials, i el paquetsf, que ens permet superposar els llocs sobre aquests contorns amb geom_sf(). Hem filtrat només els llocs d’Espanya i hem eliminat els llocs compartits amb altres països que queden fora del territori (els de longitud superior a 5), de manera que el mapa quedi centrat.

# 1. El dibuix de les comunitats autònomes
ccaa <- esp_get_ccaa(moveCAN = FALSE)

# 2. Només els llocs d'Espanya
spain <- whc %>%
  filter(str_detect(states_name_en, "Spain")) %>%
  drop_na(longitude, latitude) %>%
  filter(longitude < 5)   # traiem els llocs compartits situats en altres països, filtrem per quedar-nos amb els llocs amb longitud menor a 5 tot el que surti del 5 queda fora del mapa. Canaries és -16. 

# 3. Diem a R que longitude i latitude són coordenades
spain_sf <- st_as_sf(spain, coords = c("longitude", "latitude"), crs = 4326)

# 4. Dibuixem: primer les comunitats i a sobre els punts
ggplot() +
  geom_sf(data = ccaa) +
  geom_sf(data = spain_sf, aes(color = category)) + scale_color_manual(values = c("Cultural" = "#c0562b",
                                "Natural" = "#2e8b57",
                                "Mixt" = "#6a5acd")) +
  labs(title = "Patrimoni Mundial a Espanya", 
       color = "Categoria", caption = "Font: UNESCO World Heritage Centre") +   
  theme_minimal()

El resultat permet veure quines comunitats concentren més llocs i de quin tipus. El patrimoni cultural es distribueix de manera molt ampla per la península, amb una presència destacada en ciutats històriques, mentre que els llocs naturals apareixen en punts concrets.

7.3 Mapa 3. Quins països en tenen més?

El tercer mapa és un mapa de coropletes: en lloc de punts, pinta cada país amb una intensitat de color proporcional al nombre de llocs que té. Com més fosc és el taronja, més llocs. És la versió visual del rànquing que hem vist abans, però amb una diferència important, permet veure la distribució sobre el territori real, i no només una llista ordenada. Els països que no surten a les dades de la UNESCO, o els noms dels quals no coincideixen amb els del paquet maps, apareixen en gris. Aquest detall ens recorda que treballar amb dades reals sovint implica petits desajustos en els noms que cal revisar amb cura.

mapa_mon <- map_data("world")

mapa_dades <- left_join(mapa_mon, n_pais, by = c("region" = "states_name_en"))

ggplot(mapa_dades, aes(x = long, y = lat, group = group, fill = n)) +
  geom_polygon(colour = "white", linewidth = 0.1) +
  scale_fill_gradient(low = "#fde0c5", high = "#c0562b", na.value = "grey90") +
  labs(title = "Nombre de llocs del Patrimoni Mundial per país",
       fill = "Llocs",
       caption = "Font: UNESCO World Heritage Centre") +
  theme_void()

7.4 Mapa 4. Mapa interactiu amb OpenStreetMap

L’últim mapa fa servir leaflet per oferir una experiència interactiva. Es pot arrossegar, ampliar i reduir, i en clicar sobre qualsevol lloc apareix una finestra amb el nom, l’any d’inscripció i la categoria. Els punts propers s’agrupen en cercles numerats que es despleguen en fer zoom, de manera que es pot passar d’una visió global a l’escala d’una ciutat concreta. És l’eina ideal per explorar el conjunt de la llista amb curiositat, buscar els llocs més propers a un lloc conegut o descobrir-ne de totalment desconeguts.

#creem la paleta de colors
pal_cat <- colorFactor(c("#c0562b", "#2e8b57", "#6a5acd"),
                       domain = c("Cultural", "Natural", "Mixt"))
#el mapa
leaflet(whc) %>%
  addTiles() %>%
#els punts que identifiquen cada lloc + el popup
  addCircleMarkers(lng = ~longitude, lat = ~latitude,
                   color = ~pal_cat(category),
                   radius = 6,
                   popup = ~paste0("<b>", name_en, "</b><br>",
                                   "Any: ", date_inscribed, "<br>",
                                   "Categoria: ", category),
                   clusterOptions = markerClusterOptions()) %>%
#llegenda que explica el color - categoria
  addLegend(pal = pal_cat, values = ~category, title = "Categoria")

8 Conclusions

Les dades de la UNESCO ens deixen una imatge clara del patrimoni mundial, amb llums i ombres. La Llista del Patrimoni Mundial té 1273 llocs, i la majoria són culturals (991), enfront dels naturals (240) i dels mixtos (42). Hem vist que la llista ha crescut sense aturar-se des de 1978, però que ho ha fet de manera irregular, amb anys de molta activitat com el 2000.

També hem constatat que el patrimoni està molt concentrat: deu països acumulen el 34% de les inscripcions, cosa que posa en qüestió fins a quin punt la llista representa de manera equilibrada la diversitat cultural i natural del planeta. Els criteris d’inscripció reforcen aquesta idea, ja que dominen els de caràcter cultural, i en particular el (iv) Tipus d’edifici o paisatge.

Finalment, hem vist que la conservació no és una qüestió resolta, hi ha 58 i la regió més afectada en proporció és Arab States. Els mapes ens han ajudat a visualitzar tot això: la concentració d’Europa, els buits d’altres regions, la riquesa del cas espanyol…

En conjunt, la Llista del Patrimoni Mundial és alhora un gran èxit de cooperació internacional i un mirall dels desequilibris del món. Conèixer on som, què protegim i què estem a punt de perdre és el primer pas per decidir cap a on volem que vagi aquesta història compartida.