1 Introducción

Para el siguiente trabajo evaluaremos las condiciones climáticas óptimas para el mosquito transmisor del dengue. se tomará la temperatura y la precipitación anual para verificar en qué zonas pueden ser más favorables para la aparición del dengue climáticamente hablando. Se tendrá en cuenta que en zonas entre 26 a 29 grados Celsius y precipitación acumulada 100 a 300 mm.

library(raster)
library(sf)
library(terra)
library(mapview)

2 Cargar información de temperatura

Se descarga la información desde la plataforma de WorldClim y se descargó la información de temperatura promedio con 2.5 minutos de resolución, por cada mes.

zona <- vect("Insumos/Departamentos/MGN_ANM_DPTOS.shp")
temperatura <- list.files("Insumos/temperatura", pattern = "\\.tif$",
                          full.names = TRUE)
t_min <- 26 
t_max <- 29
umbral <- 50

mapas_temp <- rast(temperatura)
names(mapas_temp) <- month.name
plot(mapas_temp)

3 Cargar información de precipitación

Se descarga la información desde la plataforma de WorldClim y se descargó la información de precipitación acumulada con 2.5 minutos de resolución, por cada mes.

precipitacion <- list.files("Insumos/precipitacion", pattern = "\\.tif$",
                          full.names = TRUE)
p_min <- 100  
p_max <- 300 

mapas_preci <- rast(precipitacion)
names(mapas_preci) <- month.name
plot(mapas_preci)

4 Recortar zona de estudio

Se define el área de estudio como Colombia y por medio de un shapefile de Colombia se recorta la zona a estudiar. Los recortes se realizan tanto para la información de temperatura como de precipitación.

4.1 Temperatura

temp <- crop(mapas_temp, zona)
temp <- mask(temp, zona)

plot(temp)

4.2 Precipitación

prec <- crop(mapas_preci, zona)
prec <- mask(prec, zona)

plot(prec)

5 Ajuste a los rangos establecidos

Ya definida el área de estudio aplicamos los rangos de favorabilidad climática para la aparición del mosquito transmisor del dengue, donde vamos a observar las zonas True, donde son zonas con favorabilidad y las zonas False donde las condiciones climáticas no son favorables para la aparición del vector.

5.1 Temperatura

tem_ajus <- temp > t_min & temp < t_max
plot(tem_ajus)

5.2 Precipitación

pre_ajus <- prec > p_min & prec < p_max
plot(pre_ajus)

6 Cálculo de meses óptimos

Para temperatura y precipitación se suman los “True” de cada pixel que hacen referencia a zonas óptimas para la aparición de dengue y se dividen por el número total de meses multiplicado por 100 para calcular el porcentaje de meses donde cada pixel tuvo condiciones climáticas ideales.

temp_pct <- sum(tem_ajus) / nlyr(tem_ajus) * 100
prec_pct <- sum(pre_ajus) / nlyr(pre_ajus) * 100
plot(c(temp_pct, prec_pct), main = c("Temperatura (% meses)", "Precipitación (% meses)"))

7 Unión de variables climáticas

Se calcula el promedio para temperatura y precipitación donde se muestra el balance general de la favorabilidad climática. Y se calcula los valores mínimos de cada pixel para ver la pero condición que sería el factor limitante.

uni_prom <- mean(temp_pct, prec_pct)
uni_min  <- min(temp_pct, prec_pct)    

plot(c(uni_prom, uni_min), main = c("Promedio", "Mínimo"))

8 Filtro por umbral

Según el umbral definido previamente se filtran las zonas con posibles apariciones del vector, para esta ocación se definió un umbral del 50% que hace referencia a zonas donde la transmición puede ser intermitente hasta por encima de 70% donde puede existir alta transmisión del virus.

zona_apta <- ifel(uni_prom >= umbral, uni_prom, NA) 

plot(zona_apta, main = paste("Zonas aptas para presencia de vector"))

9 Resultados

A continuación, se presenta un mapa interactivo donde se definen las áreas aptas para la presencia del vector transmisor del dengue.

mapview(zona_apta, maxpixels = 5e5, map.types = "OpenStreetMap")