## Llamar librerias
library(raster)
## Loading required package: sp

Introducción a este escrito

Este escrito se realiza, como parte de la tarea 5 del curso de Tratamiento de Datos Espaciales de la Especialización de Geomática de la Universidad del Valle. El trabajo consiste en utilizar el paquete ráster, cargando diversas capas meteorológicas, tomadas de la página https://www.worldclim.org/data/worldclim21.html y realizando condicionales acerca de un fenómeno. Donde, para este caso, escogimos como tema central, el cultivo de granadilla. Mediante los diversos mapas y condiciones, observaremos las zonas aptas para su cultivo a nivel mundial, cumpliendo criterios de temperatura, precipitación, altitud, radiación solar, y velocidad de vientos. Dado que no somos investigadores en el campo de la agricultura, se toma el documento “condiciones ambientales que afectan crecimiento, desarrollo y calidad de las pasifloráceas”, escrito por Gerhard Fischer, de la universidad Nacional de Colombia, a quien agradecemos el análisis sobre este fruto. Dicho documento puede ser descargado de la siguiente url: http://www.asohofrucol.com.co/archivos/biblioteca/biblioteca_140_Condiciones_ambientales.pdf.

La Granadilla, fruta de la pasión.

La granadilla pertenece a la familia de las frutas de la pasión. La cáscara es fuerte, gruesa y lisa de color anaranjado. La pulpa consiste en pequeñas semillas negras y comestibles cubiertas con una masa jugosa, cristalina, transparente y de textura gelatinosa. Su sabor es dulce y posee un agradable aroma.

Condiciones atmosféricas a tener en cuenta en el análisis: 1. Temperatura normal: Entre 16° y 24° C 2. Temperatura optima: Entre 16° y 18° C 3. Precipitación anual: Entre 1500 a 2500 mm 4. Altitud: Entre 1600 a 2200 msnm 5. Altitud optima: 1800 msnm

Ejemplo meses antes del análisis del año

Como se mencionó anteriormente, los ráster son tomados de la página https://www.worldclim.org/data/worldclim21.html. Se utiliza el paquete ráster para cargar la información geográfica. Antes de analizar la información completa, realizaremos un pequeño ejemplo, al analizar un mes con la condición de la temperatura optima del fruto, tomando el mes de enero para esta referencia. Primero cargamos los datos mediante la función raster en la variable temp1 (alusivo a enero).

## Si quisiera buscar un lugar para sembrar en Enero la Granadilla
temp1 <- raster("D:/Posgrado/1. Primer semestre/1. Clase tratamiento de datos espaciales/Clase 5/Tarea/Pro_Tem_5m/wc2.1_5m_tavg_01.tif")
temp1
## class      : RasterLayer 
## dimensions : 2160, 4320, 9331200  (nrow, ncol, ncell)
## resolution : 0.08333333, 0.08333333  (x, y)
## extent     : -180, 180, -90, 90  (xmin, xmax, ymin, ymax)
## crs        : +proj=longlat +datum=WGS84 +no_defs 
## source     : D:/Posgrado/1. Primer semestre/1. Clase tratamiento de datos espaciales/Clase 5/Tarea/Pro_Tem_5m/wc2.1_5m_tavg_01.tif 
## names      : wc2.1_5m_tavg_01 
## values     : -46.042, 34.065  (min, max)
plot(temp1) #Temperatura de enero promedio 2.5minutos

Ahora, aplicaremos la condición de temperatura óptima para el crecimiento de la granadilla, la cual está entre los 16°C y 18°C. Se observa como la cantidad de espacio geográfico se limita a unas zonas en particular.

## Zonas con temperaturas optima
temp_opt_gran <- temp1>16&temp1<18
plot(temp_opt_gran)

Si se desea comparar dos meses, por ejemplo el mes 1 y el 7 (Enero y Julio), se realiza un stack de los ráster y se suman, por lo que cuando se cumpla una condición se mostrará el color amarillo y si cumple con las dos condiciones se mostrará el color verde en el mapa.

temp7 <- raster("D:/Posgrado/1. Primer semestre/1. Clase tratamiento de datos espaciales/Clase 5/Tarea/Pro_Tem_5m/wc2.1_5m_tavg_07.tif")
temp_total=stack(temp1,temp7)
temp_tot_opt_gran <- temp_total>16&temp_total<18
tem_tot_sum <- sum(temp_tot_opt_gran)
plot(tem_tot_sum)

Ahora sí, explicada en resumen como funcionará la metodología, pasaremos a analizar el año.

Cargue de los datos y consolidación

Se realiza el cargue de todos los ráster, de manera automática mediante la función list.files, la cual nos ayudará a evitar estar cargando una por una, posteriormente se consolidan en un stack que denominaremos temp_anio.

archivos <- list.files("D:/Posgrado/1. Primer semestre/1. Clase tratamiento de datos espaciales/Clase 5/Tarea/Pro_Tem_5m/",full.names = TRUE,pattern = ".tif")
temp_anio <- stack(archivos)
plot(temp_anio)

Temeperatura adecuada para la siembra de la granadilla en un año

La temperatura adecuada es aquella donde el fruto se puede dar de manera acorde, pero no se optimiza su producción, el rango comprendido está entre los 16° y 24°C.La comparación de cada mes por separado se presenta a continuación.

cond_adec_tem <- temp_anio>16&temp_anio<24
names(cond_adec_tem) <- month.name
plot(cond_adec_tem)

Sin embargo, visualmente es más fácil en un solo grafico comparar las condiciones cumplidas, sumando todas las condiciones anteriormente expuestas. Por tal motivo, entre mayor sea el número quiere decir que son mayor cantidad de meses donde la temperatura de la granadilla es optima para su cultivo. Se observa que regiones de Suramérica como Colombia, Ecuador, Pero, Chile tienen un clima acorde durante gran transcurso del año para la siembra de esta fruta, al igual que diversos países del continente Africano.

indic_temp_adec <- sum(cond_adec_tem)
plot(indic_temp_adec)

Temperatura en Colombia

A continuación se presenta la temperatura optima para siembra en Colombia, Observando que las zonas mas adecuadas por tener temperatura entre los 16 a 24 grados centigrados, es la zona de las coordilleras.

Colombia <- shapefile("D:/Posgrado/1. Primer semestre/1. Clase tratamiento de datos espaciales/Clase 5/Tarea/Shp_Dep_Col/Colombia_Departamento.shp")
plot(temp1)
plot(Colombia, add=TRUE)

#Colombia
plot(Colombia)
plot(indic_temp_adec, add=TRUE)
plot(Colombia, add=TRUE)

Análisis de la precipitación

Una precipitación anual adecuada para la siemrba de granadilla, oscila entre los 1500 a 2500 mm.

preci1 <- raster("D:/Posgrado/1. Primer semestre/1. Clase tratamiento de datos espaciales/Clase 5/Tarea/Preci_5m/wc2.1_5m_prec_01.tif")
preci2 <- raster("D:/Posgrado/1. Primer semestre/1. Clase tratamiento de datos espaciales/Clase 5/Tarea/Preci_5m/wc2.1_5m_prec_02.tif")
preci3 <- raster("D:/Posgrado/1. Primer semestre/1. Clase tratamiento de datos espaciales/Clase 5/Tarea/Preci_5m/wc2.1_5m_prec_03.tif")
preci4 <- raster("D:/Posgrado/1. Primer semestre/1. Clase tratamiento de datos espaciales/Clase 5/Tarea/Preci_5m/wc2.1_5m_prec_04.tif")
preci5 <- raster("D:/Posgrado/1. Primer semestre/1. Clase tratamiento de datos espaciales/Clase 5/Tarea/Preci_5m/wc2.1_5m_prec_05.tif")
preci6 <- raster("D:/Posgrado/1. Primer semestre/1. Clase tratamiento de datos espaciales/Clase 5/Tarea/Preci_5m/wc2.1_5m_prec_06.tif")
preci7 <- raster("D:/Posgrado/1. Primer semestre/1. Clase tratamiento de datos espaciales/Clase 5/Tarea/Preci_5m/wc2.1_5m_prec_07.tif")
preci8 <- raster("D:/Posgrado/1. Primer semestre/1. Clase tratamiento de datos espaciales/Clase 5/Tarea/Preci_5m/wc2.1_5m_prec_08.tif")
preci9 <- raster("D:/Posgrado/1. Primer semestre/1. Clase tratamiento de datos espaciales/Clase 5/Tarea/Preci_5m/wc2.1_5m_prec_09.tif")
preci10 <- raster("D:/Posgrado/1. Primer semestre/1. Clase tratamiento de datos espaciales/Clase 5/Tarea/Preci_5m/wc2.1_5m_prec_10.tif")
preci11 <- raster("D:/Posgrado/1. Primer semestre/1. Clase tratamiento de datos espaciales/Clase 5/Tarea/Preci_5m/wc2.1_5m_prec_11.tif")
preci12 <- raster("D:/Posgrado/1. Primer semestre/1. Clase tratamiento de datos espaciales/Clase 5/Tarea/Preci_5m/wc2.1_5m_prec_12.tif")

preci_anio <- sum(preci1,preci2,preci3,preci4,preci5,preci6,preci7,preci8,preci9,preci10,preci11,preci12)
plot(preci_anio)

#Condición 12 meses
cond_anu_prec <- preci_anio>1500&preci_anio<2500
plot(cond_anu_prec)

#Colombia
plot(Colombia)
plot(cond_anu_prec, add=TRUE)
plot(Colombia, add=TRUE)