library(pacman)
setwd("~/3er Semestre/ProyectoFinalPYE")
p_load("readr", "gganimate", "gifski", "plotly", "GGally", "readr", "DT", "rgdal", "raster", "sf", "tidyverse", "rgeos", "mapview", "leafpop", "gifski", "gganimate", "plotly", "plotrix")Introducción
¿Qué es la basura? La basura es conocida como un grupo de desperdicios que ya han caducado o su función ya no es necesaria, pero, ¿la basura puede afectar a los seres vivos? Sí. Los riesgos que propone la basura a todos los seres es muy alto, pues consiste en contaminación que, de igual forma, afecta al planeta tierra.
En este artículo vamos hablar de la problemática que surge de dicho concepto. A lo largo de los años, la generación de basura ha ido en incremento por diversos factores. Sin embargo, el principal de ellos es la mala gestión de la misma por parte de la sociedad. En esta entrada se analizaran datos relacionados a la generación de basura, además de ser específicamente en nuestro país, México.
Teoría
Antes de comenzar, se necesita explicar un poco de los conocimientos necesarios para comprender más a detalle la información, y así llegar al entendimiento óptimo de los objetivos.
En México se recolectan diariamente 86 343 toneladas de basura, es decir, 770 gramos por persona y son generadas principalmente en:
- Viviendas
- Edificios
- Calles y avenidas
- Parques y Jardines (INEGI, S.F.)
(INEGI, S.F.)
(INEGI, S.F.)
Basura
La basura es todo aquel físico considerado como desecho y que se necesita eliminar. La basura es un producto de las actividades humanas al cual se le considera de valor igual a cero por el desechado, no necesariamente debe ser odorífica, repugnante e indeseable, eso depende del origen y composición de esta (Foro Nuclear, 2016).
Residuos
Residuo: aquellos materiales o productos cuyo propietario o poseedor desecha y que se encuentran en estado sólido o semisólido, líquido o gaseoso y que se contienen en recipientes o depósitos; pueden ser susceptibles de ser valorizados o requieren sujetarse a tratamiento o disposición final conforme a lo dispuesto en la misma Ley. En función de sus características y orígenes, se les clasifica en tres grandes grupos: residuos sólidos urbanos (RSU), residuos de manejo especial (RME) y residuos peligrosos (RP).
Residuos sólidos urbanos: Los residuos sólidos urbanos son los que se generan en las casas habitación como resultado de laeliminación de los materiales que se utilizan en las actividades domésticas (p. e., de los productos de consumo y sus envases, embalajes o empaques) o los que provienen también de cualquier otra actividad que se desarrolla dentro de los establecimientos o en la vía pública, con características domiciliarias, y los resultantes de las vías y lugares públicos siempre que no sean considerados como residuos de otra índole.
Residuos de manejo especial (RME): aquéllos generados en los procesos productivos que no reúnen las características para ser considerados residuos sólidos urbanos o peligrosos, o que son producidos por grandes generadores de residuos sólidos urbanos.
Residuos peligrosos (RP): los residuos peligrosos, definidos como aquellos que poseen alguna de las características CRETIB que les confieren peligrosidad (corrosividad, C; reactividad, R; explosividad, E; toxicidad, T; inflamabilidad, I; o ser biológico-infecciosos, B), así como los envases, recipientes, embalajes y suelos que hayan sido contaminados. (SEMARNAT, S.F.).
Rellenos sanitarios
Es una técnica de disposición de residuos sólidos muy utilizada en la región, que consiste en la disposición de capas de basura compactadas sobre un suelo previamente impermeabilizado para evitar la contaminación del acuífero y recubiertas por capas de suelo (Ullca, 2006).
Contaminación
Es cuando en un entorno ingresan elementos o sustancias que normalmente no deberían estar en él y que afectan el equilibrio del ecosistema. Los agentes contaminantes pueden ser físicos, químicos o biológicos y perjudican medios como el agua, el suelo o el aire cuando se presentan en concentraciones muy elevadas. Estos compuestos alternan las condiciones de los organismos que habitan en ellos, generando problemas de salud o de seguridad, malestar e incluso la muerte (EAFIT, S.F.).
Lixiviados
Se pueden definir los lixiviados como el líquido que se filtra a través de los residuos sólidos y que extrae materiales disueltos o en suspensión. Los lixiviados están formados por el líquido que entra en el relleno desde fuentes externas tales como el drenaje superficial y la lluvia; y en su caso del líquido producido por la descomposición de los residuos. El lixiviado contiene diversos constituyentes derivados de la solubilización de los materiales depositados en el vertedero y de los productos de reacciones químicas y bioquímicas que se producen dentro del vertedero (Chávez, 2011).
Reciclaje
El reciclaje es una práctica eco-amigable que consiste en someter a un proceso de transformación un desecho o cosa inservible para así aprovecharlo como recurso que nos permita volver a introducirlos en el ciclo de vida sin tener que recurrir al uso de nuevos recursos naturales. A su vez, el reciclaje es una manera verde de gestionar o, directamente, de acabar con buena parte de los desechos humanos (Isan, 2017).
Método
Primeramente, se calculará la correlación para poder representar la dispersión de la generación de basura y rellenos sanitarios en México, por lo que mostrará su comportamiento a lo largo de los años, asimismo, utilizaremos la correlación de Pearson para determinar la función, seguido de su regresión lineal. De misma forma, se calcularán los datos de la generación de basura en México y la población, los rellenos sanitarios en México, generación de basura y rellenos sanitarios en México. También, se calculará la frecuencia del desecho de materiales, la cual, será representada con gráficas. Finalizando, se mostrarán los riesgos en gráficas de pastel con los porcentajes de la cantidad de riesgos de la suma de los lugares en México.
- Diagramas de Dispersión
- Correlacion por Pearson
- Regresión Lineal Simple
- Polígonos e histogramas de frecuencia
Resultados y discusión
Generación de basura en México
Importe de datos
## Parsed with column specification:
## cols(
## AÑO = col_double(),
## `GENERACION_TOTAL_(MILLONES_DE_TONELADAS)` = col_double(),
## `GENERACION_PER_CAPITA_(KG/HABITANTE/DIA)` = col_double()
## )
Transformación de datos
Fecha = seq(from = as.Date("1992-01-01"), to = as.Date("2012-12-31"), by= 'year')
num_generacionTotal <- generacion$`GENERACION_TOTAL_(MILLONES_DE_TONELADAS)`
num_generacionCapital <- generacion$`GENERACION_PER_CAPITA_(KG/HABITANTE/DIA)`
datosgT <- data.frame(Fecha, num_generacionTotal)
datosgC <- data.frame(Fecha, num_generacionCapital)Representación gráfica
ggplot(data= datosgT) + geom_line(mapping = aes(x= Fecha, y= num_generacionTotal), colour="#1A3D6A")+ ggtitle("Cantidad de la generación total de residuos desde el año 1992 hasta el 2012") + transition_reveal(Fecha)
ggplot(data= datosgC) + geom_line(mapping = aes(x= Fecha, y= num_generacionCapital), colour="#08418A")+ ggtitle("Cantidad de la generación por capital de residuos desde el año 1992 hasta el 2012") + transition_reveal(Fecha)
Analizando los datos se puede observar que en los años 1992 y 1993 hubo un gran incremento en la generación de residuos, tanto por capital (habitantes), como en total, así mismo, en los siguientes años siguió habiendo un incremento, no fue hasta que en el año 1997 hubo un decremento, sin embargo, en los siguientes años comenzó un nuevo incremento, hasta llegar a tener casi 1kg de residuos generados por habitante por día.
Importar datos
Transformación de datos
Representación gráfica
ggplot(data= datosb) + geom_line(mapping = aes(x= Fecha, y= num_basura), colour="#2075B3")+ ggtitle("Cantidad de basura generada desde el año 1995 hasta el 2011") + transition_reveal(Fecha)
ggplot(data= datosr) + geom_line(mapping = aes(x= Fecha, y= num_rellenos), colour="#3769A9")+ ggtitle("Cantidad de rellenos generados desde el año 1995 hasta el 2011") + transition_reveal(Fecha)
Análisis de correlación
## anio basura rellenos
## anio 1.0000000 0.9495559 0.9435149
## basura 0.9495559 1.0000000 0.9393043
## rellenos 0.9435149 0.9393043 1.0000000Con este resultado de correlación, podemos observar que da un 93% de relación entre la basura y los rellenos sanitarios, esto quiere decir que, la basura generada al año se relaciona con los rellenos; se hacen rellenos dependiendo de la basura que se genera.
Diagrama de disperción
En este diagrama veremos con detalle la relación entre la basura y los rellenos sanitarios, mediante gráficas, observamos que los puntos estan en ascenso; relativamente formando una linea creciente.
Test de correlación de Pearson
##
## Pearson's product-moment correlation
##
## data: basura$basura and basura$rellenos
## t = 10.604, df = 15, p-value = 2.299e-08
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## 0.8361639 0.9782823
## sample estimates:
## cor
## 0.9393043Este test es para conocer el porcentaje de relación entre datos. Se puede observar que entre la basura y los rellenos, efectivamente da el 93% de relación que resultó anteriormente.
Diagrama de dispreción de Pearson
ggpairs(basura, lower = list(continous = "smooth"), diag = list(continous = "bar"), axisLabels = "none")
En las referentes gráficas, se muestran mayormente los detalles de la relación que tienen los datos que se tienen. En base a los años, se puede apreciar que, normalmente, la basura y los rellenos van creciendo de la mano, quiere decir que, la generación de basura sí influye en el aumento de los rellenos sanitaros.
Ecuación de la recta de mínimos cuadrados
\[y = 27418.764 + 72.231x\]
Generación de basura en México y su población
Importar datos
## Parsed with column specification:
## cols(
## ANIO = col_double(),
## `GENERACION_TOTAL_(MILLONES_DE_TONELADAS)` = col_double(),
## POBLACION = col_double()
## )Transformar datos
Visualizar datos
ggplot(data = datapoblacion)+
geom_line(mapping = aes(x = pfecha, y = cantidad_habitantes), colour="blue") +
xlab("Fecha (año)") +
ylab("Cantidad de habitantes") +
ggtitle("Población en México desde 1995 hasta 2010")
Como se puede ver en esta gráfica, la población de México ha ido creciendo de forma exponencial. Esto es debido a que los últimos años, el índice de natalidad aumentó considerablemente. Esto sin embargo, afecta considerablemente en la generación de basura. Entre mayor sea la población, mayor será el consumo de productos.
Correlación
## pfecha pcantidad_residuos cantidad_habitantes
## pfecha 1.0000000 0.9507191 0.9945817
## pcantidad_residuos 0.9507191 1.0000000 0.9634711
## cantidad_habitantes 0.9945817 0.9634711 1.0000000
Regresión lineal
regresion <- lm(pcantidad_residuos ~ cantidad_habitantes, data=datapoblacionresiduos)
summary(regresion)##
## Call:
## lm(formula = pcantidad_residuos ~ cantidad_habitantes, data = datapoblacionresiduos)
##
## Residuals:
## 1 2 3 4
## 1130.5 -1710.3 161.0 418.8
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -1.479e+04 9.653e+03 -1.532 0.2652
## cantidad_habitantes 4.845e-04 9.523e-05 5.088 0.0365 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1484 on 2 degrees of freedom
## Multiple R-squared: 0.9283, Adjusted R-squared: 0.8924
## F-statistic: 25.88 on 1 and 2 DF, p-value: 0.03653Representación gráfica
plot(datapoblacionresiduos$cantidad_habitantes, datapoblacionresiduos$pcantidad_residuos, xlab = "Población", ylab = "Residuos")
abline(regresion)
Con el aumento de la población en México, cada año, se puede deducir que con el paso del tiempo la generación de basura ira en aumento, ya que a mayor población dispone de mas desperdicio y uso de recursos.
Rellenos sanitarios en México
## Parsed with column specification:
## cols(
## AÑO = col_double(),
## CONCEPTO = col_character(),
## `RELLENOS_SANITARIOS_(NUMERO)` = col_double()
## )Generación de basura y rellenos sanitarios en México
## Parsed with column specification:
## cols(
## AÑO = col_double(),
## `GENERACION_TOTAL_(MILLONES_DE_TONELADAS)` = col_double(),
## `RELLENOS_SANITARIOS_(NUMERO)` = col_double()
## )rcantidad_basura <- generacion1$`GENERACION_TOTAL_(MILLONES_DE_TONELADAS)`
cantidad_rellenos <- generacion1$`RELLENOS_SANITARIOS_(NUMERO)`
rfecha <- generacion1$AÑO
datarellenos <- data.frame(rfecha, cantidad_rellenos)
datarellenosbasura <- data.frame(rfecha, rcantidad_basura, cantidad_rellenos)Visualizar datos
ggplot(data = datarellenos) +
geom_line(mapping = aes(x=rfecha, y=cantidad_rellenos), colour="blue" )+
xlab("Fecha (año)")+
ylab("Cantidad de rellenos")+
ggtitle("Rellenos sanitarios en México desde 1995 hasta 2010")
En la gráfica anterior, los rellenos sanitarios han tenido un incremento considerable respectivo a los últimos años. Esto se debe a que principalmente, se ha requerido tener más rellenos para poder contener la basura generada. Es decir que, entre más basura generada haya… mayor será el número de rellenos sanitarios.
Los rellenos sanitarios son un problema, ya que además de ser principales contaminantes, son un gran foco de infección y destruyen de forma agresiva el ecosistema porque estos generan gases de efecto invernadero.
Correlación
## rfecha rcantidad_basura cantidad_rellenos
## rfecha 1.0000000 0.9561011 0.9168572
## rcantidad_basura 0.9561011 1.0000000 0.9350937
## cantidad_rellenos 0.9168572 0.9350937 1.0000000Regresión Lineal
regresionrellenos <- lm(rcantidad_basura ~ cantidad_rellenos, data = datarellenosbasura)
summary(regresionrellenos)##
## Call:
## lm(formula = rcantidad_basura ~ cantidad_rellenos, data = datarellenosbasura)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2242.9 -1433.8 348.8 1384.6 1791.0
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 28249.163 693.541 40.73 < 2e-16 ***
## cantidad_rellenos 61.910 5.866 10.55 1.29e-08 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1467 on 16 degrees of freedom
## Multiple R-squared: 0.8744, Adjusted R-squared: 0.8666
## F-statistic: 111.4 on 1 and 16 DF, p-value: 1.29e-08Representación Grafica
plot (datarellenosbasura$cantidad_rellenos, datarellenosbasura$rcantidad_basura, xlab = "Cantidad de rellenos", ylab = "Residuos")
abline(regresionrellenos)
En esta gráfica podemos apreciar cómo es el margen de error de una recta lineal, como se comportan los datos a la comparación de una constante, podemos apreciar como los datos van en aumento y tienen un poco de picada, pero incluso así siguen en aumento.
¿En dónde terminan los residuos generados?
[Datos preliminares de INEGI, 2017] (BasuraHogares.jgp) ###### (Datos preliminares de INEGI, 2017)
Esta tabla se representan los datos de 3 diferentes ubicaciones (rellenos sanitarios, rellenos de tierra controlados y sitios no controlados), así como, también los respectivos datos de las toneladas de basura.
Importar datos
library(readr)
library(DT)
disposicion <- read_csv("disposicion_final_de_residuos_solidos_urbanos.csv")## Parsed with column specification:
## cols(
## AÑO = col_double(),
## UBICACION = col_character(),
## `TIPO_DISPOSICION_Y_VOLUMEN_(TONELADAS)` = col_double()
## )Visualizar datos
ton_rellenos <- (disposicion[disposicion$UBICACION == "Rellenos sanitarios",])
ggplot(data = ton_rellenos) +
geom_line(mapping = aes(x= AÑO, y= `TIPO_DISPOSICION_Y_VOLUMEN_(TONELADAS)`), colour="green" )+
xlab("Fecha (año)")+
ylab("Toneladas de residuos en rellenos")+
ggtitle("Residuos en rellenos sanitarios en México desde 1995 hasta 2012")
ton_tierra <- (disposicion[disposicion$UBICACION == "Rellenos de tierra controlados",])
ggplot(data = ton_tierra) +
geom_line(mapping = aes(x= AÑO, y= `TIPO_DISPOSICION_Y_VOLUMEN_(TONELADAS)`), colour="black" )+
xlab("Fecha (año)")+
ylab("Toneladas de residuos en rellenos de tierra controlados")+
ggtitle("Residuos en rellenos de tierra controlados en México desde 1995 hasta 2012")
ton_sincontrol <- (disposicion[disposicion$UBICACION == "Sitios no controlados (tiraderos a cielo abierto)",])
ggplot(data = ton_sincontrol) +
geom_line(mapping = aes(x= AÑO, y= `TIPO_DISPOSICION_Y_VOLUMEN_(TONELADAS)`), colour="red" )+
xlab("Fecha (año)")+
ylab("Toneladas de residuos en sitios no controlados")+
ggtitle("Residuos en sitios no controlados en México desde 1995 hasta 2012")
En esta gráfica se analiza como es que fue decayendo los residuos no controlados en México, pero, en cambio vemos como los residuos y los rellenos fueron en aumento, podemos deducir que se fue controlando los residuos en los rellenos sanitarios, pero aun así fue aumentando los residuos.
Importar datos
En esta tabla podemos apreciar los niveles de riesgo dando a conocer su ubicación en la entidad y el nombre del basurero.
## Parsed with column specification:
## cols(
## .default = col_character(),
## Latitud = col_double(),
## Longitud = col_double(),
## Cantidad_en_toneladas_por_dia = col_double()
## )## See spec(...) for full column specifications.Representación gráfica
porcentajesMonitoreo <- as.numeric(round(((prop.table(table(Peligro$Monitoreo_de_higiene_y_seguridad)))*100),2))
etiquetasMonitoreo <- c("No", "Si", "SIN DATO")
etiquetasMonitoreo <- paste(etiquetasMonitoreo, porcentajesMonitoreo)
etiquetasMonitoreo <- paste(etiquetasMonitoreo, "%", sep = "")
colores <- c("#B281E5", "#576EA3", "#7ABBE5", "#84E2E3")
pie3D(porcentajesMonitoreo, labels = etiquetasMonitoreo,explode =0.2, main = "Basureros que cuentan con Monitoreo de Higiene y Seguridad",
sub = "Cuentan con Monitoreo de Higiene y Seguridad", col = colores)
Podemos apreciar como casi el 80% de los basureros no cuentan con una buena administración y mantenimiento para prevenir que estos basureros se vuelvan incontrolables o muy caros de controlar, además, no se sabe de qué material estamos hablando puede haber contaminantes muy fuertes y sin estar en vigilancia puede ser muy perjudicial.
porcentajesTratamiento <- as.numeric(round(((prop.table(table(Peligro$Tratamiento_de_lixiviados)))*100),2))
etiquetasTratamiento <- c("No", "Si", "SIN DATO")
etiquetasTratamiento <- paste(etiquetasTratamiento, porcentajesTratamiento)
etiquetasTratamiento <- paste(etiquetasTratamiento, "%", sep = "")
pie3D(porcentajesTratamiento, labels = etiquetasTratamiento, explode = 0, radius = 0.9, height = 0.1,
main = "Basureros cuentan con Tratamiento de Lixiviado", theta = pi/4 , start =0.7, col=colores)
El porcentaje de los basureros que cuentan con tratamiento de lixiviados es muy alto esto quiere decir que se esta tratando de combatir los contaminantes de suelo y aire de estos basureros, de igual forma siguen existiendo precipitaciones y según la Revista internacional de contaminación ambiental el impacto aumenta casi en un 50%.
porcentajesRiesgo <- as.numeric(round(((prop.table(table(Peligro$Riesgo)))*100),2))
etiquetasRiesgo <- c("ALTO", "BAJO", "MEDIANO", "MUY ALTO")
etiquetasRiesgo <- paste(etiquetasRiesgo, porcentajesRiesgo)
etiquetasRiesgo <- paste(etiquetasRiesgo, "%", sep = "")
pie3D(porcentajesRiesgo, labels = etiquetasRiesgo, explode = 0.07, radius = 0.7, height = .1,
main = "Basureros según su Nivel de Riesgo", theta = pi/4 , start = 1, col=colores)
En esta grafica, se observa los diferentes niveles de riesgo que se pueden presentar en los basureros, asi como, vemos como en el riesgo de nivel alto esta casi al 50%; casi la mitad de los basureros tienen un riesgo potencialmente alto y mediano. El porcentaje de los basureros con niveles de riesgo bajo es casi nuelo, además, existen una gran cantidad basureros con riesgo muy alto, cuando esto deberia ser al revés.
Importar datos
## Parsed with column specification:
## cols(
## Nombre_de_la_entidad = col_character(),
## Riesgo = col_character()
## )Importar datos
Representación gráfica
Fecha = seq(from = as.Date("2003-01-01"), to = as.Date("2018-12-31"), by= 'year')
num_promedio <- consumo$`PROMEDIO_TRIMESTRAL_DEL_CONSUMO_FINAL_PRIVADO_(MILLONES_DE_PESOS)`
datosp <- data.frame(Fecha, num_promedio)
ggplot(data= datosp) + geom_line(mapping = aes(x= Fecha, y= num_promedio), colour="#4F91E5")+ ggtitle("Total de gasto de consumo desde el año 2003 hasta el 2018") + transition_reveal(Fecha)
En esta gráfica se representan los datos de consumo final privado, es decir, el gasto que se hizo para el control de residuos/basura por año, desde el 2003 hasta el 2018. Aquí mismo, se observa que el gasto fue en incremento hasta el año 2008, cambiando a un decremento en el 2009 y volviendo cambiar, a un incremento, en el 2010 hasta el 2017, donde, un año después, hubo otro decremento en los gastos.