Avance 1

Generación de basura en México

Datos desde 1992 hasta 2012 obtenidos de: https://datos.gob.mx/busca/dataset/indicadores-basicos-del-desempeno-ambiental--residuos-solidos

library(pacman)
p_load("readr","DT", "tidyverse","ggplot2")
residuos <- read_csv("residuos.csv")

## Parsed with column specification:
## cols(
##   ANIO = col_double(),
##   `GENERACION_TOTAL_(MILLONES_DE_TONELADAS)` = col_double(),
##   `GENERACION_PER_CAPITA_(KG/HABITANTE/DIA)` = col_double()
## )

datatable(residuos)

Transformar datos

cantidad_residuos <- residuos$`GENERACION_TOTAL_(MILLONES_DE_TONELADAS)`
cantidad_residuos_percapita <- residuos$`GENERACION_PER_CAPITA_(KG/HABITANTE/DIA)`
fecha <- residuos$ANIO
dataresiduos <- data.frame(fecha, cantidad_residuos)
dataresiduospc <- data.frame(fecha, cantidad_residuos_percapita)

Visualización de datos

ggplot(data = dataresiduos)+
  geom_line(mapping = aes(x = fecha, y = cantidad_residuos), colour="red") +
  xlab("Fecha (año)") +
  ylab("Cantidad de residuos (milones de toneladas)") +
  ggtitle("Cantidad de residuos generados desde 1995 hasta 2012")

ggplot(data = dataresiduospc)+
  geom_line(mapping = aes(x = fecha, y = cantidad_residuos_percapita), colour="blue") +
  xlab("Fecha (año)") +
  ylab("Cantidad de residuos per capita (Kg/habitante/día)") +
  ggtitle("Cantidad de residuos generados per capita desde 1995 hasta 2012")

De la misma forma que la población se ha incrementado desde el año 1995, lo ha hecho la cantidad de basura que es genereda anualmente. Siendo eso algo muy probablemente obvio, lo verdaderamente alarmante, son los picos que han habido entre esos años (1992-2012) en lo que respecta a la producción de basura y que a han hecho imposible que las gráficas que las representan lleguen a estabilizarse.

Es notorio como en la gráfica de la producción de basura per capita, la producción se incrementa de manera ridícula para luego reducirse y estabilizarse en los años siguientes. Esto es algo que no dura hasta la entrada del nuevo milenio, donde el aumento no se detiene hasta el año 2012, donde se observa como se estabiliza un poco. Ahora, si bien es relativamente poco el incremento por persona (apenas unos 150 gramos en un periodo de 20 años), tiene una repercusión inmensa cuando se observa en la producción por todo el país, siendo esta de aproximadamente 20 mil millones de toneladas en el mismo periodo de tiempo.

Generación de basura en México y su población

Datos desde 1995 hasta 2010 obtenidos de: https://www.inegi.org.mx/temas/estructura/

poblacion <- read_csv("poblacion.csv")

## Parsed with column specification:
## cols(
##   ANIO = col_double(),
##   `GENERACION_TOTAL_(MILLONES_DE_TONELADAS)` = col_double(),
##   POBLACION = col_double()
## )

datatable(poblacion)

Transformar datos

pcantidad_residuos <- poblacion$`GENERACION_TOTAL_(MILLONES_DE_TONELADAS)`
cantidad_habitantes <- poblacion$POBLACION
pfecha <- poblacion$ANIO
datapoblacion <- data.frame(pfecha, cantidad_habitantes)
datapoblacionresiduos <- data.frame(pfecha, pcantidad_residuos, cantidad_habitantes)

Visualización de 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")

Correlación

cor(datapoblacionresiduos)

##                        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

Diagrama de Dispersión

pairs(datapoblacionresiduos)

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: 0.03653

Entonces, la recta de mínimos cuadrados, sería la siguiente:

\[ y = -14790 + 0.0004845 x\]

Representación gráfica de la recta

plot(datapoblacionresiduos$cantidad_habitantes, datapoblacionresiduos$pcantidad_residuos, xlab = "Población", ylab = "Residuos")
abline(regresion)

Rellenos sanitarios de México

Datos desde 1995 hasta 2012 obtenidos de: https://datos.gob.mx/busca/dataset/indicadores-basicos-del-desempeno-ambiental--residuos-solidos

rellenos <- read_csv("rellenos.csv")

## Parsed with column specification:
## cols(
##   AÑO = col_double(),
##   CONCEPTO = col_character(),
##   `RELLENOS_SANITARIOS_(NUMERO)` = col_double()
## )

datatable(rellenos)

Generación de basura y rellenos sanitarios en México

Datos desde 1995 hasta 2012 obtenidos de: https://datos.gob.mx/busca/dataset/indicadores-basicos-del-desempeno-ambiental--residuos-solidos

generacion <- read_csv("generacion.csv")

## Parsed with column specification:
## cols(
##   ANIO = col_double(),
##   `GENERACION_TOTAL_(MILLONES_DE_TONELADAS)` = col_double(),
##   `RELLENOS_SANITARIOS_(NUMERO)` = col_double()
## )

datatable(generacion)

Transformar datos

rcantidad_basura <- generacion$`GENERACION_TOTAL_(MILLONES_DE_TONELADAS)`
cantidad_rellenos <- generacion$`RELLENOS_SANITARIOS_(NUMERO)`
rfecha <- generacion$ANIO
datarellenos <- data.frame(rfecha, cantidad_rellenos)
datarellenosbasura <- data.frame(rfecha, rcantidad_basura, cantidad_rellenos)

Visualización de 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")

Correlación

cor(datarellenosbasura)

##                      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         1.0000000

Diagrama de dispersión

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-08

Entonces, la recta de mínimos cuadrados, sería la siguiente:

\[ y = 28249.163 + 61.910 x\]

Representación gráfica de la recta

plot (datarellenosbasura$cantidad_rellenos, datarellenosbasura$rcantidad_basura, xlab = "Cantidad de rellenos", ylab = "Residuos")
abline(regresionrellenos)

Estas gráficas nos dicen que entre más población existe más generación de residuos existirá en el país, sin embargo los rellenos sanitarios que se tienen no son ni suficientes en cantidad, ni una solución efectiva ni permanente, además que la administración que se tiene de estos residuos que se recaban es muy mala. Sin mencionar el hecho de que se han incrementado de manera enorme en los años que corresponden a los datos.

¿En dónde terminan los residuos generados?

Si ya hablamos que la recolección, gestión y administración de los residuos no es buena en México, ¿dónde es que terminan estos?

Según datos de: http://dsiappsdev.semarnat.gob.mx/datos/indicadores/dambiental/Residuos%20s%C3%B3lidos/disposicion%20final%20de%20residuos%20solidos%20urbanos.csv

La disposición final de los residuos aún hoy que hay “muchos más” rellenos sanitarios sigue siendo en un gran porcentaje en tiraderos no controlados y al aire libre.

disposicion <- read_csv("disposicion.csv", 
    col_types = cols(ANIO = col_number(), 
        TONELADAS = col_number()))
datatable(disposicion)

Cantidad de basura en rellenos sanitarios

ton_rellenos <- (disposicion[disposicion$UBICACION == "Rellenos sanitarios",])
ggplot(data = ton_rellenos) +
  geom_line(mapping = aes(x= ANIO, y= TONELADAS), colour="green" )+
              xlab("Fecha (año)")+
              ylab("Toneladas de residuos en rellenos")+
              ggtitle("Residuos en rellenos sanitarios en México desde 1995 hasta 2012")

Cantidad de basura en rellenos de tierra controlados

ton_tierra <- (disposicion[disposicion$UBICACION == "Rellenos de tierra controlados",])
ggplot(data = ton_tierra) +
  geom_line(mapping = aes(x= ANIO, y= 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")

Cantidad de basura en sitios no controlados

ton_sincontrol <- (disposicion[disposicion$UBICACION == "Sitios no controlados (tiraderos a cielo abierto)",])
ggplot(data = ton_sincontrol) +
  geom_line(mapping = aes(x= ANIO, y= 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")

Materiales que son desechados en México

Según datos de: https://datos.gob.mx/busca/dataset/indicadores-basicos-del-desempeno-ambiental--residuos-solidos/resource/47e472b8-f55e-4309-add5-88f892c465ce Estos son los porcentajes que se generaron de basura en 2011 en México.

materiales <- read_csv("materiales.csv", 
    col_types = cols(KILOSDIA = col_number(), 
        PORCENTAJE = col_number()))
datatable(materiales)

Según los datos anteriores, el tipo de basura que más se produce corresponde tanto a PET, las conocidas botellas de plástico, como a papel, cartón y vidrio. En lo que respecta al PET, este es un problema especialmente debido a que a pesar de ser un material bastante resistente, tiene un ciclo de vida muy corto (del mercado al hogar y posteriormente solo unos pocos días), lo que propicia que se genere a cantidades desbordantes y que a diferencia del cartón, se acumule debido a los años y años que tarda en descomponerse. Esto causa que esos desechos terminen en áreas donde no deberían, como el océano, y que los materiales que lo componen suelten sustancias que contaminen esas áreas.