- Descarga este código y datos utilizados
xfun::embed_file("U1A10.Rmd")xfun::embed_file("BeehivesMX.csv")xfun::embed_file("exportamiel.csv")xfun::embed_file("poliniza.csv")xfun::embed_file("causas.xlsx")xfun::embed_file("toneladas de plaguicidas.xlsx")Download toneladas de plaguicidas.xlsx
xfun::embed_file("TonMun.csv")ANÁLISIS DE LAS ABEJAS Y EL EFECTO DE LA AGRICULTURA
INTRODUCCIÓN
Las abejas son una clase de insecto volador distintivos por su color amarillo, franjas negras y se desarrollan en colonias que comúnmente se les conoce como enjambres dentro de colmenas donde se organizan estrictamente por jerarquías sociales en la que el principal estrato está conformado por la abeja reina, después siguen los zánganos y al final las abejas obreras, cada una desempeña un trabajo fundamental dentro de la colmena, pero por lo general la abeja obrera es la que normalmente conocemos debido a que está encargada en realizar la búsqueda de alimento en el néctar y polen de las flores además de ser las responsables en construir la colmena y volar a su alrededor en función de protegerla.
Actualmente se conocen más de 20,000 especies de abejas divididas en 7 grandes familias que habitan alrededor de todo el mundo exceptuando los lugares con climas fríos extremos como lo es la Antártida, hoy en día en México se han reconocido alrededor de 2,000 especies de abejas. Algunas de los motivos por lo que son tan conocidas las abejas es porque son las principales encargadas de polinizar las plantas tanto silvestres como de cultivos, lo que ayuda al mantenimiento de nuestro ecosistema, y también por la producción de miel pero que desgraciadamente a pesar de ser un insecto mundialmente conocido la comunidad de abejas se va reduciendo rápidamente con el paso del tiempo lo que pone en peligro la vida de cientos de organismos e incluso de humanos.
OBJETIVO
El presente trabajo está hecho con el objetivo de presentar uno de los factores por el que las abejas están desapareciendo rápidamente principalmente en México, así como hablar de su importancia por medio del uso de análisis estadísticos y de datos de una manera que pueda ser comprensible y reproducible al público interesado.
¿POR QUÉ LAS ABEJAS IMPORTAN TANTO PARA LA HUMANIDAD?
Las abejas no solo son extremadamente importantes para los humanos, sino también para el funcionamiento de ecosistemas enteros. Como sabemos, las abejas permiten que las plantas se reproduzcan mediante la polinización. Estas plantas contribuyen al sistema alimentario al alimentar a los animales, además de los humanos, como las aves y los insectos. Si la fuente de alimento para estos animales se redujera o se perdiera por completo, causaría sufrimiento a toda la cadena alimentaria.
Un nuevo estudio publicado en Nature Communications encontró que solo el dos por ciento de las especies de abejas silvestres contribuye con el 80 por ciento de las visitas de polinización de cultivos observadas a nivel mundial. Esto significa que si este pequeño porcentaje de abejas desaparece entonces el 80 por ciento de nuestro sistema agrícola colapsará. Puede parecer increíble, pero sin las abejas, podemos despedirnos de alimentos como manzanas, almendras, naranjas y aguacates. Si bien este es posiblemente el impacto más apremiante de la pérdida de abejas, también hay consecuencias económicas muy reales ya que las abejas contribuyen con alrededor de $ 4.2 billones a la economía global.
¿POR QUÉ LAS ABEJAS ESTÁN DESAPARECIENDO TAN RÁPIDAMENTE?
Existe una variedad de amenazas que enfrenta la población de abejas, incluida la pérdida de hábitat y el cambio climático , pero la amenaza más urgente para las abejas son los pesticidas.
La agricultura ha crecido hasta depender en gran medida de los insecticidas para proteger los cultivos de la destrucción, pero si bien las abejas no amenazan los cultivos, la pulverización de productos químicos a gran escala puede tener un gran impacto en otros insectos, incluidas las moscas y, por supuesto, las abejas. Investigaciones recientes revelaron que muchos pesticidas populares que todavía se usan en los Estados Unidos en realidad alteran la mente de las moscas y las abejas, destruyen su memoria y desechan su ciclo de sueño / vigilia.
- CUÁL ES LA SITUACIÓN DE LAS COLMENAS EN MÉXICO?
Actualmente el número de colmenas en México esta reduciendose con el paso de los años lo que por consecuencia afecta directamente al número de abejas que se tienen en el país y debido a este evento se espera que las poblaciones de abejas tanto en México como en el mundo se encuentren en una situación de peligro, motivo que tiene en alerta al mundo puesto podria ser el inicio de una cadena de desastres naturales de los que no se tendría control.
setwd("~/estadistica aplicada")
library(pacman)
library(readxl)
library(plotrix)
library(ggplot2)
library(scales)##
## Attaching package: 'scales'## The following object is masked from 'package:plotrix':
##
## rescalelibrary(RColorBrewer)
p_load("base64enc", "htmltools", "mime", "xfun", "prettydoc", "readr", "ggplot2", "tidyr", "plotly", "readr")library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionBs <- read.csv("BeehivesMX.csv")
Bs %>%
tail(58) %>%
ggplot( aes(x=yearc, y=Colmenas)) +
geom_line(color = "lightblue") +
geom_point(shape=21, color="orange", fill="yellow", size=3)+
ggtitle("Evolución de Colmenas en México de 1961 a 2018")
Figura 1. Grafico de número de colmenas en México (1961-2018)
En este gráfico podemos notar como existe un descenso de colmenas a partir del 84 el cual no se ha podido alcanzar desde ese entonces además de mencionar que hubo una epoca despues de 1960 donde hubo un descenso extremo en la cantidad de colmenas, donde uno de los principales motivos a los que se le puede atribuir dicho suceso es a la llamada Revolución Verde, un evento historico en el que la producción agrícola tuvo un avance inmenso con respecto a las anteriores metodologías pero que con ella llegaron los plaguicidas, los cuales afectaron fuertemente a los seres vivos debido al uso desmedido que durante un tiempo se le dio.
A continuacion se vera la evolucion de la exportación de miel que se ha dado anualmente en México, uno de los grandes motivos por los que se realiza la actividad de la apicultura en México
EM <- read.csv("exportamiel.csv")
EM %>%
tail(26) %>%
ggplot( aes(x=YEAR, y=MielProd)) +
geom_line(color = "lightblue") +
geom_point(shape=21, color="orange", fill="yellow", size=3)+
ggtitle("Exportaciones de miel en México")
Figura 2. Gráfico de exportacion de miel en México
Con este gráfico podemos ver un panorama más positivo donde México en los años más recientes ha exportado mayores cantidades de miel lo que podria darnos una idea del interes por esta practica pero que a pesar de ello, en parte de la produccion de este tipo solo se hace como un medio de obtencion de bienes y desgraciadamente no estan tan enfocados en un reestablecimiento ecologico a excepcion de algunos.
- ¿CÓMO SE RELACIONA CON LA AGRICULTURA?
En cualquier actividad que se beneficie de las plantas tendra una fuerte relacion con las abejas y su trabajo como polinizadoras debido a que ayudan en gran parte a que los productos que se obtengan sean de buena calidad o en gran cantidad.
Actualmente se utilizan grandes cantidades de colmenas para la polinizacion de huertos dentro de la agricultura, esta se beneficia de las abejas para permitir de esta manera que sus plantas tengan una mejor produccion
Poli <- read.csv("poliniza.csv")
x <- ggplot(data=Poli, aes(x=Delegacion, y=Colmenas)) +
geom_bar(stat="identity", position="stack", fill = "orange")
x + coord_flip()
Figura 3. Gráfico de colmenas en usos agrícolas en 2008
Con esto podemos ver como existe una gran cantidad de colmenas en esta industria, lo que nos permite reconocer que incluso con el gran trabajo que realizan las abejas por el medio ambiente hay maneras en las que ambas industrias pueden coexistir y trabajar juntas para la obtención de un bien comun algo de gran utilidad.
ANALISIS DE AGRICULTURA Y SUS EFECTOS SOBRE LAS ABEJAS
Durante algunos años se ha notado una diferencia en la población de insectos que localmente se pueden ver, lo que en un dia era comun encontrar abejas, grillos, mariposas, escarabajos y entre otros ahora dificilmente puedes hacerlo, existen muchos factores que han ayudado a esta causa pero no deja de ser motivo para alarmarse ante este evento que podria ser irreversible.
ca<-read_excel("causas.xlsx")
ggplot(ca, aes(x=1 ,y=porcentaje, fill=causas))+
geom_bar(stat = "identity",color="white")+
scale_fill_manual(values=brewer.pal(n = 7, name = "YlOrBr"))+
geom_text(aes(label=percent(porcentaje/100)),
position=position_stack(vjust=0.5),color="black",size=3)+
coord_polar(theta="y")
Figura 4 Grafico de porcentaje de causas de muerte de insectos, Fuente: Sánchez-Bayo & Wyckhuys, Biological Conservation|2019
El gráfico anterior nos muestra una realidad en la que se ha vivido, segun un estudio de alrededor de 30 años se ha mostrado que una de las principales causas de la muerte de insectos e incluyendo la de abejas es producto de actividades agrícolas, en especifico de las emisiones que se tienen de pesticidad y plaguicidas, los cuales terminan reduciendo en gran parte a todos los seres vivos que se desarrollen alrededor de un terreno de siembra, otro motivo es la constante urbanización sin medidas eco-friendly, lo que poco a poco junto a los problemas que con ella vienen teminan destruyendo la naturaleza de la que estos seres se enriquecen.
- La siguiente tabla muestra algunos de los insecticidas usados en practicas agrícolas que repercuten en los insectos y abejas silvestres.
\[ \begin{array}{l|l|l|c} \text{Nombre Comercial} & \text{Residualidad}& \text{Efecto en las abejas}\\ \hline Bifentrina & \text{Altamente tóxico para abejas. TRE: >1 día. TR: 4-6 horas (cdf)} & \text{TRE en abejas cortadoras de alfalfa y TR de 4-6 horas Incompatible con abejorros}\\ Clorpirifos & \text{Altamente tóxico para abejas. TRE: 4-6 días en concentraciones emulsificadas TR: <2 horas} & \text{TRE de 7 días para abejas cortadoras de alfalfa TRE de 6 día para la abeja alcalina. Contaminante común de la cera de abejas. Incompatible con abejorros}\\ Dimetoato & \text{Altamente tóxico para abejas.TRE: < 3 días} & \text{TRE en las abejas cortadoras de hojas de alfalfa. No colocar las abejas al menos 1 semana después. Incompatible con abejorros}\\ Imedacloprid & \text{Altamente tóxico para abejas.TRE: > 1 día TR: < 8 horas} & \text{Es usualmente utilizado como un insecticida sistemático, encontrado en polen y néctar de plantas. Los abejorros son más sensibles que abejas de la miel.}\\ Malation & \text{Altamente tóxico para abejas. TRE: 5.5 días en concentraciones.TRE: 2 días en un estado finamente molido combinado con agentes humectantes. TR: 3 horas en compuesto emulsificado} & \text{TRE superior a 7 días en abejas cortadoras de alfalfa y abejas alcalinas. Incompatible con abejorros} \\ \hline \end{array} \]
Tabla 1 Compuestos activos de los insecticidas comúnmente usados en Sonora y sus efectos adversos en las abejas. Abreviaturas: ia: Ingrediente activo; TR: Toxicidad Residual; TRE: Toxicidad Residual Extendida; (Fuente: Riedl et al., 2006; ICA 2018). Compilado de datos obtenidos de SIAP (2015) y del catálogo de plaguicidas de SENASICA (2011)
En el presente gráfico podemos ver como en los recientes años se ha utilizado grandes cantidades de plaguicidas.
data <- read_excel("toneladas de plaguicidas.xlsx")
data$año <-(data$Año)
data %>%
tail(30) %>%
ggplot( aes(x=Año, y=toneladas,)) +
geom_line( color="blue") +
geom_point(shape=20, color="brown", fill="Yellow", size=5)
Figura 5. Gráfico de las toneladas de plaguicidas en México de 1990 a 2018
En este grafico podemos identificar que aún en epocas actuales se sigue usando grandes cantidades de plaguicidas, algo que haría sentido con el descenso de las colmenas de abejas en México.
ANÁLISIS K-MEANS
Se analizarán mediante clusters los datos del uso mundial en toneladas de los plaguicidas o químicos dañinos en general, desde el año de 1990 hasta el 2018
setwd("~/estadistica aplicada")
ipak <- function(pkg){
new.pkg <- pkg[!(pkg %in% installed.packages()[, "Package"])]
if (length(new.pkg))
install.packages(new.pkg, dependencies = TRUE)
sapply(pkg, require, character.only = TRUE)
}
packages <- c("tidyverse","cluster", "factoextra","NbClust","tidyr")
ipak(packages)## Loading required package: tidyverse## -- Attaching packages --------------------------------------- tidyverse 1.3.0 --## v tibble 3.0.5 v stringr 1.4.0
## v purrr 0.3.4 v forcats 0.5.1## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x readr::col_factor() masks scales::col_factor()
## x purrr::discard() masks scales::discard()
## x dplyr::filter() masks plotly::filter(), stats::filter()
## x dplyr::lag() masks stats::lag()## Loading required package: cluster## Loading required package: factoextra## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa## Loading required package: NbClust## tidyverse cluster factoextra NbClust tidyr
## TRUE TRUE TRUE TRUE TRUEdf <- read_csv("TonMun.csv")##
## -- Column specification --------------------------------------------------------
## cols(
## Anio = col_double(),
## Toneladas = col_double()
## )df## # A tibble: 29 x 2
## Anio Toneladas
## <dbl> <dbl>
## 1 1990 232135
## 2 1991 2297981
## 3 1992 2364075
## 4 1993 2429223
## 5 1994 2588558
## 6 1995 2738410
## 7 1996 2850025
## 8 1997 2976498
## 9 1998 3038424
## 10 1999 3151065
## # ... with 19 more rows#normalizar las puntuaciones
scale(df)## Anio Toneladas
## [1,] -1.6442166 -3.56571190
## [2,] -1.5267726 -1.19332158
## [3,] -1.4093285 -1.11742010
## [4,] -1.2918845 -1.04260499
## [5,] -1.1744404 -0.85962678
## [6,] -1.0569964 -0.68753872
## [7,] -0.9395524 -0.55936152
## [8,] -0.8221083 -0.41412159
## [9,] -0.7046643 -0.34300659
## [10,] -0.5872202 -0.21365115
## [11,] -0.4697762 -0.24136058
## [12,] -0.3523321 -0.27881866
## [13,] -0.2348881 -0.24148460
## [14,] -0.1174440 -0.12369112
## [15,] 0.0000000 0.09104803
## [16,] 0.1174440 0.17344823
## [17,] 0.2348881 0.23185633
## [18,] 0.3523321 0.56106783
## [19,] 0.4697762 0.62875145
## [20,] 0.5872202 0.52798165
## [21,] 0.7046643 0.82799541
## [22,] 0.8221083 0.93764224
## [23,] 0.9395524 0.98734672
## [24,] 1.0569964 0.93044874
## [25,] 1.1744404 1.00833464
## [26,] 1.2918845 0.95593030
## [27,] 1.4093285 0.99245015
## [28,] 1.5267726 1.01370909
## [29,] 1.6442166 1.01370909
## attr(,"scaled:center")
## Anio Toneladas
## 2004 3337110
## attr(,"scaled:scale")
## Anio Toneladas
## 8.514693e+00 8.707867e+05head(df)## # A tibble: 6 x 2
## Anio Toneladas
## <dbl> <dbl>
## 1 1990 232135
## 2 1991 2297981
## 3 1992 2364075
## 4 1993 2429223
## 5 1994 2588558
## 6 1995 2738410#calcular la matriz de distacias
m.distancia <- get_dist(df, method = "euclidean") #el método aceptado también puede ser: "maximum", "manhattan", "canberra", "binary", "minkowski", "pearson", "spearman" o "kendall"
fviz_dist(m.distancia, gradient = list(low = "blue", mid = "white", high = "red"))
#estimar el número de clústers
#Elbow, silhouette o gap_stat method
fviz_nbclust(df, kmeans, method = "wss")
fviz_nbclust(df, kmeans, method = "silhouette")
fviz_nbclust(df, kmeans, method = "gap_stat")
#con esta función se pueden calcular:
#the index to be calculated. This should be one of : "kl", "ch", "hartigan", "ccc", "scott",
#"marriot", "trcovw", "tracew", "friedman", "rubin", "cindex", "db", "silhouette", "duda",
#"pseudot2", "beale", "ratkowsky", "ball", "ptbiserial", "gap", "frey", "mcclain", "gamma",
#"gplus", "tau", "dunn", "hubert", "sdindex", "dindex", "sdbw", "all" (all indices except GAP,
#Gamma, Gplus and Tau), "alllong" (all indices with Gap, Gamma, Gplus and Tau included).
#resnumclust<-NbClust(df, distance = "euclidean", min.nc=0, max.nc=10, method = "kmeans", index = "alllong")
#fviz_nbclust(resnumclust)
#calculamos los dos clústers
k2 <- kmeans(df, centers = 2, nstart = 25)
k2## K-means clustering with 2 clusters of sizes 15, 14
##
## Cluster means:
## Anio Toneladas
## 1 2011.0 3968820
## 2 1996.5 2660277
##
## Clustering vector:
## [1] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
##
## Within cluster sum of squares by cluster:
## [1] 1.185136e+12 7.647104e+12
## (between_SS / total_SS = 58.4 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss" "tot.withinss"
## [6] "betweenss" "size" "iter" "ifault"str(k2)## List of 9
## $ cluster : int [1:29] 2 2 2 2 2 2 2 2 2 2 ...
## $ centers : num [1:2, 1:2] 2011 1996 3968820 2660277
## ..- attr(*, "dimnames")=List of 2
## .. ..$ : chr [1:2] "1" "2"
## .. ..$ : chr [1:2] "Anio" "Toneladas"
## $ totss : num 2.12e+13
## $ withinss : num [1:2] 1.19e+12 7.65e+12
## $ tot.withinss: num 8.83e+12
## $ betweenss : num 1.24e+13
## $ size : int [1:2] 15 14
## $ iter : int 1
## $ ifault : int 0
## - attr(*, "class")= chr "kmeans"#plotear los cluster
fviz_cluster(k2, data = df)
fviz_cluster(k2, data = df, ellipse.type = "euclid",repel = TRUE,star.plot = TRUE) #ellipse.type= "t", "norm", "euclid"
fviz_cluster(k2, data = df, ellipse.type = "norm")
fviz_cluster(k2, data = df, ellipse.type = "norm",palette = "Set2", ggtheme = theme_minimal())
res2 <- hcut(df, k = 2, stand = TRUE)
fviz_dend(res2, rect = TRUE, cex = 0.5,
k_colors = c("red","#2E9FDF"))
res4 <- hcut(df, k = 4, stand = TRUE)
fviz_dend(res4, rect = TRUE, cex = 0.5,
k_colors = c("red","#2E9FDF","green","black"))
#pasar los cluster a mi df inicial para trabajar con ellos
setwd("~/estadistica aplicada")
x <- read_csv("TonMun.csv")##
## -- Column specification --------------------------------------------------------
## cols(
## Anio = col_double(),
## Toneladas = col_double()
## )x$clus <- as.factor(k2$cluster)
x## # A tibble: 29 x 3
## Anio Toneladas clus
## <dbl> <dbl> <fct>
## 1 1990 232135 2
## 2 1991 2297981 2
## 3 1992 2364075 2
## 4 1993 2429223 2
## 5 1994 2588558 2
## 6 1995 2738410 2
## 7 1996 2850025 2
## 8 1997 2976498 2
## 9 1998 3038424 2
## 10 1999 3151065 2
## # ... with 19 more rowssetwd("~/estadistica aplicada")
x <- read_csv("TonMun.csv")##
## -- Column specification --------------------------------------------------------
## cols(
## Anio = col_double(),
## Toneladas = col_double()
## )x <- scale(x)
x <- as.data.frame(x)
x$clus<-as.factor(k2$cluster)
x## Anio Toneladas clus
## 1 -1.6442166 -3.56571190 2
## 2 -1.5267726 -1.19332158 2
## 3 -1.4093285 -1.11742010 2
## 4 -1.2918845 -1.04260499 2
## 5 -1.1744404 -0.85962678 2
## 6 -1.0569964 -0.68753872 2
## 7 -0.9395524 -0.55936152 2
## 8 -0.8221083 -0.41412159 2
## 9 -0.7046643 -0.34300659 2
## 10 -0.5872202 -0.21365115 2
## 11 -0.4697762 -0.24136058 2
## 12 -0.3523321 -0.27881866 2
## 13 -0.2348881 -0.24148460 2
## 14 -0.1174440 -0.12369112 2
## 15 0.0000000 0.09104803 1
## 16 0.1174440 0.17344823 1
## 17 0.2348881 0.23185633 1
## 18 0.3523321 0.56106783 1
## 19 0.4697762 0.62875145 1
## 20 0.5872202 0.52798165 1
## 21 0.7046643 0.82799541 1
## 22 0.8221083 0.93764224 1
## 23 0.9395524 0.98734672 1
## 24 1.0569964 0.93044874 1
## 25 1.1744404 1.00833464 1
## 26 1.2918845 0.95593030 1
## 27 1.4093285 0.99245015 1
## 28 1.5267726 1.01370909 1
## 29 1.6442166 1.01370909 1setwd("~/estadistica aplicada")
x$clus<-factor(x$clus)
data_long <- gather(x, caracteristica, valor, Anio:Toneladas, factor_key=TRUE)
data_long## clus caracteristica valor
## 1 2 Anio -1.64421661
## 2 2 Anio -1.52677257
## 3 2 Anio -1.40932853
## 4 2 Anio -1.29188448
## 5 2 Anio -1.17444044
## 6 2 Anio -1.05699640
## 7 2 Anio -0.93955235
## 8 2 Anio -0.82210831
## 9 2 Anio -0.70466426
## 10 2 Anio -0.58722022
## 11 2 Anio -0.46977618
## 12 2 Anio -0.35233213
## 13 2 Anio -0.23488809
## 14 2 Anio -0.11744404
## 15 1 Anio 0.00000000
## 16 1 Anio 0.11744404
## 17 1 Anio 0.23488809
## 18 1 Anio 0.35233213
## 19 1 Anio 0.46977618
## 20 1 Anio 0.58722022
## 21 1 Anio 0.70466426
## 22 1 Anio 0.82210831
## 23 1 Anio 0.93955235
## 24 1 Anio 1.05699640
## 25 1 Anio 1.17444044
## 26 1 Anio 1.29188448
## 27 1 Anio 1.40932853
## 28 1 Anio 1.52677257
## 29 1 Anio 1.64421661
## 30 2 Toneladas -3.56571190
## 31 2 Toneladas -1.19332158
## 32 2 Toneladas -1.11742010
## 33 2 Toneladas -1.04260499
## 34 2 Toneladas -0.85962678
## 35 2 Toneladas -0.68753872
## 36 2 Toneladas -0.55936152
## 37 2 Toneladas -0.41412159
## 38 2 Toneladas -0.34300659
## 39 2 Toneladas -0.21365115
## 40 2 Toneladas -0.24136058
## 41 2 Toneladas -0.27881866
## 42 2 Toneladas -0.24148460
## 43 2 Toneladas -0.12369112
## 44 1 Toneladas 0.09104803
## 45 1 Toneladas 0.17344823
## 46 1 Toneladas 0.23185633
## 47 1 Toneladas 0.56106783
## 48 1 Toneladas 0.62875145
## 49 1 Toneladas 0.52798165
## 50 1 Toneladas 0.82799541
## 51 1 Toneladas 0.93764224
## 52 1 Toneladas 0.98734672
## 53 1 Toneladas 0.93044874
## 54 1 Toneladas 1.00833464
## 55 1 Toneladas 0.95593030
## 56 1 Toneladas 0.99245015
## 57 1 Toneladas 1.01370909
## 58 1 Toneladas 1.01370909CONCLUSIÓN
-Se concluirá en base al término del análisis
FUENTES
Silveira, M., Aldana, M., Piri, J., Valenzuela, A., Jasa, G., Rodriguez, G.. (2018). PLAGUICIDAS AGRICOLAS: UN MARCO DE REFERENCIA PARA EVALUAR RIESGOS A LA SALUD EN COMUNIDADES RURALES EN EL ESTADO DE SONORA, MÉXICO. febrero 23, 2021, de Scielo Sitio web: http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0188-49992018000100007#:~:text=Los%20insecticidas%20organofosforados%2C%20el%20endosulf%C3%A1n,efectos%20nocivos%20para%20la%20salud.