Codigo de descarga:

xfun::embed_file("U1A12.Rmd")

Download U1A12.Rmd

datos del documento

Este informe es una evaluación preliminar de las emisiones de gases de efecto invernadero (GEI) durante el periodo de 1990 a 2005, así como una proyección de las emisiones hasta el 2020. El inventario y proyección sirve como un punto de partida para apoyar al estado con un panorama completo de las emisiones de GEI actuales y las posibles emisiones futuras en Sonora. Este estudio es fundamental para la elaboración del Plan Estatal de Acción Climática (PEAC). El inventario y las proyecciones comprenden los seis tipos de gases que se incluyen en el inventario nacional de emisiones de GEI de México y comúnmente se reportan en los informes internacionales conforme al Protocolo de Kioto: dióxido de carbono (CO2), metano (CH4), óxido nitroso (N2O), hidrofluorocarbonos (HFCs), perfluorocarbonos (PFCs), y hexafluoruro de azufre (SF6). Las emisiones de estos GEI se presentan usando una métrica común, el CO2 equivalente (CO2e).

Datos obtenidos : URL: (https://www.gob.mx/cms/uploads/attachment/file/164941/2010_son_inventario_gei.pdf)

https://www.inegi.org.mx/programas/vehiculosmotor/#Tabulados

Introducción

La movilidad, según el Banco Mundial, es uno de los principales desafíos ambientales y sociales de nuestros tiempos. En el caso de Sonora, la ciudad ha seguido el modelo de crecimiento de las ciudades norteamericanas donde el automóvil es el centro del modelo de transporte. Sin embargo, la estructura vial actual y el aumento del parque vehicular rebasarán en el corto plazo la capacidad actual de la ciudades como Hermosillo y ésta se congestionará. Es por ello que es indispensable la implementación de políticas públicas con una perspectiva de largo plazo y centradas en la sostenibilidad. Con la ayuda de la ciencia de datos recabaremos informacion del INEGI y de IEEGEI donde estimaremos con prediccion la cantidad de CO2 que se produce entre 1990 a 2020 en el estado de Sonora y exponeremos porque es necesario un plan sostenible para tratar de combatir el CO2 en el sector de transporte.

Antecedentes

Datos de la Secretaría de Hacienda y Crédito Público indican que el parque vehicular registrado en Hermosillo durante 2019 es de 460,443 vehículos, 22.2% más que en 2018. De estos, 68.6% (315,970) son automóviles, 27.8% (127,823) camiones y camionetas de carga, 2.9% (13,339) motocicletas y 0.7% (3,311) camiones y camionetas de pasajeros.

Cargar libreria

library(readr)
library(prettydoc) 
library(DT)
library(readxl)
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, union

library(ggplot2)
library(data.table)

## 
## Attaching package: 'data.table'

## The following objects are masked from 'package:dplyr':
## 
##     between, first, last

library(scales)

## 
## Attaching package: 'scales'

## The following object is masked from 'package:readr':
## 
##     col_factor

library(plotly)

## 
## Attaching package: 'plotly'

## The following object is masked from 'package:ggplot2':
## 
##     last_plot

## The following object is masked from 'package:stats':
## 
##     filter

## The following object is masked from 'package:graphics':
## 
##     layout

library(tidyverse)

## -- Attaching packages --------------------------------------- tidyverse 1.3.0 --

## v tibble  3.0.5     v stringr 1.4.0
## v tidyr   1.1.2     v forcats 0.5.1
## v purrr   0.3.4

## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x data.table::between() masks dplyr::between()
## x scales::col_factor()  masks readr::col_factor()
## x purrr::discard()      masks scales::discard()
## x plotly::filter()      masks dplyr::filter(), stats::filter()
## x data.table::first()   masks dplyr::first()
## x dplyr::lag()          masks stats::lag()
## x data.table::last()    masks dplyr::last()
## x purrr::transpose()    masks data.table::transpose()

library(modelr)
library(lubridate)

## 
## Attaching package: 'lubridate'

## The following objects are masked from 'package:data.table':
## 
##     hour, isoweek, mday, minute, month, quarter, second, wday, week,
##     yday, year

## The following objects are masked from 'package:base':
## 
##     date, intersect, setdiff, union

library(datos)

¿Qué tanto aumento la cantidad de vehiculos de motor con registro de circulación en el estado de Sonora?

setwd("~/sexto semestre/Estadistica aplicada/EAMJ1130/UNIDAD 1/U1A12")
datosINEGI <- read_excel("datosINEGI.xlsx")
View(datosINEGI)

  datatable(datosINEGI, rownames = TRUE,
            options = list(paging=TRUE,
                         searching=TRUE))

x <- ggplot(data = datosINEGI) + 
  geom_line(aes(x = Año, y = Sonora))    +
  xlab("Año") +
  ylab("Vehículos de motor registrados en circulación") +
  ggtitle("vehículos de motor en circulación en el estado de Sonora") +
  scale_y_continuous(labels = comma) +
  theme(axis.text.x = element_text(angle=90, hjust=1),axis.text.y =element_text(size = 6))
ggplotly(x)

¿Qué tanto se produce de gases invernaderos CO2 en el sector de transporte en el estado de Sonora?

datosEmision <- read_excel("datosEmision.xlsx")
View(datosEmision)

Año <- datosEmision$Año
Gasolina_de_Carretera <- datosEmision$Gasolina_de_Carretera
Diesel_de_Carretera <- datosEmision$Diesel_de_Carretera
Navegacion_Acuatica <- datosEmision$Navegacion_Acuatica
Aviacion <- datosEmision$Aviacion
Ferrocarril <- datosEmision$Ferrocarril
Otros <- datosEmision$Otros
datos <- data.table(Gasolina_de_Carretera, Diesel_de_Carretera, Navegacion_Acuatica, Aviacion, Ferrocarril, Otros)
x <- ggplot(data = datos) + 
  geom_line(aes(Año, Gasolina_de_Carretera, colour="Gasolina de carretera")) + 
  geom_line(aes(Año, Diesel_de_Carretera, colour="Diesel de carretera")) + 
  geom_line(aes(Año, Navegacion_Acuatica, colour="Navegacion acuatica")) +
  geom_line(aes(Año, Aviacion, colour="Aviación")) +
geom_line(aes(Año, Ferrocarril, colour="Ferrocarril")) +
  geom_line(aes(Año, Otros, colour="Otros")) +
 xlab("Año") +
  ylab("(Millones de Toneladas Métricas de CO2e)") +
  labs(colour="Transporte") +
  ggtitle("Emisiones de GEI históricas y de casos de referencia en Sonora por el sector de transporte") +
  scale_y_continuous(labels = comma) +
  theme(axis.text.x = element_text(angle=90, hjust=1),axis.text.y =element_text(size = 6))
ggplotly(x)