1.Introduccion

1.1 Contexto

En la agronomía la geomática es una herramienta que facilita la representación geografica por medio de mapas, el analisis de informacion topografica, permitiendo llevar a cabo el interpretaciones estadisticas agricolas.

1.2 Objetivos

Representar el departamento de Sucre por medio de mapas y analizar estadisticamente su actividad agricola, consignada en el reporte del Ministerio de Agricultura(2020) mediante las funciones del programa R.

1.3 Conceptos teoricos

Datos geograficos También conocidos como información geográfica o datos geoespaciales, se refieren a información relacionada con objetos o elementos presentes en un espacio u horizonte geográfico. Estos contienen coordenadas y atributos y nos permiten realizar analisis espaciales.

Sistemas de coordenadas de referencia Los Cordinate Reference System (CRS) definen ubicaciones geograficas con la ayuda de coordenadas y cómo las dos dimensiones con el mapa proyectado se relacionan a ubicaciones reales de la tierra. Hay dos diferentes tipos de sistemas de referencia de coordenadas: Sistema de Coordenadas Geográfica y Sistema de Coordenadas Proyectada.

Shapefiles Un formato de shapefile define la geometria y los atributos de entidades a la que se hace referencia geografica en 3 o mas extendiones de archivos concretos que se deben almacenar en el mismo espacio de trabao del proyecto.

Union de atributos a datos geograficos Es la combinacion de datos por medio de al menos una variable compartida, esta es utilizada para incorporar los campos de una tabla a otra.

Mapas tematicos Se hacen para representar aspectos particulares de la zona geografica de interes, estos pueden ser fisicos, de distribuciones de recursos naturales o de cualquier otra relacionada con el territorio en cuestion.

2.Metodos

2.1 Zona de Estudio

Este informe examina datos estadicos del departamento de Sucre, su capital es Sincelejo. Está ubicado al norte del país, en la región Caribe, limitando al norte con el mar Caribe (océano Atlántico), al este con Bolívar y al oeste con Córdoba. Con 10 670 km² es el sexto departamento menos extenso. El area del departamento es de 10670 km² y su poblacion en 2018 era de 904.863 habitantes(DANE,2018).

El territorio del departamento de Sucre es, en general, bajo y plano, anegadizo en el sur y seco en el norte. Se destacan la cuchilla de Nucacal y las lomas de Majagual. Posee una región insular conformada por las islas de San Bernardo, ubicadas en el Golfo de Morrosquillo. Sucre se divide en 5 subregiones naturales y 26 municipios. Las subregiones naturales son: los Montes de María, Morrosquillo, La Mojana, Sabanas y San Jorge (Gobernacion de Sucre, 2019).

Para comenzar se muestra la Figura[1], que es una representacion grafica del departamento de sucre, donde se puede visualizar el area y poblacion de cada municipio.

library(rgeos)
library(sf)
library(leaflet)
library(tidyverse)
library(dplyr)
library(ggplot2)
library(leafpop)
library(RColorBrewer)
#Leer el archivo .txt que contiene los municipios de sucre con coordenadas (latitud y longitud) y poblacion
municipios <- read.table(file = "/Users/Acer/Documents/Materias U/Geomatica Basica/municipiossucre.txt", header = F, sep = "," )

#Cambiar nombre de las columnas del archivo .txt
names(municipios) <- c ("Codigo", "Nombre", "COD_departamento", "Departamento", "Latitud", "Longitud","Poblacion")
#Leer el archivo .shp que contiene los poligonos de cada municipio del Sucre
munis_sucre <- read_sf("/Users/Acer/Documents/Materias U/Geomatica Basica/70_SUCRE/ADMINISTRATIVO/MGN_MPIO_POLITICO.shp")

# Calcular area y Convertir en coordenadas planas
munis_sucre$KM2 <- st_area(st_transform(munis_sucre, 3116))/1E6
munis_sucre$KM2 <- as.numeric(munis_sucre$KM2)
munis_sucre$KM2 <- round(munis_sucre$KM2,3)
munis_sucre$POBLACION <- municipios$Poblacion
bins <- c(56, 186.7, 317.4, 448.1, 578.8, 709.5, 840.2, 970.9, 1101.6,1232.3, 1495)
pal <- colorBin("RdBu", domain = munis_sucre$KM2, bins = bins)

  mapa <- leaflet(data = munis_sucre) %>%
  addTiles() %>%
  addPolygons(label = ~MPIO_CNMBR,
              popup = popupTable(munis_sucre ,zcol = c("MPIO_CCDGO","MPIO_CNMBR","KM2","POBLACION")),
              fillColor = ~pal(KM2),
              color = "#444444",
              weight = 1,
              smoothFactor = 0.5,
              opacity = 1.0,
              fillOpacity = 0.5,
              highlightOptions = highlightOptions(color = "white", weight = 2, bringToFront = TRUE)
              ) %>%
  addProviderTiles(providers$OpenStreetMap) %>%
  addLegend("topright", pal = pal, values = ~KM2,
    title = "Municipalities extent [Km2] (DANE, 2018)",
    opacity = 1
  );mapa

Figura [1].Mapa Municipios de Sucre

2.2 Datos

Para la realizacion de este informe se utilizaron 3 tipos de archivos con informacion geoespacial y estadistica.

.txt Es un blog de notas que contiene la informacion de los municipios del departamento (Codigo, Nombre, COD_departamento, Departamento, Latitud, Longitud, Poblacion). De este archivo utilizamos la informacion poblacional de cada municipio.

.shp Es un shapefile que contiene la informacion geoespacial de cada municipio del departamento(DPTO_CCDGO, MPIO_CCDGO, MPIO_CNMBR, MPIO_CRSLC,MPIO_NAREA, MPIO_NANO, DPTO_CNMBR, Shape_Leng, Shape_Area, geometry).De los cuales utilizamos el codigo, nombre y area de cada municipio.

.csv En un dataframe proporcionado por el Ministerio de Agricultura(2020) que contiene informacion sobre la produccion agricola de cada municipio del departamento(COD_DEP., DEPARTAMENTO, COD_MUN,,MUNICIPIO, GRUPO, SUBGRUPO, CULTIVO, DESAGREGACION_REGIONAL_Y.O_SISTEMA_PRODUCTIVO, YEAR, PERIODO, HA_SEMBRADA, HA._COSECHADA, TON_PRODUCCION,RENDIMIENTO, ESTADO_FISICO_PRODUCCION, NOMBRE._CIENTIFICO, CICLO). De los cuales se utilizaron el codigo, nombre, cultivo, año, hectareas sembradas y cosechadas, produccion y rendimiento de cada municipio del departamento.

2.3 Metodos

3.Resultados y Discusion

Considerando que el archivo .csv contiene la informacion de todos departamentos de Colombia, se filtro unicamente para el departamento de sucre.

Tabla[1].Evaluaciones Agropecuarias del departamento de Sucre

#Leer archivo .csv que contiene los datos suministrados por el ministerio de agricultura y filtrarlos por el departamento de sucre.
EVA <- read.csv(file = "/Users/Acer/Documents/Materias U/Geomatica Basica/Evaluaciones_Agropecuarias_Municipales_EVA.csv", header=T, sep = ";")
eva_sucre <- filter(EVA, DEPARTAMENTO == "SUCRE");
select(eva_sucre, COD_MUN,MUNICIPIO,CULTIVO,YEAR,HA_SEMBRADA,HA._COSECHADA,TON_PRODUCCION,RENDIMIENTO)

Al revisar rapidamente el DataFrame proporcionado por el ministrerio de agricultura encontramos que en el departamento de sucre se cultiva un producto que es poco conocido y consumido al interior de Colombia pero podria ser de gran interes agronomico debido a ser tan codiciado en los mercados extranjeros. Por esta razon enfocaremos el analisis estadistico de este informe en la produccion de berenjena en el departamento de sucre. Ademas sucre es el segundo departamento con mayor produccion de berenjena en el pais.

Mostraremos cual ha sido el comportamiento productivo de la berenjena entre los años de 2007 a 2018.

Tabla[2].Produccion Berenjena departamento de Sucre

eva_sucre %>%
  filter(CULTIVO == "BERENJENA") %>%
  select(MUNICIPIO,YEAR,HA_SEMBRADA,HA._COSECHADA,TON_PRODUCCION,RENDIMIENTO)%>%
  arrange(YEAR)

En la tabla anterior se evidencia que al cultivo de berenjena no cuenta con una gran extension de tierra en el departamento, por lo tanto su produccion no es la mas alta. Pero de la tabla se puede inferir que el cultivo no es propenso a la perdidas, por lo que se puede pensar que es un cultivo bastante rentable. A continuacion reprentaremos esta informacion para que sea mas facil observarla con una nueva nueva columna llamada “HA_PERDIDAS”.

Tabla[3].Heactareas perdidas en la produccion de berenjena

eva_sucre %>%
  filter(CULTIVO == "BERENJENA") %>%
  select(MUNICIPIO,YEAR,HA_SEMBRADA,HA._COSECHADA,TON_PRODUCCION,RENDIMIENTO)%>%
  mutate(HA_PERDIDAS = HA_SEMBRADA-HA._COSECHADA)%>%
  arrange(YEAR)

En esta tabla rectificamos la informacion anteriormente mencionada, y evidenciamos que en el municipio de OVEJAS se presentan las mismas perdidas (20HA) desde que empezo a cultivar berenja en 2014 hasta el 2017, pero en el 2018 tuvieron la produccion mas alta de los 13 años en todo el departamento. Con esta informacion podemos inferir que en el municipio de OVEJAS se llevo acabo investigacion sobre este cultivo y en 2018 dieron con resultados favorables para incrementar notablemente la produccion de berenjena.

A continuacion mostramos y reprenstamos cual fue el año en el que los municipios productores de berenjena tuvieron su mayor produccion.

Tabla[4].Año de mayor produccion de berenjena

eva_sucre %>%
  filter(CULTIVO =="BERENJENA")%>%
  group_by(MUNICIPIO, YEAR)%>%
  summarize(max_prod = max(TON_PRODUCCION, na.rm =T)) %>%
    slice(which.max(max_prod))%>%
    arrange(desc(max_prod))-> ton_prod_max
ton_prod_max
# we use the ggplot 2 library
g <- ggplot(aes(x = MUNICIPIO, y = max_prod), data = ton_prod_max) + geom_bar(stat = 'identity') + labs(y='Produccion de berenjena [TON]') + geom_text(aes(y = max_prod, ymax=max_prod, label = YEAR), position = position_dodge(width = 0.9), size=3, vjust=-1, hjust=0.5 ,col="black")

g + ggtitle("Mayor produccion del municipio entre el 2006 y el 2018") + labs(caption = "Based on EVA data (Minagricultura, 2020)")
**Figura[2].Grafica año de mayor produccion de berenjena**

Figura[2].Grafica año de mayor produccion de berenjena

Con la tabla y grafica anteriores se reafirma que el municipio de OVEJAS fue el mayor productor de berenjena en el departamento entre el 2006 y 2018. Ademas se evidencia que PALMITO posee una produccion muy baja.

Ahora mostramos la informacion anual de produccion de cada municipio productor de berenjena, para tener un poco de claridad de lo que ocurrio con la produccion en palmito entre el 2006 y el 2018.

munis_sucre$COD_MUN <- as.integer(munis_sucre$MPIO_CCDGO)
#seleccionar, filtrar y estadisticas
berenjena_sucre <- eva_sucre %>%  
   filter(CULTIVO == "BERENJENA")%>%  
   select(MUNICIPIO, COD_MUN, YEAR, PERIODO, TON_PRODUCCION, RENDIMIENTO)
X <- unique(berenjena_sucre$YEAR); Y <- unique(berenjena_sucre$PERIODO)

berenjena_sucre %>% 
  gather("YEAR", "PERIODO", "TON_PRODUCCION", "RENDIMIENTO" , key = variable, value = number) -> BS

berenjena_sucre %>% replace(is.na(.), 0) -> bjna_sucre2

Tabla[5].Produccion anual de berenjena

berenjena_sucre %>% group_by(MUNICIPIO, COD_MUN, YEAR) %>%
   summarize(TON_PROD=sum(TON_PRODUCCION)) -> bjna_sucre2
(bjna_sucre3=bjna_sucre2 %>% 
  group_by(COD_MUN) %>% 
   pivot_longer(c("TON_PROD"), names_to= "variable", values_to = "number") %>% unite(combi,variable, YEAR) %>%
  pivot_wider(names_from= combi, values_from=number))

En la tabla anterior se evidencia que la baja producctividad de PALMITO se debe a que este municipio solo tuvo un año productivo para la berenjena. Tambien observamos que el municipio de SAMPUES solo produjo berenjena entre el 2006 y el 2008. Lo que hace pensar que en estos municipios no se presentan las condiciones mas adecuadas para la produccion de berenjena.

mun_sucre_bjna = left_join(munis_sucre, bjna_sucre3, by="COD_MUN")

bins <- c(0,100,200,270,300,400,500,600)
pal <- colorBin("YlOrRd", domain = mun_sucre_bjna$TON_PROD_2018, bins = bins)
 mapa <- leaflet(data = mun_sucre_bjna) %>%
  addTiles() %>%
  addPolygons(label = ~TON_PROD_2018,
              popup = ~MPIO_CNMBR,
              fillColor = ~pal(TON_PROD_2018),
              color = "#444444",
              weight = 1,
              smoothFactor = 0.5,
              opacity = 1.0,
              fillOpacity = 0.5,
              highlightOptions = highlightOptions(color = "white", weight = 2, bringToFront = TRUE))%>%
  addProviderTiles(providers$OpenStreetMap) %>%
  addLegend("topright", pal = pal, values = ~TON_PROD_2017,
    title = "Producción de berenjena en Sucre (2018)",
    opacity = 1
  );mapa

Figura[3].Mapa de la produccion de berenjena en el 2018

4.Conclusiones

Con la informacion anterior se interpreta que los municipio de SINCELEJO y COROZAL mantuvieron una produccion constante entre el 2006 y 2018. Tambien que el municipio de OVEJAS posee la mayor produccion en el periodo mencionado y el municipio de PALMITO y SAMPUES intentaron producir berenjena pero tal parece que estos territorios no son los mas adecuados para este producto. Por otro lado se pudo evidenciar que el pais no posee gran interes en este producto, debido a que SUCRE es el segundo productor nacional, pero el departamento no tiene gran extencion para este producto.

6.Reproducibility

sessionInfo()
## R version 4.0.4 (2021-02-15)
## Platform: x86_64-w64-mingw32/x64 (64-bit)
## Running under: Windows 10 x64 (build 18363)
## 
## Matrix products: default
## 
## locale:
## [1] LC_COLLATE=Spanish_Colombia.1252  LC_CTYPE=Spanish_Colombia.1252   
## [3] LC_MONETARY=Spanish_Colombia.1252 LC_NUMERIC=C                     
## [5] LC_TIME=Spanish_Colombia.1252    
## 
## attached base packages:
## [1] stats     graphics  grDevices utils     datasets  methods   base     
## 
## other attached packages:
##  [1] RColorBrewer_1.1-2 leafpop_0.0.6      forcats_0.5.1      stringr_1.4.0     
##  [5] dplyr_1.0.5        purrr_0.3.4        readr_1.4.0        tidyr_1.1.3       
##  [9] tibble_3.1.0       ggplot2_3.3.3      tidyverse_1.3.0    leaflet_2.0.4.1   
## [13] sf_0.9-7           rgeos_0.5-5        sp_1.4-5          
## 
## loaded via a namespace (and not attached):
##  [1] httr_1.4.2              jsonlite_1.7.2          modelr_0.1.8           
##  [4] assertthat_0.2.1        highr_0.8               cellranger_1.1.0       
##  [7] yaml_2.2.1              pillar_1.5.1            backports_1.2.1        
## [10] lattice_0.20-41         glue_1.4.2              uuid_0.1-4             
## [13] digest_0.6.27           rvest_1.0.0             colorspace_2.0-0       
## [16] leaflet.providers_1.9.0 htmltools_0.5.1.1       pkgconfig_2.0.3        
## [19] broom_0.7.5             haven_2.3.1             scales_1.1.1           
## [22] brew_1.0-6              svglite_2.0.0           generics_0.1.0         
## [25] farver_2.1.0            ellipsis_0.3.1          withr_2.4.1            
## [28] cli_2.3.1               magrittr_2.0.1          crayon_1.4.1           
## [31] readxl_1.3.1            evaluate_0.14           fs_1.5.0               
## [34] fansi_0.4.2             xml2_1.3.2              class_7.3-18           
## [37] tools_4.0.4             hms_1.0.0               lifecycle_1.0.0        
## [40] munsell_0.5.0           reprex_1.0.0            compiler_4.0.4         
## [43] e1071_1.7-4             systemfonts_1.0.1       rlang_0.4.10           
## [46] classInt_0.4-3          units_0.7-0             grid_4.0.4             
## [49] rstudioapi_0.13         htmlwidgets_1.5.3       crosstalk_1.1.1        
## [52] labeling_0.4.2          base64enc_0.1-3         rmarkdown_2.7          
## [55] gtable_0.3.0            DBI_1.1.1               R6_2.5.0               
## [58] lubridate_1.7.10        knitr_1.31              utf8_1.1.4             
## [61] KernSmooth_2.23-18      stringi_1.5.3           Rcpp_1.0.6             
## [64] vctrs_0.3.6             dbplyr_2.1.0            tidyselect_1.1.0       
## [67] xfun_0.21