1. Introducción

1.1 Contexto

Como se evidencia en el Informe 1, Antioquia es uno de los Departamentos con mayor relevancia en la producción agrícola del país, teniendo como ventaja la diversidad de climas, alturas y tipos de productos cultivables. Podemos encontrar zonas agrícolas que se especializan en ciclos de cultivos y tienen un gran musculo para la etapa de comercialización. Podemos encontrar desde hortalizas, hasta frutas como banano y aguacate hass. Según el IDEAM El departamento de Antioquia tiene una gran variación dependiendo de la zona de estudio, debido a la diferencia de altura, topografía y clima.

En el departamento encontraremos los climas cálidos húmedos y semihúmedos que se localizan en las franjas occidental (Urabá y límites con Chocó), oriental (Caucasia, Magdalena medio) y central (valle del río Cauca); y Los climas templados y fríos se distribuyen en las vertientes de las cordilleras central y occidental y ocupan el centro del departamento

1.2 Objetivo

El objetivo general de este reporte técnico, es analizar y comprender las variables agro climatológicas y topográficas de Antioquia como zona de estudio para la evaluación de cultivos de interés económico, tomando datos históricos reportados sobre clima y topografía y relacionándolos con la producción agrícola de la zona de interés; mediante herramientas geománticas que faciliten la compresión de fenómenos en el territorio, y sirvan como insumo para la toma de decisiones con el enfoque del desarrollo rural integral.

1.3 Conceptos Teóricos

Para un completo análisis de los datos recopilados, se tuvieron en cuenta los siguientes conceptos:

El análisis geomorfométrico es el estudio de un conjunto de variables lineales, de superficie, de relieve y drenaje; que permite conocer las características físicas de una zona, que ayuda a la interpretación de la funcionalidad topográfica de una zona. Gaspari

Un modelo digital de elevación es una representación visual y matemática de los valores de altura con respecto al nivel medio del mar, que permite caracterizar las formas del relieve y los elementos u objetos presentes en el mismo. Estos valores están contenidos en un archivo de tipo raster con estructura regular, el cual se genera utilizando equipo de cómputo y software especializados.Inegi

La Agroclimatologia es el análisis y modelamiento de la influencia de la variabilidad y el cambio climático en la producción agropecuaria y brinda Sistemas de soporte para la toma de decisiones en procesos productivos.

Otra variable muy relevante es la precipitación que es cualquier forma de hidrometeoro que cae de la atmósfera y llega a la superficie terrestre. Este fenómeno incluye lluvia, llovizna, nieve, aguanieve, granizo. Esta medida es clave para conocer la capacidad de campo y recurso hidrico, y demas condiciones medioambientales claves para el establecimiento de cultivos.

El indice de PDSI es el índice de sequía de Palmer, también conocido como índice de severidad de sequía de Palmer y a menudo abreviado PDSI, es un índice que mide el nivel de sequía a partir de la precipitación y temperatura reciente

La topografía es la ciencia que estudia el conjunto de principios y procedimientos que tienen por objeto la representación gráfica de la superficie terrestre, con sus formas y detalles; tanto naturales como artificiales

2. Metodos

2.1 Análisis de Zona de Estudio

Para realizar un análisis basado en datos sobre la conveniencia y especialidad de cada grupo de cultivos de interés agronómico, en el presente informe se tendrán en cuenta algunas variables como la precipitación, la topografía, la altimetría y la climatología de nuestra zona de estudio.

El IDEAM reporta que la precipitación en Antioquia oscila entre los 1500 y los 4000 mm anuales.Las zonas de menores precipitaciones se localizan en el valle geográfico del río Cauca, hacia el occidente del departamento. Las mayores lluvias se registran en la región de Urabá en límites con el departamento del Chocó, al extremo suroccidental, en inmediaciones de Carmen de Vivoral, y en el bajo Cauca antioqueño.

La distribución de las lluvias durante el año, es de tipo bimodal en la mayor parte del departamento, Se presentan dos temporadas secas, la primera, bien marcada, al principio de año y la segunda, de menor intensidad, a mediados del mismo, y dos temporadas lluviosas, abril-mayo y octubre-noviembre siendo muy importante esta información para el establecimiento de cultivos transitorios. Al norte del departamento, en la zona del bajo Cauca, el régimen es de tipo monomodal con una única época seca de diciembre a marzo y una temporada lluviosa el resto del año. El número de días lluviosos al año varía entre 100 y 150 en sectores de norte de Urabá, límites con el oriente de Córdoba y el valle del magdalena medio.

Al suroriente del departamento, en la región de mayores lluvias, el número de días lluviosos durante el año es cercano a los 300. El resto del departamento registra alrededor de 250 días con lluvia al año.

Por otro lado, debido a una variada topografía, el departamento presenta la mayor parte de pisos térmicos definidos por la clasificación de Caldas.UNIMILITAR

Sobre las riveras del Magdalena, así como en el sector de Caucasia, las temperaturas superan los 28° C, constituyéndose en los sectores más calientes del departamento. En el Urabá antioqueño y en el valle de río Cauca, las temperaturas oscilan entre 26 y 28° C. En el resto de la montaña antioqueña, las temperaturas dependen estrechamente de la elevación generando pisos térmicos templados y fríos.

2.2 Focalizacion en el Area de Uraba Antioqueño

Uno de los productos bandera en rendimiento y toneladas de producción de Antioquia es el banano, cultivos que principalmente se encuentran específicamente en la región de Urabá - Antioquia, en los municipios de Turbo, Apartadó, Carepa y Chigorodo. SOSPAISA

Por lo tanto es de especial relevancia analizar las variables agroclimatologicas que son fundamentales para el rendimiento de dicho producto agrícola.

2.3 Datos

Los datos de topografia y climatologia historicos, fueron obtenidos gracias a algunos websites que almacenan informacion libre, como:

Elevatr: Este paquete proporciona acceso a varios de esos servicios y devuelve datos de elevación como un SpatialPointsDataFrame de los servicios de elevación de puntos o como un objeto ráster de los servicios de elevación ráster.

Terraclimate: Conjunto de datos de clima mensual y balance hídrico climático para superficies terrestres globales desde 1958-2019. Estos datos proporcionan importantes insumos para estudios ecológicos e hidrológicos a escalas globales que requieren alta resolución espacial y datos variables en el tiempo. Todos los datos tienen una resolución temporal mensual y una resolución espacial de ~ 4 km (1/24 de grado). Los datos cubren el período 1958-2020. CLIMATOLOGYLAB

Shapefiles de Antioquia: Datos tomados previamente del DANe

3. Resultados

Se realizarón analisis de datos generales del departamento de Antioquia, para luego abordar con informacion previa analisis de cultivos en zonas especiales del departamento que responden a dinamicas del mercado nacional e internacional en cuanto a produccion y comercializacion de productos agricolas.

Para esto se presenta la elevacion general de los municipios del departamento y de cada municipio, que posteriormente tomaran relevancia en la produccion de ciertos productos. Para esto lo primero que se realizo fue filtrar los datos climaticos y topograficos de informacion para Antioquia.

Analisis geomorfometrico

library(lattice)
library(rgdal)
library(raster)
library(elevatr)
library(tidyverse)
library(dplyr)
library(ggplot2)
library(sf)
munic <- st_read("../GEOMATICA/05_ANTIOQUIA/ADMINISTRATIVO/MGN_MPIO_POLITICO.shp")
## Reading layer `MGN_MPIO_POLITICO' from data source `C:\Users\User\Desktop\GEOMATICA\05_ANTIOQUIA\ADMINISTRATIVO\MGN_MPIO_POLITICO.shp' using driver `ESRI Shapefile'
## Simple feature collection with 125 features and 9 fields
## Geometry type: POLYGON
## Dimension:     XY
## Bounding box:  xmin: -77.12783 ymin: 5.418558 xmax: -73.88128 ymax: 8.873974
## Geodetic CRS:  WGS 84
head(munic)
## Simple feature collection with 6 features and 9 fields
## Geometry type: POLYGON
## Dimension:     XY
## Bounding box:  xmin: -76.09953 ymin: 5.753381 xmax: -74.99361 ymax: 7.957635
## Geodetic CRS:  WGS 84
##   DPTO_CCDGO MPIO_CCDGO     MPIO_CNMBR
## 1         05      05001       MEDELLÍN
## 2         05      05101 CIUDAD BOLÍVAR
## 3         05      05107        BRICEÑO
## 4         05      05113       BURITICÁ
## 5         05      05120        CÁCERES
## 6         05      05093        BETULIA
##                                          MPIO_CRSLC MPIO_NAREA MPIO_NANO
## 1                                              1965   374.8280      2017
## 2                                              1869   260.4461      2017
## 3              Ordenanza 27 de Noviembre 26 de 1980   376.3468      2017
## 4                                              1812   355.2103      2017
## 5 Decreto departamental 160 del 16 de Marzo de 1903  1873.8033      2017
## 6 Decreto departamental 629 del 28 de Enero de 1884   262.3675      2017
##   DPTO_CNMBR Shape_Leng Shape_Area                       geometry
## 1  ANTIOQUIA  1.0327835 0.03060723 POLYGON ((-75.66974 6.37359...
## 2  ANTIOQUIA  0.7085039 0.02124224 POLYGON ((-76.04467 5.92774...
## 3  ANTIOQUIA  1.0044720 0.03078496 POLYGON ((-75.45818 7.22284...
## 4  ANTIOQUIA  0.9637233 0.02902757 POLYGON ((-75.90857 6.97378...
## 5  ANTIOQUIA  2.9333643 0.15350440 POLYGON ((-75.20358 7.95716...
## 6  ANTIOQUIA  0.8476756 0.02141352 POLYGON ((-76.00304 6.28171...
elevation <- get_elev_raster(munic, z = 10)
if (require(rgdal)) {
 rf <- writeRaster(elevation, filename=file.path("../GEOMATICA/05_ANTIOQUIA/ADMINISTRATIVO/antioquia_dem_z10.tif"), format="GTiff", overwrite=TRUE)
}
elevation
## class      : RasterLayer 
## dimensions : 6134, 5667, 34761378  (nrow, ncol, ncell)
## resolution : 0.0006824976, 0.0006824976  (x, y)
## extent     : -77.34375, -73.47604, 4.915657, 9.102097  (xmin, xmax, ymin, ymax)
## crs        : +proj=longlat +datum=WGS84 +no_defs 
## source     : C:/Users/User/AppData/Local/Temp/Rtmps7bnIg/file44d831dbe4f.tif 
## names      : file44d831dbe4f 
## values     : -32768, 32767  (min, max)
munic_sp <- as(munic, "Spatial")
plot(elevation, main="DEM Antioquia")
plot(munic_sp,col="NA",border="black", add=TRUE)
text(coordinates(munic_sp), labels=as.character(munic$MPIO_CNMBR), 
     col="black", cex=0.20)

Realizamos un recorte y se obtuvo el mapa digital de elevacion del Departamento de Antioquia. Esto sera fundamental para entender los requerimientos de cada zona de cultivos.

elev_crop = crop(elevation, munic_sp)
plot(elev_crop, main="Modelo de Elevacion Digital de Antioquia")
plot(munic_sp, add=TRUE)
text(coordinates(munic_sp), labels=as.character(munic_sp$MPIO_CNMBR), cex=0.2)

elev_crop
## class      : RasterLayer 
## dimensions : 5063, 4757, 24084691  (nrow, ncol, ncell)
## resolution : 0.0006824976, 0.0006824976  (x, y)
## extent     : -77.12808, -73.88144, 5.418657, 8.874143  (xmin, xmax, ymin, ymax)
## crs        : +proj=longlat +datum=WGS84 +no_defs 
## source     : memory
## names      : file44d831dbe4f 
## values     : -1609, 4758  (min, max)

Reproyectamos para calcular la elevacion.

crs(elev_crop)
## CRS arguments: +proj=longlat +datum=WGS84 +no_defs
library(sp)
spatialref <- CRS(SRS_string="EPSG:32618")
pr3 <- projectExtent(elev_crop, crs=spatialref)

res(pr3) <- 180

rep_elev <- projectRaster(elev_crop, pr3)
rep_elev
## class      : RasterLayer 
## dimensions : 2126, 1998, 4247748  (nrow, ncol, ncell)
## resolution : 180, 180  (x, y)
## extent     : 264195.4, 623835.4, 598928.5, 981608.5  (xmin, xmax, ymin, ymax)
## crs        : +proj=utm +zone=18 +datum=WGS84 +units=m +no_defs 
## source     : memory
## names      : file44d831dbe4f 
## values     : -692.154, 4490.655  (min, max)
(rep_munic = spTransform(munic_sp,spatialref))
## class       : SpatialPolygonsDataFrame 
## features    : 125 
## extent      : 265363.8, 623567.1, 598938.4, 981215  (xmin, xmax, ymin, ymax)
## crs         : +proj=utm +zone=18 +datum=WGS84 +units=m +no_defs 
## variables   : 9
## names       : DPTO_CCDGO, MPIO_CCDGO, MPIO_CNMBR,                          MPIO_CRSLC,    MPIO_NAREA, MPIO_NANO, DPTO_CNMBR,     Shape_Leng,      Shape_Area 
## min values  :         05,      05001,  ABEJORRAL,                                1541,   15.83597275,      2017,  ANTIOQUIA, 0.172962481259, 0.0012928296672 
## max values  :         05,      05895,   ZARAGOZA, Ordenanza 9 de Diciembre 15 de 1983, 2959.36315089,      2017,  ANTIOQUIA,  6.61177822771,   0.23894871119
plot(rep_elev, main="Mapa Reprojectado de Elevacion Digital de Antioquia")
plot(rep_munic, lwd=0.5, add=TRUE)
text(coordinates(rep_munic), labels=as.character(rep_munic$MPIO_CNMBR), cex=0.2)

Y como podemos observar en el siguiente histograma, una gran cantidad de municipios del Depto de Antioquia se encuentran a menos de 1500 msnm. Muchos de los cultivos que se dan dentro del departamento requieren alturas menores a dicha cifra. A continuacion se desciriben los requerimientos para estos productos agricolas:

Banano: Segun Intagri la mayoría de las plantaciones comerciales se localizan entre 400 y 600 msnm. Es importante señalar que la altitud puede retrasar un mes el ciclo vegetativo por cada 100 metros adicionales de altitud por encima del nivel del mar.

Aguacate Hass: Para FINAGRO El aguacate puede cultivarse desde el nivel del mar hasta los 2.500 msnm; sin embargo, su cultivo se recomienda en altitudes entre 800 y 2.500 m, para evitar problemas con enfermedades, principalmente de las raíces.

hist(rep_elev)

promedio <- cellStats(rep_elev, 'mean')
minimo <- cellStats(rep_elev, 'min')
maximo <- cellStats(rep_elev, 'max')
desviacion  <- cellStats(rep_elev, 'sd')
metricas <- c('mean', 'min', 'max', 'std')
valores <- c(promedio, minimo, maximo, desviacion)
(df_estadisticas <- data.frame(metricas, valores))
##   metricas   valores
## 1     mean  630.5892
## 2      min -692.1540
## 3      max 4490.6546
## 4      std  764.1723
slope = terrain(rep_elev,opt='slope', unit='degrees')
aspect = terrain(rep_elev,opt='aspect',unit='degrees')
hill = hillShade(slope,aspect,40,315)
plot(rep_elev,main="DEM para Municipios de Antioquia [metros]", col=terrain.colors(25,alpha=0.8))
plot(rep_munic, add=TRUE, lwd=0.5)
text(coordinates(rep_munic), labels=as.character(rep_munic$MPIO_CNMBR), cex=0.2)

El mapa nos deja ver que la Zona Central del Departamento (donde encontramos a Medellin) la altura sobre el nivel del mar es mayor, y en la periferia y los limites del departamento el rango de alturas es cercano a los 0 msnm o en un rango maximo de 500 msnm.

plot(slope,main="Mapa de Pendientes en grados para los Municipios de Antioquia", col=topo.colors(6,alpha=0.6))
plot(rep_munic, add=TRUE, lwd=0.5)
text(coordinates(rep_munic), labels=as.character(rep_munic$MPIO_CNMBR), cex=0.2)

library(rayshader)
elmat = raster_to_matrix(rep_elev)
elmat %>%
  sphere_shade(texture = "desert") %>%
  add_water(detect_water(elmat), color = "desert") %>%
  add_shadow(ray_shade(elmat), 0.5) %>%
  add_shadow(ambient_shade(elmat), 0) %>%
  plot_map()

lista <- list("05045", "05490", "05837", "05147", "05172")
(algunos <- munic %>% filter(MPIO_CCDGO %in% unlist(lista) ))
## Simple feature collection with 5 features and 9 fields
## Geometry type: POLYGON
## Dimension:     XY
## Bounding box:  xmin: -77.12783 ymin: 7.455264 xmax: -76.38944 ymax: 8.720402
## Geodetic CRS:  WGS 84
##   DPTO_CCDGO MPIO_CCDGO MPIO_CNMBR                           MPIO_CRSLC
## 1         05      05045   APARTADÓ  Ordenanza 7 de Noviembre 30 de 1967
## 2         05      05837      TURBO                                 1840
## 3         05      05172  CHIGORODÓ Ordenanza 52 del 27 de Abril de 1915
## 4         05      05147     CAREPA  Ordenanza 7 de Diciembre 15 de 1983
## 5         05      05490    NECOCLÍ Ordenanza 23 de Noviembre 28 de 1977
##   MPIO_NAREA MPIO_NANO DPTO_CNMBR Shape_Leng Shape_Area
## 1   535.1801      2017  ANTIOQUIA   1.287652 0.04380111
## 2  2959.3632      2017  ANTIOQUIA   6.611778 0.23894871
## 3   721.6826      2017  ANTIOQUIA   1.610386 0.05902320
## 4   387.2706      2017  ANTIOQUIA   1.309941 0.03168377
## 5  1255.5439      2017  ANTIOQUIA   2.414710 0.10289352
##                         geometry
## 1 POLYGON ((-76.42487 8.07299...
## 2 POLYGON ((-76.40525 8.47647...
## 3 POLYGON ((-76.80956 7.77069...
## 4 POLYGON ((-76.76941 7.87896...
## 5 POLYGON ((-76.62422 8.70221...

Debido a que todo el analisis de este informe se basa en la relavancia de un producto agricola como el banano, mediante los datos geograficos y de topografia, se escogieron los municipios productores del Uraba Antioqueño para realizar la visualizacion del modelo digital del terreno de esta zona.

algunos_sp <- as(algunos, "Spatial")
elev_crop = crop(elevation, algunos_sp)
plot(elev_crop, main="Cropped digital elevation model")
plot(algunos_sp, add=TRUE)
text(coordinates(algunos_sp), labels=as.character(algunos_sp$MPIO_CCDGO), cex=0.5)

Debido a que algunos nombres contienen simbolos que no reconoce el software se realizo la lectura del listado con los codigos de los municipios de Apartado, Carepa, Chigorodo, Necocli y Turbo.

pr3 <- projectExtent(elev_crop, crs=spatialref)
res(pr3) <- 120
rep_elev <- projectRaster(elev_crop, pr3)
(rep_algunos = spTransform(algunos_sp,spatialref))
## class       : SpatialPolygonsDataFrame 
## features    : 5 
## extent      : 265363.8, 346991.8, 824404.7, 964326.9  (xmin, xmax, ymin, ymax)
## crs         : +proj=utm +zone=18 +datum=WGS84 +units=m +no_defs 
## variables   : 9
## names       : DPTO_CCDGO, MPIO_CCDGO, MPIO_CNMBR,                          MPIO_CRSLC,    MPIO_NAREA, MPIO_NANO, DPTO_CNMBR,    Shape_Leng,      Shape_Area 
## min values  :         05,      05045,   APARTADÓ,                                1840,  387.27064143,      2017,  ANTIOQUIA, 1.28765230797, 0.0316837676599 
## max values  :         05,      05837,      TURBO, Ordenanza 7 de Noviembre 30 de 1967, 2959.36315089,      2017,  ANTIOQUIA, 6.61177822771,   0.23894871119
elmat = raster_to_matrix(rep_elev)
elmat %>%
  sphere_shade(texture = "desert") %>%
  add_water(detect_water(elmat), color = "desert") %>%
  add_shadow(ray_shade(elmat), 0.5) %>%
  add_shadow(ambient_shade(elmat), 0) %>%
  plot_map()

En el anterior DEM, podemos observar las condiciones topograficas de la zona Bananera del Uraba.

El eje bananero de Urabá está ubicado a un altitud que oscila entre los 10 y 40 metros sobre el nivel del mar, su promedio anual de precipitación es de 2.650 mm, su humedad relativa es de 87%, su temperatura media anual es de 27 grados centígrados y su brillo solar es de unas 1.700 horas año. El suelo, el clima y el manejo de la plantación interactúan con las capacidades intrínsecas de las plantas para obtener finalmente una buena productividad para el banano, que en este cultivo se expresa en cajas de 18,14 kilogramos exportadas por hectárea. Guarin,2011

Los municipios que esta dentro del DEM y sus respectivas alturas sobre el nivel del mar son:

Apartado: 30msnm Carepa: 28msnm Chigorodo: 34msnm Necocli: 8msnm Turbo: 2msnm

COnfirmando asi los datos obtenidos en el modelo digital.

Analisis Climatologico

library(AOI)
library(climateR)
library(sf)
library(raster)
library(rasterVis)
## Warning: package 'rasterVis' was built under R version 4.0.5
## Loading required package: terra
## Warning: package 'terra' was built under R version 4.0.5
## terra version 1.2.5
## 
## Attaching package: 'terra'
## The following object is masked from 'package:dplyr':
## 
##     near
## The following objects are masked from 'package:tidyr':
## 
##     expand, pack, separate
## The following object is masked from 'package:rgdal':
## 
##     project
## Loading required package: latticeExtra
## Warning: package 'latticeExtra' was built under R version 4.0.5
## 
## Attaching package: 'latticeExtra'
## The following object is masked from 'package:ggplot2':
## 
##     layer
library(dplyr)
(antioquia <- st_read("../GEOMATICA/05_ANTIOQUIA/ADMINISTRATIVO/MGN_MPIO_POLITICO.shp"))
## Reading layer `MGN_MPIO_POLITICO' from data source `C:\Users\User\Desktop\GEOMATICA\05_ANTIOQUIA\ADMINISTRATIVO\MGN_MPIO_POLITICO.shp' using driver `ESRI Shapefile'
## Simple feature collection with 125 features and 9 fields
## Geometry type: POLYGON
## Dimension:     XY
## Bounding box:  xmin: -77.12783 ymin: 5.418558 xmax: -73.88128 ymax: 8.873974
## Geodetic CRS:  WGS 84
## Simple feature collection with 125 features and 9 fields
## Geometry type: POLYGON
## Dimension:     XY
## Bounding box:  xmin: -77.12783 ymin: 5.418558 xmax: -73.88128 ymax: 8.873974
## Geodetic CRS:  WGS 84
## First 10 features:
##    DPTO_CCDGO MPIO_CCDGO     MPIO_CNMBR
## 1          05      05001       MEDELLÍN
## 2          05      05101 CIUDAD BOLÍVAR
## 3          05      05107        BRICEÑO
## 4          05      05113       BURITICÁ
## 5          05      05120        CÁCERES
## 6          05      05093        BETULIA
## 7          05      05091        BETANIA
## 8          05      05088          BELLO
## 9          05      05086        BELMIRA
## 10         05      05079        BARBOSA
##                                           MPIO_CRSLC MPIO_NAREA MPIO_NANO
## 1                                               1965   374.8280      2017
## 2                                               1869   260.4461      2017
## 3               Ordenanza 27 de Noviembre 26 de 1980   376.3468      2017
## 4                                               1812   355.2103      2017
## 5  Decreto departamental 160 del 16 de Marzo de 1903  1873.8033      2017
## 6  Decreto departamental 629 del 28 de Enero de 1884   262.3675      2017
## 7               Ordenanza 42 del 24 de Abril de 1920   180.5260      2017
## 8                Ordenanza 48 del 29 deAbril de 1913   147.7589      2017
## 9                                               1814   296.1532      2017
## 10                                              1812   205.6662      2017
##    DPTO_CNMBR Shape_Leng Shape_Area                       geometry
## 1   ANTIOQUIA  1.0327835 0.03060723 POLYGON ((-75.66974 6.37359...
## 2   ANTIOQUIA  0.7085039 0.02124224 POLYGON ((-76.04467 5.92774...
## 3   ANTIOQUIA  1.0044720 0.03078496 POLYGON ((-75.45818 7.22284...
## 4   ANTIOQUIA  0.9637233 0.02902757 POLYGON ((-75.90857 6.97378...
## 5   ANTIOQUIA  2.9333643 0.15350440 POLYGON ((-75.20358 7.95716...
## 6   ANTIOQUIA  0.8476756 0.02141352 POLYGON ((-76.00304 6.28171...
## 7   ANTIOQUIA  0.6923058 0.01472138 POLYGON ((-75.95474 5.79522...
## 8   ANTIOQUIA  0.6143227 0.01206804 POLYGON ((-75.58203 6.42510...
## 9   ANTIOQUIA  1.1730035 0.02420036 POLYGON ((-75.69252 6.75917...
## 10  ANTIOQUIA  0.7700180 0.01680390 POLYGON ((-75.32148 6.51265...

Obtención de datos meteorológicos TerraClimate El conjunto de datos TerraClimate comprende variables meteorológicas y de balance hídrico desde 1958 hasta el presente, disponibles en un intervalo de tiempo mensual. Para el caso particular se tomaron los datos de enero y febrero de 2019. Ya que es un periodo de tiempo cercano y que puede brindar mas elementos para la toma de decisiones respecto al manejo de cultivos.

tc_prcp = getTerraClim(antioquia, param = "prcp", startDate = "2019-02-01")
tc_tmp <- tc_prcp[[1]]
tc_tmp
## class      : RasterStack 
## dimensions : 83, 79, 6557, 1  (nrow, ncol, ncell, nlayers)
## resolution : 0.04166667, 0.04166667  (x, y)
## extent     : -77.16667, -73.875, 5.416667, 8.875  (xmin, xmax, ymin, ymax)
## crs        : +proj=longlat +datum=WGS84 +no_defs 
## names      : X2019.02 
## min values :      1.8 
## max values :    512.8
library(leaflet)
library(RColorBrewer)
pal <- colorNumeric(c("red", "orange", "#fcc000","yellow", "cyan", "blue", "#3240cd"), values(tc_tmp$X2019.02), 
                    na.color = "transparent")

leaflet() %>% addTiles() %>%
  addRasterImage(tc_tmp$X2019.02 , colors = pal, opacity = 0.8) %>%
  addLegend(pal = pal, values = values(tc_tmp$X2019.02),
    title = "Lluvia-Feb.2019 [mm]")

Observamos datos climatologicos de metadata en la zona del Dpto de Antioquia durante el mes de febrero. Contrastando informacion con el IDEAM se observo que las lluvias en dicha zona fueron escasas,por lo que en ese momento el balance hidrologico fue fundamental para mantener las condiciones minimas del cultivo.

Ahora, obtendremos el índice de severidad de la sequía de Palmer (PDSI).

tc_palmer = getTerraClim(antioquia, param = "palmer", startDate = "2019-02-01")
tc_tmp <- tc_palmer[[1]]
tc_tmp
## class      : RasterStack 
## dimensions : 83, 79, 6557, 1  (nrow, ncol, ncell, nlayers)
## resolution : 0.04166667, 0.04166667  (x, y)
## extent     : -77.16667, -73.875, 5.416667, 8.875  (xmin, xmax, ymin, ymax)
## crs        : +proj=longlat +datum=WGS84 +no_defs 
## names      : X2019.02 
## min values :       -4 
## max values :      2.6
pal <- colorNumeric(c("#fc7300","orange", "yellow","#9acd32", "green"), values(tc_tmp$X2019.02), 
                    na.color = "transparent")

leaflet() %>% addTiles() %>%
  addRasterImage(tc_tmp$X2019.02, colors = pal, opacity = 0.8) %>%
  addLegend(pal = pal, values = values(tc_tmp$X2019.02),
    title = "PDSI-Feb.2019")

En el mapa podemos observar que predonima un PDSI en el rango de -1 y 1, lo que significa que esta entre (-1 sequia moderada) y (1 humedad moderada) y que se encuentra en un rango optimo para mantener las condiciones de humedad del cultivo. Asi, se ha visto que la tecnologia integrada al cultivo de banano optimiza el uso del recurso agua, ya que estos datos contribuyen a evitar el desperdicio o deficit del mismo.

wat_def = getTerraClimNormals(antioquia, param = "water_deficit", period = "19812010", month=2)
wat_def
## $terraclim_19812010_water_deficit
## class      : RasterStack 
## dimensions : 83, 79, 6557, 1  (nrow, ncol, ncell, nlayers)
## resolution : 0.04166667, 0.04166667  (x, y)
## extent     : -77.16667, -73.875, 5.416667, 8.875  (xmin, xmax, ymin, ymax)
## crs        : +proj=longlat +datum=WGS84 +no_defs 
## names      :  X02 
## min values :    0 
## max values : 78.2
tc_tmp <- wat_def[[1]]

pal <- colorNumeric(c("green", "#9acd32","yellow", "orange", 
                    "#fc7300"), values(tc_tmp$X02), 
                    na.color = "transparent")
leaflet() %>% addTiles() %>%
  addRasterImage(tc_tmp$X02, colors = pal, opacity = 0.8) %>%
  addLegend(pal = pal, values = values(tc_tmp$X02),
    title = "Deficit de agua-February")

Por otro lado en el anterior mapa, podemos observar indicadores de deficit de agua, estando en niveles bajos (es decir que se cuenta con buena disponibilidad para riego controlado). Como se describio anteriormente esta zona debido a sus condiciones agroclimatologicas tiene un gran potencial (que ya es utilizado) para ser un producto de interes economico.

4. Discusion

La producción agrícola es altamente sensible al comportamiento de las variables climáticas. Un cultivo correctamente adaptado a un ambiente, y con un adecuado nivel tecnológico podrá expresar su máximo desarrollo como respuesta a unas características genéticas inherentes al cultivo siempre y cuando respondan y esten dentro de unos marcos de referencias climatologicos y topograficos que contribuyan a aumentar la productividad del mismo. Podemos denominar los niveles y valores optimos de altura, precipitacion y temperatura.

Algunas variaciones en esos niveles óptimos y particularmente la ocurrencia de eventos extremos, como sequias o inundaciones prolongadas, afectan fuertemente el desarrollo del cultivo.

Para el caso de Antioquia, siendo un departamento muy diverso en condiciones climatologicas debido a su diferencias de altura, que afectan directamente la precipitacion y la temperatura, se puede evidenciar que es una zona donde la diversidad productiva es amplia. Desde frutales, cafe, y hortalizas se pueden encontrar en diversos municipios. Pero como se viene describiendo desde el Informe 1, los productos mas relevantes y por los cuales analizamos las variables del presente informe, son el banano y el aguacate hass.

Especialmente el Banano de la Zona del Uraba.A escala anual la variabilidad climática en la región está regida principalmente por la fluctuación del Frente Intertropical de Convergencia, los meses de diciembre, enero,febrero y marzo normalmente son de bajas precipitaciones como observamos en el mapa tematico, mientras que el periodo comprendido entre mayo y noviembre presenta elevadas precipitaciones.Antioquia Datos

La geología y morfología combinada con la climatología de Urabá caracterizada por elevadas precipitaciones durante la mayor parte del año. Obliga a que el cultivo de banano tenga un buen sistema de drenaje para evacuar los excesos de precipitación representados en la elevación del nivel freático, escorrentía o acumulación superficial por efecto del microrelieve.

El efecto del déficit hídrico en el banano es acumulativo y por tanto la productividad es más sensible a este que a cualquier otro factor. Causa: muerte prematura de hojas, arrepollamiento, aborto de racimos, reducción del contenido de clorofila en hoja, acelera la maduración de hojas, reduce emisión foliar (Una hoja cada 12 – 16 días vs una hoja cada 6 días en épocas lluviosas), estimula formación de etileno haciendo que la maduración de la fruta se produzca de manera prematura, disminución o paro de la toma de nutrientes (muerte de raíces).En el banano la temperatura afecta los diferentes procesos fisiológicos: La fotosíntesis, la respiración, la absorción de nutrientes, la tasa de aparición y elongación de nuevas hojas, el crecimiento del fruto, entre otros. Temperaturas por encima de 38 °C o por debajo de 14 °C ocasionan un cese en el proceso fotosintético.

Por otro lado, la topografia se hace clave para la agricultura, ya que las pendientes limitan el establecimiento de ciertos cultivos, por ejemplo en el caso del cafe - y siendo algo muy recurrente en Colombia- este se cultiva en zonas de pendientes, mientras paradojicamente la ganaderia se extiende en planicies que beneficiarian mas el potencial agricola del pais.

Por ultimo cabe resaltar, que gracias a este tipo de datos historicos sobre una zona especifica del pais, nos permite analizar comportamientos socio-economicos y permite analizar las politicas publicas de cada municipio donde se prioriza la agricultura. En este caso, la produccion a gran escala de banano es la principal actividad economica de la region y la que mas empleo genera. Ya que la gran mayoria de la cosecha se va para exportacion por la calidad y cantidad del producto.

5. Conclusiones

La agricultura está altamente expuesta al comportamiento climático, los riesgos podrían mitigarse mediante una correcta obtencion y analisis de datos que beneficien a los agricultores para la puesta en marcha de proyectos productivos. Ya que esto puede dar elementos sobre humedad, temperatura, capacidad entre otros factores que favorecen a los cultivos. Si bien en COlombia, no hay una red completa de estaciones meteorlogicas en todo el territorio, la geomatica y el internet de las cosas puedan contribuir a analizar mejor el territorio y de esta forma planificar de una manera mas efectiva.

Por otro lado, las condiciones geomorfologicas y topograficas de una zona de estudio, son muy relevantes para entender procesos focalizados; ya que la pendiente, la orientacion y hasta la misma genesis de los suelos aportan informacion para planificar cualquier ciclo de cultivo. En el presente caso, del estudio de la Zona de Uraba y del departamento de Antioquia, se pudo evidenciar que la altura, temperatura y precipitacion del Uraba Antioqueño delimitan que tipo de cultivos puede haber, y se da que el banano es uno de ellos, quizas el mas importante de esta region del pais, y que tiene un gran peso especifico en el PIB nacional agropecuario.

Los requerimientos de no sobrepasar los 500msnm y de un rango de temperatura altas <20°C ayudan a que la fenologia del cultivo se desarrolle correctamente. Y las herramientas geomaticas y de SIG nos dan esa informacion, sin ir al terreno actualmente. Gracias los datos geograficos podemos tener unas bases para el analisis.

La topografia, geomorfometria y climatologia son variables FUNDAMENTALES para la agricultura del pais y del mundo.