Clase 212021 - Arauca

Load csv EVA_ARAUCA

df_eva_aru = read.csv('../../arauca/documents/EVA_arauca.csv',
                      encoding = 'UTF-8')
colnames(df_eva_aru) = c('cod_DPTO', 'nmbr_DPTO', 'cod_MPIO', 'nombr_MPIO',
                         'grupo_cultivo', 'subgrupo_cultivo', 'cultivo', 'sistema_productivo',
                         'AÑO', 'PERIODO',
                         'area_sembrada_ha', 'area_cosechada_ha', 'produccion_t', 'rendimiento_t_ha',
                         'estado_produc', 'nombre_cientifico', 'ciclo_cultivo')
tibble(df_eva_aru)

Load ShapeFile ADMINISTRATIVO/MPIO/ARAUCA

shp_aru = readOGR('../../arauca/81_ARAUCA/ADMINISTRATIVO/MGN_MPIO_POLITICO.shp',
                  encoding = 'UTF-8', use_iconv = T)

## OGR data source with driver: ESRI Shapefile 
## Source: "C:\Users\ADMIN\Documentos\CARLOS\UNAL\Asignaturas\Geomatica\arauca\81_ARAUCA\ADMINISTRATIVO\MGN_MPIO_POLITICO.shp", layer: "MGN_MPIO_POLITICO"
## with 7 features
## It has 9 fields

# Se cambia el nombre de "PUERTO RONDON" por PUERTO RONDÓN" para que coincidan
df_eva_aru$nombr_MPIO = str_replace_all(df_eva_aru$nombr_MPIO, 'RONDON', 'RONDÓN')

shp_aru@proj4string

## CRS arguments: +proj=longlat +datum=WGS84 +no_defs

res_eva_aru = df_eva_aru %>% 
  group_by(nombr_MPIO, grupo_cultivo) %>% 
  summarise(total_area_sembrada = sum(area_sembrada_ha),
            total_area_cosechada = sum(area_cosechada_ha)) %>% 
  mutate(porc_cosechado = total_area_cosechada/total_area_sembrada)

## `summarise()` has grouped output by 'nombr_MPIO'. You can override using the `.groups` argument.

res_eva_aru

# Extraer centroides del SHP para agregardor en la tabla de atributos

centroides_aru = as.data.frame(coordinates(shp_aru))
colnames(centroides_aru) = c('long', 'lat')
shp_aru@data = shp_aru@data %>%
  bind_cols(centroides_aru)

shp_aru %>%
  ggplot()+
  aes(long, lat, group = group)+
  geom_polygon(color = 'black', fill=NA)+
  coord_equal()

## Regions defined for each Polygons

sf_aru = st_as_sf(shp_aru) %>% 
  left_join(res_eva_aru, c('MPIO_CNMBR'='nombr_MPIO'))
tibble(sf_aru)

sf_aru %>% 
  filter(grupo_cultivo == 'CEREALES') %>% 
  ggplot() +
  geom_sf(aes(fill = porc_cosechado))+
  geom_label(aes(long, lat, label = MPIO_CNMBR))+
  coord_sf()+
  facet_wrap(~grupo_cultivo)+
  theme_bw()

st_as_sf(shp_aru) %>% 
  right_join(
    df_eva_aru %>% 
      group_by(nombr_MPIO) %>% 
      summarise(total_area_sembrada = sum(area_sembrada_ha)),
    c('MPIO_CNMBR'='nombr_MPIO')) %>% 
  mapview(zcol = 'total_area_sembrada', map.types='Esri.WorldImagery')

shp_col = readOGR('../../arauca/81_ARAUCA/COLOMBIA/COLOMBIA.shp')

## OGR data source with driver: ESRI Shapefile 
## Source: "C:\Users\ADMIN\Documentos\CARLOS\UNAL\Asignaturas\Geomatica\arauca\81_ARAUCA\COLOMBIA\COLOMBIA.shp", layer: "COLOMBIA"
## with 33 features
## It has 8 fields
## Integer64 fields read as strings:  OBJECTID DPTO_NANO_ DPTO_NANO

mapview(shp_aru, zcol = 'MPIO_CNMBR', alpha.regions = 1,
        map.types='Esri.WorldImagery', layer.name = 'Arauca')+
  mapview(shp_col, alpha.regions = 0.3, color = 'white', layer.name = 'Colombia')