EJERCICIO 1

Mapa y base de datos

Utilizando la base de datos proporcionada por el INEGI, en el producto marco geoestadístico, septiembre 2019, de dónde extraemos la información de nuestros mapas.

Cargamos el mapa que hemos creado previamente en Qgis con extensión .shp

#install.packages("rgdal")
library(rgdal)
## Warning: package 'rgdal' was built under R version 4.1.2
## Loading required package: sp
## Please note that rgdal will be retired by the end of 2023,
## plan transition to sf/stars/terra functions using GDAL and PROJ
## at your earliest convenience.
## 
## rgdal: version: 1.5-27, (SVN revision 1148)
## Geospatial Data Abstraction Library extensions to R successfully loaded
## Loaded GDAL runtime: GDAL 3.2.1, released 2020/12/29
## Path to GDAL shared files: C:/Users/ARRA/OneDrive/Documentos/R/win-library/4.1/rgdal/gdal
## GDAL binary built with GEOS: TRUE 
## Loaded PROJ runtime: Rel. 7.2.1, January 1st, 2021, [PJ_VERSION: 721]
## Path to PROJ shared files: C:/Users/ARRA/OneDrive/Documentos/R/win-library/4.1/rgdal/proj
## PROJ CDN enabled: FALSE
## Linking to sp version:1.4-6
## To mute warnings of possible GDAL/OSR exportToProj4() degradation,
## use options("rgdal_show_exportToProj4_warnings"="none") before loading sp or rgdal.
## Overwritten PROJ_LIB was C:/Users/ARRA/OneDrive/Documentos/R/win-library/4.1/rgdal/proj
mapa_tama<-readOGR("C:\\Users\\ARRA\\OneDrive\\Desktop\\CIDE\\programacion R\\Actividad 4", layer="mapa_Tama",encoding = "UTF-8")
## OGR data source with driver: ESRI Shapefile 
## Source: "C:\Users\ARRA\OneDrive\Desktop\CIDE\programacion R\Actividad 4", layer: "mapa_Tama"
## with 43 features
## It has 4 fields
plot(mapa_tama)

“ANEXO ESTADÍSTICO DE POBREZA A NIVELMUNICIPIO 2010 Y 2015” 

library(readxl)



base_pobreza <- read_excel("C:/Users/ARRA/OneDrive/Desktop/CIDE/programacion R/Actividad 4/Concentrado, indicadores de pobrezamun.xlsx", 
    sheet = "Municipal")
## Warning in read_fun(path = enc2native(normalizePath(path)), sheet_i = sheet, :
## Expecting numeric in BI1046 / R1046C61: got 'n.d'
## Warning in read_fun(path = enc2native(normalizePath(path)), sheet_i = sheet, :
## Expecting numeric in BU1046 / R1046C73: got 'n.d'
## Warning in read_fun(path = enc2native(normalizePath(path)), sheet_i = sheet, :
## Expecting numeric in BU1944 / R1944C73: got 'n.d'
## Warning in read_fun(path = enc2native(normalizePath(path)), sheet_i = sheet, :
## Expecting numeric in BI1993 / R1993C61: got 'n.d'
## New names:
## * `` -> ...99
## * `` -> ...100
## * `` -> ...101
## * `` -> ...102
## * `` -> ...103
## * ...
Tamaulipas<-base_pobreza[which(base_pobreza$`Clave de entidad`=="28"),]
View(Tamaulipas)
pobreza_porcen2010<- Tamaulipas[,c(3,7)]

tablapobr2010<-merge(x=mapa_tama@data,y=pobreza_porcen2010,by.x="CVEGEO",by.y="Clave de municipio",sort=FALSE)

View(tablapobr2010)


mapa_tama@data$pobr2010<-tablapobr2010[,5]

View(mapa_tama@data)

1

Para el año 2010, considerando la división (cut) por cuantiles, representar en un mapa la distribución de la pobreza de los municipios

library(rgdal)
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(RColorBrewer)
library(leaflet)
## Warning: package 'leaflet' was built under R version 4.1.2
library(htmltools)
## Warning: package 'htmltools' was built under R version 4.1.2
cuantil <- cut(mapa_tama@data$pobr2010,5)
cuantil[1]
## [1] (47.9,59.3]
## Levels: (24.9,36.4] (36.4,47.9] (47.9,59.3] (59.3,70.8] (70.8,82.3]
secciones <- c(0,24.9,36.4,47.9,59.3,70.8,82.3, Inf)
colores <- colorBin(palette = "OrRd", domain = mapa_tama@data$pobr2010, na.color = "transparent",
                    bins = secciones)


leyenda <- paste("Municipio :  ", mapa_tama$NOMGEO,"<br/>",
                 "Pobreza en 2010:  %", round(mapa_tama@data$pobr2010,2),
                 "<br/>") %>% lapply(htmltools::HTML)


leaflet(data = mapa_tama) %>%
  addTiles()%>%
  addPolygons(label = leyenda,fillColor = colores(mapa_tama@data$pobr2010), fillOpacity = 5)

Podemos visualizar en el mapa dinámico como los municipios Bustamante, Miquihuana y Tula concentran más la pobreza por lo que en el Estado de Tamaulipas en la parte Sur-Oeste del estado es muy evidente la concentración de pobreza, para el año 2010.

2

Para el año 2015, considerando la división (cut) por cuantiles, representar en un mapa la distribución de la pobreza de los municipios.

pobreza_porcen2015<- Tamaulipas[,c(3,8)]

tablapobr2015<-merge(x=mapa_tama@data[,1:4],y=pobreza_porcen2015,by.x="CVEGEO",by.y="Clave de municipio",sort=FALSE)

# View(tablapobr2015)


mapa_tama@data$pobr2015<-tablapobr2015[,5]

mapa_tama@data$pobr2015<- as.numeric(mapa_tama@data$pobr2015)

#View(mapa_tama@data$pobr2015)



cuantil <- cut(mapa_tama@data$pobr2015,5)
cuantil[1]
## [1] (65.1,77.5]
## Levels: (27.8,40.3] (40.3,52.7] (52.7,65.1] (65.1,77.5] (77.5,89.9]
secciones <- c(0,27.8,40.3,57.7,65.1,77.5,89.9, Inf)
colores <- colorBin(palette = "YlOrBr", domain = mapa_tama@data$pobr2015, na.color = "transparent", bins = secciones)


leyenda <- paste("Municipio :  ", mapa_tama$NOMGEO,"<br/>",
             "Pobreza en 2015:  %", round(mapa_tama@data$pobr2015,2),"<br/>") %>% lapply(htmltools::HTML)


leaflet(data = mapa_tama) %>%
  addTiles()%>%  addPolygons(label = leyenda,fillColor = colores(mapa_tama@data$pobr2015), fillOpacity = 1.15)

De nuevo Podemos visualizar en el mapa dinámico como los municipios Bustamante y Miquihuana también los municipios de San Carlos y San Nicolás concentran más la pobreza por lo que en el Estado de Tamaulipas en la parte Sur-Oeste y Oeste del estado es evidente la concentración de pobreza, para el año 2015.

3

Para el año 2010, considerando la división (cut) por cuantiles, representar en un mapa la distribución de la pobreza extrema de los municipios.

pobrezaext_porcen2010<- Tamaulipas[,c(3,13)]

# View(pobrezaext_porcen2010)

tablapobrext2010<-merge(x=mapa_tama@data[,1:4],y=pobrezaext_porcen2010,by.x="CVEGEO",by.y="Clave de municipio",sort=FALSE)


# View(tablapobrext2010)


mapa_tama@data$pobrext2010<-tablapobrext2010[,5]

mapa_tama@data$pobrext2010<- as.numeric(mapa_tama@data$pobrext2010)


#View(mapa_tama@data$pobr2015)



cuantil <- cut(mapa_tama@data$pobrext2010,5)
cuantil[1]
## [1] (9.36,17.6]
## Levels: (1.07,9.36] (9.36,17.6] (17.6,25.9] (25.9,34.1] (34.1,42.4]
secciones <- c(0,1.07,9.36,17.6,25.9,34.1,42.4, Inf)
colores <- colorBin(palette = "PuRd", domain = mapa_tama@data$pobrext2010, na.color = "transparent",
bins = secciones)


leyenda <- paste("Municipio :  ", mapa_tama$NOMGEO,"<br/>",
     "Pobreza extrema en 2010:  %", round(mapa_tama@data$pobrext2010,2),"<br/>") %>% lapply(htmltools::HTML)


leaflet(data = mapa_tama) %>%
  addTiles()%>%  addPolygons(label = leyenda,fillColor = colores(mapa_tama@data$pobrext2010), fillOpacity = 2.5)

En cuanto a la pobreza extrema para el año 2010 podemos observar también una marcada tendencia en los municipios antes mencionados (Bustamante, Miquihuana y Tula), de nuevo esta tendencia se visualiza en el mapa dinámico al Sur-Oeste del Estado de Tamaulipas.

4

Para el año 2015, considerando la divisón (cut) por cuantiles, representar en un mapa la distribución de la pobreza extrema de los municipios del estado elegido.

pobrezaext_porcen2015<- Tamaulipas[,c(3,14)]

# View(pobrezaext_porcen2015)

tablapobrext2015<-merge(x=mapa_tama@data[,1:4],y=pobrezaext_porcen2015,by.x="CVEGEO",by.y="Clave de municipio",sort=FALSE)


# View(tablapobrext2015)


mapa_tama@data$pobrext2015<-tablapobrext2015[,5]

mapa_tama@data$pobrext2015<- as.numeric(mapa_tama@data$pobrext2015)


#View(mapa_tama@data$pobr2015)



cuantil <- cut(mapa_tama@data$pobrext2015,5)
cuantil[1]
## [1] (8.55,15.4]
## Levels: (1.72,8.55] (8.55,15.4] (15.4,22.2] (22.2,29] (29,35.8]
secciones <- c(0,1.72,8.55,15.4,22.2,29,35.8, Inf)
colores <- colorBin(palette = "YlOrRd", domain = mapa_tama@data$pobrext2015, na.color = "transparent", bins = secciones)


leyenda <- paste("Municipio :  ", mapa_tama$NOMGEO,"<br/>",
  "Pobreza extrema en 2015:  %", round(mapa_tama@data$pobrext2015,2), "<br/>") %>% lapply(htmltools::HTML)


leaflet(data = mapa_tama) %>%
  addTiles()%>% addPolygons(label = leyenda,fillColor = colores(mapa_tama@data$pobrext2015), fillOpacity = 2)

En cuanto a la pobreza extrema para el año 2015 Podemos visualizar en el mapa dinámico como los municipios Bustamante, Miquihuana también los municipios de San Carlos y San Nicolás persiste la tendencia de concentración de la pobreza (extrema) de nuevo esta tendencia se visualiza en el mapa dinámico al Sur-Oeste y Oeste del Estado de Tamaulipas.

5

¿La pobreza extrema se distribuye de manera aleatoria en los municipios? Es decir, ¿hay grupos o zonas específicas del estado elegido donde se concentran porcentajes mayores de la pobreza extrema?

Como podemos observar en los mapas dinámicos sobre la distribución de la pobreza, existen municipios al Sur-Oeste del estado donde hay más concentración de pobreza los cuales son: Bustamante y Miquihuana. Al Oeste también existen municipios donde concentran mayores porcentajes de pobreza como: San Carlos y San Nicolás. Podemos notar en la coloración rojiza (para hacer más evidente esto se eligió tonos rojos), que la pobreza extrema en el Estado de Tamaulipas tiende a concentrarse hacia el Oeste y Sur-Oeste, los municipios al norte colindantes con Estados Unidos son los que en general concentran menos pobreza extrema, algo que es de esperar por el poder adquisitivo del país vecino y posiblemente las remesas que envían a las familias de dichos municipios.