La polinización es un proceso fundamental para la supervivencia de los ecosistemas, esencial para la producción y reproducción de muchos cultivos y plantas silvestres. Casi el 90 por ciento de las plantas con flores dependen de la polinización para reproducirse; asimismo, el 75 por ciento de los cultivos alimentarios del mundo dependen en cierta medida de la polinización y el 35 de las tierras agrícolas mundiales. Los polinizadores no solo contribuyen directamente a la seguridad alimentaria, sino que además son indispensables para conservar la biodiversidad.(SADER, 2020)

## En nuestro país, la apicultura es una de las actividades de mayor relevancia por el impacto que tiene en el desarrollo sostenible. Por ello, se realizan acciones en pro de concientizar a la población sobre la importante contribución de las abejas en la producción de alimentos y el equilibrio de ecosistemas, así como promover su cuidado y conservación.(SADER, 2020)

Las abejas meliponas son la especie nativa de México, éstas son de vital importancia debido a su función como polinizadoras de plantas de interés como el café, el chile, variedades de granos, semillas y frutos. Asimismo, la fabricación de miel es muy importante, existen más de 43 mil apicultores a nivel nacional, quienes en los últimos 10 años su trabajo ha colocado a México como el quinto lugar como exportador de miel y el noveno lugar como productor de miel.(SADER, 2020)

Sector Apicola Mexicano

Como muchas otras especies, la abeja juega un papel vital en mantener el equilibrio entre otras especies y su entorno. En el caso de las abejas y los humanos, estos pequeños insectos son en gran parte responsables de regular nuestro suministro de alimentos.(Downing, 2020)

Un estudio publicado en Nature Communications encontró que solo el dos por ciento de las especies de abejas silvestres contribuye con el 80 por ciento de las visitas de polinización de cultivos observadas a nivel mundial. Esto significa que si este pequeño porcentaje de abejas desaparece entonces el 80 por ciento de nuestro sistema agrícola colapsará.(Downing, 2020)

Setenta de los 100 principales cultivos alimentarios que se cultivan en todo el mundo dependen de polinizadores, lo que equivale al 90 por ciento de la nutrición mundial. Puede parecer increíble, pero sin las abejas podemos despedirnos de alimentos como manzanas, almendras, naranjas y aguacates. Teniendo en cuenta que alrededor de 850 millones de personas en todo el mundo padecen actualmente de falta de alimentos, junto con el hecho de que la población mundial aumentará a nueve mil millones para 2050, vamos a necesitar a todas las abejas en cubierta si esperamos hacerlo. evitar la escasez masiva de alimentos.

Las abejas no solo son extremadamente importantes para los humanos, sino también para el funcionamiento de ecosistemas enteros. Como sabemos, las abejas permiten que las plantas se reproduzcan mediante la polinización. Estas plantas contribuyen al sistema alimentario al alimentar a los animales, además de los humanos, como las aves y los insectos. Si la fuente de alimento para estos animales se redujera o se perdiera por completo, causaría que toda la cadena alimenticia sufriera.(Downing, 2020)

Existen diferentes factores que contribuyen a la disminucion de colmenas en mexico y en el mundo, entre los cuales se encuentran los siguientes:

1. Pesticidas.

Se podría considerar como el principal factor de desaparición de las abejas a nivel mundial. Es evidente que el efecto de los primeros no sólo aparece sobre “insectos plaga”, sino también sobre otras poblaciones beneficiosas para los cultivos, entre las que se encuentran las abejas. De este modo, se ha observado que el uso generalizado de insecticidas como los neonicotinoides son causa directa de la desaparición de colonias de abejas y otras especies. Tampoco debemos olvidar que otros productos químicos de síntesis que no son capaces de provocar la muerte de los animales afectados, sí pueden alterar el sentido de la orientación y las funciones biológicas de las abejas, causando la desaparición de colonias a corto o medio plazo. (Krupke, 2012)

2. Acaros destructores de abejas.

El ácaro Varroa es uno de los mayores enemigos de las abejas y uno de los mayores causantes de su desaparición. Se trata de un parásito externo que invade al insecto y se alimenta de su sangre y, además, transmite al resto de la colmena virus letales como el del ala deformada. Este ácaro se ha extendido prácticamente por todo el mundo salvo la excepción, hasta ahora, de Australia. (Batalla, 2020)

3. Cambio climatico y contaminacion.

La contaminación del aire reduce la potencia de los mensajes químicos que emiten las flores y a las abejas y otros insectos les cuesta más localizarlas. El cambio climático agrava la situación porque altera la floración y cantidad de plantas por las épocas de lluvias, que afecta a la cantidad y calidad del néctar. (Batalla, 2020)

Las abejas son muy importantes para nuestra sociedad y especialmente para nuestro medio ambiente. Con la extinción de las abejas, la gente tendrá que afrontar las consecuencias y actuar frente a esos afectos. Las abejas se dan por sentado y si se extinguieran, las cosas de las que dependemos para sobrevivir desaparecerán.

Con este trabajo se busca analizar los principales factores que contribuyen a la extincion de las abejas y como esto afecta a la humanidad.

Se busca dar respuesta a uno o mas de los siguientes cuestionamientos.

¿Qué variable medible podemos relacionar con la incidencia de las abejas? 1) Hectáreas sembradas 2) Población humana 3) Urbanización 4) Aumento de temperatura 5) Co2 atmosférico 6) Toneladas de plaguicidas aplicados 7) Contaminación atmosférica

Paquetes a utilizar

library(pacman)
p_load(rmdformats,readr,readxl,ggplot2,plotly,DT,xfun,gridExtra,leaflet, GGally, psych, corrplot, cluster)

Importando datos

Colmenas en Mexico 1961-2017

colmenasmx <- read.csv("colmenasmx.csv")
colmenas <- data.frame(colmenasmx)
colmenas

##    yearc Colmenas
## 1   1961  1985000
## 2   1962  2000000
## 3   1963  1300000
## 4   1964  1100000
## 5   1965   920934
## 6   1966   966980
## 7   1967  1015329
## 8   1968  1185581
## 9   1969  1580060
## 10  1970  1665700
## 11  1971  1618000
## 12  1972  1821000
## 13  1973  1876000
## 14  1974  1996000
## 15  1975  2037000
## 16  1976  2059012
## 17  1977  2080060
## 18  1978  2142300
## 19  1979  2254800
## 20  1980  2380600
## 21  1981  2532200
## 22  1982  2532200
## 23  1983  2690500
## 24  1984  2493400
## 25  1985  2384500
## 26  1986  2422729
## 27  1987  2119400
## 28  1988  2209339
## 29  1989  2330948
## 30  1990  2114489
## 31  1991  2088315
## 32  1992  2107618
## 33  1993  2293733
## 34  1994  2292428
## 35  1995  2053761
## 36  1996  1919938
## 37  1997  1715948
## 38  1998  1791111
## 39  1999  1944573
## 40  2000  1875731
## 41  2001  1862372
## 42  2002  1783854
## 43  2003  1727234
## 44  2004  1745078
## 45  2005  1732112
## 46  2006  1747033
## 47  2007  1741040
## 48  2008  1797478
## 49  2009  1774757
## 50  2010  1842130
## 51  2011  1847667
## 52  2012  1898239
## 53  2013  1933105
## 54  2014  1981162
## 55  2015  2017931
## 56  2016  1859350
## 57  2017  1853807
## 58  2018  2172107

View(colmenas)

datatable(colmenas)

Visualizar tabla en series de tiempo

En estas tablas se realizó una comparativa de los datos de produccón de colmenas, con la tala de arboles, emisiones de CO2, y la precipitación en México del 2001 al 2018. Esto se hizo con la finalidad de verificar si los datos tienen alguna similitud.

Visualizar la grafica por series de tiempo de las colmenas en comparativa con con la tala de arboles, emisiones de CO2, y la precipitación en México del 2001 al 2018.

 library(forecast)

## Registered S3 method overwritten by 'quantmod':
##   method            from
##   as.zoo.data.frame zoo

plot(Datos.ts, col = "brown", main = "Cantidad de colmenas frente a otros datos", xlab ="Año", lwd=1, type="l", pch=10)   

Como se puede observar las mediones del las colmenas en Mexico toma datos por mes y se utilizo la funcion de series de tiempo para ajustarlo a 1 año los 12 meses como frecuencias.

Las series de tiempo permiten conocer la variación temporal de las distintas variables e índices de colmenas en una región predeterminada.

En la grafica podemos observar que la mayor parte entre los datos de Colmenas y Emisiones de CO2 están en mayor relación en base a su comportamiento, se encuentra en ocilaciones muy constantes de esta serie temporal por lo que se puede deducir que en todos los años los % de Emisiones de CO2 afecta en la cantidad de Colmenas que hay en México.

Año <- Datos$Año
Colmenas <- Datos$Colmenas
Tala <- Datos$`Tala de arboles`
EmisionesCO2 <- Datos$`Emisiones de CO2`
Precipitacion <- Datos$Precipitación
datos <- data.table(Colmenas, Tala, EmisionesCO2, Precipitacion)

Producción de colmenas con log base 10

qqnorm(log10(Colmenas), main = "Producción de colmenas", col = "blue")
qqline(log10(Colmenas))

El valor de la produccion ajustado en un log base 10 se desvia de la recta los valores en X entre menos de 1 y mayores 1 lo cual significa que tenemos 3 datos atipicos.

Histograma de la Tala de arboles en México de los años 2001 a 2018

par (mfrow = c(1,2))
hist(Datos$`Tala de arboles`, breaks = 10, main = "", xlab = " Log10 (Tala de arboles en México)", border="blue")
qqnorm(log10(Datos$`Tala de arboles`), main = "", col = "blue")
qqline(log10(Datos$`Tala de arboles`))

Aqui observamos un hisotgrama y un grafico ajustado en un log base 10 donde se describe la tala de arboles. En el histograma se observa que no existe condiciones para una normalidad y en nuestra linea vemos que tenemos 4 datos fuera de nuestra linea, lo cual significa que hubo 4 eventos que hicieron variar la tala de arboles.

Tabla de correlacion de los 4 predictores

round( cor( x = datos, method = "pearson"), 3)

##               Colmenas   Tala EmisionesCO2 Precipitacion
## Colmenas         1.000  0.261        0.469        -0.130
## Tala             0.261  1.000        0.953        -0.069
## EmisionesCO2     0.469  0.953        1.000        -0.071
## Precipitacion   -0.130 -0.069       -0.071         1.000

Observamos que las emisiones de CO2 esta relacionada con la tala de arboles.

Grafica de normalidad de nuestros predictores

multi.hist(x = datos, dcol = c("blue", "red"), dlty = c("dotted", "solid"),main = "")

Matriz de correlacion entre los 4 predictores

library(GGally)
ggpairs(datos, lower = list(continuous = "smooth"),
        diag = list(continuous = "barDiag"), axisLabels = "none")

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Para la seleccion de predictores en funcion de la cantidad de colmenas existentes observamos que las mas correlacionadas son: tala de arboles y emisiones de CO2, pero a la vez estas variables estan relacionadas con otra variable independiente, es decir, la cantidad de colmenas tiene un comportamiento similar a la tala de arboles y emisiones de CO2.

Modelar nuestra regresion lineal multiple

modelo <- lm(Colmenas ~ Tala + EmisionesCO2 + Precipitacion, data = datos )

summary(modelo)

## 
## Call:
## lm(formula = Colmenas ~ Tala + EmisionesCO2 + Precipitacion, 
##     data = datos)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -115561  -42713  -14106   39821  187765 
## 
## Coefficients:
##                 Estimate Std. Error t value Pr(>|t|)    
## (Intercept)    2.403e+06  6.279e+05   3.828 0.001846 ** 
## Tala          -5.120e+00  1.397e+00  -3.666 0.002543 ** 
## EmisionesCO2   1.092e-02  2.525e-03   4.326 0.000698 ***
## Precipitacion -4.599e+02  7.841e+02  -0.587 0.566840    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 81070 on 14 degrees of freedom
## Multiple R-squared:  0.6067, Adjusted R-squared:  0.5224 
## F-statistic: 7.198 on 3 and 14 DF,  p-value: 0.003705

Observamos que nuestra R2 multiple nos da 0.60 y nuestro valor de P-value: 0.3% esto significa que mas predictores estan dependiendo entre una y la otra y eso causa un cesgo en nuestra funcion principal que es la cantidad de colmenas, por lo que mas adelante se solicitara un metodo para eliminar predictores que dependen entre si.

Seleccion de predictores para nuestra funcion de la cantidad de colmenas

step(object = modelo, direction = "both", trace = 1)

## Start:  AIC=410.39
## Colmenas ~ Tala + EmisionesCO2 + Precipitacion
## 
##                 Df  Sum of Sq        RSS    AIC
## - Precipitacion  1 2.2614e+09 9.4281e+10 408.83
## <none>                        9.2019e+10 410.39
## - Tala           1 8.8338e+10 1.8036e+11 420.50
## - EmisionesCO2   1 1.2300e+11 2.1502e+11 423.67
## 
## Step:  AIC=408.83
## Colmenas ~ Tala + EmisionesCO2
## 
##                 Df  Sum of Sq        RSS    AIC
## <none>                        9.4281e+10 408.83
## + Precipitacion  1 2.2614e+09 9.2019e+10 410.39
## - Tala           1 8.8268e+10 1.8255e+11 418.72
## - EmisionesCO2   1 1.2369e+11 2.1797e+11 421.91

## 
## Call:
## lm(formula = Colmenas ~ Tala + EmisionesCO2, data = datos)
## 
## Coefficients:
##  (Intercept)          Tala  EmisionesCO2  
##    2.041e+06    -5.118e+00     1.095e-02

Observamos en el apartado de “coeficients” y vemos como el la tala de arboles y las emisiones de CO2 son variables que estan interfiriendo por lo que se eliminan de nuestros predictores.

Modelar con los nuevos predictores la regresion lineal multiple

modelo <- lm(Colmenas ~ Precipitacion, data = datos )

summary(modelo)

## 
## Call:
## lm(formula = Colmenas ~ Precipitacion, data = datos)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -123295  -89494   -7778   35385  320947 
## 
## Coefficients:
##                Estimate Std. Error t value Pr(>|t|)  
## (Intercept)   2324968.5   904152.2   2.571   0.0205 *
## Precipitacion    -606.7     1156.5  -0.525   0.6071  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 119900 on 16 degrees of freedom
## Multiple R-squared:  0.01691,    Adjusted R-squared:  -0.04454 
## F-statistic: 0.2752 on 1 and 16 DF,  p-value: 0.6071

Observamos que la cantidad de colmenas y el indicador del % de area afectada de sequia son las causas que hacen variar nuestra produccion de uva. Los resultados nos arroja un valor de R2: 0.01691 y una significancia de 60.71 % lo cual se acepta nuestra hipotesis nula que la sequia afecta la cantidad de colmenas.

confint(lm(formula = Colmenas ~ Precipitacion, data = datos))

##                   2.5 %      97.5 %
## (Intercept)   408251.47 4241685.622
## Precipitacion  -3058.38    1845.042

Conclusiones.

Jesús Murillo.

El tema de la apicultura es uno que debe de tener una mayor importancia de la que tiene actualmente, ya que, mucha gente desconoce, los impactos negativos que puede generar la extinción de las abejas a nuestro ecosistema. La apicultura esta dedica a la crianza de las abejas y los mas importante, está dedica a darles sus respectivos cuidados. Las abejas son las encargadas de la reproducción de las plantas a traves de la polinización y por consiguiente una gran cantidad de cultivos dependen de esto. Es mas que claro que el ser humano es el causante de estos impactos ambientales.

Bibliografias.

Magaña Magaña, M. A., Tavera Cortés, M. E., Salazar Barrientos, L. L., & Sanginés García, J. R. (2016). Productividad de la apicultura en México y su impacto sobre la rentabilidad. Revista mexicana de ciencias agrícolas, 7(5), 1103-1115. http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-09342016000501103