Introducción

Pucarani es una localidad y municipio de Bolivia, capital de la Provincia de Los Andes en el departamento de La Paz. Es parte de la Región Metropolitana de La Paz. La principal fuente económica del Municipio de Pucarani es la actividad agricola. La producción agrícola de Pucarani es de tipo tradicional, con cultivos de papa, cebada, avena, haba, quinua, alfalfa, y productos derivados como el chuño y la tunta, además de hortalizas, como zanahoria y ajo. Por ello es que en este trabajo se decidio realizar un análisis de temperatura en este municipio. Debido a que la principal actividad es la producción agricola, se escogieron los meses de Junio, Julio (epoca de baja actividad por el invierno) y Agosto, Septiembre (epoca del inicio de las lluvias) El inicio de las lluvias marca, la epoca de la siembra en las comunidades altiplanicas.

library(rasterVis)
## Loading required package: lattice
library(ggplot2)
library(raster)
## Loading required package: sp
library(rgdal)
## 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: 1.5-32, (SVN revision 1176)
## Geospatial Data Abstraction Library extensions to R successfully loaded
## Loaded GDAL runtime: GDAL 3.0.4, released 2020/01/28
## Path to GDAL shared files: /usr/share/gdal
## GDAL binary built with GEOS: TRUE 
## Loaded PROJ runtime: Rel. 6.3.1, February 10th, 2020, [PJ_VERSION: 631]
## Path to PROJ shared files: /usr/share/proj
## Linking to sp version:1.4-7
## To mute warnings of possible GDAL/OSR exportToProj4() degradation,
## use options("rgdal_show_exportToProj4_warnings"="none") before loading sp or rgdal.
library(RColorBrewer)

#TEMPERATURA

temp_san<- '/cloud/home/r1487599/imagenespucarani'
temp_san<- list.files(temp_san,full.names = TRUE,pattern = ".tif$")

compilar_temp_san<- stack(temp_san)
compilar_temp_san1<- compilar_temp_san*0.02
compilar_temp_san2<- compilar_temp_san1-273.15

Junio2018<- overlay(compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2018152_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2018160_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2018168_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2018176_aid0001,fun=mean)
Julio2018<- overlay(compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2018184_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2018192_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2018200_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2018208_aid0001,fun=mean)
Agosto2018<- overlay(compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2018216_aid0001,
                     compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2018224_aid0001,
                     compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2018232_aid0001,
                     compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2018240_aid0001,fun=mean)
Septiembre2018<- overlay(compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2018248_aid0001,
                         compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2018256_aid0001,
                         compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2018264_aid0001,
                         compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2018272_aid0001,fun=mean)

Junio2019<- overlay(compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2019152_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2019160_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2019168_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2019176_aid0001,fun=mean)
Julio2019<- overlay(compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2019184_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2019192_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2019200_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2019208_aid0001,fun=mean)
Agosto2019<- overlay(compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2019216_aid0001,
                     compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2019224_aid0001,
                     compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2019232_aid0001,
                     compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2019240_aid0001,fun=mean)
Septiembre2019<- overlay(compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2019248_aid0001,
                         compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2019256_aid0001,
                         compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2019264_aid0001,
                         compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2019272_aid0001,fun=mean)


Junio2020<- overlay(compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2020152_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2020160_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2020168_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2020176_aid0001,fun=mean)
Julio2020<- overlay(compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2020184_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2020192_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2020200_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2020208_aid0001,fun=mean)
Agosto2020<- overlay(compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2020216_aid0001,
                     compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2020224_aid0001,
                     compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2020232_aid0001,
                     compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2020240_aid0001,fun=mean)
Septiembre2020<- overlay(compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2020248_aid0001,
                         compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2020256_aid0001,
                         compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2020264_aid0001,
                         compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2020272_aid0001,fun=mean)

Junio2021<- overlay(compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2021152_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2021160_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2021168_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2021176_aid0001,fun=mean)
Julio2021<- overlay(compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2021184_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2021192_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2021200_aid0001,
                    compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2021208_aid0001,fun=mean)
Agosto2021<- overlay(compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2021216_aid0001,
                     compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2021224_aid0001,
                     compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2021232_aid0001,
                     compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2021240_aid0001,fun=mean)
Septiembre2021<- overlay(compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2021248_aid0001,
                         compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2021256_aid0001,
                         compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2021264_aid0001,
                         compilar_temp_san2$MOD11A1.006_LST_Day_1km_doy2021273_aid0001,fun=mean)

NDVI_HARV_stack <- stack(Junio2018,Julio2018,Agosto2018,Septiembre2018,
                         Junio2019,Julio2019,Agosto2019,Septiembre2019,
                         Junio2020,Julio2020,Agosto2020,Septiembre2020,
                         Junio2021,Julio2021,Agosto2021,Septiembre2021)

#GRÁFICO 1
cols <- colorRampPalette(brewer.pal(9,"YlOrRd"))
names(NDVI_HARV_stack)<-c('Junio2018','Julio2018','Agosto2018','Septiembre2018',
                          'Junio2019','Julio2019','Agosto2019','Septiembre2019',
                          'Junio2020','Julio2020','Agosto2020','Septiembre2020',
                          'Junio2021','Julio2021','Agosto2021','Septiembre2021')

levelplot(NDVI_HARV_stack,main="Promedio de Temperatura del Municipio de Pucarani desde 2018 a 2021",col.regions=cols)
## Warning in min(x): no non-missing arguments to min; returning Inf
## Warning in max(x): no non-missing arguments to max; returning -Inf
## Warning in min(x): no non-missing arguments to min; returning Inf
## Warning in max(x): no non-missing arguments to max; returning -Inf
## Warning in min(x): no non-missing arguments to min; returning Inf
## Warning in max(x): no non-missing arguments to max; returning -Inf
## Warning in min(x): no non-missing arguments to min; returning Inf
## Warning in max(x): no non-missing arguments to max; returning -Inf
## Warning in min(x): no non-missing arguments to min; returning Inf
## Warning in max(x): no non-missing arguments to max; returning -Inf
## Warning in min(x): no non-missing arguments to min; returning Inf
## Warning in max(x): no non-missing arguments to max; returning -Inf

Conclusión

Se concluye este trabajo como exitoso debido a que se logra determinar en el mapa de temperatura, la diferencia entre una baja actividad en epoca invernal y una alta actividad en epoca de siembra. Cabe mencionar que existen meses vacios, esto puede ser debido a la nubosidad del día y que el satelite no haya logrado capturar una buena imagen.