Desembarques D. trunculus
Datos Monitoreo poblacional FEMP_AND_04
Mardones, M; Delgado, M
02 April, 2024
rm(list = ls())
knitr::opts_chunk$set(echo = TRUE,
message = FALSE,
warning = FALSE,
fig.align = 'center',
dev = 'jpeg',
dpi = 300,
fig.align='center')
#XQuartz is a mess, put this in your onload to default to cairo instead
options(bitmapType = "cairo")
# (https://github.com/tidyverse/ggplot2/issues/2655)
# Lo mapas se hacen mas rapidolibrary(tidyverse)
library(ggridges)
library(readxl)
library(here)
library(lubridate)
library(readr)
library(ggthemes)
library(hrbrthemes)
library(viridis)
library(kableExtra)
library(ggalt)
library(rnaturalearth)
library(sf)
library(psych)
library(ggpubr)DESEMBARQUES OFICIALES
Data Oficial
Leo los datos entregados por E. Marco. Actualizar pedida con Junta Andalucia.
Landings <- read_excel("Data/Desembarques/Data_13_23_Landings.xlsx")
#View(Landings)Identifico las columnas necesarias para el análisis, que en este caso, serían las columnas con dato crudo.
# Fecha original en formato "año-mes-día"
fecha_original <- ymd(Landings$MESANYO)
# Separar en año, mes y día
ANO <- year(fecha_original)
MES <- month(fecha_original)
DIA <- day(fecha_original)
# uno la base
landings2 <-cbind(ANO,MES,DIA,Landings)
unique(landings2$ESTABLECIMIENTO)## [1] "MARBELLA (Lonja)" "FUENGIROLA (Lonja)"
## [3] "CALETA DE VELEZ (Lonja)" "ESTEPONA (Lonja)"
## [5] "ISLA CRISTINA (Lonja)" "MALAGA (Lonja)"
## [7] "AYAMONTE (Lonja)" "LA ATUNARA (Lonja)"
## [9] "BONANZA (Lonja)" "PUNTA UMBRIA (Lonja)"
## [11] "ALGECIRAS (Lonja)"Grafico general de los desembarques
landings3 <- landings2 %>%
group_by(ANO, MES, ESTABLECIMIENTO) %>%
summarise(LANDINGS = sum(TOTAL_KILOS)/1000)hist(landings3$LANDINGS)
quantile(landings3$LANDINGS)## 0% 25% 50% 75% 100%
## 0.00130 0.15700 0.50020 1.28525 16.58450Hay valores cercanos a las 14 t. por registro. Identificar si esto tiene sentido. Preguntar a MD.
plotlam <- ggplot(landings3,aes(ANO, LANDINGS))+
geom_bar(stat = "identity")+
facet_grid(MES~ESTABLECIMIENTO)+
theme_few()+
theme(axis.text.x = element_text(angle = 90,
hjust = 1,
vjust= 0.5))
plotlam
Otra viz
landpop <- ggplot(landings3 %>%
group_by(ANO, ESTABLECIMIENTO) %>%
summarise(LANDINGS1 =sum(LANDINGS))) +
geom_lollipop(aes(x=ANO,
y=LANDINGS1,
colour=ESTABLECIMIENTO),
size=0.9)+
scale_colour_viridis_d(option="H")+
scale_x_continuous(breaks = seq(from = 2013,
to = 2024,
by = 1))+
theme_few() +
theme(
legend.position = "none",
panel.border = element_blank(),
panel.spacing = unit(0.1, "lines"),
strip.text.x = element_text(size = 6),
axis.text.x = element_text(angle = 90,
size = 5,
hjust = 1,
vjust= 0.5),
axis.text.y = element_text(size = 5)) +
xlab("") +
ylab("Desembarque (t) por Establecimiento") +
facet_wrap(.~ESTABLECIMIENTO, ncol=4)+
ylim(0, 15)
landpop
orderland <- ggplot(landings3 %>%
group_by(ANO, ESTABLECIMIENTO) %>%
summarise(LANDINGS1 =sum(LANDINGS)) %>%
arrange(LANDINGS1) %>%
mutate(ESTABLECIMIENTO=factor(ESTABLECIMIENTO,
ESTABLECIMIENTO)),
aes(x=ESTABLECIMIENTO,
y=LANDINGS1) ) +
geom_bar(stat="identity", fill="#69b3a2") +
facet_wrap(.~ANO)+
coord_flip() +
theme_ipsum() +
theme(
panel.grid.minor.y = element_blank(),
panel.grid.major.y = element_blank(),
legend.position="none",
axis.text.y = element_text(size = 7)
) +
xlab("") +
ylab("Desembarque total aculumado por Establecimiento")
orderland
table(landings2$MES, landings2$ANO)##
## 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023
## 1 8 6 9 8 8 11 9 10 9 10 10
## 2 7 9 9 9 8 10 10 9 8 9 8
## 3 8 7 9 2 9 9 10 10 9 9 10
## 4 9 9 9 10 8 10 10 5 9 10 10
## 5 4 2 2 2 2 0 2 3 0 0 0
## 6 10 3 0 2 3 2 4 4 4 4 4
## 7 10 8 8 8 10 9 10 10 9 10 10
## 8 9 6 6 8 9 2 10 10 10 9 10
## 9 8 5 9 7 8 9 10 8 8 9 9
## 10 8 9 9 6 4 9 9 8 7 10 8
## 11 8 9 9 9 9 10 8 7 7 10 7
## 12 4 9 9 8 10 10 9 8 9 10 0kbl(table(landings2$MES, landings2$ANO),
longtable = T,
booktabs = T,
caption = "Registros de Desembarque por año y mes") %>%
kable_styling(latex_options = c("striped", "hold_position"))| 2013 | 2014 | 2015 | 2016 | 2017 | 2018 | 2019 | 2020 | 2021 | 2022 | 2023 |
|---|---|---|---|---|---|---|---|---|---|---|
| 8 | 6 | 9 | 8 | 8 | 11 | 9 | 10 | 9 | 10 | 10 |
| 7 | 9 | 9 | 9 | 8 | 10 | 10 | 9 | 8 | 9 | 8 |
| 8 | 7 | 9 | 2 | 9 | 9 | 10 | 10 | 9 | 9 | 10 |
| 9 | 9 | 9 | 10 | 8 | 10 | 10 | 5 | 9 | 10 | 10 |
| 4 | 2 | 2 | 2 | 2 | 0 | 2 | 3 | 0 | 0 | 0 |
| 10 | 3 | 0 | 2 | 3 | 2 | 4 | 4 | 4 | 4 | 4 |
| 10 | 8 | 8 | 8 | 10 | 9 | 10 | 10 | 9 | 10 | 10 |
| 9 | 6 | 6 | 8 | 9 | 2 | 10 | 10 | 10 | 9 | 10 |
| 8 | 5 | 9 | 7 | 8 | 9 | 10 | 8 | 8 | 9 | 9 |
| 8 | 9 | 9 | 6 | 4 | 9 | 9 | 8 | 7 | 10 | 8 |
| 8 | 9 | 9 | 9 | 9 | 10 | 8 | 7 | 7 | 10 | 7 |
| 4 | 9 | 9 | 8 | 10 | 10 | 9 | 8 | 9 | 10 | 0 |
Ahora un resumido por año
totalanual<- ggplot(landings3 %>%
group_by(ANO) %>%
summarise(LANDINGS1 =sum(LANDINGS)) %>%
mutate(ANO=factor(ANO,ANO)),
aes(x=ANO,
y=LANDINGS1) ) +
geom_bar(stat="identity", fill="#69b3a2") +
geom_smooth(method = "loess")+
theme_ipsum() +
theme(
panel.grid.minor.y = element_blank(),
panel.grid.major.y = element_blank(),
legend.position="none",
axis.text.y = element_text(size = 10)
) +
xlab("") +
ylab("Desembarque (t) total aculumado por a traves de los años")+
ylim(0,250)
totalanual
write .csv
total <- landings3 %>%
group_by(ANO) %>%
summarise(LANDINGS1 =sum(LANDINGS))
write_csv(total, "Landingscoquina.csv")Correccion
sin embargo, acá es necesario identificar las lonjas que reciben coquina desde el Parque Doñana. De acuerdo a esto, MD indica lo sig:
| Lonja | Observación |
|---|---|
| “AYAMONTE (Lonja)” | Podría recibir + procedente de Isla Canela |
| “CALETA DE VELEZ (Lonja)” | Mediterraneo Andaluz. NO creo |
| “ESTEPONA (Lonja)” | Mediterraneo Andaluz. NO creo |
| “FUENGIROLA (Lonja)” | Mediterraneo Andaluz. NO creo |
| “ISLA CRISTINA (Lonja)” | Podría recibir + procedente de Isla Canela |
| “LA ATUNARA (Lonja)” | Cerca de Algeciras, DUDAS |
| “MALAGA (Lonja)” | Mediterraneo Andaluz. NO creo |
| “MARBELLA (Lonja)” | Mediterraneo Andaluz. NO creo |
| “BONANZA (Lonja)” | Seguro que recibe |
| “BONANZA (Lonja)” | Podría recibir + procedente de Isla Canela |
| “ALGECIRAS (Lonja)” | DUDAS |
procedo ahora a generar un vector anual con los datos filtrados
landcorr <- landings3 %>%
filter(ESTABLECIMIENTO %in% c ("AYAMONTE (Lonja)",
"ISLA CRISTINA (Lonja)",
"LA ATUNARA (Lonja)" ,
"BONANZA (Lonja)",
"BONANZA (Lonja)",
"ALGECIRAS (Lonja)"))saco el plot con los datos filtrados relativos solo al Parque Doñana
filtrapd<- ggplot(landcorr %>%
group_by(ANO, ESTABLECIMIENTO) %>%
summarise(LANDINGS1 =sum(LANDINGS)) %>%
arrange(LANDINGS1) %>%
mutate(ESTABLECIMIENTO=factor(ESTABLECIMIENTO,
ESTABLECIMIENTO)),
aes(x=ESTABLECIMIENTO,
y=LANDINGS1) ) +
geom_bar(stat="identity", fill="#69b3a2") +
facet_wrap(.~ANO)+
coord_flip() +
theme_ipsum() +
theme(
panel.grid.minor.y = element_blank(),
panel.grid.major.y = element_blank(),
legend.position="none",
axis.text.y = element_text(size = 7)
) +
xlab("") +
ylab("Desembarque total aculumado por Establecimiento")
filtrapd
ahora resumido por año y comparo con el no filtrado
totalanualfil<- ggplot(landcorr %>%
group_by(ANO) %>%
summarise(LANDINGS1 =sum(LANDINGS)) %>%
mutate(ANO=factor(ANO,ANO)),
aes(x=ANO,
y=LANDINGS1) ) +
geom_bar(stat="identity", fill="#69b3a2") +
geom_smooth(method = "loess")+
theme_ipsum() +
theme(
panel.grid.minor.y = element_blank(),
panel.grid.major.y = element_blank(),
legend.position="none",
axis.text.y = element_text(size = 10)
) +
xlab("") +
ylab("Desembarque (t) filtrado aculumado por a traves de los años")+
ylim(0,250)ggarrange(totalanual , totalanualfil,
ncol = 1)