Indicador 21.1: Indicador sobre información de biodiversidad para el monitoreo del marco mundial de biodiversidad

import datetime
now = datetime.datetime.now()
print(f"Última actualización de este notebook: {now.strftime('%d-%m-%Y %H:%M')}")

import os
import pandas as pd
import geopandas as gpd
import numpy as np
from dotenv import load_dotenv
from sqlalchemy import create_engine
import matplotlib.pyplot as plt

load_dotenv("../local.env")

connection_string = "postgresql://{user}:{password}@localhost:5432/{dbname}".format(
    dbname=os.environ.get("SEVENNR_DB_NAME"),
    user=os.environ.get("SEVENNR_DB_USER"),
    password=os.environ.get("SEVENNR_DB_PASSWORD"),
)

engine = create_engine(connection_string)

%%time
joined = gpd.sjoin(gbif, ecorregiones, how='left', predicate='within')
point_counts = joined.groupby('index_right').size().reset_index(name='point_count')
result_marino = ecorregiones.copy()
result_marino = result_marino.merge(point_counts, left_index=True, right_on='index_right', how='left')
result_marino['point_count'] = result_marino['point_count'].fillna(0).astype(int)
result_marino['densidad'] = result_marino["point_count"] * 100 / result_marino["Km_cuadrad"]
result_marino['more_than_10'] = result_marino['densidad'] >= 10
result_marino['densidad_log'] = np.log1p(result_marino['densidad'])
result_marino

fig, ax = plt.subplots(figsize=(8, 6))
result_marino.plot(ax=ax, column="densidad_log", legend=True)
fig.tight_layout()
fig.savefig("ecorregiones_densidad.png")
plt.show()
plt.close(fig)

fig, ax = plt.subplots(figsize=(8, 6))
result_marino.plot(
    ax=ax,
    column="more_than_10",
    legend=True,
    legend_kwds={
        'bbox_to_anchor': (1.38, 1.05),
        'loc': 'upper right',
        'title': '> 10 registros por $100\\;km^2$'
    })
fig.tight_layout()
fig.savefig("ecorregiones_suficientes.png")
plt.show()
plt.close(fig)

suficientes_marino = sum(result_marino["more_than_10"])
total_marino = len(result_marino)
print(f"Porcentaje de ecorregiones con datos suficientes (> 10 por 100 km\u00b2): {suficientes_marino * 100 / total_marino:.2f} %")

km_suficientes_marino = result_marino[result_marino["more_than_10"]]["Km_cuadrad"].sum()
km_totales_marino = result_marino["Km_cuadrad"].sum()
print(f"Porcentaje de área con datos suficientes (> 10 por 100 km\u00b2): {km_suficientes_marino * 100 / km_totales_marino:.2f} %")

fig, ax = plt.subplots(figsize=(8, 6))
result_terrestre.plot(ax=ax, column="densidad_log", legend=True)
fig.tight_layout()
fig.savefig("pisos_densidad.png")
plt.show()
plt.close(fig)

fig, ax = plt.subplots(figsize=(8, 6))
result_terrestre.plot(
    ax=ax,
    column="more_than_10",
    legend=True,
    legend_kwds={
        'bbox_to_anchor': (3.3, 1.05),
        'loc': 'upper right',
        'title': '> 10 registros por $100\\;km^2$'
    })
fig.tight_layout()
fig.savefig("pisos_suficientes.png")
plt.show()
plt.close(fig)

suficientes_terrestre = sum(result_terrestre["more_than_10"])
total_terrestre = len(result_terrestre)
print(f"Porcentaje de ecorregiones con datos suficientes (> 10 por 100 km\u00b2): {suficientes_terrestre * 100 / total_terrestre:.2f} %")

km_suficientes_terrestre = result_terrestre[result_terrestre["more_than_10"]]["Sup_Total"].sum()
km_totales_terrestre = result_terrestre["Sup_Total"].sum()
print(f"Porcentaje de área con datos suficientes (> 10 por 100 km\u00b2): {km_suficientes_terrestre * 100 / km_totales_terrestre:.2f} %")

suficientes = suficientes_marino + suficientes_terrestre
total = total_marino + total_terrestre
print(f"Porcentaje de ecorregiones con datos suficientes (> 10 por 100 km\u00b2): {suficientes * 100 / total:.2f} %")

km_suficientes = km_suficientes_marino + km_suficientes_terrestre
km_totales = km_totales_marino + km_totales_terrestre
print(f"Porcentaje de área con datos suficientes (> 10 por 100 km\u00b2): {km_suficientes * 100 / km_totales:.2f} %")