Autor:
José Esquina (makarioe@gmail.com)
2025-03-14
Título¶
Riqueza de Especies del Género Coffea en América: Un Análisis Geoespacial de Registros de Presencia con un Estudio de Caso en Atitlán, Guatemala¶
Resumen:¶
El presente estudio analiza la distribución y riqueza de especies del género Coffea en el continente americano mediante el uso de registros de presencia disponibles públicamente. A través de un análisis geoespacial implementado en Python, se exploró la riqueza de especies a nivel de país, revelando patrones de diversidad en América del Norte y del Sur. El estudio se enfocó posteriormente en Guatemala, un importante productor de café, visualizando su división administrativa y destacando la región de Atitlán, conocida por su café de alta calidad. Finalmente, se realizó un análisis del Índice de Vegetación de Diferencia Normalizada (NDVI) en una finca específica en Atitlán, Finca Paponjila, para evaluar el desarrollo vegetativo de los cafetos. Los resultados muestran la distribución de especies de Coffea a nivel continental, la importancia de Guatemala como centro productor y la variabilidad en la salud de la vegetación en una finca representativa de la región de Atitlán, lo que subraya la influencia de factores geográficos y ambientales en la distribución y el estado del cultivo de café.
Introducción¶
El café (Coffea sp.) es una de las bebidas más consumidas a nivel mundial y representa un motor económico fundamental para muchas regiones tropicales, especialmente en América Latina. El género Coffea comprende una amplia diversidad de especies, de las cuales Coffea arabica y Coffea canephora (robusta) son las más cultivadas a nivel comercial, valoradas por sus distintos perfiles de sabor y características agronómicas. La distribución y la diversidad de estas y otras especies del género están influenciadas por una compleja interacción de factores ambientales, geográficos e históricos.
El continente americano alberga una rica diversidad de especies de Coffea, tanto cultivadas como silvestres. Entre los países productores destacados se encuentra Guatemala, cuya geografía montañosa, suelos volcánicos y microclimas diversos contribuyen a la producción de café de alta calidad con perfiles de sabor distintivos, particularmente en regiones como Atitlán.
La región de Atitlán, ubicada en el altiplano occidental de Guatemala, es reconocida mundialmente por su café de especialidad. Las condiciones únicas de esta zona, incluyendo altitudes entre 1,200 y 2,000 metros sobre el nivel del mar, precipitaciones anuales entre 1200 y 1800 mm, temperaturas promedio de 16-22°C y suelos volcánicos, crean un entorno ideal para el cultivo de café arábica de alta calidad. Para evaluar la salud y el desarrollo de la vegetación de los cafetos, se utilizó el Índice de Vegetación de Diferencia Normalizada (NDVI) de una finca modelo ubicada en la region de Atitlán con el fin de ver es estado de los cafetos en la actualidad. El NDVI, calculado a partir de imágenes satelitales, proporciona una medida cuantitativa de la biomasa verde y puede indicar áreas con vegetación sana y vigorosa.
En este contexto, los principales objetivos de este estudio son:
- Analizar la distribución y riqueza de especies del género Coffea en el continente americano utilizando registros de presencia disponibles públicamente.
- Presentar la región de Atitlán como una zona clave para la producción de café en Guatemala.
- Evaluar el estado de la vegetación de los cafetos en una finca específica en Atitlán (Finca Paponjila) utilizando el Índice de Vegetación de Diferencia Normalizada (NDVI).
Objetivo general¶
Analizar la distribución, riqueza y estado de la vegetación del género Coffea en el continente americano, con un enfoque específico en Guatemala y la región de Atitlán.
Objetivos específicos¶
- Analizar la distribución y riqueza de especies del género Coffea en el continente americano utilizando registros de presencia disponibles públicamente.
- Presentar la región de Atitlán como una zona clave para la producción de café en Guatemala.
- Evaluar el estado de la vegetación de los cafetos en una finca modelo en Atitlán (Finca Paponjila) utilizando el Índice de Vegetación de Diferencia Normalizada (NDVI).
Materiales y Métodos¶
Datos de Presencia de Coffea¶
Se utilizaron registros de presencia de especies del género Coffea obtenidos del Global Biodiversity Information Facility (GBIF) a través de un archivo CSV alojado en GitHub (https://raw.githubusercontent.com/Corner002/cafe/refs/heads/main/cafe.csv). El conjunto de datos contenía información sobre la ubicación geográfica (latitud y longitud) y la identificación de las especies.
Datos Geográficos¶
Se emplearon las siguientes capas de datos geográficos vectoriales:
- Países del mundo: Obtenida de Natural Earth a través de un archivo GeoPackage alojado en GitHub (https://raw.githubusercontent.com/datos-geoespaciales-biodiversidad/python/refs/heads/main/datos/otros/naturalearth/paises.gpkg). Se utilizó para delimitar el continente americano y realizar análisis a nivel de país.
- Departamentos de Guatemala: Obtenida de un archivo GeoPackage alojado en GitHub (https://raw.githubusercontent.com/Corner002/departamentos/main/Departementos_gt.gpkg). Se utilizó para visualizar la división administrativa de Guatemala.
Datos Raster de Precipitación¶
Se utilizó una capa raster de precipitación media anual global (WorldClim versión 2.1 a 10 minutos de resolución) obtenida como un archivo GeoTIFF desde GitHub (https://github.com/datos-geoespaciales-biodiversidad/python/raw/refs/heads/main/datos/clima/worldclim/2.1-10m-bio/wc2.1_10m_bio_12.tif).
Datos Raster NDVI de Finca Paponjila¶
Se utilizó una imagen raster multiespectral para el cálculo del Índice de Vegetación de Diferencia Normalizada (NDVI) en la Finca Paponjila, obtenida como un archivo GeoTIFF desde GitHub (https://raw.githubusercontent.com/Corner002/raster_coffe/main/raster_cafe_01.tif).
Área de Estudio¶
El estudio se centró en el continente americano para el análisis general de la riqueza de especies de Coffea, con un enfoque particular en Guatemala y la región de Atitlán. El análisis de NDVI se realizó específicamente para la Finca Paponjila, ubicada en Atitlán, Guatemala (coordenadas aproximadas: 14.6118, -91.1360).
Procedimientos y Análisis¶
El análisis se llevó a cabo utilizando el lenguaje de programación Python (versión 3) y las siguientes bibliotecas:
- pandas: Para la manipulación y análisis de datos tabulares.
- geopandas: Para el manejo y análisis de datos geoespaciales vectoriales. Se realizaron operaciones de creación de GeoDataFrames, filtrado geográfico y unión espacial (spatial join) entre los registros de presencia de Coffea y la capa de países.
- folium: Para la creación de mapas interactivos, incluyendo la visualización de la riqueza de especies por país y los registros de presencia de Coffea.
- matplotlib.pyplot: Para la generación de gráficos y la visualización del NDVI.
- plotly.express: Para la creación de gráficos interactivos de barras de riqueza de especies por país y la evolución de los registros a lo largo del tiempo (si lo incluiste).
- rasterio : Para la lectura y manipulación de datos raster, incluyendo la carga de la capa de precipitación y la imagen para el cálculo del NDVI. Se realizó el cálculo del NDVI utilizando las bandas roja e infrarroja cercana de la imagen Sentinel.
- leafmap: Para la creación de mapas interactivos centrados en Guatemala y el Lago de Atitlán, utilizando capas base de satélite.
Los principales pasos del análisis incluyeron:
- Filtrado de los registros de presencia de Coffea para el continente americano.
- Unión espacial de los registros de presencia con la capa de países para determinar la ubicación por país.
- Cálculo de la riqueza de especies de Coffea (número de especies únicas) por país.
- Visualización de la riqueza de especies en un mapa interactivo.
- Visualización de la riqueza de especies en un gráfico de barras.
- Visualización de la precipitación anual en América.
- Visualización de los departamentos de Guatemala.
- Visualización del Lago de Atitlán y sus alrededores.
- Cálculo del NDVI para la Finca Paponjila utilizando las bandas roja e infrarroja cercana.
- Visualización del mapa NDVI de la Finca Paponjila.
Se utilizaron los sistemas de referencia de coordenadas nativos de cada dataset, siendo la mayoría en EPSG:4326 (WGS 84) para los datos vectoriales. Para los datos raster, se respetó el CRS indicado en los metadatos de los archivos.
Resultados¶
Aspectos importantes del género Coffea¶
El café pertenece a la familia botánica de
las Rubiáceas de las cuales se han reportado
unos 500 géneros y más de 6,000 especies. No
obstante, las especies más importantes desde el
punto de vista comercial pertenecen al género
Coffea
El café es un arbusto perenne cuyo ciclo de vida a nivel comercial puede alcanzar una edad promedio de 25 años, dependiendo de las condiciones y del sistema de cultivo
.jpg)
Figura 1. Granos de café maduro
Algunas especies de café comerciales¶
1. Coffea arábica (Arábica):¶
- Es la especie más popular y representa aproximadamente el 60% de la producción mundial.
- Se caracteriza por su sabor suave, aromático y con notas de acidez.
- Requiere condiciones de cultivo específicas, como altitudes elevadas y climas templados.
Figura 2. Café arábica de la variedad Borbón
2. Coffea canephora (Robusta):¶
- Es la segunda especie más cultivada, representando alrededor del 40% de la producción mundial.
- Tiene un sabor más fuerte y amargo que el Arábica, con mayor contenido de cafeína.
- Es más resistente a las enfermedades y condiciones climáticas adversas.
Figura 3. Café robusta
3. Coffea liberica (Libérica):¶
- Aunque menos común, se cultiva en algunas regiones de África y Asia. -Tiene un sabor distintivo, a menudo descrito como ahumado y con notas de madera.
Figura 4. Coffea libérica
4. Coffea excelsa (Excelsa):¶
- Es una especie que se encuentra principalmente en el sudeste asiático.
- Esta especie representa un pequeño porcentaje de la producción mundial.
Figura 5. Coffea excelsa
Existen especies, aunque no son comunes en el mercado, son valiosas por su diversidad genética y su potencial para futuras investigaciones y desarrollos en la industria del café. Entre las que se destacan:
Coffea eugenioides: Es considerada una especie ancestral del café arábica, produce granos con un sabor dulce y delicado, pero su producción es muy baja. Se encuentra principalmente en África Oriental.
Figura 6. Coffea eugenioides
\
Coffea stenophylla: Originaria de África Occidental, destaca por su tolerancia a altas temperaturas. Sus granos ofrecen un perfil de sabor frutal y dulce
Figura 7. Coffea stenophylla
\
Coffea racemosa: Nativa de Mozambique, Se caracteriza por su bajo contenido de cafeína. Su sabor es suave y dulce, con notas florales.
Figura 8. Coffea racemosa
\
Coffea dewevrei: Ofrece un sabor particular, a menudo descrito como afrutado y con notas de panadería. Se cultiva en algunas regiones de África y Asia
Figura 9. Coffea dewevrei
El análisis geoespacial de los registros de presencia del género Coffea en el continente americano reveló patrones de riqueza de especies variables a lo largo de la región.
Riqueza de Especies de Coffea en América:¶
El mapa interactivo (Figura 10) muestra la riqueza de especies de Coffea por país. Los países con mayor número de especies únicas se observan con una coloración más intensa en la escala. Se destaca que Brasil y Colombia presentan la mayor concentración de especies de Coffea 13 y 4 respectivamente. Por otro lado, países como Belice, Venezuela, Suriname, Bolivia, Paraguay y Argentian solo presenten una especie de coffea (Figura 11).
Para el caso de Guatemala se encuentra 2 especies el Coffea arábica (Arábica) y el Coffea canephora (Robusta)
# Carga de geopandas con el alias gdp
import geopandas as gpd
# Carga de pandas con el alias pd
import pandas as pd
# Carga de folium
import folium
# Carga de matplotlib
import matplotlib.pyplot as plt
# Importar Plotly Express
import plotly.express as px
# Biblioteca requerida para mapas interactivos
!pip install mapclassify --quiet
import mapclassify
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 0.0/59.1 kB ? eta -:--:-- ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 59.1/59.1 kB 2.1 MB/s eta 0:00:00
# Carga de un archivo CSV
cafe_df = pd.read_csv(
"https://raw.githubusercontent.com/Corner002/cafe/refs/heads/main/cafe.csv",
sep="\t"
)
# Crear un GeoDataFrame a partir del DataFrame
cafe_gdf = gpd.GeoDataFrame(
cafe_df,
geometry=gpd.points_from_xy(cafe_df.decimalLongitude, cafe_df.decimalLatitude),
crs='EPSG:4326'
)
# Crear un geodataframe con datos y polígonos de paises
paises_gdf = gpd.read_file(
'https://raw.githubusercontent.com/datos-geoespaciales-biodiversidad/python/refs/heads/main/datos/otros/naturalearth/paises.gpkg'
)
# Filtrar los datos
cafe_america_gdf = cafe_gdf[(cafe_gdf['decimalLongitude'] < 0) & (cafe_gdf['decimalLatitude'] < 16)]
paises_america_gdf = paises_gdf[(paises_gdf['CONTINENT'] == 'South America') | (paises_gdf['CONTINENT'] == 'North America')]
# Definir un índice
paises_america_gdf.set_index('ADM0_ISO', inplace=True)
# Unión (join) espacial
cafe_paises_america_gdf = cafe_america_gdf.sjoin(
paises_america_gdf,
predicate='intersects'
)
cafe_paises_america_gdf[['gbifID', 'species', 'ADM0_ISO', 'NAME', 'POP_EST']].head()
#Agregado
# Método alternativo para generar lista de especies por país
especies_por_pais_dict = {}
for iso, group in cafe_paises_america_gdf.groupby("ADM0_ISO"):
especies_list = group['species'].unique().tolist()
especies_list = [str(sp) for sp in especies_list if sp != 'nan' and str(sp) != 'Desconocido']
if especies_list:
especies_por_pais_dict[iso] = ', '.join(especies_list)
else:
especies_por_pais_dict[iso] = 'Sin datos de especies'
especies_por_pais = pd.DataFrame(list(especies_por_pais_dict.items()), columns=['ADM0_ISO', 'lista_especies'])
# Conteo de especies en cada país
conteo_especies_por_pais = cafe_paises_america_gdf.groupby("ADM0_ISO").species.nunique()
# Convertir la serie a dataframe
conteo_especies_por_pais = conteo_especies_por_pais.reset_index()
# Definir un índice
conteo_especies_por_pais.set_index('ADM0_ISO', inplace=True)
# Cambio de nombre de columna
conteo_especies_por_pais.rename(columns = {'species': 'especies_cafe'}, inplace = True)
# Despliegue de países y cantidades de especies
conteo_especies_por_pais.sort_values(by="especies_cafe", ascending=False)
| especies_cafe | |
|---|---|
| ADM0_ISO | |
| BRA | 13 |
| COL | 4 |
| CRI | 3 |
| TTO | 3 |
| SLV | 3 |
| PAN | 3 |
| ECU | 3 |
| GUY | 3 |
| MEX | 3 |
| NIC | 3 |
| HND | 2 |
| PER | 2 |
| GTM | 2 |
| ARG | 1 |
| BLZ | 1 |
| BOL | 1 |
| PRY | 1 |
| SUR | 1 |
| VEN | 1 |
# Join para agregar la columna con el conteo a la capa países
paises_america_riqueza_cafe_gdf = paises_america_gdf.join(conteo_especies_por_pais)
paises_america_riqueza_cafe_gdf[['especies_cafe', 'geometry']].sort_values(by='especies_cafe', ascending=False)
| especies_cafe | geometry | |
|---|---|---|
| ADM0_ISO | ||
| BRA | 13.0 | MULTIPOLYGON (((-53.37366 -33.76838, -53.65054... |
| COL | 4.0 | MULTIPOLYGON (((-66.87633 1.25336, -67.06505 1... |
| MEX | 3.0 | MULTIPOLYGON (((-117.12776 32.53534, -115.9913... |
| SLV | 3.0 | MULTIPOLYGON (((-89.35333 14.42413, -89.05851 ... |
| PAN | 3.0 | MULTIPOLYGON (((-77.35336 8.6705, -77.47472 8.... |
| NIC | 3.0 | MULTIPOLYGON (((-83.65561 10.93876, -83.89505 ... |
| CRI | 3.0 | MULTIPOLYGON (((-82.5462 9.56613, -82.93289 9.... |
| ECU | 3.0 | MULTIPOLYGON (((-75.37322 -0.15203, -75.23372 ... |
| TTO | 3.0 | MULTIPOLYGON (((-61.68 10.76, -61.105 10.89, -... |
| GUY | 3.0 | MULTIPOLYGON (((-56.53939 1.89952, -56.7827 1.... |
| PER | 2.0 | MULTIPOLYGON (((-69.89364 -4.29819, -70.79477 ... |
| GTM | 2.0 | MULTIPOLYGON (((-92.22775 14.53883, -92.20323 ... |
| HND | 2.0 | MULTIPOLYGON (((-83.14722 14.99583, -83.48999 ... |
| ARG | 1.0 | MULTIPOLYGON (((-68.63401 -52.63637, -68.25 -5... |
| BOL | 1.0 | MULTIPOLYGON (((-69.52968 -10.95173, -68.78616... |
| VEN | 1.0 | MULTIPOLYGON (((-60.73357 5.20028, -60.60118 4... |
| BLZ | 1.0 | MULTIPOLYGON (((-89.14308 17.80832, -89.15091 ... |
| SUR | 1.0 | MULTIPOLYGON (((-54.52475 2.31185, -55.09759 2... |
| PRY | 1.0 | MULTIPOLYGON (((-58.16639 -20.1767, -57.87067 ... |
| CAN | NaN | MULTIPOLYGON (((-122.84 49, -122.97421 49.0025... |
| USA | NaN | MULTIPOLYGON (((-122.84 49, -120 49, -117.0312... |
| CHL | NaN | MULTIPOLYGON (((-68.63401 -52.63637, -68.63335... |
| HTI | NaN | MULTIPOLYGON (((-71.71236 19.71446, -71.62487 ... |
| DOM | NaN | MULTIPOLYGON (((-71.7083 18.045, -71.68774 18.... |
| BHS | NaN | MULTIPOLYGON (((-78.98 26.79, -78.51 26.87, -7... |
| B12 | NaN | MULTIPOLYGON (((-61.2 -51.85, -60 -51.25, -59.... |
| GRL | NaN | MULTIPOLYGON (((-46.76379 82.62796, -43.40644 ... |
| URY | NaN | MULTIPOLYGON (((-57.62513 -30.21629, -56.97603... |
| PRI | NaN | MULTIPOLYGON (((-66.28243 18.51476, -65.7713 1... |
| JAM | NaN | MULTIPOLYGON (((-77.5696 18.49053, -76.89662 1... |
| CUB | NaN | MULTIPOLYGON (((-82.26815 23.18861, -81.40446 ... |
# Crear el mapa interactivo
m = paises_america_riqueza_cafe_gdf.explore(
column='especies_cafe',
name='Riqueza de especies de cafe',
cmap='OrRd',
tooltip=['ADM0_ISO', 'NAME', 'especies_cafe'],
legend=True,
legend_kwds={
'caption': "Riqueza de especies de cafe",
'orientation': "horizontal"
},
)
# Añadir los registros de cafe al mapa
cafe_america_gdf.explore(
m=m, # se usa el mapa que se creó en la instrucción anterior
name='Registros de presencia de cafe',
marker_type='circle',
marker_kwds={'radius': 20, 'color': '#228B22'},
tooltip=['species'],
popup=True
)
# Agregar un control de capas al mapa
folium.LayerControl().add_to(m)
# Mostrar el mapa interactivo
m
Figura 10. Mapa interactivo de riqueza de especies en América
# Obtener nombres de países y riqueza de especies
bar_data = paises_america_riqueza_cafe_gdf[['NAME', 'especies_cafe']].reset_index()
# Eliminar filas con valores nulos (países sin registros)
bar_data = bar_data.dropna()
# Ordenar por riqueza de especies
bar_data = bar_data.sort_values('especies_cafe', ascending=False)
# Crear el gráfico con Plotly
fig = px.bar(
bar_data,
x='NAME',
y='especies_cafe',
title='Riqueza de especies de cafe en América',
labels={'NAME': 'País', 'especies_cafe': 'Número de especies'},
color='especies_cafe',
color_continuous_scale='OrRd'
)
# Personalizar el diseño
fig.update_layout(
plot_bgcolor='rgba(0,0,0,0)',
xaxis_tickangle=-45,
hovermode='x unified',
height=600
)
# Mostrar el gráfico
fig.show()
Figura 11. Gráfico de barras de número de especies de Coffea en América
El gráfico de líneas (Figura 12) muestra la cantidad de registros de presencia de Coffea a lo largo de los años. Se observa que el número de registros ha aumentado significativamente a partir del año 2022
# 1. Verificar si la columna 'year' existe
if 'year' not in cafe_america_gdf.columns:
# Si no existe 'year', intentar crear la columna a partir de otra columna de fecha
# Los datos de GBIF suelen tener campos como 'eventDate' o 'year'
if 'eventDate' in cafe_america_gdf.columns:
cafe_america_gdf['year'] = pd.to_datetime(cafe_america_gdf['eventDate']).dt.year
else:
# Si no hay columna eventDate, buscar otras columnas relacionadas
date_columns = [col for col in cafe_america_gdf.columns if 'year' in col.lower()]
if date_columns:
cafe_america_gdf['year'] = cafe_america_gdf[date_columns[0]]
# 2. Borrar filas que no tengan año
df_anio_no_nulo = cafe_america_gdf.dropna(subset=['year'])
# 3. Asegurarse de que el año sea un valor numérico
df_anio_no_nulo['year'] = pd.to_numeric(df_anio_no_nulo['year'], errors='coerce')
df_anio_no_nulo = df_anio_no_nulo.dropna(subset=['year'])
# 4. Agrupar por año y contar registros
# GBIF usa 'gbifID' como identificador único
registros_por_anio = df_anio_no_nulo.groupby('year')['gbifID'].count().reset_index()
registros_por_anio.columns = ['year', 'conteo']
# 5. Generar el gráfico interactivo con Plotly
fig = px.line(
registros_por_anio,
x='year',
y='conteo',
markers=True,
title='Evolución de la cantidad de registros de café a lo largo de los años',
labels={'year': 'Año', 'conteo': 'Cantidad de registros'},
)
# 6. Personalizar el diseño
fig.update_layout(
xaxis_title='Año',
yaxis_title='Cantidad de registros',
plot_bgcolor='rgba(240,240,240,0.2)',
xaxis=dict(
showgrid=True,
gridcolor='rgba(200,200,200,0.8)',
tickmode='auto'
),
yaxis=dict(
showgrid=True,
gridcolor='rgba(200,200,200,0.8)'
),
hovermode='x unified',
annotations=[
dict(
text="Datos obtenidos de GBIF (Global Biodiversity Information Facility)",
showarrow=False,
xref="paper",
yref="paper",
x=0.5,
y=-0.15,
font=dict(size=10)
)
]
)
# 7. Personalizar la línea y los marcadores
fig.update_traces(
line=dict(width=2),
marker=dict(size=8),
)
# 8. Mostrar el gráfico
fig.show()
/usr/local/lib/python3.11/dist-packages/geopandas/geodataframe.py:1819: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
Figura 12. Evolución de registros de especies de Coffea
Variables de precipitación para el cultivo de café¶
La precipitación es un factor clave en el cultivo del café, ya que influye directamente en el crecimiento, floración, fructificación y calidad del grano.
Requerimientos hídricos del café¶
- Café arábica (Coffea arabica): Necesita entre 1200 y 2200 mm de lluvia anuales, con una estación seca moderada para estimular la floración.
- Café robusta (Coffea canephora): Requiere más agua, con un rango de 2200 a 3000 mm anuales y menos tolerancia a periodos secos
Precipitaciones moderadas y bien distribuidas permiten que el grano se desarrolle con una acidez y dulzura balanceadas. El exceso de humedad puede reducir la calidad al afectar la concentración de azúcares y la fermentación del grano y las estaciones secas controladas favorecen la maduración uniforme del grano, mejorando el perfil de sabor.
En los países con lluvias bien distribuidas favorecen un crecimiento constante y uniforme del café, evitando estrés hídrico. En los lugares que llueven mucho puede generar problemas de encharcamiento, enfermedades fúngicas (como la roya del café) y afectar la calidad del grano y los lugares con déficit de lluvia puede causar estrés hídrico, reduciendo el crecimiento, el tamaño del grano y la producción.
El mapa de precipitación anual (Figura 13) ilustra la distribución de las lluvias en el continente. Las zonas con mayor precipitación, representadas en tonos azules más oscuros, coinciden en gran medida con de América del Sur y Central, donde también se concentra la mayor riqueza de especies de Coffea
# Instalación de rasterio
!pip install rasterio --quiet
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 22.2/22.2 MB 17.6 MB/s eta 0:00:00
# Carga de rasterio
import rasterio
# Carga de rasterio.plot (para graficar datos raster)
import rasterio.plot
# Carga de numpy (para álgebra lineal)
import numpy as np
# Carga de matplotlib.pyplot
import matplotlib.pyplot as plt
# Carga de datos de temperatura media anual
precipitacion_anual = rasterio.open(
'https://github.com/datos-geoespaciales-biodiversidad/python/raw/refs/heads/main/datos/clima/worldclim/2.1-10m-bio/wc2.1_10m_bio_12.tif'
)
fig, ax = plt.subplots(figsize=(8, 8))
# Mapa de precipitacion anual
rasterio.plot.show(
precipitacion_anual,
cmap="Blues", # colores coolwarm
ax=ax,
title="Precipitación anual en el continente Americano"
)
# Agregar una leyenda
cbar = fig.colorbar(ax.images[0], ax=ax, shrink=0.8)
cbar.set_label('ml')
# Limitar el rango de los ejes
ax.set_xlim(-170.0, -30.0)
ax.set_ylim(-90.0, 90.0)
plt.show()
Figura 13. Precitación anual en el continente Américano
Guatemala como país productor de café¶
Guatemala es uno de los principales productores de café en el mundo, reconocido por la alta calidad de sus granos y la diversidad de sus perfiles de sabor debido a su geografía y clima.
Clima y precipitación¶
La precipitación anual en las zonas cafetaleras de Guatemala varía entre 1200 y 5000 mm, dependiendo de la región. La mayoría de las fincas cafetaleras se encuentran entre 1200 y 2000 metros sobre el nivel del mar (msnm), donde la temperatura y humedad son ideales para el café arábica. Las lluvias bien distribuidas y las estaciones secas definidas favorecen una floración uniforme y una maduración equilibrada de los granos.
# Instalación de leafmap
!pip install leafmap --quiet
# Instalación de rasterio
!pip install rasterio --quiet
# Instalación de mapclassify
!pip install mapclassify --quiet
# Instalación de localtileserver
!pip install localtileserver --quiet
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 519.2/519.2 kB 4.1 MB/s eta 0:00:00 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 220.7/220.7 kB 6.1 MB/s eta 0:00:00 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 7.7/7.7 MB 35.4 MB/s eta 0:00:00 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 41.4/41.4 kB 1.5 MB/s eta 0:00:00 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 108.6/108.6 kB 5.3 MB/s eta 0:00:00 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 2.7/2.7 MB 24.9 MB/s eta 0:00:00 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 765.5/765.5 kB 16.3 MB/s eta 0:00:00 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 194.2/194.2 kB 8.6 MB/s eta 0:00:00 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 74.0/74.0 kB 2.1 MB/s eta 0:00:00 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1.6/1.6 MB 16.7 MB/s eta 0:00:00 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 22.2/22.2 MB 32.0 MB/s eta 0:00:00 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 59.1/59.1 kB 329.3 kB/s eta 0:00:00 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 17.1/17.1 MB 78.0 MB/s eta 0:00:00 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 2.8/2.8 MB 42.5 MB/s eta 0:00:00 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 267.6/267.6 kB 15.8 MB/s eta 0:00:00 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 52.8/52.8 kB 3.4 MB/s eta 0:00:00 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 49.5/49.5 kB 2.9 MB/s eta 0:00:00 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 195.0/195.0 kB 12.2 MB/s eta 0:00:00 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 62.3/62.3 kB 3.8 MB/s eta 0:00:00
# Para mapas interactivos
import leafmap
# Para datos vectoriales
import geopandas as gpd
# Para datos raster
import rasterio
# Para gráficos
import matplotlib.pyplot as plt
# Para crear rampas de colores
from matplotlib.colors import LinearSegmentedColormap
# Para álgebra lineal
import numpy as np
# Para permitir widgets de JavaScript
from google.colab import output
output.enable_custom_widget_manager()
# Crear un geodataframe con datos y polígonos de Guate
depgt_gdf = gpd.read_file(
' https://raw.githubusercontent.com/Corner002/departamentos/main/Departementos_gt.gpkg'
)
# Crear mapa leafmap
m = leafmap.Map(height="400px")
# Agregar capa de datos vectoriales
m.add_data(
depgt_gdf,
column="area", # columna para el mapa de coropletas
scheme="HeadTailBreaks", # esquema de clasificación
cmap="YlGn", # paleta de colores
legend_title="Área (km²)"
)
# Desplegar el mapa
m
Map(center=[20, 0], controls=(ZoomControl(options=['position', 'zoom_in_text', 'zoom_in_title', 'zoom_out_text…
Figura 14. División admnistrativa del mapa Guatemala de acuerdo a su área (km2)
Una de las regiones produtoras de cafe de Guatemala es Atitán. El café de Atitlán, es conocido por su perfil distintivo, influenciado por su geografía única, suelos volcánicos ricos y un microclima ideal.
Región Atitlán como productora de café¶
Ubicación y Clima¶
- Región: Departamento de Sololá, en el altiplano occidental de Guatemala.
- Altitud: 1,200 – 2,000 msnm
- Precipitación: 1200-1800 mm anuales
- Temperatura promedio: 16-22°C
- Suelos volcánicos ricos en minerales provenientes de erupciones pasadas, lo que aporta acidez brillante y complejidad a los granos de café.
El clima es húmedo y con lluvias bien distribuidas durante el año, acompañado de brisas del Lago de Atitlán que regulan la temperatura y evitan la presencia de heladas.
Figura 15. Café Atitlán
El mapa centrado en el Lago de Atitlán (Figura 16) destaca una región clave para la producción de café en Guatemala, mostrando su ubicación y las características geográficas circundantes a través de la capa base de satélite.
# Crear un mapa centrado en el Lago de Atitlán, Guatemala
m = leafmap.Map(center=[14.7, -91.2], zoom=12)
# Añadir una capa de satélite
m.add_basemap("SATELLITE")
# Mostrar el mapa
m
Map(center=[14.7, -91.2], controls=(ZoomControl(options=['position', 'zoom_in_text', 'zoom_in_title', 'zoom_ou…
Figura 16.Mapa sátelital del Lago de Atitlán
Análisis de NDVI de una finca productora de café ubicada en la región de Atitlán¶
El índice de vegetación de diferencia normalizada (NDVI) es una métrica clave en el monitoreo del desarrollo y la salud de la vegetación
- Valores negativos (-1 a 0): Indican superficies sin vegetación, como agua, suelo desnudo o áreas con poca cobertura vegetal. Se representan en colores rojo y amarillo.
- Valores cercanos a 0 (0.0 - 0.2): Representan suelos desnudos, zonas de escasa vegetación o cultivos en etapas iniciales.
- Valores medios (0.2 - 0.5): Corresponden a vegetación en desarrollo o en condiciones de estrés.
- Valores altos (0.5 - 1.0): Indican vegetación sana y en buen estado.
El café es una planta que requiere condiciones climáticas y edáficas óptimas para un buen crecimiento. La finca Paponjila, ubicada en Atitlán, Guatemala, se encuentra en un área con altas precipitaciones, suelos volcánicos ricos en nutrientes y una altitud ideal (1,200 - 2,000 msnm), lo que en general favorece el crecimiento del café de especialidad con altos niveles de azúcares y acidez brillante.
El mapa de la Finca Paponjila (Figura 17) localiza específicamente esta área de producción de café dentro de la región de Atitlán.
# Crear un mapa centrado en la finca Paponjila, Guatemala
m = leafmap.Map(
center=(14.6118, -91.1360), # Coordenadas
zoom=15, # Ajusta el nivel de zoom para enfocar el lago
width="500px", # Ancho del mapa
height="400px" # Alto del mapa
)
# Añadir una capa de satélite para mejor visualización
m.add_basemap("SATELLITE")
# Desplegar el mapa
m
Map(center=[14.6118, -91.136], controls=(ZoomControl(options=['position', 'zoom_in_text', 'zoom_in_title', 'zo…
Figura 17.Mapa sátelital de la Finca Paponjila
Índice de Vegetación de Diferencia Normalizada (NDVI) de la Finca Paponjila¶
El mapa NDVI de la Finca Paponjila (Figura 18) revela el estado de la vegetación de los cafetos. Predominan los tonos verdes (valores de NDVI entre 0.4 y 0.8), lo que indica un buen desarrollo vegetativo y cobertura saludable. Se identificaron también zonas con tonos más claros y amarillentos, que sugieren áreas con menor vigor, y algunas áreas con tonos más oscuros de verde, que podrían indicar un mayor vigor de los cafetos.
# Lectura de imagen Sentinel***
imagen = rasterio.open(
'https://raw.githubusercontent.com/Corner002/raster_band/main/raster_03.tif'
)
print(imagen)
<open DatasetReader name='https://raw.githubusercontent.com/Corner002/raster_band/main/raster_03.tif' mode='r'>
# Lectura de imagen Sentinel
imagen = rasterio.open(
'https://raw.githubusercontent.com/Corner002/raster_coffe/main/raster_cafe_01.tif'
)
print(imagen)
# Extracción de las bandas correctas
# B04 (roja) es el índice 5
red_band = imagen.read(1)
# B08 (NIR) es el índice 9
nir_band = imagen.read(2)
# Cálculo del NDVI: NDVI = (NIR - roja) / (NIR + roja)
ndvi = (nir_band.astype(float) - red_band.astype(float)) / (nir_band.astype(float) + red_band.astype(float))
# Clipping para asegurar que los valores estén entre -1 y 1
ndvi = np.clip(ndvi, -1, 1)
# Visualización del NDVI
plt.figure(figsize=(8, 8))
plt.imshow(ndvi, cmap="RdYlGn", vmin=-1, vmax=1)
plt.colorbar(label="NDVI", shrink=0.5)
plt.title("DESARROLO VEGETATIVO DE CAFETOS DE LA FINCA PAPONJILA, GUATEMALA")
plt.show()
<open DatasetReader name='https://raw.githubusercontent.com/Corner002/raster_coffe/main/raster_cafe_01.tif' mode='r'>
Figura 18. NDVI de la finca Paponjila
Discusión¶
El análisis de la riqueza de especies del género Coffea en América revela patrones interesantes en la distribución de la diversidad del género. La mayor riqueza observada en países como Brasil podría estar relacionada con amplia variedad de climas y suelos adecuados para el cultivo del café. Sus regiones cafetaleras, como Minas Gerais, São Paulo y Espírito Santo, presentan altitudes, temperaturas y precipitaciones ideales para diversas especies y variedades de Coffea. En contraste, la menor riqueza en Argentina y Paraguay podria deberse a que tienen climas subtropicales y templados en la mayor parte de su territorio, lo que no es ideal para el café. Además Argentina, Paraguay y Bolivia, la tradición agrícola se ha centrado más en otros cultivos como la soja, el mate y la caña de azúcar.
La distribución de la precipitación anual en el continente americano parece tener una influencia significativa en la posible distribución del café. Las áreas con mayor riqueza de especies de Coffea tienden a coincidir con regiones que presentan altos niveles de precipitación, lo cual es consistente con los requerimientos hídricos conocidos para especies importantes como Coffea arabica (1200-2200 mm anuales) y Coffea canephora (2200-3000 mm anuales). La concentración de riqueza en las zonas tropicales de América del Sur y Central apoya esta observación.
Guatemala se destaca como un país con una tradición cafetalera importante, y nuestro análisis de riqueza de especies también sugiere una diversidad notable dentro de su territorio. La región de Atitlán, con sus condiciones climáticas y edáficas particulares (alta altitud, suelos volcánicos, precipitación adecuada), es un ejemplo claro de cómo factores ambientales específicos pueden favorecer el desarrollo de café de alta calidad.
El análisis del NDVI en la Finca Paponjila en Atitlán indica un buen estado general de la vegetación de los cafetos, con valores predominantemente en el rango de 0.4 a 0.8. Esto sugiere que las condiciones ambientales en esta finca son favorables para el crecimiento saludable del café, lo que concuerda con la descripción de la región como ideal para el cultivo de café de especialidad.
Limitaciones del Estudio: Es importante reconocer algunas limitaciones de este estudio. El análisis de riqueza de especies se basa en registros de presencia disponibles públicamente, cuya exhaustividad y precisión pueden variar. Además, la identificación de especies en estos registros no siempre está verificada. El análisis de NDVI se realizó con una única imagen, por lo que no se considera la variabilidad temporal en la salud de la vegetación. Futuras investigaciones podrían beneficiarse de la inclusión de otras variables ambientales (como temperatura, altitud y tipo de suelo) y de análisis a una escala espacial más fina, especialmente en regiones como Atitlán.
Implicaciones y Futuras Investigaciones: Este estudio proporciona una visión general de la distribución y riqueza de especies de Coffea en América, destacando la importancia de regiones como Guatemala y Atitlán. Futuras investigaciones podrían enfocarse en analizar la distribución de especies específicas en relación con variables ambientales detalladas, evaluar el impacto del cambio climático en la distribución potencial del café y realizar estudios a nivel de finca para comprender mejor los factores que influyen en la salud y la productividad de los cafetos.
Conclusiones¶
El presente estudio ha logrado analizar la distribución y riqueza de especies del género Coffea en el continente americano, revelando patrones de diversidad que varían significativamente entre países. Se identificaron regiones con alta riqueza específica, como Brasil y Colombia, lo que subraya la importancia de estos territorios para la conservación y el estudio del género.
Guatemala se confirmó como un país clave en la producción de café, y la región de Atitlán emergió como un área emblemática reconocida por sus condiciones agroecológicas favorables para el cultivo de café de alta calidad. La visualización del NDVI en la Finca Paponjila, ubicada en Atitlán, indicó un estado general de buena salud de la vegetación de los cafetos, lo que sugiere que las condiciones locales son propicias para su desarrollo.
En conjunto, este análisis geoespacial proporciona una visión general de la distribución del género Coffea en América, desde una perspectiva continental hasta un enfoque detallado en una finca productora en Guatemala. Los resultados resaltan la influencia de factores geográficos y ambientales en la distribución y el estado del cultivo de café, y sientan las bases para futuras investigaciones que profundicen en las relaciones entre la diversidad de especies, las condiciones ambientales y las prácticas de manejo sostenible en las regiones productoras de café.