alan navarro

# Almacenamientos al 1 de octubre de las Presas Abelardo L. Rodríguez
# y El Molinito, información recabada en CONAGUA Oficinas de Hermosillo
# el día 28 de Agosto del 2014. 
##################################################################
# Limpio mi espacio de trabajo
rm(list=ls())
# Cargo este programa 
library(ggplot2)
##################################################################
# Almacenamiento reportados cada 1 de Oct, en Hm3, del 2000 al 2013, 
# el 2014 el dato esta al dia 28 de Agosto
molinito<-c(147.889223, 26.031212, 41.323024, 79.051130,29.638671, 10.086477, 8.495519, 
            20.35, 12.17, 7.984, 13.387, 5.213, 8.454, 41.224, 36.262,
            37.254, 8.628, 36.278, 13.130, 13.357, 17.367, 18.4
)
alr<-c(144.978338, 139.098043, 249.053681, 136.863843, 59.370044, 3.458480, 3.398603,
       1.63, 13.85, 0, 7.687, 2.284, 0, 32.923, 2.85, 0.006, 0, 2.379, 0.2, 
       1.8, 3.2, 1.398)

# los años que me interesa graficar
years<-c(1993:2014)
##################################################################
# Población del 2000 al 2010
a2010<-715061
a2000<-546000
a1995<-504009
a1990<-406417
# obtengo crecimiento anual por lustro
aa90_95<-(a1995-a1990)/(length(c(1990:1995))-1); aa90_95
aa95_00<-(a2000-a1995)/(length(c(1995:2000))-1); aa95_00
aa00_10<-(a2010-a2000)/(length(c(2000:2010))-1); aa00_10

pob<-c(a1990, rep(0,4),a1995, rep(0,4), a2000,rep(0,10));pob
length(pob)

b<-a1990
### 
for (i in 2:5) {
  b<-b+aa90_95
  pob[i]<-round(b)
}
pob
b<-a1995
### 
for (i in 7:10) {
  b<-b+aa95_00
  pob[i]<-round(b)
}
pob
b<-a2000
### 
for (i in 12:21) {
  b<-b+aa00_10
  pob[i]<-round(b)
}
pob
length (1990:2010)==length(pob) #TRUE

### como CONAPO no tiene la proyeccion para Hermosillo yo la creo en base al
### crecimiento promedio para todo el municipio
Tcrecimiento=(
  (1 + (830696-817007)/830696)+
    (1 + (844088-830696)/844088)+
    (1 + (857223-844088)/857223)
)/3
pob
pob90_14<-c(pob, 
            715061*Tcrecimiento, 715061*Tcrecimiento^2, 
            715061*Tcrecimiento^3, 715061*Tcrecimiento^4)
# demanda per cápita de agua por día
# 345 litros por dia a m3 por año
d1<-(345*365)/1000
d1
# 1,000,000 de metros cubicos Hm3
dHMO<-(pob90_14[4:25]*d1)/1000000
dHMO
length(dHMO)

##### Figura 2

df3 <-data.frame (year=years, ALR= alr, RFV=molinito, hmoD=dHMO)
df3


p <- ggplot(df3, aes(year), height=600, width=1000) +
  geom_area(aes(y = hmoD), fill="blue", alpha = .6)+
  geom_area(aes(y = RFV), fill="green", alpha = .9)+
  geom_area(aes(y = ALR), fill="black", alpha = .8)+
  geom_line(aes(y = hmoD), size=1.5, linetype="dashed")+
  geom_line(aes(y = RFV), size=1.5, linetype="dashed", colour = "white")+
  geom_line(aes(y = ALR), size=0.1)+ 
  scale_x_continuous(breaks = c(1993:2014)) + xlab("A\u{F1}os") +
  ylab(parse(text='Hm^3'))
p= p + theme(axis.text = element_text(colour = "black", size=16, angle = 90),
          axis.title.x = element_text(colour="black",size=16,angle=0,hjust=.5,vjust=0,face="plain"),
          axis.title.y = element_text(colour="black",size=18,angle=90,hjust=.5,vjust=.5,face="plain")
          )
# elaboramos manualmente la leyenda
rect1 <- data.frame(xmin=2009, xmax=2010, ymin=240, ymax=250)
rect2 <- data.frame(xmin=2009, xmax=2010, ymin=220, ymax=230)
rect3 <- data.frame(xmin=2009, xmax=2010, ymin=200, ymax=210)

p+ geom_rect(data=rect1, aes(xmin=xmin, xmax=xmax, ymin=ymin, ymax=ymax),
              fill="blue", alpha = .6,size=1.2, linetype="dashed", color="black",
              inherit.aes = FALSE) + annotate("text", x = 2011, y = 245, label = "Demanda")+
               geom_rect(data=rect2, aes(xmin=xmin, xmax=xmax, ymin=ymin, ymax=ymax),
                fill="green", size=1.2, alpha = .9, linetype="dashed", color="white",
                      inherit.aes = FALSE) + annotate("text", x = 2011, y = 225, label = "El Molinito")+
                 geom_rect(data=rect3, aes(xmin=xmin, xmax=xmax, ymin=ymin, ymax=ymax),
                    fill="black", alpha = .8,inherit.aes = FALSE) +
                   annotate("text", x = 2011.4, y = 205, label = "Abelardo L. R.")
##################################################################