Guía de Inicio Rápido a siniaR

Introducción

El paquete siniaR proporciona una interfaz directa y programática en R para consultar, estructurar y visualizar las estadísticas ambientales oficiales del Perú desde el portal del Sistema Nacional de Información Ambiental (SINIA), administrado por el Ministerio del Ambiente (MINAM).

A través de siniaR, analistas, investigadores y tomadores de decisiones pueden automatizar la extracción de series temporales, consultar fichas técnicas metodológicas y generar visualizaciones reproducibles.

library(siniaR)
library(dplyr)
library(ggplot2)

1. Descubrimiento y Búsqueda de Indicadores

Explorar el catálogo temático

Con sinia_indicadores() podemos listar todas las estadísticas disponibles organizadas por su árbol temático y código numeral:

# Listar todos los indicadores bajo el marco MDEA (ONU)
indicadores <- sinia_indicadores(marco = "mdea")
head(indicadores, 10)
#> # A tibble: 10 × 7
#>       id numeral nombre                     nivel clasificador_id padre_id marco
#>    <int> <chr>   <chr>                      <int>           <int>    <int> <chr>
#>  1     1 1.1.1.1 Temperatura del aire prom…     4              NA       55 mdea 
#>  2     2 1.1.1.2 Temperatura máxima promed…     4              NA       55 mdea 
#>  3     3 1.1.1.3 Temperatura mínima promed…     4              NA       55 mdea 
#>  4     4 1.1.1.4 Precipitación total anual…     4              NA       55 mdea 
#>  5     5 1.1.1.5 Humedad relativa promedio…     4              NA       55 mdea 
#>  6     6 1.1.1.6 Número de horas de sol an…     4              NA       55 mdea 
#>  7     7 1.1.1.7 Radiación ultravioleta pr…     4              NA       55 mdea 
#>  8     8 1.1.1.8 Ozono atmosférico mínimo,…     4              NA       55 mdea 
#>  9     9 1.1.1.9 Número de tipos de clima …     4              NA       55 mdea 
#> 10    10 1.1.2.1 Superficie de lagunas de …     4              NA       56 mdea

Búsqueda por palabra clave

La función sinia_buscar() permite buscar estadísticas por términos clave sin distinguir mayúsculas, minúsculas ni tildes:

# Buscar estadísticas relacionadas con calidad del aire o material particulado
aire <- sinia_buscar("pm10")
aire
#> # A tibble: 2 × 7
#>      id numeral nombre                      nivel clasificador_id padre_id marco
#>   <int> <chr>   <chr>                       <int>           <int>    <int> <chr>
#> 1    42 1.3.1.2 Promedio anual de partícul…     4              NA       62 mdea 
#> 2    44 1.3.1.4 Material particulado con d…     4              NA       62 mdea

2. Consulta de la Ficha Técnica Oficial

Cada estadística en el SINIA cuenta con una Ficha Técnica estandarizada que detalla la entidad generadora, la fórmula de cálculo, el ámbito geográfico, la periodicidad de los datos y notas explicativas:

# Consultar la ficha técnica del indicador ID = 1 (Temperatura del aire)
ficha <- sinia_ficha(1)
ficha

También podemos acceder a cualquiera de sus campos directamente como una lista:

ficha$fuente
#> [1] "Servicio Nacional de Meteorología e Hidrología (Senamhi)"
ficha$unidad_medida
#> [1] "Grado Celsius (°C)"
ficha$periodo_serie
#> [1] "2014-2024"

3. Descarga y Transformación de Datos

La función sinia_datos() procesa las matrices de datos del SINIA y permite obtenerlas directamente en formato ancho ("wide") o largo (tidy, "long"):

Formato Largo (Long / Tidy)

Ideal para manipulaciones con dplyr y gráficos con ggplot2:

datos_temp <- sinia_datos(id = 1, pivot = "long")
head(datos_temp, 12)
#> # A tibble: 12 × 3
#>    departamento  anio valor
#>    <chr>        <int> <dbl>
#>  1 Amazonas      2014  14.9
#>  2 Áncash        2014  12.5
#>  3 Apurímac      2014  14.2
#>  4 Arequipa      2014  16.1
#>  5 Ayacucho      2014  18.4
#>  6 Cajamarca     2014  15.0
#>  7 Cusco         2014  12.5
#>  8 Huancavelica  2014  10.4
#>  9 Huánuco       2014  20.4
#> 10 Ica           2014  21.3
#> 11 Junín         2014  12.7
#> 12 La Libertad   2014  20.9

Formato Ancho (Wide)

Ideal para reportes tabulares o resúmenes ejecutivos:

datos_wide <- sinia_datos(id = 1, pivot = "wide")
head(datos_wide, 6)
#> # A tibble: 6 × 12
#>   departamento `2014` `2015` `2016` `2017` `2018` `2019` `2020` `2021` `2022`
#>   <chr>         <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
#> 1 Amazonas       14.9   15.1   15.6   15.2   14.8   15.0   15.3   15.0   15.0
#> 2 Áncash         12.5   12.8   13.1   12.3   12.0   12.4   13.4   11.2   11.1
#> 3 Apurímac       14.2   14.5   14.9   14.3   14.2   14.6   15.5   13.6   15.6
#> 4 Arequipa       16.1   17.1   17.3   16.6   16.6   17.0   17.4   16.2   16.0
#> 5 Ayacucho       18.4   18.3   18.8   18.1   17.1   17.0   18.2   17.4   17.7
#> 6 Cajamarca      15.0   15.4   15.6   15.0   14.9   15.0   15.5   14.9   14.8
#> # ℹ 2 more variables: `2023` <dbl>, `2024` <dbl>

4. Visualización con ggplot2

Podemos combinar fácilmente los datos obtenidos con la estética del SINIA:

# Descargar serie temporal de temperatura en formato tidy
df <- sinia_datos(1, pivot = "long")

# Filtrar departamentos representativos de costa, sierra y selva
deptos <- c("Lima", "Loreto", "Cusco", "Piura", "Puno")

df |>
  filter(departamento %in% deptos, !is.na(valor)) |>
  ggplot(aes(x = anio, y = valor, color = departamento)) +
  geom_line(linewidth = 1.1) +
  geom_point(size = 2.5) +
  scale_color_manual(values = c(
    "Lima" = "#1B75BC",
    "Loreto" = "#78BE20",
    "Cusco" = "#E07A26",
    "Piura" = "#38B6FF",
    "Puno" = "#7B3F7B"
  )) +
  labs(
    title = "Evolución de la Temperatura Promedio Anual (°C)",
    subtitle = "Fuente: SINIA / SENAMHI - Perú",
    x = "Año",
    y = "Temperatura Promedio (°C)",
    color = "Departamento"
  ) +
  theme_minimal(base_family = "sans") +
  theme(
    plot.title = element_text(face = "bold", color = "#0E4B75"),
    legend.position = "bottom"
  )

5. Objeto Integrado (sinia_estadistica)

Si requieres tanto la ficha técnica completa como los datos tabulares en una sola estructura:

est <- sinia_estadistica(1, pivot = "long")
est
#> # A tibble: 6 × 3
#>   departamento  anio valor
#>   <chr>        <int> <dbl>
#> 1 Amazonas      2014  14.9
#> 2 Áncash        2014  12.5
#> 3 Apurímac      2014  14.2
#> 4 Arequipa      2014  16.1
#> 5 Ayacucho      2014  18.4
#> 6 Cajamarca     2014  15.0