Mapas de población con geoecu • pobecu

pobecu y geoecu usan los códigos DPA. geoecu aporta los límites de provincias, cantones y parroquias, y pobecu la población. Con pob_mapa() obtienes en una sola línea la capa sf con la población y la densidad, lista para ggplot2 o plot().

library(pobecu)
library(ggplot2)

Dos divisiones territoriales

La población de pobecu usa las unidades del Censo 2022: 221 cantones y 1042 parroquias (las proyecciones del INEC no tienen otras). geoecu, desde la versión 0.4.0, usa la Organización Territorial del Estado del CONALI (2026), que es más reciente: 223 cantones y 1048 parroquias, más 3 zonas en estudio. Las diferencias son pocas, pero importan en un mapa:

CONALI 2026 (geoecu)	Censo 2022 (pobecu)
Cantón Borbón (`0809`) y sus 12 parroquias	Parte de Eloy Alfaro (`0802`)
Cantón Sevilla Don Bosco (`1413`, cabecera `141350`)	Parroquia rural de Morona (`140157`)
Bella Vista (`200351`)	Bella Vista (`200353`)
Sosote (`131251`)	Dentro de Rocafuerte (`131250`)
Shuar Pastaza (`160167`)	Dentro de Simón Bolívar (`160162`)
Juan Montalvo (`170257`)	Dentro de Cayambe (`170250`)
La Magdalena, La Primavera, Miss Ecuador (`210456` a `210458`)	Dentro de Shushufindi (`210450`)
Zonas en estudio (`139090`, `140190`, `900651`)	Sin población propia

pob_mapa() convierte la capa a las unidades del censo con agrupar_unidades() antes de unirla, así que cada cifra se dibuja sobre el territorio que le corresponde. Si dibujaras la población de Eloy Alfaro solo sobre el polígono que hoy tiene ese cantón (465 km² de los 4480 que tenía en el censo), su densidad saldría casi diez veces más alta.

esmeraldas <- geoecu::read_cantones(provincia = "Esmeraldas")
nrow(esmeraldas)                    # cantones en geoecu
#> [1] 8
nrow(agrupar_unidades(esmeraldas))  # cantones del censo
#> [1] 7

Densidad cantonal

cant <- pob_mapa("canton", anio = 2025)
cant <- geoecu::reubicar_galapagos(cant)

ggplot(cant) +
  geom_sf(aes(fill = densidad), color = "white", linewidth = 0.1) +
  scale_fill_viridis_c(trans = "log10", name = "hab/km²",
                       labels = scales::label_number(big.mark = " ")) +
  labs(title = "Densidad de población por cantón, 2025",
       caption = "Fuente: INEC, Revisión 2024; límites: geoecu (CONALI)") +
  theme_void()

Parroquias

Las cabeceras cantonales (código terminado en 50) incluyen a todas las parroquias urbanas del cantón, igual en el censo que en geoecu 0.4.0. Con geoecu 0.3.0 y anteriores, que dibujaban las parroquias urbanas por separado (por ejemplo, las 15 de Cuenca), pob_mapa("parroquia") las fusiona en su cabecera.

cuenca <- pob_mapa("parroquia", anio = 2030, canton = "Cuenca")
#> Nota: las cifras parroquiales son una estimación de pobecu a partir de las proyecciones cantonales del INEC; no son cifras oficiales. Ver ?pob_parroquias. (Este aviso se muestra una vez por sesión.)

ggplot(cuenca) +
  geom_sf(aes(fill = poblacion), color = "white") +
  scale_fill_gradient(low = "#FFF4D2", high = "#8C3B12", name = "habitantes",
                      trans = "log10") +
  labs(title = "Cuenca: población parroquial estimada, 2030") +
  theme_void()

Tasas en el mapa

Para mapear una tasa, calcúlala con pob_tasa() y únela a la capa con geoecu::geoecu_unir():

casos <- data.frame(dpa_canton = c("1101", "1102", "1103", "1104", "1110"),
                    anio = 2025, casos = c(130, 12, 25, 9, 6))
tasas <- pob_tasa(casos, "casos")
loja <- geoecu::geoecu_unir(tasas, codigo = "dpa_canton", nivel = "canton",
                            provincia = "Loja")

ggplot(loja) +
  geom_sf(aes(fill = tasa), color = "white") +
  scale_fill_distiller(palette = "OrRd", direction = 1, na.value = "grey90",
                       name = "por 100 000") +
  labs(title = "Tasa por 100 000 habitantes (datos de ejemplo)") +
  theme_void()

Si tus casos usan los códigos de geoecu 0.4.0 (CONALI 2026) o de parroquias urbanas, conviértelos a las unidades del censo con homologar_canton() o homologar_parroquia() y agrégalos antes de calcular la tasa. Después, para mapearla, usa la capa convertida con agrupar_unidades():

casos_e <- data.frame(dpa_canton = c("0802", "0809", "0801"),
                      anio = 2025, casos = c(7, 5, 30))
casos_e$dpa_canton <- homologar_canton(casos_e$dpa_canton)  # Borbón -> Eloy Alfaro
casos_e <- aggregate(casos ~ dpa_canton + anio, casos_e, sum)
tasas_e <- pob_tasa(casos_e, "casos")

capa <- agrupar_unidades(geoecu::read_cantones(provincia = "Esmeraldas"))
mapa_e <- merge(capa, tasas_e[, c("dpa_canton", "tasa")], all.x = TRUE)

casos_p <- data.frame(dpa_parroq = c("131250", "131251", "131252"),
                      anio = 2025, casos = c(4, 2, 1))
casos_p$dpa_parroq <- homologar_parroquia(casos_p$dpa_parroq)  # Sosote -> Rocafuerte
casos_p <- aggregate(casos ~ dpa_parroq + anio, casos_p, sum)
pob_tasa(casos_p, "casos", nivel = "parroquia")
#> Warning: 1 fila(s) sin población (código, año u otra desagregación no
#> encontrados).
#>   dpa_parroq anio casos poblacion     tasa
#> 1     131250 2025     6     46005 13.04206
#> 2     131252 2025     1        NA       NA

Varias desagregaciones: un mapa por grupo

Con sexo, edad o varios años, cada polígono se repite una vez por combinación, lo que permite usar facet_wrap():

mayores <- pob_mapa("provincia", anio = c(2025, 2035), edad = c(0, 65))
mayores <- geoecu::reubicar_galapagos(mayores[mayores$edad == "65+", ])

ggplot(mayores) +
  geom_sf(aes(fill = poblacion / 1000), color = "white", linewidth = 0.2) +
  facet_wrap(~anio) +
  scale_fill_viridis_c(name = "miles", option = "magma", direction = -1) +
  labs(title = "Población de 65 años y más por provincia") +
  theme_void()

Zonas en estudio

Las capas de geoecu incluyen tres zonas en estudio, territorios con límites aún no resueltos, para que el mapa nacional no tenga huecos. No tienen población propia en pobecu, así que pob_mapa() las devuelve con poblacion = NA; ggplot2 las dibuja con el color de na.value.

Con geoecu 0.3.0, la capa parroquial no tenía el polígono de Puerto Ayora (200350) y pob_mapa("parroquia") lo avisaba; geoecu 0.4.0 ya lo incluye.