Dados espaciais em R - 2023 - UFABC - Geoprocessamento
0 gostou169 visualizações
O documento aborda o uso de dados espaciais no R para estudos ambientais, incluindo importação, visualização e manipulação de dados espaciais. Ele discute pacotes importantes, como sf e dplyr, além de procedimentos para importar arquivos e realizar análises estatísticas. O material também fornece exemplos práticos e links para referências adicionais sobre análise espacial em R.
![●
Ao criar o projeto, ele já especifica a mesma pasta
como diretório de trabalho
●
Confirmando o diretório de trabalho
getwd()
[1] "D:/R_CTA/aula3"
●
Criar um novo script de
programação](https://image.slidesharecdn.com/aula3dadosespaciaisemr2023-240516055653-8997b237/85/Dados-espaciais-em-R-2023-UFABC-Geoprocessamento-17-320.jpg)
![GEOGCS["SIRGAS 2000",
DATUM["Sistema_de_Referencia_Geocentrico_para_Am
erica_del_Sur_2000",
SPHEROID["GRS 1980",6378137,298.257222101,
AUTHORITY["EPSG","7019"],
TOWGS84[0,0,0,0,0,0,0],
AUTHORITY["EPSG","6674"]],
PRIMEM["Greenwich",0,AUTHORITY["EPSG","8901"]],
UNIT["degree",0.01745329251994328,
AUTHORITY["EPSG","9122"]],
AUTHORITY["EPSG","4674"]]](https://image.slidesharecdn.com/aula3dadosespaciaisemr2023-240516055653-8997b237/85/Dados-espaciais-em-R-2023-UFABC-Geoprocessamento-45-320.jpg)
![●
Verificar tipo de dado:
class(pocos_abc)
[1] "spec_tbl_df" "tbl_df" "tbl" "data.frame"
●
Extender para SimpleFeature (sf)
sf_pocos_abc <- st_as_sf(pocos_abc, coords =
c("longitude_decimal", "latitude_decimal"), crs = 4674)
class(sf_pocos_abc)
[1] "sf" "tbl_df" "tbl" "data.frame"](https://image.slidesharecdn.com/aula3dadosespaciaisemr2023-240516055653-8997b237/85/Dados-espaciais-em-R-2023-UFABC-Geoprocessamento-48-320.jpg)
![st_crs(hidrografia_abc)
Coordinate Reference System:
User input: SIRGAS 2000 / UTM zone 23S
wkt:
PROJCRS["SIRGAS 2000 / UTM zone 23S",
BASEGEOGCRS["SIRGAS 2000",
DATUM["Sistema de Referencia Geocentrico para las AmericaS
2000",
(...)
ID["EPSG",4674]],
CONVERSION["UTM zone 23S",
METHOD["Transverse Mercator",
ID["EPSG",9807]],
(...)
USAGE[
SCOPE["Engineering survey, topographic mapping."],
AREA["Brazil - between 48°W and 42°W, northern and southern
hemispheres, onshore and offshore."],
BBOX[-33.5,-48,5.13,-42]],
ID["EPSG",31983]]](https://image.slidesharecdn.com/aula3dadosespaciaisemr2023-240516055653-8997b237/85/Dados-espaciais-em-R-2023-UFABC-Geoprocessamento-54-320.jpg)
![st_crs(hidrografia_abc_sirgas2000)
Coordinate Reference System:
User input: EPSG:4674
wkt:
GEOGCRS["SIRGAS 2000",
DATUM["Sistema de Referencia Geocentrico para las AmericaS 2000",
ELLIPSOID["GRS 1980",6378137,298.257222101,
LENGTHUNIT["metre",1]]],
PRIMEM["Greenwich",0,
ANGLEUNIT["degree",0.0174532925199433]],
CS[ellipsoidal,2],
AXIS["geodetic latitude (Lat)",north,
ORDER[1],
ANGLEUNIT["degree",0.0174532925199433]],
AXIS["geodetic longitude (Lon)",east,
ORDER[2],
ANGLEUNIT["degree",0.0174532925199433]],
USAGE[
SCOPE["Horizontal component of 3D system."],
AREA["Latin America - Central America and South America - onshore and offshore.
Brazil - onshore and offshore."],
BBOX[-59.87,-122.19,32.72,-25.28]],
ID["EPSG",4674]]](https://image.slidesharecdn.com/aula3dadosespaciaisemr2023-240516055653-8997b237/85/Dados-espaciais-em-R-2023-UFABC-Geoprocessamento-56-320.jpg)
![●
Verificar projeção
st_crs(setores_abc)
Coordinate Reference System:
User input: EPSG:4674
wkt:
GEOGCRS["SIRGAS 2000",
DATUM["Sistema de Referencia Geocentrico para las AmericaS 2000",
ELLIPSOID["GRS 1980",6378137,298.257222101,
LENGTHUNIT["metre",1]]],
PRIMEM["Greenwich",0,
ANGLEUNIT["degree",0.0174532925199433]],
CS[ellipsoidal,2],
AXIS["geodetic latitude (Lat)",north,
ORDER[1],
ANGLEUNIT["degree",0.0174532925199433]],
AXIS["geodetic longitude (Lon)",east,
ORDER[2],
ANGLEUNIT["degree",0.0174532925199433]],
USAGE[
SCOPE["Horizontal component of 3D system."],
AREA["Latin America - Central America and South America - onshore and offshore. Brazil -
onshore and offshore."],
BBOX[-59.87,-122.19,32.72,-25.28]],
ID["EPSG",4674]]](https://image.slidesharecdn.com/aula3dadosespaciaisemr2023-240516055653-8997b237/85/Dados-espaciais-em-R-2023-UFABC-Geoprocessamento-61-320.jpg)
![●
Atribuir projeção
st_crs(setores_abc)<-4674
st_crs(setores_abc)
Coordinate Reference System:
User input: EPSG:4674
wkt:
GEOGCRS["SIRGAS 2000",
DATUM["Sistema de Referencia Geocentrico para las AmericaS 2000",
ELLIPSOID["GRS 1980",6378137,298.257222101,
LENGTHUNIT["metre",1]]],
PRIMEM["Greenwich",0,
ANGLEUNIT["degree",0.0174532925199433]],
CS[ellipsoidal,2],
AXIS["geodetic latitude (Lat)",north,
ORDER[1],
ANGLEUNIT["degree",0.0174532925199433]],
AXIS["geodetic longitude (Lon)",east,
ORDER[2],
ANGLEUNIT["degree",0.0174532925199433]],
USAGE[
SCOPE["Horizontal component of 3D system."],
AREA["Latin America - Central America and South America - onshore and offshore. Brazil - onshore and
offshore."],
BBOX[-59.87,-122.19,32.72,-25.28]],
ID["EPSG",4674]]](https://image.slidesharecdn.com/aula3dadosespaciaisemr2023-240516055653-8997b237/85/Dados-espaciais-em-R-2023-UFABC-Geoprocessamento-62-320.jpg)
![plot(setores_abc_censo["Renda"], axes = TRUE,
border = NA, cex.axis=0.5, breaks = "quantile")
Primeiro mapa temático
Camada
Tamanho do
texto na grade de
coordenadas
Grade de
Coordenadas
Variável
Não desenhar
bordas dos
polígonos
Método de
classificação
Comando plot do
pacote sf](https://image.slidesharecdn.com/aula3dadosespaciaisemr2023-240516055653-8997b237/85/Dados-espaciais-em-R-2023-UFABC-Geoprocessamento-69-320.jpg)
Dados espaciais em R - 2023 - UFABC - Geoprocessamento
- 1. Dados Espaciais em R Ângela Terumi Fushita Vitor Vieira Vasconcelos Introdução ao uso de dados espaciais para estudos ambientais Programa de Pós-Graduação em Ciência e Tecnologia Ambiental Universidade Federal do ABC Junho, 2023 São Bernardo do Campo - SP
- 2. Objetivo Adquirir os conhecimentos e habilidades básicas para importação e visualização de dados espaciais no ambiente R
- 3. Conteúdo •Principais formatos de dados espaciais em R •Conversão entre formatos de dados espaciais •Reprojeção de sistemas de coordenadas •Junção de dados tabulares e espaciais •Visualização de dados espaciais •Layout de mapas •Exportar do R
- 4. Principais linguagens para análise espacial ● R – Estatística espacial ● Python – Automação interna (QGis, ArcGis) – Big Data ● PostGreSQL – Bancos de dados espaciais em servidores – Geoportais
- 6. É sempre recomendável verificar atualizações nos pacotes instalados antes de começar a trabalhar Abrir o R Studio
- 7. Fontes de Referência CRAN Task View: Analysis of Spatial Data https://cran.r-project.org/web/views/Spatial.html Links para os manuais de cada pacote R
- 8. Livros Mas, Jean-Francois, Horta, M.B. Vasconcelos, R. N. Análise espacial com R. Feira de Santana: UEFS Editora, 2019. ● Operações básicas em R para análise espacial https://bit.ly/2KpSI7C https://www.researchgate.net/publication/33 2865022_Analise_espacial_com_R
- 9. Livros Pebesma, E., & Bivand, R. (2023). Spatial data science: With applications in R. CRC Press. https://r-spatial.org/book/ ● Conteúdo de referência – Dados vetoriais (formatos sf e stars) – Estatística espacial
- 10. Livros Lovelace, Robin; Nowosad, J.; Muenchow, J. Geocomputation with R. CRC Press. 2019. https://geocompr.robinlovelace.net/ ● Conteúdo de referência: – Dados vetoriais (sf) e raster – Visualização
- 12. Elementos de um mapa Título Rosa dos Ventos Escala Gráfica Mapa e coordenadas Legenda Legenda • Sistema de projeção • Fontes das bases cartográficas • Método de visualização • Autoria e data
- 13. Materiais de aula disponiveis em: https://app.box.com/s/rlp75p8gvl1v363g1v4m6xbb4rdlz91y Baixar os dados em: D:/R_CTA/aula_3/ ● Pasta de nome curto, perto da raiz, sem caracteres especiais, nem espaços ● Não criar pasta em “Área de trabalho”, “Meus documentos”, etc...
- 16. D:/R_CTA
- 17. ● Ao criar o projeto, ele já especifica a mesma pasta como diretório de trabalho ● Confirmando o diretório de trabalho getwd() [1] "D:/R_CTA/aula3" ● Criar um novo script de programação
- 18. ● Configurar o diretório de trabalho ● Exemplo de código: setwd("D:/R_CTA/aula3")
- 19. Roteiro • Abrir a tabela “pocos_abc.csv” • Dados obtidos no sistema Siagas http://siagasweb.cprm.gov.br • O formato CSV é o recomendado para importação no R • Recomendação: converter do XLS para o CSV no LibreOffice • O LibreOffice é mais recomendado que o Excel para trabalhar com formatos CSV e DBF • Na hora de gravar arquivos CSV e DBF no LibreOffice, configure e anote qual é o sistema de codificação. - Sistema UTF-8 lida melhor com caracteres especiais
- 20. Abrindo no Bloco de Notas
- 22. Abrindo no LibreOffice Calc
- 24. • File/URL: abra o arquivo pocos_abc.csv • Delimiter: semicolon • Locale → configure
- 25. •Decimal Mark: , (vírgula) •Grouping Mark: . (ponto)
- 26. • Verifique o formato dos dados de cada coluna: Character para “municipio” Double para as demais colunas
- 27. Código final do comando de importação
- 29. • Grave a sua base de dados (arquivos de extensão *.RData) save.image("C:/R_CTA/aula_3/aula3.RData") • Código
- 30. Abrir script de código da aula
- 31. Pacotes a serem utilizados readr Leitura de tabelas rgdal Conversão de formatos espaciais e projeções sf Formato espacial sf dplyr Manipulação de banco de dados (com uniões) raster Formato espacial raster antigo terra Formato espacial raster novo prettymapr Escalas e legendas em método incremental tmap Mapas em método não-incremental install.packages( ) Instala library( ) Carrega na memória
- 32. • Grave o script de trabalho (arquivo de extensão *.R)
- 33. • Imprimir nosso primeiro mapa plot(latitude_decimal ~longitude_decimal, data=pocos_abc )
- 34. Principais pacotes para formatos espaciais em R •sp: classes e métodos para dados espaciais •sf (Simple Features): atualização do sp nos padrões Open Geospatial Consortium (OGC) para dados vetoriais •stars: dados espaço-temporais •raster: formato raster antigo •terra: formato raster novo CRAN Task View: Analysis of Spatial Data https://cran.r-project.org/web/views/Spatial.html Além de formatos específicos de cada pacote
- 35. Lovelace, R.; Nowosad, J.; Muenchow, J. Geocomputation with R. CRC Press. 2023.
- 36. Pacotes para acesso a bases de dados externas •rgdal e maptools: conversão de formatos espaciais •OpenStreetMap, rosm e osmdata: OpenStreetMaps •RgoogleMaps, googleway e ggmap: Google Maps •ows4R: geoservicos de portais WebGis CRAN Task View: Analysis of Spatial Data https://cran.r-project.org/web/views/Spatial.html
- 37. Pacote sf Lovelace, R.; Nowosad, J.; Muenchow, J. Geocomputation with R. CRC Press. 2019. Além de formatos específicos com curvas em vez de linhas (para CAD)
- 38. Pacote sf sfg Geometria de um objeto sfg Geometria de um objeto sfg Geometria de um objeto sfc Lista de geometrias de objetos Simple feature geometry Simple feature column sf data.frame de atributos e sfc Simple feature
- 39. Projeções em R
- 40. Relembrando a segunda aula Código WKT (Well Known Text)
- 41. Projeções • Site oficial: https://epsg.org/ • Pegar código WKT (ou proj4): https://epsg.io/ http://spatialreference.org • Pacote rgdal (proj4) • Ou copiando de uma outra base projetada
- 43. http://spatialreference.org Procure por sirgas 2000 Escolha o EPSG:4674
- 44. Selecione a opção OGC WKT
- 46. ● Instalar o pacote sf: install.packages("sf") library(sf)
- 47. Convertendo tabelas com coordenadas para Simple Features st_as_sf(data, coords = c(x, y), crs = “código EPSG” ou “WKT”)
- 48. ● Verificar tipo de dado: class(pocos_abc) [1] "spec_tbl_df" "tbl_df" "tbl" "data.frame" ● Extender para SimpleFeature (sf) sf_pocos_abc <- st_as_sf(pocos_abc, coords = c("longitude_decimal", "latitude_decimal"), crs = 4674) class(sf_pocos_abc) [1] "sf" "tbl_df" "tbl" "data.frame"
- 49. ● Na aba “Environment”, clique no objeto sf_pocos_abc ● Ou digite View(sf_pocos_abc)
- 51. • Simple feature geometry (sfg): lista de pares de coordenadas (vértices) • Simple feature column (sfc): lista de linhas • Simple features (sf): tabela de atributos associados a uma lista de linhas Linhas Bivand, Roger. 2014. Applied Spatial Data Analysis with R. Open Source Geospatial Research and Education Symposium, Aalto University, Finland Rowlingson, Barry. Geospatial data in R and beyond! Lancaster University, 2012
- 52. • Simple feature geometry (sfg): lista de pares de coordenadas em que o último vértice coincide com o primeiro. • Simple feature column (sfc): lista de polígonos • Simple features (sf): tabela de atributos associados a uma lista de polígonos Polígonos Bivand, Roger. 2014. Applied Spatial Data Analysis with R. Open Source Geospatial Research and Education Symposium, Aalto University, Finland Rowlingson, Barry. Geospatial data in R and beyond! Lancaster University, 2012 Polígonos multi-parte (ilhas) Polígonos com buracos (anéis)
- 53. Próximos passos ● Importar um arquivo shapefile com hidrografia do ABC paulista 1:50.000, vetorizadas das cartas do IBGE Fonte: http://datageo.ambiente.sp.gov.br ● Função read_sf, do pacote sf, converte arquivos para formato sf padrão: read_sf(“arquivo.extensão”) hidrografia_abc <- read_sf("hidrografia_abc.shp")
- 54. st_crs(hidrografia_abc) Coordinate Reference System: User input: SIRGAS 2000 / UTM zone 23S wkt: PROJCRS["SIRGAS 2000 / UTM zone 23S", BASEGEOGCRS["SIRGAS 2000", DATUM["Sistema de Referencia Geocentrico para las AmericaS 2000", (...) ID["EPSG",4674]], CONVERSION["UTM zone 23S", METHOD["Transverse Mercator", ID["EPSG",9807]], (...) USAGE[ SCOPE["Engineering survey, topographic mapping."], AREA["Brazil - between 48°W and 42°W, northern and southern hemispheres, onshore and offshore."], BBOX[-33.5,-48,5.13,-42]], ID["EPSG",31983]]
- 55. ● Essa é a projeção Sirgas 2000 UTM 23S ● Vamos retransformar para Sirgas 2000 ● Função st_transform(arquivo, projeção desejada) hidrografia_abc_sirgas2000<-st_transform(hidrografia_abc, st_crs(sf_pocos_abc)) hidrografia_abc_sirgas2000<-st_transform(hidrografia_abc, 4674) ou
- 56. st_crs(hidrografia_abc_sirgas2000) Coordinate Reference System: User input: EPSG:4674 wkt: GEOGCRS["SIRGAS 2000", DATUM["Sistema de Referencia Geocentrico para las AmericaS 2000", ELLIPSOID["GRS 1980",6378137,298.257222101, LENGTHUNIT["metre",1]]], PRIMEM["Greenwich",0, ANGLEUNIT["degree",0.0174532925199433]], CS[ellipsoidal,2], AXIS["geodetic latitude (Lat)",north, ORDER[1], ANGLEUNIT["degree",0.0174532925199433]], AXIS["geodetic longitude (Lon)",east, ORDER[2], ANGLEUNIT["degree",0.0174532925199433]], USAGE[ SCOPE["Horizontal component of 3D system."], AREA["Latin America - Central America and South America - onshore and offshore. Brazil - onshore and offshore."], BBOX[-59.87,-122.19,32.72,-25.28]], ID["EPSG",4674]]
- 58. Importando polígonos ● Abrir um shapefile com os setores censitários do Estado de São Paulo (Censo 2010, IBGE) ftp://geoftp.ibge.gov.br/organizacao_do_territorio/malhas_territoriais/malhas_de_setores_censitari os__divisoes_intramunicipais/censo_2010/setores_censitarios_shp/sp/sp_setores_censitarios.zip setores_sp <- read_sf("35SEE250GC_SIR.shp") View(setores_sp)
- 59. Códigos do IBGE para o ABC CD_GEOCODM NM_MUNICP 3513801 DIADEMA 3529401 MAUÁ 3547809 SANTO ANDRÉ 3548708 SÃO BERNARDO DO CAMPO 3548807 SÃO CAETANO DO SUL 3543303 RIBEIRÃO PIRES 3544103 RIO GRANDE DA SERRA
- 60. Recortando o Shapefile ● Função subset(objeto, condição) codigo_abc <- c(3513801,3529401,3547809, 3548708, 3548807, 3543303, 3544103) setores_abc <- subset(setores_sp, setores_sp$CD_GEOCODM %in% codigo_abc) plot(setores_abc)
- 61. ● Verificar projeção st_crs(setores_abc) Coordinate Reference System: User input: EPSG:4674 wkt: GEOGCRS["SIRGAS 2000", DATUM["Sistema de Referencia Geocentrico para las AmericaS 2000", ELLIPSOID["GRS 1980",6378137,298.257222101, LENGTHUNIT["metre",1]]], PRIMEM["Greenwich",0, ANGLEUNIT["degree",0.0174532925199433]], CS[ellipsoidal,2], AXIS["geodetic latitude (Lat)",north, ORDER[1], ANGLEUNIT["degree",0.0174532925199433]], AXIS["geodetic longitude (Lon)",east, ORDER[2], ANGLEUNIT["degree",0.0174532925199433]], USAGE[ SCOPE["Horizontal component of 3D system."], AREA["Latin America - Central America and South America - onshore and offshore. Brazil - onshore and offshore."], BBOX[-59.87,-122.19,32.72,-25.28]], ID["EPSG",4674]]
- 62. ● Atribuir projeção st_crs(setores_abc)<-4674 st_crs(setores_abc) Coordinate Reference System: User input: EPSG:4674 wkt: GEOGCRS["SIRGAS 2000", DATUM["Sistema de Referencia Geocentrico para las AmericaS 2000", ELLIPSOID["GRS 1980",6378137,298.257222101, LENGTHUNIT["metre",1]]], PRIMEM["Greenwich",0, ANGLEUNIT["degree",0.0174532925199433]], CS[ellipsoidal,2], AXIS["geodetic latitude (Lat)",north, ORDER[1], ANGLEUNIT["degree",0.0174532925199433]], AXIS["geodetic longitude (Lon)",east, ORDER[2], ANGLEUNIT["degree",0.0174532925199433]], USAGE[ SCOPE["Horizontal component of 3D system."], AREA["Latin America - Central America and South America - onshore and offshore. Brazil - onshore and offshore."], BBOX[-59.87,-122.19,32.72,-25.28]], ID["EPSG",4674]]
- 63. Relacionando um shapefile com uma base de dados
- 64. ● Dados do Censo 2010: ftp://ftp.ibge.gov.br/Censos/Censo_Demografico_2010/Resultados_do_Universo/Agregados_por_Setores_Censitarios/ censo2010 <- read.csv("censo2010.csv",sep = ";", dec = ",") View(censo2010) ● Código do setor censitário ● Setor: Urbano (1-3) e Rural (4-7) ● Domicílios ● Pessoas ● Renda média do(a) chefe de domicílio ● % de coleta de esgoto ● % de coleta de lixo
- 65. install.packages("dplyr") library(dplyr) setores_abc_censo <- left_join(setores_abc, censo2010, by = c(CD_GEOCODI = "Cod_setor")) Error: Can't join on 'Cod_setor' x 'CD_GEOCODI' because of incompatible types (numeric / character) is.numeric(censo2010$Cod_setor) is.numeric(setores_abc$CD_GEOCODI) setores_abc$CD_GEOCODI <- as.numeric (setores_abc$CD_GEOCODI) setores_abc_censo <- left_join(setores_abc, censo2010, by = c(CD_GEOCODI = "Cod_setor"))
- 67. ● Exportando para shapefile: st_write(setores_abc_censo,"setores_abc_censo.shp") ● Exportando para geopackage: st_write(setores_abc_censo,"setores_abc.gpkg", layer = "censo") st_write(objeto, “nome do arquivo”) ● Exportando para KML (Google Earth): st_write(setores_abc_censo,"setores_abc_censo.kml")
- 68. O pacote plotKML possui opções mais avançadas de exportação de KML, incluindo cores, legendas, visualização 3D, dados espaço-temporais, fotos e rasters http://plotkml.r-forge.r-project.org/fig_eberg_two_aesthetics.jpg
- 69. plot(setores_abc_censo["Renda"], axes = TRUE, border = NA, cex.axis=0.5, breaks = "quantile") Primeiro mapa temático Camada Tamanho do texto na grade de coordenadas Grade de Coordenadas Variável Não desenhar bordas dos polígonos Método de classificação Comando plot do pacote sf
- 70. breaks = “métodos de classificação” ● fixed: definidos pelos usuário ● equal: intervalos iguais ● pretty: quase intervalos iguais, em números arredondados ● quantile: número de objetos iguais por classe ● sd: desvio padrão em relação à média ● fisher: quebras naturais e outros
- 71. Exportando mapas
- 73. Atividade 1 Criar um mapa do percentual de rede de esgoto com intervalo por quebras naturais Submeter código e imagem do mapa
- 74. Pacote raster ● Extensão das classes sp ● Permite trabalhar com arquivos maiores e de forma mais eficiente que o sp ● RasterLayer → uma camada raster ● RasterBrick → várias camadas em um arquivo ● RasterStack → tabela apontando para diversas camadas raster
- 75. Pacote terra ● Extensão da classe raster ● Permite trabalhar com arquivos maiores e de forma mais eficiente ● Formatos – SpatRaster: armazena camadas raster (uma ou mais bandas) – SpatVector: armazena os dados vetoriais para análise das camadas raster
- 76. Abrir arquivos raster ● Elevação: srtm_abc.tif – Resolução 30m, fonte: https://earthexplorer.usgs.gov/ ● Abrir uma classe raster: install.packages("terra") library(terra) srtm_abc <- rast("srtm_abc.tif") class(srtm_abc)
- 77. crs(srtm_abc) crs(srtm_abc) <- "epsg:4326" crs(srtm_abc) Caso o arquivo fosse importado sem a informação de projeção, mas nós saibamos qual é a projeção, podemos informá-la
- 78. srtm_abc_sirgas2000 <- project(srtm_abc, "epsg:4674") plot(srtm_abc_sirgas2000) writeRaster(srtm_abc_sirgas2000, "srtm_abc_sirgas2000.tif", overwrite=TRUE) Cógido EPSG da nova projeção Caso o arquivo já exista, grava por cima
- 79. Pacotes para visualização de dados espaciais • sp, sf, raster, terra: visualização básica • lattice, ggplot2: gráficos (e mapas) avançados • rasterVis: visualização raster • RColorBrewer: paletas de cores para legendas • classInt: métodos de classificação de intervalos • tmap, cartography: cartografia temática • quickmapr, mapmisc: modelos para mapas rápidos • mapview, leaflet, plotGoogleMaps, plotKML, plotly: mapas interativos para Web CRAN Task View: Analysis of Spatial Data https://cran.r-project.org/web/views/Spatial.html
- 80. Métodos de visualização ● Incremental – Cada linha de código adiciona camadas de informação. – Ex: plot, cartography ● Não incremental – Cada bloco de código é um mapa – Ex: lattice, ggplot2, ggspatial, tmap
- 81. Método Incremental ● Abrir uma tela de mapa maior (a do Rstudio é muito pequena) dev.new(width=10, height=10)
- 82. plot(srtm_abc_sirgas2000, cex.axis=0.6, main ="ABC Paulista") Camada Tamanho do texto na grade de coordenadas Título Como instalamos o pacote “terra”, usará a função plot( ) desse pacote para as camadas SpatRaster
- 83. Método Incremental ● Parâmetros específicos para grades de coordenadas axis( ) ● Parâmetros específicos para título title( )
- 85. plot(st_geometry(mun_abc), border="gray30", lwd=2, add=TRUE) Geometria da camada Cor da borda do polígono Adicionar Largura da borda
- 87. 657 cores nomeadas em http://www.stat.columbia.edu/~tzheng/files/Rcolor.pdf
- 88. ● Adicionar a hidrografia plot(st_geometry(hidrografia_abc_sirgas2000), col=4, add=TRUE) Geometria da camada cor azul adicionar
- 89. ● Adicionar os poços plot(st_geometry(sf_pocos_abc), pch=20, col="deeppink", cex=0.4, add=TRUE) Geometria da camada cor adicionar símbolo tamanho
- 91. Argumentos úteis para formatos vetoriais Classe Argumento Significado Pontos pch Símbolo col Cor bg Cor de preenchimento cex Tamanho do símbolo Linhas col Cor lwd Largura da linha lty Tipo de linha Polígonos col Cor de preenchimento ou de hashuras border Cor da borda lwd Largura da borda density Densidade de hashuras angle Ângulo de hashuras
- 93. text(st_coordinates(st_centroid(mun_abc)), mun_abc$NM_MUNICIP, cex=0.7) Coordenadas dos centróides dos polígonos Coluna com os nomes Tamanho da fonte
- 94. text(locator(1), "Serra do mar", cex=0.7) Posição interativa Tamanho da fonte Texto
- 95. ● Adicionando escala com a função scalebar( ) do pacote terra scalebar(10, xy=click(), type="bar", divs=4, below="Km", cex=0.7) distância posição interativa tipo de escala divisões texto tamanho do texto
- 96. ● Adicionando rosa dos ventos O pacote prettymapr também possui opções avançadas para adicionar escalas gráficas e setas de norte north(xy="bottomright", type=2, cex = 0.8) localização tipo de seta tamanho da fonte
- 97. Localização dos elementos bottomright right center left bottomleft topleft topright top bottom
- 99. Exportando mapas
- 100. Atividade 2 Modificar o mapa incremental com as seguintes alterações: ● Dobrar o tamanho de fonte dos eixos de coordenadas ● Limites municipais com borda de cor preta ● Hidrografia com linha pontilhada ● Pontos de poços de cor amarela e formato quadrado ● Nome dos municípios apenas em Santo André e São Bernardo do Campo, colocados manualmente com a função locator ● Seta de norte no canto superior direito Obs: submeter código e imagem
- 101. Mapas temáticos não incrementais Pacote tmap ● Incorpora métodos de: – sf (Simple Features) – ggplot2: gráficos gerais – RColorBrewer: paletas de cores para mapas – classInt: classificação de intervalos – leaflet: mapas web interativos ● Fluxo de programação – Fontes: tm_shape(dados, vetor ou raster) – Elementos: ex: tm_polygons( ) + tm_grid( )
- 102. install.packages("tmap") library(tmap) dev.new(width=10, height=10) tmap_options (check.and.fix = TRUE) Se tiver erros de vetorização dos polígonos, tenta corrigir automaticamente
- 103. tm_shape(setores_abc_censo) + tm_polygons() fonte elemento
- 104. Elementos Desenho tm_polygons Polígonos com bordas tm_fill Polígonos sem bordas tm_borders Bordas dos polígonos tm_symbols Pontos (símbolos) tm_lines Linhas tm_raster Raster tm_text Rótulos tm_basemap Mapa de fundo (ex: OpenStreetMaps) tm_bubbles Símbolos proporcionais tm_iso Isolinhas (curvas de nível) tm_rgb Imagem
- 105. Acessórios Desenho tm_grid Grade de coordenadas tm_scale_bar Escala tm_compass Seta de norte tm_credits Caixa de texto tm_logo Logo institucional tm_xlab Eixo de longitude tm_ylab Eixo de latitude Mais elementos e informações: help("tmap-element") vignette("tmap-getstarted")
- 106. dev.new(width=10, height=10) tm_shape(setores_abc_censo) + tm_grid(alpha = 0.2, labels.rot = c(0,90), labels.inside.frame = FALSE) + tm_fill(col = "Renda", style = "quantile", palette = "YlOrBr") + Transparência Rotação do texto (horizontal,vertical) Coordenadas fora do mapa Grade Polígonos sem borda Classificação por quantil Paleta de cores do ColorBrewer
- 107. https://www.r-graph-gallery.com/38-rcolorbrewers-palettes/ Paletas do RColorBrewer Sequenciais Divergentes Qualitativas
- 108. Seleção amigável para deficientes visuais de cores (como o daltonismo) https://www.r-graph-gallery.com/38-rcolorbrewers-palettes/
- 109. dev.new(width=10, height=10) tm_shape(setores_abc_censo) + tm_grid(alpha = 0.2, labels.rot = c(0,90), labels.inside.frame = FALSE) + tm_fill(col = "Renda", style = "quantile", palette = "YlOrBr") + tm_compass(position = c("right", "top")) + tm_scale_bar() + tm_credits("Projeção SIRGAS 2000 n Fonte: Censo IBGE(2010) n Classificacao por quantis") + tm_layout(main.title = "Renda no ABC", main.title.position = "center", outer.margins = 0.05) Transparência Rotação do texto (horizontal,vertical) Coordenadas fora do mapa Grade Polígonos sem borda Classificação por quantil Paleta de cores do ColorBrewer Seta de norte Escala Texto Título
- 111. dev.new(width=10, height=10) tm_shape(srtm_abc_sirgas2000) + tm_raster(breaks = c(0,200,400,600,800,1000,1200)) + tm_legend(title = "Elevacao (m)") + tm_grid(alpha = 0, labels.rot = c(0,90), labels.inside.frame = FALSE) + tm_shape(mun_abc) + tm_borders(col = "gray30", lwd = 2) + tm_add_legend(type = "line", col = "gray30", labels = "Limites municipais") + tm_shape(hidrografia_abc_sirgas2000) + tm_lines(col = "blue") + tm_add_legend(type = "line", col = "blue", labels = "Hidrografia") + tm_shape(sf_pocos_abc) + tm_symbols(shape = 20, col = "deeppink", scale = 0.2) + tm_add_legend(type = "symbol", shape = 20, col = "deeppink", labels = "Pocos") + tm_shape(mun_abc) + tm_text("NM_MUNICIP", size = 0.5) + tm_compass(position = c("right","top")) + tm_scale_bar() + tm_credits("Projecao SIRGAS 2000 n Fonte: IBGE, NASA") + tm_layout(main.title = "ABC", main.title.position = "center", legend.outside = TRUE) Combinação de camadas
- 113. Mapas Interativos tmap_mode("view") tm_shape(setores_abc_censo) + tm_fill(col = "Renda", style = "quantile", popup.vars = c("Pessoas", "Renda")) + tm_scale_bar() Para retornar ao modo normal de visualização: tmap_mode(“plot”) Informações ao clicar no mapa Cor Classificação
- 114. Pacote cartography Densidade de pontos Descontinuidades Fluxos Símbolos proporcionais bivariados
- 115. Atividades para a próxima semana •Em grupo: - Fazer um mapa de localização para o trabalho final usando o pacote tmap (submeter código e figura) •Individual: - Leitura de um artigo com análise espacial de dados vetoriais, relacionado ao tema do projeto final (para atividade no início da próxima aula)
- 116. Obrigado! Ângela Terumi Fushita Vitor Vieira Vasconcelos