Successfully reported this slideshow.

Dados espaciais em R (2020)

3

Share

1 of 111
1 of 111

Dados espaciais em R (2020)

3

Share

Download to read offline

Aula da disciplina de Uso de dados espaciais para estudos ambientais. Universidade Federal do ABC, São Bernardo do Campo, fevereiro de 2020.
Gravação de aula disponível em: https://youtu.be/R3D2qlJSjVA
Base de dados disponível em: https://app.box.com/s/rlp75p8gvl1v363g1v4m6xbb4rdlz91y

Aula da disciplina de Uso de dados espaciais para estudos ambientais. Universidade Federal do ABC, São Bernardo do Campo, fevereiro de 2020.
Gravação de aula disponível em: https://youtu.be/R3D2qlJSjVA
Base de dados disponível em: https://app.box.com/s/rlp75p8gvl1v363g1v4m6xbb4rdlz91y

More Related Content

Related Books

Free with a 14 day trial from Scribd

See all

Related Audiobooks

Free with a 14 day trial from Scribd

See all

Dados espaciais em R (2020)

  1. 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 Fevereiro, 2020 São Bernardo do Campo - SP
  2. 2. Objetivo Adquirir os conhecimentos e habilidades básicas para importação e visualização de dados espaciais no ambiente R
  3. 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. 4. Principais linguagens para análise espacial ● R – Estatística espacial ● Python – Automação interna (QGis, ArcGis) – Big Data ● PostGreSQL – Bancos de dados espaciais em servidores – Geoportais
  5. 5. Abrir o RStudio
  6. 6. É sempre recomendável verificar atualizações nos pacotes instalados antes de começar a trabalhar Abrir o R Studio
  7. 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. 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. 9. 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
  10. 10. Livros Bivand, Roger. S., Pebesma, E. J., Gomez-Rubio, V., & Pebesma, E. J. (2013). Applied spatial data analysis with R. New York: Springer. https://app.box.com/s/uti6bqyisc qpoqu2dsmd06yk5xw5m9qw Site de apoio: https://asdar-book.org/ ● Conteúdo de referência – Dados vetoriais e raster (formato sp) – Estatística espacial
  11. 11. Tutoriais https://www.rspatial.org/
  12. 12. Elementos de um mapa Título Rosa dos Ventos Escala Gráfica Mapa e coordenadas LegendaLegenda • Sistema de projeção • Fontes das bases cartográficas • Método de visualização • Autoria e data
  13. 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...
  14. 14. Atividade ● Novo projeto
  15. 15. D:/R_CTA
  16. 16. ● 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
  17. 17. ● Configurar o diretório de trabalho ● Exemplo de código: setwd("D:/R_CTA/aula3")
  18. 18. 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
  19. 19. Abrindo no Bloco de Notas
  20. 20. Abrindo no LibreOffice Calc
  21. 21. Abrindo no LibreOffice Calc
  22. 22. • File/URL: abra o arquivo pocos_abc.csv • Delimiter: semicolon • Locale → configure
  23. 23. •Decimal Mark: , (vírgula) •Grouping Mark: . (ponto)
  24. 24. • Verifique o formato dos dados de cada coluna:  Character para “municipio”  Double para as demais colunas
  25. 25. Código final do comando de importação
  26. 26. Data.Frame Importado
  27. 27. • Grave a sua base de dados (arquivos de extensão *.RData) save.image("C:/R_CTA/aula_3/aula3.RData") • Código
  28. 28. Abrir script de código da aula
  29. 29. 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 prettymapr Escalas e legendas em método incremental tmap Mapas em método não-incremental install.packages( ) Instala library( ) Carrega na memória
  30. 30. • Grave o script de trabalho (arquivo de extensão *.R)
  31. 31. • Imprimir nosso primeiro mapa plot(latitude_decimal ~longitude_decimal, data=pocos_abc )
  32. 32. 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) •raster: extensão do sp para dados raster CRAN Task View: Analysis of Spatial Data https://cran.r-project.org/web/views/Spatial.html Além de formatos específicos de cada pacote
  33. 33. Lovelace, R.; Nowosad, J.; Muenchow, J. Geocomputation with R. CRC Press. 2019.
  34. 34. 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
  35. 35. 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)
  36. 36. 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
  37. 37. Projeções em R
  38. 38. Relembrando a primeira aula Código Proj4
  39. 39. Projeções • Site oficial: http://www.epsg-registry.org/ • Pegar código Proj4: http://spatialreference.org • Pacote rgdal • Ou copiando de uma outra base projetada
  40. 40. http://www.epsg-registry.org/
  41. 41. http://spatialreference.org Procure por sirgas 2000 Escolha o EPSG:4674
  42. 42. Selecione a opção Proj4 +proj=longlat +ellps=GRS80 +towgs84=0,0,0,0,0,0,0 +no_defs
  43. 43. Trabalhando com projeções no R install.packages("rgdal") library(rgdal) EPSG <- make_EPSG() View(EPSG) National Center for Ecological Analysis and Synthesis, University of Califórnia, Santa Barbara, https://www.nceas.ucsb.edu/scicomp/recipes/projections
  44. 44. ● Como exemplo, procure pela projeção SIRGAS 2000 ● A função “grep” procura casos na tabela que tenham a expressão desejada consulta_sirgas <- EPSG[grep("SIRGAS 2000", EPSG$note, ignore.case=TRUE), 1:3] View(consulta_sirgas)   National Center for Ecological Analysis and Synthesis, University of Califórnia, Santa Barbara, https://www.nceas.ucsb.edu/scicomp/recipes/projections
  45. 45. ● Recorte a informação PROJ.4 para um código EPSG subset(EPSG, code==4674) sirgas2000 <- "+proj=longlat +ellps=GRS80 +towgs84=0,0,0,0,0,0,0 +no_defs" ou sirgas2000 <- as.character(EPSG[321, 3]) ● Atribua a projeção a uma variável
  46. 46. Atividade 1 Criar uma varável para armazenar a projeção WGS 84, que possui EPSG 4326 Sugestão: abrir uma nova aba de script no RStudio para gravar os códigos das atividades e submeter no fim da aula
  47. 47. ● Instalar o pacote sf: install.packages("sf") library(sf)
  48. 48. Convertendo tabelas com coordenadas para Simple Features st_as_sf(data, coords = c(x, y), crs = “código EPSG” ou “proj4”)
  49. 49. ● 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 = sirgas2000) ou 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"
  50. 50. ● Na aba “Environment”, clique no objeto sf_pocos_abc ● Ou digite View(sf_pocos_abc)
  51. 51. ● Visualizando: plot(st_geometry(sf_pocos_abc)) Apenas geometria, sem atributos
  52. 52. • 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
  53. 53. • 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)
  54. 54. 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")
  55. 55. st_crs(hidrografia_abc) ● 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 ou hidrografia_abc_sirgas2000<-st_transform(hidrografia_abc, sirgas2000)
  56. 56. st_crs(hidrografia_abc_sirgas2000) plot(st_geometry(hidrografia_abc_sirgas2000))
  57. 57. 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_censitario s__divisoes_intramunicipais/censo_2010/setores_censitarios_shp/sp/sp_setores_censitarios.zip setores_sp <- read_sf("35SEE250GC_SIR.shp") View(setores_sp)
  58. 58. 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
  59. 59. 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(st_geometry(setores_abc))
  60. 60. ● Verificar projeção st_crs(setores_abc) ● Atribuir projeção st_crs(setores_abc)<-4674 st_crs(setores_abc)
  61. 61. Relacionando um shapefile com uma base de dados
  62. 62. ● 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
  63. 63. 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"))
  64. 64. View(setores_abc_censo)
  65. 65. ● 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")
  66. 66. 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
  67. 67. 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 CoordenadasVariável Não desenhar bordas dos polígonos Método de classificação Comando plot do pacote sf
  68. 68. 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
  69. 69. Exportando mapas
  70. 70. Atividade 2 Criar um mapa do percentual de rede de esgoto com intervalo por quebras naturais Submeter código e imagem do mapa
  71. 71. Pacote raster ● Extensão das classes sp ● Permite trabalhar com arquivos maiores e de forma mais eficiente ● RasterLayer → uma camada raster ● RasterBrick → várias camadas em um arquivo ● RasterStack → tabela apontando para diversas camadas raster
  72. 72. Abrir arquivos raster ● Elevação: srtm_abc.tif – Resolução 30m, fonte: https://earthexplorer.usgs.gov/ ● Abrir uma classe raster: install.packages("raster") library(raster) srtm_abc <- raster("srtm_abc.tif") class(srtm_abc)
  73. 73. projection(srtm_abc) [1] "+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0" srtm_abc_sirgas2000<-projectRaster(srtm_abc,crs = sirgas2000) plot(srtm_abc_sirgas2000) writeRaster(srtm_abc_sirgas2000,"srtm_abc_sirgas2000.tif")
  74. 74. Pacotes para visualização de dados espaciais • sp, sf, raster: 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
  75. 75. 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
  76. 76. Método Incremental ● Abrir uma tela de mapa maior (a do Rstudio é muito pequena) dev.new(width=10, height=10)
  77. 77. plot(srtm_abc_sirgas2000, cex.axis=0.6, main ="ABC Paulista") Camada Tamanho do texto na grade de coordenadas Título Como instalamos o pacote “raster”, usará a função plot( ) desse pacote para as camadas raster
  78. 78. Método Incremental ● Parâmetros específicos para grades de coordenadas axis( ) ● Parâmetros específicos para título title( )
  79. 79. mun_abc <- read_sf("mun_abc.shp") View(mun_abc)
  80. 80. plot(st_geometry(mun_abc), border="gray30", lwd=2, add=TRUE) Geometria da camada Cor da borda do polígono AdicionarLargura da borda
  81. 81. https://www.ling.upenn.edu/~joseff/rstudy/week4.html#col Cores no R
  82. 82. 657 cores nomeadas em http://www.stat.columbia.edu/~tzheng/files/Rcolor.pdf
  83. 83. ● Adicionar a hidrografia plot(st_geometry(hidrografia_abc_sirgas2000), col=4, add=TRUE) Geometria da camada cor azul adicionar
  84. 84. ● Adicionar os poços plot(st_geometry(sf_pocos_abc), pch=20, col="deeppink", cex=0.4, add=TRUE) Geometria da camada cor adicionarsímbolo tamanho
  85. 85. Símbolos (pch) http://www.sthda.com/english/wiki/ggplot2-point-shapes
  86. 86. 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
  87. 87. https://www.r-graph-gallery.com/6-graph-parameters-reminder/
  88. 88. 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
  89. 89. text(locator(1), "Serra do mar", cex=0.7) Posição interativa Tamanho da fonte Texto
  90. 90. ● Adicionando escala com a função scalebar( ) do pacote raster scalebar(10, xy=click(), type="bar", divs=4, below="Km", cex=0.7) distância posição interativa tipo de escala divisões texto tamanho do texto
  91. 91. ● Adicionando rosa dos ventos install.packages("prettymapr") library(prettymapr) addnortharrow("bottomright", scale = 0.5) tamanhoposição O pacote prettymapr também possui opções avançadas para adicionar escalas gráficas
  92. 92. Localização dos elementos bottomright rightcenterleft bottomleft topleft toprighttop bottom
  93. 93. Exportando mapas
  94. 94. Atividade 3 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
  95. 95. 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( )
  96. 96. install.packages("tmap") library(tmap) dev.new(width=10, height=10) tm_shape(setores_abc_censo) + tm_polygons() fonte elemento
  97. 97. 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
  98. 98. 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")
  99. 99. 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
  100. 100. https://www.r-graph-gallery.com/38-rcolorbrewers-palettes/ Paletas do RColorBrewer Sequenciais Divergentes Qualitativas
  101. 101. Seleção amigável para deficientes visuais de cores (como o daltonismo) https://www.r-graph-gallery.com/38-rcolorbrewers-palettes/
  102. 102. 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
  103. 103. 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
  104. 104. 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 mapaCor Classificação
  105. 105. Pacote cartography Densidade de pontos Descontinuidades Fluxos Símbolos proporcionais bivariados
  106. 106. 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)
  107. 107. Obrigado! Ângela Terumi Fushita Vitor Vieira Vasconcelos

×