Oficina sobre Mapas
15/06/2022
Carregar os pacotes
library(ggplot2)Download dos dados
# para criar a pasta de download
fs::dir_create("dados/")
# URL para baixar
url_sigbm <- "https://app.anm.gov.br/SIGBM/Publico/ClassificacaoNacionalDaBarragem/ExportarExcel"
# Baixar o arquivo excel
httr::POST(url = url_sigbm, httr::write_disk("dados/sigbm.xlsx"))Importar os dados brutos
sigbm_bruto <- readxl::read_xlsx("dados/sigbm.xlsx", skip = 4)Organização
sigbm <- sigbm_bruto |>
janitor::clean_names() |>
dplyr::mutate(
lat = parzer::parse_lat(latitude),
long = parzer::parse_lon(longitude),
.after = longitude
)Objetivo 1: Mapa estático com ggplot2
Mapa temático do Brasil, por estado, represente a qnt de barragens no estado.
Fazer a contagem:
quantidade_por_uf <- sigbm |>
dplyr::count(uf, name = "qtd_barragens")- Buscar a delimitação dos estados!
br_estados <- geobr::read_state(year = 2020)FALSE
|
| | 0%
|
|=== | 4%
|
|===== | 7%
|
|======== | 11%
|
|========== | 15%
|
|============= | 19%
|
|================ | 22%
|
|================== | 26%
|
|===================== | 30%
|
|======================= | 33%
|
|========================== | 37%
|
|============================= | 41%
|
|=============================== | 44%
|
|================================== | 48%
|
|==================================== | 52%
|
|======================================= | 56%
|
|========================================= | 59%
|
|============================================ | 63%
|
|=============================================== | 67%
|
|================================================= | 70%
|
|==================================================== | 74%
|
|====================================================== | 78%
|
|========================================================= | 81%
|
|============================================================ | 85%
|
|============================================================== | 89%
|
|================================================================= | 93%
|
|=================================================================== | 96%
|
|======================================================================| 100%# #readr::write_rds(br_estados, "dados/geobr_estados.Rds")
# #br_estados <- readr::read_rds("dados/geobr_estados.Rds")
dplyr::glimpse(br_estados)FALSE Rows: 27
FALSE Columns: 6
FALSE $ code_state <dbl> 11, 12, 13, 14, 15, 16, 17, 21, 22, 23, 24, 25, 26, 27, 2…
FALSE $ abbrev_state <chr> "RO", "AC", "AM", "RR", "PA", "AP", "TO", "MA", "PI", "CE…
FALSE $ name_state <chr> "Rondônia", "Acre", "Amazônas", "Roraima", "Pará", "Amapá…
FALSE $ code_region <dbl> 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, …
FALSE $ name_region <chr> "Norte", "Norte", "Norte", "Norte", "Norte", "Norte", "No…
FALSE $ geom <MULTIPOLYGON [°]> MULTIPOLYGON (((-65.3815 -1..., MULTIPOLYGON…- Unir a base de estados com a base de quantidade de barragens:
tabela_com_dados_uf <-
dplyr::left_join(br_estados, quantidade_por_uf,
by = c("abbrev_state" = "uf")) |>
sf::st_simplify(dTolerance = 5000)
dplyr::glimpse(tabela_com_dados_uf)## Rows: 27
## Columns: 7
## $ code_state <dbl> 11, 12, 13, 14, 15, 16, 17, 21, 22, 23, 24, 25, 26, 27, …
## $ abbrev_state <chr> "RO", "AC", "AM", "RR", "PA", "AP", "TO", "MA", "PI", "C…
## $ name_state <chr> "Rondônia", "Acre", "Amazônas", "Roraima", "Pará", "Amap…
## $ code_region <dbl> 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3,…
## $ name_region <chr> "Norte", "Norte", "Norte", "Norte", "Norte", "Norte", "N…
## $ qtd_barragens <int> 36, NA, 15, NA, 114, 18, 7, 2, 2, NA, NA, 1, NA, 1, 3, 8…
## $ geom <MULTIPOLYGON [°]> MULTIPOLYGON (((-65.33169 -..., MULTIPOLYGO…tabela_com_dados_uf |>
ggplot() +
geom_sf()
Complementando o gráfico:
tabela_com_dados_uf |>
ggplot() +
geom_sf(aes(fill = qtd_barragens)) +
scale_fill_viridis_c() +
labs(fill = "Quantidade de\nBarragens",
title = "Quantidade de barragens de mineração por estado no Brasil",
caption = "Dados obtidos no SIGBM em 15/06/2022.") +
theme_light() 
Objetivo 2: Mapa de pontos!
library(leaflet)
sigbm |>
leaflet() |>
#addTiles() |>
addProviderTiles("Esri.WorldImagery") |>
addMarkers(~ long, ~lat,
clusterOptions = markerClusterOptions())Objetivo 3 - Exemplo para a Tainá!
- Cria um df com os valores sumarizados:
sigbm_summ <- sigbm |>
dplyr::mutate(
volume_atual_m3 = readr::parse_number(
volume_atual_m3,
locale = readr::locale(
decimal_mark = ",",
grouping_mark = "."
)
)
) |>
dplyr::group_by(uf) |>
dplyr::summarise(
qtd_barragens = dplyr::n(),
altura_media = mean(
altura_atual_m, na.rm = TRUE
),
emergencia = sum(
nivel_de_emergencia != "Sem emergência",
na.rm = TRUE
),
dano_alto = sum(
dano_potencial_associado == "Alto",
na.rm = TRUE
),
volume = sum(
volume_atual_m3,
na.rm = TRUE
)
)- Criar uma função para gerar um gráfico:
gera_grafico <- function(coluna, titulo) {
br_estados |>
dplyr::left_join(
sigbm_summ, c("abbrev_state" = "uf")
) |>
sf::st_simplify(dTolerance = 5000) |>
ggplot2::ggplot() +
# alternativa:
# ggplot2::aes(fill = {{coluna}}) +
ggplot2::aes(fill = .data[[coluna]]) +
ggplot2::geom_sf() +
ggplot2::scale_fill_viridis_c() +
ggplot2::labs(
title = titulo
) +
theme_light()
}- Experimentando a função para uma variável:
gera_grafico("dano_alto", "Dano alto!")
- Iterando para várias variáveis e combinando em um gráfico:
lista <- list(
"Dano alto!" = "dano_alto",
"Emergência!!" = "emergencia",
"Altura média!!" = "altura_media",
"Volume!!" = "volume"
)
lista_graficos <- purrr::imap(lista, gera_grafico)
patchwork::wrap_plots(
lista_graficos,
ncol = 2
)
Dúvida da Laila
- Pacote para buscar a delimitação dos paÃses
library("rnaturalearth")
library("rnaturalearthdata")
world <- ne_countries(scale = "medium", returnclass = "sf")
class(world)## [1] "sf" "data.frame"ggplot(data = world) +
geom_sf()