Introdução ao uso de dados geoespaciais no R

# Introdução ao uso de dados geoespaciais no R 
## 8 Estrutura e manipulação de dados matriciais
### Maurício H. Vancine Milton C. Ribeiro
### UNESP - Rio Claro Laboratório de Ecologia Espacial e Conservação (LEEC)
### 25/10/2021-05/11/2021

---

---

background-image: url(img/r_spatial.jpeg)
background-size: 350px
background-position: 80% 65%

# 8 Estrutura e manejo de dados raster

## Tópicos

1. Principais pacotes
1. Classes raster
1. Importar dados matriciais
1. Descrição de objetos raster
1. Converter CRS de objetos raster
1. Operações de objetos raster
1. Interações raster-vetor
1. Conversões raster-vetor
1. Índices espectrais
1. Exportar objetos raster

---

# 8 Estrutura e manejo de dados raster

## Script

## .center[`08_script_intro_geoespacial_r.R`]

---

background-image: url(img/geo_raster_package.png)
background-size: 650px
background-position: 50% 75%

# 1. Principais pacotes

## Pacote raster

```r
# raster
install.packages("raster")
library(raster)
```

[The raster package](https://rspatial.org/raster/pkg/)

---

background-image: url(img/geo_terra_package.png)
background-size: 650px
background-position: 50% 75%

# 1. Principais pacotes

## Pacote terra

```r
# raster
install.packages("terra")
library(terra)
```

[The terra package](https://rspatial.org/terra/pkg/)

---

background-image: url(img/geo_raster_stars.png)
background-size: 500px
background-position: 50% 70%

# 1. Principais pacotes

## Pacote stars

```r
# raster
install.packages("stars")
library(stars)
```

[stars](https://r-spatial.github.io/stars/)

---

# Qual usar?

---

background-image: url(img/raster_convertion.png)
background-size: 500px
background-position: 50% 50%

# 1. Principais pacotes

## Conversões

[Nowosad (2021)](https://geocompr.github.io/post/2021/spatial-classes-conversion/)

---

background-image: url(img/geo_raster.png)
background-size: 500px
background-position: 50% 80%

# 2. Classes raster

## Raster ou Gride ou Dado Matricial (matriz)

[National Ecological Observatory Network (NEON)](https://www.neonscience.org/resources/learning-hub/tutorials/dc-raster-data-r)

---

background-image: url(img/geo_raster_cont_cat.png)
background-size: 700px
background-position: 50% 60%

# 2. Classes raster

## Tipos de dados: contínuos ou categóricos

[Lovelace et al. (2020)](https://geocompr.robinlovelace.net/)

---

background-image: url(img/geo_raster_plot.png)
background-size: 800px
background-position: 50% 70%

# 2. Classes raster

## Valores

[Lovelace et al. (2020)](https://geocompr.robinlovelace.net/)

---

background-image: url(img/geo_raster_single_multi_raster.png)
background-size: 800px
background-position: 50% 60%

# 2. Classes raster

## RasterLayer, RasterStack ou RasterBrick

[National Ecological Observatory Network (NEON)](https://www.neonscience.org/resources/learning-hub/tutorials/dc-raster-data-r)

---

background-image: url(img/geo_raster_single_raster.png)
background-size: 400px
background-position: 50% 60%

# 2. Classes raster

## RasterLayer

### A classe **RasterLayer** representa apenas uma camada raster

[National Ecological Observatory Network (NEON)](https://www.neonscience.org/resources/learning-hub/tutorials/dc-raster-data-r)

---

# 2. Classes raster

## RasterLayer

### A classe **RasterLayer** representa apenas uma camada raster

```r
# volcano
volcano
```

```
##       [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13]
##  [1,]  100  100  101  101  101  101  101  100  100   100   101   101   102
##  [2,]  101  101  102  102  102  102  102  101  101   101   102   102   103
##  [3,]  102  102  103  103  103  103  103  102  102   102   103   103   104
##  [4,]  103  103  104  104  104  104  104  103  103   103   103   104   104
##  [5,]  104  104  105  105  105  105  105  104  104   103   104   104   105
##  [6,]  105  105  105  106  106  106  106  105  105   104   104   105   105
##  [7,]  105  106  106  107  107  107  107  106  106   105   105   106   106
##  [8,]  106  107  107  108  108  108  108  107  107   106   106   107   108
##  [9,]  107  108  108  109  109  109  109  108  108   107   108   108   110
## [10,]  108  109  109  110  110  110  110  109  109   108   110   110   113
## [11,]  109  110  110  111  111  111  111  110  110   110   112   114   118
## [12,]  110  110  111  113  112  111  113  112  112   114   116   119   121
## [13,]  110  111  113  115  114  113  114  114  115   117   119   121   124
## [14,]  111  113  115  117  116  115  116  117  117   119   121   124   126
## [15,]  114  115  117  117  117  118  119  119  120   121   124   126   128
## [16,]  116  118  118  118  120  121  121  122  122   123   125   128   130
## [17,]  118  120  120  121  122  123  124  124  125   126   127   129   132
## [18,]  120  121  122  123  124  125  126  127  127   128   130   132   134
## [19,]  120  122  125  126  126  127  128  129  130   130   132   134   136
## [20,]  121  124  126  128  129  129  130  131  132   133   135   137   139
## [21,]  122  125  127  130  130  131  133  134  135   136   137   140   143
## [22,]  122  125  128  130  132  133  135  136  137   139   140   143   147
## [23,]  123  126  129  131  133  135  137  138  139   141   143   147   150
## [24,]  124  127  130  132  135  137  138  140  142   144   147   149   154
## [25,]  123  128  131  133  136  138  140  142  144   146   149   151   154
## [26,]  123  127  131  134  136  138  140  142  144   147   149   151   154
## [27,]  120  124  128  131  134  137  139  142  144   146   149   151   153
## [28,]  118  121  125  129  132  134  137  140  142   145   147   149   151
## [29,]  117  120  121  125  129  132  135  138  140   143   145   147   149
## [30,]  115  118  120  122  126  130  133  136  138   141   143   145   148
## [31,]  114  116  118  120  122  127  131  133  136   138   141   143   146
## [32,]  115  114  116  118  120  122  127  129  132   136   139   141   143
## [33,]  113  113  114  116  118  120  122  125  129   133   136   138   141
## [34,]  111  112  113  114  116  118  120  122  126   130   133   136   139
## [35,]  110  112  113  113  114  116  118  120  123   127   131   134   137
## [36,]  109  110  111  112  114  116  118  119  120   124   128   131   136
## [37,]  108  109  111  112  114  116  117  118  120   121   125   128   132
## [38,]  108  109  111  113  114  116  117  118  119   120   122   126   130
## [39,]  107  108  111  112  114  115  116  117  119   120   121   124   128
## [40,]  107  108  110  112  113  113  115  116  118   120   122   125   128
## [41,]  107  108  109  111  113  114  116  117  119   120   122   125   128
## [42,]  108  109  110  112  114  115  116  117  119   120   122   126   129
## [43,]  109  110  111  113  115  116  117  118  120   121   123   126   129
## [44,]  110  111  112  113  116  117  118  119  120   122   125   127   130
## [45,]  111  112  113  114  116  117  118  119  120   123   125   128   130
## [46,]  111  112  113  115  117  118  118  120  121   124   126   128   131
## [47,]  112  113  114  116  117  118  119  120  122   124   127   129   132
## [48,]  113  114  115  116  117  119  119  120  122   125   127   129   132
## [49,]  113  114  115  117  118  119  120  121  123   125   127   130   132
## [50,]  114  115  116  117  118  119  120  121  123   126   128   130   133
## [51,]  115  116  117  118  119  120  121  121  123   126   128   131   134
## [52,]  115  116  117  118  119  120  121  122  123   125   128   131   134
## [53,]  114  115  116  116  118  119  120  121  122   126   129   132   135
## [54,]  113  114  115  116  117  118  119  120  123   126   129   132   135
## [55,]  112  113  114  115  116  117  119  120  122   126   130   133   136
## [56,]  111  112  114  115  116  117  118  120  122   125   131   134   137
## [57,]  111  112  113  115  115  116  117  119  121   126   131   135   138
## [58,]  112  113  113  114  115  116  117  119  122   127   132   135   139
## [59,]  112  113  114  114  116  117  118  120  122   128   132   136   139
## [60,]  112  114  114  115  116  117  119  120  122   128   133   136   140
## [61,]  113  114  115  116  116  117  118  120  123   129   133   137   140
## [62,]  114  115  115  116  117  118  118  120  123   129   133   137   140
## [63,]  114  115  116  117  117  119  118  120  123   128   132   136   139
## [64,]  115  116  116  117  118  119  119  120  124   128   132   136   139
## [65,]  115  116  117  118  118  119  120  123  125   128   131   135   138
## [66,]  116  117  118  118  119  120  122  123  125   128   131   134   137
## [67,]  116  117  118  119  120  121  123  124  126   128   130   133   137
## [68,]  117  118  119  119  120  121  123  124  126   128   129   131   135
## [69,]  117  118  119  120  120  121  123  124  125   126   128   129   132
## [70,]  116  117  118  120  120  121  122  123  124   125   126   128   130
## [71,]  114  115  116  117  119  119  120  121  122   123   125   127   129
## [72,]  112  113  114  115  116  116  117  119  120   122   124   126   127
## [73,]  109  111  112  112  113  113  113  114  116   119   121   123   124
## [74,]  106  107  108  108  109  110  110  112  113   114   117   119   120
## [75,]  104  105  105  106  106  107  108  108  109   109   111   115   116
## [76,]  102  103  103  104  104  105  106  106  107   108   109   111   112
## [77,]  101  102  103  103  104  105  105  106  106   107   108   109   109
## [78,]  100  101  102  102  103  103  104  104  105   106   106   107   106
## [79,]  100  101  101  102  102  103  103  104  104   105   105   105   105
## [80,]   99  100  101  102  102  103  103  103  104   104   104   104   103
## [81,]   99  100  100  101  101  102  102  102  103   103   103   103   102
## [82,]   99  100  100  100  101  101  101  102  102   103   102   102   101
## [83,]   99   99   99   99  100  100  101  101  102   102   101   101   101
## [84,]   98   99   99   99   99  100  100  101  101   102   101   100   100
## [85,]   98   98   98   99   99   99  100  100  101   101   100   100    99
## [86,]   97   98   98   98   99   99   99  100  100   100   100   100    99
## [87,]   97   97   97   98   98   99   99   99  100   100   100    99    99
##       [,14] [,15] [,16] [,17] [,18] [,19] [,20] [,21] [,22] [,23] [,24] [,25]
##  [1,]   102   102   102   103   104   103   102   101   101   102   103   104
##  [2,]   103   103   103   104   105   104   103   102   102   103   105   106
##  [3,]   104   104   104   105   106   105   104   104   105   106   107   108
##  [4,]   104   105   105   106   107   106   106   106   107   108   110   111
##  [5,]   105   105   106   107   108   108   108   109   110   112   114   115
##  [6,]   106   106   107   109   110   110   112   113   115   116   118   119
##  [7,]   107   108   109   111   113   114   116   118   120   121   122   123
##  [8,]   108   110   113   115   117   118   120   122   124   125   127   128
##  [9,]   111   113   116   118   120   123   125   127   129   130   132   134
## [10,]   116   118   120   122   125   127   129   133   136   138   140   141
## [11,]   121   123   125   127   129   133   137   141   143   145   146   148
## [12,]   124   127   129   133   138   143   146   149   149   151   153   154
## [13,]   126   129   133   140   145   150   154   155   155   157   159   161
## [14,]   128   132   137   143   151   156   161   161   162   163   165   166
## [15,]   131   137   143   150   156   160   163   165   168   170   171   172
## [16,]   134   141   147   152   156   160   165   168   170   174   176   179
## [17,]   135   142   149   153   157   161   166   170   174   178   180   182
## [18,]   137   142   151   155   158   162   169   172   176   181   183   184
## [19,]   139   145   152   157   160   167   172   175   178   181   185   186
## [20,]   143   150   154   159   164   170   173   176   179   184   186   189
## [21,]   147   154   158   162   166   171   174   177   181   186   189   190
## [22,]   152   157   161   164   168   172   175   179   182   186   190   190
## [23,]   156   161   164   167   170   173   177   181   184   187   188   190
## [24,]   157   161   165   168   171   175   178   181   184   186   187   187
## [25,]   157   160   164   168   172   175   178   181   183   184   184   185
## [26,]   157   160   164   168   171   174   178   180   181   181   182   183
## [27,]   156   160   163   167   171   174   178   180   180   180   180   180
## [28,]   155   159   163   166   169   173   177   179   180   180   180   180
## [29,]   153   157   160   163   166   171   174   177   179   180   180   180
## [30,]   151   154   157   160   163   168   171   174   177   179   179   179
## [31,]   148   151   154   157   160   164   168   171   174   178   178   179
## [32,]   146   148   151   153   156   160   164   167   172   174   176   177
## [33,]   143   146   149   150   153   156   160   165   170   173   176   176
## [34,]   142   145   147   148   151   155   158   163   168   173   176   177
## [35,]   141   143   145   148   150   154   157   161   166   171   176   178
## [36,]   140   142   145   147   150   153   157   160   165   170   174   178
## [37,]   138   142   144   147   149   153   156   160   164   170   174   178
## [38,]   135   139   143   147   149   152   156   160   164   169   173   177
## [39,]   133   137   141   145   149   152   156   160   164   168   172   176
## [40,]   132   136   140   145   148   150   155   160   164   167   170   174
## [41,]   132   137   141   144   146   149   152   157   162   166   168   171
## [42,]   133   137   141   143   146   148   151   155   160   164   167   168
## [43,]   133   138   141   143   146   148   150   155   159   163   165   166
## [44,]   133   138   141   143   146   148   150   154   159   162   163   164
## [45,]   134   139   141   144   146   148   151   154   158   161   164   166
## [46,]   135   139   142   144   146   148   151   155   160   164   165   168
## [47,]   135   139   142   144   146   149   152   157   162   167   169   170
## [48,]   135   139   142   144   147   149   154   159   164   169   170   170
## [49,]   135   139   142   145   148   150   156   161   166   170   170   170
## [50,]   136   139   142   145   148   152   157   161   166   168   170   170
## [51,]   136   139   142   145   149   152   157   161   163   164   166   168
## [52,]   137   139   142   145   149   152   156   159   159   160   162   162
## [53,]   137   140   143   146   149   152   155   156   157   158   159   159
## [54,]   138   140   143   146   148   151   153   154   156   157   157   157
## [55,]   138   141   143   146   148   150   152   154   155   155   155   155
## [56,]   139   142   144   146   148   150   152   153   153   153   153   153
## [57,]   140   142   144   146   148   150   151   151   151   151   151   151
## [58,]   141   143   145   147   149   150   150   150   150   150   150   150
## [59,]   141   144   146   147   149   150   150   150   150   150   150   150
## [60,]   142   144   146   148   150   150   150   150   150   150   150   150
## [61,]   142   144   146   149   150   150   150   150   150   150   150   150
## [62,]   143   145   147   150   150   150   150   150   150   150   150   150
## [63,]   142   145   148   150   150   150   150   150   150   150   150   150
## [64,]   142   145   148   150   150   150   150   150   150   150   150   150
## [65,]   141   145   148   150   150   150   150   150   150   150   150   150
## [66,]   141   145   148   149   150   150   150   150   150   150   150   148
## [67,]   140   144   145   147   148   149   150   149   149   147   146   144
## [68,]   139   142   143   145   146   147   147   147   146   144   142   140
## [69,]   137   140   142   143   143   144   144   144   143   141   139   137
## [70,]   134   139   140   141   141   141   141   141   140   138   136   134
## [71,]   133   136   134   134   136   138   138   137   137   135   133   132
## [72,]   129   129   128   127   129   132   133   133   133   133   131   129
## [73,]   125   124   123   123   123   125   127   129   129   128   128   127
## [74,]   121   119   117   117   117   118   120   123   124   125   125   125
## [75,]   114   113   112   111   110   111   113   116   119   122   122   122
## [76,]   110   109   108   108   108   108   109   110   112   116   117   117
## [77,]   107   106   106   105   105   105   106   107   108   109   110   111
## [78,]   106   106   105   105   104   103   103   104   105   107   108   110
## [79,]   106   105   105   104   103   102   101   102   103   104   106   107
## [80,]   104   104   104   104   102   101   101   102   103   104   105   107
## [81,]   103   103   104   103   102   101   101   101   102   103   104   106
## [82,]   102   102   103   103   101   101   100   101   101   102   103   105
## [83,]   101   101   102   102   101   100   100   101   101   101   103   104
## [84,]   100   101   101   101   100   100   100   100   101   101   101   103
## [85,]    99   100   100   100   100   100   100   100   101   101   101   102
## [86,]    99    99   100   100   100   100   100   100   100   101   101   101
## [87,]    99    99    99   100   100   100   100   100   100   101   101   100
##       [,26] [,27] [,28] [,29] [,30] [,31] [,32] [,33] [,34] [,35] [,36] [,37]
##  [1,]   104   105   107   107   107   108   108   110   110   110   110   110
##  [2,]   106   107   109   110   110   110   110   111   112   113   114   116
##  [3,]   110   111   113   114   115   114   115   116   118   119   119   121
##  [4,]   114   117   118   117   119   120   121   122   124   125   126   127
##  [5,]   118   121   122   121   123   128   131   129   130   131   131   132
##  [6,]   121   124   126   126   129   134   137   137   136   136   135   136
##  [7,]   125   127   129   130   135   140   142   142   142   141   140   140
##  [8,]   129   131   134   135   141   146   147   146   146   145   144   144
##  [9,]   135   137   139   142   146   152   152   151   151   150   149   148
## [10,]   142   148   150   151   156   158   159   158   157   158   158   154
## [11,]   150   154   156   159   161   162   163   164   163   164   164   160
## [12,]   157   159   160   163   165   166   167   168   168   168   168   166
## [13,]   162   164   165   167   168   169   170   172   174   172   172   171
## [14,]   167   168   170   171   173   175   177   179   178   177   176   176
## [15,]   173   174   175   177   179   180   182   183   183   183   183   180
## [16,]   180   181   181   182   182   183   184   186   187   187   184   184
## [17,]   183   184   184   185   186   186   187   189   189   189   189   189
## [18,]   186   187   188   189   189   189   189   190   190   191   190   190
## [19,]   188   190   191   192   193   193   192   192   191   192   191   191
## [20,]   190   191   192   193   194   195   194   193   192   191   191   191
## [21,]   190   191   192   191   191   190   189   188   189   190   190   191
## [22,]   190   190   189   187   184   184   183   182   182   183   183   183
## [23,]   189   187   185   183   179   176   174   174   174   174   174   176
## [24,]   184   184   181   179   175   171   169   168   168   168   169   170
## [25,]   183   180   177   174   170   167   165   164   164   164   165   166
## [26,]   181   178   173   169   166   163   161   161   160   160   161   163
## [27,]   180   175   171   167   162   160   158   157   157   157   158   159
## [28,]   179   174   169   166   161   158   156   154   153   153   154   156
## [29,]   179   172   168   164   160   157   154   151   149   150   150   154
## [30,]   176   171   167   164   160   156   153   149   148   149   151   155
## [31,]   177   173   169   165   161   157   154   151   149   150   152   155
## [32,]   176   173   170   166   162   159   157   154   153   154   155   158
## [33,]   176   173   172   169   165   163   160   158   157   158   159   161
## [34,]   177   176   174   171   169   166   164   161   161   162   164   165
## [35,]   178   178   176   174   172   170   167   167   167   166   168   170
## [36,]   179   179   178   178   176   174   171   170   170   170   168   167
## [37,]   180   180   179   179   178   176   172   170   170   170   168   166
## [38,]   180   180   180   180   179   178   174   170   170   168   167   165
## [39,]   179   180   180   180   179   178   174   170   168   166   165   163
## [40,]   177   179   179   178   176   176   173   169   166   164   163   161
## [41,]   173   175   175   173   172   172   171   168   165   162   160   158
## [42,]   169   170   170   169   168   167   168   166   163   160   158   155
## [43,]   167   168   168   166   165   164   161   160   159   158   155   152
## [44,]   166   166   166   165   163   161   159   157   156   155   153   150
## [45,]   167   168   166   165   163   161   158   156   154   152   150   146
## [46,]   169   169   168   166   163   160   158   156   153   151   148   145
## [47,]   170   170   168   165   163   161   159   157   155   151   148   145
## [48,]   170   170   170   168   165   163   161   158   155   151   148   145
## [49,]   170   170   170   169   166   163   161   159   155   151   148   146
## [50,]   170   170   168   166   164   163   160   159   155   151   148   146
## [51,]   167   166   164   163   161   160   158   156   152   149   147   144
## [52,]   161   161   160   159   158   157   155   153   150   148   146   145
## [53,]   159   158   158   157   155   153   151   150   149   147   146   145
## [54,]   157   156   155   154   152   150   149   148   147   146   145   144
## [55,]   155   154   152   152   150   148   147   146   145   145   143   142
## [56,]   153   153   151   149   147   146   144   144   143   143   142   141
## [57,]   151   151   150   148   146   144   142   141   141   142   141   140
## [58,]   150   150   149   147   144   142   141   140   140   140   140   140
## [59,]   150   150   149   146   143   141   140   140   139   139   139   140
## [60,]   150   150   148   145   142   140   138   138   138   137   138   140
## [61,]   150   150   147   143   141   139   137   136   136   135   136   138
## [62,]   150   148   145   142   139   138   136   135   134   134   134   136
## [63,]   150   147   144   141   139   136   135   134   133   132   132   134
## [64,]   149   146   143   140   138   135   134   133   131   131   131   131
## [65,]   147   145   142   139   137   134   132   131   130   129   128   128
## [66,]   145   143   141   138   135   133   130   129   128   127   126   125
## [67,]   141   139   136   133   131   129   128   127   126   125   124   123
## [68,]   138   135   133   130   128   127   126   125   124   123   122   121
## [69,]   135   133   130   128   127   126   125   123   122   121   120   119
## [70,]   133   131   129   127   125   124   123   122   120   119   118   117
## [71,]   130   129   127   125   124   122   121   120   119   117   116   115
## [72,]   127   126   125   124   122   121   119   118   117   116   114   113
## [73,]   125   124   123   122   121   119   118   117   116   114   113   112
## [74,]   123   121   120   120   119   118   117   116   115   114   113   111
## [75,]   121   120   119   118   118   117   116   115   114   113   112   111
## [76,]   118   118   118   117   116   116   115   114   113   112   111   110
## [77,]   113   114   115   115   115   114   113   112   111   110   108   108
## [78,]   111   111   112   112   113   113   112   111   110   108   107   106
## [79,]   110   111   111   111   112   112   112   110   107   107   106   105
## [80,]   110   111   111   111   111   111   111   108   106   105   105   102
## [81,]   109   110   111   111   111   110   110   107   105   103   104   100
## [82,]   109   110   110   111   110   110   109   106   105   100   102   100
## [83,]   107   109   109   110   110   109   108   105   102   100   100    99
## [84,]   106   107   109   109   109   109   107   104   101   100    99    99
## [85,]   105   106   109   108   109   107   105   102   100   100    99    99
## [86,]   103   104   105   106   105   104   101   100   100    99    99    98
## [87,]   100   100   100   100   100   100   100   100   100    99    99    98
##       [,38] [,39] [,40] [,41] [,42] [,43] [,44] [,45] [,46] [,47] [,48] [,49]
##  [1,]   110   110   110   108   108   108   107   107   108   108   108   108
##  [2,]   115   114   112   110   110   110   109   108   109   109   109   109
##  [3,]   121   120   118   116   114   112   111   110   110   110   110   109
##  [4,]   127   126   124   122   120   117   116   113   111   110   110   110
##  [5,]   132   131   130   128   126   122   119   115   114   112   110   110
##  [6,]   136   136   135   133   129   126   122   118   116   115   113   111
##  [7,]   140   140   139   137   134   129   125   121   118   116   114   112
##  [8,]   144   143   142   141   139   135   130   126   122   118   116   114
##  [9,]   148   146   145   143   142   139   135   131   127   122   119   117
## [10,]   151   149   148   146   144   141   137   134   130   125   122   120
## [11,]   157   154   151   149   146   144   140   137   133   129   126   124
## [12,]   162   159   157   154   152   149   144   140   136   133   131   128
## [13,]   169   166   163   161   158   153   148   143   140   137   134   131
## [14,]   174   171   169   165   161   156   152   148   144   140   138   135
## [15,]   178   177   172   168   164   160   156   152   148   144   141   138
## [16,]   181   180   176   172   168   165   161   157   153   149   145   142
## [17,]   186   182   179   175   171   168   165   162   157   152   149   145
## [18,]   188   186   183   180   175   171   168   165   161   157   152   149
## [19,]   190   190   187   184   181   177   172   169   165   161   156   152
## [20,]   191   190   190   188   184   181   177   173   169   165   160   155
## [21,]   190   190   190   189   186   184   181   177   173   169   164   158
## [22,]   184   185   186   187   186   185   184   181   177   173   169   163
## [23,]   177   179   180   182   183   182   181   181   180   176   171   166
## [24,]   172   174   177   178   179   180   181   181   180   179   174   167
## [25,]   168   171   175   176   178   180   181   180   180   179   177   170
## [26,]   165   168   173   176   178   179   180   181   180   180   175   173
## [27,]   162   166   170   175   177   178   180   181   181   180   178   175
## [28,]   159   163   169   173   175   178   180   181   180   180   179   175
## [29,]   158   164   169   174   178   180   180   180   180   178   177   175
## [30,]   158   163   170   173   177   179   180   180   180   178   175   173
## [31,]   159   166   171   175   177   179   180   180   179   176   174   171
## [32,]   161   169   172   174   176   178   178   178   178   175   172   169
## [33,]   166   170   170   173   175   176   178   176   173   171   168   164
## [34,]   167   170   170   171   173   173   173   170   168   165   163   160
## [35,]   169   168   167   168   168   168   168   167   165   163   160   156
## [36,]   166   164   163   161   162   163   163   163   161   160   157   153
## [37,]   164   162   160   157   156   157   158   158   156   153   151   149
## [38,]   163   161   157   154   153   152   152   152   149   148   147   144
## [39,]   161   158   154   150   149   148   146   145   143   143   143   140
## [40,]   159   155   152   148   145   143   141   140   139   139   138   136
## [41,]   156   153   149   145   142   139   138   137   136   135   133   131
## [42,]   153   150   147   143   140   137   136   134   133   132   130   129
## [43,]   149   147   144   141   138   135   134   132   130   129   128   126
## [44,]   146   143   140   138   136   133   132   130   129   128   125   124
## [45,]   142   139   137   135   133   131   130   129   128   127   125   123
## [46,]   142   139   137   135   132   130   129   127   126   125   124   123
## [47,]   141   139   136   134   132   130   128   127   126   124   123   122
## [48,]   142   139   137   135   132   131   128   126   125   124   122   121
## [49,]   143   140   138   135   134   132   130   127   125   123   121   120
## [50,]   143   141   138   136   134   132   130   128   125   123   121   120
## [51,]   143   141   139   136   134   132   130   128   125   122   120   120
## [52,]   143   142   140   137   134   131   129   126   124   122   120   119
## [53,]   144   142   141   138   135   132   128   125   122   120   118   117
## [54,]   142   141   140   139   136   132   129   125   121   118   116   115
## [55,]   141   140   140   140   137   133   129   125   120   117   115   111
## [56,]   140   140   140   140   138   134   130   123   120   118   111   110
## [57,]   140   140   140   140   140   136   132   126   120   115   110   110
## [58,]   140   140   140   140   140   137   133   128   120   117   110   110
## [59,]   140   140   140   140   140   137   133   129   121   118   110   110
## [60,]   140   140   140   140   140   137   134   130   122   118   110   110
## [61,]   140   140   140   140   139   136   134   130   123   119   113   109
## [62,]   138   137   138   139   137   134   132   125   122   117   114   109
## [63,]   134   134   134   135   133   131   128   124   120   116   113   110
## [64,]   131   131   131   130   127   124   122   119   117   115   112   109
## [65,]   128   128   128   126   123   121   119   116   114   112   110   108
## [66,]   125   125   124   123   120   118   116   114   111   109   107   106
## [67,]   123   122   121   120   118   116   114   112   108   107   105   103
## [68,]   120   119   118   117   115   114   112   110   106   105   102   101
## [69,]   117   116   115   114   112   111   108   107   105   100   100   100
## [70,]   116   114   112   111   108   109   106   106   100   100   100   100
## [71,]   114   112   110   109   108   107   105   105   100   100   100   100
## [72,]   112   110   109   108   106   106   105   100   100   100    98    98
## [73,]   110   109   108   107   106   105   100   100   100    97    97    97
## [74,]   109   109   107   106   105   100   100   100    96    96    96    96
## [75,]   108   108   106   105   100   100   100    96    96    96    96    96
## [76,]   107   107   105   100   100   100    97    96    96    96    96    96
## [77,]   106   105   100   100   100    97    97    96    96    96    96    96
## [78,]   105   100   100   100    98    97    97    96    96    96    96    96
## [79,]   102   100   100    99    98    97    97    96    96    96    96    96
## [80,]   101   100    99    99    98    97    97    96    96    96    96    96
## [81,]   100    99    99    98    98    97    97    96    96    96    96    96
## [82,]    99    99    99    98    98    97    97    96    96    96    96    96
## [83,]    99    99    98    98    98    97    96    96    96    96    96    95
## [84,]    99    98    98    98    97    96    96    96    96    95    95    95
## [85,]    98    98    98    97    96    96    96    96    95    95    95    95
## [86,]    98    97    97    97    96    96    96    95    95    95    95    95
## [87,]    97    97    97    96    96    96    95    95    95    95    94    94
##       [,50] [,51] [,52] [,53] [,54] [,55] [,56] [,57] [,58] [,59] [,60] [,61]
##  [1,]   108   107   107   107   107   106   106   105   105   104   104   103
##  [2,]   108   108   108   108   107   107   106   106   105   105   104   104
##  [3,]   109   109   109   108   108   107   107   106   106   105   105   104
##  [4,]   109   109   109   109   108   108   107   107   106   106   105   105
##  [5,]   110   110   110   109   109   108   107   107   107   106   106   105
##  [6,]   110   110   110   110   109   108   108   108   107   107   106   106
##  [7,]   110   110   110   111   110   109   109   108   108   107   107   106
##  [8,]   112   112   113   112   110   110   109   109   108   108   107   106
##  [9,]   115   115   115   114   112   110   110   109   109   108   107   107
## [10,]   118   117   117   115   113   111   110   110   109   108   107   107
## [11,]   121   119   118   116   114   112   111   110   109   108   107   106
## [12,]   125   122   119   117   115   113   111   110   109   108   107   106
## [13,]   128   125   120   118   116   114   112   110   109   108   107   105
## [14,]   131   127   123   119   117   115   113   111   110   108   106   105
## [15,]   134   130   126   121   117   114   112   110   110   108   106   104
## [16,]   138   133   129   125   120   115   111   110   110   108   106   104
## [17,]   141   137   131   125   120   116   111   110   110   108   106   104
## [18,]   145   141   134   127   121   116   112   110   110   108   106   104
## [19,]   147   143   139   131   123   119   115   111   110   108   106   105
## [20,]   149   145   142   136   129   123   118   114   110   108   108   107
## [21,]   152   148   144   140   134   125   118   115   111   110   108   107
## [22,]   157   149   145   141   136   130   119   116   112   110   108   106
## [23,]   160   152   147   142   138   133   126   121   115   110   106   105
## [24,]   161   155   148   144   139   134   128   121   115   110   106   105
## [25,]   163   157   150   144   139   134   128   121   115   110   108   107
## [26,]   166   159   152   145   139   134   127   121   115   110   109   108
## [27,]   169   160   154   148   140   134   128   121   115   110   110   109
## [28,]   170   160   154   149   142   135   128   122   116   111   110   110
## [29,]   170   161   153   148   142   135   129   123   116   113   112   110
## [30,]   171   162   154   147   141   136   130   124   117   115   112   110
## [31,]   168   159   151   146   141   135   129   124   119   116   113   110
## [32,]   162   156   149   144   140   134   128   123   118   115   112   110
## [33,]   158   153   146   140   137   132   127   121   117   113   111   110
## [34,]   155   149   143   138   134   130   125   119   116   112   110   109
## [35,]   152   146   140   136   131   128   122   118   114   110   110   109
## [36,]   148   142   136   130   127   124   120   117   113   110   110   109
## [37,]   144   139   130   127   124   121   118   115   112   110   110   109
## [38,]   140   134   128   125   122   119   117   114   110   110   109   109
## [39,]   136   130   126   123   120   118   115   112   110   110   109   109
## [40,]   132   128   124   121   118   116   114   111   110   110   109   108
## [41,]   129   126   122   119   117   114   112   110   110   109   108   107
## [42,]   127   125   121   118   115   112   110   110   110   108   107   107
## [43,]   124   122   120   117   113   111   110   110   110   108   107   107
## [44,]   122   120   119   117   114   111   110   110   109   108   107   107
## [45,]   121   120   118   116   113   111   110   110   109   108   107   106
## [46,]   120   120   117   116   114   112   110   110   108   107   106   106
## [47,]   120   119   117   116   114   112   111   109   107   106   106   105
## [48,]   120   119   117   115   113   111   110   109   106   105   105   104
## [49,]   120   119   116   114   112   110   110   108   106   105   104   104
## [50,]   120   118   116   113   111   110   110   109   106   105   104   104
## [51,]   119   117   115   113   110   110   109   107   106   105   104   104
## [52,]   117   115   113   111   110   109   109   107   106   105   104   104
## [53,]   115   113   112   110   109   108   108   106   105   105   104   104
## [54,]   113   111   110   109   108   108   107   106   105   104   104   104
## [55,]   110   110   109   108   107   107   106   105   105   104   104   103
## [56,]   110   110   108   107   106   108   105   105   104   104   103   103
## [57,]   110   109   107   106   105   107   105   104   104   104   103   103
## [58,]   110   108   106   105   105   106   105   104   104   103   103   103
## [59,]   109   107   106   105   105   105   104   104   103   103   103   102
## [60,]   108   106   105   103   104   104   104   104   103   103   102   102
## [61,]   108   106   104   103   104   104   104   103   103   102   102   101
## [62,]   107   105   103   102   104   104   103   103   102   102   101   101
## [63,]   107   104   102   102   103   103   103   102   102   102   101   100
## [64,]   106   104   101   102   103   103   102   102   102   101   100   100
## [65,]   105   103   101   103   103   103   102   102   101   100   100   100
## [66,]   104   102   100   101   101   102   102   101   100   100   100   100
## [67,]   102   100   100   100   100   101   101   100   100   100   100   100
## [68,]   100   100   100   100   100   100   100   100    99    99    99    99
## [69,]   100   100   100   100    99    99    99    99    99    99    99    98
## [70,]   100    99    99    99    99    99    99    99    98    98    98    97
## [71,]    99    99    99    98    98    98    98    98    97    97    97    97
## [72,]    98    98    98    98    97    97    97    97    97    97    97    96
## [73,]    97    97    97    97    96    96    96    96    96    96    96    96
## [74,]    96    96    96    96    96    96    96    96    96    96    96    96
## [75,]    96    96    96    96    96    96    96    96    96    96    96    96
## [76,]    96    96    96    96    96    96    96    96    96    96    96    96
## [77,]    96    96    96    96    96    96    96    96    96    96    96    96
## [78,]    96    96    96    96    96    96    96    96    96    96    96    96
## [79,]    96    96    96    96    96    96    96    96    96    96    96    95
## [80,]    96    96    96    96    96    96    96    96    96    96    95    95
## [81,]    96    96    96    96    96    95    95    95    95    95    95    95
## [82,]    96    95    95    95    95    95    95    95    95    95    95    94
## [83,]    95    95    95    95    95    95    94    94    94    94    94    94
## [84,]    95    95    95    95    94    94    94    94    94    94    94    94
## [85,]    95    95    94    94    94    94    94    94    94    94    94    94
## [86,]    94    94    94    94    94    94    94    94    94    94    94    94
## [87,]    94    94    94    94    94    94    94    94    94    94    94    94
```

---

# 2. Classes raster

## RasterLayer

### A classe **RasterLayer** representa apenas uma camada raster

```r
# raster layer
ra_layer <- raster::raster(volcano)
ra_layer
```

```
## class      : RasterLayer 
## dimensions : 87, 61, 5307  (nrow, ncol, ncell)
## resolution : 0.01639344, 0.01149425  (x, y)
## extent     : 0, 1, 0, 1  (xmin, xmax, ymin, ymax)
## crs        : NA 
## source     : memory
## names      : layer 
## values     : 94, 195  (min, max)
```

---

# 2. Classes raster

## RasterLayer

### A classe **RasterLayer** representa apenas uma camada raster

```r
# plot
plot(ra_layer)
```

---

# 2. Classes raster

## RasterLayer

### A classe **RasterLayer** representa apenas uma camada raster

```r
# plot
plot(ra_layer, col = viridis::viridis(10))
```

---

# 2. Classes raster

## RasterLayer

### A classe **RasterLayer** representa apenas uma camada raster

```r
# plot
plot(ra_layer, col = viridis::viridis(100))
```

---

background-image: url(img/geo_raster_multi_raster.png)
background-size: 400px
background-position: 50% 90%

# 2. Classes raster

## RasterStack

### A classe **RasterStack** é uma lista de **RasterLayer** com extensão e resolução iguais

[National Ecological Observatory Network (NEON)](https://www.neonscience.org/resources/learning-hub/tutorials/dc-raster-data-r)

---

# 2. Classes raster

## RasterStack

```r
# raster stack
ra_layer1 <- ra_layer
ra_layer2 <- ra_layer * ra_layer
ra_layer3 <- sqrt(ra_layer)
ra_layer4 <- log10(ra_layer)

ra_stack <- raster::stack(ra_layer1, 
 ra_layer2, 
 ra_layer3, 
 ra_layer4)
ra_stack
```

```
## class      : RasterStack 
## dimensions : 87, 61, 5307, 4  (nrow, ncol, ncell, nlayers)
## resolution : 0.01639344, 0.01149425  (x, y)
## extent     : 0, 1, 0, 1  (xmin, xmax, ymin, ymax)
## crs        : NA 
## names      :      layer.1,      layer.2,      layer.3,      layer.4 
## min values :    94.000000,  8836.000000,     9.695360,     1.973128 
## max values :   195.000000, 38025.000000,    13.964240,     2.290035
```

---

# 2. Classes raster

## RasterStack

```r
# plot
plot(ra_stack, col = viridis::viridis(100))
```

---

background-image: url(img/geo_raster_multi_raster.png)
background-size: 400px
background-position: 50% 90%

# 2. Classes raster

## RasterBrick

### A classe **RasterStack** é uma lista de **RasterLayer** com extensão e resolução iguais

---

background-image: url(img/geo_raster_brick.png)
background-size: 700px
background-position: 50% 75%

# 2. Classes raster

## RasterBrick

### A principal diferença entre **RasterStack** e **RasterBrick** é que o segundo é vinculado a um **único arquivo (multicamadas)**

[National Ecological Observatory Network (NEON)](https://www.neonscience.org/resources/learning-hub/tutorials/dc-raster-data-r)

---

# 2. Classes raster

## RasterBrick

```r
# raster brick
ra_layer1 <- ra_layer
ra_layer2 <- ra_layer * ra_layer
ra_layer3 <- sqrt(ra_layer)
ra_layer4 <- log10(ra_layer)

ra_brick <- raster::brick(ra_layer1, 
 ra_layer2, 
 ra_layer3, 
 ra_layer4)
ra_brick
```

```
## class      : RasterBrick 
## dimensions : 87, 61, 5307, 4  (nrow, ncol, ncell, nlayers)
## resolution : 0.01639344, 0.01149425  (x, y)
## extent     : 0, 1, 0, 1  (xmin, xmax, ymin, ymax)
## crs        : NA 
## source     : memory
## names      :      layer.1,      layer.2,      layer.3,      layer.4 
## min values :    94.000000,  8836.000000,     9.695360,     1.973128 
## max values :   195.000000, 38025.000000,    13.964240,     2.290035
```

---

# 2. Classes raster

## RasterBrick

```r
# plot
plot(ra_brick, col = viridis::viridis(100))
```

---

background-image: url(img/geo_raster_dem01.png), url(img/geo_dem.webp)
background-size: 350px, 700px
background-position: 5% 75%, 80% 75%

# 3. Importar dados matriciais

## MDE (Modelo Digital de Elevação)

> Infere a **elevação** por sensores ativos - MDT (Modelo Digital de Terreno) e MDS (Modelo Digital de Superfície)

[Guth et al. (2021)](https://doi.org/10.3390/rs13183581)

---

background-image: url(img/geo_raster_srtm01.png), url(img/geo_raster_srtm02.png), url(img/geo_raster_srtm03.png), url(img/geo_srtm.jpg)
background-size: 450px, 300px, 350px, 300px
background-position: 5% 55%, 55% 25%, 95% 50%, 55% 75%

# 3. Importar dados matriciais

## SRTM (*Shuttle Radar Topography Mission*)

[Farr et al. (2007)](https://doi.org/10.1002/joc.5086), [Guth et al. (2021)](https://doi.org/10.3390/rs13183581)

---

# 3. Importar dados matriciais

## Importar uma camada

### RasterLayer

```r
# importar raster
dem <- raster::raster(here::here("03_dados", "raster", "srtm_27_17.tif"))
dem
```

```
## class      : RasterLayer 
## dimensions : 6000, 6000, 3.6e+07  (nrow, ncol, ncell)
## resolution : 0.0008333333, 0.0008333333  (x, y)
## extent     : -50, -45, -25, -20  (xmin, xmax, ymin, ymax)
## crs        : +proj=longlat +datum=WGS84 +no_defs 
## source     : srtm_27_17.tif 
## names      : srtm_27_17 
## values     : -32768, 32767  (min, max)
```

---

# 3. Importar dados matriciais

## Importar uma camada

### Rio Claro/SP

```r
# rio claro
rc_2020 <- geobr::read_municipality(code_muni = 3543907, showProgress = FALSE) %>% 
 sf::st_transform(crs = 4326)
rc_2020
```

```
## Simple feature collection with 1 feature and 4 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: -47.76536 ymin: -22.55207 xmax: -47.46165 ymax: -22.24368
## Geodetic CRS:  WGS 84
##     code_muni name_muni code_state abbrev_state                           geom
## 493   3543907 Rio Claro         35           SP MULTIPOLYGON (((-47.59464 -...
```

---

# 3. Importar dados matriciais

## Importar uma camada

### RasterLayer

```r
# plot
plot(dem, col = viridis::viridis(10))
plot(rc_2020$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

background-image: url(img/geo_raster_crop_mask_buffer_square.png)
background-size: 700px
background-position: 50% 70%

# 3. Importar dados matriciais

## Importar uma camada

### Ajuste do limite do RasterLayer

[National Ecological Observatory Network (NEON)](https://www.neonscience.org/resources/learning-hub/tutorials/dc-raster-data-r)

---

# 3. Importar dados matriciais

## Importar uma camada

### Ajuste do limite do RasterLayer

```r
# ajuste do limite
dem_rc <- raster::crop(dem, rc_2020)
dem_rc
```

```
## class      : RasterLayer 
## dimensions : 370, 364, 134680  (nrow, ncol, ncell)
## resolution : 0.0008333333, 0.0008333333  (x, y)
## extent     : -47.765, -47.46167, -22.55167, -22.24333  (xmin, xmax, ymin, ymax)
## crs        : +proj=longlat +datum=WGS84 +no_defs 
## source     : memory
## names      : srtm_27_17 
## values     : 491, 985  (min, max)
```

---

# 3. Importar dados matriciais

## Importar uma camada

### Ajuste do limite do RasterLayer

```r
# plot
plot(dem_rc, col = viridis::viridis(10))
plot(rc_2020$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

background-image: url(img/geo_raster_wc_artigo.png)
background-size: 700px
background-position: 50% 70%

# 3. Importar dados matriciais

## O que é o WorldClim?

- Principal bases de **dados climáticos** para o mundo
- Dados temporais de **temperatura e precipitação**
- Construído a partir de dados de **estações meteorológicas, interpolação e topografia**
- Principal forma de uso: **variáveis bioclimáticas**

[Fick & Hijmans (2017)](https://doi.org/10.1002/joc.5086)

---

background-image: url(img/geo_raster_wc_method.png), url(img/geo_raster_wc_mapas.png)
background-size: 550px, 400px
background-position: 15% 60%, 85% 55%

# 3. Importar dados matriciais

## Estações meteorológicas e interpolação

[Fick & Hijmans (2017)](https://doi.org/10.1002/joc.5086)

---

background-image: url(img/geo_raster_bioclim.png)
background-size: 570px
background-position: 50% 75%

# 3. Importar dados matriciais

## Variáveis bioclimáticas

- São **19 variáveis** relacionadas com a **biologia das organismos**

- Combinações temporais de **temperatura (BIO01-BIO11)** e **precipitação (BIO12-BIO19)**

[Fick & Hijmans (2017)](https://doi.org/10.1002/joc.5086)

---

background-image: url(img/geo_raster_bio01.png)
background-size: 1000px
background-position: 50% 75%

# 3. Importar dados matriciais

## Variáveis bioclimáticas

### BIO01: Temperatura média anual (º C)

[Fick & Hijmans (2017)](https://doi.org/10.1002/joc.5086)

---

background-image: url(img/geo_raster_merraclim.jpg)
background-size: 1000px
background-position: 50% 65%

# 3. Importar dados matriciais

## Variáveis Bioclimáticas

### Disponível em **várias resoluções** e **períodos (passado, presente e futuro)**

[Vega (2017)](https://www.nature.com/articles/sdata201778)

---

background-image: url(img/geo_raster_worldclim.png)
background-size: 800px
background-position: 50% 55%

# 3. Importar dados matriciais

## Site

[WorldClim](https://www.worldclim.org/)

---

# 3. Importar dados matriciais

## Importar várias camadas

### Listar arquivos

```r
# listar arquivos
files <- dir(path = here::here("03_dados", "raster"), pattern = "wc", full.names = TRUE) %>% 
 grep(".tif", ., value = TRUE)
files
```

```
##  [1] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_1.tif" 
##  [2] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_10.tif"
##  [3] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_11.tif"
##  [4] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_12.tif"
##  [5] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_13.tif"
##  [6] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_14.tif"
##  [7] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_15.tif"
##  [8] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_16.tif"
##  [9] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_17.tif"
## [10] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_18.tif"
## [11] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_19.tif"
## [12] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_2.tif" 
## [13] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_3.tif" 
## [14] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_4.tif" 
## [15] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_5.tif" 
## [16] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_6.tif" 
## [17] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_7.tif" 
## [18] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_8.tif" 
## [19] "/home/mude/data/github/course-geospatial-data-r/03_dados/raster/wc2.1_10m_bio_9.tif"
```

---

# 3. Importar dados matriciais

## Importar várias camadas

### RasterStack

```r
# importar
bioclim <- raster::stack(files)
bioclim
```

```
## class      : RasterStack 
## dimensions : 1080, 2160, 2332800, 19  (nrow, ncol, ncell, nlayers)
## resolution : 0.1666667, 0.1666667  (x, y)
## extent     : -180, 180, -90, 90  (xmin, xmax, ymin, ymax)
## crs        : +proj=longlat +datum=WGS84 +no_defs 
## names      : wc2.1_10m_bio_1, wc2.1_10m_bio_10, wc2.1_10m_bio_11, wc2.1_10m_bio_12, wc2.1_10m_bio_13, wc2.1_10m_bio_14, wc2.1_10m_bio_15, wc2.1_10m_bio_16, wc2.1_10m_bio_17, wc2.1_10m_bio_18, wc2.1_10m_bio_19, wc2.1_10m_bio_2, wc2.1_10m_bio_3, wc2.1_10m_bio_4, wc2.1_10m_bio_5, ... 
## min values :      -54.724354,       -37.781418,       -66.311249,         0.000000,         0.000000,         0.000000,         0.000000,         0.000000,         0.000000,         0.000000,         0.000000,        1.000000,        9.131122,        0.000000,      -29.686001, ... 
## max values :        30.98764,         38.21617,         29.15299,      11191.00000,       2381.00000,        484.00000,        229.00169,       5284.00000,       1507.00000,       5282.00000,       4467.00000,        21.14754,       100.00000,      2363.84595,        48.08275, ...
```

---

# 3. Importar dados matriciais

## Importar várias camadas

### RasterStack

```r
# plot
plot(bioclim[[1:2]], col = viridis::viridis(10))
```

---

background-image: url(img/geo_landsat.jpg)
background-size: 600px
background-position: 50% 80%

# 3. Importar dados matriciais

## Imagens de satélite

### Landsat

- Série de satélites dedicado exclusivamente à observação dos **recursos naturais terrestres**, desenvolvido pela NASA

---

background-image: url(img/geo_rs_landsat_timeline.gif)
background-size: 700px
background-position: 50% 80%

# 3. Importar dados matriciais

## Imagens de satélite

### Landsat - 9 Missões

[landsat-9](https://landsat.gsfc.nasa.gov/landsat-9)

---

background-image: url(img/geo_sr_landsat8.png), url(img/geo_rs_spectrum_satelites_landsat.png), url(img/geo_landsat_composition_bands.png)
background-size: 250px, 650px, 500px
background-position: 10% 35%, 4% 99%, 95% 75%

# 3. Importar dados matriciais

## Imagens de satélite

### Landsat 8 - Bandas

---

background-image: url(img/geo_sr_landsat8.png), url(img/geo_rs_bands.jpg)
background-size: 300px, 600px
background-position: 90% 20%, 50% 80%

# 3. Importar dados matriciais

## Imagens de satélite

### Landsat 8 - Bandas como camadas

---

# 3. Importar dados matriciais

## Importar várias camadas

### RasterBrick

```r
# importar
landsat_rc <- raster::brick(here::here("03_dados", "imagem", "landsat_rc.tif"))
landsat_rc
```

```
## class      : RasterBrick 
## dimensions : 1142, 1047, 1195674, 7  (nrow, ncol, ncell, nlayers)
## resolution : 30, 30  (x, y)
## extent     : 215145, 246555, -2496285, -2462025  (xmin, xmax, ymin, ymax)
## crs        : +proj=utm +zone=23 +datum=WGS84 +units=m +no_defs 
## source     : landsat_rc.tif 
## names      : landsat_rc.1, landsat_rc.2, landsat_rc.3, landsat_rc.4, landsat_rc.5, landsat_rc.6, landsat_rc.7 
## min values :        -2000,        -2000,         -135,         -303,           -8,          -50,           11 
## max values :         8199,         8701,         9440,         9991,        11246,        12168,        11846
```

---

# 3. Importar dados matriciais

## Importar várias camadas

### RasterBrick

```r
# plot
plot(landsat_rc$landsat_rc.2)
```

---

background-image: url(img/geo_raster_brick.png)
background-size: 800px
background-position: 50% 65%

# 2. Classes raster

## RasterBrick

### Plot RGB (*Red*, *Green* e *Blue*)

[National Ecological Observatory Network (NEON)](https://www.neonscience.org/resources/learning-hub/tutorials/dc-raster-data-r)

---

background-image: url(img/geo_stretch.png)
background-size: 1000px
background-position: 50% 65%

# 3. Importar dados matriciais

## Stretch

### Ajustar o **stretch** da imagem para aumentar ou diminuir o contraste

[National Ecological Observatory Network (NEON)](https://www.neonscience.org/resources/learning-hub/tutorials/dc-raster-data-r)

---

# 3. Importar dados matriciais

## Importar várias camadas

### RasterBrick

```r
# plot - cores naturais
plotRGB(landsat_rc, r = 4, g = 3, b = 2, stretch = "lin")
```

---

# 3. Importar dados matriciais

## Importar várias camadas

### RasterBrick

```r
# plot - cores naturais
plotRGB(landsat_rc, r = 4, g = 3, b = 2, stretch = "hist")
```

---

# 3. Importar dados matriciais

## Importar várias camadas

### RasterBrick

```r
# plot - falsa cor infravermelho
plotRGB(landsat_rc, r = 5, g = 4, b = 3, stretch = "hist")
```

---

# 3. Importar dados matriciais

## Importar várias camadas

### RasterBrick

```r
# plot - cores naturais simuladas
plotRGB(landsat_rc, r = 7, g = 6, b = 4, stretch = "hist")
```

---

# 3. Importar dados matriciais

## Importar várias camadas

### RasterBrick

```r
# plot - cores naturais simuladas
plotRGB(landsat_rc, r = 6, g = 5, b = 4, stretch = "hist")
```

---

# 3. Importar dados matriciais

## Importar várias camadas

### RasterBrick

```r
# plot - cores naturais simuladas
plotRGB(landsat_rc, r = 7, g = 5, b = 3, stretch = "hist")
```

---

# 4. Descrição de objetos raster

## Informações geográficas

```r
# rio claro
dem_rc
```

- *class*: classe raster do objeto
- *dimensions*: número de linhas, colunas, células e camadas
- *resolution*: largura e altura da célula
- *extent*: coordenadas mínimas e máximas da longitude e latitude
- *crs*: Sistema de Referência de Coordenadas
- *source*: fonte dos dados (memória ou disco)
- *names*: nome das camadas
- *values*: valores máximos e mínimos das células

---

# 4. Descrição de objetos raster

## Informações geográficas

#### Classe

```r
# classe
class(dem_rc)
```

```
## [1] "RasterLayer"
## attr(,"package")
## [1] "raster"
```

#### Dimensões

```r
# dimensoes
dim(dem_rc)
```

```
## [1] 370 364   1
```

#### Número de camadas

```r
# numero de camadas
nlayers(dem_rc)
```

```
## [1] 1
```

---

background-image: url(img/geo_raster.png)
background-size: 450px
background-position: 50% 80%

# 4. Descrição de objetos raster

## Informações geográficas

### Número de linhas, colunas e células

[National Ecological Observatory Network (NEON)](https://www.neonscience.org/resources/learning-hub/tutorials/dc-raster-data-r)

---

# 4. Descrição de objetos raster

## Informações geográficas

#### Número de linhas

```r
# numero de linhas
nrow(dem_rc)
```

```
## [1] 370
```

#### Número de colunas

```r
# numero de colunas
ncol(dem_rc)
```

```
## [1] 364
```

#### Número de células

```r
# numero de celulas
ncell(dem_rc)
```

```
## [1] 134680
```

---

background-image: url(img/geo_raster_resolution.png)
background-size: 700px
background-position: 60% 65%

# 4. Descrição de objetos raster

## Informações geográficas

### Resolução

[National Ecological Observatory Network (NEON)](https://www.neonscience.org/resources/learning-hub/tutorials/dc-raster-data-r)

---

# 4. Descrição de objetos raster

## Informações geográficas

### Resolução

```r
# resolucao do raster
res(dem_rc)
```

```
## [1] 0.0008333333 0.0008333333
```

```r
# resolucao do stack
res(bioclim)
```

```
## [1] 0.1666667 0.1666667
```

---

background-image: url(img/geo_raster_extent.png)
background-size: 500px
background-position: 50% 60%

# 4. Descrição de objetos raster

## Informações geográficas

### Extensão

[National Ecological Observatory Network (NEON)](https://www.neonscience.org/resources/learning-hub/tutorials/dc-raster-data-r)

---

# 4. Descrição de objetos raster

## Informações geográficas

### Extensão

```r
# extensao do raster
extent(dem_rc)
```

```
## class      : Extent 
## xmin       : -47.765 
## xmax       : -47.46167 
## ymin       : -22.55167 
## ymax       : -22.24333
```

```r
# extensao do stack
extent(bioclim)
```

```
## class      : Extent 
## xmin       : -180 
## xmax       : 180 
## ymin       : -90 
## ymax       : 90
```

---

# 4. Descrição de objetos raster

## Informações geográficas

### Projeção

```r
# projecao
projection(dem_rc)
```

```
## [1] "+proj=longlat +datum=WGS84 +no_defs"
```

```r
# projecao
projection(bioclim)
```

```
## [1] "+proj=longlat +datum=WGS84 +no_defs"
```

---

# 4. Descrição de objetos raster

## Informações geográficas

### Nomes

```r
# nomes da camada do raster
names(dem_rc)
```

```
## [1] "srtm_27_17"
```

```r
# nomes das camadas do stack
names(bioclim)
```

```
##  [1] "wc2.1_10m_bio_1"  "wc2.1_10m_bio_10" "wc2.1_10m_bio_11" "wc2.1_10m_bio_12"
##  [5] "wc2.1_10m_bio_13" "wc2.1_10m_bio_14" "wc2.1_10m_bio_15" "wc2.1_10m_bio_16"
##  [9] "wc2.1_10m_bio_17" "wc2.1_10m_bio_18" "wc2.1_10m_bio_19" "wc2.1_10m_bio_2" 
## [13] "wc2.1_10m_bio_3"  "wc2.1_10m_bio_4"  "wc2.1_10m_bio_5"  "wc2.1_10m_bio_6" 
## [17] "wc2.1_10m_bio_7"  "wc2.1_10m_bio_8"  "wc2.1_10m_bio_9"
```

---

background-image: url(img/geo_raster_values.gif)
background-size: 650px
background-position: 50% 70%

# 4. Descrição de objetos raster

## Informações geográficas

### Valores

[Raster basics - ESRI](https://desktop.arcgis.com/en/arcmap/10.3/manage-data/geodatabases/raster-basics.htm)

---

# 4. Descrição de objetos raster

## Informações geográficas

### Valores

```r
# valores do raster
getValues(dem_rc) %>% head()
```

```
## [1] 859 856 856 856 853 852
```

```r
# valores do raster
values(dem_rc) %>% head()
```

```
## [1] 859 856 856 856 853 852
```

```r
# valores do raster
dem_rc[] %>% head()
```

```
## [1] 859 856 856 856 853 852
```

---

# 4. Descrição de objetos raster

## Informações geográficas

### Valores

```r
# valores do raster - histograma
dem_rc %>% 
  raster::values() %>% 
  hist(col = "steelblue", border = "white", main = NA, xlab = "Elevação (m)", ylab = "Frequência")
```

---

# 4. Descrição de objetos raster

## Informações geográficas

### Valores

```r
# valores do stack
values(bioclim[[1:3]]) %>% head()
```

```
##      wc2.1_10m_bio_1 wc2.1_10m_bio_10 wc2.1_10m_bio_11
## [1,]              NA               NA               NA
## [2,]              NA               NA               NA
## [3,]              NA               NA               NA
## [4,]              NA               NA               NA
## [5,]              NA               NA               NA
## [6,]              NA               NA               NA
```

---

# 4. Descrição de objetos raster

## Informações geográficas

### Valores

```r
# valores do stack - grafico pareado
bioclim[[1:3]] %>% 
  raster::values() %>% 
  tibble::as_tibble() %>% 
  dplyr::sample_n(1e3) %>% 
  pairs(cex = 1.4, pch = 20, col = adjustcolor("steelblue", .7))
```

---

background-image: url(img/geo_raster_reprojection.png)
background-size: 550px
background-position: 50% 50%

# 5. Converter CRS de objetos raster

## Reprojeção

[Hardware Implementation of the Video Polynomial Transformation + LPF](http://vlsi.eelabs.technion.ac.il/projects/hardware-implementation-of-the-video-polynomial-transformation-lpf/)

---

background-image: url(img/geo_raster_crs.png)
background-size: 800px
background-position: 50% 90%

# 5. Converter CRS de objetos raster

## Reprojeção

1. Reprojeção vetorial de centroides celulares (muda a **posição e tamanho** do pixel)
1. Cálculo de novos valores dos pixels por meio de reamostragem (muda o **valor** do pixel)

[Lovelace et al. (2020)](https://geocompr.robinlovelace.net/)

---

# 5. Converter CRS de objetos raster

## Converter CRS local

### WGS84/GCS -> SIRGAS2000/UTM23s (proj4string)

```r
# projecao do raster
raster::projection(dem_rc)
```

```
## [1] "+proj=longlat +datum=WGS84 +no_defs"
```

```r
raster::crs(dem_rc)
```

```
## CRS arguments: +proj=longlat +datum=WGS84 +no_defs
```

---

background-image: url(img/geo_utm_zones.png)
background-size: 500px
background-position: 50% 80%

# 5. Converter CRS de objetos raster

## Converter CRS local

### WGS84/GCS -> SIRGAS2000/UTM23s (proj4string)

```r
# proj4string utm 23s
utm23s <- "+init=epsg:31983"
```

[EPSG: 32723](https://epsg.io/32723)
[ESRI (2021)](https://pro.arcgis.com/en/pro-app/help/mapping/properties/transverse-mercator.htm)

---

# 5. Converter CRS de objetos raster

## Converter CRS local

### WGS84/GCS -> SIRGAS2000/UTM23s (proj4string)

```r
# reprojecao
dem_rc_utm23s <- raster::projectRaster(dem_rc, crs = utm23s)
dem_rc_utm23s
```

```
## class      : RasterLayer 
## dimensions : 386, 381, 147066  (nrow, ncol, ncell)
## resolution : 85.8, 92.3  (x, y)
## extent     : 214575.4, 247265.2, 7503009, 7538637  (xmin, xmax, ymin, ymax)
## crs        : +proj=utm +zone=23 +south +ellps=GRS80 +units=m +no_defs 
## source     : memory
## names      : srtm_27_17 
## values     : 491.6033, 980.4151  (min, max)
```

---

# 5. Converter CRS de objetos raster

## Converter CRS local - especificando parâmetros

### WGS84/GCS -> SIRGAS2000/UTM23s (proj4string)

```r
# reprojecao
dem_rc_utm23s <- raster::projectRaster(dem_rc, crs = utm23s, res = 90, method = "bilinear")
dem_rc_utm23s
```

```
## class      : RasterLayer 
## dimensions : 396, 364, 144144  (nrow, ncol, ncell)
## resolution : 90, 90  (x, y)
## extent     : 214554.4, 247314.4, 7502985, 7538625  (xmin, xmax, ymin, ymax)
## crs        : +proj=utm +zone=23 +south +ellps=GRS80 +units=m +no_defs 
## source     : memory
## names      : srtm_27_17 
## values     : 493.2395, 986.686  (min, max)
```

---

# 5. Converter CRS de objetos raster

## Converter CRS local - especificando parâmetros

### WGS84/GCS -> SIRGAS2000/UTM23s (proj4string)

```r
# reprojecao de vector
rc_2020_utm23s <- sf::st_transform(rc_2020, crs = utm23s)
rc_2020_utm23s
```

```
## Simple feature collection with 1 feature and 4 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: 215151.7 ymin: 7503723 xmax: 246580.7 ymax: 7537978
## Projected CRS: SIRGAS 2000 / UTM zone 23S
##     code_muni name_muni code_state abbrev_state                           geom
## 493   3543907 Rio Claro         35           SP MULTIPOLYGON (((232640.1 75...
```

---

# 5. Converter CRS de objetos raster

## Converter CRS local

### WGS84/GCS -> SIRGAS2000/UTM23s (proj4string)

```r
# plot
plot(dem_rc_utm23s, col = viridis::viridis(10))
plot(rc_2020_utm23s$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

# 5. Converter CRS de objetos raster

## Converter CRS global

### Datum WGS84 e coordenadas geográficas

```r
# WGS84/GCS
bioclim$wc2.1_10m_bio_1
```

```
## class      : RasterLayer 
## dimensions : 1080, 2160, 2332800  (nrow, ncol, ncell)
## resolution : 0.1666667, 0.1666667  (x, y)
## extent     : -180, 180, -90, 90  (xmin, xmax, ymin, ymax)
## crs        : +proj=longlat +datum=WGS84 +no_defs 
## source     : wc2.1_10m_bio_1.tif 
## names      : wc2.1_10m_bio_1 
## values     : -54.72435, 30.98764  (min, max)
```

---

# 5. Converter CRS de objetos raster

## Converter CRS global

### Datum WGS84 e coordenadas geográficas

```r
# plot
plot(bioclim$wc2.1_10m_bio_1, col = viridis::viridis(10))
```

---

background-image: url(img/geo_proj_moll.png)
background-size: 500px
background-position: 50% 70%

# 5. Converter CRS de objetos raster

## Converter CRS global

### Projeção de Mollweide: preserva as relações de área

```r
# proj4string mollweide
moll <- "+proj=moll"
```

[EPSG: 54009](https://epsg.io/54009)
[ESRI (2021)](https://pro.arcgis.com/en/pro-app/help/mapping/properties/mollweide.html)

---

# 5. Converter CRS de objetos raster

## Converter CRS global

### Projeção de Mollweide

```r
# reprojecao
bio01_moll <- raster::projectRaster(bioclim$wc2.1_10m_bio_1, crs = moll, res = 25e3, method = "bilinear")
bio01_moll
```

```
## class      : RasterLayer 
## dimensions : 732, 1453, 1063596  (nrow, ncol, ncell)
## resolution : 25000, 25000  (x, y)
## extent     : -18159905, 18165095, -9154952, 9145048  (xmin, xmax, ymin, ymax)
## crs        : +proj=moll +lon_0=0 +x_0=0 +y_0=0 +datum=WGS84 +units=m +no_defs 
## source     : memory
## names      : wc2.1_10m_bio_1 
## values     : -54.66752, 30.71805  (min, max)
```

---

# 5. Converter CRS de objetos raster

## Converter CRS global

### Projeção de Mollweide

```r
# plot
plot(bio01_moll, col = viridis::viridis(10))
```

---

background-image: url(img/geo_proj_laea.png)
background-size: 280px
background-position: 50% 75%

# 5. Converter CRS de objetos raster

## Converter CRS global

### Projeção Azimutal de Lambert: preserva os tamanhos e senso de direção (centro)

```r
# proj4string lambert 
laea <- "+proj=laea +x_0=0 +y_0=0 +lon_0=0 +lat_0=0"
```

[ESRI(2021)](https://pro.arcgis.com/en/pro-app/help/mapping/properties/lambert-azimuthal-equal-area.html)

---

# 5. Converter CRS de objetos raster

## Converter CRS global

### Projeção Azimutal de Lambert: preserva os tamanhos e senso de direção (centro)

```r
# reprojecao
bio01_laea <- raster::projectRaster(bioclim$wc2.1_10m_bio_1, crs = laea, res = 25e3, method = "bilinear")
bio01_laea
```

```
## class      : RasterLayer 
## dimensions : 1028, 1029, 1057812  (nrow, ncol, ncell)
## resolution : 25000, 25000  (x, y)
## extent     : -12863885, 12861115, -12848994, 12851006  (xmin, xmax, ymin, ymax)
## crs        : +proj=laea +lat_0=0 +lon_0=0 +x_0=0 +y_0=0 +datum=WGS84 +units=m +no_defs 
## source     : memory
## names      : wc2.1_10m_bio_1 
## values     : -54.70442, 30.71119  (min, max)
```

---

# 5. Converter CRS de objetos raster

## Converter CRS global

### Projeção Azimutal de Lambert: preserva os tamanhos e senso de direção (centro)

```r
# plot
plot(bio01_laea, col = viridis::viridis(10))
```

---

background-image: url(img/geo_raster_focal.png), url(img/geo_raster_aggregate.png)
background-size: 450px, 460px
background-position: 15% 80%, 85% 80%

# 6. Operações de objetos raster

## As operações podem ser separadas em três tipos

### **1. Operações de atributos**: acessar valores, camadas e nome das camadas
### **2. Operações espaciais**: aplicar regras espaciais para mudar valores dos pixels
### **3. Operações geométricas**: mudar a posição, tamanho e número dos pixels

[Lovelace et al. (2020)](https://geocompr.robinlovelace.net/)

---

background-image: url(img/geo_raster_values.png)
background-size: 600px
background-position: 95% 105%

# 6. Operações de objetos raster

## **1. Operações de atributos**

### Modificação de objetos *raster* baseado em **informações não espaciais**, como **valores das células e nome das camadas**

### **Operações**

### *1.1. Subconjunto de células ou camadas*
### *1.2. Renomear camadas*
### *1.3. Estatística das células*

[Lovelace et al. (2020)](https://geocompr.robinlovelace.net/)

---

# 6. Operações de objetos raster

## **1. Operações de atributos**

### *1.1. Subconjunto - Seleção de valores*

```r
# raster - linha 1 e coluna 1
dem_rc[1, 1]
```

```
## [1] 859
```

```r
# celula 1
dem_rc[1]
```

```
## [1] 859
```

---

# 6. Operações de objetos raster

## **1. Operações de atributos**

### *1.1. Subconjunto - Seleção de valores*

```r
# stack - linha 1 e coluna 1
bioclim[1, 1]
```

```
##      wc2.1_10m_bio_1 wc2.1_10m_bio_10 wc2.1_10m_bio_11 wc2.1_10m_bio_12
## [1,]              NA               NA               NA               NA
##      wc2.1_10m_bio_13 wc2.1_10m_bio_14 wc2.1_10m_bio_15 wc2.1_10m_bio_16
## [1,]               NA               NA               NA               NA
##      wc2.1_10m_bio_17 wc2.1_10m_bio_18 wc2.1_10m_bio_19 wc2.1_10m_bio_2
## [1,]               NA               NA               NA              NA
##      wc2.1_10m_bio_3 wc2.1_10m_bio_4 wc2.1_10m_bio_5 wc2.1_10m_bio_6
## [1,]              NA              NA              NA              NA
##      wc2.1_10m_bio_7 wc2.1_10m_bio_8 wc2.1_10m_bio_9
## [1,]              NA              NA              NA
```

---

# 6. Operações de objetos raster

## **1. Operações de atributos**

### *1.1. Subconjunto - Seleção de valores*

```r
# celula 1
bioclim[1]
```

---

# 6. Operações de objetos raster

## **1. Operações de atributos**

### *1.1. Subconjunto - Seleção de camadas*

```r
# selecao de camada num objeto stack utilizando a funcao subset
bioclim_bio01 <- raster::subset(bioclim, "wc2.1_10m_bio_1")
bioclim_bio01
```

---

# 6. Operações de objetos raster

## **1. Operações de atributos**

### *1.1. Subconjunto - Seleção de camadas*

```r
# selecao de camada num objeto stack utilizando a funcao raster
bioclim_bio01 <- raster::raster(bioclim, layer = 1)
bioclim_bio01
```

---

# 6. Operações de objetos raster

## **1. Operações de atributos**

### *1.1. Subconjunto - Seleção de camadas*

```r
# selecao de camada num objeto stack utilizando os operadores [[]] e o nome
bioclim_bio01 <- bioclim[["wc2.1_10m_bio_1"]]
bioclim_bio01
```

---

# 6. Operações de objetos raster

## **1. Operações de atributos**

### *1.1. Subconjunto - Seleção de camadas*

```r
# selecao de camada num objeto stack utilizando os operadores [[]] e a posicao
bioclim_bio01 <- bioclim[[1]]
bioclim_bio01
```

---

# 6. Operações de objetos raster

## **1. Operações de atributos**

### *1.1. Subconjunto - Seleção de camadas*

```r
# selecao de camada num objeto stack utilizando o operador $
bioclim_bio01 <- bioclim$wc2.1_10m_bio_1
bioclim_bio01
```

---

# 6. Operações de objetos raster

## **1. Operações de atributos**

### *1.1. Subconjunto - Seleção de camadas*

```r
# plot
plot(bioclim_bio01, col = viridis::viridis(10))
```

---

# 6. Operações de objetos raster

## **1. Operações de atributos**

### *1.2. Renomear camadas*

```r
# nomes
names(dem_rc)
```

```
## [1] "srtm_27_17"
```

```r
# renomear
names(dem_rc) <- "elevation"
```

```r
# nomes
names(dem_rc)
```

```
## [1] "elevation"
```

---

# 6. Operações de objetos raster

## **1. Operações de atributos**

### *1.2. Renomear camadas*

```r
# nomes
names(bioclim)
```

```r
# renomear
names(bioclim) <- c("bio01", paste0("bio", 10:19), paste0("bio0", 2:9))
```

```r
# nomes
names(bioclim)
```

```
##  [1] "bio01" "bio10" "bio11" "bio12" "bio13" "bio14" "bio15" "bio16" "bio17"
## [10] "bio18" "bio19" "bio02" "bio03" "bio04" "bio05" "bio06" "bio07" "bio08"
## [19] "bio09"
```

---

# 6. Operações de objetos raster

## **1. Operações de atributos**

### *1.3. Estatística das células - Média*

```r
# media de todas as celulas de altitude
raster::cellStats(x = dem_rc, stat = mean)
```

```
## [1] 625.8273
```

```r
# media de todas as celulas de cada camada bioclimatica
raster::cellStats(x = bioclim, stat = mean)
```

```
##       bio01       bio10       bio11       bio12       bio13       bio14 
##  -4.0378283   7.2035545 -13.8963286 550.0569022  93.4633916  15.3689993 
##       bio15       bio16       bio17       bio18       bio19       bio02 
##  74.7084151 241.6525005  55.4149542 156.4237816 108.8950626   9.9432120 
##       bio03       bio04       bio05       bio06       bio07       bio08 
##  34.5221528 880.1215546  13.9386423 -19.7938943  33.7325366  -0.9226276 
##       bio09 
##  -5.3774489
```

---

# 6. Operações de objetos raster

## **1. Operações de atributos**

### *1.3. Estatística das células - Frequência*

```r
# frequencia das celulas
raster::freq(x = dem_rc) %>% head()
```

```
##      value count
## [1,]   491     1
## [2,]   492     4
## [3,]   493     9
## [4,]   494    19
## [5,]   495    32
## [6,]   496    44
```

---

# 6. Operações de objetos raster

## **1. Operações de atributos**

### *1.3. Estatística das células - Frequência*

```r
# frequencia das celulas
raster::freq(x = bioclim[[1]]) %>% head()
```

```
##      value count
## [1,]   -55   319
## [2,]   -54  4529
## [3,]   -53  5778
## [4,]   -52  6128
## [5,]   -51  6090
## [6,]   -50  7892
```

---

background-image: url(img/geo_zonal.png)
background-size: 330px
background-position: 85% 80%

# 6. Operações de objetos raster

## **2. Operações espaciais**

### Aplicação de **regras espaciais** para **mudar valores dos pixels**, geralmente com o intuito de **resumir as informações das células**

### **Operações**

*2.1. Operações locais (por célula)*  
*2.2. Operações focais (por bloco de múltiplas células regulares - e.g. 3x3)*  
*2.3. Operações zonais (por bloco de múltiplas células irregulares)*  
*2.4. Operações globais (por um ou vários rasters inteiros)*

[The Zonal Statistics function](http://www.geography.hunter.cuny.edu/~jochen/GTECH361/lectures/lecture11/concepts/Zonal%20Statistics.htm)

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.1. Operações locais - Álgebra de raster*

```r
# soma
dem_rc2 <- dem_rc + dem_rc
dem_rc2
```

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.1. Operações locais - Álgebra de raster *

```r
# plot
plot(dem_rc2, col = viridis::viridis(10))
plot(rc_2020$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.1. Operações locais - Álgebra de raster*

```r
# log10
dem_rc_log10 <- log10(dem_rc)
dem_rc_log10
```

```
## class      : RasterLayer 
## dimensions : 370, 364, 134680  (nrow, ncol, ncell)
## resolution : 0.0008333333, 0.0008333333  (x, y)
## extent     : -47.765, -47.46167, -22.55167, -22.24333  (xmin, xmax, ymin, ymax)
## crs        : +proj=longlat +datum=WGS84 +no_defs 
## source     : memory
## names      : layer 
## values     : 2.691081, 2.993436  (min, max)
```

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.1. Operações locais - Álgebra de raster*

```r
# plot
plot(dem_rc_log10, col = viridis::viridis(10))
plot(rc_2020$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.1. Operações locais - Álgebra de raster - Operador lógico*

```r
# acima de 600
dem_rc_acima_600 <- dem_rc > 600
dem_rc_acima_600
```

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.1. Operações locais - Álgebra de raster - Operador lógico*

```r
# plot
plot(dem_rc_acima_600, col = viridis::viridis(10))
plot(rc_2020$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.1. Operações locais - Álgebra de raster - Função `calc()`*

```r
# produto dos pixel - calc
dem_rc_prod <- raster::calc(x = dem_rc, fun = function(x){x * x})
dem_rc_prod 
```

```
## class      : RasterLayer 
## dimensions : 370, 364, 134680  (nrow, ncol, ncell)
## resolution : 0.0008333333, 0.0008333333  (x, y)
## extent     : -47.765, -47.46167, -22.55167, -22.24333  (xmin, xmax, ymin, ymax)
## crs        : +proj=longlat +datum=WGS84 +no_defs 
## source     : memory
## names      : layer 
## values     : 241081, 970225  (min, max)
```

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.1. Operações locais - Álgebra de raster - Função `calc()`*

```r
# plot
plot(dem_rc_prod, col = viridis::viridis(10))
plot(rc_2020$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

background-image: url(img/geo_raster_reclass.gif)
background-size: 700px
background-position: 50% 65%

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.1. Operações locais - Reclassificação*

[Reclass by individual values - ESRI](https://desktop.arcgis.com/en/arcmap/10.3/tools/spatial-analyst-toolbox/reclass-by-individual-values.htm)

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

###  - Reclassificação

```r
# matriz de reclassificacao
rcl <- matrix(
 c(400, 600, 1, 
 600, 800, 2, 
 800, 1000, 3), 
 ncol = 3, byrow = TRUE)
rcl
```

```
##      [,1] [,2] [,3]
## [1,]  400  600    1
## [2,]  600  800    2
## [3,]  800 1000    3
```

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.1. Operações locais - Reclassificação*

```r
# reclassificao
dem_rc_rcl <- raster::reclassify(x = dem_rc, rcl = rcl)
dem_rc_rcl
```

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.1. Operações locais - Reclassificação*

```r
# plot
plot(dem_rc_rcl, col = viridis::viridis(10))
plot(rc_2020$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

background-image: url(img/geo_raster_focal.png)
background-size: 700px
background-position: 50% 75%

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.2 Operação focal - Janela móvel (Moving window)*

[Lovelace et al. (2020)](https://geocompr.robinlovelace.net/)

---

background-image: url(img/geo_raster_moving_window.gif)
background-size: 450px
background-position: 50% 70%

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.2 Operação focal - Janela móvel (Moving window)*

[Nowosad & Hesselbarth (2020)](https://r-spatialecology.github.io/ialena-2020/#1)

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.2 Operação focal - Janela móvel (Moving window)*

```r
# janela movel
dem_rc_focal_sd <- raster::focal(x = dem_rc, w = matrix(data = 1, nrow = 3, ncol = 3), fun = sd)
dem_rc_focal_sd
```

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.2 Operação focal - Janela móvel (Moving window)*

```r
# plot
plot(dem_rc_focal_sd, col = viridis::viridis(10))
plot(rc_2020$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *Declividade (Slope)*

```r
# declividade
dem_rc_dec <- raster::terrain(x = dem_rc, opt = "slope", unit = "degrees")
dem_rc_dec
```

---

background-image: url(img/geo_raster_slope.png), url(img/geo_raster_slope2.jpg), url(img/geo_raster_slope3.png)
background-size: 450px, 450px, 380px
background-position: 80% 10%, 80% 85%, 20% 85%

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *Declividade (Slope)*

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *Declividade (Slope)*

```r
# plot
plot(dem_rc_dec, col = viridis::viridis(10))
plot(rc_2020$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.3. Operações zonais - Estatística por zonas*

```r
# estatistica zonal
dem_rc_zonal <- data.frame(raster::zonal(dem_rc, dem_rc_rcl, fun = "summary"))
dem_rc_zonal
```

```
##   zone value_1 value_2 value_3  value_4 value_5 value_6
## 1    1     491     552   574.0 567.5995     589     600
## 2    2     601     620   640.0 650.6829     670     800
## 3    3     801     817   832.5 834.2732     846     985
```

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.3. Operações zonais - Estatística por zonas*

```r
# estatistica zonal
colnames(dem_rc_zonal) <- c("zona", "min", "1qt", "mediana", "media", "3qt", "max")
dem_rc_zonal
```

```
##   zona min 1qt mediana    media 3qt max
## 1    1 491 552   574.0 567.5995 589 600
## 2    2 601 620   640.0 650.6829 670 800
## 3    3 801 817   832.5 834.2732 846 985
```

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.4. Operações globais - Distância Euclideana*

```r
# reclassificacao
dem_rc_abaixo_500 <- raster::calc(x = dem_rc, fun = function(x) ifelse(x < 500, 1, NA))
dem_rc_abaixo_500
```

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.4. Operações globais - Distância Euclideana*

```r
# plot
plot(dem_rc_abaixo_500, col = viridis::viridis(10))
plot(rc_2020$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.4. Operações globais - Distância Euclideana*

```r
# distancia euclideana
dem_rc_global_dist <- raster::distance(dem_rc_abaixo_500)
dem_rc_global_dist
```

---

# 6. Operações de objetos raster

## **2. Operações espaciais**

### *2.4. Operações globais - Distância Euclideana*

```r
# plot
plot(dem_rc_global_dist, col = viridis::viridis(10))
plot(dem_rc_abaixo_500, add = TRUE, col = "white", legend = FALSE)
plot(rc_2020$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

background-image: url(img/geo_raster_aggregate2.png)
background-size: 800px
background-position: 85% 70%

# 6. Operações de objetos raster

## **3. Operações geométricas**

### Envolve mudar a **posição, tamanho e número dos pixels** e **atribuir novos valores**, geralmente aumentando ou diminuindo o tamanho desses pixels

### **Operações**

### *3.1. Agregação*
### *3.2. Desagregação*
### *3.3. Alinhamento*

---

background-image: url(img/geo_raster_resolution_diff.png), url(img/geo_raster_aggregate.png)
background-size: 600px, 350px
background-position: 50% 40%, 50% 95%

# 6. Operações de objetos raster

## **3. Operações geométricas**

### *Agregação e desagregação*

---

background-image: url(img/geo_raster_long_lat_dist.gif)
background-size: 550px
background-position: 50% 85%

# 6. Operações de objetos raster

## **3. Operações geométricas**

### *Resolução - Relação de graus e distância em metros*

---

# 6. Operações de objetos raster

## **3. Operações geométricas**

### *3.1 Agregação - Aumentar o tamanho do pixel*

```r
# resolucao
res(dem_rc_utm23s)[1]
```

```
## [1] 90
```

```r
# agregacao - aumentar o tamanho do pixel
dem_rc_utm23s_agre_media <- raster::aggregate(x = dem_rc_utm23s, fact = 10, fun = "mean")
dem_rc_utm23s_agre_media
```

```
## class      : RasterLayer 
## dimensions : 40, 37, 1480  (nrow, ncol, ncell)
## resolution : 900, 900  (x, y)
## extent     : 214554.4, 247854.4, 7502625, 7538625  (xmin, xmax, ymin, ymax)
## crs        : +proj=utm +zone=23 +south +ellps=GRS80 +units=m +no_defs 
## source     : memory
## names      : srtm_27_17 
## values     : 506.0024, 922.8709  (min, max)
```

---

# 6. Operações de objetos raster

## **3. Operações geométricas**

### *3.1. Agregação - Aumentar o tamanho do pixel*

```r
# plot
plot(dem_rc_utm23s_agre_media, col = viridis::viridis(10))
plot(rc_2020_utm23s$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

background-image: url(img/geo_raster_disaggregate.png)
background-size: 700px
background-position: 50% 100%

# 6. Operações de objetos raster

## **3. Operações geométricas**

### 3.2 Desagregação - Diminuir o tamanho do pixel

---

# 6. Operações de objetos raster

## **3. Operações geométricas**

### *3.2. Desagregação - Diminuir o tamanho do pixel*

```r
# resolucao
res(dem_rc_utm23s)[1]
```

```
## [1] 90
```

```r
# desagregacao - diminuir o tamanho do pixel
dem_rc_utm23s_dis_bil <- raster::disaggregate(dem_rc_utm23s, fact = 2, fun = "bilinear")
dem_rc_utm23s_dis_bil
```

```
## class      : RasterLayer 
## dimensions : 792, 728, 576576  (nrow, ncol, ncell)
## resolution : 45, 45  (x, y)
## extent     : 214554.4, 247314.4, 7502985, 7538625  (xmin, xmax, ymin, ymax)
## crs        : +proj=utm +zone=23 +south +ellps=GRS80 +units=m +no_defs 
## source     : memory
## names      : srtm_27_17 
## values     : 493.2395, 986.686  (min, max)
```

---

# 6. Operações de objetos raster

## **3. Operações geométricas**

### *3.2. Desagregação - Diminuir o tamanho do pixel*

```r
# plot
plot(dem_rc_utm23s_dis_bil, col = viridis::viridis(10))
plot(rc_2020_utm23s$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

# 6. Operações de objetos raster

## **3. Operações geométricas**

### *3.3. Alinhamento - Ajustar extensão, número e origem dos pixels*

```r
# reamostragem
st_rc <- raster::resample(x = bioclim$bio01, y = dem_rc, method = "bilinear")
st_rc
```

```
## class      : RasterLayer 
## dimensions : 370, 364, 134680  (nrow, ncol, ncell)
## resolution : 0.0008333333, 0.0008333333  (x, y)
## extent     : -47.765, -47.46167, -22.55167, -22.24333  (xmin, xmax, ymin, ymax)
## crs        : +proj=longlat +datum=WGS84 +no_defs 
## source     : memory
## names      : bio01 
## values     : 19.8383, 20.60492  (min, max)
```

---

# 6. Operações de objetos raster

## **3. Operações geométricas**

### *3.3. Alinhamento - Ajustar extensão, número e origem dos pixels*

```r
# plot
plot(st_rc, col = viridis::viridis(10))
plot(rc_2020$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

background-image: url(img/geo_raster_crop_mask_buffer_square.png), url(img/geo_raster_crop_mask_buffer_circular.png), url(img/geo_zonal.png)
background-size: 350px, 350px, 330px
background-position: 5% 80%, 50% 80%, 90% 70%

# 7. Interação raster-vetor

## Podemos fazer operações da **interação entre objetos vetoriais e raster**, com diferentes finalidades, que podem ser diferentes tipos de vetores

### **Interações**

#### **1. Corte e máscara: ajuste da extensão e limite**  
#### **2. Extração dos valores dos pixels para vetores**  
#### **3. Estatísticas zonais para um vetor**

[National Ecological Observatory Network (NEON)](https://www.neonscience.org/resources/learning-hub/tutorials/dc-raster-data-r), [The Zonal Statistics function](http://www.geography.hunter.cuny.edu/~jochen/GTECH361/lectures/lecture11/concepts/Zonal%20Statistics.htm)

---

background-image: url(img/geo_raster_crop_mask.png)
background-size: 1000px
background-position: 50% 70%

# 7. Interação raster-vetor

## **1. Cortes e máscaras**

### Ajustar o **tamanho de um objeto raster** a uma **área menor de interesse**, geralmente definido por um **objeto vetorial**

[Lovelace et al. (2020)](https://geocompr.robinlovelace.net/)

---

# 7. Interação raster-vetor

## **1. Cortes e máscaras**

### Crop - Ajusta a extensão

```r
# crop - ajustar da extensao
dem_rc_crop <- raster::crop(dem, rc_2020)
dem_rc_crop
```

---

# 7. Interação raster-vetor

## **1. Cortes e máscaras**

### Crop - Ajusta a extensão

```r
# plot
plot(dem_rc_crop, col = viridis::viridis(10))
plot(rc_2020$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

# 7. Interação raster-vetor

## **1. Cortes e máscaras**

### Mask - Ajusta o limite

```r
# mask - ajuste o limite
dem_rc_mask <- raster::mask(dem, rc_2020)
dem_rc_mask
```

```
## class      : RasterLayer 
## dimensions : 6000, 6000, 3.6e+07  (nrow, ncol, ncell)
## resolution : 0.0008333333, 0.0008333333  (x, y)
## extent     : -50, -45, -25, -20  (xmin, xmax, ymin, ymax)
## crs        : +proj=longlat +datum=WGS84 +no_defs 
## source     : memory
## names      : srtm_27_17 
## values     : 497, 860  (min, max)
```

---

# 7. Interação raster-vetor

## **1. Cortes e máscaras**

### Mask

```r
# plot
plot(dem_rc_mask, col = viridis::viridis(10))
plot(rc_2020$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

# 7. Interação raster-vetor

## **1. Cortes e máscaras**

### Crop e Mask - Ajuste da extensão e do limite

```r
# crop e mask - ajuste da extensao e do limite
dem_rc_crop_mask <- dem %>% 
 raster::crop(rc_2020) %>% 
 raster::mask(rc_2020)
dem_rc_crop_mask
```

---

# 7. Interação raster-vetor

## **1. Cortes e máscaras**

### Crop e Mask - Ajuste da extensão e do limite

```r
# plot
plot(dem_rc_crop_mask, col = viridis::viridis(10))
plot(rc_2020$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

# 7. Interação raster-vetor

## **1. Cortes e máscaras**

### Crop e Mask inverse - Ajuste da extensão e do limite inverso

```r
# crop e mask inversa - ajuste da extensão e do limite inverso
dem_rc_crop_mask_inv <- dem %>% 
 raster::crop(rc_2020) %>% 
 raster::mask(rc_2020, inverse = TRUE)
dem_rc_crop_mask_inv
```

---

# 7. Interação raster-vetor

## **1. Cortes e máscaras**

### Crop e Mask inverse - Ajuste da extensão e do limite inverso

```r
# plot
plot(dem_rc_crop_mask_inv, col = viridis::viridis(10))
plot(rc_2020$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

# 7. Interação raster-vetor

## **2. Extração**

### Importar pontos das nascentes

```r
# importar pontos
rc_nas <- sf::st_read(here::here("03_dados", "vetor", "SP_3543907_NASCENTES.shp"), quiet = TRUE) %>% 
 sf::st_transform(crs = 4326)
rc_nas
```

```
## Simple feature collection with 1220 features and 5 fields
## Geometry type: POINT
## Dimension:     XY
## Bounding box:  xmin: -47.74126 ymin: -22.54837 xmax: -47.46367 ymax: -22.24496
## Geodetic CRS:  WGS 84
## First 10 features:
##    GEOCODIGO MUNICIPIO UF CD_UF    HIDRO                    geometry
## 1    3543907 RIO CLARO SP    35 nascente POINT (-47.74126 -22.32786)
## 2    3543907 RIO CLARO SP    35 nascente POINT (-47.73922 -22.32981)
## 3    3543907 RIO CLARO SP    35 nascente POINT (-47.73773 -22.32894)
## 4    3543907 RIO CLARO SP    35 nascente POINT (-47.73481 -22.32868)
## 5    3543907 RIO CLARO SP    35 nascente POINT (-47.73384 -22.30751)
## 6    3543907 RIO CLARO SP    35 nascente POINT (-47.73384 -22.33055)
## 7    3543907 RIO CLARO SP    35 nascente  POINT (-47.73264 -22.3266)
## 8    3543907 RIO CLARO SP    35 nascente   POINT (-47.732 -22.30701)
## 9    3543907 RIO CLARO SP    35 nascente POINT (-47.73196 -22.32892)
## 10   3543907 RIO CLARO SP    35 nascente POINT (-47.72989 -22.31052)
```

---

# 7. Interação raster-vetor

## **2. Extração**

### Importar pontos das nascentes

```r
# plot
plot(rc_nas$geometry, pch = 20, col = "blue", main = NA, axes = TRUE, graticule = TRUE)
```

---

# 7. Interação raster-vetor

## **2. Extração**

### Extração da altitude para os pontos das nascentes

```r
# extracao
rc_nas_ele <- rc_nas %>% 
 dplyr::mutate(elev = raster::extract(x = dem_rc_utm23s, y = .))
rc_nas_ele
```

```
## Simple feature collection with 1220 features and 6 fields
## Geometry type: POINT
## Dimension:     XY
## Bounding box:  xmin: -47.74126 ymin: -22.54837 xmax: -47.46367 ymax: -22.24496
## Geodetic CRS:  WGS 84
## First 10 features:
##    GEOCODIGO MUNICIPIO UF CD_UF    HIDRO                    geometry     elev
## 1    3543907 RIO CLARO SP    35 nascente POINT (-47.74126 -22.32786) 728.2511
## 2    3543907 RIO CLARO SP    35 nascente POINT (-47.73922 -22.32981) 717.5408
## 3    3543907 RIO CLARO SP    35 nascente POINT (-47.73773 -22.32894) 717.3808
## 4    3543907 RIO CLARO SP    35 nascente POINT (-47.73481 -22.32868) 706.6163
## 5    3543907 RIO CLARO SP    35 nascente POINT (-47.73384 -22.30751) 668.4878
## 6    3543907 RIO CLARO SP    35 nascente POINT (-47.73384 -22.33055) 715.0871
## 7    3543907 RIO CLARO SP    35 nascente  POINT (-47.73264 -22.3266) 720.7030
## 8    3543907 RIO CLARO SP    35 nascente   POINT (-47.732 -22.30701) 665.5738
## 9    3543907 RIO CLARO SP    35 nascente POINT (-47.73196 -22.32892) 714.9436
## 10   3543907 RIO CLARO SP    35 nascente POINT (-47.72989 -22.31052) 669.5779
```

---

# 7. Interação raster-vetor

## **2. Extração**

### Extração da altitude para os pontos das nascentes

```r
# plot
plot(rc_nas_ele["elev"], pch = 20, main = NA, axes = TRUE, graticule = TRUE)
```

---

# 7. Interação raster-vetor

## **2. Extração**

### Histograma dos valores

```r
# histograma
rc_nas_ele %>% 
  dplyr::pull(elev) %>% 
  hist(col = "steelblue", border = "white", main = NA, xlab = "Elevação (m)", ylab = "Frequência")
```

---

# 7. Interação raster-vetor

## **3. Estatística zonal**

### Buffers

```r
# buffers
set.seed(42)
rc_nas_buf <- rc_nas %>% 
 dplyr::sample_n(10) %>% 
 sf::as_Spatial() %>% 
 raster::buffer(width = 1000, dissolve = FALSE) %>% 
 sf::st_as_sf()
rc_nas_buf
```

```
## Simple feature collection with 10 features and 5 fields
## Geometry type: POLYGON
## Dimension:     XY
## Bounding box:  xmin: -47.73232 ymin: -22.44296 xmax: -47.47012 ymax: -22.2435
## Geodetic CRS:  WGS 84
##    GEOCODIGO MUNICIPIO UF CD_UF    HIDRO                       geometry
## 1    3543907 RIO CLARO SP    35 nascente POLYGON ((-47.61015 -22.355...
## 2    3543907 RIO CLARO SP    35 nascente POLYGON ((-47.638 -22.3553,...
## 3    3543907 RIO CLARO SP    35 nascente POLYGON ((-47.47966 -22.339...
## 4    3543907 RIO CLARO SP    35 nascente POLYGON ((-47.50825 -22.374...
## 5    3543907 RIO CLARO SP    35 nascente POLYGON ((-47.48058 -22.243...
## 6    3543907 RIO CLARO SP    35 nascente POLYGON ((-47.60273 -22.424...
## 7    3543907 RIO CLARO SP    35 nascente POLYGON ((-47.71117 -22.323...
## 8    3543907 RIO CLARO SP    35 nascente POLYGON ((-47.48795 -22.362...
## 9    3543907 RIO CLARO SP    35 nascente POLYGON ((-47.72244 -22.325...
## 10   3543907 RIO CLARO SP    35 nascente POLYGON ((-47.63349 -22.363...
```

---

# 7. Interação raster-vetor

## **3. Estatística zonal**

### Estatística zonal - Buffers

```r
# plot
plot(rc_nas_buf$geometry, col = adjustcolor("steelblue", .7), pch = 20, main = NA, axes = TRUE, graticule = TRUE)
plot(rc_2020$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

# 7. Interação raster-vetor

## **3. Estatística zonal**

### Estatística zonal

```r
# estatistica zonal
rc_nas_buf <- rc_nas_buf %>% 
 dplyr::mutate(elev_mean = raster::extract(x = dem_rc, y = rc_nas_buf, fun = mean, na.rm = TRUE))
rc_nas_buf
```

```
## Simple feature collection with 10 features and 6 fields
## Geometry type: POLYGON
## Dimension:     XY
## Bounding box:  xmin: -47.73232 ymin: -22.44296 xmax: -47.47012 ymax: -22.2435
## Geodetic CRS:  WGS 84
##    GEOCODIGO MUNICIPIO UF CD_UF    HIDRO                       geometry
## 1    3543907 RIO CLARO SP    35 nascente POLYGON ((-47.61015 -22.355...
## 2    3543907 RIO CLARO SP    35 nascente POLYGON ((-47.638 -22.3553,...
## 3    3543907 RIO CLARO SP    35 nascente POLYGON ((-47.47966 -22.339...
## 4    3543907 RIO CLARO SP    35 nascente POLYGON ((-47.50825 -22.374...
## 5    3543907 RIO CLARO SP    35 nascente POLYGON ((-47.48058 -22.243...
## 6    3543907 RIO CLARO SP    35 nascente POLYGON ((-47.60273 -22.424...
## 7    3543907 RIO CLARO SP    35 nascente POLYGON ((-47.71117 -22.323...
## 8    3543907 RIO CLARO SP    35 nascente POLYGON ((-47.48795 -22.362...
## 9    3543907 RIO CLARO SP    35 nascente POLYGON ((-47.72244 -22.325...
## 10   3543907 RIO CLARO SP    35 nascente POLYGON ((-47.63349 -22.363...
##    elev_mean
## 1   601.4461
## 2   617.4470
## 3   656.2843
## 4   646.9322
## 5   699.5970
## 6   577.2166
## 7   650.4125
## 8   643.0127
## 9   659.5418
## 10  594.8601
```

---

# 7. Interação raster-vetor

## **3. Estatística zonal**

### Estatística zonal

```r
# plot
plot(rc_nas_buf["elev_mean"], pch = 20, main = NA, axes = TRUE, graticule = TRUE)
```

---

background-image: url(img/geo_data_convert.png)
background-size: 450px
background-position: 50% 80%

# 8. Conversão raster-vetor

## Podemos fazer operações de conversão entre objetos vetoriais para raster e vice-versa

---

background-image: url(img/geo_rasterization.png)
background-size: 700px
background-position: 50% 60%

# 8. Conversão raster-vetor

## Rasterização

[Lovelace et al. (2020)](https://geocompr.robinlovelace.net/)

---

# 8. Conversão raster-vetor

## Rasterização de pontos

### Rasterize

```r
# importar pontos
rc_nas <- sf::st_read(here::here("03_dados", "vetor", "SP_3543907_NASCENTES.shp"), quiet = TRUE)
rc_nas
```

```
## Simple feature collection with 1220 features and 5 fields
## Geometry type: POINT
## Dimension:     XY
## Bounding box:  xmin: 217622.9 ymin: 7504132 xmax: 246367.4 ymax: 7537855
## Projected CRS: SIRGAS 2000 / UTM zone 23S
## First 10 features:
##    GEOCODIGO MUNICIPIO UF CD_UF    HIDRO                 geometry
## 1    3543907 RIO CLARO SP    35 nascente POINT (217622.9 7528315)
## 2    3543907 RIO CLARO SP    35 nascente POINT (217836.5 7528103)
## 3    3543907 RIO CLARO SP    35 nascente POINT (217988.9 7528203)
## 4    3543907 RIO CLARO SP    35 nascente POINT (218288.9 7528237)
## 5    3543907 RIO CLARO SP    35 nascente POINT (218346.6 7530583)
## 6    3543907 RIO CLARO SP    35 nascente POINT (218393.1 7528031)
## 7    3543907 RIO CLARO SP    35 nascente POINT (218508.3 7528470)
## 8    3543907 RIO CLARO SP    35 nascente POINT (218535.4 7530642)
## 9    3543907 RIO CLARO SP    35 nascente POINT (218583.5 7528215)
## 10   3543907 RIO CLARO SP    35 nascente POINT (218760.1 7530258)
```

---

# 8. Conversão raster-vetor

## Rasterização de pontos

### Rasterize

```r
# rasterizar pontos
rc_nas_rasterizacao <- raster::rasterize(x = rc_nas, y = dem_rc_utm23s_agre_media, field = 1, fun = "count")
rc_nas_rasterizacao
```

---

# 8. Conversão raster-vetor

## Rasterização de pontos

### Rasterize

```r
# plot
plot(rc_nas_rasterizacao, col = viridis::viridis(10))
plot(rc_nas$geometry, pch = 20, cex = .5, col = adjustcolor("gray", .5), add = TRUE)
```

---

# 8. Conversão raster-vetor

## Rasterização de linhas

### Rasterize

```r
# importar linhas
rc_hid_simp <- sf::st_read(here::here("03_dados", "vetor", "SP_3543907_RIOS_SIMPLES.shp"), quiet = TRUE) %>% 
 sf::st_simplify(x = ., dTolerance = 1000)
rc_hid_simp
```

```
## Simple feature collection with 1 feature and 6 fields
## Geometry type: MULTILINESTRING
## Dimension:     XY
## Bounding box:  xmin: 215155.3 ymin: 7504132 xmax: 246367.4 ymax: 7537978
## Projected CRS: SIRGAS 2000 / UTM zone 23S
##   GEOCODIGO MUNICIPIO UF CD_UF                  HIDRO COMP_KM
## 1   3543907 RIO CLARO SP    35 curso d'água (0 - 10m) 1142.98
##                         geometry
## 1 MULTILINESTRING ((231815.7 ...
```

---

# 8. Conversão raster-vetor

## Rasterização de linhas

### Rasterize

```r
# rasterizar linhas
rc_hid_rasterizacao <- raster::rasterize(x = rc_hid_simp,
 y = dem_rc_utm23s_agre_media,
 field = 1, fun = "count")
```

---

# 8. Conversão raster-vetor

## Rasterização de linhas

### Rasterize

```r
# plot
plot(rc_hid_rasterizacao, col = viridis::viridis(10))
plot(rc_hid_simp$geom, col = "gray", add = TRUE)
```

---

# 8. Conversão raster-vetor

## Rasterização de polígonos

### Rasterize

```r
# importar poligonos
rc_cob <- sf::st_read(here::here("03_dados", "vetor", "SP_3543907_USO.shp"), quiet = TRUE) %>% 
 dplyr::mutate(classe = as.factor(CLASSE_USO))
rc_cob
```

```
## Simple feature collection with 5 features and 7 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: 215151.7 ymin: 7503723 xmax: 246582.4 ymax: 7537978
## Projected CRS: SIRGAS 2000 / UTM zone 23S
##   GEOCODIGO MUNICIPIO UF CD_UF         CLASSE_USO   AREA_HA
## 1   3543907 RIO CLARO SP    35               água   357.027
## 2   3543907 RIO CLARO SP    35   área antropizada 37297.800
## 3   3543907 RIO CLARO SP    35     área edificada  5078.330
## 4   3543907 RIO CLARO SP    35 formação florestal  7017.990
## 5   3543907 RIO CLARO SP    35       silvicultura   138.173
##                         geometry             classe
## 1 MULTIPOLYGON (((235487.6 75...               água
## 2 MULTIPOLYGON (((232275 7504...   área antropizada
## 3 MULTIPOLYGON (((233123.6 75...     área edificada
## 4 MULTIPOLYGON (((232355 7504... formação florestal
## 5 MULTIPOLYGON (((243052.1 75...       silvicultura
```

---

# 8. Conversão raster-vetor

## Rasterização de polígonos

### Rasterize

```r
# rasterizar poligonos
rc_cob_rasterizacao <- raster::rasterize(x = rc_cob, y = dem_rc_utm23s_agre_media, field = "classe")
```

---

# 8. Conversão raster-vetor

## Rasterização de polígonos

### Rasterize

```r
# plot
plot(rc_cob_rasterizacao, col = viridis::viridis(10))
plot(rc_cob$geom, add = TRUE)
```

---

background-image: url(img/geo_raster_fasterize.png)
background-size: 500px
background-position: 50% 80%

# 8. Conversão raster-vetor

## Rasterização de polígonos

### Fasterize

```r
# package fasterize
# install.packages("fasterize")
library(fasterize)
```

---

# 8. Conversão raster-vetor

## Rasterização de polígonos

### Fasterize

```r
# rasterizacao com fasterize
rc_cob_fast <- fasterize::fasterize(sf = rc_cob, raster = dem_rc_utm23s_agre_media, field = "classe")
rc_cob_fast
```

---

# 8. Conversão raster-vetor

## Rasterização de polígonos

### Fasterize

```r
# plot
plot(rc_cob_fast, col = viridis::viridis(10))
plot(rc_cob$geom, add = TRUE)
```

---

background-image: url(img/geo_raster_vectorization_points.png)
background-size: 700px
background-position: 50% 65%

# 8. Conversão raster-vetor

## Vetorização - Raster para pontos

[Lovelace et al. (2020)](https://geocompr.robinlovelace.net/)

---

# 8. Conversão raster-vetor

## Vetorização - Raster para pontos

```r
# vetorizacao de pontos
dem_rc_utm23s_agre_media_pontos <- raster::rasterToPoints(dem_rc_utm23s_agre_media, spatial = TRUE) %>% 
 sf::st_as_sf()
dem_rc_utm23s_agre_media_pontos
```

```
## Simple feature collection with 1384 features and 1 field
## Geometry type: POINT
## Dimension:     XY
## Bounding box:  xmin: 215004.4 ymin: 7503075 xmax: 246504.4 ymax: 7538175
## Projected CRS: SIRGAS 2000 / UTM zone 23S
## First 10 features:
##    srtm_27_17                 geometry
## 1    861.5798 POINT (222204.4 7538175)
## 2    845.0291 POINT (223104.4 7538175)
## 3    767.5242 POINT (224004.4 7538175)
## 4    666.6461 POINT (224904.4 7538175)
## 5    679.7852 POINT (225804.4 7538175)
## 6    727.4907 POINT (226704.4 7538175)
## 7    716.2133 POINT (227604.4 7538175)
## 8    622.1591 POINT (228504.4 7538175)
## 9    593.3788 POINT (229404.4 7538175)
## 10   618.5790 POINT (230304.4 7538175)
```

---

# 8. Conversão raster-vetor

## Vetorização - Raster para pontos

```r
# plot
plot(dem_rc_utm23s_agre_media, col = viridis::viridis(10, alpha = .8))
plot(dem_rc_utm23s_agre_media_pontos, pch = 20, cex = .7, main = FALSE, add = TRUE)
plot(rc_2020_utm23s$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

background-image: url(img/geo_raster_vectorization_lines_contour.png)
background-size: 800px
background-position: 50% 70%

# 8. Conversão raster-vetor

## Vetorização - Raster para linhas

[Lovelace et al. (2020)](https://geocompr.robinlovelace.net/)

---

# 8. Conversão raster-vetor

## Vetorização - Raster para linhas

```r
# vetorizacao de linhas
dem_rc_utm23s_agre_media_linhas <- raster::rasterToContour(x = dem_rc_utm23s_agre_media) %>% 
 sf::st_as_sf()
dem_rc_utm23s_agre_media_linhas
```

```
## Simple feature collection with 8 features and 1 field
## Geometry type: MULTILINESTRING
## Dimension:     XY
## Bounding box:  xmin: 215004.4 ymin: 7503506 xmax: 246504.4 ymax: 7538175
## Projected CRS: SIRGAS 2000 / UTM zone 23S
##     level                       geometry
## C_1   550 MULTILINESTRING ((215904.4 ...
## C_2   600 MULTILINESTRING ((215004.4 ...
## C_3   650 MULTILINESTRING ((215004.4 ...
## C_4   700 MULTILINESTRING ((215004.4 ...
## C_5   750 MULTILINESTRING ((215004.4 ...
## C_6   800 MULTILINESTRING ((215004.4 ...
## C_7   850 MULTILINESTRING ((215004.4 ...
## C_8   900 MULTILINESTRING ((215004.4 ...
```

---

# 8. Conversão raster-vetor

## Vetorização - Raster para linhas

```r
# plot
plot(dem_rc_utm23s_agre_media, col = viridis::viridis(10, alpha = .8))
contour(dem_rc_utm23s_agre_media, levels =  seq(500, 900, by = 50),
        col = "white", pch = 20, lwd = 1.5, labcex = 2, main = FALSE, add = TRUE)
plot(rc_2020_utm23s$geom, col = NA, border = "red", lwd = 2, add = TRUE)
```

---

background-image: url(img/geo_raster_vectorization_polygons.png)
background-size: 1000px
background-position: 50% 50%

# 8. Conversão raster-vetor

## Vetorização - Raster para polígonos

[Lovelace et al. (2020)](https://geocompr.robinlovelace.net/)

---

# 8. Conversão raster-vetor

## Vetorização - Raster para polígonos

```r
# vetorizacao de poligonos
rc_cob_rasterizacao_poligonos <- raster::rasterToPolygons(rc_cob_rasterizacao) %>% 
 sf::st_as_sf()
rc_cob_rasterizacao_poligonos
```

```
## Simple feature collection with 618 features and 1 field
## Geometry type: POLYGON
## Dimension:     XY
## Bounding box:  xmin: 215454.4 ymin: 7503525 xmax: 246954.4 ymax: 7537725
## Projected CRS: SIRGAS 2000 / UTM zone 23S
## First 10 features:
##    layer                       geometry
## 1      2 POLYGON ((232554.4 7537725,...
## 2      2 POLYGON ((233454.4 7537725,...
## 3      2 POLYGON ((234354.4 7537725,...
## 4      2 POLYGON ((235254.4 7537725,...
## 5      2 POLYGON ((236154.4 7537725,...
## 6      2 POLYGON ((237054.4 7537725,...
## 7      2 POLYGON ((237954.4 7537725,...
## 8      2 POLYGON ((238854.4 7537725,...
## 9      2 POLYGON ((239754.4 7537725,...
## 10     2 POLYGON ((240654.4 7537725,...
```

---

# 8. Conversão raster-vetor

## Vetorização - Raster para polígonos

```r
# plot
plot(rc_cob_rasterizacao, col = viridis::viridis(10))
plot(rc_cob_rasterizacao_poligonos$geometry, col = NA, border = "gray", lwd = 1, main = FALSE, add = TRUE)
```

---

# 8. Conversão raster-vetor

## Vetorização - Raster para polígonos dissolvidos

```r
# vetorizacao de poligonos dissolvendo
rc_cob_rasterizacao_poligonos_dissolvidos <- raster::rasterToPolygons(rc_cob_rasterizacao, dissolve = TRUE) %>% 
 sf::st_as_sf()
rc_cob_rasterizacao_poligonos_dissolvidos
```

```
## Simple feature collection with 5 features and 1 field
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: 215454.4 ymin: 7503525 xmax: 246954.4 ymax: 7537725
## Projected CRS: SIRGAS 2000 / UTM zone 23S
##   layer                       geometry
## 1     1 MULTIPOLYGON (((227154.4 75...
## 2     2 MULTIPOLYGON (((227154.4 75...
## 3     3 MULTIPOLYGON (((234354.4 75...
## 4     4 MULTIPOLYGON (((229854.4 75...
## 5     5 MULTIPOLYGON (((245154.4 75...
```

---

# 8. Conversão raster-vetor

## Vetorização - Raster para polígonos dissolvidos

```r
# plot
plot(rc_cob_rasterizacao, col = viridis::viridis(10))
plot(rc_cob_rasterizacao_poligonos_dissolvidos$geometry, col = NA, border = "gray", lwd = 1, main = FALSE, add = TRUE)
```

---

background-image: url(img/geo_sr_spectral_index.png)
background-size: 600px
background-position: 70% 90%

# 9. Índices espectrais

## **Definição**

### **Equação matemática** aplicada por pixel em **várias bandas espectrais** de uma imagem, cuja finalidade é **realçar alguma característica na imagem**

## **Aplicações**

1. Vegetação
1. Solo
1. Incêndios
1. Água
1. ....

[Wegmann et al. (2016)](http://book.ecosens.org/rsebook/)

---

background-image: url(img/geo_sr_spectral_index_list.png)
background-size: 500px
background-position: 50% 70%

# 9. Índices espectrais

## Lista de índices espectrais (quase infinita...)

---

background-image: url(img/geo_sr_ndvi.png), url(img/geo_sr_ndvi_response2.jpg), url(img/ndvi.jpg)
background-size: 300px, 550px, 350px 
background-position: 20% 90%, 85% 90%, 95% 15%

# 9. Índices espectrais

## *Normalized Difference Vegetation Index* (NDVI)

- Os valores do NDVI variam de -1 a +1

- Valores **próximos de 1** indicam **maior atividade fotossintética** da vegetação

- Valores **próximos de 0** são geralmente **áreas sem vegetação**

- Valores **próximos de -1** geralmente indicam **água**

---

background-image: url(img/geo_sr_landsat8.png), url(img/geo_sr_ndvi_response3.png), url(img/geo_sr_ndvi.jpg)
background-size: 300px, 550px, 550px
background-position: 20% 20%, 6% 83%, 92% 71%

# 9. Índices espectrais

## *Normalized Difference Vegetation Index* (NDVI)

---

# 9. Índices espectrais

## *Normalized Difference Vegetation Index* (NDVI)

### Landsat 8 - Rio Claro/SP

```r
# landsat 8 - Rio Claro/SP
landsat_rc
```

---

# 9. Índices espectrais

## *Normalized Difference Vegetation Index* (NDVI)

### Landsat 8 - Rio Claro/SP

```r
# plot - cores naturais
plotRGB(landsat_rc, r = 4, g = 3, b = 2, stretch = "hist")
```

---

# 9. Índices espectrais

## *Normalized Difference Vegetation Index* (NDVI)

### Landsat 8 - Rio Claro/SP

```r
# plot - falsa cor infravermelho
plotRGB(landsat_rc, r = 5, g = 4, b = 3, stretch = "hist")
```

---

background-image: url(img/geo_sr_rstbx.png), url(img/geo_sr_rstbx_image.png)
background-size: 250px, 650px
background-position: 13% 73%, 80% 90%

# 9. Índices espectrais

## *Normalized Difference Vegetation Index* (NDVI)

### RStoolbox

```r
# package RStoolbox
# install.packages("RStoolbox")
library(RStoolbox)
```

[RStoolbox](http://bleutner.github.io/RStoolbox/)

---

# 9. Índices espectrais

## *Normalized Difference Vegetation Index* (NDVI)

```r
# ndvi
landsat_rc_ndvi <- RStoolbox::spectralIndices(img = landsat_rc, red = 4, nir = 5, indices = "NDVI")
landsat_rc_ndvi
```

```
## class      : RasterLayer 
## dimensions : 1142, 1047, 1195674  (nrow, ncol, ncell)
## resolution : 30, 30  (x, y)
## extent     : 215145, 246555, -2496285, -2462025  (xmin, xmax, ymin, ymax)
## crs        : +proj=utm +zone=23 +datum=WGS84 +units=m +no_defs 
## source     : memory
## names      : NDVI 
## values     : -0.9387755, 1  (min, max)
```

---

# 9. Índices espectrais

## *Normalized Difference Vegetation Index* (NDVI)

```r
# plot
plot(landsat_rc_ndvi)
```

---

background-image: url(img/general_subdirectory.jpeg)
background-size: 300px
background-position: 50% 90%

# 10. Exportar objetos raster

## Exportar raster

### Criar um diretório

```r
# diretorio
dir.create(here::here("03_dados", "raster", "exportados"))
```

---

background-image: url(img/geo_raster_single_raster.png)
background-size: 250px
background-position: 50% 90%

# 10. Exportar objetos raster

## Exportar raster

```r
# exportar raster layer
raster::writeRaster(dem_rc, 
                    filename = here::here("03_dados", "raster", "exportados", "elevation_rio_claro"),
                    format = "GTiff",
                    datatype = "INT2S",
                    options = c("COMPRESS=DEFLATE", "TFW=YES"),
                    progress = "text",
                    overwrite = TRUE)
```

---

background-image: url(img/geo_raster_multi_raster.png)
background-size: 230px
background-position: 50% 95%

# 10. Exportar objetos raster

## Exportar stack ou brick

```r
# exportar raster stack ou brick
raster::writeRaster(x = bioclim[[1:3]], 
                    filename = here::here("03_dados", "raster", "exportados", names(bioclim[[1:3]])),
                    bylayer = TRUE, 
                    format = "GTiff",
                    datatype = "INT2S",
                    options = c("COMPRESS=DEFLATE", "TFW=YES"),
                    progress = "text",
                    overwrite = TRUE)
```

---

# Dúvidas?

---

class: clear, middle
background-image: url(img/gif_frog.gif), url(img/gif_frogs.gif), url(img/package_xaringan.png)
background-size: 250px, 500px, 130px
background-position: 35% 50%, 90% 55%, 5% 86%

## Maurício Vancine

Contatos:

Slides criados via pacote [xaringan](https://github.com/yihui/xaringan) e tema [Metropolis](https://github.com/pat-s/xaringan-metropolis). Animação dos sapos por [@probzz](https://twitter.com/probzz/status/1367613720294170627).