Métricas de paisagem no R: landscapemetrics

Maurício Vancine • LEEC/Unesp

Julho de 2022

Licença: CC BY-NC-SA

Maurício Vancine

Doutorando em Ecologia (2020-?)
Ecologia Espacial
Modelagem Ecológica
Análise de Dados Ecológicos e Geoespaciais
Ecologia e Conservação de Anfíbios
Open source [R, QGIS, GRASS GIS, GNU/Linux, …]

Análises Ecológicas no R

15 capítulos: linguagem R, tidyverse, perguntas em ecologia, análises univariadas, multivariadas e geoespaciais
bookdown
PDF
Amazon
Código Fonte
YouTube

Ecologia da paisagem

Contextualização
Definições
Escala, heterogeneidade e organismos
Estrutura da paisagem
Mudanças da paisagem

Métricas da paisagem

Definições
Elementos da paisagem
Tipos de métricas
Nível das métricas
Delineamento amostral
Correlação e escala

Geoprocessamento

Cartografia
Global Positioning System (GPS)
Sensoriamento Remoto
Sistema de Informação Geográfico (SIG)

Dados geoespaciais

Dados vetoriais
Dados matriciais (raster)
Conversão de dados geoespaciais
Fontes de dados geoespaciais

Introdução ao R

R e RStudio
Script
Objetos
Funções
Pacotes
Diretório

Dados geoespaciais

Importação
Reprojeção
Operações
Visualização

landscapemetrics

Descrição
Checar o raster
Descrição das funções
Retorno das funções

Nível das métricas
Classes das métricas
Espacializar as métricas
Múltiplas escalas

Material

Todo o material está disponível no GitHub

Ecologia da Paisagem

Contextualização

Ecologia da paisagem

Enfatiza as causas e consequências da heterogeneidade espacial em várias escalas (padrão espacial) sobre um ou vários processos ecológicos (predação, dispersão, polinização)

Ecologia da paisagem

Ecologia da Paisagem e Padrões/Processos Ecológicos

Definição de paisagem

(…) um mosaico ~~heterogêneo~~ formado por unidades interativas, sendo esta heterogeneidade existente para pelo menos um fator, segundo um observador e numa determinada escala de observação

Heterogeneidade, escala e organismos

Elementos da paisagem

Mancha (patch): porções de habitat
Corredor (corridor): mancha linear que liga outras manchas
Matriz (matriz): porções de não-habitat (classe dominante)

Morfologia da paisagem

1. Interior (core): porção interior de habitat

2. Borda (edge): porção exterior de habitat

3. Corredor (corridor): mancha linear que liga outras manchas

4. Ramificação (branch): porção anexa de habitat

5. Trampolim (stepping stone): porção isolada de habitat

6. Perfuração (perforation): borda interna dentro das manchas

Mudanças da paisagem (Processos)

Mudanças da paisagem (Estrutura)

Perda e fragmentação de habitat

E como mensurar a estrutura da paisagem?

Métricas de paisagem

Algoritmos para quantificar a estrutura espacial (características) da paisagem, para uma área geográfica

Tipos de métricas

Classificação categórica (composição e configuração)
Representação de grafos (conectância e redes)
Classificação de gradientes (NDVI, rugosidade, etc.)

Métricas de classificação categóricas

Composição: número e quantidade das manchas (número e área)

Configuração: arranjo espacial e distribuição das manchas (isolamento e forma)

Métricas de classificação categóricas

Nível das métricas

Métricas

knitr::kable(landscapemetrics::list_lsm())

metric	name	type	level	function_name
area	patch area	area and edge metric	patch	lsm_p_area
cai	core area index	core area metric	patch	lsm_p_cai
circle	related circumscribing circle	shape metric	patch	lsm_p_circle
contig	contiguity index	shape metric	patch	lsm_p_contig
core	core area	core area metric	patch	lsm_p_core
enn	euclidean nearest neighbor distance	aggregation metric	patch	lsm_p_enn
frac	fractal dimension index	shape metric	patch	lsm_p_frac
gyrate	radius of gyration	area and edge metric	patch	lsm_p_gyrate
ncore	number of core areas	core area metric	patch	lsm_p_ncore
para	perimeter-area ratio	shape metric	patch	lsm_p_para
perim	patch perimeter	area and edge metric	patch	lsm_p_perim
shape	shape index	shape metric	patch	lsm_p_shape
ai	aggregation index	aggregation metric	class	lsm_c_ai
area_cv	patch area	area and edge metric	class	lsm_c_area_cv
area_mn	patch area	area and edge metric	class	lsm_c_area_mn
area_sd	patch area	area and edge metric	class	lsm_c_area_sd
ca	total (class) area	area and edge metric	class	lsm_c_ca
cai_cv	core area index	core area metric	class	lsm_c_cai_cv
cai_mn	core area index	core area metric	class	lsm_c_cai_mn
cai_sd	core area index	core area metric	class	lsm_c_cai_sd
circle_cv	related circumscribing circle	shape metric	class	lsm_c_circle_cv
circle_mn	related circumscribing circle	shape metric	class	lsm_c_circle_mn
circle_sd	related circumscribing circle	shape metric	class	lsm_c_circle_sd
clumpy	clumpiness index	aggregation metric	class	lsm_c_clumpy
cohesion	patch cohesion index	aggregation metric	class	lsm_c_cohesion
contig_cv	contiguity index	shape metric	class	lsm_c_contig_cv
contig_mn	contiguity index	shape metric	class	lsm_c_contig_mn
contig_sd	contiguity index	shape metric	class	lsm_c_contig_sd
core_cv	core area	core area metric	class	lsm_c_core_cv
core_mn	core area	core area metric	class	lsm_c_core_mn
core_sd	core area	core area metric	class	lsm_c_core_sd
cpland	core area percentage of landscape	core area metric	class	lsm_c_cpland
dcad	disjunct core area density	core area metric	class	lsm_c_dcad
dcore_cv	disjunct core area	core area metric	class	lsm_c_dcore_cv
dcore_mn	disjunct core area	core area metric	class	lsm_c_dcore_mn
dcore_sd	disjunct core area	core area metric	class	lsm_c_dcore_sd
division	division index	aggregation metric	class	lsm_c_division
ed	edge density	area and edge metric	class	lsm_c_ed
enn_cv	euclidean nearest neighbor distance	aggregation metric	class	lsm_c_enn_cv
enn_mn	euclidean nearest neighbor distance	aggregation metric	class	lsm_c_enn_mn
enn_sd	euclidean nearest neighbor distance	aggregation metric	class	lsm_c_enn_sd
frac_cv	fractal dimension index	shape metric	class	lsm_c_frac_cv
frac_mn	fractal dimension index	shape metric	class	lsm_c_frac_mn
frac_sd	fractal dimension index	shape metric	class	lsm_c_frac_sd
gyrate_cv	radius of gyration	area and edge metric	class	lsm_c_gyrate_cv
gyrate_mn	radius of gyration	area and edge metric	class	lsm_c_gyrate_mn
gyrate_sd	radius of gyration	area and edge metric	class	lsm_c_gyrate_sd
iji	interspersion and juxtaposition index	aggregation metric	class	lsm_c_iji
lpi	largest patch index	area and edge metric	class	lsm_c_lpi
lsi	landscape shape index	aggregation metric	class	lsm_c_lsi
mesh	effective mesh size	aggregation metric	class	lsm_c_mesh
ndca	number of disjunct core areas	core area metric	class	lsm_c_ndca
nlsi	normalized landscape shape index	aggregation metric	class	lsm_c_nlsi
np	number of patches	aggregation metric	class	lsm_c_np
pafrac	perimeter-area fractal dimension	shape metric	class	lsm_c_pafrac
para_cv	perimeter-area ratio	shape metric	class	lsm_c_para_cv
para_mn	perimeter-area ratio	shape metric	class	lsm_c_para_mn
para_sd	perimeter-area ratio	shape metric	class	lsm_c_para_sd
pd	patch density	aggregation metric	class	lsm_c_pd
pladj	percentage of like adjacencies	aggregation metric	class	lsm_c_pladj
pland	percentage of landscape	area and edge metric	class	lsm_c_pland
shape_cv	shape index	shape metric	class	lsm_c_shape_cv
shape_mn	shape index	shape metric	class	lsm_c_shape_mn
shape_sd	shape index	shape metric	class	lsm_c_shape_sd
split	splitting index	aggregation metric	class	lsm_c_split
tca	total core area	core area metric	class	lsm_c_tca
te	total edge	area and edge metric	class	lsm_c_te
ai	aggregation index	aggregation metric	landscape	lsm_l_ai
area_cv	patch area	area and edge metric	landscape	lsm_l_area_cv
area_mn	patch area	area and edge metric	landscape	lsm_l_area_mn
area_sd	patch area	area and edge metric	landscape	lsm_l_area_sd
cai_cv	core area index	core area metric	landscape	lsm_l_cai_cv
cai_mn	core area index	core area metric	landscape	lsm_l_cai_mn
cai_sd	core area index	core area metric	landscape	lsm_l_cai_sd
circle_cv	related circumscribing circle	shape metric	landscape	lsm_l_circle_cv
circle_mn	related circumscribing circle	shape metric	landscape	lsm_l_circle_mn
circle_sd	related circumscribing circle	shape metric	landscape	lsm_l_circle_sd
cohesion	patch cohesion index	aggregation metric	landscape	lsm_l_cohesion
condent	conditional entropy	complexity metric	landscape	lsm_l_condent
contag	connectance	aggregation metric	landscape	lsm_l_contag
contig_cv	contiguity index	shape metric	landscape	lsm_l_contig_cv
contig_mn	contiguity index	shape metric	landscape	lsm_l_contig_mn
contig_sd	contiguity index	shape metric	landscape	lsm_l_contig_sd
core_cv	core area	core area metric	landscape	lsm_l_core_cv
core_mn	core area	core area metric	landscape	lsm_l_core_mn
core_sd	core area	core area metric	landscape	lsm_l_core_sd
dcad	disjunct core area density	core area metric	landscape	lsm_l_dcad
dcore_cv	disjunct core area	core area metric	landscape	lsm_l_dcore_cv
dcore_mn	disjunct core area	core area metric	landscape	lsm_l_dcore_mn
dcore_sd	disjunct core area	core area metric	landscape	lsm_l_dcore_sd
division	division index	aggregation metric	landscape	lsm_l_division
ed	edge density	area and edge metric	landscape	lsm_l_ed
enn_cv	euclidean nearest neighbor distance	aggregation metric	landscape	lsm_l_enn_cv
enn_mn	euclidean nearest neighbor distance	aggregation metric	landscape	lsm_l_enn_mn
enn_sd	euclidean nearest neighbor distance	aggregation metric	landscape	lsm_l_enn_sd
ent	shannon entropy	complexity metric	landscape	lsm_l_ent
frac_cv	fractal dimension index	shape metric	landscape	lsm_l_frac_cv
frac_mn	fractal dimension index	shape metric	landscape	lsm_l_frac_mn
frac_sd	fractal dimension index	shape metric	landscape	lsm_l_frac_sd
gyrate_cv	radius of gyration	area and edge metric	landscape	lsm_l_gyrate_cv
gyrate_mn	radius of gyration	area and edge metric	landscape	lsm_l_gyrate_mn
gyrate_sd	radius of gyration	area and edge metric	landscape	lsm_l_gyrate_sd
iji	interspersion and juxtaposition index	aggregation metric	landscape	lsm_l_iji
joinent	joint entropy	complexity metric	landscape	lsm_l_joinent
lpi	largest patch index	area and edge metric	landscape	lsm_l_lpi
lsi	landscape shape index	aggregation metric	landscape	lsm_l_lsi
mesh	effective mesh size	aggregation metric	landscape	lsm_l_mesh
msidi	modified simpson’s diversity index	diversity metric	landscape	lsm_l_msidi
msiei	modified simpson’s evenness index	diversity metric	landscape	lsm_l_msiei
mutinf	mutual information	complexity metric	landscape	lsm_l_mutinf
ndca	number of disjunct core areas	core area metric	landscape	lsm_l_ndca
np	number of patches	aggregation metric	landscape	lsm_l_np
pafrac	perimeter-area fractal dimension	shape metric	landscape	lsm_l_pafrac
para_cv	perimeter-area ratio	shape metric	landscape	lsm_l_para_cv
para_mn	perimeter-area ratio	shape metric	landscape	lsm_l_para_mn
para_sd	perimeter-area ratio	shape metric	landscape	lsm_l_para_sd
pd	patch density	aggregation metric	landscape	lsm_l_pd
pladj	percentage of like adjacencies	aggregation metric	landscape	lsm_l_pladj
pr	patch richness	diversity metric	landscape	lsm_l_pr
prd	patch richness density	diversity metric	landscape	lsm_l_prd
relmutinf	relative mutual information	complexity metric	landscape	lsm_l_relmutinf
rpr	relative patch richness	diversity metric	landscape	lsm_l_rpr
shape_cv	shape index	shape metric	landscape	lsm_l_shape_cv
shape_mn	shape index	shape metric	landscape	lsm_l_shape_mn
shape_sd	shape index	shape metric	landscape	lsm_l_shape_sd
shdi	shannon’s diversity index	diversity metric	landscape	lsm_l_shdi
shei	shannon’s evenness index	diversity metric	landscape	lsm_l_shei
sidi	simpson’s diversity index	diversity metric	landscape	lsm_l_sidi
siei	simspon’s evenness index	diversity metric	landscape	lsm_l_siei
split	splitting index	aggregation metric	landscape	lsm_l_split
ta	total area	area and edge metric	landscape	lsm_l_ta
tca	total core area	core area metric	landscape	lsm_l_tca
te	total edge	area and edge metric	landscape	lsm_l_te

Qual métrica calcular e por quê?

Concepção de uma pesquisa

Teoria Ecológica: fenônomenos, mecanismos, processos e padrões
Observação, questões, hipóteses, predições
Variável(is) resposta(s) (Y) e preditora(s) (X)

Delineamento amostral

Definir as unidades amostrais
Definir as métricas de paisagem
Garantir um gradiente das métricas nas unidades amostrais
Garantir indepedência entre as amostragens ou tratar isso estatisticamente (fator aleatório)
Correlação entre as métricas
Escala (de efeito)

Correlação entre as métricas

Escala de efeito

Recapitulando

Ecologia Espacial: respostas ecológicas à covariáveis ambientais incorporando o espaço
Ecologia da Paisagem: relaciona processos ecológicos a padrões espaciais
Paisagem: unidades heterogêneas ao menos para um fator, observador e escala
Elementos da paisagem: mancha, corredor e matriz
Mudanças na paisagem: processos e estrutura (perda e fragmentação)
Métricas da paisagem: quantificam a estrutura espacial (características) da paisagem
Métricas categóricas: composição e configuração
Níveis das métricas: patch, class e landscape
Escolha da métrica: dependente do delineamento amostral
Atenção: correlação entre as métricas
Atenção: escala de efeito

Dúvidas?

Geoprocessamento

Entender os padrões espaciais como o ambiente físico, fenômenos climáticos, humanos, sociais ou econômicos, a partir de dados dados espaciais para gerar informações espaciais

Geoprocessamento (Elementos)

Cartografia digital (CD)
Global Positioning System (GPS)
Sensoriamento Remoto (RS)
Sistemas de Informações Geográficas (SIG)

Cartografia

Escala

Relação entre a medida gráfica (representado no papel ou computador) e a medida real (objeto ou lugar)

d (distância gráfica): 0.01 m (1 cm)
D (distância real): 250 m
E (escala) = d / D = 0.01 m / 250 m
E = 1/25000 ou 1:25000

Cartografia

Sistema de coordenadas geográfico (graus)

1. Graus, minutos e segundos

Longitude: 42°42’42” O

Latitude: 23°23’23” S

2. Graus decimais

Longitude: -42.71167

Latitude: -23.38972

Conversão

42 + (42/60) + (42/3600) = 42.71167

23 + (23/60) + (23/3600) = 23.38972

Cartografia

Sistema de coordenadas projetado (metros)

Cartografia

Sistema de coordenadas projetado (metros)

Universal Transversa de Mercator (UTM)

X UTM: 706832 m E

Y UTM: 4344683 m N

Zona: 10S

Cartografia

Datum

Relação do sistema de coordenadas com a superfície da Terra

1. Geocêntricos

WGS84

SIRGAS2000

2. Topocêntricos

SAD69

Córrego Alegre

Cartografia

Sistema de Referência de Coordenadas (SRC)

Datum + Sistema de Coordenadas (geográfico ou projetado)

Cartografia

EPSG (European Petroleum Survey Group)

EPSG: 4326 WGS84 Geográfico
EPSG: 4674 SIRGAS2000 Geográfico
EPSG: 32723 WGS84 UTM23S
EPSG: 31983 SIRGAS2000 UTM23S

Global Positioning System (GPS)

Indica uma localização no planeta através de pontos ou linhas

Satélites: localização e altitude
Tipos de dados: waypoint, route e track
Formatos: .gpx e .kml ou .kmz

Global Positioning System (GPS)

Indica uma localização no planeta através de pontos ou linhas

Sensoriamento Remoto

Sistema de Informação Geográfica (SIG/GIS)

Dados geoespaciais

Dados vetoriais

Pontos, linhas e polígonos

Dados vetoriais

Tabela de atributos

Dados vetoriais

Formato: Shapefile

.shp: contém as informações da feição (desenho)

.dbf: tabela que contém as informações (colunas) sobre cada feição (linhas)

.shx: arquivo de índice que une o .shp ao .dbf

.prj: contém as informações do sistema de referências de coordenadas

Dados matriciais (Raster)

Matriz de valores

Dados matriciais (Raster)

Matriz de valores - contínuos ou categóricos

Dados matriciais (Raster)

Propriedades - extensão e resolução

Dados matriciais (Raster)

Formato: GeoTiff

.tif: arquivo rater georreferenciado

Conversão de dados geoespaciais

Converter vetor-raster e vice-versa

Fontes de dados geoespaciais

Vetoriais

IBGE: limites territoriais e censitários do Brasil
FBDS: uso da terra, APP e hidrografia - Mata Atlântica e Cerrado
GeoBank: dados geológicos do Brasil
Pastagem.org: dados de pastagens e gado para o Brasil
CanaSat: dados de cana-de-açúcar para o Brasil
CSR Maps: diversos dados vetoriais para o Brasil
OpenStreetMap Data Extracts: dados do OpenStreetMap
Ecoregions: dados de biorregiões e biomas do mundo
GADM: limites de áreas administrativas do mundo
Natural Earth: diversos limites para o mundo
Protected Planet: áreas protegidas para o mundo
UN Biodiversity Lab: Diversas bases de dados para o mundo
HydroSHEDS: informações hidrológicas do mundo
Global Roads Inventory Project (GRIP): dados de estradas do mundo todo

Fontes de dados geoespaciais

Matriciais

MapBiomas: uso e cobertura da terra para o Brasil, diversos anos
Bahlu: Distribuições históricas de terras agrícolas e pastagens para todo o Brasil de 1940 a 2012
USGS: dados de diversos satélites livres para o mundo
SRTM: dados de elevação para o mundo
Global Forest Watch: dados de uso e cobertura para todo o planeta
Geoservice Maps: dados de elevação e florestas para o mundo
GlobCover: dados de uso e cobertura da terra para todo o planeta
Global Human Footprint: dados de pegada ecológica para o mundo
Land-Use Harmonization (LUH2): dados atuais e previsões de uso da terra
SoilGrids: dados de solo para o mundo
WorldClim: dados climáticos para o mundo
CHELSA: dados climáticos para o mundo
EarthEnv: dados de cobertura da terra, nuvens, relevo e hidrografia
MARSPEC: dados de condições do oceano para o mundo
Bio-ORACLE: dados de condições do oceano para o mundo

Fontes de dados geoespaciais

Pacotes e sites

geobr: carrega Shapefiles de Conjuntos de Dados Espaciais Oficiais do Brasil
rnaturalearth: dados do mapa mundial da Natural Earth
geodata: acesso a dados globais de clima, altitude, solo, ocorrência de espécies e limites administrativos
rworldmap: dados globais
spData: conjuntos de dados para análise espacial
OpenStreetMap: acesso para abrir imagens raster de mapas de ruas
osmdata: baixe e importe dados do OpenStreetMap
geonames: interface para o serviço da Web de consulta espacial “Geonames”
rgbif: interface para o Global ‘Biodiversity’ Information Facility API
maptools: ferramentas para lidar com objetos espaciais
marmap: importar, traçar e analisar dados batimétricos e topográficos
envirem: geração de Variáveis ENVIREM
sdmpredictors: conjuntos de dados preditor de modelagem de distribuição de espécies
rstac: R Client Library for SpatioTemporal Asset Catalog
rwlts: R Client Library for Web Land Trajectory Service
getSpatialData: baixar diversas bases de dados
rspatialdata: coleção de fontes de dados e tutoriais sobre a visualização de dados espaciais usando R

Recapitulando

Geoprocessamento: entender padrões espaciais a partir de dados espaciais para gerar informações espaciais, com quatro componentes: cartografia, GPS, SR e SIG
Escala: relação entre uma medida gráfica e uma medida real
Sistema de coordenadas: pode ser geográfico (graus) ou projetado (metros)
Datum: relação do sistema de coordenadas com a superfície da Terra
Sistema de Referência de Coordenadas (SRC): Datum + Sistema de Coordenadas
GPS: indica uma localização no planeta através de pontos ou linhas
Sensoriamento Remoto: usa sistemas sensores acoplados a satélites/aviões/drones/balões para imagear a superfície do planeta de forma remota
SIG: conjunto de ferramentas que tratam os dados geoespaciais para gerar informações
Vetor: pontos, linhas e polígonos associados a uma tabela de atributos
Raster: matriz de valores contínuos ou categóricos
Conversão: dados vetoriais para dados rasters e vice-versa

Tranquilo até aqui?

R

O R é uma linguagem de programação livre (open source), direcionada à manipulação, análise e visualização de dados, com diversas expansões (pacotes) para o uso de dados com formatos específicos

RStudio

IDE (Integrated Development Environment) ou Ambiente de Desenvolvimento Integrado

Script

Onde os códigos são escritos e salvos no formato .R

Objetos

Palavras que atribuímos dados possibilitando a manipulação dos mesmos

Atribuição (objeto <- dados)

# atribuicao (<-)
objeto <- 42
objeto

[1] 42

Operações (+, -, *, /, ^)

# operacoes
objeto2 <- objeto * 2
objeto2

[1] 84

Funções

Códigos que realizam operações em argumentos

Estrutura de uma função

nome_da_funcao(argumento1, argumento2)

Soma

# soma
objeto3 <- sum(objeto, objeto2)
objeto3

[1] 126

Repetição

# repeticao
objeto4 <- rep(x = objeto, times = 10)
objeto4

 [1] 42 42 42 42 42 42 42 42 42 42

Pacotes

Coleção de funções para executar tarefas específicas

Instalar pacotes do CRAN

# instalar pacotes
install.packages("landscapemetrics", dep = TRUE)

Instalar pacotes do GitHub

# instalar pacotes do github
install.packages("remotes")
remotes::install_github("r-spatialecology/landscapemetrics")

Carregar pacotes

# carregar pacotes
library(landscapemetrics)

Diretório

Caminho de uma pasta/diretório onde o R irá importar e/ou exportar os dados

Definir um diretório de trabalho

# definir o diretorio de trabalho
setwd("/home/mude/data/github/mauriciovancine/workshop-landscapemetrics/")

Verificar o diretório

# verificar o diretorio
getwd()

Listar os arquivos no diretório

# listar os arquivos
dir()

Dados geoespaciais no R

Importar dados geoespaciais

Vetor

# pacote
library(readr)

# diretorio
setwd("/home/mude/data/github/mauriciovancine/workshop-landscapemetrics/03_data")

# importar pontos
da <- readr::read_csv("pontos_amostragem_geo.csv")
da

# A tibble: 10 × 3
      id   lon   lat
   <dbl> <dbl> <dbl>
 1     1 -47.7 -22.3
 2     2 -47.6 -22.4
 3     3 -47.5 -22.3
 4     4 -47.6 -22.5
 5     5 -47.6 -22.5
 6     6 -47.5 -22.3
 7     7 -47.5 -22.3
 8     8 -47.5 -22.4
 9     9 -47.6 -22.3
10    10 -47.7 -22.3

Importar dados geoespaciais

Vetor

# pacote
library(sf)

# importar pontos
po <- sf::st_as_sf(da, coords = c("lon", "lat"), crs = 4326)
po

Simple feature collection with 10 features and 1 field
Geometry type: POINT
Dimension:     XY
Bounding box:  xmin: -47.68955 ymin: -22.51605 xmax: -47.49691 ymax: -22.26893
Geodetic CRS:  WGS 84
# A tibble: 10 × 2
      id              geometry
 * <dbl>           <POINT [°]>
 1     1 (-47.68955 -22.34861)
 2     2 (-47.63003 -22.42595)
 3     3  (-47.49691 -22.3334)
 4     4 (-47.61035 -22.51605)
 5     5   (-47.6095 -22.4709)
 6     6 (-47.50656 -22.26893)
 7     7 (-47.54502 -22.29159)
 8     8 (-47.53064 -22.40221)
 9     9 (-47.55712 -22.33515)
10    10 (-47.68955 -22.34861)

Importar dados geoespaciais

Vetor

plot(po$geometry, col = "black", pch = 19, axes = TRUE, graticule = TRUE)

Importar dados geoespaciais

Vetor

# pacote
library(sf)

# diretorio
setwd("/home/mude/data/github/mauriciovancine/workshop-landscapemetrics/03_data")

# importar vetor
rc <- sf::st_read("rio_claro.shp", quiet = TRUE)
rc

Simple feature collection with 1 feature and 7 fields
Geometry type: POLYGON
Dimension:     XY
Bounding box:  xmin: -47.76521 ymin: -22.55203 xmax: -47.46188 ymax: -22.24368
Geodetic CRS:  WGS 84
  code_mn   name_mn cod_stt abbrv_s   nam_stt cod_rgn nam_rgn
1 3543907 Rio Claro      35      SP São Paulo       3 Sudeste
                        geometry
1 POLYGON ((-47.46875 -22.279...

Importar dados geoespaciais

Vetor

plot(rc$geom, col = "gray", axes = TRUE, graticule = TRUE)

Importar dados geoespaciais

Raster

# pacote
library(raster)

# diretorio
setwd("/home/mude/data/github/mauriciovancine/workshop-landscapemetrics/03_data/")

# importar raster
mapbiomas <- raster::raster("mapbiomas.tif")
mapbiomas

class      : RasterLayer 
dimensions : 1143, 1124, 1284732  (nrow, ncol, ncell)
resolution : 0.0002694946, 0.0002694946  (x, y)
extent     : -47.76495, -47.46204, -22.55185, -22.24381  (xmin, xmax, ymin, ymax)
crs        : +proj=longlat +datum=WGS84 +no_defs 
source     : mapbiomas.tif 
names      : mapbiomas 
values     : 0, 255  (min, max)

Importar dados geoespaciais

Raster

plot(mapbiomas)

Reprojetar dados geoespaciais

Vetor

# reprojetar vetor
po_utm <- sf::st_transform(po, crs = 31983)
po_utm

Simple feature collection with 10 features and 1 field
Geometry type: POINT
Dimension:     XY
Bounding box:  xmin: 222993.2 ymin: 7507708 xmax: 242815.3 ymax: 7535264
Projected CRS: SIRGAS 2000 / UTM zone 23S
# A tibble: 10 × 2
      id           geometry
 * <dbl>        <POINT [m]>
 1     1 (222993.2 7526113)
 2     2 (229276.4 7517654)
 3     3 (242815.3 7528139)
 4     4 (231477.1 7507708)
 5     5 (231477.4 7512711)
 6     6 (241702.3 7535264)
 7     7 (237779.5 7532687)
 8     8 (239467.7 7520459)
 9     9   (236614 7527841)
10    10 (222993.2 7526113)

Reprojetar dados geoespaciais

Vetor

plot(po_utm$geometry, pch = 20, axes = TRUE, graticule = TRUE)

Reprojetar dados geoespaciais

Vetor

# reprojetar vetor
rc_utm <- sf::st_transform(rc, crs = 31983)
rc_utm

Simple feature collection with 1 feature and 7 fields
Geometry type: POLYGON
Dimension:     XY
Bounding box:  xmin: 215165.5 ymin: 7503729 xmax: 246553 ymax: 7537978
Projected CRS: SIRGAS 2000 / UTM zone 23S
  code_mn   name_mn cod_stt abbrv_s   nam_stt cod_rgn nam_rgn
1 3543907 Rio Claro      35      SP São Paulo       3 Sudeste
                        geometry
1 POLYGON ((245619.2 7534186,...

Reprojetar dados geoespaciais

Vetor

plot(rc_utm$geom, col = "gray", axes = TRUE, graticule = TRUE)

Reprojetar dados geoespaciais

Raster

# reprojetar raster
mapbiomas_utm <- raster::projectRaster(mapbiomas, 
                                       crs = "+init=epsg:31983", 
                                       method = "ngb", 
                                       res = 90)
mapbiomas_utm

class      : RasterLayer 
dimensions : 395, 363, 143385  (nrow, ncol, ncell)
resolution : 90, 90  (x, y)
extent     : 214560.4, 247230.4, 7503021, 7538571  (xmin, xmax, ymin, ymax)
crs        : +proj=utm +zone=23 +south +ellps=GRS80 +units=m +no_defs 
source     : memory
names      : mapbiomas 
values     : 0, 48  (min, max)

Reprojetar dados geoespaciais

Raster

plot(mapbiomas_utm)

Operações com dados geoespaciais

Buffer

bu <- sf::st_buffer(po_utm, dist = 500)
bu

Simple feature collection with 10 features and 1 field
Geometry type: POLYGON
Dimension:     XY
Bounding box:  xmin: 222493.2 ymin: 7507208 xmax: 243315.3 ymax: 7535764
Projected CRS: SIRGAS 2000 / UTM zone 23S
# A tibble: 10 × 2
      id                                                                geometry
 * <dbl>                                                           <POLYGON [m]>
 1     1 ((223493.2 7526113, 223492.5 7526086, 223490.5 7526060, 223487.1 75260…
 2     2 ((229776.4 7517654, 229775.7 7517627, 229773.7 7517601, 229770.2 75175…
 3     3 ((243315.3 7528139, 243314.6 7528113, 243312.6 7528087, 243309.2 75280…
 4     4 ((231977.1 7507708, 231976.4 7507682, 231974.4 7507656, 231970.9 75076…
 5     5 ((231977.4 7512711, 231976.7 7512685, 231974.6 7512659, 231971.2 75126…
 6     6 ((242202.3 7535264, 242201.6 7535238, 242199.6 7535211, 242196.1 75351…
 7     7 ((238279.5 7532687, 238278.8 7532661, 238276.7 7532635, 238273.3 75326…
 8     8 ((239967.7 7520459, 239967 7520433, 239965 7520407, 239961.5 7520381, …
 9     9 ((237114 7527841, 237113.3 7527815, 237111.3 7527789, 237107.9 7527763…
10    10 ((223493.2 7526113, 223492.5 7526086, 223490.5 7526060, 223487.1 75260…

Operações com dados geoespaciais

Buffer

plot(rc_utm$geom, border = "gray")
plot(po_utm$geometry, add = TRUE)
plot(bu$geometry, border = "red", add = TRUE)

Operações com dados geoespaciais

Ajuste à extenção

mapbiomas_utm_crop <- raster::crop(mapbiomas_utm, st_as_sf(bu))
mapbiomas_utm_crop

class      : RasterLayer 
dimensions : 317, 231, 73227  (nrow, ncol, ncell)
resolution : 90, 90  (x, y)
extent     : 222480.4, 243270.4, 7507251, 7535781  (xmin, xmax, ymin, ymax)
crs        : +proj=utm +zone=23 +south +ellps=GRS80 +units=m +no_defs 
source     : memory
names      : mapbiomas 
values     : 0, 48  (min, max)

Operações com dados geoespaciais

Ajuste à extenção

plot(rc_utm$geom, border = "gray")
plot(mapbiomas_utm_crop, add = TRUE)
plot(po_utm$geometry, add = TRUE)
plot(bu$geometry, border = "red", add = TRUE)

Operações com dados geoespaciais

Ajuste à máscara

mapbiomas_utm_mask <- raster::mask(mapbiomas_utm, st_as_sf(bu))
mapbiomas_utm_mask

class      : RasterLayer 
dimensions : 395, 363, 143385  (nrow, ncol, ncell)
resolution : 90, 90  (x, y)
extent     : 214560.4, 247230.4, 7503021, 7538571  (xmin, xmax, ymin, ymax)
crs        : +proj=utm +zone=23 +south +ellps=GRS80 +units=m +no_defs 
source     : memory
names      : mapbiomas 
values     : 3, 47  (min, max)

Operações com dados geoespaciais

Ajuste à máscara

plot(mapbiomas_utm_mask)
plot(bu$geometry, border = "red", add = TRUE)
plot(rc_utm$geom, border = "gray", add = TRUE)

Operações com dados geoespaciais

Ajuste à extensão e à máscara

mapbiomas_utm_crop <- raster::crop(mapbiomas_utm, st_as_sf(bu))
mapbiomas_utm_crop_mask <- raster::mask(mapbiomas_utm_crop, st_as_sf(bu))
mapbiomas_utm_crop_mask

class      : RasterLayer 
dimensions : 317, 231, 73227  (nrow, ncol, ncell)
resolution : 90, 90  (x, y)
extent     : 222480.4, 243270.4, 7507251, 7535781  (xmin, xmax, ymin, ymax)
crs        : +proj=utm +zone=23 +south +ellps=GRS80 +units=m +no_defs 
source     : memory
names      : mapbiomas 
values     : 3, 47  (min, max)

Operações com dados geoespaciais

Ajuste à máscara

plot(mapbiomas_utm_crop_mask)
plot(bu$geometry, border = "red", add = TRUE)
plot(rc_utm$geom, border = "gray", add = TRUE)

Operações com dados geoespaciais

Reclassificação de rasters

mapbiomas_utm_floresta <- raster::reclassify(x = mapbiomas_utm,
                                             rcl = c(0,2,NA, 2,4,1, 4,48,NA))
mapbiomas_utm_floresta

class      : RasterLayer 
dimensions : 395, 363, 143385  (nrow, ncol, ncell)
resolution : 90, 90  (x, y)
extent     : 214560.4, 247230.4, 7503021, 7538571  (xmin, xmax, ymin, ymax)
crs        : +proj=utm +zone=23 +south +ellps=GRS80 +units=m +no_defs 
source     : memory
names      : mapbiomas 
values     : 0, 1  (min, max)

Operações com dados geoespaciais

Reclassificação de rasters

plot(mapbiomas_utm_floresta)
plot(rc_utm$geom, border = "gray", add = TRUE)

Visualização

Vetor

# pacote
library(tmap)

# mapa
tm_shape(rc_utm) +
    tm_polygons()

Visualização

Vetor

tm_shape(rc_utm) +
    tm_polygons() +
    tm_grid(lines = FALSE) +
    tm_compass() +
    tm_scale_bar()

Visualização

Raster

tm_shape(mapbiomas_utm_floresta) +
    tm_raster(style = "cat", pal = c("white", "forestgreen")) +
    tm_shape(rc_utm) +
    tm_borders() +
    tm_grid(lines = FALSE) +
    tm_compass() +
    tm_scale_bar()

Recapitulando

R: linguagem de programação direcionada à manipulação, análise e visualização de dados
RStudio: IDE (Ambiente de Desenvolvimento Integrado) facilita o uso do R
Script: onde os códigos são escritos e salvos no formato .R
Objetos: palavras que atribuímos dados possibilitando a manipulação dos mesmos
Funções: códigos que realizam operações em argumentos
Pacotes: coleção de funções para executar tarefas específicas
Diretório: caminho de uma pasta/diretório onde o R irá importar e exportar os dados
Importar: readr::read_csv(), sf::st_as_sf(), sf::st_read() e raster::raster()
Reprojetar: sf::st_transform e raster::projectRaster()
Operações: sf::st_buffer(), raster::crop(), raster::mask() e raster::reclassify
Visualização: tm_shape() + tm_polygon() e tm_shape() + tm_raster()

Sussa? Bora finalmente calcular as métricas?

Métricas de paisagem no R

landscapemetrics

Implementação do FRAGSTATS para a linguagem R

landscapemetrics

Pacote no R para calcular métricas de paisagem com classes categóricas (raster categórico)

landscapemetrics

O raster categórico de entrada tem de estar com coordenadas projetadas

Checar o raster

# pacote
library(landscapemetrics)

Raster geográfico

# checar o raster
check_landscape(mapbiomas)

  layer        crs   units   class n_classes OK
1     1 geographic degrees integer        18  ✖

Raster projetado

# checar o raster
check_landscape(mapbiomas_utm)

  layer       crs units   class n_classes OK
1     1 projected     m integer        18  ✔

landscapemetrics

Descrição das funções

Todas as funções começam com lsm_ (para métricas de paisagem)
A segunda parte especifica o nível (patch - p, classe - c ou paisagem - l)
A última parte do nome da função é a abreviação da métrica correspondente (e.g., enn - euclidean nearest-neighbor distance)

# general structure
lsm_"level"_"metric"

# Patch level
## lsm_p_"metric"
lsm_p_enn()

# Class level
## lsm_c_"metric"
lsm_c_enn()

# Landscape level
## lsm_p_"metric"
lsm_l_enn()

landscapemetrics

Todas as funções retornam uma tabela com a mesma estrutura

$layer_1

library(landscapemetrics)
knitr::kable(lsm_p_area(landscape) |> dplyr::filter(class == 1))

layer	level	class	id	metric	value
1	patch	1	1	area	0.0001
1	patch	1	2	area	0.0005
1	patch	1	3	area	0.0148
1	patch	1	4	area	0.0001
1	patch	1	5	area	0.0001
1	patch	1	6	area	0.0014
1	patch	1	7	area	0.0003
1	patch	1	8	area	0.0005
1	patch	1	9	area	0.0001

landscapemetrics

Nível das métricas

Mancha (patch): calculada para cada mancha na paisagem
Classe (classe): resume as manchas pertencentes a uma mesma classe
Paisagem (landscape): resume todas as manchas de todas as classes em um único valor

landscapemetrics

Regras de definição da manchas

landscapemetrics

Classes das métricas

Métricas de área e borda (area e edge): descrevem o tamanho de manchas, classes e a quantidade de borda (composição - dominância ou raridade de classes)
Métricas de forma (shape): descrevem a forma das manchas, principalmente área e perímetro
Métricas de interior (core): descrevem a área de manchas que não são borda
Métricas de agregação (aggregation): descrevem se as manchas (da mesma classe) são agregadas ou isolados (configuração)
Métricas de diversidade (diversity): descrevem a abundância e dominância/raridade das classes (disponíveis apenas no nível da paisagem)
Métricas de complexidade (complexity): descrevem a complexidade da paisagem (entropia marginal, entropia condicional, entropia conjunta e informação mútua)

landscapemetrics

Espacializar as métricas

Apenas para as métricas calculadas para manchas

landscapemetrics

Múltiplas escalas

knitr::kable(
    data.frame(buffer = rep(c(3000, 6000), each = 3),
               layer = rep(1, 6),
               level = rep("landscape", 6),   
               class = rep(NA, 6),  
               id = rep(NA, 6),  
               metric = rep("landscape", 6),   
               value = c(0.87, 1.49, 0.665, 1.02, 1.62, 0.731)
    ))

buffer	layer	level	class	id	metric	value
3000	1	landscape	NA	NA	landscape	0.870
3000	1	landscape	NA	NA	landscape	1.490
3000	1	landscape	NA	NA	landscape	0.665
6000	1	landscape	NA	NA	landscape	1.020
6000	1	landscape	NA	NA	landscape	1.620
6000	1	landscape	NA	NA	landscape	0.731

Bora para o R!

Muito obrigado!

Agradecimentos:

Contato: