Dados do estudo de caso AMAZON
Luiz C. E. Rodriguez, Eric B. Gorgens, Humberto T. Menecheli Filho, Nathan O. Barreto, João V.L. Marinho, Arthur K. Sanchez, José J. Monteiro
2023-05-12
FlorestaR
O projeto FlorestaR reúne professores, estudantes e profissionais dedicados à redação da série FlorestaR de livros sobre o uso do R como ferramenta de análise de dados florestais.
Sobre os autores
Os autores da série de livros FlorestaR são:
- Luiz Carlos Estraviz Rodriguez, professor titular da Escola Superior de Agricultura Luiz de Queiroz (ESALQ) da Universidade de São Paulo
- Eric Bastos Gorgens, professor do Departamento de Engenharia Florestal da Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)
- Humberto Tadeu Menecheli Filho, engenheiro florestal analista de dados da ForLiDAR
- Nathan de Oiveira Barreto, graduando de engenharia florestal da ESALQ/USP
- João Victor Lopes Marinho, graduando de engenharia florestal da ESALQ/USP
- Arthur Kaufmann Sanchez, graduando de engenharia florestal da ESALQ/USP
- José Jorge Monteiro Junior, engenheiro florestal mestrando do programa de pós-graduação em Recursos Florestais da ESALQ/USP
Sobre os livros
A coleção está em constante evolução, e no momento é constituida pelos seguintes volumes:
- Vol_01 Análise exploratória de dados florestais
- Vol_02 Inferência estatística com dados florestais
- Vol_03 Amostragem para fins de inventário florestal
- Vol_04 Processamento de dados LiDAR para monitoramento florestal
Conjuntos de dados
Os dados dos estudos de caso usados nos exercícios da série de livros FlorestaR estão organizados em pastas:
| Pasta | Conteúdo |
|---|---|
| 1_AMAZON | Árvores inventariadas na Amazônia |
| 2_RESTAU | Medições de árvores de espécies nativas coletadas em área de restauração de corredor ecológico |
| 3_VOLIND | Árvores de Eucalytus cubadas para modelagem de volume individual |
| 4_INVENT | Medições de árvores de Eucalyptus em parcelas de inventário convencional |
| 5_LIDARF | Nuvens de pontos LiDAR sobre plantio florestal para mapeamento de biomassa |
Dados do estudo de caso AMAZON
A pasta AMAZON contém as medições de árvores
inventariadas em 2010 para fins de manejo florestal. Implantado às
margens da BR 364, no município de Porto Velho (RO) em área próxima à
divisa com o Acre, o plano se refere à UPA 4 (Unidade de Produção Anual
número 4). Todas árvores (censo 100%) com mais de 40cm de
diâmetro à altura do peito (DAP) nessa área foram identificadas,
geolocalizadas, medidas e destinadas para compor um dos seguintes
grupos:
| Código | Destinação |
|---|---|
| APP | Em área de preservação permanente |
| CF | Corte futuro (árvore com DAP entre 40 e 50 cm) |
| CPL | Corte protegido por lei |
| PAB | Para abate |
| PS | Porta semente |
| RAR | Rara |
| REM | Remanescente |
O acesso aos dados deste repositório é mantido aberto para maximizar acessibilidade e permitir a reprodutibilidade dos exemplos publicados nos livros da série FlorestaR. Os dados foram estruturados em tabelas tidy e shape para facilitar o uso das funções tidyverse e sf do R.
As medições na UPA4 geraram dados sobre 20.108 árvores. Esses dados
foram armazenados em planilhas CSV e XLSX, e
na tabela de atributos de um shape de pontos
georeferenciados que identifica a precisa localização dessas
árvores.
. Formato CSV
O conteúdo da planilha Censo_UPA04.csv pode ser
importado para uma tibble dados, da seguinte
forma:
library(tidyverse)
gitOnde <- "https://github.com/FlorestaR/dados/blob/main/1_AMAZON"
gitNome <- "Censo_UPA04.csv"
gitArqv <- file.path(gitOnde, gitNome) %>% paste0("?raw=true")
dados <- read_csv(gitArqv, # importação
locale = locale(encoding = "latin1"), # garante acentuação
show_col_types = FALSE) %>% tibble() # desabilita msgs
dados$dia <- dados$dia %>% as.Date("%d/%m/%Y") # garante formato dategitOnde define a pasta dentro do repositório,
gitNome define o arquivo de dados e gitArqv
concatena esses dois termos com o sufixo ?raw=true para
criar o devido URL. Em seguida o URL é passado para a função
read_csv() do pacote readr do
tidyverse.
A função read_csv() do pacote readr
permite que um usuário R conectado à internet leia diretamente os dados
mantidos em repositórios github.
. Formato XLSX
Para ler a versão xlsx dos mesmos dados, uma alternativa
é usar a função import() do pacote
rio:
library(tidyverse)
gitOnde <- "https://github.com/FlorestaR/dados/blob/main/1_AMAZON"
gitNome <- "Censo_UPA04.xlsx"
gitArqv <- file.path(gitOnde, gitNome) %>% paste0("?raw=true")
library(rio)
dados <- import(file = gitArqv) %>% tibble() # importação
dados$dia <- dados$dia %>% as.Date() # garante formato dateNesse caso, a acentuação nos caracteres especiais já é importada
corretamente, havendo necessidade apenas de garantir que a coluna
dia registre os valores como date.
. A tibble dados
A função str() nos permite ver detalhes da estrutura da
tibble dados:
str(dados)## tibble [20,108 × 17] (S3: tbl_df/tbl/data.frame)
## $ codARV : num [1:20108] 40100001 40100002 40100003 40100004 40100005 ...
## $ codUT : num [1:20108] 1 1 1 1 1 1 1 1 1 1 ...
## $ codUCA : num [1:20108] 1 1 1 1 1 1 1 1 1 1 ...
## $ codLIN : num [1:20108] 1 1 1 1 1 1 1 1 1 1 ...
## $ X : num [1:20108] 5 23 43 47 40 14 37 22 15 31 ...
## $ Y : num [1:20108] 13 11 4 7 12 21 25 25 40 36 ...
## $ dia : Date[1:20108], format: "2010-03-03" "2010-03-03" ...
## $ nome : chr [1:20108] "taxi" "caucho" "ucuuba" "pamã" ...
## $ sp : chr [1:20108] "Sclerolobium paniculatum" "Castilla ulei" "Virola surinamensis" "Pseudolmedia laevis" ...
## $ dap : num [1:20108] 70.8 50.1 43.5 52.8 41.1 46.1 50.2 91.7 57 73 ...
## $ altura : num [1:20108] 15 12 17 10 15 12 15 18 10 12 ...
## $ notaFUST: num [1:20108] 1 2 1 1 2 1 1 1 2 2 ...
## $ notaCIPO: num [1:20108] 1 2 2 2 1 2 2 2 1 2 ...
## $ clasDAP : chr [1:20108] "070-080" "050-060" "040-050" "050-060" ...
## $ areaBAS : num [1:20108] 1.575 0.789 0.594 0.876 0.531 ...
## $ volume : num [1:20108] 4.13 1.66 1.77 1.53 1.39 ...
## $ destino : chr [1:20108] "REM" "PS" "CF" "RAR" .... Formato shape
Os dados diponibilizados nos formatos CSV e
XLSX se encontram também disponíveis na tabela de atributos
do shape Arvores, com a localização geográfica
de cada árvore. O download desse, e de outros
shapes complementares, premite reproduzir os exercícios de
exploração de dados espacializados.
Os exercícios com as árvores georeferenciadas usam funções do pacote
sf do R. A função
read_sf() desse pacote permite ler camadas vetoriais
(layers) de informação SIG armazenadas no formato
shape.
Para download dos shapes e leitura da tabela de árvores
georeferenciadas, sugere-se o seguinte procedimento:
library(tidyverse)
gitOnde <- "https://github.com/FlorestaR/dados/blob/main/1_AMAZON/"
gitNome <- "shapes.zip"
gitArqv <- file.path(gitOnde, gitNome) %>% paste0("?raw=true")
tmpd <- tempdir(check = TRUE) # diretório temporário
zipf <- file.path(tmpd, "shapes.zip") # arquivo temporário
if(!file.exists(zipf)) # garante download de dados binários (wb)
download.file(gitArqv, mode="wb", destfile = zipf)
unzip(zipf, exdir = tmpd) # shape é unziped no diretório temporário
unlink(zipf) # deleta o arquivo zipado
library(sf)
shpArq <- paste0(tmpd, "/shapes/Arvores.shp") # shape com árvores
dadosComGeo <- sf::read_sf(shpArq) # df completo com geom
dadosSemGeo <- tibble(st_drop_geometry(dadosComGeo)) # df sem geom
dadosSemGeo %>% # Cinco castanheiras mais altas
filter(nome=="castanheira") %>%
select(codARV,sp,codUT,codUCA,dap,altura) %>%
arrange(desc(altura)) %>%
head(5) %>%
knitr::kable(caption = "Lista das 5 maiores castanheiras")| codARV | sp | codUT | codUCA | dap | altura |
|---|---|---|---|---|---|
| 40401295 | Bertholetia excelsa | 4 | 6 | 165.6 | 30 |
| 40501461 | Bertholetia excelsa | 5 | 7 | 71.6 | 30 |
| 40501504 | Bertholetia excelsa | 5 | 15 | 92.0 | 30 |
| 40501700 | Bertholetia excelsa | 5 | 12 | 90.6 | 30 |
| 40300157 | Bertholetia excelsa | 3 | 13 | 132.2 | 29 |
Para ilustrar a vantagem de usar a versão georeferenciada de
dados, apresenta-se um exemplo que exibe uma sobreposição
das camadas APP e UTs com as
castanheiras.
library(tidyverse)
gitOnde <- "https://github.com/FlorestaR/dados/blob/main/1_AMAZON"
gitNome <- "shapes.zip"
gitArqv <- file.path(gitOnde, gitNome) %>% paste0("?raw=true")
tmpd <- tempdir(check = TRUE) # diretório temporário
zipf <- file.path(tmpd, "shapes.zip") # arquivo temporário
if(!file.exists(zipf)) # garante download de dados binários (wb)
download.file(gitArqv, mode="wb", destfile = zipf)
unzip(zipf, exdir = tmpd) # shape é unziped no diretório temporário
unlink(zipf) # deleta o arquivo zipado
library(sf)
# leitura das camadas
dadosArv <- paste0(tmpd, "/shapes/Arvores.shp") %>% read_sf()
dadosUca <- paste0(tmpd, "/shapes/UCAs.shp") %>% read_sf()
dadosUts <- paste0(tmpd, "/shapes/UTs.shp") %>% read_sf()
dadosApp <- paste0(tmpd, "/shapes/APP.shp") %>% read_sf()
dadosHid <- paste0(tmpd, "/shapes/Hidrografia.shp") %>% read_sf()
dadosEst <- paste0(tmpd, "/shapes/Estrada.shp") %>% read_sf()
dadosRam <- paste0(tmpd, "/shapes/Ramal.shp") %>% read_sf()
dadosPat <- paste0(tmpd, "/shapes/Patios.shp") %>% read_sf()
Especie <- dadosArv %>% # novo df só com castanheiras
filter(nome=="castanheira") %>%
select(codARV,altura,dap,volume)
ggplot() + # plot das UTs, APPs e castanheiras (col por altura)
geom_sf(data = dadosUts, colour = "red", fill=NA) +
geom_sf(data = dadosApp, colour = "lightblue") +
geom_sf(data = Especie, aes(colour = altura), size = 1) +
scale_color_distiller(palette = "Greens", trans = "reverse") +
coord_sf(datum=st_crs(29190)) + # Especifica sistema de coord.
scale_x_continuous(breaks = seq(from = 218500, to = 223000, by = 1000))
Caso encontre alguma inconsistência nas informações deste
repositório, ou queira registrar um comentário, clique em issues
no menu do repositório github.com/LuizEstraviz/FlorestaR_dados
e deixe a sua contribuição clicando no botão New issue.
Agradecemos o seu interesse por esta iniciativa.
Disclaimer: Os dados são disponibilizados para fins exclusivamente educativos e não devem ser usados para outro propósito. O uso fora do contexto para o qual estão sendo disponibilizados, mesmo que apenas parcialmente, além de indevido, produzirá resultados impróprios, pois alguns dos atributos originais desses dados foram propositalmente modificados para simplificar a realidade. Os autores não se responsabilizam pelo uso indevido que, além de infringir códigos científicos e éticos de conduta, extrapole o caráter ilustrativo dos exercícios que apresentamos na série de livros FlorestaR.