Conhecendo o pacote geobr

aMostra de Estatística 2024 - IME/USP

Beatriz Milz

30/09/2024

Beatriz Milz

Experiência acadêmica

• Doutora em Ciência Ambiental no IEE/USP
• Atualmente:
  • Estágio pós-doutoral na UFABC

Comunidades

• Co-organizadora da R-Ladies São Paulo
• Software peer review editor na rOpenSci
• GitHub Star

Organização da tradução: R4DS 2ed

Experiência com dados espaciais

• 2014-2015: Núcleo técnico de Gestão Ambiental/Secretaria de Segurança Urbana/Prefeitura Municipal de São Paulo
• 2016-2018: Mestrado no Programa de Pós Graduação em Análise Ambiental Integrada na UNIFESP, Campus Diadema.
• 2019 em diante: aulas, projetos de consultoria, pesquisa de doutorado, etc.

https://beamilz.com

Plano para hoje!

• O que é o pacote geobr

• Conceitos importantes

• Principais funções do pacote geobr

• Exemplo Prático!

• Links úteis para aprender mais

Pré-requisitos

R e RStudio

• Se você ainda não tem o R e o RStudio instalados, você pode baixá-los nos links abaixo:

  • R

  • RStudio

Outra opção é utilizar o RStudio Cloud

Principais pacotes que usaremos

install.packages("remotes")
remotes::install_github(repo = "r-spatial/sf")
install.packages(c("geobr", "tidyverse", "abjData"))

Possíveis dificuldades: #1

O pacote geobr tem como dependência o pacote sf. Esse pacote pode apresentar dificuldades para instalar.

Caso tenha problemas, verifique as instruções na documentação:

Instruções de instalação

Pacote geobr

• O pacote geobr disponibiliza funções para obter diversas bases de dados espaciais oficiais do Brasil.

• O pacote foi desenvolvido e é mantido pela equipe do Instituto de Pesquisa Econômica Aplicada (IPEA).

• Você pode saber mais no repositório do pacote no GitHub.

• Disponível para R e Python.

Possíveis dificuldades: #2

• O pacote geobr faz o download das bases de dados. Isso significa que:
  • Você precisa estar conectado à internet para baixar as bases de dados.
  • Caso o servidor onde os dados estão armazenados esteja fora do ar, você não conseguirá baixar as bases de dados.

Uma sugestão é salvar os resultados em um arquivo após baixar os dados, para evitar ter que baixar novamente, com a função readr::write_rds().

Pacotes de dados brasileiros desenvolvidos pelo IPEA

Conceitos importantes

Dados Vetoriais e Dados Matriciais/Raster

Dados vetoriais

• Representação do mundo por pontos, linhas e polígonos.

Com o geobr, trabalhamos com dados vetoriais!

• Pontos: localização de uma escola, ponto de coleta, etc.

• Linhas: ruas/estradas/rodovias, rios, etc.

• Polígonos: delimitação de cidades, estados, países, etc.

Pacote sf

• O sf (Simple Features for R) é um pacote para manipulação de dados espaciais vetoriais.

geobr

Funções importantes

• read_country(): Delimitação do Brasil

• read_state(): Delimitação dos estados do Brasil

• read_state("SP"): Delimitação de um estado específico, usando a sigla como argumento

• read_municipality(): Delimitação de todos os municípios do Brasil. É uma base pesada!

• read_municipality(code_muni = 3550308): Delimitação de um município específico, usando o código do IBGE do município.

Consultando todas as funções disponíveis

• Função list_geobr()

Exemplos práticos

Exemplo 1:

Localização das escolas que oferecem Ensino Médio no município de São Paulo

Ler a delimitação dos estados brasileiros

# Carregando pacotes necessários
library(geobr)
library(sf)
library(tidyverse)

# Lendo os dados da delimitação dos estados brasileiros
brasil_ufs <- read_state(showProgress = FALSE)

# Classe do objeto
class(brasil_ufs)

[1] "sf"         "data.frame"

Explorando o objeto

glimpse(brasil_ufs)

Rows: 27
Columns: 6
$ code_state   <dbl> 11, 12, 13, 14, 15, 16, 17, 21, 22, 23, 24, 25, 26, 27, 2…
$ abbrev_state <chr> "RO", "AC", "AM", "RR", "PA", "AP", "TO", "MA", "PI", "CE…
$ name_state   <chr> "Rondônia", "Acre", "Amazonas", "Roraima", "Pará", "Amapá…
$ code_region  <dbl> 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, …
$ name_region  <chr> "Norte", "Norte", "Norte", "Norte", "Norte", "Norte", "No…
$ geom         <MULTIPOLYGON [°]> MULTIPOLYGON (((-63.32721 -..., MULTIPOLYGON…

Visualizando os estados brasileiros

brasil_ufs |> 
  ggplot() +
  geom_sf()

Filtrando o estado de São Paulo

estado_sp <- brasil_ufs |> 
  filter(abbrev_state == "SP") 

estado_sp |>
  ggplot() +
  geom_sf()

E os municípios?

# Carregando municípios
brasil_municipios <- read_municipality(showProgress = FALSE)

Explorando o objeto

glimpse(brasil_municipios)

Rows: 5,565
Columns: 5
$ code_muni    <dbl> 1100015, 1100023, 1100031, 1100049, 1100056, 1100064, 110…
$ name_muni    <chr> "Alta Floresta D'oeste", "Ariquemes", "Cabixi", "Cacoal",…
$ code_state   <chr> "11", "11", "11", "11", "11", "11", "11", "11", "11", "11…
$ abbrev_state <chr> "RO", "RO", "RO", "RO", "RO", "RO", "RO", "RO", "RO", "RO…
$ geom         <MULTIPOLYGON [°]> MULTIPOLYGON (((-62.2462 -1..., MULTIPOLYGON…

Como saber o código IBGE de um município?

• Você pode consultar o código IBGE de um município no site do IBGE.

Filtrando o município de São Paulo

muni_sp <- brasil_municipios |> 
  filter(code_muni == 3550308) 

Visualizando o município de São Paulo

muni_sp |> 
  ggplot() +
  geom_sf()

E escolas?

escolas_brasil <- read_schools(showProgress = FALSE)

Explorando o objeto

glimpse(escolas_brasil)

Rows: 222,936
Columns: 19
$ abbrev_state                   <chr> "RO", "RO", "RO", "RO", "RO", "RO", "RO…
$ name_muni                      <chr> "Porto Velho", "Porto Velho", "Porto Ve…
$ code_school                    <int> 11000023, 11000040, 11000058, 11000082,…
$ name_school                    <chr> "EEEE ABNAEL MACHADO DE LIMA - CENE", "…
$ education_level                <chr> "Ensino Fundamental", "Educação Infanti…
$ education_level_others         <chr> "Atendimento Educacional Especializado"…
$ admin_category                 <chr> "Pública", "Pública", "Privada", "Priva…
$ address                        <chr> "AVENIDA AMAZONAS, 6492 ZONA LESTE. TIR…
$ phone_number                   <chr> "(69) 992083054", "(69) 32135237", "(69…
$ government_level               <chr> "Estadual", "Municipal", "Privada", "Pr…
$ private_school_type            <chr> "Não Informado", "Não Informado", "Part…
$ private_government_partnership <chr> "Não", "Não", "Não", "Não", "Não", "Não…
$ regulated_education_council    <chr> "Não", "Sim", "Sim", "Sim", "Sim", "Sim…
$ service_restriction            <chr> "ESCOLA ATENDE EXCLUSIVAMENTE ALUNOS CO…
$ size                           <chr> "Entre 51 e 200 matrículas de escolariz…
$ urban                          <chr> "Urbana", "Urbana", "Urbana", "Urbana",…
$ location_type                  <chr> "A escola não está em área de localizaç…
$ date_update                    <chr> "2020-10-18", "2020-10-18", "2020-10-18…
$ geom                           <POINT [°]> POINT (-63.85401 -8.758459), POIN…

Escolas no município de São Paulo

escolas_saopaulo <- escolas_brasil |> 
  filter(abbrev_state == "SP",
         name_muni == "São Paulo") 

Escolas por government_level

escolas_saopaulo |> 
  count(government_level, sort = TRUE)

Simple feature collection with 4 features and 2 fields
Geometry type: MULTIPOINT
Dimension:     XY
Bounding box:  xmin: -46.8074 ymin: -23.90918 xmax: -46.36614 ymax: -23.3996
Geodetic CRS:  SIRGAS 2000
  government_level    n                           geom
1          Privada 5272 MULTIPOINT ((-46.7133 -23.8...
2        Municipal 1563 MULTIPOINT ((-46.7141 -23.8...
3         Estadual 1275 MULTIPOINT ((-46.75558 -23....
4          Federal    4 MULTIPOINT ((-46.62169 -23....

Escolas que oferecem Ensino Médio

ensino_medio_sao_paulo <- escolas_saopaulo |>
  filter(str_detect(education_level, "Ensino Médio")) |>
  group_by(government_level) |> 
  mutate(
    numero_linhas = n(),
    nome_label = paste0(government_level, " (N=", numero_linhas, ")")
  ) |> 
ungroup()

Vamos visualizar?

Visualizando as escolas

escolas_saopaulo |> 
  ggplot() +
  geom_sf()

Visualizando as escolas e o município

escolas_saopaulo |> 
  ggplot() +
  geom_sf(data = muni_sp) +
  geom_sf()

Visualizando as escolas por government_level

escolas_saopaulo |> 
  ggplot() +
  geom_sf(data = muni_sp) +
  geom_sf(aes(color = government_level))

Visualizando as escolas por government_level

escolas_saopaulo |> 
  ggplot() +
  geom_sf(data = muni_sp) +
  geom_sf(aes(color = government_level), show.legend = FALSE) +
  facet_wrap(~government_level, nrow = 1)

Visualizando as escolas que oferecem Ensino Médio

ensino_medio_sao_paulo |>
  ggplot() +
  geom_sf(data = muni_sp) +
  geom_sf(aes(color = government_level, 
              alpha = 0.1), 
          show.legend = FALSE) +
  facet_wrap(~ government_level, nrow = 1)

Localização das escolas estaduais e escolas privadas no município de São Paulo, que oferecem Ensino Médio

library(ggspatial)
ensino_medio_sao_paulo |>
  filter(government_level %in% c("Estadual", "Privada")) |>
  ggplot() +
  geom_sf(data = muni_sp) +
  geom_sf(aes(color = government_level, alpha = 0.1), show.legend = FALSE) +
  facet_wrap(~ nome_label) +
  labs(x = "Longitude",
       y = "Latitude") +
  scale_fill_viridis_d(begin = 0.2, end = 0.9) +
  theme(legend.spacing.x = unit(1.0, 'cm')) +
  theme_bw() +
  theme(
    panel.grid.major = element_line(
      color = gray(0.9),
      linetype = "dashed",
      size = 0.1
    ),
    panel.background = element_rect(fill = "white")
  ) +
  theme(
    axis.text.y = element_text(
      angle = 90,
      hjust = 0.5,
      size = 8
    ),
    axis.text.x = element_text(size = 8),
    axis.title.y = element_text(size = rel(0.8)),
    axis.title.x = element_text(size = rel(0.8)),
    legend.title = element_text(size = rel(0.8))
  )

Exemplo 2:

Criando um mapa utilizando dados que não estão no geobr

abjData::pnud_min

library(abjData)
glimpse(pnud_min)

Rows: 16,686
Columns: 15
$ ano       <chr> "1991", "1991", "1991", "1991", "1991", "1991", "1991", "199…
$ muni_id   <chr> "1100015", "1100023", "1100031", "1100049", "1100056", "1100…
$ muni_nm   <chr> "ALTA FLORESTA D'OESTE", "ARIQUEMES", "CABIXI", "CACOAL", "C…
$ uf_sigla  <chr> "RO", "RO", "RO", "RO", "RO", "RO", "RO", "RO", "RO", "RO", …
$ regiao_nm <chr> "Norte", "Norte", "Norte", "Norte", "Norte", "Norte", "Norte…
$ idhm      <dbl> 0.329, 0.432, 0.309, 0.407, 0.386, 0.376, 0.203, 0.425, 0.38…
$ idhm_e    <dbl> 0.112, 0.199, 0.108, 0.171, 0.167, 0.151, 0.039, 0.220, 0.15…
$ idhm_l    <dbl> 0.617, 0.684, 0.636, 0.667, 0.629, 0.658, 0.572, 0.629, 0.65…
$ idhm_r    <dbl> 0.516, 0.593, 0.430, 0.593, 0.547, 0.536, 0.373, 0.553, 0.56…
$ espvida   <dbl> 62.01, 66.02, 63.16, 65.03, 62.73, 64.46, 59.32, 62.76, 64.1…
$ rdpc      <dbl> 198.46, 319.47, 116.38, 320.24, 240.10, 224.82, 81.38, 250.0…
$ gini      <dbl> 0.63, 0.57, 0.70, 0.66, 0.60, 0.62, 0.59, 0.65, 0.63, 0.60, …
$ pop       <int> 22835, 55018, 5846, 66534, 19030, 25070, 10737, 6902, 22505,…
$ lat       <dbl> -11.929, -9.913, -13.492, -11.438, -13.189, -13.117, -12.962…
$ lon       <dbl> -61.996, -63.041, -60.545, -61.448, -60.812, -60.542, -60.88…

Dados para o estado de São Paulo

pnud_sp <- filter(pnud_min, uf_sigla == "SP")

Como elaborar um mapa com esses dados?

Join

• Podemos unir duas bases utilizando uma coluna em comum

Dados vetoriais

Importar os polígonos com a delimitação dos municípios do estado de São Paulo:

municipios_sp <- read_municipality("SP", showProgress = FALSE)

Unir as duas bases de dados

left_join(municipios_sp, pnud_sp, by = c("code_muni" =  "muni_id"))

Error in `sf_column %in% names(g)`:
! Can't join `x$code_muni` with `y$muni_id` due to incompatible types.
ℹ `x$code_muni` is a <double>.
ℹ `y$muni_id` is a <character>.

Unir as duas bases de dados

pnud_sp_geo <- municipios_sp |> 
  mutate(code_muni = as.character(code_muni)) |> 
  left_join(pnud_sp, by = c("code_muni" =  "muni_id"))

glimpse(pnud_sp_geo)

Rows: 1,935
Columns: 19
$ code_muni    <chr> "3500105", "3500105", "3500105", "3500204", "3500204", "3…
$ name_muni    <chr> "Adamantina", "Adamantina", "Adamantina", "Adolfo", "Adol…
$ code_state   <chr> "35", "35", "35", "35", "35", "35", "35", "35", "35", "35…
$ abbrev_state <chr> "SP", "SP", "SP", "SP", "SP", "SP", "SP", "SP", "SP", "SP…
$ ano          <chr> "1991", "2000", "2010", "1991", "2000", "2010", "1991", "…
$ muni_nm      <chr> "ADAMANTINA", "ADAMANTINA", "ADAMANTINA", "ADOLFO", "ADOL…
$ uf_sigla     <chr> "SP", "SP", "SP", "SP", "SP", "SP", "SP", "SP", "SP", "SP…
$ regiao_nm    <chr> "Sudeste", "Sudeste", "Sudeste", "Sudeste", "Sudeste", "S…
$ idhm         <dbl> 0.592, 0.721, 0.790, 0.513, 0.667, 0.730, 0.491, 0.642, 0…
$ idhm_e       <dbl> 0.423, 0.644, 0.750, 0.296, 0.574, 0.648, 0.260, 0.473, 0…
$ idhm_l       <dbl> 0.731, 0.811, 0.852, 0.751, 0.802, 0.844, 0.719, 0.801, 0…
$ idhm_r       <dbl> 0.672, 0.718, 0.772, 0.608, 0.644, 0.710, 0.634, 0.697, 0…
$ espvida      <dbl> 68.87, 73.64, 76.13, 70.04, 73.09, 75.62, 68.14, 73.04, 7…
$ rdpc         <dbl> 525.09, 696.10, 975.43, 351.62, 439.57, 661.65, 412.97, 6…
$ gini         <dbl> 0.57, 0.55, 0.51, 0.41, 0.38, 0.38, 0.49, 0.55, 0.47, 0.5…
$ pop          <int> 31838, 33051, 33490, 3272, 3677, 3557, 23331, 27925, 3208…
$ lat          <dbl> -21.685, -21.685, -21.685, -21.235, -21.235, -21.235, -22…
$ lon          <dbl> -51.073, -51.073, -51.073, -49.644, -49.644, -49.644, -46…
$ geom         <MULTIPOLYGON [°]> MULTIPOLYGON (((-51.09093 -..., MULTIPOLYGON…

Visualizando com o ggplot2

pnud_sp_geo |> 
  ggplot() +
  geom_sf(aes(fill = espvida)) +
  facet_wrap(vars(ano)) +
  theme_void() +
  scale_fill_viridis_c() +
  labs(fill = "Esperança de vida") +
  theme(legend.position = "bottom")

Materiais para estudar mais

Exemplos similares

• Workshop: {censobr} - Explorando o Censo Demográfico em R

• Documentação: Pacote abjData

• Video: Join - Juntando bases de dados

• Post: Criando mapas com os pacotes tidyverse e geobr, utilizando dados sobre coleta e tratamento de esgoto no Estado De São Paulo

Referências sobre dados espaciais

• Capítulo 15: Dados geoespaciais - Livro Análises Ecológicas no R

• Livro Geocomputation with R

• A Gentle Introduction to GIS - QGIS Documentation

• Geocomputation with R - Foundations - Geographic data in R

• Introdução à acessibilidade urbana - um guia prático em R