Informações sobre as barragens

2022-08-16

ABSTRACT

…..

Objetivos

Este relatório tem como objetivo apresentar funcionalidades do R Markdown e do Quarto, utilizando dados públicos sobre barragens de mineração no Brasil.

Os objetivos específicos da análise são:

  • fazer uma tabela das barragens por estado;
  • fazer um gráfico do número de barragens por categoria de dano potencial associado;

Materiais e métodos

A base de dados disponibilizada pelo SIGBM - Sistema de Gestão de Segurança de Barragem de Mineração apresenta dados referentes à Barragens de Mineração no território brasileiro.


Carregando os pacotes

# Carregar pacotes:
library(janitor)
library(tidyverse)
library(readxl)

Download e leitura da base

Download

## ----download-data------------------
## # Fazer download da base de dados do dia atual:
## # url para baixar os dados
url_request <- "https://app.anm.gov.br/SIGBM/Publico/ClassificacaoNacionalDaBarragem/ExportarExcel"
##
## # cria a pasta dados (se não existir)
fs::dir_create("dados")
##
## # funcão que baixa os dados
httr::POST(url_request, httr::write_disk("dados/sigbm.xlsx", overwrite = TRUE))
Response [https://app.anm.gov.br/SIGBM/Publico/ClassificacaoNacionalDaBarragem/ExportarExcel]
  Date: 2022-09-07 12:00
  Status: 200
  Content-Type: application/vnd.ms-excel
  Size: 123 kB
<ON DISK>  /home/runner/work/gatitosQuartoActions/gatitosQuartoActions/dados/sigbm.xlsx

Leitura

## ----load-data-----------------
# Importar a base de dados:
# ler os dados baixados
sigbm <- read_xlsx("dados/sigbm.xlsx", skip = 4) |>
  clean_names()

Data de atualização da base

# ----- data de atualização -----
data_atualizacao_sigbm <- read_xlsx("dados/sigbm.xlsx",
                                    col_names = FALSE,
                                    n_max = 1) |>
  pull() |>
  str_extract(":.*-") |>
  str_remove(":") |>
  str_remove("-") |>
  str_trim()

Barragens de mineração no Brasil

A base do SIGBM foi obtida no dia 07/09/2022, e apresentou informações referentes a 913 barragens.

Tabela

Dez estados brasileiros com mais barragens cadastradas no SIG-BM.

Estado Número de barragens
MG 348
MT 152
PA 114
BA 82
SP 68
RO 36
GO 22
AP 18
MS 18
AM 15

Gráfico

## ----plot-dpa---------------------------
sigbm |>
  count(dano_potencial_associado) |>
    mutate(
    dano_potencial_associado = if_else(
      dano_potencial_associado == "N/A",
      "Não se aplica",
      dano_potencial_associado
    ),
    dano_potencial_associado = factor(
      dano_potencial_associado,
      levels = c("Não se aplica", "Baixo", "Médio", "Alto")
    )
  ) |>
  ggplot() +
  aes(x = dano_potencial_associado, y = n) +
  geom_col(fill = "lightblue") +
  theme_bw() +
  labs(x = "Dano potencial associado (DPA)", y = "Quantidade de barragens",
       title = "Dano potencial associado de barragens de mineração no Brasil")

Gráfico

Figura 1: Gráfico do número de barragens segundo o Dano Potencial Associado

Código inline

A base mtcars possui 32 carros. As colunas presentes na base são mpg, cyl, disp, hp, drat, wt, qsec, vs, am, gear, e carb.

Equações com Latex

A equação da média é \({\text{Média}=\frac {a_{1}+a_{2}+\cdots +a_{n}}{n}}\), sendo usada amplamente para análises descritivas.

\[{\text{Média}=\frac {a_{1}+a_{2}+\cdots +a_{n}}{n}}\]

Adicionar referências

Outros estudos utilizaram dados do SIGBM, como LEÃO; SANTIAGO (2022)

Esse relatório foi feito usando R (rstats?) e os pacotes tidyverse (wickham2019?), janitor (FIRKE, 2021), ggplot2 (WICKHAM, 2016).

knitr::write_bib(file = "packages.bib")

Referência cruzada

Na Seção 2 , descrevemos os objetivos deste documento.

Nos objetivos 2, descrevemos os objetivos deste documento.

Na Figura 1, vemos que a maior quantidade de barragens …

Parâmetros

params$estado
[1] "MG"
sigbm_filtrado <- sigbm |> 
  filter(uf == params$estado)

Daqui em diante, o relatório será baseado nas barragens do estado MG. Existem 348 barragens cadastradas no SIGBM neste estado.

sigbm_filtrado |> 
  count(minerio_principal, uf, sort = TRUE) |> 
  slice(1:10) |> 
  knitr::kable()
minerio_principal uf n
Minério de Ferro MG 167
NA MG 35
Argila Arenosa MG 24
Fosfato MG 19
Minério de Ouro Primário MG 18
Argila MG 10
Xisto MG 7
Areia MG 6
Calcário Dolomítico MG 6
Cascalho MG 6

Referências

Análise feita pela turma de 2022-08

FIRKE, S. janitor: Simple Tools for Examining and Cleaning Dirty Data. [s.l: s.n.].
LEÃO, S. R.; SANTIAGO, A. M. DOS S. Cenário das barragens de rejeito: conhecer para evitar novas catástrofes. Ambiente & Sociedade, v. 25, 2022.
WICKHAM, H. ggplot2: Elegant Graphics for Data Analysis. [s.l.] Springer-Verlag New York, 2016.