Smart Agri R training
Autor: Felippe Karp
-
Fazer o download do R correspondente ao seu sistema operacional;
-
Após concluir o download é só seguir os passos de instalação!
- Caso exista alguma dúvida ou problema na instalação, consulte as páginas 1-6 deste livro: http://128.95.149.81/trilobite/sr320_labnotebook_060113.enex/Cookbook%20for%20R.resources/r_cookbook.pdf
-
Finalizada a instalação você já pode usar o R. Contudo, a interface original dele não é tão amigável ("user-friendly"). Portanto, usa-se o Rstudio, que tarnsforma a experiência e uso do R muito mais agradável.
-
Fazer o download do RStudio Desktop correspondente ao seu sistema operacional;
-
IMPORTANTE: O RStudio não funciona sem que o R esteja instalado! Portanto, é necessário fazer a instalação do R primeiro!
-
Agora sim! Para começar a usar o R é só abrir o RStudio!
Autor: Felippe Karp
Nosso objetivo na primeira aula é nos sentirmos familiarizados com o uso de controle de versão no R, termos, instalação de bibliotecas e funções básicas.
-
Abrir o RStudio e criar um novo projeto com controle de versão;
-
Familiarizar com o ambiente do RStudio;
- Onde está o que?
- Ajuda
-
R é uma calculadora sofisticada!
- Funções básicas de cálculo
-
Alguns atalhos do teclado que facilitam a vida!
- Ctrl + Enter
- Ctrl + Alt + B
- Ctrl + Alt + R
Quer mais? Acesse este link: https://support.rstudio.com/hc/en-us/articles/200711853-Keyboard-Shortcuts
-
Criação de variáveis;
- Não use caracteres especiais!
- O R é "case-sensitive"
- O R sobrescreve sem pedir sua permissão!
- ls()
-
Vamos abrir um arquivo!
- .csv - read.csv() ou read.csv2()
- .txt - read.delim() ou read.delim2()
- excell file - readxl package, read_excel()
- outras opções: read.table()...
-
Tarefa: Criar um script que demonstre operacões simples no R usando variáveis, abra um arquivo .csv, .txt e excell, verifica os tipos de variáveis e salva eles em um formato diferente do inicial. Ex.: se era .csv, salva como .txt.
Ler um pouco mais sobre o básico do R - https://rstudio-education.github.io/hopr/basics.html
- Acesse a video aula em: https://youtu.be/gpTj46WPlYU
Autor: Felippe Karp
-
Recapitulando atividades da Aula 1;
- Atalhos
- Abrindo um arquivo .csv, .txt ou excel
- Uso do github
-
Seleção de colunas e linhas;
- Criação de critérios de seleção
- Criação de variáveis com base em seleção
-
Criação de novas colunas em um data frame;
-
Funções mode(), str() e class();
- Mudar tipo do objeto
- Ex.: as.numeric(as.character())
- Mudar tipo do objeto
-
Funções: head, summary, plot, hist, names, table, rbind, cbind
- names()
- head()
- summary()
- Atlernativas para obter apenas uma informação são: mean(), min(), max(), median() e quantile()
- plot() ou ggplot()
- No caso do ggplot(), como a forma de programar é um pouco diferente, use essa ferramenta para se acostumar: https://github.com/dreamRs/esquisse e leia mais sobre o ggplot() neste livro https://r4ds.had.co.nz/data-visualisation.html
- hist()
- table()
- rbind()
- cbind()
-
Outras funções: print(), cat(), paste0()
-
Salvar arquivos - .csv, .txt and excell
-
TAREFA: Criar um script que abra um arquivo de dados que vocês possuem, apresentar uma estatistica descritiva dos dados e gerar pelo menos 3 diferentes gráficos usando ggplot.
- DESAFIO: Exportar o grafico como uma imagem por meio de uma linha de comando e usar o paste0 para nomear.
-
Acesse as video aulas relacionadas a este tópico em: https://youtu.be/eObPJKlsnxo e https://youtu.be/fgY7TKHdHPI
Autor: Felippe Karp
Agora que já sabemos como lidar com um "data frame", vamos complicar um pouquinho e vamos começar a lidar com dados espaciais. Então vamos começar olhando o arquivo!
-
Abrir novo arquivo 'Colheita_Soja.csv';
- Primeiro é necessário definir o diretório e obter o caminho do arquivo (DICA: list.files());
- Tendo obtido o caminho para o arquivo, usar a função read.csv() para abrir o arquivo;
- Contudo, o R vai abrir e entender o arquivo como um data frame. Portanto, como mostrar para o R que é um arquivo espacial?
-
Dizer para o R que aquele data frame na realidade é um arquivo espacial;
- Usando a biblioteca sp: coordinates(data) = ~x+y - pacote sp
- Usando a biblioteca sf: st_as_sf(df, coords = c("X", "Y")) - pacote sf
- Detalhe os arquivos criados não possuem as informações sobre CRS... é necessario adicionar...
-
Feito isso, vamos dar uma olhada nos dados e usar um pouco do que já usamos em um data frame!
- Função plot() para dados espaciais (diferença entre usar '$' e '[]')
-
TAREFA: Utilizando os arquivos criados, criar critérios de seleção dos dados (ex.: Produtividade > Média da Produtividade) e gerar mapas.
-
Acesse a video aula em: https://youtu.be/vG84WpvDYzA
Autor: Felippe Karp
Nesta aula vamos aprender um pouco sobre como podemos manipular arquivos espaciais no R. Ou seja, como posso trabalhar com a tabela de atributos do meu objeto para fazer seleções, realizar buffer, sobrepor dois objetos, recortar um objeto baseado em outro e realizar a plotagem dos resutlados.
-
Primeiro passo é a utilização da biblioteca que vai permitir a gente trabalhar com dados espaciais. Conforme comentamos em outras aulas, existe mais de uma biblioteca que pode ser utilizada. Contudo, já que a sf é a que nos permite obter a melhor perfomance, é esta que vamos usar! Além dessa bibliotea, vamos também utilizar a biblioteca tmap e tmaptools. Se você ainda nao tem elas instaladas, nao se esqueça, realiza a instalação antes de "chamar" ela no script;
-
Realizar a abertura dos dados que iremos trabalhar;
- Na pasta data acessar o arquivo 'dataCE';
- Uma das formas de acessar este arquivo é listar todos os arquivos da pasta data que tem o padrão ("pattern") '.rds';
- Posteriormente, podemos utilizar a funcao grep() e procurar dentre estes arquivos aquele que possui 'dataCE' no nome;
- Após atribuir o caminho do arquivo a um objeto, este objeto será o parametro da função readRDS() e a assim terá a leitura do arquivo;
-
Realizar o mesmo processo do item 2 para o contorno desta área que possui o nome 'fieldCE';
-
Checar e converter as coordenadas para UTM usando a função st_transform() e crs = 32615;
-
Usar a função plot() e seus parâmetros col, reset e add para plotar o contorno e os pontos no mesmo mapa;
-
Criar um buffer do contorno original utilizando a função st_buffer() - desde que os dados estejam em UTM o parametro dist desta função terá como unidade de medida o metro. Portanto, se o valor atribuido for 5, será equivalente a 5 m. IMPORTANTE: Se o valor for positivo, o buffer será positivo e vice-versa.
-
Recortar o arquivo de pontos com base no buffer criado - função st_intersection;
-
Realizar filtragem e seleção dos dados conforme a tabela de atributos;
-
Plotagem dos dados utilizando o tmap;
-
Acesse a video aula em: https://www.youtube.com/watch?v=yGrMKvOdjO4
Autor: Felippe Karp
- Acesse a video aula em: https://www.youtube.com/watch?v=lI58j5_R8Tg
https://mediaspace.illinois.edu/media/t/1_puyino3e/
https://mediaspace.illinois.edu/media/t/1_2ogep7hr
https://mediaspace.illinois.edu/media/t/1_9srtfxic
https://mediaspace.illinois.edu/media/t/0_kl2vp986
https://mediaspace.illinois.edu/media/t/1_pedae8i4
Autor: Isac Oliveira
link: https://www.youtube.com/watch?v=pPgbebd7eY4
Nessa aula Fellipe ensina como baixar imagens de satélite pelo R! utilizando getSpatialData (https://github.com/16EAGLE/getSpatialData).
-
Criar um usuário para o CoperHub - https://scihub.copernicus.eu/dhus/#/self-registration ;
-
Definir a área de interesse, por desenho manual ou arquivo;
-
Escolha do local onde salvar as imagens;
-
Pesquisar as imagens por um período;
-
Filtrar os resultados, pré visualização;
-
Definição do formato do output e download das imagens.
-> TAREFA: Recortar apenas a área de interesse, salvá-las e excluir as imagens inteiras, a fim de reduzir o armazenamento utilizado.