5 Operaciones
Tomado de Lovelace, Nowosad, and Muenchow (2019), capítulo 5.
Librerías usadas:
sp
5.1 Introducción
Usaremos la palabra geometría para denotar las características puramente espaciales, lo que significa que se ignoran los atributos (cualidades, propiedades de algo en una ubicación particular). Con ubicación/locación denotamos un punto, línea, polígono o celda de cuadrícula.
5.2 Unión (over
)
La unión espacial ubica los índices o atributos de un objeto espacial en las ubicaciones de otro. En particular, el método over
devuelve:
- En caso de que
y
no tenga atributos: los índices dey
correspondientes a cada característica dex
, oNA
en caso de que no haya correspondencia; - En caso de que
y
tenga atributos: undata.frame
con los atributos dey
correspondientes a las ubicaciones dex
, o un registroNA
en caso de que no haya correspondencia.
Correspondencia significa que dos características se cruzan espacialmente (tocar, superponer, cubrir, incluir, etc.).
over
hace la siguiente operacion gráficamente en conjuntos:
Un uso típico de over
es para seleccionar características de un objeto espacial que están sobre o dentro de otro.
Supongamos que queremos seleccionar todos los puntos en meuse
que caen en meuse.grid
, podríamos hacer esto de la siguiente manera:
library(sp)
r1 <- cbind(c(180114, 180553, 181127, 181477, 181294, 181007, 180409,
180162, 180114), c(332349, 332057, 332342, 333250, 333558, 333676,
332618, 332413, 332349))
r2 <- cbind(c(180042, 180545, 180553, 180314, 179955, 179142, 179437,
179524, 179979, 180042), c(332373, 332026, 331426, 330889, 330683,
331133, 331623, 332152, 332357, 332373))
r3 <- cbind(c(179110, 179907, 180433, 180712, 180752, 180329, 179875,
179668, 179572, 179269, 178879, 178600, 178544, 179046, 179110),
c(331086, 330620, 330494, 330265, 330075, 330233, 330336, 330004,
329783, 329665, 329720, 329933, 330478, 331062, 331086))
r4 <- cbind(c(180304, 180403,179632,179420,180304),
c(332791, 333204, 333635, 333058, 332791))
sr1 <- Polygons(list(Polygon(r1)),"r1")
sr2 <- Polygons(list(Polygon(r2)),"r2")
sr3 <- Polygons(list(Polygon(r3)),"r3")
sr4 <- Polygons(list(Polygon(r4)),"r4")
sr <- SpatialPolygons(list(sr1,sr2,sr3,sr4))
srdf <- SpatialPolygonsDataFrame(sr, data.frame(cbind(1:4,5:2),
row.names=c("r1","r2","r3","r4")))
rm(meuse)
data(meuse)
coordinates(meuse) = ~x+y
sp::plot(meuse)
polygon(r1)
polygon(r2)
polygon(r3)
polygon(r4)
devuelve las concentraciones medias de metales pesados por polígono:
## cadmium copper lead zinc
## r1 4.036000 44.48000 147.2600 475.8800
## r2 2.910526 40.22807 145.4035 452.0702
## r3 2.820833 36.08333 169.1667 484.2500
## r4 NA NA NA NA
devuelve el número de puntos en cada polígono:
## r1 r2 r3 r4
## 50 57 48 0
## cadmium copper lead zinc elev dist om ffreq soil lime landuse dist.m
## r1 11.7 85 299 1022 7.909 0.00135803 13.6 1 1 1 Ah 50
## r2 1.3 21 62 258 9.280 0.32057200 2.0 1 2 0 Ah 360
## r3 3.9 47 268 703 5.760 0.07568690 7.0 1 1 1 Ab 80
## r4 NA NA NA NA NA NA NA <NA> <NA> <NA> <NA> NA
Se hizo: seleccionar los puntos de meuse
que coinciden con (caen en) las celdas de sr
.
También se puede trabajar con un SpatialGrid
rm(meuse.grid)
data("meuse.grid")
coordinates(meuse.grid) <- c("x","y")
sp::plot(meuse.grid)
sp::plot(sr, add = TRUE)
## part.a part.b dist soil ffreq
## r1 1 0 0.00135803 1 1
## r2 1 0 0.00000000 1 1
## r3 0 1 0.00241427 1 1
## r4 NA NA NA <NA> <NA>
## part.a part.b dist soil ffreq
## r1 1.0000000 0.0000000 0.2233190 NA NA
## r2 0.3853306 0.6146694 0.3881792 NA NA
## r3 0.0000000 1.0000000 0.2224238 NA NA
## r4 NA NA NA NA NA
5.3 Agregación espacial
Tomado de Pebesma (2021)
En el siguiente ejemplo, los valores de un grid
con celdas de \(40m\times 40m\) se agregan a un grid
con celdas de \(400m\times 400m\).
rm(meuse.grid)
data(meuse.grid)
#Convertimos a meuse.grid en SpatialPixelsDataFrame
gridded(meuse.grid) = ~x+y
# Generamos la cuadricula para agregacion:
off <- gridparameters(meuse.grid)$cellcentre.offset + 20
gt <- GridTopology(off, c(400,400), c(8,11))
SG <- SpatialGrid(gt)
# Agregamos:
agg <- aggregate(meuse.grid[3], SG, mean)
Se muestran las gráficas del grid y los datos que se desea agregar:
El agregado de funciones agrega su primer argumento sobre las geometrías del segundo argumento y devuelve una geometría con atributos. La función de agregación predeterminada (mean
) se puede anular.
La siguiente muestra el resultado de esta agregación (agg
, en colores) y los puntos (+
) de la cuadrícula original (meuse.grid
).
5.4 Ejercicios
Importar los datos de Ambato urbano y las emergencias de tránsito reportadas en diciembre 2014. Con esta información:
library(rgdal) #readOGR
library(RColorBrewer)
library(classInt)
library(raster)
### Leo el shape:
uu <- "https://github.com/vmoprojs/DataLectures/raw/master/SpatialData/shape_Ambato_urbano.zip"
poligonos <- read_git_shp(uu)
uu <- "https://raw.githubusercontent.com/vmoprojs/DataLectures/master/SpatialData/EmergenciasTransito.txt"
datos <- read.csv(uu, sep ="")
datos <- subset(datos,Month == 12)
- Contar el número de emergencias por cada parroquia urbana, debe obtener (verifique que el total sume 281):
## ATOCHA-FICOA LA PENINSULA PISHILATA HUACHI LORETO CELIANO MONJE LA MERCED
## 21 15 37 37 60 27
## SAN FRANCISCO LA MATRIZ HUACHI CHICO Total
## 19 31 34 281
Generar una variable agregada por polígonos como una columna del
data.frame
asociado al polígono espacial.Transformar los polígonos a un objeto
raster
y generar un mapa de la variableEmergencias
. Debe resultar el siguiente mapa: