class: center, middle, inverse, title-slide # OpenLand <br> ## <br/>Uma ferramenta livre para análise quantitativa de mudanças de uso e cobertura da terra (UCT) ### Réginal Exavier ### <br> 04/09/2020 --- background-image: url(img/logo_OpenLand.png) background-size: 250px background-position: 95% 30% # Sumário ### 1 Introdução * Dados de Uso e Cobertura da Terra (UCT) * Quantificação de mudanças de UCT * Desafios ### 2 Análise de Intensidade ### 3 OpenLand * Visão conceitual de OpenLand * Módulos funcionais * Preprocessamento * Ferramentas de Visualização diversas * Análise de Intensidade ### 4 Versões futuras * Futuras implementações --- class: inverse, middle, center # Introdução --- # Introdução #### Aumento das taxas de mudança do uso e cobertura da terra (UCT) -- #### Sustentação e compreensão dos processos de mudanças/transição de UCT * Passados e em andamento * Desenvolvimento de modelos -- #### Processamento e análise de series espaço temporais de UCT * Disponibilidade crescente de dados UCT provenientes de sensoriamento remoto * Trabalho manual extenso para análise de conjuntos de grande volume -- #### Métodos para quantificação de mudanças de UCT * Formas de análise e visualização espaciais e não espaciais * Análise de Intensidade -- #### Ferramentas livres e de código aberto na análise e modelagem de mudanças de UCT --- # Análise de Intensidade <p align="justify"> Ela consiste em cálculos sobre as matrizes de transições e permite medir e avaliar a intensidade das mudanças ocorridas na área de estudo em três níveis: <i>(i)</i> intervalo de tempo, <i>(ii)</i> categoria ou classe e <i>(iii)</i> transição. Ela compara a intensidade da mudança entre as categorias durante dois ou mais intervalos de tempo, comparando a mesma com uma intensidade uniforme da mudança hipotética (ALDWAIK; PONTIUS, 2012).</p> -- background-image: url(img/tabela_equacao.jpg) background-size: 800px background-position: 50% 85% --- # Análise de Intensidade ##### <u>Nível de intervalo:</u> Em quais intervalos de tempo a taxa de variação anual global é relativamente lenta versus rápida? -- * #### Intensidade de variação anual para um dado intervalo de tempo: `$$\begin{equation} S_t = \frac{área\ mudada\ no\ interválo\ \left[Y_{t}, Y_{t+1}\right]}{duração\ do\ interválo \left[Y_{t}, Y_{t+1}\right] * (área\ de\ estudo)} \times 100\% \\ = \frac{\sum_{j=1}^{J} \left[( \sum_{i=1}^{J} C_{tij}) - C_{tjj} \right]}{(Y_{t+1} - Y_{t})\left(\sum_{j=1}^{J} \sum_{i=1}^{J} C_{tij}\right)} \times 100\% \end{equation}$$` -- * #### Intensidade uniforme: `$$\begin{equation} U = \frac{área\ mudada\ em\ todos\ os\ intervalos\ \left[Y_{t}, Y_{t+1}\right]}{(duração\ de\ todos\ os\ interválos \left[Y_{t}, Y_{t+1}\right]) * (área\ de\ estudo)} \times 100\% \\ = \frac{\sum_{t=1}^{T-1} \left\{(Y_{t+1} - Y_t) \sum_{j=1}^{J} \left[\left(\sum_{i=1}^{J} C_{tij}\right) - C_{tjj} \right]\right\}}{(Y_{T} - Y_{1}) \sum_{t=1}^{T-1} \left[(Y_{t+1} - Y_t) \left(\sum_{j=1}^{J} \sum_{i=1}^{J} C_{tij}\right) \right]} \times 100\% \end{equation}$$` --- # Análise de Intensidade ##### <u>Nível de categoria:</u> Dada a resposta à pergunta 1, quais categorias são relativamente dormentes versus ativas em um dado intervalo de tempo, e esse padrão é estável em todos os intervalos de tempo? -- * #### Intensidade anual do ganho bruto de uma categoria `\(j\)` em um determinado intervalo de tempo: `$$\begin{equation} G_{tj} = \frac{ganho\ bruto\ da\ classe\ j\ durante\ \left[Y_{t},\ Y_{t+1}\right]}{(duração\ de\ \left[Y_{t},\ Y_{t+1}\right] ) * (área\ da\ categoria\ j\ no\ tempo\ Y_{t+1})}\times 100\% \\ = \frac{\left[\left( \sum_{i=1}^{J} C_{tij} \right) - C_{tjj} \right] / (Y_{t+1} - Y_t)}{\sum_{i=1}^{J} C_{tij}} \times 100\% \end{equation}$$` -- * #### Intensidade anual da perda bruta de uma categoria `\(i\)` em um dado intervalo de tempo: `$$\begin{equation} L_{ti} = \frac{perda\ bruta\ da\ classe\ i\ durante\ \left[Y_{t},\ Y_{t+1}\right]}{(duração\ de\ \left[Y_{t},\ Y_{t+1}\right] ) * (área\ da\ categoria\ i\ no\ tempo\ Y_{t}} \times 100\% \\ = \frac{\left[\left( \sum_{j=1}^{J} C_{tij} \right) - C_{tii} \right] / (Y_{t+1} - Y_t)}{\sum_{j=1}^{J} C_{tij}} \times 100\% \end{equation}$$` --- # Análise de Intensidade ##### <u>Nível de transição:</u> Dadas as respostas às perguntas 1 e 2, quais transições são intensamente evitadas versus direcionadas por uma determinada categoria em um determinado intervalo de tempo, e esse padrão é estável ao longo de intervalos de tempo? -- * #### Intensidade anual de transição de uma categoria `\(i\)` para uma categoria `\(n\)` em um dado intervalo de tempo: `$$\begin{equation} R_{tin} = \frac{área\ de\ transição\ da\ classe\ i\ para\ n\ durante\ \left[Y_{t},\ Y_{t+1}\right]}{(duração\ de\ \left[Y_{t},\ Y_{t+1}\right] ) * (área\ da\ classe\ i\ no\ tempo\ Y_{t})} \times 100\% \\ = \frac{C_{tin} / (Y_{t+1} - Y_t)}{\sum_{j=1}^{J} C_{tij}} \times 100\% \end{equation}$$` -- * #### Intensidade uniforme de transição de todas as categorias não- `\(n\)` para uma categoria `\(n\)` em um dado intervalo de tempo: `$$\begin{equation} W_{tn} = \frac{ganho\ bruto\ da\ classe\ n\ durante\ \left[Y_{t},\ Y_{t+1}\right]}{(duração\ de\ \left[Y_{t},\ Y_{t+1}\right] ) * (área\ que\ não\ é\ da\ classe\ n\ no\ tempo\ Y_{t})} \times 100\% \\ =\frac{\left[\left( \sum_{i=1}^{J} C_{tin} \right) - C_{tnn} \right] / (Y_{t+1} - Y_t)}{\sum_{j=1}^{J} \left[\left( \sum_{i=1}^{J} C_{tij} \right) - C_{tnj} \right]} \times 100\% \end{equation}$$` --- # Análise de Intensidade ##### <u>Nível de transição:</u> Dadas as respostas às perguntas 1 e 2, quais transições são intensamente evitadas versus direcionadas por uma determinada categoria em um determinado intervalo de tempo, e esse padrão é estável ao longo de intervalos de tempo? -- * #### Intensidade anual de transição de uma categoria `\(m\)` para uma categoria `\(j\)` em um dado intervalo de tempo: `$$\begin{equation} Q_{tmj} = \frac{área\ de\ transição\ da\ classe\ m\ para\ j\ durante\ \left[Y_{t},\ Y_{t+1}\right]}{(duração\ de\ \left[Y_{t},\ Y_{t+1}\right] ) * (área\ da\ classe\ j\ no\ tempo\ Y_{t+1})} \times 100\% \\ = \frac{C_{tmj} / (Y_{t+1} - Y_t)}{\sum_{i=1}^{J} C_{tij}} \times 100\% \end{equation}$$` -- * #### Intensidade uniforme de transição de todas as categorias não- `\(m\)` para uma categoria `\(m\)` em um determinado intervalo de tempo: `$$\begin{equation} V_{tm}= \frac{perda\ bruta\ da\ classe\ m\ durante\ \left[Y_{t},\ Y_{t+1}\right]}{(duração\ de\ \left[Y_{t},\ Y_{t+1}\right] ) * (área\ que\ não\ é\ da\ classe\ m\ no\ tempo\ Y_{t+1})} \times 100\% \\ = \frac{\left[\left( \sum_{j=1}^{J} C_{tmj} \right) - C_{tmm} \right] / (Y_{t+1} - Y_t)}{\sum_{i=1}^{J} \left[\left( \sum_{j=1}^{J} C_{tij} \right) - C_{tim} \right]} \times 100\% \end{equation}$$` --- class: inverse, middle, center background-image: url(img/logo_OpenLand.png) background-size: 400px background-position: 50% 70% --- background-image: url(img/links_developers.png) background-size: 600px background-position: 98% 65% # OpenLand <br><br><br><br><br> .pull-left[ #### Versões publicadas<br> no CRAN: * `1.0.0 :` 23/03/2020 * `1.0.1 :` 19/04/2020 <br> #### Meteriais: * [Página CRAN](https://cran.r-project.org/web/packages/OpenLand/index.html) * [Página GitHub](https://github.com/reginalexavier/OpenLand) * [Vignette](https://reginalexavier.github.io/OpenLand/articles/openland_vignette.html) ] --- background-image: url(img/fluxograma.png) background-size: 800px background-position: 50% 50% # Visão Conceitual do OpenLand --- class: inverse, middle, center #Hello World! <i class="fas fa-laptop-code "></i> --- # Instalando e carregando OpenLand ### A versão CRAN: ```{r install.packages("OpenLand") ``` -- ### Ou -- ### A versão em desenvolvimento no GitHub: ```{r if (!require("devtools")) install.packages("devtools") devtools::install_github("reginalexavier/OpenLand") ``` -- ### Uma vez instalado, OpenLand pode ser carregado com: ```{r library(OpenLand) ``` --- class: inverse, middle, center #Estudo de caso com os dados da bacia do Rio São Lourenço - MT --- # Os meus dados brutos A funcionalidade do pacote OpenLand é demonstrada usando um conjunto de dados de UCT da bacia do rio São Lourenço (MT), que é um dos principais afluentes do Pantanal setentrional. Os dados usados são provenientes da 4ª edição do Monitoramento de Mudanças na Cobertura e Uso da Terra na Bacia do Alto Paraguai - porção brasileira - Período de Revisão: 2012 a 2014 [(INSTITUTO SOS PANTANAL; WWF-BRASIL, 2015)](https://www.embrapa.br/documents/1354999/1529097/BAP+-+Mapeamento+da+Bacia+do+Alto+Paraguai+-+estudo+completo/e66e3afb-2334-4511-96a0-af5642a56283). ### Quais arquivos que eu tenho? ```r list.files(path = here("Estudo_de_caso/raw_tif"), pattern = ".tif$") ``` ``` ## [1] "landscape_2002.tif" "landscape_2008.tif" "landscape_2010.tif" ## [4] "landscape_2012.tif" "landscape_2014.tif" ``` -- ### Algum padrão nos nomes? -- #### Os nomes dos rasters devem estar em um formato padrão que é:<br> `"algum_texto"` + `"underscore"` + `"o_ano"` (ex: `raster_2020`). --- # Checagem Inicial ```{r summary_dir(path = here("Estudo_de_caso/raw_tif")) ``` ``` ## # A tibble: 5 x 9 ## file_name xmin xmax ymin ymax res_x res_y nrow ncol ## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <int> <int> ## 1 landscape_2002 654008. 850388. 8099064. 8290224. 30 30 6372 6546 ## 2 landscape_2008 654008. 850388. 8099064. 8290224. 30 30 6372 6546 ## 3 landscape_2010 654008. 850388. 8099064. 8290224. 30 30 6372 6546 ## 4 landscape_2012 654008. 850388. 8099064. 8290224. 30 30 6372 6546 ## 5 landscape_2014 654008. 850388. 8099064. 8290224. 30 30 6372 6546 ``` ``` ## # A tibble: 5 x 3 ## min_val max_val crs ## <dbl> <dbl> <chr> ## 1 2 13 +proj=utm +zone=21 +south +ellps=GRS80 +units=m +no_defs ## 2 2 13 +proj=utm +zone=21 +south +ellps=GRS80 +units=m +no_defs ## 3 2 13 +proj=utm +zone=21 +south +ellps=GRS80 +units=m +no_defs ## 4 2 13 +proj=utm +zone=21 +south +ellps=GRS80 +units=m +no_defs ## 5 2 13 +proj=utm +zone=21 +south +ellps=GRS80 +units=m +no_defs ``` --- # Checagem Inicial ```{r summary_map(path = here("Estudo_de_caso/raw_tif/landscape_2002.tif")) ``` ``` ## # A tibble: 11 x 2 ## pixvalue Qt ## <dbl> <dbl> ## 1 2 7359626 ## 2 3 2593349 ## 3 4 2006795 ## 4 5 4519210 ## 5 7 2365650 ## 6 8 1012738 ## 7 9 18895 ## 8 10 119314 ## 9 11 4784531 ## 10 12 97073 ## 11 13 31679 ``` --- # Criação das tabelas de contingencias ### A função `contingencyTable()`: -- ```{r SL_2002_2014 <- contingencyTable(input_raster = here("Estudo_de_caso/raw_tif"), pixelresolution = 30) ``` <br><br> -- ### Os 5 objetos criados: -- ```r base::summary(SL_2002_2014) ``` ``` ## Length Class Mode ## lulc_Multistep 8 tbl_df list ## lulc_Onestep 8 tbl_df list ## tb_legend 3 tbl_df list ## totalArea 2 tbl_df list ## totalInterval 1 -none- numeric ``` --- background-image: url(img/tabela_de_contingencia.png) background-size: 900px background-position: 50% 50% # Tabela de contingencia #### Essa é a estrutura padrão adotada para as tabelas de contingencias dentro do OpenLand --- # Tabela de contingencia #### Tabela de contingencia (multipasso) criada com OpenLand ```r SL_2002_2014$lulc_Multistep ``` ``` ## # A tibble: 130 x 8 ## Period From To km2 QtPixel Interval yearFrom yearTo ## <chr> <int> <int> <dbl> <int> <int> <int> <int> ## 1 2002-2008 2 2 6543. 7269961 6 2002 2008 ## 2 2002-2008 2 10 1.56 1736 6 2002 2008 ## 3 2002-2008 2 11 55.2 61320 6 2002 2008 ## 4 2002-2008 2 12 23.9 26609 6 2002 2008 ## 5 2002-2008 3 2 37.5 41649 6 2002 2008 ## 6 2002-2008 3 3 2133. 2370190 6 2002 2008 ## 7 2002-2008 3 7 155. 172718 6 2002 2008 ## 8 2002-2008 3 11 7.48 8307 6 2002 2008 ## 9 2002-2008 3 12 0.356 395 6 2002 2008 ## 10 2002-2008 3 13 0.081 90 6 2002 2008 ## # ... with 120 more rows ``` --- # Loockup table das legendas Os dados das colunas `categoryName, color` são simulados pela função `contingencyTable()`, eles precisam ser editatos com os dados relacionados à área de estudo. <br> ```r SL_2002_2014$tb_legend ``` ``` ## # A tibble: 11 x 3 ## categoryValue categoryName color ## <int> <fct> <chr> ## 1 2 DUL #ABBBE8 ## 2 3 XSE #A13F3F ## 3 4 LKC #EAACAC ## 4 5 MTO #002F70 ## 5 7 VRE #8EA4DE ## 6 8 FNR #F3C5C5 ## 7 9 ZCN #5F1415 ## 8 10 EIF #DCE2F6 ## 9 11 FHX #F9DCDC ## 10 12 SZE #EFF1F8 ## 11 13 HGF #F9EFEF ``` --- background-image: url(img/tabela_classes_uct.png) background-size: 900px background-position: 50% 50% # Classes de UCT da bacia #### <center> Classes de UCT da bacia [(INSTITUTO SOS PANTANAL; WWF-BRASIL, 2015)](https://www.embrapa.br/pantanal/bacia-do-alto-paraguai) </center> --- # Nomes e cores das classes de UCT #### Edição dos nomes das classes e das cores > As cores correspondentes podem ser os nomes das cores (em ingles)(ex. "black") ou códigos hexadecimais das mesmas (ex. #000000). <br> O pacote [`rcartocolor`](https://cran.r-project.org/web/packages/rcartocolor/index.html) pode ser utilisado como guia na escolha das cores, `rcartocolor::metacartocolors` nos dá as opções disponiveis. ```r # os nomes das classes SL_2002_2014$tb_legend$categoryName <- factor(c("Ap", "FF", "SA", "SG", "aa", "SF", "Agua", "Iu", "Ac", "R", "Im"), levels = c("FF", "SF", "SA", "SG", "aa", "Ap", "Ac", "Im", "Iu", "Agua", "R")) # as cores SL_2002_2014$tb_legend$color <- c("#FFE4B5", "#228B22", "#00FF00", "#CAFF70", "#EE6363", "#00CD00", "#436EEE", "#FFAEB9", "#FFA54F", "#68228B", "#636363") ``` --- # Loockup table das legendas Depois da atualização dos nomes e cores associados às classes de uso da nossa área de estudo -- <br> ```r SL_2002_2014$tb_legend ``` ``` ## # A tibble: 11 x 3 ## categoryValue categoryName color ## <int> <fct> <chr> ## 1 2 Ap #FFE4B5 ## 2 3 FF #228B22 ## 3 4 SA #00FF00 ## 4 5 SG #CAFF70 ## 5 7 aa #EE6363 ## 6 8 SF #00CD00 ## 7 9 Agua #436EEE ## 8 10 Iu #FFAEB9 ## 9 11 Ac #FFA54F ## 10 12 R #68228B ## 11 13 Im #636363 ``` --- # Ferramentas de visualizações diversas ### As mudanças acumuladas com a função `acc_changes()` ```r testacc <- acc_changes(path = here("Estudo_de_caso/raw_tif")) testacc # o objeto criado ``` ``` ## [[1]] ## class : RasterLayer ## dimensions : 6372, 6546, 41711112 (nrow, ncol, ncell) ## resolution : 30, 30 (x, y) ## extent : 654007.5, 850387.5, 8099064, 8290224 (xmin, xmax, ymin, ymax) ## crs : +proj=utm +zone=21 +south +ellps=GRS80 +units=m +no_defs ## source : C:/Users/redgi/AppData/Local/Temp/Rtmporkn3o/raster/r_tmp_2020-09-04_213505_9244_49377.grd ## names : layer ## values : 0, 2 (min, max) ## ## ## [[2]] ## # A tibble: 3 x 3 ## PxValue Qt Percent ## <int> <int> <dbl> ## 1 0 21819779 87.6 ## 2 1 2787995 11.2 ## 3 2 301086 1.21 ``` --- background-image: url(img/acc_mymap.png) background-size: 600px background-position: 50% 50% # Ferramentas de visualizações diversas <br><br><br> .pull-left[ #### <small>Utilizando <br> [`tmap`](https://cran.r-project.org/web/packages/tmap/index.html)</small> ] --- # Ferramentas de visualizações diversas #### Diagramas de transição #### Chord Diagram ```{r chordDiagramLand(dataset = SL_2002_2014$lulc_Onestep, legendtable = SL_2002_2014$tb_legend, legposition = c(1, 0.30), legtitle = "Classes", legendsize = .7) ``` --- # Ferramentas de visualizações diversas #### Diagramas de transição (Chord Diagram ) <img src="OpenLand_slides_files/figure-html/unnamed-chunk-11-1.png" width="65%" style="display: block; margin: auto;" /> --- # Ferramentas de visualizações diversas #### Sankey plots (passo único) ```r sankeyLand(dataset = SL_2002_2014$lulc_Onestep, legendtable = SL_2002_2014$tb_legend) ``` <div id="htmlwidget-60126c60ba4807415af1" style="width:936px;height:468px;" class="sankeyNetwork html-widget"></div> <script type="application/json" data-for="htmlwidget-60126c60ba4807415af1">{"x":{"links":{"source":[5,5,5,5,5,0,0,0,0,0,0,0,2,2,2,2,2,2,2,3,3,3,3,3,3,3,4,4,4,4,4,4,1,1,1,1,1,9,8,6,6,6,10,10,7],"target":[16,20,19,17,21,16,11,15,20,17,21,18,16,13,15,19,17,21,18,16,14,15,20,19,17,21,16,15,20,19,17,21,16,15,12,20,17,20,19,19,17,21,17,21,18],"value":[6169.3344,2.3859,10.3617,411.8679,29.7135,109.5858,2091.2985,116.3736,6.9966,9.3231,0.3555,0.081,161.3277,1469.6289,83.4669,3.3849,70.452,17.4726,0.3825,196.1613,3651.8409,199.7901,1.7154,0.0504,17.4456,0.2853,1109.0241,1000.5966,1.6011,1.6092,14.5629,1.6911,58.8276,59.0229,777.4569,0.5157,15.6411,17.0055,107.3826,4.1697,4265.604,36.3042,28.224,59.1417,28.5111]},"nodes":{"name":["FF","SF","SA","SG","aa","Ap","Ac","Im","Iu","Agua","R","FF","SF","SA","SG","aa","Ap","Ac","Im","Iu","Agua","R"],"group":["FF","SF","SA","SG","aa","Ap","Ac","Im","Iu","Agua","R","FF","SF","SA","SG","aa","Ap","Ac","Im","Iu","Agua","R"]},"options":{"NodeID":"name02","NodeGroup":"name02","LinkGroup":null,"colourScale":"d3.scaleOrdinal().domain(['FF', 'SF', 'SA', 'SG', 'aa', 'Ap', 'Ac', 'Im', 'Iu', 'Agua', 'R']).range(['#228B22', '#00CD00', '#00FF00', '#CAFF70', '#EE6363', '#FFE4B5', '#FFA54F', '#636363', '#FFAEB9', '#436EEE', '#68228B']).unknown(['grey']);","fontSize":13,"fontFamily":"sans-serif","nodeWidth":20,"nodePadding":20,"units":"","margin":{"top":null,"right":null,"bottom":null,"left":null},"iterations":0,"sinksRight":false}},"evals":[],"jsHooks":[]}</script> --- # Ferramentas de visualizações diversas #### Sankey plots (multipasso) ```r sankeyLand(dataset = SL_2002_2014$lulc_Multistep, legendtable = SL_2002_2014$tb_legend) ``` <div id="htmlwidget-cc491862ff0bcee1833f" style="width:936px;height:468px;" class="sankeyNetwork html-widget"></div> <script type="application/json" data-for="htmlwidget-cc491862ff0bcee1833f">{"x":{"links":{"source":[20,20,20,20,0,0,0,0,0,0,8,8,8,8,8,8,8,12,12,12,12,12,16,16,16,16,16,4,4,4,4,36,32,24,24,24,40,40,28,21,21,21,21,21,1,1,1,1,9,9,9,9,9,13,13,13,13,13,17,17,17,17,17,5,5,5,5,37,33,25,25,41,29,22,22,22,2,2,2,2,10,10,10,14,14,14,14,18,18,18,18,6,6,6,38,34,26,26,26,42,30,23,23,23,3,3,3,11,11,11,11,11,11,15,15,15,15,19,19,19,19,7,7,7,39,35,27,27,43,31],"target":[21,33,25,41,21,1,17,25,41,29,21,9,17,33,25,41,29,21,13,17,25,41,21,17,33,25,41,21,17,5,25,37,33,33,25,41,25,41,29,22,38,34,26,42,22,2,18,38,22,10,18,26,30,22,14,18,34,26,22,18,38,26,42,22,18,6,26,38,34,26,42,42,30,23,27,43,23,3,19,27,23,11,19,23,15,19,27,23,19,35,27,23,19,7,39,35,35,27,43,43,31,49,52,50,49,44,48,49,46,48,52,50,51,49,47,48,50,49,48,52,50,49,48,45,53,52,52,50,54,51],"value":[6542.9649,1.5624,55.188,23.9481,37.4841,2133.171,155.4462,7.4763,0.3555,0.081,65.835,1547.0847,107.5077,2.025,66.0483,17.4726,0.1422,48.3111,3761.5176,244.2501,13.1103,0.0999,130.0581,1987.5051,0.4518,9.5994,1.4706,24.759,79.5303,793.755,13.4199,17.0055,107.3826,1.0719,4278.3363,26.6697,28.224,59.1417,28.5111,6762.8016,2.3859,5.7222,72.8199,5.6826,0.9684,2117.7981,13.1733,1.2312,0.9711,1524.5676,21.4299,0.0711,0.045,3.9384,3726.7974,30.6441,0.0504,0.0873,12.0204,2551.7007,9.5976,0.7002,0.2205,1.1025,5.58,785.3904,1.6821,17.0055,112.4937,4464.2556,7.1469,129.1581,28.7343,6595.4547,186.0795,0.2682,3.6252,2106.6714,7.3971,0.1044,12.2994,1494.8811,17.3871,8.5329,3698.757,18.8757,0.6318,681.885,1938.1518,0.0675,2.4237,1.0755,3.3642,780.9507,30.2202,118.2663,1.8369,4535.2917,2.4876,142.2081,28.7793,7192.0503,3.0771,107.7453,12.9276,2091.2985,2.4453,18.0801,1469.6289,6.5772,0.3456,0.054,0.1953,42.0948,3651.8409,4.7592,0.0621,536.7276,1444.3551,2.1042,1.989,2.3805,1.1133,777.4569,30.2202,120.1707,1.2609,4723.2702,144.9639,28.7793]},"nodes":{"name":["FF","FF","FF","FF","SF","SF","SF","SF","SA","SA","SA","SA","SG","SG","SG","SG","aa","aa","aa","aa","Ap","Ap","Ap","Ap","Ac","Ac","Ac","Ac","Im","Im","Im","Im","Iu","Iu","Iu","Iu","Agua","Agua","Agua","Agua","R","R","R","R","FF","SF","SA","SG","aa","Ap","Ac","Im","Iu","Agua","R"],"group":["FF","FF","FF","FF","SF","SF","SF","SF","SA","SA","SA","SA","SG","SG","SG","SG","aa","aa","aa","aa","Ap","Ap","Ap","Ap","Ac","Ac","Ac","Ac","Im","Im","Im","Im","Iu","Iu","Iu","Iu","Agua","Agua","Agua","Agua","R","R","R","R","FF","SF","SA","SG","aa","Ap","Ac","Im","Iu","Agua","R"]},"options":{"NodeID":"name02","NodeGroup":"name02","LinkGroup":null,"colourScale":"d3.scaleOrdinal().domain(['FF', 'SF', 'SA', 'SG', 'aa', 'Ap', 'Ac', 'Im', 'Iu', 'Agua', 'R']).range(['#228B22', '#00CD00', '#00FF00', '#CAFF70', '#EE6363', '#FFE4B5', '#FFA54F', '#636363', '#FFAEB9', '#436EEE', '#68228B']).unknown(['grey']);","fontSize":13,"fontFamily":"sans-serif","nodeWidth":20,"nodePadding":20,"units":"","margin":{"top":null,"right":null,"bottom":null,"left":null},"iterations":0,"sinksRight":false}},"evals":[],"jsHooks":[]}</script> --- # Ferramentas de visualizações diversas #### Evolução das áreas por classes de uso <img src="OpenLand_slides_files/figure-html/unnamed-chunk-14-1.png" style="display: block; margin: auto;" /> --- # Ferramentas de visualizações diversas #### Mudanças brutas e liquidas <img src="OpenLand_slides_files/figure-html/unnamed-chunk-15-1.png" style="display: block; margin: auto;" /> --- # Análise de Intensidade A função responsável pela análise é `intensityAnalysis()`, ela recebe como entrada a saída da função `contingencyTable()` e a informação das categorias `\(n\)` e `\(m\)`. -- ```r testSL <- intensityAnalysis(dataset = SL_2002_2014, category_n = "Ap", category_m = "SG", area_km2 = TRUE) ``` -- ```r summary(testSL) ``` ``` ## Length Class Mode ## lulc_table 6 tbl_df list ## interval_lvl 1 Interval S4 ## category_lvlGain 1 Category S4 ## category_lvlLoss 1 Category S4 ## transition_lvlGain_n 1 Transition S4 ## transition_lvlLoss_m 1 Transition S4 ``` --- # Análise de Intensidade #### Tabela de resultado - Nível de Intevalo ``` ## # A tibble: 4 x 4 ## # Groups: Period [4] ## Period PercentChange St U ## <fct> <dbl> <dbl> <dbl> ## 1 2012-2014 3.32 1.66 1.13 ## 2 2010-2012 4.23 2.12 1.13 ## 3 2008-2010 0.880 0.440 1.13 ## 4 2002-2008 5.18 0.864 1.13 ``` --- # Análise de Intensidade #### Nível de Intervalo (plot) ```r plot(testSL$interval_lvl, labels = c(leftlabel = "Mudança de area por intervalo (%)", rightlabel = "Mudança anual de área (%)"), marginplot = c(-8, 0), labs = c("Mudanças", "Intensidade Uniforme"), leg_curv = c(x = .3, y = .2)) ``` <img src="OpenLand_slides_files/figure-html/unnamed-chunk-19-1.png" style="display: block; margin: auto;" /> --- # Análise de Intensidade ### <center> Nível de Categoria (tabelas) </center> -- #### Dados de ganho de área ``` ## # A tibble: 4 x 6 ## # Groups: Period, To [4] ## Period To Interval GG_km2 Gtj St ## <fct> <fct> <int> <dbl> <dbl> <dbl> ## 1 2012-2014 aa 2 14.9 0.510 1.66 ## 2 2012-2014 Ap 2 612. 3.92 1.66 ## 3 2012-2014 Ac 2 110. 1.14 1.66 ## 4 2012-2014 Im 2 0.195 0.337 1.66 ``` -- #### Dados de perda de área ``` ## # A tibble: 4 x 6 ## # Groups: Period, From [4] ## Period From Interval GL_km2 Lti St ## <fct> <fct> <int> <dbl> <dbl> <dbl> ## 1 2012-2014 FF 2 15.4 0.365 1.66 ## 2 2012-2014 SF 2 3.49 0.224 1.66 ## 3 2012-2014 SA 2 25.3 0.845 1.66 ## 4 2012-2014 SG 2 46.9 0.634 1.66 ``` --- # Análise de Intensidade ## <center> Nível de Categoria (plot) </center> -- background-image: url(img/categoria.png) background-size: 900px background-position: 50% 70% .pull-left[ #### Perda de área ] .pull-right[ #### Ganho de área ] --- # Análise de Intensidade ### <center> Nível de Categoria (Estacionariedade) </center> .pull-left[ ```r testSL$category_lvlLoss@categoryStationarity ``` ``` ## # A tibble: 14 x 5 ## From Loss N Stationarity Test ## <fct> <int> <int> <chr> <chr> ## 1 FF 1 4 Active Loss N ## 2 SF 2 4 Active Loss N ## 3 SA 2 4 Active Loss N ## 4 SG 2 4 Active Loss N ## 5 aa 3 4 Active Loss N ## 6 Ap 1 4 Active Loss N ## 7 R 1 4 Active Loss N ## 8 FF 3 4 Dormant Loss N ## 9 SF 2 4 Dormant Loss N ## 10 SA 2 4 Dormant Loss N ## 11 SG 2 4 Dormant Loss N ## 12 aa 1 4 Dormant Loss N ## 13 Ap 3 4 Dormant Loss N ## 14 Ac 4 4 Dormant Loss Y ``` ] .pull-right[ ```r testSL$category_lvlGain@categoryStationarity ``` ``` ## # A tibble: 12 x 5 ## To Gain N Stationarity Test ## <fct> <int> <int> <chr> <chr> ## 1 aa 2 4 Active Gain N ## 2 Ap 2 4 Active Gain N ## 3 Ac 1 4 Active Gain N ## 4 Iu 2 4 Active Gain N ## 5 Agua 1 4 Active Gain N ## 6 R 2 4 Active Gain N ## 7 aa 2 4 Dormant Gain N ## 8 Ap 2 4 Dormant Gain N ## 9 Ac 3 4 Dormant Gain N ## 10 Im 3 4 Dormant Gain N ## 11 Iu 2 4 Dormant Gain N ## 12 R 1 4 Dormant Gain N ``` ] --- # Análise de Intensidade ### <center> Nível de Transição (tabelas) </center> #### Dados de ganho da categoria `\(n\)` ``` ## # A tibble: 4 x 7 ## # Groups: Period, From [4] ## Period From To Interval T_i2n_km2 Rtin Wtn ## <fct> <fct> <fct> <int> <dbl> <dbl> <dbl> ## 1 2012-2014 FF Ap 2 12.9 0.307 2.03 ## 2 2012-2014 SF Ap 2 2.38 0.152 2.03 ## 3 2012-2014 SA Ap 2 18.1 0.605 2.03 ## 4 2012-2014 SG Ap 2 42.1 0.569 2.03 ``` -- #### Dados de perda da categoria `\(m\)` ``` ## # A tibble: 4 x 7 ## # Groups: Period, To [4] ## Period To From Interval T_m2j_km2 Qtmj Vtm ## <fct> <fct> <fct> <int> <dbl> <dbl> <dbl> ## 1 2012-2014 aa SG 2 4.76 0.163 0.125 ## 2 2012-2014 Ap SG 2 42.1 0.270 0.125 ## 3 2012-2014 Ac SG 2 0.0621 0.000642 0.125 ## 4 2010-2012 aa SG 2 18.9 0.475 0.0749 ``` --- # Análise de Intensidade ## <center> Nível de Transição (plot) </center> -- background-image: url(img/transicao.png) background-size: 900px background-position: 50% 70% .pull-left[ #### Ganho da categoria `\(n\)` ] .pull-right[ #### Perda da categoria `\(m\)` ] --- # Análise de Intensidade ### <center> Nível de Trasição (Estacionariedade) </center> .pull-left[ ```r testSL$transition_lvlGain_n@transitionStationarity ``` ``` ## # A tibble: 7 x 5 ## From Loss N Stationarity Test ## <fct> <int> <int> <chr> <chr> ## 1 SF 2 4 targeted by Ap N ## 2 SA 1 4 targeted by Ap N ## 3 aa 4 4 targeted by Ap Y ## 4 FF 4 4 avoided by Ap Y ## 5 SF 2 4 avoided by Ap N ## 6 SA 3 4 avoided by Ap N ## 7 SG 4 4 avoided by Ap Y ``` ] .pull-right[ ```r testSL$transition_lvlLoss_m@transitionStationarity ``` ``` ## # A tibble: 6 x 5 ## To Gain N Stationarity Test ## <fct> <int> <int> <chr> <chr> ## 1 aa 4 4 targeted SG Y ## 2 Ap 1 4 targeted SG N ## 3 Ap 3 4 avoided SG N ## 4 Ac 4 4 avoided SG Y ## 5 Iu 1 4 avoided SG N ## 6 R 1 4 avoided SG N ``` ] --- class: inverse, middle, center # Versões Futuras --- # Versões Futuras #### Funções de rasters de ganhos e de perdas (`lulc_loss()` e `lulc_gain()`) -- background-image: url(img/mapas_ganhos_perdas.png) background-size: 900px background-position: 50% 70% .pull-left[ #### Perdas 2002 - 2014 ] .pull-right[ #### Ganhos 2002 - 2014 ] --- # Referências ALDWAIK, S. Z.; PONTIUS, R. G. Intensity analysis to unify measurements of size and stationarity of land changes by interval, category, and transition. Landscape and Urban Planning, v. 106, n. 1, p. 103–114, 2012. https://doi.org/10.1016/j.landurbplan.2012.02.010. EMBRAPA PANTANAL; INSTITUTO SOS PANTANAL; WWF-BRASIL. Mapeamento da Bacia do Alto Paraguai. Disponível em: https://www.embrapa.br/pantanal/bacia-do-alto-paraguai. Acesso em: 22 ago. 2020. EMBRAPA PANTANAL; INSTITUTO SOS PANTANAL; WWF-BRASIL. 2015. Monitoramento das alterações da cobertura vegetal e uso do Solo na Bacia do Alto Paraguai – Porção Brasileira – Período de Análise: 2012 a 2014. 4th ed. Brasilia. https://www.embrapa.br/documents/1354999/1529097/BAP+-+Mapeamento+da+Bacia+do+Alto+Paraguai+-+estudo+completo/e66e3afb-2334-4511-96a0-af5642a56283. EXAVIER, R.; ZEILHOFER, P. OpenLand: Quantitative Analysis and Visualization of LUCC, 2020. https://cran.r-project.org/package=OpenLand. --- class: clear, center, middle <br><br><br> ## <center>Réginal Exavier</center> <i class="fas fa-envelope "></i> [reginalexavier@rocketmail.com](reginalexavier@rocketmail.com) <br> <i class="fab fa-github "></i> [@reginalexavier](https://github.com/reginalexavier) <br><br> ## <center>Obrigado!</center> <br><br> Slides criados via pacote [xaringan](https://github.com/yihui/xaringan) e tema [Metropolis](https://github.com/pat-s/xaringan-metropolis)