Fáxina de dados do mapeamento de florestas plantadas SFB-IFPR no Paraná

Introdução

Esse repositório consiste no projeto realizado para entrega final do curso de Fáxina de Dados da Curso R. Nesse README será destacado o que era necessário na entrega do trabalho e o que foi feito nesse em específico. O tema escolhido era de livre escolha do aluno, decidi por pegar uma base em .pdf referente ao mapeamento de florestas plantadas no Paraná, realizado pelo Instituto de Florestas do Paraná - IFPR em conjunto com o Serviço Florestal Brasileiro - SFB, lançado em 2015 (ano-base 2014). A razão para isso é minha própria formação, Engenharia Florestal, e o fato de já ter necessitado consultar essa base antes e ter ficado limitado em relação às análises por conta dela ser disponibilizada apenas em pdf, a ideia foi unir o útil ao agradável.

Objetivo específico

Extrair todas as tabelas do pdf que contenham dados de mapeamento de área em hectares de Eucalipto, Pinus e regiões de Corte (colhidas). Após isso, consolidar em uma base de dados tidy, onde cada linha representa uma observação distinta e as colunas representam variáveis. Mais informações sobre esse tipo de base pode ser encontrada no livro da Curso R.

Sobre o projeto

As regras para entrega do trabalho consistiam nos seguintes itens:

A base de dados em formato bruto OU um script de acesso a essa base, fazendo um download por exemplo.
Um ou mais scripts R que transformem a sua base bruta e untidy em uma (ou mais) base(s) tidy.

O(s) script(s) deve(m) necessariamente: -

Ler os dados brutos;
Manipular uma coluna do tipo texto;
Salvar uma base de dados ao final do script que esteja no formato tidy “aumentado” que foi apresentado no começo do curso, no formato .rds.

Por que a base pode ser considerada untidy?

Primeiramente porque os dados estão consolidados dentro de um pdf. Em segundo, uma vez extraídos, as colunas númericas (áreas em hectares) estão distribuídas em três itens principais: corte, eucalipto e pinus. Considerando que nesse caso as observações ficam distribuídas entre colunas junto com as variáveis, pode ser considerada uma base untidy.

Como foram organizados os arquivos para transformar essa base em tidy?

A base tidy final é o arquivo mapeamento_SFB-IFPR_completo_cod_IBGE.rds.

Para extração das tabelas do pdf foi utilizado principalmente a função tabulizer::extract_tables. Para algumas páginas, não foi possível efetuar a correta extração, então foi necessário separar essas páginas específicas do arquivo original de mapeamento, gerando assim três pdfs adicionais além do pdf principal referente ao mapeamento, todos esses arquivos usados como fonte de dados constam no caminho ./data-raw/pdf/01-SFB-IFPR. A faxina dos dados foi realizada com os pacotes do tidyverse e afins.

Já para a organização dos scripts de extração e faxina de dados, todos constam na pasta ./data-raw. Foram divididos entre situações parecidas de faxina e fonte de dados, o primeiro script é apenas um exemplo de extração do professor Athos no blog da curso R. O script 02 até o 08 é onde constam os códigos usados para extrair e faxinar as tabelas. O penúltipo script (09) é um complemento de melhoria ao projeto, onde é adicionado uma coluna referente ao código do município do IBGE, visando facilitar as posteriores manipulações e análises. O décimo e último script é apenas a plotagem do mapa exibido nesse README.

As fórmulas de faxina, quando possível, foram estruturadas em scripts específicos de fórmulas documentadas dentro da pasta ./R.

Na pasta ./inst/01-PR-SFB-IFPR constam as páginas que sofreram extração e faxina, ou seja, as páginas do Mapeamento que continham tabelas de interesse para o trabalho.

A estrutura de organização dos arquivos pode ser verificada a seguir:

#> .
#> ├── 2021-06-17-tcc-curso-r-faxina-de-dados.Rproj
#> ├── R
#> │   ├── 01-fn-faxinar-tabela-nucleo-regional-paginas-com-imagens.R
#> │   ├── 02-fn-faxinar-tabela-nucleo-regional-paginas-com-imagens-col-erro.R
#> │   ├── 03-fn-faxinar-tabela-nucleo-regional-paginas-sem-imagens.R
#> │   ├── 04-fn-faxinar-tabela-nucleo-regional-paginas-sem-imagens-tab-mal-identif.R
#> │   └── 05-fn-faxinar-tabela-nucleo-regional-paginas-sem-imagens-tab-mal-identif-col-pinus.R
#> ├── README.Rmd
#> ├── README.md
#> ├── README_files
#> │   └── figure-gfm
#> │       └── pressure-1.png
#> ├── data
#> │   ├── mapeamento_SFB-IFPR_completo.rds
#> │   ├── mapeamento_SFB-IFPR_completo_cod_IBGE.rds
#> │   ├── tb_area_total.rds
#> │   ├── tb_ivaipora_b.rds
#> │   ├── tb_tidy_francisco_beltrao.rds
#> │   ├── tbs_pag_com_imagens.rds
#> │   ├── tbs_tidy_pag_sem_imagens.rds
#> │   └── tbs_tidy_pag_sem_imagens_mal_ident.rds
#> ├── data-raw
#> │   ├── 01-Exemplo-Athos.R
#> │   ├── 02-Mapeamentos-SFB-IFPR.R
#> │   ├── 03-Tabelas-com-Imagens.R
#> │   ├── 04-Tabela-Nucleo-Reg-Ivaipora-B.R
#> │   ├── 05-Tabelas-sem-Imagens.R
#> │   ├── 06-Tabelas-sem-Imagens-Mal-Identificadas.R
#> │   ├── 07-Tabela-Nucleo-Reg-Francisco-Beltrao-B.R
#> │   ├── 08-Conferencias.R
#> │   ├── 09-Adiciona-Coluna-Cod-IBGE.R
#> │   ├── 10-Plotar-mapa-distribuicao-por-genero.R
#> │   └── pdf
#> │       └── 01-SFB-IFPR
#> │           ├── IFPR e SFB – Mapeamento dos plantios florestais do estado do Paraná.pdf
#> │           ├── IFPR e SFB-61-apenas-tabela.pdf
#> │           ├── IFPR e SFB-70-tabela.pdf
#> │           └── IFPR e SFB-páginas-36,40,42,44-46,48-49,51-53,55,57-58,60-61,63-64,66,68-69,71-tabelas.pdf
#> └── inst
#>     ├── 01-PR-SFB-IFPR
#>     │   ├── 30.png
#>     │   ├── 36.png
#>     │   ├── 37.png
#>     │   ├── 40.png
#>     │   ├── 41.png
#>     │   ├── 42.png
#>     │   ├── 43.png
#>     │   ├── 44.png
#>     │   ├── 45.png
#>     │   ├── 46.png
#>     │   ├── 47.png
#>     │   ├── 48.png
#>     │   ├── 49.png
#>     │   ├── 50.png
#>     │   ├── 51.png
#>     │   ├── 52.png
#>     │   ├── 53.png
#>     │   ├── 54.png
#>     │   ├── 55.png
#>     │   ├── 56.png
#>     │   ├── 57.png
#>     │   ├── 58.png
#>     │   ├── 59.png
#>     │   ├── 60.png
#>     │   ├── 61.png
#>     │   ├── 62.png
#>     │   ├── 63.png
#>     │   ├── 64.png
#>     │   ├── 65.png
#>     │   ├── 66.png
#>     │   ├── 67.png
#>     │   ├── 68.png
#>     │   ├── 69.png
#>     │   ├── 70.png
#>     │   ├── 71.png
#>     │   └── 72.png
#>     └── plot_mapa_ajust.png

Que tipo de análise a base tidy possibilitá?

Com a base tidy será fácil gerar análises e resumos de dados sobre a área de florestas plantadas no Paraná referente ao mapeamento publicado pela SFB-IFPR em 2015, com ano-base 2014. Os dados podem ser analisados em nível de:

Núcleo regional
Município
Área em hectares de corte (colhida)
Área em hectares de eucalipto (plantado)
Área em hectares de pinus (plantado)

Análise da base: Distribuição espacial

Uma análise rápida que pode ser feita é a distribuição espacial das áreas por gênero de plantio, visando demonstar a utilização da base tidy.

Carregar dados

# Carregar apenas pipe
'%>%' <- magrittr::`%>%`

# Carregar base do mapeamento
base_mapeamento <- readr::read_rds("./data/mapeamento_SFB-IFPR_completo_cod_IBGE.rds") 


# Lendo shape dos municípios do PR
base_muni_pr <- geobr::read_municipality(code_muni= "PR", year=2010)
#> Loading required namespace: sf
#> Using year 2010

Transformar e juntar bases

# fazer join da base com o shape
base_geo <-
  base_muni_pr %>% 
  dplyr::left_join(base_mapeamento, by = "code_muni")

Plotar mapa

quebras <- c(0, 1000, 5000, 10000, 20000, 30000, 40000, 50000)
ordem <- c("0-1000", "1000-5000", "5000-10000", "10000-20000", "20000-30000", "30000-40000", "40000-50000")

plot <- 
  base_geo %>% 
  dplyr::filter(!is.na(tipo_genero),
                tipo_genero != "corte"
  ) %>% 
  dplyr::mutate(
    
    tipo_genero = dplyr::case_when(tipo_genero == "pinus" ~ "Pinus",
                                   tipo_genero == "eucalipto" ~ "Eucalipto",
                                   TRUE ~ tipo_genero),
    area_ha = cut(area_ha,
                  quebras,
                  dig.lab = 5),
    area_ha = stringr::str_remove_all(area_ha, "\\(|\\]"),
    area_ha = stringr::str_replace_all(area_ha,  ",", "-"),
    area_ha = factor(area_ha,
                     levels = ordem,
                     ordered = TRUE)
    
  ) %>% 
  
  ggplot2::ggplot() +
  ggplot2::geom_sf(alpha = .5,
                   color = "white",
                   size = 0.2) +
  ggplot2::geom_sf(ggplot2::aes(fill = area_ha)) +
  
  ggplot2::scale_fill_viridis_d(
    direction = -1,
    option = "magma",
    guide = ggplot2::guide_legend(
      keyheight = ggplot2::unit(3, units = "mm"),
      keywidth = ggplot2::unit(12, units = "mm"),
      label.position = "top",
      title.position = 'top',
      title.theme = ggplot2::element_text(size = 10),
      nrow = 1
    )
  ) +
  
  ggplot2::facet_wrap(~tipo_genero) +
  ggplot2::labs(fill = "Legenda: Classe de área (ha)",
                subtitle = "Mapeamento de florestas plantadas do Serviço Florestal Brasileiro (SFB) \nem conjunto com o Instituto de Florestas do Paraná (IFPR). Ano-base: 2014",
                caption = "**Dataviz:** @maykongpedro | **Fonte:** Mapeamento SFB-IFPR no Paraná (Dados organizados pelo autor)") +
  ggplot2::ggtitle("Distribuição espacial de florestas plantadas no Paraná") +
  
  ggspatial::annotation_north_arrow(
    location = "br",
    which_north = "true",
    height = ggplot2::unit(1, "cm"),
    width = ggplot2::unit(1, "cm"),
    pad_x = ggplot2::unit(0.1, "in"),
    pad_y = ggplot2::unit(0.1, "in"),
    style = ggspatial::north_arrow_fancy_orienteering
  ) +
  ggspatial::annotation_scale() +
  ggiraphExtra::theme_clean2() +
  ggplot2::theme(
    strip.background.x = ggplot2::element_rect(
      color="black"
    ),
    plot.title = ggplot2::element_text(face = "bold",
                                       vjust = 13),
    plot.subtitle = ggplot2::element_text(vjust = 17),
    plot.caption = ggtext::element_markdown(),
    legend.position = c(0.28, 1.22), #horizontal, vertical
    plot.margin = ggplot2::unit(c(1.5,1,0,1), "cm"),
    panel.grid = ggplot2::element_blank()
  )

maykongpedro/2021-06-17-tcc-curso-r-faxina-de-dados