-
Notifications
You must be signed in to change notification settings - Fork 23
/
Copy path8_aopdata_uso_solo.qmd
127 lines (103 loc) · 5.95 KB
/
8_aopdata_uso_solo.qmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
# Dados de distribuição espacial de oportunidades
O pacote `{aopdata}` permite baixar, para todas cidades incluídas no projeto, dados de 2017, 2018 e 2019 sobre a distribuição espacial de empregos (de baixa, média e alta escolaridade), estabelecimentos públicos de saúde (de baixa, média e alta complexidade), escolas públicas (ensino infantil, fundamental e médio) e CRAS.
Esses dados podem ser baixados com a função `read_landuse()`, que funciona de forma análoga à `read_population()`. Para isso, basta indicar na chamada a cidade cujos dados são desejados (parâmetro `city`) e o ano de referência (`year`), além de apontar se deseja incluir as informações espaciais dos hexágonos (`geometry`).
No exemplo a seguir, mostramos como baixar os dados de uso do solo de 2019 para Belo Horizonte. Note que essa função resulta em uma tabela que também traz, automaticamente, os dados de população.
```{r}
#| message: false
#| warning: false
dados_bh <- aopdata::read_landuse(
city = "Belo Horizonte",
year = 2019,
geometry = TRUE,
showProgress = FALSE
)
names(dados_bh)
```
A @tbl-landuse_dictionary apresenta a descrição das colunas da tabela (excluindo as previamente incluídas na tabela de dados sociodemográficos). Essa descrição também pode ser consultada na documentação da função, rodando em uma sessão de R o comando `?read_landuse`.
```{r}
#| echo: false
#| label: tbl-landuse_dictionary
#| tbl-cap: Descrição das colunas da tabela de dados de distribuição espacial de oportunidades
tbl <- tibble::tribble(
~Coluna, ~Descrição,
"year", "Ano de referência",
"id_hex", "Identificador único do hexágono",
"abbrev_muni", "Sigla de três letras do município",
"name_muni", "Nome do município",
"code_muni", "Código de sete dígitos do IBGE do município",
"T001", "Quantidade total de empregos",
"T002", "Quantidade de empregos de baixa escolaridade",
"T003", "Quantidade de empregos de média escolaridade",
"T004", "Quantidade de empregos de alta escolaridade",
"E001", "Quantidade total de estabelecimentos públicos de ensino",
"E002", "Quantidade de estabelecimentos públicos de ensino infantil",
"E003", "Quantidade de estabelecimentos públicos de ensino fundamental",
"E004", "Quantidade de estabelecimentos públicos de ensino médio",
"M001", "Quantidade total de matrículas públicas de ensino",
"M002", "Quantidade de matrículas públicas de ensino infantil",
"M003", "Quantidade de matrículas públicas de ensino fundamental",
"M004", "Quantidade de matrículas públicas de ensino médio",
"S001", "Quantidade total de estabelecimentos de saúde",
"S002", "Quantidade de estabelecimentos públicos de saúde de baixa complexidade",
"S003", "Quantidade de estabelecimentos públicos de saúde de média complexidade",
"S004", "Quantidade de estabelecimentos públicos de saúde de alta complexidade",
"C001", "Quantidade total de CRAS",
"geometry", "Geometria espacial"
)
knitr::kable(tbl)
```
As subseções a seguir mostram exemplos de visualizações desses dados em forma de mapas.
## Mapa de empregos
No código adiante, carregamos bibliotecas de visualização de dados e configuramos o mapa. As variáveis iniciadas com a letra `T` são as que descrevem a distribuição espacial de empregos em cada cidade. A seguir, apresentamos a distribuição espacial do total de empregos em cada hexágono (variável `T001`) em Belo Horizonte:
```{r}
#| label: fig-jobs_dist
#| fig-cap: Distribuição espacial de empregos em Belo Horizonte
#| message: false
#| warning: false
library(patchwork)
library(ggplot2)
ggplot(dados_bh) +
geom_sf(aes(fill = T001), color = NA, alpha = 0.9) +
scale_fill_distiller(palette = "YlGnBu", direction = 1) +
labs(fill = "Contagem\nde empregos") +
theme_void()
```
## Mapa de escolas
As variáveis que indicam o número de escolas públicas em cada célula, por sua vez, começam com a letra `E`. No exemplo a seguir, apresentamos a distribuição espacial de todas as escolas públicas de Belo Horizonte (variável `E001`).
```{r}
#| label: fig-schools_dist
#| fig-cap: Distribuição espacial de escolas em Belo Horizonte
ggplot(dados_bh) +
geom_sf(aes(fill = as.factor(E001)), color = NA, alpha = 0.9) +
scale_fill_brewer(palette = "YlGnBu", direction = 1) +
labs(fill = "Contagem\nde escolas") +
theme_void()
```
## Mapa de estabelecimentos de saúde
As variáveis que contêm os dados dos estabelecimentos públicos de saúde em cada célula começam com a letra `S`. A visualização a seguir compara a distribuição espacial de estabelecimentos públicos de saúde de baixa complexidade (`S002`) e de alta complexidade (`S004`).
```{r}
#| label: fig-hospitals_dist
#| fig-cap: Distribuição espacial de estabelecimentos de saúde de baixa e alta complexidade em Belo Horizonte
saude_baixa <- ggplot(dados_bh) +
geom_sf(aes(fill = as.factor(S002)), color = NA, alpha = 0.9) +
scale_fill_brewer(palette = "YlGnBu", direction = 1, limits = factor(0:4)) +
labs(title = "Baixa complexidade", fill = "Contagem de\nestabelecimentos") +
theme_void()
saude_alta <- ggplot(dados_bh) +
geom_sf(aes(fill = as.factor(S004)), color = NA, alpha = 0.9) +
scale_fill_brewer(palette = "YlGnBu", direction = 1, limits = factor(0:4)) +
labs(title = "Alta complexidade", fill = "Contagem de\nestabelecimentos") +
theme_void()
saude_baixa + saude_alta + plot_layout(guides = "collect")
```
## Mapa de CRAS
Por fim, a variável `C001` descreve a distribuição espacial de CRAS em cada cidade. A @fig-cras_dist apresenta essa distribuição em Belo Horizonte.
```{r}
#| label: fig-cras_dist
#| fig-cap: Distribuição espacial de CRAS em Belo Horizonte
ggplot(dados_bh) +
geom_sf(aes(fill = as.factor(C001)), color = NA, alpha = 0.9) +
scale_fill_brewer(palette = "YlGnBu", direction = 1) +
labs(fill = "Contagem\nde CRAS") +
theme_void()
```