Usando_GeoBR.Rmd

---
title: 'Uma rápida introdução ao `geobr` (R)^[Versão preliminar, sugestões serão muito bem-vindas.]'
#subtitle: Econometria Espacial
author: 'Gabrielito Menezes^[Professor Adjunto da Universidade Federal de Pelotas (UFPel). E-mail: gabrielitorm@gmail.com]'
date: '2022'
output:
  pdf_document:
    number_sections: yes
lang: pt-br
---

# Introdução ao `geobr`

O pacote `geobr` fornece acesso rápido e fácil aos conjuntos de dados espaciais oficiais do Brasil. A sintaxe de todas as funções geobr opera em uma lógica simples que permite aos usuários baixar facilmente uma ampla variedade de conjuntos de dados com geometrias atualizadas e atributos harmonizados e projeções geográficas em várias regiões e anos. Esta material apresenta uma rápida introdução ao `geobr`[^1].

[^1]: Essa introdução ao `geobr` foi realizada com a versão do `R` 4.0.5 e a versão do `RStudio` foi 2022.07.2+576 "Spotted Wakerobin" for Windows Mozilla/5.0 (Windows NT 10.0; Win64; x64).

## Instalação do pacote `geobr`

O **primeiro passo** é realizar a instação do pacote `geobr`.

```{r, message=FALSE, warning=FALSE, eval = FALSE}

install.packages("geobr")

```

# Próximos passos

Vamos precisar carregar outros pacotes do `R`, para utilizarmos junto com o `geobr`.

```{r, message=FALSE, warning=FALSE}

library(geobr)
library(sf)
library(magrittr)
library(dplyr)
library(ggplot2)
   
```

# Mapas com o `geobr`

Vamos agora acessar as informações do pacote que estamos utilizando.

```{r}

conj_dados <- list_geobr()

conj_dados

```

O pacote `geobr` tem as rotinas para o *download* dos mapas com divisões territoriais variadas. Vamos fazer um exemplo para o Brasil e outro para o Estado do Rio Grande do Sul (RS).

## Mapa para os Estados do Brasil

Para fazermos o *download* do mapa do Brasil por estados, vamos utilizar a função `rea_state()`, para a estrutura estadual do ano de 2018.

```{r, message=FALSE, warning=FALSE, results = "hide"}

brasil <- read_state(code_state = "all", year = 2018)

```

```{r, message=FALSE, warning=FALSE}
ggplot() + geom_sf(data = brasil)
```

Podemos deixar o nosso mapar um pouco mais elegante! Para isso vamos usar o nosso querido amigo `ggplot2`, e vamos adicionar alguns temas.

```{r, message=FALSE, warning=FALSE}
ggplot() + geom_sf(data = brasil) + theme_minimal() +
  ggtitle("Brasil") +  labs(caption = "Fonte: IBGE (2018)") +
  labs(x="Longitude", y="Latitude")
```

Então, o que você achou?

## Mapa para os municípios do Estado do RS

Agora vamos fazer o *download* do mapa do RS. Para isso, vamos utilizar a função `rea_municipality()`, como está no `chunk` abaixo.

```{r, , message=FALSE, warning=FALSE, results = "hide"}

municipios <- read_municipality(code_muni = 43, year = 2018) 

```

De posse dos nossos dados, vamos fazer o plot do mapa do RS! O que você está observando?

```{r,, message=FALSE, warning=FALSE}
ggplot() + geom_sf(data=municipios) + theme_minimal()
```

Vamos ter que retirar a \underline{Lagoa Mirin} e a \underline{Lado dos Patos} do nosso shapefile[^2]! Temos duas opções! Uma é fazer um `subset` e a outra retirar os dados da nossa amostra.

[^2]: O formato consiste em pelo menos quatro arquivos: .shp (feição), .dbf (tabela de atributos), .shx (ligação entre .shp e .dbf) e .prj (projeção).

```{r, , message=FALSE, warning=FALSE}

rs_01 <- municipios[3:499,]

```

Agora sim:

```{r, message=FALSE, warning=FALSE}

ggplot() + geom_sf(data = rs_01) + theme_minimal()

```

# Unindo os datasets

Vamos agora juntar a base de dados com o shapefile do RS. Para isso vamos precisar do pacote `readxl`.

```{r,message=FALSE, warning=FALSE}

library(readxl)

dados.rs <- read_excel("BaseDadosRS2.xlsx")


```

Podemos chegar se está tudo ok, observando os primeiros dados com a função `head()`. Vou deixar para você fazer isso quando estiver replicando esse script.

```{r, message=FALSE, warning=FALSE, eval = FALSE}

head(dados.rs)

```

Importate destacar que para fazer o *join*, precisamos ter a planilha com uma coluna com os códigos dos municípios igual a que está na coluna do shapefile `code_muni`. O bom de fazer o *join* usando o código dos municípios é que ocorre menos erros de digitação, quando comparado pelos nomes dos municípios. Então, vamos lá:

```{r}

rs.dados <- rs_01 %>% left_join(dados.rs, by ="code_muni")

```

# Fazendo o plot da renda *per capita* do RS

Agora que já temos nossos dados unidos, vamos fazer o mapa da distribuição da renda *per capita* no RS no ano de 2010.

```{r}
ggplot(rs.dados) +
  geom_sf(aes(fill =(`Renda per capita 2010`))) +
    scale_fill_distiller(type = "seq",
                       palette = "Reds",
                       direction = 1) + 
  theme_minimal() +
  labs(title = "Renda per capita por cidade em 2010",
       fill = NULL, caption = "Fonte: IBGE") 
```

Parabéns! Você já sabe fazer mapas fantásticos usando o `R`, e manipular bases de dados com o shapefile. É interessante explorar o *help* e o *vignettes* do `geobr`! Lá você vai encontrar mais informações importantes sobre o pacote `geobr`. 

# Referências

Rafael H. M. Pereira and Caio Nogueira Goncalves (2021). geobr: Download Official Spatial Data Sets of Brazil. R package version 1.6.1. <https://CRAN.R-project.org/package=geobr>