In NEEDS-LS/CARapp: Calculates the deficit of Permanente Protected Area along the water courses based on land use and property size (CAR)

knitr::opts_chunk$set(
  collapse = TRUE,
  comment = "#>",
  fig.path = "man/figures/README-",
  out.width = "100%"
)

restauraRapp

Este documento descreve as funcionalidades do pacote "restauRapp". O Objetivo do pacote é auxiliar na delimitação dos passivos ambientais nas áreas de preservação permanentes (APPs) hídricas de propriedades rurais no território brasileiro.

Com a promulgação da Lei de Proteção da Vegetação Nativa (LPVN - Lei 12.651, de 25 de maio de 2012, ou Novo Código Florestal) em 2012, a delimitação das Áreas de Preservação Permanentes (APPs) passíveis de serem restauradas foi alterada, e tornou-se dependente do tamanho das propriedades, baseado no número de módulos fiscais. Consequentemente, informações referentes ao tamanho do módulo fiscal, que varia de município para município, e o tamanho da propriedade, que pode ser obtido através do CAR (Cadastro Ambiental Rural) são necessárias para a correta delimitação das áreas de passivo ambiental.

Este pacote busca auxiliar exatamente nessa tarefa, particularmente focando no cálculo das APPs de cursos d'água de acordo com o tamanho das propriedades cadastradas no Sistema Nacional de Cadastro Ambiental Rural (SICAR).

Para a criação das áreas a serem restauradas é usado a hidrografia disponibilizada na base de dados da Fundação Brasileira para o Desenvolvimento Sustentável (FBDS, os dados podem ser encontrados no link http://geo.fbds.org.br/.

As informações cartográficas sobre o uso do solo podem ser de diversas fontes. O padrão é o dado também disponível na base de dados da FBDS, contudo outras fontes de dados como o MapBiomas, ou qualquer outro mapeamento, também podem ser utilizados para fornecer estas informações.

Inicialmente precisamos baixar o pacote restauRapp e iremos fazer isso do repositório do NEEDS no gitHub. Caso você não tenha o pacote devtools, comece baixando ele.

Instalação

Você pode instalar a versão de desenvolvedor do pacote restauraRapp do GitHub com:

# install.packages("devtools")
devtools::install_github("NEEDS-LS/restauraRapp")

Primeiros passos

A primeira coisa a se fazer após a intalação é carregar o pacote para o R.

library(restauraRapp)

Para obter os dados de hidrografia e uso do solo padrões para o pacote (FBDS) basta executar a função resapp_fbds_dados(). Esta função recebe a sigla do estado a qual o município foco esta localizado e o nome do município em caixa alta, separado por "_" quando necessário, como mostrado no exemplo a seguir. É recomendado a criação de um projeto (Arquivos/Novo projeto no menu do RProject) antes da execução das funções aqui mostradas, pois muitas delas criam pastas para armazenar os resultados, mantendo o ambiente organizado. Caso as funções sejam executadas sem a existência de um projeto, as pastas e arquivos serão salvas no diretório de trabalho do R, que pode ser obtido ao executar a função base do R getwd().

#exemplo de como usar a função resapp_fbds_dados(), para baixar um município do seu interesse basta trocar o estado e o nome, vale ressaltar que ambos precisam estar em MAIUSCULO.

resapp_fbds_dados("SP","CAMPINA_DO_MONTE_ALEGRE")

#caso tenha executado a função sem ter criado um projeto, executar a linha abaixo e veja em que 
#diretório seus dados foram salvos

getwd()

#Outro exemplo 
#resapp_fbds_dados("SP","BURI")

Esta função irá criar um diretório dentro do seu projeto para salvar as informações, chamada ./dados/FBDS_(nome do município). Todo novo município será salvo na mesma pasta data e uma nova pasta FBDS_ será criada.

Os dados do CAR estão disponiveis na plataforma do SICAR e o download é feito por estado, selecionando a opçãp perímetros dos imóveis. O Download destes dados devem ser feitos manualmente devido a presença de um "captcha" que impede o acesso ao link de download diretamente.

É necessário inicialmente tratarmos algumas práticas, como o processo para abrir os dados e o sistema de referência de coordenadas (do inglês CRS - Coordinate Reference System). Para abrir os dados, deve-se utilizar a função st_read() do pacote sf, preenchendo o diretório onde o arquivo está salvo e em "layer" o nome do arquivo. Já para o CRS, sempre utilizar aquele que melhor se enquadre em sua região desde que o mesmo esteja em UTM (unidade em metros) e essa conversão deve ser feita para todas informações cartográficas utilizadas. Para isso podemos utilizar a função especifica proveniente do pacote sf, como mostrado no exemplo abaixo.

#carrega o arquivo de usos e cobertura do solo na memória do R
USO<-st_read("seu diretório de dados/data/FBDS_SEU_MUNICIPIO", layer="ESTADO_CODIGODOMUNICIPIO_USO")
#carrega o arquivo de massas d'água na memória do R
MDA<-st_read("seu diretório de dados/data/FBDS_SEU_MUNICIPIO", layer="ESTADO_CODIGODOMUNICIPIO_MASSAS_DAGUA")
#carrega o arquivo de rios de margem simples (< 10 metros) na memória do R
RMS<-st_read("seu diretório de dados/data/FBDS_SEU_MUNICIPIO", layer="ESTADO_CODIGODOMUNICIPIO_RIOS_SIMPLES")
#carrega o arquivo de rios de margem dupla (> 10 metros) na memória do R
RMD<-st_read("seu diretório de dados/data/FBDS_SEU_MUNICIPIO", layer="ESTADO_CODIGODOMUNICIPIO_RIOS_DUPLOS")
#carrega o arquivo de nascentes na memória do R
NAS<-st_read("seu diretório de dados/data/FBDS_SEU_MUNICIPIO", layer="ESTADO_CODIGODOMUNICIPIO_NASCENTES")
#carrega o arquivo do CAR na memória do R
CAR<-st_read("seu diretório de dados", layer="AREA_IMOVEL_1") #AREA_IMOVEL_1 é o nome do arquivo baixado do SICAR

Algumas vezes os arquivos espaciais, principalmente aqueles formados por polígonos, como o uso do solo e as hidrografias contendo os rios de margem dupla e massas d'água, podem conter algum erros, como vértices duplicados ou intercessão de linhas do polígono. Uma forma de solucionar isso é criar um buffer nesses objetos de comprimento “0” ou executar a função “st_make_valid” do pacote “sf”. Normalmente o buffer funciona melhor, contudo a problemas que nem permitem a execução do buffer, neste caso a solução será executar o "st_make_valid". Esses métodos serão utilizados para os casos que forem encontrados geometrias inválidas, como por exemplo:

USO<-st_buffer(USO, 0)#exemplo de correção com o buffer de comprimento "0"

USO<-st_make_valid(USO)#exemplo de correção com a função do pacote "sf"

Criando o buffer

A partir daqui executaremos as funções deste pacote. As funções podem ser executadas tanto usando os dados que você baixou como com os dados disponíveis dentro do pacote para você se familiarizar com as funções. Agora iremos verificar quais conjuntos de dados tempos disponíveis.

data(package = "restauraRapp") 

Caso opte pelos dados dinponiveis no pacote, iremos usar como exemplo os dados do município de Campina do Monte Alegre, no estado de São Paulo. Esse município esta localizado próximo ao campus Lagoa do Sino da Universidade Federal de São Carlos (UFSCar) onde o NEEDS fica locaizado.

data("CMA")

Vamos dar inicio ao teste das funções, começando pela função resapp_car_class(). O parâmetro nesta função é apenas o objeto na qual as informações do CAR estão mantidos e o retorno é uma lista com os tamanhos separados de acordo com o número de módulos fiscais divididos nos grupos: micro (< 1 módulo fiscal), pequenas entre 1 e 2 módulos fiscais, pequenas entre 2 e 4 módulos fiscais e grandes (> 4 módulos fiscais). Como os dados do CAR são disponibilizados na escala estadual, o município precisa ser selecionado antes de ser usado nesta e nas demais funções (veja o exemplo). O nome do município deve ser colocado sem ascentos.

#usando o exemplo de Campina do Monte Alegre, Não executar
#CMA_CAR<-SP_CAR[SP_CAR$municipio == "Campina do Monte Alegre",]

#usando os dos carregados nos *Primeiros Passos*
MUN_CAR<-CAR[CAR$municipio == "Nome do Municipio",]

#execução da função usando o exemplo de Campina do Monte Alegre
propriedades<-resapp_car_class(CMA_CAR)

#caso esteja usando outro município carregado nos *Primeiros passos* basta trocar o nome da variavel
propriedades<-resapp_car_class(MUN_CAR)

micro<-propriedades[[1]]
#peq12<-propriedades[[2]]
#peq24<-propriedades[[3]]
#grande<-propriedades[[4]]


micro

A função de conversão de CRS st_transform() (abaixo), devem ser executadas para carregar e alterar o CRS de todos os arquivos utilizados. No caso de Campina do Monte Alegre, usaremos o EPSG 31982, referente ao SIRGAS 2000/ UTM zone 22s. Não esqueça dessa etapa caso esteja utilizando dados baixados para um município de sua escolha, se não erro irá aparece na sua tela: “Error in geos_op2_geom("intersection", x, y, ...) : st_crs(x) == st_crs(y) is not TRUE"

CMA_USO<-st_transform(CMA_USO, 31982)
CMA_MDA<-st_transform(CMA_MDA, 31982) 
CMA_RMS<-st_transform(CMA_RMS, 31982) 
CMA_RMD<-st_transform(CMA_RMD, 31982) 
CMA_NAS<-st_transform(CMA_NAS, 31982)
CMA_CAR<-st_transform(CMA_CAR, 31982)

#exemplo de como alterar o CRS, atenção para mudar o CRS de todos os arquivos para evitar inconsistências.
USO<-st_transform(USO, numero do CRS)
MDA<-st_transform(MDA, numero do CRS) 
RMS<-st_transform(RMS, numero do CRS) 
RMD<-st_transform(RMD, numero do CRS) 
NAS<-st_transform(NAS, numero do CRS)
CAR<-st_transform(CAR, numero do CRS)

Agora vamos executar a função resapp_app_buffer() que vai criar os buffers e recortar o uso de solo dentro das áreas definidas para restauração para cada classe de propriedades. Essa função demanda um poder de processamento considerável e pode demorar, por esse motivo atualmente ela se encontra com um parâmetro para ser executada em partes, separada por classe de tamanho, e outro para execução completa das cinco diferentes classes.

Também se encontra disponivel dois cenários para avaliação das áreas sem CAR, considerando que todo o território é ocupado por propriedades rurais. No primeiro cenário tratamos essas áreas sem CAR como micro propriedades e no segundo consideramos toda a área como grande propriedade, isso representa os valores mínimos e máximos que podem ser restaurados nessas áreas.

Caso esteja usando os dados de um município de sua escolha apenas troque o nome das variaveis (que começam com "CMA_") e coloque os nomes das variaveis utilizadas (se estiver seguindo este documento, apenas remova o "CMA_").

#função para execução de todas as classes de tamanho segundo o CAR
REST_prop<-resapp_app_buffer(CMA_MDA, CMA_RMS, CMA_RMD, 
                              CMA_NAS, CMA_CAR, CMA_USO, tipo = "tudo")

#função para a execução por partes das classes de tamanho segundo o CAR
REST_micro<-resapp_app_buffer(CMA_MDA, CMA_RMS, CMA_RMD, 
                              CMA_NAS, CMA_CAR, CMA_USO, tipo = "micro")
REST_peq12<-resapp_app_buffer(CMA_MDA, CMA_RMS, CMA_RMD, 
                              CMA_NAS, CMA_CAR, CMA_USO, tipo = "peq1")
REST_peq24<-resapp_app_buffer(CMA_MDA, CMA_RMS, CMA_RMD, 
                              CMA_NAS, CMA_CAR, CMA_USO, tipo = "peq2")
REST_media<-resapp_app_buffer(CMA_MDA, CMA_RMS, CMA_RMD, 
                              CMA_NAS, CMA_CAR, CMA_USO, tipo = "media")
REST_grand<-resapp_app_buffer(CMA_MDA, CMA_RMS, CMA_RMD, 
                              CMA_NAS, CMA_CAR, CMA_USO, tipo = "grande")

#função para execução dos cenários referentes as áreas sem CAR registrado
#tudo sendo micro propriedade
REST_cena1<-resapp_app_buffer(CMA_MDA, CMA_RMS, CMA_RMD, 
                              CMA_NAS, CMA_CAR, CMA_USO, tipo = "out1")

#tudo sendo grande propriedade
REST_cena2<-resapp_app_buffer(CMA_MDA, CMA_RMS, CMA_RMD, 
                              CMA_NAS, CMA_CAR, CMA_USO, tipo = "out2")

Aqui mostramos como unir todos os objetos e um exemplo para salvar as informações. Caso aconteça algum problema com uso de memória pelo R é interessante salvar cada classe de tamanho em separado e posteriormente junta-lo.

mapa_geral<-rbind(REST_micro, REST_peq12, REST_peq24, REST_media, REST_grand)
st_write(mapa_geral, dsn="./sua_pasta_de_dados", "CAR_APP_CMA_SP", 
         driver="ESRI Shapefile")

Caso tenha executado a função como "tudo", ou seja, todas as classes de uma vez, basta salvar o objeto resultante.

st_write(REST_prop, dsn="./sua_pasta_de_dados", "CAR_APP_CMA_SP", 
         driver="ESRI Shapefile")

E, por fim, salvar os dois cenários criados

st_write(REST_cena1, dsn="./sua_pasta_de_dados", "OUT_M_APP_CMA_SP", 
         driver="ESRI Shapefile")

st_write(REST_cena2, dsn="./sua_pasta_de_dados", "OUT_G_APP_CMA_SP", 
         driver="ESRI Shapefile")

Como resultado temos o uso do solo dentro do buffer para restauração e podemos calcular a quantidade de área com vegetação nativa e o que precisa ser recuperado. Deste modo apresentamos a função resapp_app_info(), está função é responsavel por retornar três diferentes tipos de resultados: I) as áreas que, separadas por classe de tamanho que precisam ser restauradas ou que se encontram preservadas com informações cartográficas; II) Informações das áreas a serem restauradas ou que se encontram preservadas por classe de tamanho na forma de tabela de dados para impressão; III) Uma tabela de dados contendo as informações do que deve ser resutarado ou se encontra preservado por propriedade.

#Para executar o tipo "df" é necessário todos os resultados da função gCARapp()
  dados.CARapp<-resapp_app_info(CMA_APP,CMA_OUTM,CMA_OUTG,tipo="df")

# A opção "all" é executada apenas para os resultados das análises das áreas que possuem CAR.
  poligonos.CARapp<-resapp_app_info(CMA_APP, tipo="all")

# Por fim, a opção "prop" leva em consideração apenas os resultados das análises das áreas que possuem CAR.
  propriedade.CARapp<-resapp_app_info(CMA_APP, CMA_CAR, tipo="prop")

Aqui, por exemplo, está a tabela de dados das APPs por classe de tamanho.

knitr::kable(dados.CARapp)

Por fim, vamos dar uma olhada em algumas informações sobre o CAR que podem ser obtidas usando a função resapp_car_info().

df.CAR<-resapp_car_info(CMA_CAR)

knitr::kable(df.CAR)

Para exportar em KML é utilizada a função resapp_app_kml(), ela retornara os poligonos em um formato apto para visualização e validação no Google Earth. Lembre-se de trocar a variável, o nome e o estado caso esteja trabalhando com outro município.

resapp_app_kml(CMA_APP, "Campina do Monte Alegre", "SP")

NEEDS-LS/CARapp documentation built on Dec. 24, 2024, 11:09 a.m.