11  Datos Espaciales

Módulo 1: Práctico

11.1 Objetivos del Módulo

Objetivos

La presente Sesión tiene como objetivo principal introducir conceptos generales y manipulación básica de datos de tipo vectorial (punto, lineas, polígonos) y Raster, ambos con casos prácticos.

11.2 Definición General de Datos Espaciales

La representación de un territorio requiere datos geográficos compuestos por información espacial (geometrías asociadas a una ubicación real en el mundo) e información de atributos (características y variables asociadas a estas geometrías). Los tipos de datos espaciales principalmente los vectores y raster.

Capas de datos espaciales

11.3 Datos Vectoriales

Datos Vectoriales
Representación mediante coordenadas que se pueden unir espacialmente o no. Corresponde a 3 tipos de geometrías: puntos, líneas y polígonos.

Fuente: https://r-spatial.github.io/sf/articles/sf1.html

Puntos
Tiene un par de coordenadas “x” e “y”. Es utilizado para información de tipo puntual, como por ejemplo equipamiento urbano, postes, árboles, entre otros.

Objeto vectorial tipo punto

Cargar librerías

# install.packages("sf") 
library(sf) # manipulación de datos vectoriales
library(mapview) # visualización de mapas dinámicos
library(ggplot2) # gráficos
library(RColorBrewer) #paleta de colores
library(dplyr) # manipulación de tablas

11.3.1 Lectura de archivos tipo puntos

mi_comuna <- "LAS CONDES"

sii_LC <- sf::st_read("data/sii/urbes.shp")%>%
  filter(n_com == mi_comuna) 
Reading layer `urbes' from data source 
  `/Users/denisberroeta/Library/CloudStorage/OneDrive-UniversidadAdolfoIbanez/CIT/DOCENCIA/DIPLOMADOS/DEDT_book/data/sii/urbes.shp' 
  using driver `ESRI Shapefile'
Simple feature collection with 210662 features and 11 fields
Geometry type: POINT
Dimension:     XY
Bounding box:  xmin: -75.72058 ymin: -54.48149 xmax: -68.02319 ymax: -17.98338
Geodetic CRS:  GCS_unknown

11.3.2 Visualización de los puntos

# Visualización ggplot y sf
LC_points <- ggplot() +
  geom_sf(data = sii_LC, col = "orange", alpha=0.8,  size= 0.5)+
  ggtitle("Datos del SII en Las Condes" ) +
  theme_bw() +
  theme(legend.position="none")+
  theme(panel.grid.major = element_line(colour = "gray80"), 
        panel.grid.minor = element_line(colour = "gray80"))
LC_points

# guardar imagen
# ggsave(plot = LC_points, 
       # filename = "images/LC_points_2.png", width = 10)
# mapview(sii_LC, zcol = "atractor", cex =2)
Líneas
Tiene tantas coordenadas como vértices. La información que representa es de tipo lineal, como por ejemplo calles, ríos, redes energéticas, entre otros. Existen las líneas cerradas, las cuales se pueden entender como el perímetro de una superficie (sin relleno).

Objeto vectorial tipo Línea

11.3.3 Lectura de líneas

las_condes_red <- readRDS("data/redes/RED_LAS_CONDES.rds") 
# las_condes_red

11.3.4 visualización Líneas

LC_red <- ggplot() +
  geom_sf(data = las_condes_red, col = "gray70", alpha=0.8,  size= 0.5)+
  ggtitle("Red víal de la comuna Las Condes" ) +
  theme_bw() +
  theme(legend.position="none")+
  theme(panel.grid.major = element_line(colour = "gray80"), 
        panel.grid.minor = element_line(colour = "gray80"))

LC_red

# guardar imagen
# ggsave(plot = LC_red, 
       # filename = "images/LC_red.png", width = 10)
# mapview(las_condes_red)
Polígonos
Tiene tantas coordenadas como vértices. La información que representa es de tipo área, como por ejemplo división política administrativa, manzanas, construcciones, entre otras.

Objeto vectorial tipo polígono

11.3.5 Lectura de polígonos

las_condes_mz <- st_read("data/shape/icv_las_condes.shp", quiet=T) 
# las_condes_ptos

11.3.6 Visualización polígonos

LC_pol <- ggplot() +
  geom_sf(data = las_condes_mz, aes(fill = veg_cob), color ="gray80", 
          alpha=0.8,  size= 0.1)+
  scale_fill_distiller(palette="Greens", direction = 1)+
  ggtitle("Cobertura Vegetal de la comuna Las Condes" ) +
  theme_bw() +
  theme(panel.grid.major = element_line(colour = "gray80"), 
        panel.grid.minor = element_line(colour = "gray80"))

LC_pol

# guardar imagen
# ggsave(plot = LC_pol, 
       # filename = "images/LC_pol.png", width = 10)
# mapview(las_condes_mz, zcol = "veg_cob")

11.4 Guardar Shapefiles

# guardar puntos
st_write(obj = sii_LC, 
         dsn = "data/shape/points_sii_LC.shp", delete_dsn = T)

# guardar líneas
st_write(las_condes_red, 
         dsn ="data/shape/red_LC.shp", delete_dsn = T)

# guardar polígnos
st_write(las_condes_mz, 
         dsn ="data/shape/mz_LC.shp", delete_dsn = T)

Tabla General de tipo de Datos Vectoriales

type description
POINT zero-dimensional geometry containing a single point
LINESTRING sequence of points connected by straight, non-self intersecting line pieces; one-dimensional geometry
POLYGON geometry with a positive area (two-dimensional); sequence of points form a closed, non-self intersecting ring; the first ring denotes the exterior ring, zero or more subsequent rings denote holes in this exterior ring
MULTIPOINT set of points; a MULTIPOINT is simple if no two Points in the MULTIPOINT are equal
MULTILINESTRING set of linestrings
MULTIPOLYGON set of polygons
GEOMETRYCOLLECTION set of geometries of any type except GEOMETRYCOLLECTION

Capas de datos tipos raster y vectores

11.5 Datos Raster

Raster
Representación del espacio mediante una matriz de celdas organizada en filas y columnas, donde cada celda tiene un valor que representa información.

Representación Raster

Resolución Raster

Para ejemplificar el uso y ver características de Raster vamos a utilizar una imágenes satelital del Satelite Landsat 8.

Imágenes Satelitales

Este tipos de imágenes satelitales generalmente contiene una series de de bandas que corresponden a capas de información tipos raster conformando una especie de brick de raster.

Configuración de Bandas

Para este ejemplo de visualización necesitamos conocer las bandas satelitales que componen nuestra imagen satelital.

Bandas de Landsat 8

11.5.1 lectura de imagen Raster.

library(raster)
las_condes_raster <- brick("data/raster/OLI_LC.tif")
names(las_condes_raster) <- c("aerosol", "blue", "green", "red" , "nir", "swir1", "swir2", "tirs1")
las_condes_raster
class      : RasterBrick 
dimensions : 449, 562, 252338, 8  (nrow, ncol, ncell, nlayers)
resolution : 30, 30  (x, y)
extent     : 350505, 367365, 6293905, 6307375  (xmin, xmax, ymin, ymax)
crs        : +proj=utm +zone=19 +south +datum=WGS84 +units=m +no_defs 
source     : OLI_LC.tif 
names      : aerosol,  blue, green,   red,   nir, swir1, swir2, tirs1 
min values :    8465,  7604,  6500,  5924,  5520,  5191,  5197,  5002 
max values :   19119, 20517, 21248, 23237, 29344, 30012, 31166,  5512

11.5.2 Visualización Raster

# Visualización de imagen recortada de Las Condes en Color Natural
plotRGB(las_condes_raster, r = 4, g = 3, b = 2, stretch = "lin")

# viewRGB(las_condes_raster, r = 4, g = 3, b = 2)

11.6 Sistema de Referencias de Coordenadas

Sistema de Referencias de Coordenadas

Los sistemas de coordenadas forman la base de cálculo para describir la posición de un punto a partir de mediciones geodésicas: distancias, proporciones de distancias (sin escala) y ángulos. Las coordenadas nunca pueden medirse, solamente se calculan con referencia un sistema de coordenadas bien definido. Los tipos de sistemas de coordenadas principales que existen son:

Coordenadas elipsoidales
son la representación de las coordenadas sobre la superficie de un elipsoide determinado, se representan por [φ, λ, h] siendo respectivamente, la latitud, longitud y altura elipsoidal.

Coordenadas Geodésicas. Fuente: (Drewes & Sánchez, 2011)
Coordenadas proyectadas o cartográficas
Según la proyección empleada las coordenadas elipsoidales pueden representarse en un plano, en el caso de Chile continental, se emplea la proyección Universal Transversal de Mercator (UTM), huso 19 y huso 18.

proyección Universal Transversal Mercator (UTM) Fuente: (Drewes & Sánchez, 2011)

Para hacer reproyecciones en R, se le tiene que asignar el Sistema de Referencia de Coordenadas de dos formas, uno como cadena de texto ("+proj=longlat +datum=WGS84 +no_defs") o como número que corresponde a EPSG (EPSG es el acrónimo de European Petroleum Survey Group) que representan sistema de referencia de coordenadas también.

Para el caso de Chile usamos dos sistemas de referencias de coordenadas:

Coordenadas elipsoidales (geodésicas):
4326 o "+proj=longlat +datum=WGS84 +no_defs"
Coordenadas proyectadas (métricas):
32719 o "+proj=utm +zone=19 +south +datum=WGS84 +units=m +no_defs"

11.6.1 Reproyectar Vectores

LC_mz_32719 <- las_condes_mz %>% st_transform(32719)
st_crs(LC_mz_32719)
Coordinate Reference System:
  User input: EPSG:32719 
  wkt:
PROJCRS["WGS 84 / UTM zone 19S",
    BASEGEOGCRS["WGS 84",
        ENSEMBLE["World Geodetic System 1984 ensemble",
            MEMBER["World Geodetic System 1984 (Transit)"],
            MEMBER["World Geodetic System 1984 (G730)"],
            MEMBER["World Geodetic System 1984 (G873)"],
            MEMBER["World Geodetic System 1984 (G1150)"],
            MEMBER["World Geodetic System 1984 (G1674)"],
            MEMBER["World Geodetic System 1984 (G1762)"],
            MEMBER["World Geodetic System 1984 (G2139)"],
            ELLIPSOID["WGS 84",6378137,298.257223563,
                LENGTHUNIT["metre",1]],
            ENSEMBLEACCURACY[2.0]],
        PRIMEM["Greenwich",0,
            ANGLEUNIT["degree",0.0174532925199433]],
        ID["EPSG",4326]],
    CONVERSION["UTM zone 19S",
        METHOD["Transverse Mercator",
            ID["EPSG",9807]],
        PARAMETER["Latitude of natural origin",0,
            ANGLEUNIT["degree",0.0174532925199433],
            ID["EPSG",8801]],
        PARAMETER["Longitude of natural origin",-69,
            ANGLEUNIT["degree",0.0174532925199433],
            ID["EPSG",8802]],
        PARAMETER["Scale factor at natural origin",0.9996,
            SCALEUNIT["unity",1],
            ID["EPSG",8805]],
        PARAMETER["False easting",500000,
            LENGTHUNIT["metre",1],
            ID["EPSG",8806]],
        PARAMETER["False northing",10000000,
            LENGTHUNIT["metre",1],
            ID["EPSG",8807]]],
    CS[Cartesian,2],
        AXIS["(E)",east,
            ORDER[1],
            LENGTHUNIT["metre",1]],
        AXIS["(N)",north,
            ORDER[2],
            LENGTHUNIT["metre",1]],
    USAGE[
        SCOPE["Engineering survey, topographic mapping."],
        AREA["Between 72°W and 66°W, southern hemisphere between 80°S and equator, onshore and offshore. Argentina. Bolivia. Brazil. Chile. Colombia. Peru."],
        BBOX[-80,-72,0,-66]],
    ID["EPSG",32719]]

11.6.2 Reproyectar Raster

# las_condes_raster
crs_latlon <- "+proj=longlat +datum=WGS84 +no_defs"# geográficas o elipsoidales
crs_utm <- "+proj=utm +zone=19 +south +datum=WGS84 +units=m +no_defs" # UTM o cartográficas
las_condes_raster2 <- projectRaster(from= las_condes_raster,                                             crs = crs_latlon)
las_condes_raster2
class      : RasterBrick 
dimensions : 470, 578, 271660, 8  (nrow, ncol, ncell, nlayers)
resolution : 0.000323, 0.00027  (x, y)
extent     : -70.61069, -70.424, -33.48775, -33.36085  (xmin, xmax, ymin, ymax)
crs        : +proj=longlat +datum=WGS84 +no_defs 
source     : memory
names      :  aerosol,     blue,    green,      red,      nir,    swir1,    swir2,    tirs1 
min values : 8592.067, 7778.388, 6806.291, 6280.802, 5729.628, 5316.893, 5303.627, 5005.409 
max values : 18590.84, 19485.05, 20596.61, 22406.07, 28732.09, 26707.17, 26787.15,  5495.00

11.7 Actividades Prácticas

  1. Seleccione una comuna de las manzanas del INE, visualiza con ggplot. Además genere una tabla resumen de suma de personas, hombres, mujeres viviendas por Zona Censal.
Tip

Leer Archivo:

mz_ine <- readRDS("../data/censo/manz_INE_2017_sf.rds")

Seleccionar Comuna con dplyr::filter()

Eliminar geometrías sf::st_drop_geometry() ya que no es necesaria para realizar tabla resumen.

  1. Visualización de Combinación de Bandas Satelitales
Tip

Visualización de Bandas Referencias: https://mappinggis.com/2019/05/combinaciones-de-bandas-en-imagenes-de-satelite-landsat-y-sentinel/

plotRGB(las_condes_raster, r = 7, g = 6, b = 4, stretch = "lin")

11.8 Referencias

Geodesia en Chile, teoría y aplicación del Sistema de Referencia Geocéntrico para las Américas (SIRGAS) - 2018

Simple Features for R