Appendix D — Objetos Espaciales en R

Objetos Espaciales en R

D.1 Introducción

Los objetos espaciales en R representan datos georreferenciados, lo que significa que están vinculados a una ubicación en el mundo real. Los objetos espaciales se pueden representar en mapas y gráficos, y se pueden analizar para identificar patrones y tendencias en los datos.

El análisis espacial se utiliza en diversas áreas, como la geografía, la ecología, la planificación urbana y el análisis de datos de negocios, entre otros. La visualización y análisis de objetos espaciales puede proporcionar información valiosa para la toma de decisiones basada en datos.

D.2 Lectura de Insumos Espaciales

# install.packages("sf")
library(sf)
crs_ll <- "+proj=longlat +datum=WGS84 +no_defs"
crs_utm <- "+proj=utm +zone=19 +south +datum=WGS84 +units=m +no_defs +ellps=WGS84 +towgs84=0,0,0"
censo <-  readRDS("data/ine/Zonas_Censales_2017_Nacional.rds")

D.3 Transformar a objeto sf (simple features)

# transformar a objeto sf (simple features)
censo_sf <- st_as_sf(censo)
# head(censo_sf)
names(censo_sf)
 [1] "REGION"     "NOM_REGION" "PROVINCIA"  "NOM_PROVIN" "COMUNA"    
 [6] "NOM_COMUNA" "URBANO"     "DISTRITO"   "LOC_ZON"    "GEOCODIGO" 
[11] "SHAPE_Leng" "SHAPE_Area" "geometry"

D.4 Filtros espaciales por data

library(dplyr)
mi_communa <-  "LAS CONDES"

zonas_com <-  censo_sf %>% 
  filter(NOM_COMUNA == mi_communa)

zonas_com %>% head()
Simple feature collection with 6 features and 12 fields
Geometry type: MULTIPOLYGON
Dimension:     XY
Bounding box:  xmin: -70.56629 ymin: -33.41713 xmax: -70.47884 ymax: -33.36421
Geodetic CRS:  +proj=longlat +datum=WGS84 +ellps=WGS84 +towgs84=0,0,0
     REGION                       NOM_REGION PROVINCIA NOM_PROVIN COMUNA
4033     13 REGIÓN METROPOLITANA DE SANTIAGO       131   SANTIAGO  13114
7551     13 REGIÓN METROPOLITANA DE SANTIAGO       131   SANTIAGO  13114
7561     13 REGIÓN METROPOLITANA DE SANTIAGO       131   SANTIAGO  13114
7571     13 REGIÓN METROPOLITANA DE SANTIAGO       131   SANTIAGO  13114
7581     13 REGIÓN METROPOLITANA DE SANTIAGO       131   SANTIAGO  13114
7591     13 REGIÓN METROPOLITANA DE SANTIAGO       131   SANTIAGO  13114
     NOM_COMUNA     URBANO DISTRITO LOC_ZON   GEOCODIGO SHAPE_Leng   SHAPE_Area
4033 LAS CONDES LAS CONDES        5       1 13114051001 0.02302722 3.357387e-05
7551 LAS CONDES LAS CONDES        4       1 13114041001 0.09575698 2.708800e-04
7561 LAS CONDES LAS CONDES        4       3 13114041003 0.06782420 2.451087e-04
7571 LAS CONDES LAS CONDES       16       2 13114161002 0.06482893 1.450608e-04
7581 LAS CONDES LAS CONDES       15       3 13114151003 0.04135677 8.288767e-05
7591 LAS CONDES LAS CONDES        2       2 13114021002 0.04687558 5.754391e-05
                           geometry
4033 MULTIPOLYGON (((-70.56008 -...
7551 MULTIPOLYGON (((-70.47951 -...
7561 MULTIPOLYGON (((-70.5267 -3...
7571 MULTIPOLYGON (((-70.50789 -...
7581 MULTIPOLYGON (((-70.51477 -...
7591 MULTIPOLYGON (((-70.53606 -...

D.5 Visualización Cartográficas

D.5.1 Visualización estática Simple

## Visualizar
# Consideración el plot se realiza sobre la columna geometry

nombre_plot <-  paste0("COMUNA DE ", mi_communa)
plot(zonas_com$geometry, main = nombre_plot,col ="orange")

D.5.2 Visualización estática con ggplot2

library(ggplot2)

# Visualización ggplot y sf
ggplot() +
  geom_sf(data = zonas_com, fill = "orange", alpha=0.5)+
  ggtitle(nombre_plot) +
  theme_bw() +
  theme(legend.position="none")+
  theme(panel.grid.major = element_line(colour = "gray80"),
        panel.grid.minor = element_line(colour = "gray80"))

D.5.3 Visualización Dinámica con mapview

# install.packages("mapview")
library(mapview)
m <- mapview(zonas_com, alpha = 0.5,
        col.regions = "orange", color="gray80",
        legend =FALSE, cex = 3)
m

D.6 Referencias: