Faxina dos dados de desmatamento do prodes

Carregando bibliotecas

library(tidyverse)
library(terra)
library(geobr)
library(dplyr)
library(sf)
library(tmap)  # ou ggplot2

Carregando raster (.tiff)

raster <- rast("../data-raw/desmat-prodes/prodes_brasil_2023.tif")
str(raster)
estados_estudados <- c("MT","MS","GO","DF")
municipality <- read_municipality(showProgress = FALSE)
raster::plot(raster)

categotia <- 15:22
cod_muni <- 1:nrow(estado_x_mun_y)
comb <- expand.grid(categotia,cod_muni, sep = " ")
codigo <- paste(comb$Var1, comb$Var2)
get_my_coord <- function(x){
  x_cat <- str_split(x," ",simplify = TRUE)[1,1] |> as.numeric()
  y_muni <- str_split(x," ",simplify = TRUE)[1,2] |> as.numeric()
  estado_x_mun_y <- municipality |> 
    filter(abbrev_state %in% estados_estudados) |> 
    slice(y_muni)
  muni_y <- st_transform(estado_x_mun_y, crs(raster))
  raster_muni_y <- crop(raster, muni_y, mask = TRUE)
  raster_2020 <- raster_muni_y == x_cat
  raster_2020[raster_2020 == 1] <- x_cat # ENTENDER O QUE OCORRE
  idx <- which(raster_muni_y[] == x_cat)
  coords <- xyFromCell(raster_muni_y, idx)  
  df <- as.data.frame(coords) |>
    add_column(categorie = x_cat,
               muni = muni_y$name_muni,
               state = muni_y$abbrev_state) 
    write_rds(df, paste0("../data-raw/prodes-bad-alloc/",
                   muni_y$name_muni,"-",
                   muni_y$abbrev_state,"-",
                   x,".rds"
                   ))
    }
# invisible(map(codigo,get_my_coord))

lista <- list.files("../data-raw/prodes-bad-alloc/",
           full.names=TRUE)
prodes <- purrr::map_df(lista,readr::read_rds)
glimpse(prodes)
write_rds(prodes,"../data/prodes-deforestation.rds")