-
Notifications
You must be signed in to change notification settings - Fork 7
/
Copy path.Rhistory
512 lines (512 loc) · 21.9 KB
/
.Rhistory
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
# vemos a que clase corresponde
class(actividad)
# transformamos a objeto espacial utilizando libreria sf
library(sf)
? st_as_sf
actividad_sf <- sf::st_as_sf(actividad, coords = c("lng","lat"))
write_rds(puntos, "data/puntos.rds")
puntos <- read_rds("data/puntos.rds")
mean(table(puntos$id))
mean(table(puntos$id))
puntos$id %>%
table() %>%
mean()
class(actividad_sf)
# transformamos a objeto espacial utilizando libreria sp
actividad_sp <- sp::SpatialPointsDataFrame(actividad[,c("lng", "lat")], actividad)
class(actividad_sp)
plot(actividad_sf)
plot(actividad_sp)
# transformamos a objeto espacial utilizando libreria sp
actividad_sp <- sp::SpatialPointsDataFrame(actividad[,c("lng", "lat")], actividad)
class(actividad_sp)
plot(actividad_sp)
View(actividad_sp)
plot(actividad_sp@coords)
plot(actividad_sf)
ggplot(actividad_sf) +
geom_sf()
# lineas
actividad_linea <- actividad_sf %>%
group_by(id) %>%
summarise(do_union = FALSE) %>%
sf::st_cast("LINESTRING") %>%
sf::st_set_crs("WGS84")
class(actividad_linea)
plot(actividad_linea, col ="black")
ggplot() +
geom_sf(data = actividad_linea, lwd = 8, lineend = "round")
# poligono
actividad_polygon <- actividad_sf %>%
group_by(id) %>%
summarise(do_union = FALSE) %>%
sf::st_cast("POLYGON") %>%
sf::st_set_crs("WGS84")
class(actividad_polygon)
plot(actividad_polygon, col ="black")
ggplot() +
geom_sf(data = actividad_polygon, lwd = 8, lineend = "round", aes(fill = 1))
ggplot() +
geom_sf(data = actividad_polygon, lwd = 3, lineend = "round", aes(fill = 1))
# raster imagen
imagen <- read_rds("data/mapa.rds")
plot(imagen)
ggmap::ggmap(imagen)
imagen[1,1]
imagen[1,1] %>% col2rgb()
imagen[1,1] %>% col2rgb()/255
## cargo imagen satelital
gee <- read_rds("data/rgee_img.rds")
plot(gee)
plotRGB(gee, stretch = "lin")
# rasterizo los puntos
actividad_raster <- stars::st_rasterize(actividad_sf[,"id"], nx = 50, ny = 50)
class(actividad_raster)
plot(actividad_raster, breaks = "equal")
# analizo metadata
metadata <- GPStream::strava_metadata
summary(metadata)
View(metadata)
metadata$map.summary_polyline[1]
library(googlePolylines)
metadata$map.summary_polyline[1] %>% decode()
metadata$map.summary_polyline[1] %>% decode() %>% plot()
decoda_poly <- metadata$map.summary_polyline[1] %>% decode()
decode_poly <- metadata$map.summary_polyline[1] %>% decode()
plot(decode_poly[[1]])
library(gstat)
library(sp)
head(RDT_gaussian_field)
ozone<-read.table("https://stats.idre.ucla.edu/stat/r/faq/ozone.csv", sep=",", header=T)
head(ozone, n=10)
dists <- dist(ozone[,3:4])
summary(dists)
breaks = seq(0, 1.5, l = 11)
? variog
library(geoR)
? variog
variog(ozone)
library(geoR)
data(package = "geoR")
data(wolfcamp) # carga el archivo de datos wolfcamp
summary(wolfcamp)
data(wolfcamp) # carga el archivo de datos wolfcamp
summary(wolfcamp)
plot(wolfcamp)
plot(wolfcamp, lowess = TRUE, scatter3d = TRUE)
plot(wolfcamp, trend=~coords)
points(wolfcamp)
points(wolfcamp, col = "gray", pt.divide = "equal")
data(s100) # Cargar datos estacionarios
summary(s100)
plot(s100)
oldpar <- par(mfrow=c(1,2))
plot(variog(s100))
plot(variog(s100, max.dist = 0.6))
vario <- variog(s100, max.dist = 0.6)
names(vario)
vario.b <- variog(s100, max.dist = 0.6) #discretizado
vario.b <- variog(s100, max.dist = 0.6, op = "bin") #discretizado
vario.c <- variog(s100, max.dist=0.6, op="cloud") #nube
vario.bc <- variog(s100, max.dist=0.6, bin.cloud=TRUE) #discretizado+nube
vario.s <- variog(s100, max.dist=0.6, op="sm", band=0.2) #suavizado
oldpar<-par(mfrow=c(2,2)) # Preparar para 4 gráficos por ventana
plot(vario.b, main="Variograma empírico")
plot(vario.c, main="Nube de puntos variograma")
plot(vario.bc, bin.cloud=TRUE, main="Graficos de cajas")
title("Gráficos de cajas") # Corregir fallo del comando anterior
plot(vario.s, main="Variograma suavizado")
par(oldpar) # Restaurar opciones de gráficos
# Si hay valores atípicos (o la distribución de los datos es asimétrica) puede ser preferible utilizar el estimador robusto
varior.b <- variog(s100, estimator.type = "modulus", max.dist=0.6)
varior.bc <- variog(s100, estimator.type = "modulus", max.dist=0.6, bin.cloud=TRUE)
oldpar<-par(mfrow=c(2,2)) #Preparar para 4 gráficos por ventana
plot(vario.b, main="Estimador clásico")
plot(varior.b, main="Estimador robusto")
plot(vario.bc, bin.cloud=TRUE)
plot(varior.bc, bin.cloud=TRUE)
plot(varior.bc, bin.cloud=TRUE)
par(oldpar) #Restaurar opciones de gráficos
vario.60 <- variog(s100, max.dist = 0.6, direction = pi/3) #variograma en la dirección de 60 grados
# Para estudiar si hay anisotropía, se pueden cálcular de forma rápida variogramas direccionales con la función variog4.
# Por defecto calcula cuatro variogramas direccionales, correspondientes a los ángulos 0, 45, 90 y 135 grados:
vario.4 <- variog4(s100, max.dist = 0.6)
oldpar <- par(mfrow=c(1,2))
plot(vario.60)
title(main = expression(paste("direccional, angulo = ", 60 * degree)))
plot(vario.4, lwd = 2)
par(oldpar)
# ajuste al ojo
vario.b <- variog(s100, max.dist=0.6)
vario.s <- variog(s100, max.dist=0.6,option = "smooth", kernel = "normal", band = 0.2) #suavizado
plot(vario.b)
lines(vario.s, type = "l", lty = 2)
lines.variomodel(cov.model = "exp", cov.pars = c(1,0.3), nugget = 0, max.dist = 0.6, lwd = 3)
legend(0.3, 0.3, c("empirico", "suavizado", "modelo exponencial"), lty = c(1, 2, 1), lwd = c(1, 1, 3))
par(oldpar)
# ajuste al ojo
vario.b <- variog(s100, max.dist=0.6)
vario.s <- variog(s100, max.dist=0.6,option = "smooth", kernel = "normal", band = 0.2) #suavizado
plot(vario.b)
lines(vario.s, type = "l", lty = 2)
lines.variomodel(cov.model = "exp", cov.pars = c(1,0.3), nugget = 0, max.dist = 0.6, lwd = 3)
# ajuste al ojo
vario.b <- variog(s100, max.dist=0.6)
vario.s <- variog(s100, max.dist=0.6,option = "smooth", kernel = "normal", band = 0.2) #suavizado
plot(vario.b)
lines(vario.s, type = "l", lty = 2)
lines.variomodel(cov.model = "exp", cov.pars = c(1,0.3), nugget = 0, max.dist = 0.6, lwd = 3)
legend(0.3, 0.3, c("empirico", "suavizado", "modelo exponencial"), lty = c(1, 2, 1), lwd = c(1, 1, 3))
# otros modelos
plot(vario.b)
lines.variomodel(cov.model = "exp", cov.pars = c(0.9,0.3), nug = 0.1, max.dist = 0.6)
lines.variomodel(cov.model = "mat", cov.pars = c(0.85,0.2), nug = 0.1, kappa = 1, max.dist = 0.6,lty = 2)
lines.variomodel(cov.model = "sph", cov.pars = c(0.8,0.8), nug = 0.1, max.dist = 0.6, lwd = 2)
eyefit(vario.b)
# ajuste con OLS
# ajuste con OLS
vario.ols <- variofit(vario.b, ini = c(1, 0.5), weights = "equal") #ordinarios
# ajuste con wls
vario.wls <- variofit(vario.b, ini = c(1, 0.5), weights = "cressie") #ponderados
vario.wls
vario.ols
summary(vario.wls)
vario.ml <- likfit(s100, ini = c(1, 0.5)) #Modelo exponencial con par ini umbral y escala (1/3 rango)
vario.ml
summary(vario.ml)
# ajuste con max verosimilitud resrtingida
vario.reml <- likfit(s100, ini = c(1, 0.5), lik.method = "RML")
summary(vario.reml)
plot(vario.b, main = "Estimador empírico y modelos ajustados")
lines(vario.ml, max.dist = 0.6)
lines(vario.reml, lwd = 2, max.dist = 0.6)
lines(vario.ols, lty = 2, max.dist = 0.6)
lines(vario.wls, lty = 2, lwd = 2, max.dist = 0.6)
legend(0.3, 0.3, legend = c("ML", "REML", "OLS", "WLS"), lty = c(1, 1, 2, 2), lwd = c(1, 2,1, 2))
env.indep <- variog.mc.env(s100, obj.var = vario.b)
env.model <- variog.model.env(s100, obj.var = vario.b, model = vario.wls)
oldpar <- par(mfrow = c(1, 2))
plot(vario.b, envelope = env.indep)
plot(vario.b, envelope = env.model)
lines(vario.wls, lty = 2, lwd = 2, max.dist = 0.6)
par(oldpar)
# validacion cruzada
xv.wls <- xvalid(s100, model = vario.wls)
summary(xv.wls)
xv.reml <- xvalid(s100, model = vario.reml)
summary(xv.reml)
oldpar <- par(mfrow = c(2, 5))
plot(xv.wls, ask = FALSE)
par(oldpar)
? geosphere::distHaversine
plot(s100, lowess = TRUE, scatter3d = TRUE)
plot(s100, trend=~coords)
points(s100)
# Se pueden establecer los tamaños de los puntos, simbolos y colores a partir de los valores de los datos
points(s100, col = "gray", pt.divide = "equal")
plot(wolfcamp)
data(s100) # Cargar datos estacionarios
summary(s100)
plot(s100)
library(geoR)
data(package = "geoR")
data(package = "geoR")
data(wolfcamp) # carga el archivo de datos wolfcamp
summary(wolfcamp)
plot(wolfcamp)
plot(wolfcamp, lowess = TRUE, scatter3d = TRUE)
install.packages("scatterplot3d")
plot(wolfcamp, lowess = TRUE, scatter3d = TRUE)
plot(wolfcamp, trend=~coords)
points(wolfcamp)
# Se pueden establecer los tamaños de los puntos, simbolos y colores a partir de los valores de los datos
points(wolfcamp, col = "gray", pt.divide = "equal")
View(wolfcamp)
class(wolfcamp)
data(s100) # Cargar datos estacionarios
summary(s100)
plot(s100)
? variog
plot(variog(s100))
oldpar <- par(mfrow=c(1,2))
plot(variog(s100))
plot(variog(s100, max.dist = 0.6))
vario <- variog(s100, max.dist = 0.6)
names(vario)
? variog
names(vario)
vario.b <- variog(s100, max.dist = 0.6, op = "bin") #discretizado
vario.c <- variog(s100, max.dist=0.6, op="cloud") #nube
vario.bc <- variog(s100, max.dist=0.6, bin.cloud=TRUE) #discretizado+nube
vario.s <- variog(s100, max.dist=0.6, op="sm", band=0.2) #suavizado
oldpar<-par(mfrow=c(2,2)) # Preparar para 4 gráficos por ventana
plot(vario.b, main="Variograma empírico")
plot(vario.c, main="Nube de puntos variograma")
plot(vario.bc, bin.cloud=TRUE, main="Graficos de cajas")
title("Gráficos de cajas") # Corregir fallo del comando anterior
plot(vario.s, main="Variograma suavizado")
par(oldpar) # Restaurar opciones de gráficos
# Si hay valores atípicos (o la distribución de los datos es asimétrica) puede ser preferible utilizar el estimador robusto
varior.b <- variog(s100, estimator.type = "modulus", max.dist=0.6)
varior.bc <- variog(s100, estimator.type = "modulus", max.dist=0.6, bin.cloud=TRUE)
oldpar<-par(mfrow=c(2,2)) #Preparar para 4 gráficos por ventana
plot(vario.b, main="Estimador clásico")
plot(varior.b, main="Estimador robusto")
plot(vario.bc, bin.cloud=TRUE)
plot(varior.bc, bin.cloud=TRUE)
par(oldpar) #Restaurar opciones de gráficos
vario.60 <- variog(s100, max.dist = 0.6, direction = pi/3) #variograma en la dirección de 60 grados
? variog4
# Para estudiar si hay anisotropía, se pueden cálcular de forma rápida variogramas direccionales con la función variog4.
# Por defecto calcula cuatro variogramas direccionales, correspondientes a los ángulos 0, 45, 90 y 135 grados:
vario.4 <- variog4(s100, max.dist = 0.6)
oldpar <- par(mfrow=c(1,2))
plot(vario.60)
title(main = expression(paste("direccional, angulo = ", 60 * degree)))
plot(vario.4, lwd = 2)
plot(vario.4, lwd = 0.2)
oldpar <- par(mfrow=c(1,2))
plot(vario.60)
title(main = expression(paste("direccional, angulo = ", 60 * degree)))
plot(vario.4, lwd = 0.2)
oldpar <- par(mfrow=c(1,2))
plot(vario.60)
title(main = expression(paste("direccional, angulo = ", 60 * degree)))
plot(vario.4, lwd = 0.2)
# ajuste al ojo
vario.b <- variog(s100, max.dist=0.6)
vario.s <- variog(s100, max.dist=0.6,option = "smooth", kernel = "normal", band = 0.2) #suavizado
plot(vario.b)
lines(vario.s, type = "l", lty = 2)
par(oldpar)
# ajuste al ojo
vario.b <- variog(s100, max.dist=0.6)
vario.s <- variog(s100, max.dist=0.6,option = "smooth", kernel = "normal", band = 0.2) #suavizado
plot(vario.b)
lines(vario.s, type = "l", lty = 2)
? lines.variomodel
lines.variomodel(cov.model = "exp", cov.pars = c(1,0.3), nugget = 0, max.dist = 0.6, lwd = 3)
legend(0.3, 0.3, c("empirico", "suavizado", "modelo exponencial"), lty = c(1, 2, 1), lwd = c(1, 1, 3))
par(oldpar)
# ajuste al ojo
vario.b <- variog(s100, max.dist=0.6)
vario.s <- variog(s100, max.dist=0.6,option = "smooth", kernel = "normal", band = 0.2) #suavizado
plot(vario.b)
lines(vario.s, type = "l", lty = 2)
lines.variomodel(cov.model = "exp", cov.pars = c(1,0.3), nugget = 0, max.dist = 0.6, lwd = 3)
legend(0.3, 0.3, c("empirico", "suavizado", "modelo exponencial"), lty = c(1, 2, 1), lwd = c(1, 1, 3))
# otros modelos
plot(vario.b)
lines.variomodel(cov.model = "exp", cov.pars = c(0.9,0.3), nug = 0.1, max.dist = 0.6)
lines.variomodel(cov.model = "mat", cov.pars = c(0.85,0.2), nug = 0.1, kappa = 1, max.dist = 0.6,lty = 2)
lines.variomodel(cov.model = "sph", cov.pars = c(0.8,0.8), nug = 0.1, max.dist = 0.6, lwd = 2)
par(oldpar)
# variograma teorico
# se ajusta el modelo teorico a la data usando minimos cuadrados ordinarios o ponderados
# ajuste al ojo
vario.b <- variog(s100, max.dist=0.6)
vario.s <- variog(s100, max.dist=0.6,option = "smooth", kernel = "normal", band = 0.2) #suavizado
plot(vario.b)
lines(vario.s, type = "l", lty = 2)
lines.variomodel(cov.model = "exp", cov.pars = c(1,0.3), nugget = 0, max.dist = 0.6, lwd = 3)
legend(0.3, 0.3, c("empirico", "suavizado", "modelo exponencial"), lty = c(1, 2, 1), lwd = c(1, 1, 3))
# otros modelos
plot(vario.b)
lines.variomodel(cov.model = "exp", cov.pars = c(0.9,0.3), nug = 0.1, max.dist = 0.6)
lines.variomodel(cov.model = "mat", cov.pars = c(0.85,0.2), nug = 0.1, kappa = 1, max.dist = 0.6,lty = 2)
lines.variomodel(cov.model = "sph", cov.pars = c(0.8,0.8), nug = 0.1, max.dist = 0.6, lwd = 2)
# ajuste con OLS
vario.ols <- variofit(vario.b, ini = c(1, 0.5), weights = "equal") #ordinarios
? variofit
# ajuste con wls
vario.wls <- variofit(vario.b, ini = c(1, 0.5), weights = "cressie") #ponderados
summary(vario.wls)
vario.ml <- likfit(s100, ini = c(1, 0.5)) #Modelo exponencial con par ini umbral y escala (1/3 rango)
vario.ml
# ajuste con max verosimilitud resrtingida
vario.reml <- likfit(s100, ini = c(1, 0.5), lik.method = "RML")
plot(vario.b, main = "Estimador empírico y modelos ajustados")
lines(vario.ml, max.dist = 0.6)
lines(vario.reml, lwd = 2, max.dist = 0.6)
lines(vario.ols, lty = 2, max.dist = 0.6)
lines(vario.wls, lty = 2, lwd = 2, max.dist = 0.6)
legend(0.3, 0.3, legend = c("ML", "REML", "OLS", "WLS"), lty = c(1, 1, 2, 2), lwd = c(1, 2,1, 2))
# usando envolventes independientes
env.indep <- variog.mc.env(s100, obj.var = vario.b)
# usando modelo de variograma teorico
env.model <- variog.model.env(s100, obj.var = vario.b, model = vario.wls)
oldpar <- par(mfrow = c(1, 2))
plot(vario.b, envelope = env.indep)
plot(vario.b, envelope = env.model)
lines(vario.wls, lty = 2, lwd = 2, max.dist = 0.6)
par(oldpar)
? xvalid
# validacion cruzada
xv.wls <- xvalid(s100, model = vario.wls)
summary(xv.wls)
xv.reml <- xvalid(s100, model = vario.reml)
summary(xv.reml)
oldpar <- par(mfrow = c(2, 5))
plot(xv.wls, ask = FALSE)
load(url("https://github.com/mgimond/Spatial/raw/main/Data/Sample1.RData"))
rm(list=c("inter.sf", "p.sf", "rail.sf"))
readr::write_rds(elev.r, "data/elev.rds")
readr::write_rds(s.r, "data/s.rds")
readr::write_rds(s.sf, "data/s.rds")
elev.r <- readr::read_rds("data/s.rds")
elev.r <- readr::read_rds("data/elev.rds")
s.sf <- readr::read_rds("data/s.rds")
elev.r <- readr::read_rds("data/elev.rds")
s.sf <- readr::read_rds("data/s.rds")
sf_extSoftVersion()[1:3]
library(sf)
sf_extSoftVersion()[1:3]
st_crs(s.sf)
library(raster)
crs(elev.r)
s.sf <- st_set_crs(s.sf, "+proj=utm +zone=19 +ellps=GRS80 +datum=NAD83")
st_crs(s.sf)
s.sf.gcs <- st_transform(s.sf, "+proj=longlat +datum=WGS84")
st_crs(s.sf.gcs)
elev.r.gcs <- projectRaster(elev.r, crs="+proj=longlat +datum=WGS84")
crs(elev.r.gcs)
library(tmap)
data(World) # The dataset is stored as an sf object
# Let's check its current coordinate system
st_crs(World)
World.ae <- st_transform(World, "+proj=aeqd +lat_0=0 +lon_0=0 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
st_crs(World.ae)
crs(s.sf)
? crs
s.sf <- st_set_crs(s.sf, "+proj=robin +lon_0=0 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
s.sf.gcs <- st_transform(s.sf, "+proj=robin +lon_0=0 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
st_crs(s.sf.gcs)
tm_shape(World.ae) + tm_fill()
World.aemaine <- st_transform(World, "+proj=aeqd +lat_0=44.5 +lon_0=-69.8 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.aemaine) + tm_fill()
World.robin <- st_transform(World,"+proj=robin +lon_0=0 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.robin) + tm_fill()
World.sin <- st_transform(World,"+proj=sinu +lon_0=0 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.sin) + tm_fill()
World.mercator <- st_transform(World,"+proj=merc +lon_0=0 +k=1 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.mercator) + tm_fill()
? crs
projInfo(type = "proj")
? st_crs
# cargamos librerias
library(sf)
library(tmap)
#
st_crs(s.sf)
# leemos datos
s.sf <- readr::read_rds("data/s.rds")
# consultamos versiones de librerias
sf_extSoftVersion()[1:3]
#
st_crs(s.sf)
? st_crs
#
st_crs(s.sf)
raster::crs(s.sf)
s.sf2 <- st_set_crs(s.sf, "+proj=robin +lon_0=0 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
st_crs(s.sf)
s.sf.gcs <- st_transform(s.sf, "+proj=robin +lon_0=0 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
st_crs(s.sf.gcs)
data(World)
st_crs(World)
World.ae <- st_transform(World, "+proj=aeqd +lat_0=0 +lon_0=0 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
st_crs(World.ae)
tm_shape(World.ae) + tm_fill()
World.aemaine <- st_transform(World, "+proj=aeqd +lat_0=44.5 +lon_0=-69.8 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.aemaine) + tm_fill()
World.robin <- st_transform(World,"+proj=robin +lon_0=0 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.robin) + tm_fill()
World.sin <- st_transform(World,"+proj=sinu +lon_0=0 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.sin) + tm_fill()
World.mercator <- st_transform(World,"+proj=merc +lon_0=0 +k=1 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.mercator) + tm_fill()
#
st_crs(s.sf)
? proj4
library(vapour)
library(vapour)
raster::crs(s.sf)
# consultamos CRS con estandar proj4
raster::crs(s.sf)
projeccion <- "+proj=utm +zone=19 +datum=NAD83 +units=m +no_defs"
vapour_srs_wkt(projeccion)
World.aea <- st_transform(World, "+proj=aea +lat_1=55 +lat_2=65 +lat_0=50 +lon_0=-154 +x_0=0 +y_0=0 +ellps=GRS80 +datum=NAD83 +units=m +no_defs")
st_crs(World.ae)
tm_shape(World.ae) + tm_fill()
World.aea <- st_transform(World, "+proj=aea +lat_1=29.5 +lat_2=45.5 +lat_0=37.5 +lon_0=-96 +x_0=0 +y_0=0 +ellps=GRS80 +datum=NAD83 +units=m +no_defs")
st_crs(World.ae)
tm_shape(World.ae) + tm_fill()
World.aea <- st_transform(World, "+proj=aea +lat_1=55 +lat_2=65 +lat_0=50 +lon_0=-154 +x_0=0 +y_0=0 +ellps=GRS80 +datum=NAD83 +units=m +no_defs")
st_crs(World.aea)
tm_shape(World.aea) + tm_fill()
World.aea2 <- st_transform(World, "+proj=aea +lat_1=29.5 +lat_2=45.5 +lat_0=37.5 +lon_0=-96 +x_0=0 +y_0=0 +ellps=GRS80 +datum=NAD83 +units=m +no_defs")
st_crs(World.aea2)
tm_shape(World.aea2) + tm_fill()
World.utm <- st_transform(World,"+proj=utm +zone=19 +ellps=GRS80 +datum=NAD83 +units=m +")
tm_shape(World.utm) + tm_fill()
World.utm <- st_transform(World,"+proj=utm +zone=19 +ellps=GRS80 +datum=NAD83 +units=m")
tm_shape(World.utm) + tm_fill()
World.utm <- st_transform(World,"+proj=utm +ellps=GRS80 +datum=NAD83 +units=m")
tm_shape(World.utm) + tm_fill()
World.utm <- st_transform(World,"+proj=utm +ellps=WGS84 +datum=NAD83 +units=m")
tm_shape(World.utm) + tm_fill()
World.utm <- st_transform(World,"+proj=utm +ellps=WGS84 +datum=WGS84 +units=m")
tm_shape(World.utm) + tm_fill()
plot(s.sf)
plot(s.sf)
plot(s.sf2)
s.sf.gcs
plot(s.sf.gcs)
# transformamos a azimuthal equidistant
World.ae <- st_transform(World, "+proj=aeqd +lat_0=0 +lon_0=0 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
st_crs(World.ae)
tm_shape(World.ae) + tm_fill()
# azimuthal equidistant centrada en maine
World.aemaine <- st_transform(World, "+proj=aeqd +lat_0=44.5 +lon_0=-69.8 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.aemaine) + tm_fill()
# azimuthal equidistant centrada en maine
World.aemaine <- st_transform(World, "+proj=aeqd +lat_0=-73.5 +lon_0=-33.8 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.aemaine) + tm_fill()
# azimuthal equidistant centrada en maine
World.aemaine <- st_transform(World, "+proj=aeqd +lat_0=-77.5 +lon_0=-33.8 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.aemaine) + tm_fill()
# azimuthal equidistant centrada en maine
World.aemaine <- st_transform(World, "+proj=aeqd +lat_0=-33 +lon_0=-33.8 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.aemaine) + tm_fill()
# azimuthal equidistant centrada en maine
World.aemaine <- st_transform(World, "+proj=aeqd +lat_0=-33 +lon_0=-70.8 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.aemaine) + tm_fill()
# azimuthal equidistant centrada en maine
World.aemaine <- st_transform(World, "+proj=aeqd +lat_0=-33 +lon_0=-68.8 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.aemaine) + tm_fill()
# azimuthal equidistant centrada en maine
World.aemaine <- st_transform(World, "+proj=aeqd +lat_0=-33 +lon_0=-40 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.aemaine) + tm_fill()
tm_shape(World.ae) + tm_fill()
tm_shape(World.aemaine) + tm_fill()
# azimuthal equidistant centrada en maine
World.aemaine <- st_transform(World, "+proj=aeqd +lat_0=-33 +lon_0=-60 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.aemaine) + tm_fill()
# azimuthal equidistant centrada en Maine
World.aemaine <- st_transform(World, "+proj=aeqd +lat_0=44.5 +lon_0=-69.8 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.aemaine) + tm_fill()
# azimuthal equidistant centrada en Maine
World.aemaine <- st_transform(World, "+proj=aeqd +lat_0=-44.5 +lon_0=-69.8 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.aemaine) + tm_fill()
# azimuthal equidistant centrada en Maine
World.aemaine <- st_transform(World, "+proj=aeqd +lat_0=44.5 +lon_0=-69.8 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.aemaine) + tm_fill()
# robinson
World.robin <- st_transform(World,"+proj=robin +lon_0=0 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.robin) + tm_fill()
# sinusoidal
World.sin <- st_transform(World,"+proj=sinu +lon_0=0 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.sin) + tm_fill()
# mercator
World.mercator <- st_transform(World,"+proj=merc +lon_0=0 +k=1 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs")
tm_shape(World.mercator) + tm_fill()