SEBRAE/RS - Heatmap da produção hortícola do Rio Grande do Sul em 2022

Fonte: IBGE - Produção Agrícola Municipal do Rio Grande do Sul

Abstract

Heatmap ou Mapa de Calor é uma representação gráfica dos dados geográficos que utiliza cores para indicar a densidade ou intensidade da produção hortícola do estado do Rio Grande do Sul. Essa representação permite identificar padrões e tendências, sendo uma importante ferramenta para análise de dados territoriais.

library(leaflet)
library(leaflet.extras)
library(dplyr)
library(tidyverse)
library(ggplot2)
library(ggpubr)
library(DT)

setwd("C:/Users/leonardore/OneDrive - SEBRAE/SEBRAE/Relatório Setorial/dados")
MunicipiosRS <- read.table("MunicipiosRS.txt", h=T)

MunicipiosRS[, c("X2004", "X2005", "X2006", "X2007", "X2008", "X2009", 
                 "X2010", "X2011", "X2012", "X2013","X2014", "X2015", 
                 "X2016", "X2017", "X2018", "X2019", "X2020", "X2021")] <- 
  lapply(MunicipiosRS[, c("X2004", "X2005", "X2006", "X2007", "X2008", "X2009", 
                          "X2010", "X2011", "X2012", "X2013","X2014", "X2015", 
                          "X2016", "X2017", "X2018", "X2019", "X2020", "X2021")], as.numeric)

MunicipiosRS[, c("Nome", "Cultura", "SkMunicipio", "SiglaUF", "NuUF", "SiglaRegional","TIPO", "NomeMunicipio")] <- lapply(MunicipiosRS[, c("Nome", "Cultura", "SkMunicipio", "SiglaUF", "NuUF", "SiglaRegional","TIPO", "NomeMunicipio")], as.factor)

MunicipiosRS_g <- MunicipiosRS %>% 
  gather(ano, valor, X2004:X2021)

hortalicas <- c("Mandioca", "Tomate", "Batata-inglesa", "Cebola", "Alho", "Batata-doce")
frutas_primario <- c("Laranja", "Banana", "Melancia", "Limao", "Uva", "Maca", "Pessego", "Caqui")
frutas_secundario <- c("Abacate", "Abacaxi", "Azeitona", "Figo", "Goiaba", "Mamao", "Manga", "Maracuja", 
                       "Melao", "Melancia", "Noz", "Pera", "Tangerina", "Tomate")

MunicipiosRS_g$ano <- as.character(MunicipiosRS_g$ano)
MunicipiosRS_g$ano <- gsub("X", "", MunicipiosRS_g$ano)
MunicipiosRS_g$ano <- as.Date(MunicipiosRS_g$ano, format = "%Y")
MunicipiosRS_g$ano <- format(MunicipiosRS_g$ano, "%Y")

MunicipiosRS_g <- MunicipiosRS_g %>% 
  filter(Nome != "Arabica") %>% 
  filter(Nome != "Canephora") %>% 
  droplevels()

producao_hf_municipios_rs <- MunicipiosRS_g %>% 
  filter(ano == "2021") %>%
  filter(Cultura %in% hortalicas | Cultura %in% frutas_primario | Cultura %in% frutas_secundario) %>%
  filter(Nome == "Quantidade_produzida") %>% 
  spread(Nome, valor) %>% 
  group_by(NomeMunicipio, ano, Latitude, Longitude) %>% 
  summarise(Quantidade_produzida = sum(Quantidade_produzida, na.rm = T)) %>% 
  data.frame()


leaflet(producao_hf_municipios_rs) %>% 
  leaflet::addTiles(group = "Google Maps") %>%
  leaflet::addProviderTiles(providers$Esri.WorldImagery, group = "Satelite") %>% 
  addHeatmap(group="heat", lng=~Longitude, lat=~Latitude, blur=20, radius = 20, 
             intensity = ~Quantidade_produzida/1000, max = 75) %>% 
  addLayersControl(
    baseGroups = c("Google Maps", "Satelite"),
    options = layersControlOptions(collapsed = FALSE)
  )