#Clase 5 MArzo

### requiere paquete "RStoolbox"
## requiere paquete: sp
library(RStoolbox)
library(raster)
## Loading required package: sp
library(kableExtra)
library(knitr)
qa <- raster(ncol = 100, nrow = 100, val = sample(1:2^14, 10000))
#ExtenciĆ³n del recorte de imagen para ver su contenido
qa2 <- crop(qa, extent(qa, 15, 25, 15, 25))
qa2
## class      : RasterLayer 
## dimensions : 11, 11, 121  (nrow, ncol, ncell)
## resolution : 3.6, 1.8  (x, y)
## extent     : -129.6, -90, 45, 64.8  (xmin, xmax, ymin, ymax)
## crs        : +proj=longlat +datum=WGS84 +ellps=WGS84 +towgs84=0,0,0 
## source     : memory
## names      : layer 
## values     : 435, 16370  (min, max)
plot(qa2)
text(qa2/1000)

## fondo, nube, cirro, nieve y agua
## requiere paquetes de : knitr  y  kableExtra
clase <- c('fondo',' nube', 'cirro', 'nieve',' agua')
valor <- c(1,2,3,4,5)
text_tbl <- data.frame(clase,valor)
kable(text_tbl)
clase valor
fondo 1
nube 2
cirro 3
nieve 4
agua 5 
#valores fuera de esta clase
confianza <- c('bajo', 'medio','alto')
valor2 <- c(1,2,3)
tabla2 <- data.frame(confianza,valor2)
kable(tabla2)
confianza valor2
bajo 1
medio 2
alto 3 
# prueba de funciĆ³n con imagen 
qacs <- classifyQA(img = qa2)
qacs_conf <- classifyQA(img = qa2, confLayers = TRUE)
plot(qacs)
text(qacs)

plot(qacs_conf)
text(qacs_conf)