Introdução

Nesta postagem, irei mostrar como usar a extensão PostGIS para armazenar shapes no formato simple features (sf) e chamá-las do R. O R possui um importante pacote chamdo sf que, assim como o PostGIS usa o padrão simple feature para organizar os shapes. Esta similaridade apresenta várias vantagens, sendo que a principal delas é a comunicação sem percalços entre o R e o PostgreSQL, quando se trata de trabalhar com mapas.

Além disso, muitas das funções tanto da extensão PostGIS quanto do pacote sf têm nomes similares, começando com st_. Por fim, o pacote sf já possui algumas funções para escrever e ler polígonos do PostgreSQL, o que facilita em muito em termos de compatibilidade dos tipos.

Há muitas vantagens em armazenar shapes no PostgreSQL. Geralmente, shapes ocupam muito espaço na memória. Se eles estão todos no banco, os problemas praticamente se acabam. Você pode criar queries para filtrar somente o que você quer, juntar tabelas etc. Seu shinyapp vai ficar leve como uma pena. Bastará montar um query parametrizada com o uso da função glue_sql do pacote glue, que os usuários do seu shiny poderão plotar uma infinidade de mapas, sem que a memória seja sobrecarregada.

Prérrequisitos no PostgreSQL

Primeiramente, devemos instalar o PostGIS no servidor onde se encontra o PostgreSQL. Eu estou usando o PostgreSQL versão 12 e irei instalar nele a versão 3 do PostGIS.

sudo apt install postgis postgresql-12-postgis-3

Feito isso, vamos entrar no PostgreSQL:

sudo -u postgres psql

Vamos criar um banco de dados, onde instalaremos a extensão PostGIS. Estou assumindo que você já criou um role/usuário com o qual costuma conectar-se do R. O meu é jose e ele será o proprietário do banco criado. Eu chamarei o banco de geobr em homenagem ao pacote geobr.

create database geobr owner jose;

Agora, vamos nos connectar a banco recentemente criado.

\c geobr jose

Feito isso, podemos criar a extensão PostGIS:

create extension postgis;

Prérrequisitos no R

No servidor onde se encontra o R, precisamos instalar as dependências para então instalar os pacotes geobr e sf. A instalação do geobr também instala o sf. Vá para o terminal e proceda da seguinte forma:

sudo add-apt-repository ppa:ubuntugis/ubuntugis-unstable
sudo apt update
sudo apt-get install libudunits2-dev libgdal-dev libgeos-dev libproj-dev

Feito isso, basta instalar o pacote geobr diretamente do console do R:

install.packages("geobr")

Trabalhando com o PostGIS a partir do R

Agora você verá como é simples e mágico trabalhar mapas no R sem se preocupar a memória. Vamos enviar o shape do mapa do Brasil para os PostgreSQL.

library(geobr)
library(sf)

br <- read_country(year = 2019, simplified = TRUE, showProgress = TRUE)

Connecte-se ao PostgreSQL:

conn <- DBI::dbConnect(RPostgres::Postgres(), host= "endereco_servidor_postgres", dbname = "geobr", user = "seu_role", password = "sua_senha")

Agora é só enviar o mapa pra lá, usando a função st_write do pacote sf. Simples, não?

st_write(br, conn)

Preechimento

Temos apenas o shape, precisamos preencher esses shapes com dados. Para tanto, usarei o pacote brcities que extrai informações populacionais do IBGE. Se quiser saber quais informações populacionais você pode baixar com este pacote, pode consultá-lo aqui. Se quiser instalá-lo, use o seguinte cógido:

remotes::install_github("abjur/brcities")

Vamos carregá-lo, bem como, o tidyverse e o sf, para limpar e organizar os dados antes de enviá-los para o PostgreSQL.

library(brcities)
library(tidyverse)
library(sf)

Usaremos a função br_city_indicators(). Esta função baixa dados municipais de uma unidade federativa por vez. Usaremos a função map_dfr do pacote purrr para baixar de todas e já empilhá-las num único dataframe.

siglas <- c("RO", "AC", "AM", "RR", "PA", "AP", "TO", "MA", "PI", "CE", 
"RN", "PB", "PE", "AL", "SE", "BA", "MG", "ES", "RJ", "SP", "PR", 
"SC", "RS", "MS", "MT", "GO", "DF")

indicador <- 25207L
uf_pop <- map_dfr(siglas, ~br_cities_indicator(.x, indicators = indicador))

Agora, vamos fazer alguns pequenos ajustes no dataframe uf_pop antes de enviá-lo ao PostgreSQL. Iremos remover a última coluna, renomear a oitava coluna que contêm a população para pop, convertê-la para integer e escrevê-la no banco com o nome uf_pob.

 if_pop <-  uf_pop %>% 
      select(-9) %>%
      rename(pop =8) %>% 
      mutate(pop = as.integer(pop))

      DBI::dbWriteTable(conn,"uf_pop",uf_pop)

Plotando o mapa

Pronto, estamos em condições de montar uma query para trazer os dados de interesse e plotá-los com ggplot2. Irei usar CTE (Common Table Expressions), que nada mais é do que um query temporário, para somar a população dos municípios por uf e depois juntá-las (inner join) no sf chamado br que foi inicialmente escrito no PostgreSQL.

É importante notar que você deve usar a função st_read() do pacote sf. Do contrário, o polígono não será importado como geometry.

dados <- st_read(conn, query = "
                      with cte_pop as 
                      (select uf, sum(pop) pop
                      from uf_pop
                      group by uf
                      )
                      select br.abbrev_state, br.name_state, cte_pop.pop, br.geom
                      from br
                      inner join cte_pop on cte_pop.uf = br.abbrev_state
                      ")

Agora é ir para o abraço e plotar o mapa.

dados %>% 
  mutate(pop = (pop/1000) %>% round(0)) %>% 
ggplot() +
  geom_sf(aes(fill = abbrev_state), show.legend = FALSE)+
  geom_sf_label(aes(label = pop),size = 2)+
  scale_fill_viridis_d()+
  theme_bw()