Pessoal, boa tarde! Também precisei desse procedimento anteriormente e já tinha pesquisado alguma coisa. Embora a dúvida já tenha sido respondida, pode ser que o trecho de código que tenho aqui possa ser de interesse. A alternativa 1 é a solução colocada pelo Prof. Paulo. A alternativa 2 é mais trabalhosa, mas possibilita visualizar mais facilmente os fatiamentos efetuados. Além disso, haveria a possibilidade de vetorizar o objeto 'raster' para então obter as áreas ou armazenar em um shapefile. Os dados do CMR não tem projeção definida, mas a ideia de aplicação é a mesma. ### <BEGIN> ### Areas de representação matricial (raster) ### Usando o dataset s100 da geoR require(geoR); require(sp); require(raster) data(s100) vModel <- likfit(s100, ini=c(1,0.5), fix.nugget=T) ### ajuste de modelo (não avaliado) pGrid <- expand.grid(seq(0,1, l=30), seq(0,1, l=30)) ### grid de predição krig1 <- krige.conv(s100, loc=pGrid, krige=krige.control(obj.m=vModel)) image(krig1, col=2:5, asp=1) ### Definição de classes range(krig1$pred) ### observa intervalo das classes classes <- -1:3*1; classes ### 5 classes definidas ### Alternativa 1 predFat <- cut(krig1$pred, breaks=classes) predFatTab <- rbind(pixels=table(predFat), perc=round(prop.table(table(predFat))*100,2)) predFatTab ### quantificação ### Alternativa 2 pred <- cbind(pGrid,krig1$pred) ### data.frame com dados da predição coordinates(pred) <- ~Var1+Var2 ### transforma em SPointsDF gridded(pred) = TRUE ### transforma em SPixelsDF rPred <- raster(pred) ### transforma em raster plot(rPred) rPredFat <- cut(rPred, breaks=classes) ### fatia o objeto raster plot(rPredFat) ### visualiza o fatiamento freq(rPredFat, useNA='no') ### quantificação ### Comparando as alternativas tmp <- t(as.table(freq(rPredFat, useNA='no')))[2,]; tmp round(prop.table(tmp)*100,2) rPredFatTab <- rbind(pixels=tmp, perc=round(prop.table(tmp)*100,2)) predFatTab; rPredFatTab ### <END> Éder Comunello <c <comunello.eder@gmail.com>omunello.eder@gmail.com> Dourados, MS - [22 16.5'S, 54 49'W]