Felipe, boa tarde! Segue uma sugestão, tentando preservar o máximo do seu código original. Alterações indicadas no script. Para diminuir o efeito de "serrilhado" nas figuras, aumente a resolução da grade. ### <code r> " http://www.leg.ufpr.br/lib/exe/fetch.php/projetos:arquivos_usados_no_tcc.zip" # Dados # ==== Carregando pacotes necessários ================ sapply(c("sp", "maptools", "spdep", "mgcv", "rgdal"), require, char=T) setwd("D:/Temp/TCC") ##### lendo dados cwb<-readOGR("div_municipal.shp",layer="div_municipal") neo <- read.table('neo_contr1.txt',h=T) ### Plotando o mapa de Curitiba plot(cwb) bbox(cwb) ### Inserindo os controles points(neo$XCOORD[neo$Y==0],neo$YCOORD[neo$Y==0],col='darkgreen',cex = 0.5) ### Inserindo os caso points(neo$XCOORD[neo$Y==1],neo$YCOORD[neo$Y==1],col='red',cex = 0.5) ###### Ajustando modelo GAM models <- gam(neo$Y ~ +s(XCOORD,YCOORD, k=10, bs="tp"),family=binomial,data=neo) summary(models) ## Fazendo a grid xLim <- range(pretty(bbox(cwb)[1,])) ### Adicionado yLim <- range(pretty(bbox(cwb)[2,])) ### Adicionado gx <- seq(xLim[1], xLim[2], 500); nx <- length(gx); nx ### Modificado gy <- seq(yLim[1], yLim[2], 500); ny <- length(gy); ny ### Modificado gr <- expand.grid(gx, gy) XCOORD <- gr$Var1 YCOORD <- gr$Var2 ### criando data frame para predição ndados <- data.frame(XCOORD, YCOORD); head(ndados) pred <- predict(models,ndados,type="response",se.fit=TRUE) pred <- data.frame(pred) plot(cwb) ## image image(gx,gy,matrix(pred$fit,ncol=ny,nrow=nx), asp=T, col=heat.colors(3,alpha=.5), ### Modificado main="Thin Plate Splines com 128 pontos", xlab="Coordenada X", ylab="Coordenada Y" ) plot(cwb, add=T) #points(neo$XCOORD,neo$YCOORD,pch=19,cex=0.5,col="white") ##vis.gam vis.gam(models,plot.type="contour",view=c('XCOORD','YCOORD'),asp=1,ylim=c(7160000,7200000), main="Usando Thin Plate", color='cm') plot(cwb,add=T) ### Adicionado ############################################################### ### Criando uma Máscara - pontos da grade vs. polígono do município gr.sp <- gr; coordinates(gr.sp) <- ~Var1+Var2 cwb.pol <- SpatialPolygons(list(Polygons(list(Polygon(cwb@lines[[1]]@Lines[[1]]@coords)), "CWB"))) mask <- over(gr.sp, cwb.pol) image(gx, gy, matrix(mask, nrow=nx, ncol=ny), asp=T, axes=T, add=F) ### Usando a máscara masked <- matrix(pred$fit, nrow=nx, ncol=ny)* matrix(mask, nrow=nx, ncol=ny) par(mfrow=c(1,2)) image(gx, gy, masked, asp=T, col=heat.colors(3,alpha=.5), ### Modificado main="Thin Plate Splines com 128 pontos", xlab="Coordenada X", ylab="Coordenada Y" ); plot(cwb, add=T) contour(gx, gy, masked, asp=T, col=3, ### Modificado main="Thin Plate Splines com 128 pontos", xlab="Coordenada X", ylab="Coordenada Y" ); plot(cwb, add=T) ### </code> ================================================ Éder Comunello Agronomist (UEM), MSc in Environ. Sciences (UEM) DSc in Agricultural Systems Engineering (USP/Esalq) Brazilian Agricultural Research Corporation (Embrapa) Dourados, MS, Brazil |<O>| ================================================ GEO, -22.2752, -54.8182, 408m UTC-04:00 / DST: UTC-03:00
