(desculpem dei a resposta a seguir no post errado...) a % de cada área é estimada pelo numero de pixels que pertencem àquela categoria neste caso me parecve que voce precisa simplesmente classificar os pixels em cada classe e contar quantos há em cada Por exemplo suponha que] o objeto "kc" possui resultados da krigagem (digamos pelo pacote geoR, apenas pelo exemplo) e as classes sao definidas por (0, 2) (2, 4) (4,8) (8, 15) cut(kc$pred, breaks = c(0,2,4,8,15)) ## divide nas classes estipuladas ## ver ?cut para mais detalhes 100 * prop.table(table(cut)) # % de pixels em cada classe On Wed, 6 Nov 2013, Hélio Gallo Rocha wrote:

Prof. Paulo. grato por mais uma  elucidação da krigagem.

Vou explicar melhor. A intenção é trabalhar com Agricultura de precisão. Um dos objetivos seria a aplicação de fertilizantes a taxa variável, por exemplo de fósforo, com 4 níveis fixos, sendo que cada nível tem uma recomendação de aplicação do fertilizante. Se souber qual a porcentagem de cada "fatia" sobre a área total  do componente fósforo poderei recomendar a quantidade do fertilizante na medida certa.

Hélio 

Em 6 de novembro de 2013 08:54, Paulo Justiniano [via R-br] <ml-node+s2285057n4660856h4@n4.nabble.com> escreveu: Helio voce precisa ser mais preciso e explicar melhor o que tem em mente....

Quando se "fatia" um mapa em cores diversos padroes podem ser usados: (valores fixos, quantis, etc)  e que podem resultar em aspectos visuais diferentes nos mapas

Outra coisa, o mapa de krigagem é um mapa de medias (e nao da variavel original) portento fatiamentos deste (por exemplo quintis) são da **distribuição da media** e nao do atributo (que tambem podem ser obtidos usando as distribuicoes preditivas - teoricas ou por simulacao)

On Tue, 5 Nov 2013, Hélio Gallo Rocha wrote:

> Caros da lista, > Situação: mapa de krigagem, dividido em 5 níveis ou poderia ser em quantilis > > Problema: Teria alguma função pronta com retorno da % de cada nível? > > grato  > > -- > Hélio Gallo Rocha > IFSULDEMINAS - Câmpus Muzambinho > > _______________________________________________ R-br mailing list [hidden email] https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.

__________________________________________________________________________________________________________________________________________________ If you reply to this email, your message will be added to the discussion below: http://r-br.2285057.n4.nabble.com/R-br-de-cada-area-na-krigagem-tp4660853p46... To unsubscribe from R-br, click here. NAML

-- Hélio Gallo Rocha IFSULDEMINAS - Câmpus Muzambinho

Caros Prof. Paulo e Éder. O CMR funcionou muito bem, resolvido Muito obrigado aos dois Hélio Em 6 de novembro de 2013 18:33, Eder Comunello [via R-br] < ml-node+s2285057n4660867h45@n4.nabble.com> escreveu:

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 <[hidden email]<http://user/SendEmail.jtp?type=node&node=4660867&i=0>[hidden email] <http://user/SendEmail.jtp?type=node&node=4660867&i=1>> Dourados, MS - [22 16.5'S, 54 49'W]

_______________________________________________ R-br mailing list [hidden email] <http://user/SendEmail.jtp?type=node&node=4660867&i=2> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.

------------------------------ If you reply to this email, your message will be added to the discussion below:

http://r-br.2285057.n4.nabble.com/R-br-de-cada-area-na-krigagem-tp4660853p46... To unsubscribe from R-br, click here<http://r-br.2285057.n4.nabble.com/template/NamlServlet.jtp?macro=unsubscribe_by_code&node=3357982&code=aGVsaW9nYWxsb3JvY2hhQGdtYWlsLmNvbXwzMzU3OTgyfC0xMzQ3NTkwMDY4> . NAML<http://r-br.2285057.n4.nabble.com/template/NamlServlet.jtp?macro=macro_viewer&id=instant_html%21nabble%3Aemail.naml&base=nabble.naml.namespaces.BasicNamespace-nabble.view.web.template.NabbleNamespace-nabble.view.web.template.NodeNamespace&breadcrumbs=notify_subscribers%21nabble%3Aemail.naml-instant_emails%21nabble%3Aemail.naml-send_instant_email%21nabble%3Aemail.naml>

-- Hélio Gallo Rocha IFSULDEMINAS - Câmpus Muzambinho