Brasil é famoso no mundo inteiro pela sua natureza, e não é surpreendente que até no R existe um pacote para tratar do tema! Gustavo Carvalho criou o pacote flora para disponibilizar os dados do Flora do Brasil 2020 para usuários de R.
Se você não sabe, o Flora do Brasil é uma versão online da Lista de Espécies da Flora do Brasil, um projeto entre brasileiros e estrangeiros para fornecer uma lista das plantas e fungos que existe no país. Neste post, vamos observar as possibilidades da flora para analisar esses dados no R.
Como o pacote está no CRAN, podemos instalá-lo diretamente. Depois carregamos com library().
install.packages("flora")
library(flora)
flora tem vários jeitos de fornecer os dados do Brasil 2020. Um método é usar a função get.taxa(), que te dá informação sobre uma espécie específica. Por exemplo, dado que eu gosto de café, posso usar esta com o argumento states = TRUE para ver nos quais estados café ocorre.
cafe <- get.taxa("Coffea arabica", states = TRUE)
cafe$occurrence
[1] "BR-AC|BR-AL|BR-BA|BR-CE|BR-DF|BR-ES|BR-GO|BR-MG|BR-MS|BR-PB|BR-PE|BR-PR|BR-RJ|BR-RS|BR-SC|BR-SE|BR-SP"
Com o pacote tidyverse, podemos rapidamente arrumar isso para algo mais fácil usar. E com o uso de shapefiles, podemos mapear onde ocorre café no Brasil.
flora também cuida dos nomes complexos dos itens. Se você escreve errado, ele adivinha:
suggest.names("Cofee arabyca")
## [1] "Coffea arabica"
Podemos também combinar o pacote com as imagens excelentes do Phylopic com flora. Por exemplo, podemos pegar dados de quatro árvores brasileiras, inclusive a Dimorphandra wilsonii, a árvore mais rara no país, e ver em qual estados achamos essas árvores. O pacote rphylopic baixa a imagem do Phylopic.
caju <- get.taxa("Anacardium occidentale", states = T) %>%
mutate(occurrence = gsub("BR-", "", occurrence)) %>%
separate(occurrence, into = c("AC", "AL", "AM", "AP", "BA", "CE", "DF",
"ES", "GO", "MA", "MG", "MS", "MT", "PA",
"PB", "PE", "PI", "RJ", "RN", "RR", "SE",
"SP", "TO"), sep = "\\|") %>%
gather(state, st, AC:TO) %>%
select(-st, -id)
para <- get.taxa("Bertholletia excelsa", states = T) %>%
mutate(occurrence = gsub("BR-", "", occurrence)) %>%
separate(occurrence, into = c("AC", "AM", "AP", "MT", "PA", "RO", "RR"),
sep = "\\|") %>%
gather(state, st, AC:RR) %>%
select(-st, -id)
dal <- get.taxa("Dalbergia nigra", states = T) %>%
mutate(occurrence = gsub("BR-", "", occurrence)) %>%
separate(occurrence, into = c("AL", "BA", "ES", "MG", "PB", "PE", "PR",
"RJ", "SE", "SP"),
sep = "\\|") %>%
gather(state, st, AL:SP) %>%
select(-st, -id)
wil <- get.taxa("Dimorphandra wilsonii", states = T) %>%
mutate(occurrence = gsub("BR-", "", occurrence)) %>%
separate(occurrence, into = c("MG"),
sep = "\\|") %>%
gather(state, st, MG) %>%
select(-st, -id)
arv <- full_join(caju, para) %>%
full_join(dal) %>%
full_join(wil)
library(rphylopic)
tree <- image_data("f86235e3-f437-4630-9e77-73732b9bcf41", size = "512")[[1]]
ggplot(arv, aes(x = state)) +
geom_bar(alpha = 0.6) +
add_phylopic(tree, alpha = 0.7) +
theme_classic() +
ylab("")
Dado que a Dimorphandra wilsonii só cresce em Minas Gerais, MG ‘ganha’ aqui.
Uma outra função útil do pacote é a lower.taxa(), que busca por descendentes na linhagem da espécies. Por exemplo, podemos procurar por detalhes sobre pimenta, usando esse nome comum, e daí buscar pela taxa mais baixa. Eu particularmente gosto dos nomes vernáculos (“alecrim-de-cobra”):
pim <- vernacular("Pimenta")
head(pim$vernacular.name)
[1] "alecrim-de-cobra/PORTUGUES/Alagoas | alfavaca brava/PORTUGUES/Pará | alfavaca de cobra/PORTUGUES/Amazonas | maricutinha/PORTUGUES/Bahia | pimenta de lagarta/PORTUGUES/Pará"
[2] "arengueiro/PORTUGUES/Bahia | catinga-de-porco/PORTUGUES/Bahia | jaborandi-da-restinga/PORTUGUES/Rio de Janeiro | jaburandi/PORTUGUES/Ceará | pimentinha/PORTUGUES/Ceará"
[3] "pimentinha/PORTUGUES/Nordeste | guarda-orvalho/PORTUGUES/Nordeste | cumixá/PORTUGUES/Nordeste | cocarana-do-cerrado/PORTUGUES/Norte"
[4] "chapadinho/PORTUGUES/Goiás, Minas Gerais | fruta-de-tucano/PORTUGUES/Minas Gerais | mercúrio/PORTUGUES/Mato Grosso | pimenta/PORTUGUES/Minas Gerais"
[5] "pimentinha/PORTUGUES/Nordeste | cuminxá/PORTUGUES/Nordeste | cumixá/cumichá/PORTUGUES/Nordeste | atracador/PORTUGUES/Mato Grosso"
[6] "canela-jacuá/PORTUGUES/Sudeste | canela-pimenta/PORTUGUES/Sudeste"
flora também tem uma função para abrir um app Shiny no seu browser. Basta usar o comando web.flora() e o aplicativo abre. Do app, você pode buscar interativamente para os dados do maravilhoso Brasil 2020!
O pacote flora tem mais opções para utilizar os dados do Brasil 2020 nas suas análises. O manual está aqui e o GitHub do pacote tem mais detalhes!
