Mapa interactiu (leaflet)

Crear i centrar un mapa

Per crear un mapa amb leaflet només hem d’introduir la funció següent:

leaflet() %>%
  addTiles()

Si executeu el codi, veureu que R ens retorna un mapamundi buit. L’únic que podem fer és ampliar i reduir el mapa. Normalment quan creem un mapa volem centrar l’atenció en una regió concreta del món. El següent pas que farem, doncs, serà indicar la zona del mapa que mostrarem per defecte. Per centrar el mapa en una zona concreta, ho podem fer de dues maneres:

• Escollint el centre: Necessitarem introduir les coordenades d’un únic punt, que serà el centre del mapa.
• Escollint els límits: Necessitarem introduir quatre coordenades: els límits nord, sud, est i oest del mapa.

leaflet() %>%
  addTiles() %>%
  setView(lng = 138.727424, 
          lat = 35.362465, 
          zoom = 11)

leaflet() %>%
  addTiles() %>%
  fitBounds(lng1 = 2.171,
            lat1 = 41.32,
            lng2 = 2.179,
            lat2 = 41.48) 

Seleccionar un tipus de mapa

Per tipus de mapa entenem el mapa base sobre el qual operem. Hi ha varis proveïdors que ens poden proporcionar aquest mapa base. En aquest enllaç teniu vàries desenes de mapes per escollir. Amb leaflet podem conformar-nos amb el mapa que tenim per defecte o bé seleccionar-ne un altre mitjançant la funció addProviderTiles(), que posarem en el codi en substitució de addTiles(). Els tipus de mapes estan emmmagatzemats a l’objecte providers, que podem consultar si teclegem names(providers).

Proveu d’executar els dos següents codis. Veureu que hem demanat la visualitazió d’una muntanya i d’una ciutat.

#Fuji
leaflet() %>% 
  addProviderTiles(providers$Esri.NatGeoWorldMap) %>%
    setView(lng = 138.727424, 
          lat = 35.362465, 
          zoom = 10)
#Tokyo
leaflet() %>% 
  addProviderTiles(providers$Stamen.Toner) %>%
    setView(lng = 139.753930, 
          lat = 35.682170, 
          zoom = 13)

Un resum del que hem vist fins ara el trobem en el següent vídeo:

Introduir dades al mapa

Per introduir dades al mapa utilitzarem la base de dades de Correlates of War Militarized Interstate Dispute Locations (v2.1) (Braithwaite 2010; Bezerra and Braithwaite 2019). A la seva pàgina web hi ha un arxiu zip que emmagatzema dos datasets:

• MIDLOC-A v2.1: Conté informació de disputes militars produïdes entre 1816 i 2010. La unitat d’anàlisi és l’inici de la disputa militar. Per tant, la geolocalització mostra el lloc de l’inici de la disputa, encara que després s’hagin pogut produir incidents en altres llocs.
  
• MIDLOC-I v2.1: Conté informació de disputes militars produïdes entre 1993 i 2010. La unitat d’anàlisi és l’incident de la disputa militar. Per tant, la geolocalització mostra el lloc de cada incident. Una disputa militar pot tenir varis incidents, entre ells l’incident que va iniciar la disputa.

Si apliqueu el codi següent descarregarem l’arxiu MIDLOC_2.1.zip al directori de treball, el descomprimirem i llegirem l’arxiu MIDLOCA_2.1.csv, que convertirem en l’objecte d’R mida. Les 20 primeres observacions es mostren a la Taula 1.

download.file("https://correlatesofwar.org/data-sets/MIDLOC/midloc_2-1.zip/@@download/file/MIDLOC_2.1.zip", "loc.zip")
unzip("loc.zip")
mida <- read_csv("MIDLOCA_2.1.csv")
head(mida, 20)

Com veieu en el següent codi, incorporar un marc de dades amb leaflet és molt senzill: només cal començar el codi amb el nom del marc de dades seguit de la pipe %>% i a continuació introduir el codi que ja hem treballat prèviament.

• Per afegir els punts al mapa utilitzarem la funció addCircleMarkers(), que requereix dos arguments: la longitud lng i la latitud lat. Aquí haurem d’especificar el nom de les variables on es troben les coordenades del marc de dades que volem representar (l’objecte mida, en el nostre cas).
• El mapa quedarà automàticament enquadrat per mostrar totes les dades. Si volem una vista més específica, haurem d’introduir les funcions setView() o fitBounds() com ja hem vist anteriorment.

mida %>%
  leaflet() %>%
  addTiles() %>%
  addCircleMarkers(lng = ~??????????, 
                   lat = ~??????????)

pal_num <- colorNumeric(palette = "viridis", #la paleta, podeu canviar-la per "Blues", "OrRd", etc.
                        domain = mida$year, #indiquem que els colors s'han d'adaptar als valors de la variable year
                        reverse = TRUE) #canvieu a FALSE per posar els colors de la paleta en ordre invers

mida %>%
  filter(str_detect(midloc2_location, "United States")) %>% #Busquem el nom d'un país a la variable midloc2_location
  leaflet() %>%
  addTiles() %>%
  addCircleMarkers(lng = ~midloc2_xlongitude, lat = ~midloc2_ylatitude,
             color = ~pal_num(year), #el color del punt representarà la variable year
             popup = ~midloc2_location, #amb aquest argument especifiquem que clicant al punt ens aparegui un popup amb la informació de la localització emmagatzemada a midloc2_location
             label = ~year) %>% #quan el punter passi per sobre del punt apareixerà l'any
  addLegend(pal = pal_num, #paleta de colors
            values = c(min(mida$year):max(mida$year)), #valor mínim i màxim
            position = "bottomleft", #posició de la llegenda
            title = "Any", #títol
            opacity = 0.8) #transparència de la llegenda

mida_year <- mida %>%
  filter(str_detect(midloc2_location, "Germany")) %>% #Busquem el nom d'un país a la variable midloc2_location
  mutate(year_lim = if_else(year > 1919, "Després de 1919", "Abans de 1919")) #creem una variable categòrica

pal_fact1 <- colorFactor(palette = "Accent", domain = mida_year$year_lim)
pal_fact2 <- colorFactor(palette = c("red", "blue"), domain = mida_year$year_lim) #també podem posar els noms dels dos colors

mida_year %>%
  leaflet() %>%
  addTiles() %>%
  addCircleMarkers(lng = ~midloc2_xlongitude, lat = ~midloc2_ylatitude, 
             popup = ~midloc2_location, 
             color = ~pal_fact1(year_lim), #podem canviar la paleta per pal_fact2 
             label = ~year) %>%
  addLegend(position = "bottomright", pal = pal_fact1, #podem canviar la paleta per pal_fact2
            values = c("Després de 1919", "Abans de 1919"), #les etiquetes han de coincidir amb les que hem definit prèviament
            opacity = 0.6)

filter(mida, year < 1919, str_detect(midloc2_location, "Germany")) %>%
   head(20)

Exercici final

Quan hem examinat la base de dades Militarized Interstate Dispute Locations (v2.1) hem pogut comprovar que conté pocs detalls sobre cada conflicte. Els detalls estan emmagatzemats en altres bases de dades de Correlates of War, en especial la Militarized Interstate Disputes (v4.3) (Palmer et al. 2020), que conté informació detallada sobre cada disputa militar.

• Descarreguem l’arxiu MID (v4.3) i descomprimim el zip.

download.file("https://correlatesofwar.org/data-sets/MIDs/incident_level_4-3-1.zip/@@download/file/Incident_Level_4.3.zip#", "Incident.zip")
unzip("Incident.zip")

• Recordeu que anterioment havíem descarregat un arxiu zip contenia dos arxius CSV amb dades de geolocalització: MIDLOCA_2.1.csv i MIDLOCI_2.1.csv. Fins ara hem treballat amb el primer, que tenia com a unitat d’anàlisi l’inici de la disputa militar. Ara treballarem amb el segon marc de dades, que té com a unitat d’anàlisi cada incident de la disputa militar.
• En el següent codi hem convertit l’arxiu MIDLOCI_2.1.csv en el marc de dades midiloc.
• Després hem convertit l’arxiu MIDI 4.3.csv en el marc de dades midi.
• Finalment, hem pogut ajuntar els dos marcs de dades en un de nou que anomenem midi_join i visualitzem a la Taula 2.

midiloc <- read_csv("MIDLOCI_2.1.csv")
midi <- read_csv("MIDI 4.3.csv")
midi_join <- midi %>%
  left_join(midiloc, by = c("incidnum3" = "incidnum"))

Amb les dades dels dos marcs de dades tenim molta més informació sobre els conflictes que podem desplegar en un mapa. Per exemple, en el següent mapa hem visualitzat la variable hostlev. Malauradament, no sabem el significat dels seus valors ja que estan codificats en numèric.

midi_join$hostlev <- fct_recode(as.factor(midi_join$hostlev), #(1) busca els noms de hostlev
                                "?????????????" = "1", 
                                "?????????????" = "2",
                                "?????????????" = "3", 
                                "?????????????" = "4", 
                                "?????????????" = "5")

pal_midi <- colorFactor(palette = "????", #(2) selecciona paleta
                        domain = midi_join$hostlev, 
                        reverse = FALSE) #(2)tria l'ordre dels colors reverse TRUE o FALSE

midi_join %>%
  filter(dispnum3 == ????) %>% #(3) afegeix el codi de la disputa
  leaflet() %>%
  addProviderTiles(providers$?????????????) %>% #(4) selecciona el mapa
  addCircleMarkers(lng = ~midloc2_xlongitude, 
                   lat = ~midloc2_ylatitude,
                   radius = 6, #(5)estableix la mida dels punts
                   fill = TRUE, #(5)un punt TRUE, una rodona FALSE
                   popup = ~paste0("<b> Any d'inici: </b>", midi_join$styear, "<br>",
                                   "<b> Nivell d'hostilitats: </b>", midi_join$hostlev),
                   color = ~pal_midi(hostlev),
                   label = ~midloc2_location) %>%
  addLegend(title = "??????????????", #(6)posa un títol curt a la llegenda
            position = "????????????", #(6)selecciona la posició de la llegenda
            pal = pal_midi, 
            values = levels(midi_join$hostlev),
            opacity = 0.9) #(6)escull l'opacitat de la llegenda

Si voleu veure exemples de mapes molt semblants als que acabeu de crear:

• Locating Blood Banks in India
• Crime Watch