Sistemas de referência de coordenadas e projeções
Faça transformações entre CRS corretamente usando st_crs() e st_transform().
Sistemas de referência de coordenadas e projeções é uma aula grátis de R Academy no CoddyKit. Esta é a aula 2 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de R Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de R Academy inclui 4 aulas no total.
Por que o CRS é importante
Um Sistema de Referência de Coordenadas (CRS) informa ao R o que significam os números da sua coluna de geometria — graus de latitude/longitude, metros em uma grade projetada ou outra coisa. Misturar dados em CRS diferentes sem reprojetá-los faz com que junções espaciais falhem silenciosamente e que os cálculos de distância estejam incorretos.
library(sf)
# Two sf objects in the same CRS: operations work
nc <- read_sf(system.file('shape/nc.shp', package = 'sf'))
# sf will error or warn when CRS do not match during operations
# This is the CRS metadata attached to the object
crs <- st_crs(nc)
cat('EPSG:', crs$epsg, '\n')
cat('Input is geographic (lon/lat)?', st_is_longlat(nc), '\n')
cat('Units:', crs$units_gdal, '\n')st_crs: Lendo informações do CRS
st_crs(sf_obj) retorna um objeto crs com o código EPSG, a string WKT, a string Proj4 e informações sobre as unidades. Você também pode passar diretamente um código EPSG inteiro para recuperar a definição do CRS.
library(sf)
nc <- read_sf(system.file('shape/nc.shp', package = 'sf'))
# Inspect the CRS object
crs <- st_crs(nc)
cat('Class:', class(crs), '\n')
cat('EPSG:', crs$epsg, '\n')
cat('Proj4:', substr(crs$proj4string, 1, 60), '...\n')
# Lookup a CRS by EPSG code
wgs84 <- st_crs(4326)
web_mercator <- st_crs(3857)
cat('\nWGS84 name:', wgs84$Name, '\n')
cat('Web Mercator name:', web_mercator$Name, '\n')EPSG:4326 — WGS84
EPSG:4326 é o Sistema Geodésico Mundial de 1984 — o padrão para coordenadas GPS. As coordenadas estão em graus decimais: a longitude (X) varia de −180 a 180, e a latitude (Y), de −90 a 90. É um CRS geográfico, não projetado.
library(sf)
# Create points in WGS84 (GPS coordinates)
cities <- data.frame(
city = c('London', 'Tokyo', 'Sydney', 'New York'),
lon = c(-0.118, 139.692, 151.209, -74.006),
lat = c(51.509, 35.689, -33.869, 40.713)
)
cities_sf <- st_as_sf(cities,
coords = c('lon', 'lat'),
crs = 4326
)
cat('CRS:', st_crs(cities_sf)$Name, '\n')
cat('Units:', st_crs(cities_sf)$units_gdal, '\n')
# Naive distance in degrees (not meaningful for real distances)
d <- st_distance(cities_sf[1, ], cities_sf[2, ])
cat('London-Tokyo distance (degrees):', round(as.numeric(d), 2), '\n')EPSG:3857 — Web Mercator
EPSG:3857 é a projeção Web Mercator usada pelo Google Maps, OpenStreetMap e Leaflet. As coordenadas estão em metros, centralizadas no meridiano de Greenwich e no equador. Ela distorce as áreas próximas aos polos, mas é adequada para visualização na web.
library(sf)
cities <- data.frame(
city = c('London', 'Tokyo'),
lon = c(-0.118, 139.692),
lat = c(51.509, 35.689)
)
cities_sf <- st_as_sf(cities, coords = c('lon', 'lat'), crs = 4326)
# Transform to Web Mercator
cities_merc <- st_transform(cities_sf, 3857)
cat('WGS84 coords (degrees):\n')
print(st_coordinates(cities_sf))
cat('\nWeb Mercator coords (metres):\n')
print(st_coordinates(cities_merc))
# Distance is now in metres
d <- st_distance(cities_merc[1, ], cities_merc[2, ])
cat('\nLondon-Tokyo distance (km):', round(as.numeric(d) / 1000, 0), '\n')st_set_crs: Atribuindo um CRS
st_set_crs(sf_obj, crs) atribui um CRS sem transformar as coordenadas. Use-a somente quando os metadados do CRS estiverem ausentes ou incorretos. Se quiser reprojetar as coordenadas para um novo CRS, use st_transform() em vez disso.
library(sf)
# Create geometry with NO CRS
pts <- st_sfc(
st_point(c(-74.006, 40.713)),
st_point(c(-87.629, 41.878))
)
cat('CRS before:', is.na(st_crs(pts)), '(NA = no CRS)\n')
# Assign WGS84 (no coordinate transformation)
pts_wgs84 <- st_set_crs(pts, 4326)
cat('CRS after assignment:', st_crs(pts_wgs84)$epsg, '\n')
# Compare with st_transform (DOES transform coordinates)
pts_sf <- st_sf(id = 1:2, geometry = pts_wgs84)
pts_merc <- st_transform(pts_sf, 3857)
cat('Original lon:', st_coordinates(pts_sf)[1, 'X'], '\n')
cat('Mercator X: ', st_coordinates(pts_merc)[1, 'X'], '\n')st_transform: Reprojetando
st_transform(sf_obj, crs) reprojeta todas as geometrias do CRS atual para o CRS de destino, aplicando a transformação geodésica completa. O argumento crs aceita um número inteiro EPSG, uma string Proj4 ou uma string WKT.
library(sf)
nc <- read_sf(system.file('shape/nc.shp', package = 'sf'))
cat('Original CRS:', st_crs(nc)$epsg, '\n')
# Re-project to WGS84
nc_wgs84 <- st_transform(nc, 4326)
cat('Transformed CRS:', st_crs(nc_wgs84)$epsg, '\n')
# Re-project to a local projected CRS (NC State Plane)
nc_stateplane <- st_transform(nc, 32119) # NAD83 / North Carolina
cat('State Plane CRS:', st_crs(nc_stateplane)$Name, '\n')
# Area calculation is more accurate in a projected CRS
area_deg <- st_area(nc[1, ])
area_m2 <- st_area(nc_stateplane[1, ])
cat('Area (degrees^2):', format(area_deg, big.mark = ','), '\n')
cat('Area (m^2): ', format(area_m2, big.mark = ','), '\n')Escolhendo a projeção correta
Diferentes projeções otimizam propriedades diferentes: áreas equivalentes (por exemplo, Mollweide), conformidade (Mercator) ou equidistância. Para análises locais, use um CRS projetado em metros; para visões gerais globais, WGS84 funciona; para mapas na web, use Web Mercator.
library(sf)
# Common EPSG codes cheat sheet
epsg_table <- data.frame(
EPSG = c(4326, 3857, 4269, 32637, 27700),
Name = c(
'WGS84 (GPS, global)',
'Web Mercator (web maps)',
'NAD83 (North America geographic)',
'UTM zone 37N (Middle East)',
'British National Grid (UK)'
),
Units = c('degrees', 'metres', 'degrees', 'metres', 'metres')
)
print(epsg_table, row.names = FALSE)
# Look up any EPSG online: https://epsg.io/<code>
cat('\nTip: use st_crs(epsg_code)$Name to verify a code\n')Strings Proj4
Antes de os códigos EPSG se tornarem padrão, os CRS eram definidos por strings Proj4 — strings compactas de parâmetros passadas à biblioteca PROJ. Você ainda pode usá-las com st_transform(), mas os códigos EPSG são preferíveis por oferecerem mais clareza e compatibilidade futura.
library(sf)
nc <- read_sf(system.file('shape/nc.shp', package = 'sf'))
# WGS84 as Proj4 string
wgs84_proj4 <- '+proj=longlat +datum=WGS84 +no_defs'
nc_wgs84 <- st_transform(nc, crs = wgs84_proj4)
cat('Using Proj4 string:\n', wgs84_proj4, '\n')
cat('Result CRS EPSG:', st_crs(nc_wgs84)$epsg, '\n')
# Compare: equivalent to st_transform(nc, 4326)
cat('Same as EPSG 4326?',
identical(st_crs(nc_wgs84), st_crs(st_transform(nc, 4326))), '\n')Verificando a igualdade dos CRS
Antes de qualquer junção espacial ou operação de sobreposição, verifique se ambos os objetos compartilham o mesmo CRS usando st_crs(a) == st_crs(b). Se forem diferentes, transforme um deles para corresponder ao outro antes de prosseguir.
library(sf)
# Two objects in different CRS
nc_nad27 <- read_sf(system.file('shape/nc.shp', package = 'sf'))
nc_wgs84 <- st_transform(nc_nad27, 4326)
cat('Same CRS?', st_crs(nc_nad27) == st_crs(nc_wgs84), '\n')
# Always check before join/overlay
align_crs <- function(a, b) {
if (st_crs(a) != st_crs(b)) {
message('CRS mismatch! Transforming b to match a.')
b <- st_transform(b, st_crs(a))
}
list(a = a, b = b)
}
aligned <- align_crs(nc_nad27, nc_wgs84)
cat('After alignment - same CRS?',
st_crs(aligned$a) == st_crs(aligned$b), '\n')Calculando distâncias com CRS
Distâncias calculadas em um CRS geográfico (graus) não têm significado. Reprojete primeiro para um CRS projetado equidistante ou de áreas equivalentes, ou use o cálculo de distância geodésica integrado ao sf, que lida corretamente com WGS84 por meio da biblioteca PROJ.
library(sf)
# City points in WGS84
cities <- data.frame(
city = c('Paris', 'Berlin', 'Madrid', 'Rome'),
lon = c(2.350, 13.404, -3.702, 12.496),
lat = c(48.865, 52.520, 40.417, 41.902)
)
cities_sf <- st_as_sf(cities, coords = c('lon', 'lat'), crs = 4326)
# sf computes geodesic distances on WGS84 automatically
dist_matrix <- st_distance(cities_sf)
rownames(dist_matrix) <- cities$city
colnames(dist_matrix) <- cities$city
# Convert to km
dist_km <- round(as.numeric(dist_matrix) / 1000)
mat_km <- matrix(dist_km, 4, 4, dimnames = list(cities$city, cities$city))
print(mat_km)Um fluxo de trabalho completo com CRS
Eis um fluxo de trabalho completo: carregue dados GPS brutos, atribua WGS84, reprojete para um CRS métrico local para cálculos precisos de área e distância, execute a análise e reprojete novamente para WGS84 para gerar a saída destinada ao mapeamento na web.
library(sf)
# Load and assign CRS
nc <- read_sf(system.file('shape/nc.shp', package = 'sf'))
nc_wgs84 <- st_transform(nc, 4326)
# Re-project to NC State Plane (metres) for accurate areas
nc_proj <- st_transform(nc, 32119)
# Compute area per county in km2
nc_proj$area_km2 <- as.numeric(st_area(nc_proj)) / 1e6
# Top 5 largest counties
top5 <- nc_proj[order(-nc_proj$area_km2), c('NAME', 'area_km2')]
cat('5 Largest NC Counties (km2):\n')
print(head(as.data.frame(top5)[, c('NAME', 'area_km2')], 5))
# Back to WGS84 for output
nc_output <- st_transform(nc_proj, 4326)
cat('\nOutput CRS:', st_crs(nc_output)$epsg, '\n')Verificação rápida
Você precisa calcular áreas precisas (em metros quadrados) para feições poligonais atualmente em WGS84 (EPSG:4326). O que deve fazer?
Recapitulação: CRS e projeções
Principais conclusões:
st_crs(sf_obj)lê os metadados do CRS; os códigos EPSG são a forma preferida de especificar CRS- EPSG:4326 = WGS84 (graus, para GPS); EPSG:3857 = Web Mercator (metros, para mapas na web)
st_set_crs()atribui um CRS sem transformar;st_transform()reprojeta as coordenadas- Verifique sempre a igualdade dos CRS com
st_crs(a) == st_crs(b)antes das operações espaciais - Para obter distâncias e áreas precisas, reprojete primeiro para um CRS projetado métrico
- As strings Proj4 ainda funcionam, mas os códigos EPSG são mais claros e legíveis
library(sf)
nc <- read_sf(system.file('shape/nc.shp', package = 'sf'))
# CRS pipeline
cat('Original:', st_crs(nc)$epsg, '\n')
nc_wgs84 <- st_transform(nc, 4326)
nc_proj <- st_transform(nc_wgs84, 32119)
cat('WGS84:', st_crs(nc_wgs84)$epsg, '\n')
cat('Projected:', st_crs(nc_proj)$epsg, '\n')Perguntas Frequentes
A aula “Sistemas de referência de coordenadas e projeções” é grátis?
Sim — o texto completo de “Sistemas de referência de coordenadas e projeções” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de R Academy, atualize para CoddyKit PRO. O curso de R Academy inclui 4 aulas no total.
O que vou aprender em “Sistemas de referência de coordenadas e projeções”?
Faça transformações entre CRS corretamente usando st_crs() e st_transform(). Você pratica R Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar R Academy?
Nenhuma experiência prévia é necessária. R Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 2 de 4.
Quanto tempo leva a aula “Sistemas de referência de coordenadas e projeções”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de R Academy?
Sim. Cada aula de R Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Elementos simples com o pacote sf
- Sistemas de referência de coordenadas e projeções
- Junções e operações espaciais
- Mapas interativos com leaflet