## ----setup, include = FALSE---------------------------------------------------
knitr::opts_chunk$set(
  collapse = TRUE,
  comment = "#>",
  eval = FALSE        # os exemplos leem o MapBiomas pela rede; nao sao executados aqui
)

## ----load---------------------------------------------------------------------
# library(mappingAS)

## ----import-------------------------------------------------------------------
# # arquivo de exemplo que acompanha o pacote
# ex <- system.file("extdata", "example_occurrences.csv", package = "mappingAS")
# occ <- read_occurrences(ex)
# 
# # se a deteccao falhar, informe as colunas manualmente:

## ----eval=FALSE---------------------------------------------------------------
# occ <- read_occurrences("meus_dados.csv",
#                         species_col = "especie",
#                         lon_col = "longitude",
#                         lat_col = "latitude")

## ----assess-------------------------------------------------------------------
# res <- assess_species(
#   occ,
#   year = 2024,          # ano do MapBiomas para o "retrato" de cobertura
#   collection = 10,      # coleção do MapBiomas
#   backend = "local"     # "local" (sem conta GEE) ou "gee"
# )
# 
# res            # impressão resumida
# res$summary    # uma linha por espécie

## ----viz----------------------------------------------------------------------
# map_species(res)            # leaflet: pontos + EOO + AOO
# plot_conversion(res)        # barras: natural / alterado / agua / outros

## ----classes------------------------------------------------------------------
# ct <- class_table(res)
# head(ct)
# # species | range(EOO/AOO) | code | class_pt | class_en | group | area_km2 | pct

## ----timeseries---------------------------------------------------------------
# # a cada 5 anos (padrao), dentro do EOO da primeira especie
# ts <- timeseries_for_species(res, range = "eoo", by = "class", years = c(2022, 2024))
# plot_timeseries(ts)         # grafico de area empilhada, cores oficiais MapBiomas
# 
# # anual (mais lento) e por grupo:
# ts_anual <- timeseries_for_species(res, range = "eoo",
#                                    years = c(2022, 2024), by = "group")
# 
# # ou sobre uma geometria qualquer:
# # ts2 <- cover_timeseries(minha_geometria,
# #                         years = c(1990, 2000, 2010, 2020),
# #                         by = "class", backend = "local")

## ----export-------------------------------------------------------------------
# # duas shapefiles (EOO e AOO) + CSV com todas as classes, na pasta "saida"
# export_ranges(res, dir = "saida")
# 
# # um GeoPackage com as camadas eoo e aoo
# export_ranges(res, dir = "saida", format = "gpkg")
# 
# # tudo num unico .zip (bom para enviar)
# export_ranges(res, dir = "saida", zip = TRUE)

## ----app, eval=FALSE----------------------------------------------------------
# run_app()

## ----gee, eval=FALSE----------------------------------------------------------
# install.packages("rgee")
# rgee::ee_install()
# rgee::ee_Initialize()
# res <- assess_species(occ, backend = "gee")