Instanciando polígono espacial sem usar um shapefile em R

Portanto, a maneira usual de ler um shapefile no R é através do pacote maptools, assim:

sfdata <- readShapeSpatial("/path/to/my/shapefile.shp", proj4string=CRS("+proj=longlat"))

No entanto, tenho um caso de uso em que não tenho um shapefile.shp, mas tenho uma série de coordenadas poligonais

16.484375 59.736328125,17.4951171875 55.1220703125,24.74609375 55.0341796875,22.5927734375 61.142578125,16.484375 59.736328125

e sua projeção correspondente

coord. ref. : +proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0 

Como instanciar sfdata (que será um "objeto de polígono") diretamente desses dados? (sem seguir uma maneira indireta de criar um shapefile com esses dados e depois ler o shapefile recém-criado)

Primeiro, obtenha as coordenadas em uma matriz de 2 colunas:

> xym
         [,1]     [,2]
[1,] 16.48438 59.73633
[2,] 17.49512 55.12207
[3,] 24.74609 55.03418
[4,] 22.59277 61.14258
[5,] 16.48438 59.73633

Em seguida, crie um polígono, envolva-o em um objeto Polígonos e, em seguida, em um objeto SpatialPolygons:

> library(sp)
> p = Polygon(xym)
> ps = Polygons(list(p),1)
> sps = SpatialPolygons(list(ps))

A razão para esse nível de complexidade é que um polígono é um anel simples, um objeto de polígonos pode ter vários anéis com um ID (aqui definido como 1) (é como um único recurso em um GIS) e um SpatialPolygons pode ter um CRS . Ooh, eu provavelmente deveria configurá-lo:

> proj4string(sps) = CRS("+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0")

Se você deseja transformá-lo em um SpatialPolygonsDataFrame (que é o que vem de readShapeSpatial quando o shapefile é polígono), faça:

> data = data.frame(f=99.9)
> spdf = SpatialPolygonsDataFrame(sps,data)
> spdf

dando isso:

> summary(spdf)
Object of class SpatialPolygonsDataFrame
Coordinates:
       min      max
x 16.48438 24.74609
y 55.03418 61.14258
Is projected: FALSE 
proj4string :
[+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0]
Data attributes:
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   99.9    99.9    99.9    99.9    99.9    99.9 

Para concluir a excelente resposta de Spacedman para o caso em que seus dados conteriam vários polígonos, aqui está um código usando dplyr:

library(dplyr)
library(ggplot2)
library(sp)
## use data from ggplot2:::geom_polygon example:
positions <- data.frame(id = rep(factor(c("1.1", "2.1", "1.2", "2.2", "1.3", "2.3")), each = 4),
                    x = c(2, 1, 1.1, 2.2, 1, 0, 0.3, 1.1, 2.2, 1.1, 1.2, 2.5, 1.1, 0.3,
                          0.5, 1.2, 2.5, 1.2, 1.3, 2.7, 1.2, 0.5, 0.6, 1.3),
                    y = c(-0.5, 0, 1, 0.5, 0, 0.5, 1.5, 1, 0.5, 1, 2.1, 1.7, 1, 1.5,
                          2.2, 2.1, 1.7, 2.1, 3.2, 2.8, 2.1, 2.2, 3.3, 3.2)) %>% as.tbl


df_to_spp <- positions %>%
  group_by(id) %>%
  do(poly=select(., x, y) %>%Polygon()) %>%
  rowwise() %>%
  do(polys=Polygons(list(.$poly),.$id)) %>%
  {SpatialPolygons(.$polys)}

## plot it
plot(df_to_spp)

Apenas por diversão, você pode comparar com o gráfico obtido com o ggplot2uso do quadro de dados inicial:

ggplot(positions) + 
  geom_polygon(aes(x=x, y=y, group=id), colour="black", fill=NA)

Observe que o código acima pressupõe que você tenha apenas um polognio por ID. Se alguns IDs tiverem polígonos separados, acho que se deve adicionar outra coluna no conjunto de dados, primeiro group_byo sub-ID e, em seguida, use em group_by(upper-id)vez derowwise

O mesmo código usando a purrr::mapfunção:

df_to_spp <- positions %>%
  nest(-id) %>%
  mutate(Poly=purrr::map(data, ~select(., x, y)  %>% Polygon()),
         polys=map2(Poly, id, ~Polygons(list(.x),.y))) %>%
  {SpatialPolygons(.$polys)}