Transição na geração de energia elétrica
Números e geografia da opção brasileira pela energia renovável
2025-08-15
knitr::opts_chunk$set(echo = TRUE, message = FALSE, warning = FALSE)
library(tidyverse)## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --## v ggplot2 3.4.4 v purrr 0.3.4
## v tibble 3.2.0 v dplyr 1.1.0
## v tidyr 1.1.3 v stringr 1.4.0
## v readr 2.1.2 v forcats 0.5.1## Warning: package 'tibble' was built under R version 4.1.3## Warning: package 'readr' was built under R version 4.1.2## Warning: package 'dplyr' was built under R version 4.1.3## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()library(colorspace)
library(sp)
library(sf)## Linking to GEOS 3.10.2, GDAL 3.4.1, PROJ 7.2.1; sf_use_s2() is TRUElibrary(spData)## To access larger datasets in this package, install the spDataLarge
## package with: `install.packages('spDataLarge',
## repos='https://nowosad.github.io/drat/', type='source')`library(patchwork)## Warning: package 'patchwork' was built under R version 4.1.2library(forecast)## Warning: package 'forecast' was built under R version 4.1.2## Registered S3 method overwritten by 'quantmod':
## method from
## as.zoo.data.frame zoo#siga_empreendimentos_geracao <- readRDS("siga_empreendimentos_geracao.rds")
#siga_empreendimentos_geracao <- read_csv("siga_empreendimentos_geracao.csv")
endereco_aneel<- "https://dadosabertos.aneel.gov.br/dataset/6d90b77c-c5f5-4d81-bdec-7bc619494bb9/resource/2f65a1b0-19b8-4360-8238-b34ab4693d55/download/siga-empreendimentos-geracao-diario.csv"
siga_empreendimentos_geracao<-
read_delim(endereco_aneel,
delim = ";",
escape_double = FALSE,
locale = locale(decimal_mark = ",",
grouping_mark = ".",
encoding = "latin1"),
trim_ws = TRUE) %>%
janitor::clean_names()
#saveRDS(siga_empreendimentos_geracao,"siga_empreendimentos_geracao.rds")
#dados_grafico_ember <- readRDS("dados_grafico_ember.rds")
dados_grafico_ember <- read_csv("dados_grafico_ember.csv")
data("world")
mapa_brasil<- geobr::read_country(showProgress = FALSE)
sedes<- geobr::read_municipal_seat(showProgress = FALSE)
estados<- geobr::read_state(showProgress = FALSE, simplified = FALSE)
biomas<-
geobr::read_biomes(simplified = FALSE, showProgress = FALSE) %>%
filter(name_biome!= "Sistema Costeiro")
# ide_nucleo_ceg <-
# (siga_empreendimentos_geracao %>%
# filter(num_coord_e_empreendimento == 0) %>%
# select(ide_nucleo_ceg))$ide_nucleo_ceg
#
#
# Munic_pios_com_C_digo_IBGE <- read_csv("Munic_pios_com_C_digo_IBGE.csv")
#
# Munic_pios_com_C_digo_IBGE$ide_nucleo_ceg <- ide_nucleo_ceg
# usinas_coordenadas_ajustadas<-
# siga_empreendimentos_geracao %>%
# inner_join(
# Munic_pios_com_C_digo_IBGE %>%
# rename(code_muni = codigo_ibge) %>%
# select(code_muni, ide_nucleo_ceg)
# ) %>%
# inner_join(
# sedes %>%
# rename(geometry = geom)
# ) %>%
# select(dsc_fase_usina, dsc_origem_combustivel, mda_potencia_outorgada_kw, mda_potencia_outorgada_kw,geometry)
#
# usinas_coordenadas_ajustadas$geometry <- st_transform(usinas_coordenadas_ajustadas$geometry,crs = 4326)
coords_usinas<-
siga_empreendimentos_geracao %>%
st_as_sf(coords = c("num_coord_e_empreendimento" , "num_coord_n_empreendimento"),
crs = 4326) %>%
select(dsc_fase_usina, dsc_origem_combustivel, mda_potencia_outorgada_kw, mda_potencia_outorgada_kw,geometry) #%>%
#bind_rows(usinas_coordenadas_ajustadas)
gera_dados_mapa<- function(){
coords_usinas %>%
filter(dsc_origem_combustivel != "Nuclear") %>%
mutate(fase = case_when(
dsc_fase_usina == "Operação" ~ "Em operação",
dsc_fase_usina != "Operação" ~ "Em desenvolvimento"
)) %>%
mutate(fase = factor(fase, levels = c("Em operação", "Em desenvolvimento"))) %>%
mutate(tipo_renovavel= case_when(
dsc_origem_combustivel == "Fóssil" ~ "Não renovável",
dsc_origem_combustivel != "Fóssil" ~ "Renovável",
))
}
gera_dados_mapa_estados<- function(){
estados %>%
inner_join(
siga_empreendimentos_geracao %>%
filter(dsc_origem_combustivel != "Nuclear") %>%
mutate(fase = case_when(
dsc_fase_usina == "Operação" ~ "Em operação",
dsc_fase_usina != "Operação" ~ "Em desenvolvimento"
)) %>%
mutate(fase = factor(fase, levels = c("Em operação", "Em desenvolvimento"))) %>%
summarise(total = sum(mda_potencia_outorgada_kw),
.by = c(sig_uf_principal, dsc_origem_combustivel, fase )) %>%
rename(abbrev_state = sig_uf_principal)
)
}
gera_dados_grafico<- function(){
siga_empreendimentos_geracao %>%
filter(dsc_origem_combustivel != "Nuclear") %>%
mutate(fase = case_when(
dsc_fase_usina == "Operação" ~ "Em operação",
dsc_fase_usina != "Operação" ~ "Em desenvolvimento"
)) %>%
mutate(fase = factor(fase, levels = c("Em operação", "Em desenvolvimento"))) %>%
mutate(tipo_renovavel= case_when(
dsc_origem_combustivel == "Fóssil" ~ "Não renovável",
dsc_origem_combustivel != "Fóssil" ~ "Renovável",
)) %>%
summarise(quantidade = n(),
total_outorgado = sum(mda_potencia_outorgada_kw),
.by = c(fase,tipo_renovavel, dsc_origem_combustivel))
}
forca_tendencia <- function(serie){
tendencia<-
serie$data %>%
filter(parts=="trend")
remanescente<-
serie$data %>%
filter(parts=="remainder")
tend_rem<-
bind_rows(tendencia, remanescente)
proporcao_variancias<-
var(remanescente$y)/var(tend_rem$y)
max(0, 1- proporcao_variancias )
}
forca_sazonalidade <- function(serie){
sazonalidade<-
serie$data %>%
filter(parts=="seasonal")
remanescente<-
serie$data %>%
filter(parts=="remainder")
sazon_rem<-
bind_rows(sazonalidade, remanescente)
proporcao_variancias<-
var(remanescente$y)/var(sazon_rem$y)
max(0, 1- proporcao_variancias )
}
decompoe_serie_pais<- function(area_nome){
dados_ts <-
(dados_grafico_ember %>%
filter(area == area_nome) %>%
select(value))$value
ts(dados_ts, frequency = 12)%>%
stl(t.window=12, s.window="periodic", robust=TRUE) %>%
autoplot()
}
data_geracao_dados<- format( siga_empreendimentos_geracao$dat_geracao_conjunto_dados[1], format = "%d/%m/%Y")
areas <-unique(dados_grafico_ember$area)
cor_fundo<- "#D0D0D0"# "#F8F8F8"
cor_fundo_painel<- "#F5F5F5"
cor_fundo_estados<- "#696969"
cor_fundo_mapa_pontos <- "#2B2B2B" #"#505050"
cor_texto<- "#324e5a"
cores_tipo_combustivel<- c("#999999","#009E73" )
cores_combustivel<- c("#D55E00", "#4BB5C1","#999999","#0072B2","#F0E442") #
cores_biomas<- c("#88902b","#ffd795","#f9e994","#b5ce94","#fef9d1", "#cbb3c3" )Brasil: tradição renovável, futuro de baixo impacto
O Brasil sempre esteve à frente na geração de energia a partir de fontes renováveis. Durante décadas, grandes hidrelétricas foram o pilar da matriz elétrica nacional, garantindo uma participação limpa muito acima da média mundial. Essa tradição é um ativo valioso na corrida global para conter as mudanças climáticas.
Desde meados da década passada, o país entrou em uma nova fase dessa história. Em 2025, apenas 10% das usinas em operação utilizam fontes não renováveis, e entre os projetos em desenvolvimento essa proporção cai para 0,5%. O protagonismo passa para as fontes solar e eólica, que já representam 80% das usinas instaladas e alcançam 95% dos empreendimentos em desenvolvimento. Traduzindo as quantidades de usinas em potência instalada, as a junção eólica e fotovoltaica representam cerca de 23% da capacidade instalada do país. E já é muito.
gera_dados_mapa() %>%
ggplot()+
geom_sf(data = world, fill= "lightgray" )+
geom_sf(data= mapa_brasil,
alpha=1,
fill= cor_fundo_mapa_pontos) +
geom_sf( aes(fill= dsc_origem_combustivel ),
pch=21,
alpha=1,
color= cor_fundo_mapa_pontos) +
scale_fill_manual(values = cores_combustivel) +
coord_sf(xlim = c(-31,-72), ylim=c(-35,5))+
theme_void() +
theme(
panel.background = element_rect(fill="#0077be"),
legend.position = "bottom",
legend.background = element_rect(fill= cor_fundo, color = cor_fundo),
plot.background = element_rect(fill =cor_fundo ),
plot.title = element_text(size = 14, face = "bold"),
plot.subtitle = element_text(size = 12, face = "italic"),
text = element_text(family = "Noto Sans", colour = cor_texto),
strip.text = element_text(size= 8, face ="bold")
) +
labs(
fill= "",
title = " Localização das usinas geradoras de energia elétrica",
caption = paste0("Fonte: ANEEL (", data_geracao_dados,"). Elaboração: Fernando Barbalho")
) +
facet_wrap(fase+tipo_renovavel~., ncol=2)
Mais dados confirmam que a transição não é apenas quantitativa, mas qualitativa. O número total de usinas crescerá 16%, enquanto a potência outorgada aumentará 76% — impulsionada por usinas solares muito mais robustas, com potência média de 44 MW nos projetos, contra apenas 1 MW nas atuais.
dados_grafico_fontes <- gera_dados_grafico()
#
graf_quantidade<-
dados_grafico_fontes %>%
ggplot(aes(y=dsc_origem_combustivel, x= quantidade)) +
geom_col(aes( fill= tipo_renovavel ), color ="black") +
geom_text(aes(x= quantidade,
y= dsc_origem_combustivel,
label= paste0(" ", format(quantidade, big.mark = ".") ) ,
color = tipo_renovavel),
show.legend = FALSE,
hjust =0,
fontface = "bold",
color = cor_texto)+
scale_fill_manual(values=cores_tipo_combustivel) +
scale_color_manual(values=cores_tipo_combustivel) +
scale_x_continuous(expand = expansion(mult = c(0.03, 0.17))) +
theme_light() +
theme(
panel.background = element_rect( fill= cor_fundo_painel),
panel.grid = element_blank(),
strip.background = element_blank(),
strip.text = element_text(face = "bold", colour = cor_texto),
legend.position = "bottom",
legend.title = element_blank(),
legend.background = element_rect(fill= cor_fundo),
axis.text.x = element_blank(),
plot.background = element_rect(fill =cor_fundo ),
plot.title = element_text(size = 14, face = "bold"),
plot.subtitle = element_text(size = 12, face = "italic"),
text = element_text(family = "Noto Sans", colour = cor_texto)
) +
labs(
title= "Quantidade de usinas",
fill="",
x="",
y=""
) +
facet_wrap(fase~.)
graf_outorgado<-
dados_grafico_fontes %>%
ggplot(aes(y=dsc_origem_combustivel, x= total_outorgado/10^6)) +
geom_col(aes( fill= tipo_renovavel ), color ="black") +
geom_text(aes(x= total_outorgado/10^6,
y= dsc_origem_combustivel,
label=paste0(" ", format(round(total_outorgado/10^6,0), big.mark = ".") ) ,
color = tipo_renovavel),
hjust =0,
show.legend = FALSE,
fontface = "bold",
color = cor_texto)+
scale_fill_manual(values=cores_tipo_combustivel) +
scale_color_manual(values=cores_tipo_combustivel) +
scale_x_continuous(expand = expansion(mult = c(0.03, 0.09))) +
theme_light() +
theme(
panel.background = element_rect( fill= cor_fundo_painel),
panel.grid = element_blank(),
strip.background = element_blank(),
strip.text = element_text(face = "bold", colour = cor_texto),
legend.position = "bottom",
legend.title = element_blank(),
legend.background = element_rect(fill= cor_fundo, color = cor_fundo),
axis.text.x = element_blank(),
plot.background = element_rect(fill =cor_fundo ),
plot.title = element_text(size = 14, face = "bold"),
plot.subtitle = element_text(size = 12, face = "italic"),
text = element_text(family = "Noto Sans", colour = cor_texto)
) +
labs(
title= "Potência outorgada (valores em GW)",
fill="",
caption = paste0("Fonte: ANEEL (", data_geracao_dados,"). Elaboração: Fernando Barbalho"),
x="",
y=""
) +
facet_wrap(fase~.)
graf_quantidade / graf_outorgado
A estratégia de transição brasileira tem aspectos de pioneirismo. Destaque ao programa PROINFA que atua no estímulo à nacionalização de empreendimentos da indústria de base de fontes alternativas. Um ponto importante das EOLs e UFVs ou da Transição em si é que as tecnologias propostas têm que ser de baixo custo e de replicação fácil. Ao migrar de grandes barragens para tecnologias mais distribuídas, o Brasil reduz impactos socioambientais e reforça sua contribuição para as metas climáticas.
O mapa da expansão solar
A expansão da energia solar redefine o mapa da geração no Brasil. Minas Gerais lidera com 35 GW em novos projetos solares, seguida por Bahia (24 GW), Piauí (21 GW) e Ceará (16 GW). Esses números refletem um avanço expressivo de estados com forte potencial para abrigar grandes empreendimentos fotovoltaicos, fortalecendo especialmente o Nordeste e parte do Sudeste como motores dessa nova etapa da transição energética.
A radiação solar, destaca-se como uma fonte renovável que oferece energia renovável, sem causar danos ao meio ambiente. O Sol desempenha um papel fundamental na evaporação da água, contribuindo para a formação de reservatórios de rios e permitindo a geração de energia em hidrelétricas. Além disso, a circulação atmosférica impulsionada pela radiação solar possibilita a captura de energia eólica em parques eólicos. Essa abordagem sustentável ressalta a importância da energia solar como um recurso fundamental para a produção de eletricidade, aproveitando os elementos naturais de maneira eficiente.
dados_sel<-
gera_dados_mapa_estados() %>%
filter(dsc_origem_combustivel == "Solar",
fase == "Em desenvolvimento",
abbrev_state %in% c("MG","BA","PI","CE"))
gera_dados_mapa_estados() %>%
filter(dsc_origem_combustivel == "Solar") %>%
mutate(total = total/10^6) %>%
ggplot() +
geom_sf(data = world, fill= "lightgray" )+
geom_sf(data = mapa_brasil,
fill= cor_fundo_estados )+
geom_sf( aes( fill= total )) +
scale_fill_continuous_sequential(palette = "Heat 2") +
theme_void() +
theme(
panel.background = element_rect(fill="#0077be"),
legend.position = "bottom",
legend.background = element_rect(fill= cor_fundo, color = cor_fundo),
legend.key.size = unit(4, "mm"),
legend.title = element_text(size =8, color = cor_texto),
legend.text = element_text(size =8, color = cor_texto),
plot.background = element_rect(fill =cor_fundo ),
plot.title = element_text(size = 14, face = "bold"),
plot.subtitle = element_text(size = 12, face = "italic"),
text = element_text(family = "Noto Sans", colour = cor_texto),
strip.text = element_text(size= 8, face ="bold")
) +
labs(
fill= "Potência em GW",
caption = paste0("Fonte: ANEEL (", data_geracao_dados,"). Elaboração: Fernando Barbalho") ,
title= " Potência total outorgada por estado",
subtitle = " Energia solar"
)+
coord_sf(xlim = c(-31,-72), ylim=c(-35,5)) +
facet_wrap(fase~., nrow = 1)
Se há avanços, há ainda pontos de preocupação. O Pará ilustra, de forma emblemática, os dilemas da mudança de paradigma. Lar das duas maiores hidrelétricas do país — Belo Monte (11 GW) e Tucuruí (8,5 GW) —, o estado não conta com novos projetos hídricos em desenvolvimento. Mais amplamente, a região Norte sitntetiza os desafios para as políticas públicas de geração e consumo de energia. Do lado da oferta, não há expansão significativa nem da fonte hídrica nem de alternativas renováveis. Ao mesmo tempo, muitas comunidades isoladas continuam carentes de soluções confiáveis e de baixo impacto ambiental para geração e distribuição de eletricidade.
gera_dados_mapa_estados() %>%
mutate(total = total/10^6) %>%
ggplot() +
geom_sf(data = world, fill= "lightgray" )+
geom_sf(data = mapa_brasil,
fill= cor_fundo_estados )+
geom_sf( aes( fill= total )) +
scale_fill_continuous_sequential(palette = "Heat 2") +
theme_void() +
theme(
panel.background = element_rect(fill="#0077be"),
legend.position = "bottom",
legend.background = element_rect(fill= cor_fundo, color = cor_fundo),
legend.key.size = unit(4, "mm"),
legend.title = element_text(size =8, color = cor_texto),
legend.text = element_text(size =8, color = cor_texto),
plot.background = element_rect(fill =cor_fundo ),
plot.title = element_text(size = 14, face = "bold"),
plot.subtitle = element_text(size = 12, face = "italic"),
text = element_text(family = "Noto Sans", colour = cor_texto),
strip.text = element_text(size= 8, face ="bold")
) +
labs(
fill= "Potência em GW",
caption = paste0("Fonte: ANEEL (", data_geracao_dados,"). Elaboração: Fernando Barbalho") ,
title= " Potência total outorgada por estado"
)+
coord_sf(xlim = c(-31,-72), ylim=c(-35,5)) +
facet_wrap(fase+dsc_origem_combustivel~., nrow = 2)
dados_grafico_historia<-
siga_empreendimentos_geracao %>%
filter( dsc_origem_combustivel != "Nuclear" ) %>%
filter(dsc_fase_usina == "Operação" ) %>%
mutate(ano_inicio = lubridate::year(dat_entrada_operacao)) %>%
filter( ano_inicio> 1900) %>%
summarise( total_outorgado = sum(mda_potencia_outorgada_kw), #
.by = c(ano_inicio, dsc_origem_combustivel)) %>%
mutate(total_outorgado = total_outorgado/10^6)
dados_2016 <-
dados_grafico_historia %>%
filter(ano_inicio == 2016) %>%
summarise(total_outorgado = sum(total_outorgado),
.by = ano_inicio)
ordem_origem_combustivel<-
dados_grafico_historia %>%
filter(between(ano_inicio, 1901, 2000)) %>%
summarise(total = sum(total_outorgado),
.by = c(dsc_origem_combustivel)) %>%
arrange(desc(total))
dados_grafico_historia %>%
ggplot(aes(x=ano_inicio,y=total_outorgado)) +
geom_area(aes(fill= dsc_origem_combustivel),
position = "stack",
outline.type = "full",
color= "#404040",
linewidth = 0.1,
show.legend = TRUE) +
geom_text(data = dados_2016,
aes(label = str_wrap("Em 2016 entra em operação Belo Monte. Potência outorgada atual: 11 GW ", 100) ),
hjust = 1.01,
color = cor_texto) +
geom_text(data = tibble(ano_inicio =1950, total_outorgado = 7),
label = str_wrap("Das usinas que entraram em operação entre 1901 e 2000, 90% da potência instalada é de fonte hídrica.",40),
hjust = 0.5,
color = cor_texto) +
geom_curve( data = tibble(ano_inicio = 1985, total_outorgado= 14.9),
aes( xend = 2016, yend = 11),
curvature = 0.25, ncp = 50,
arrow = arrow(length = unit(3, "mm"), type = "closed"),
color = cor_texto,
linetype = "dashed"
) +
geom_text(data = tibble(ano_inicio =1955, total_outorgado = 12),
label = str_wrap("Das usinas em operação desde 2017, 73% da potência instalada é de fontes solares ou eólicas.",40),
hjust = 0.5,
color = cor_texto) +
geom_curve(data = tibble(ano_inicio = 1982, total_outorgado= 11),
aes(
xend = 2023, yend = 9.5),
curvature = 0.25, ncp = 50,
arrow = arrow(length = unit(3, "mm"), type = "closed"),
color = cor_texto,
linetype = "dashed"
) +
scale_fill_manual(values = cores_combustivel) +
scale_y_continuous(labels = scales::comma_format(big.mark = ".")) +
theme_light() +
theme(
panel.background = element_rect( fill= cor_fundo_painel),
panel.grid = element_blank(),
legend.position = "bottom",
legend.title = element_blank(),
legend.background = element_rect(fill= cor_fundo),
plot.background = element_rect(fill =cor_fundo ),
plot.title = element_text(size = 14, face = "bold"),
plot.subtitle = element_text(size = 12, face = "italic"),
text = element_text(family = "Noto Sans", colour = cor_texto)
) +
labs(
title = "Ecos do passado na energia elétrica de hoje",
subtitle =str_wrap("Uma linha do tempo das fontes que moldaram cada gigawatt outorgado",70) ,
caption = "Fonte: ANEEL. Elaboração: Fernando Barbalho. Consultoria: Sérgio Leite (ANEEL)",
y= "Potência outorgada em GW",
x= ""
)
tendencias<-
purrr::map_dfr(areas, function(nome_area){
serie<-
decompoe_serie_pais(nome_area)
tendencia<-
serie$data %>%
filter(parts=="trend")
tendencia$area <- nome_area
tendencia$date <-
(dados_grafico_ember %>%
filter(area == nome_area))$date
tendencia$value = tendencia$y
tendencia
})
dados_grafico_ember %>%
ggplot(aes(x=date, y=value)) +
geom_area(fill = cores_combustivel[5], color= "black") +
geom_line(data = tendencias, color= "red", size =1.2) +
geom_text(data = tibble(area= "Brazil", date= as.Date("2021-01-01"),value=7),
aes(label= str_wrap("Sazonalidades climáticas com baixo impacto",20)),
color = cor_texto,
fontface = "bold")+
geom_text(data = tibble(area= "Brazil", date= as.Date("2021-06-01"),value=1),
aes(label= str_wrap("Tendência",20)),
color = "red",
hjust =0,
fontface = "bold")+
theme_light() +
theme(
panel.background = element_rect( fill= cor_fundo_painel),
panel.grid = element_blank(),
strip.background = element_blank(),
strip.text = element_text(face = "bold", colour = cor_texto),
legend.position = "bottom",
legend.title = element_blank(),
legend.background = element_rect(fill= cor_fundo, color = cor_fundo),
#axis.text.x = element_blank(),
plot.background = element_rect(fill =cor_fundo ),
plot.title = element_text(size = 14, face = "bold"),
plot.subtitle = element_text(size = 12, face = "italic"),
text = element_text(family = "Noto Sans", colour = cor_texto)
) +
labs(
title = "Energia Solar: Série temporal de geração",
y= "Energia gerada em TwH",
x="",
caption = "Fonte: EMBER. Dados coletados em Maio de 2025. Elaboração: Fernando Barbalho"
) +
facet_wrap(area~., scales= "free_y")
decompoe_serie_pais("Brazil")
decompoe_serie_pais("Germany")
season_trend<-
purrr::map_dfr(areas, function(area){
#print(area)
dados_area<- decompoe_serie_pais(area)
tibble(area = area, sazonalidade = forca_sazonalidade(dados_area), tendencia = forca_tendencia(dados_area))
})
dados_grafico<-
season_trend %>%
pivot_longer(cols = sazonalidade:tendencia, names_to = "forca", values_to = "valor") %>%
mutate(forca = ifelse(forca == "tendencia", "Tendência", "Sazonalidade"))
graf1<-
season_trend %>%
mutate(area = reorder(area, sazonalidade)) %>%
ggplot(aes(x= sazonalidade, y=area )) +
geom_col(aes(fill= sazonalidade), color="lightgray", show.legend = FALSE)+
geom_text(aes(label = round(sazonalidade,2)),
color = cor_texto,
hjust= 1,
fontface = "bold") +
scale_fill_continuous_sequential(palette = "Heat 2") +
theme_light() +
theme(
panel.background = element_rect( fill= cor_fundo_painel),
panel.grid = element_blank(),
strip.background = element_blank(),
strip.text = element_text(face = "bold", colour = cor_texto),
legend.position = "bottom",
legend.title = element_blank(),
legend.background = element_rect(fill= cor_fundo, color = cor_fundo),
axis.text.x = element_blank(),
plot.background = element_rect(fill =cor_fundo ),
plot.title = element_text(size = 14, face = "bold"),
plot.subtitle = element_text(size = 12, face = "italic"),
text = element_text(family = "Noto Sans", colour = cor_texto)
) +
labs(
title = "Força da sazonalidade",
y= "",
x="",
#caption = "Fonte: EMBER. Elaboração: Fernando Barbalho"
)
graf2<-
season_trend %>%
mutate(area = reorder(area, tendencia)) %>%
ggplot(aes(x= tendencia, y=area )) +
geom_col(aes(fill= tendencia), color="lightgray", show.legend = FALSE)+
geom_text(aes(label = round(tendencia,2)),
color = cor_texto,
hjust= 1,
fontface = "bold") +
scale_fill_continuous_sequential(palette = "Heat 2") +
theme_light() +
theme(
panel.background = element_rect( fill= cor_fundo_painel),
panel.grid = element_blank(),
strip.background = element_blank(),
strip.text = element_text(face = "bold", colour = cor_texto),
legend.position = "bottom",
legend.title = element_blank(),
legend.background = element_rect(fill= cor_fundo),
axis.text.x = element_blank(),
plot.background = element_rect(fill =cor_fundo ),
plot.title = element_text(size = 14, face = "bold"),
plot.subtitle = element_text(size = 12, face = "italic"),
text = element_text(family = "Noto Sans", colour = cor_texto)
) +
labs(
title = "Força da tendência",
y= "",
x="",
caption = "Fonte: EMBER. Elaboração: Fernando Barbalho"
)
graf1 + graf2
gera_dados_mapa() %>%
mutate(mda_potencia_outorgada_kw = mda_potencia_outorgada_kw/10^3) %>%
filter(dsc_origem_combustivel=="Solar") %>%
ggplot()+
geom_sf(data = world, fill= "lightgray" )+
geom_sf(data = mapa_brasil,
fill= "black",
color = NA )+
geom_sf(data= biomas[1,],
fill= cores_biomas[1],
color = NA) +
geom_sf(data= biomas[2,],
fill= cores_biomas[2],
color = NA) +
geom_sf(data= biomas[3,],
fill= cores_biomas[3],
color = NA) +
geom_sf(data= biomas[4,],
fill= cores_biomas[4],
color = NA) +
geom_sf(data= biomas[5,],
fill= cores_biomas[5],
color = NA) +
geom_sf(data= biomas[6,],
fill= cores_biomas[6],
color = NA) +
geom_sf( aes( size= mda_potencia_outorgada_kw ),
pch=21,
alpha=1,
fill= cores_combustivel[5], #"#D55E00"
color = "#D55E00") + #AD1A1A"
coord_sf(xlim = c(-31,-72), ylim=c(-35,5))+
theme_void() +
theme(
panel.background = element_rect(fill="#0077be"),
legend.position = "bottom",
legend.background = element_rect(fill= cor_fundo, color = cor_fundo),
plot.background = element_rect(fill =cor_fundo ),
plot.title = element_text(size = 14, face = "bold"),
plot.subtitle = element_text(size = 12, face = "italic"),
text = element_text(family = "Noto Sans", colour = cor_texto),
strip.text = element_text(size= 8, face ="bold")
) +
labs(
size= "Potência em MW",
caption = paste0("Fonte: ANEEL (",data_geracao_dados,"). Elaboração: Fernando Barbalho") ,
title = "Distribuição da potência outorgada entre os seis biomas terrestres"
) +
facet_wrap(fase+dsc_origem_combustivel~.)