loki的回答是可以的，但这可以通过光栅方式来完成，这更安全。而且考虑坐标是角坐标（经度/纬度）还是平面坐标（投影）是很重要的。
示例数据

library(raster)
r <- raster(system.file("external/test.grd", package="raster"))
r <- r / 1000
recalc <- matrix(c(0, 0.05, 0, 0.05, 0.2, 1, 0.2, 0.4, 2, 0.4, 0.6, 3, 0.6, 0.8, 4, 0.8, 2, 5), ncol = 3, byrow = TRUE) 
r2 <- reclassify(r, recalc)

字符串
方法1.仅适用于平面数据

f <- freq(r2, useNA='no')
apc <- prod(res(r))
f <- cbind(f, area=f[,2] * apc)
f

#     value count    area
#[1,]     1    78  124800
#[2,]     2  1750 2800000
#[3,]     3   819 1310400
#[4,]     4   304  486400
#[5,]     5   152  243200

型
方法2.用于Angular 数据（但也适用于平面数据）

a <- area(r2)
z <- zonal(a, r2, 'sum')
z
#     zone     sum
#[1,]    1  124800
#[2,]    2 2800000
#[3,]    3 1310400
#[4,]    4  486400
#[5,]    5  243200

型
如果你想按多边形汇总，你可以这样做：

# example polygons
a <- rasterToPolygons(aggregate(r, 25))

型
方法1

# extract values (slow)
ext <- extract(r2, a)

# tabulate values for each polygon
tab <- sapply(ext, function(x) tabulate(x, 5))
# adjust for area (planar data only)
tab <- tab * prod(res(r2))

# check the results, by summing over the regions
rowSums(tab)
#[1]  124800 2800000 1310400  486400  243200

型
方法2

x <- rasterize(a, r2)
z <- crosstab(x, r2)
z <- cbind(z, area = z[,3] * prod(res(r2)))

检查结果：

aggregate(z[, 'area', drop=F], z[,'Var2', drop=F], sum)
  Var2    area
#1    1  124800
#2    2 2800000
#3    3 1310400
#4    4  486400
#5    5  243200

注意，如果你正在处理经度/纬度数据，你不能使用prod（res（r））来获取单元格大小。在这种情况下，你需要使用面积函数和循环类，我想。
您还询问了绘图。有许多方法可以绘制Raster* 对象。基本方法如下：

image(r2)
 plot(r2)
 spplot(r2)

 library(rasterVis); 
 levelplot(r2)

更棘手的方法：

library(ggplot2) # using a rasterVis method
 theme_set(theme_bw())
 gplot(r2) + geom_tile(aes(fill = value)) +
      facet_wrap(~ variable) +
      scale_fill_gradient(low = 'white', high = 'blue') +
      coord_equal()

 library(leaflet)
 leaflet() %>% addTiles() %>%
 addRasterImage(r2, colors = "Spectral", opacity = 0.8)

看起来你可以通过像素数来得到面积。
让我们从一个可重复的例子开始：

r <- raster(system.file("external/test.grd", package="raster"))
plot(r)

字符串

的数据
由于此栅格中的值位于数据之外的另一个范围内，因此让我们将其调整为您的值：

r <- r / 1000
r[r>1,] <- 1

型
之后，我们会申请您的重新分类：

recalc <- matrix(c(0, 0.05, 0, 0.05, 0.2, 1, 0.2, 0.4, 2, 0.4, 0.6, 3, 0.6, 0.8, 4, 0.8, 1, 5), ncol = 3, byrow = TRUE) 
r2 <- reclassify(r, recalc)
plot(r2)

型

的

现在，我们如何得到该地区？

由于您使用的是投影光栅，因此可以简单地使用像素数和光栅分辨率。因此，我们首先需要检查投影的分辨率和Map单位：

res(r)
# [1] 40 40
crs(r)
# CRS arguments:
#   +init=epsg:28992
# +towgs84=565.237,50.0087,465.658,-0.406857,0.350733,-1.87035,4.0812 +proj=sterea
# +lat_0=52.15616055555555 +lon_0=5.38763888888889 +k=0.9999079 +x_0=155000
# +y_0=463000 +ellps=bessel +units=m +no_defs

型
现在，我们知道我们正在处理40 x40米的像素，因为我们有一个度量CRS。
让我们使用这些信息来计算每个类的面积。

app <- res(r)[1] * res(r)[2] # area per pixel

table(r2[]) * app
#      1       2       3       4       5 
# 124800 2800000 1310400  486400  243200

型
有关地理配准栅格的绘图，请参阅an older question here on SO