Também precisei desse procedimento anteriormente e já tinha pesquisado alguma coisa. Embora a dúvida já tenha sido respondida, pode ser que o trecho de código que tenho aqui possa ser de interesse.
A alternativa 1 é a solução colocada pelo Prof. Paulo. A alternativa 2 é mais trabalhosa, mas possibilita visualizar mais facilmente os fatiamentos efetuados. Além disso, haveria a possibilidade de vetorizar o objeto 'raster' para então obter as áreas ou armazenar em um shapefile.
Os dados do CMR não tem projeção definida, mas a ideia de aplicação é a mesma.
### <BEGIN>
### Areas de representação matricial (raster)
### Usando o dataset s100 da geoR
require(geoR); require(sp); require(raster)
data(s100)
vModel <- likfit(s100, ini=c(1,0.5), fix.nugget=T) ### ajuste de modelo (não avaliado)
pGrid <- expand.grid(seq(0,1, l=30), seq(0,1, l=30)) ### grid de predição
krig1 <- krige.conv(s100, loc=pGrid, krige=krige.control(obj.m=vModel))
image(krig1, col=2:5, asp=1)
### Definição de classes
range(krig1$pred) ### observa intervalo das classes
classes <- -1:3*1; classes ### 5 classes definidas
### Alternativa 1
predFat <- cut(krig1$pred, breaks=classes)
predFatTab <- rbind(pixels=table(predFat), perc=round(prop.table(table(predFat))*100,2))
predFatTab ### quantificação
### Alternativa 2
pred <- cbind(pGrid,krig1$pred) ### data.frame com dados da predição
coordinates(pred) <- ~Var1+Var2 ### transforma em SPointsDF
gridded(pred) = TRUE ### transforma em SPixelsDF
rPred <- raster(pred) ### transforma em raster
plot(rPred)
rPredFat <- cut(rPred, breaks=classes) ### fatia o objeto raster
plot(rPredFat) ### visualiza o fatiamento
freq(rPredFat, useNA='no') ### quantificação
### Comparando as alternativas
tmp <- t(as.table(freq(rPredFat, useNA='no')))[2,]; tmp
round(prop.table(tmp)*100,2)
rPredFatTab <- rbind(pixels=tmp, perc=round(prop.table(tmp)*100,2))
predFatTab; rPredFatTab
### <END>