Téléchargement des données : donnees.zip

Téléchargement de la présentation en pdf : Art_plast.pdf

A décompresser dans votre répertoire de travail

• Les librairies
  • dplyr, tidyr,ggplot2 (Well known one)
  • sf (Simple Features for R)
  • leaflet (pour se la pèter - importance de la forme sur le fond)
• Des données
  • un fichier csv avec des positions GPS de pêcheurs artisans en guinée
  • un shapefile des pays
  • un shapefile d’une grille régulière (rectangles statistiques)

Des points, le fichier points.csv

gps.df<-read.csv2("points.csv")


head(gps.df) %>% kable("html") %>%  
  kable_styling(font_size = 14,full_width = F)%>% 
  kable_minimal() %>% 
  row_spec(0, font_size=9)

Des points, le dataframe devient un objet sf —> st_as_sf

gps <- st_as_sf(gps.df, coords = c("longitude", "latitude"), crs = 4326)

g1<-ggplot(gps) + geom_sf()

Des shapefiles : des données dans un contexte spatial

1 - world_borders.shp (et dbf associés)

world<-st_read('world_borders.shp',crs=4326)

## Reading layer `world_borders' from data source `/home2/jerome/BAS_jerome/39/world_borders.shp' using driver `ESRI Shapefile'
## Simple feature collection with 3784 features and 5 fields
## geometry type:  POLYGON
## dimension:      XY
## bbox:           xmin: -180 ymin: -90 xmax: 180 ymax: 83.6236
## CRS:            EPSG:4326

world.gg<-ggplot(world) + geom_sf()

• un objet spatial est plus qu’un data frame
• ce plus, c’est qu’on y associe un système de coordonnées
  • les x y sont ils en mètres, en degrées
  • le x0,y0 est ce le 12 rue de la perrière, La chappelle-Launay 44260 ou le 0,0 de Null Island (cf wikipedia)

Cela permet de mettre ensemble des données spatiales décrites en degré depuis Bastia ou en mètre depuis Ajaccio

Le code CRS (n° de la projection) : https://epsg.org/search/by-name

world  %>% ggplot() + geom_sf(aes(fill=POP_CNTRY)) ->world.gg2

Des shapefile : des données dans un contexte spatial 2 - grille.shp (et dbf associés)

grille<-st_read('grille.shp',crs=4326)

## Reading layer `grille' from data source `/home2/jerome/BAS_jerome/39/grille.shp' using driver `ESRI Shapefile'
## Simple feature collection with 10000 features and 1 field
## geometry type:  POLYGON
## dimension:      XY
## bbox:           xmin: -18 ymin: 8 xmax: -13 ymax: 13
## CRS:            EPSG:4326

ggplot(grille) + geom_sf()

• Lire le fichier CSV (read.csv2)
• Transformer les points en objet sf (st_as_sf - système de coordonnées 4326)
• Lire le fichier world_borders.shp (st_read - système de coordonnées 4326)
• Faire une carte avec les points et un fond de carte - world_borders (st_crop + st_buffer + geom_sf)

bb<-st_bbox(st_buffer(gps,0.2))

st_crop(world,xmin=bb$xmin[[1]],ymin=bb$ymin[[1]],xmax=bb$xmax[[1]],ymax=bb$ymax[[1]]) ->fond


g2<-ggplot(gps) + 
  geom_sf(color='red',cex=0.2)+geom_sf(data=fond)

#ggplot(points) + geom_sf(color='red',cex=0.2)+geom_sf(data=fond)+facet_grid(~code_engin)

• Lire le fichier grille (shapefile grille.shp et dbf associé - st_read)
• Compter le nombre de points dans chaque éléments de ma grille (st_join)
• Faire une carte avec les nombre de points par carrés statistiques (geom_sf)

grille %>% st_join(gps,join = st_intersects,left=FALSE)  %>% 
  group_by(code_engin,id) %>% 
  dplyr::summarize(npoints=n())->grille_points

g3<-ggplot(grille_points)+
  geom_sf(aes(fill=npoints),lwd = 0)+
  geom_sf(data=gps,cex=0.1)+facet_grid(~code_engin)

Je veux des ronds proportionnels Mdame !! (st_centroid + parametre size)

grille_points %>% mutate(centre=st_centroid(geometry)) %>% 
  ggplot()+geom_sf(aes(geometry=centre,size=npoints,col='red'))+
  geom_sf(data=fond)+facet_grid(~code_engin)

• Je veux des du St Nectaire maintenant !!
• pour un camembert, il faut un dataframe avec les latitude et longitude du centre de mon camembert (=au centre de ma grille –> st_centroid) et pour obtenir st_x
• il faut mettre les éléments de mon camembert en colonnes puisque je veux mettre les parts de chaque engins dans mon camembert (pivot_wider)
• en mettant les engins en colonne, je me retrouve avec des NA pour certains engins qui ne sont pas présents dans les rectangles statistiques, je vais remplacer ces na par des 0 (replace_na)
• Je vais creer une colonne avec le total des présences des 2 engins

grille_points %>% 
  mutate(longi=st_coordinates(st_centroid(geometry))[,1],lati=st_coordinates(st_centroid(geometry))[,2]) %>% 
  st_drop_geometry() %>% 
  pivot_wider(names_from=code_engin,values_from=npoints) %>% 
  replace_na(list(FMCy = 0,FMD=0)) %>% 
  mutate(total=FMCy+FMD)->grille_cam

grille_cam %>% kable("html") %>%
  kable_styling(font_size = 14,full_width = F) %>% 
  kable_minimal()

• enfin je fais la carte (geom_scatterpie)

cam<-ggplot()+geom_sf(data=fond)+
  geom_scatterpie(aes(x=longi,y=lati,group=id,r=total/200000),data=grille_cam,cols=c('FMCy','FMD'))+
   geom_scatterpie_legend(grille_cam$total/200000, x=-13.5, y=9.1)

cam