Outils cartographiques et en statistique spatiale sur R

Les outils

cartographiques et en

Statistique spatiale sur R

Alejandro LARA-RAMIREZ

Kevin PARRA

Martin GUBRI

18 juin 2014

2

2

GroupeDavantia

DATA :

LES

SOURCES

4

4

GADM : Global Administrative Areas

Téléchargement par code:load(url("http://biogeo.ucdavis.edu/data/gadm2/R/FRA_adm5.RData"))

5

5

OSM : Open Street Map

Téléchargement par code (pour Ile-de-France):download.file("http://download.geofabrik.de/europe/france/ile-de-france-

latest.shp.zip", "parisosm.zip")

REPRÉSENTATIONS

CARTOGRAPHIQUES :

DES

EXEMPLES

7

7

Représentation Statique : PLOT

Fond cartographique OSM

8

8

Représentation Statique : PLOT

Fond cartographique OSM

9

9

Représentation Statique : PLOT

Fond cartographique OSM

10

10

Représentation Statique : PLOT

Fond cartographique OSM

11

11

Représentation Statique : PLOT

Fond cartographique OSM

12

12

Représentation Statique : PLOT

Fond cartographique OSM

13

13

Représentation Statique : PLOT

SpatialPointsDataFrame

SpatialLinesDataFrame

SpatialPolygonsDataFrame

Les objets spatiaux

14

14

Représentation Statique : PLOT

SpatialPointsDataFrame

cible<-geocode("25 Rue du Petit Musc 75004 Paris",output="latlon")

scible<-SpatialPointsDataFrame(coords=cible, data=cible, proj4string =

CRS("+proj=longlat +ellps=WGS84"))

SpatialPointsDataFramepaquet sp

PLACES

• @data (data.frame)

o $osm_id

o $name

o $type : locality, city, village,

hamlet, town, municipality,

suburb, island, etc

o $population

• @coords.nrs

• @coords

• @bbox (bounding box)

• @proj4string (projection)

15

15

Représentation Statique : PLOT

SpatialLinesDataFrameSpatialLinesDataFrame

paquet sp

ROADS

• @data (data.frame)

o $osm_id

o $name

o $ref

o $type : motorway, primary,

secondary, tertiary,

residential, pedestrian,

cycleway, service, path, etc.

o $oneway

o $bridge

o $tunnel

o $maxspeed

• @lines (classe Lines : liste

d'objets Line définis comme un

ensemble de points reliés non

fermés)

• @bbox (bounding box)

• @proj4string (projection)

16

16

Représentation Statique : PLOT

SpatialPolygonsDataFrameSpatialPolygonsDataFrame

paquet sp

NATURAL

• @data (data.frame)

o $osm_id

o $name

o $type : riverbank, park,

water, forest

• @polygons (classe Polygons :

liste d'objets Polygon définis

comme un ensemble de points

reliés et fermés (premier =

dernier))

• @bbox (bounding box)

• @proj4string (projection)

17

17

Représentation Statique : PLOT

Génération de SpatialPointsDataFrame La fonction pave [pgirmess]

18

18

Représentation Statique : PLOT

Génération de SpatialPointsDataFrame La fonction pave [pgirmess]

19

19

Représentation Statique : PLOT

Lien parmi SpatialPolygonsDataFrame, SpatialLinesDataFrame etSpatialPointsDataFrame

Lien parmi les objets spatiaux La fonction over [sp]

20

20

Représentation Statique : GGMAP

Fond cartographique googlemaps.

21

21

Représentation Statique : GGMAP

Fond cartographique googlemaps hybrid.

22

22

Représentation Statique : GGMAP

Fond cartographique statmen toner.

23

23

Représentation Dynamique : PLOTKML

24

24

Représentation Dynamique : RMAPS

Packages leafletR, rMaps et rCharts.

25

25

Représentation Dynamique : RMAPS

Packages leafletR, rMaps et rCharts.

26

26

Représentation Dynamique : RMAPS

Packages leafletR, rMaps et rCharts.

STATISTIQUES :

MÉTHODES

SPATIALES

28

28

STRUCTURE DE VOISINAGE

Structure de voisinage du type queen. Fonction: poly2nb (spdep).

29

29

STRUCTURE DE VOISINAGE

Structure de voisinage du type plus proche voisin 1. Fonction: knn2nb (spdep).

30

30

STRUCTURE DE VOISINAGE

Structure de voisinage du type plus proche voisin 1. Fonction: knn2nb (spdep).

31

31

ENVIRONNEMENT SOURCE

Variable cible : somme des points d’intérêt OSM par maille géographique

32

32

APPLICATION SKATER METHOD

L’algorithme de minimum spanning tree.

33

33

Contrainte critère nb groupes : 6 mailles.

APPLICATION SKATER METHOD

34

34

Contrainte critère nb groupes : 16 mailles.

APPLICATION SKATER METHOD

35

35

Contrainte critère variable quantitative : au moins 19 points d’intérêt.

APPLICATION SKATER METHOD

36

36

Contrainte critère variable quantitative : au moins 300 points d’intérêt.

APPLICATION SKATER METHOD

37

37

Contrainte critère variable quantitative : au moins 400 points d’intérêt.

APPLICATION SKATER METHOD

38

38

APPLICATION DES MODELES SPATIAUX

Modèle linéaire gaussien versus Linéaire Autorégressive Gaussien.

Structure de voisinage

du type queen.