From 7b40dc45e33c0c8b5f5e4ea206d141c6d59f3979 Mon Sep 17 00:00:00 2001
From: Daniel Kalioudjoglou
<daniel.kalioudjoglou@developpement-durable.gouv.fr>
Date: Fri, 5 Aug 2022 11:35:04 +0200
Subject: [PATCH] modification des calculs du graph_5_2
---
R/creer_graphe_5_2.R | 14 +++++++-------
1 file changed, 7 insertions(+), 7 deletions(-)
diff --git a/R/creer_graphe_5_2.R b/R/creer_graphe_5_2.R
index 1bdffb0..1043ebc 100644
--- a/R/creer_graphe_5_2.R
+++ b/R/creer_graphe_5_2.R
@@ -23,13 +23,13 @@ creer_graphe_5_2 <- function(millesime_obs_artif,code_reg) {
if (is.numeric(code_reg)) {
code_reg = as.character(code_reg)
}
-
+ nb_periodes <- 10
datemax <- lubridate::ymd(paste0(millesime_obs_artif,'0101'))
- datemin <- datemax - lubridate::years(9)
- datefin <- datemax + lubridate::years(10)
+ datemin <- datemax - lubridate::years(nb_periodes - 1)
+ datefin <- datemax + lubridate::years(nb_periodes)
# datefin <- as.Date("2031-01-01")
- millesime_fin <- millesime_obs_artif + 9
+ millesime_fin <- millesime_obs_artif + nb_periodes - 1
pas <- millesime_obs_artif - lubridate::year(datemin)
data <- observatoire_artificialisation %>%
@@ -42,7 +42,6 @@ creer_graphe_5_2 <- function(millesime_obs_artif,code_reg) {
dplyr::filter(.data$date >= datemin)
simul <- data %>%
- dplyr::filter(.data$date %in% c(datemin,datemax)) %>%
dplyr::group_by(.data$TypeZone,.data$Zone) %>%
dplyr::summarise(flux_naf_artificialisation_total_tendance = mean(.data$flux_naf_artificialisation_total),
flux_naf_artificialisation_total_objectif = mean(.5 * .data$flux_naf_artificialisation_total)) %>%
@@ -108,6 +107,7 @@ creer_graphe_5_2 <- function(millesime_obs_artif,code_reg) {
note_de_lecture_valeur_tendance_departements <- data_segment_departements[1,]$valeur_tendance
note_de_lecture_valeur_objectif_departements <- data_segment_departements[1,]$valeur_objectif
+ note_de_lecture_date_debut <- millesime_obs_artif - nb_periodes
note_de_lecture_zone_region <- as.character(data_segment_region[1,]$Zone)
note_de_lecture_date_region <- lubridate::year(data_segment_region[1,]$date)
note_de_lecture_valeur_en_date_region <- max(data_region %>% dplyr::filter(.data$Zone==note_de_lecture_zone_region) %>% dplyr::pull(valeur),na.rm=TRUE)
@@ -127,7 +127,7 @@ creer_graphe_5_2 <- function(millesime_obs_artif,code_reg) {
fill = "",
caption = glue::glue('
Source : Observatoire de l\'artificialisation {millesime_obs_artif}
- Note de lecture : D\'ici {note_de_lecture_date_departements}, la {note_de_lecture_zone_departements} au rythme actuel aura artificialis\u00e9 {mapfactory::format_fr_nb(note_de_lecture_valeur_tendance_departements-note_de_lecture_valeur_en_date_departements,0)} hectares suppl\u00e9mentaires, soit un total de {mapfactory::format_fr_nb(note_de_lecture_valeur_tendance_departements,0)} hectares depuis 2010
+ Note de lecture : D\'ici {note_de_lecture_date_departements}, la {note_de_lecture_zone_departements} au rythme actuel aura artificialis\u00e9 {mapfactory::format_fr_nb(note_de_lecture_valeur_tendance_departements-note_de_lecture_valeur_en_date_departements,0)} hectares suppl\u00e9mentaires, soit un total de {mapfactory::format_fr_nb(note_de_lecture_valeur_tendance_departements,0)} hectares depuis d\u00e9but {note_de_lecture_date_debut}
Une division par deux du rythme ram\u00e8nerait ce total \u00e0 {mapfactory::format_fr_nb(note_de_lecture_valeur_objectif_departements,0)}
')
) +
@@ -161,7 +161,7 @@ creer_graphe_5_2 <- function(millesime_obs_artif,code_reg) {
caption = glue::glue('
Source : Observatoire de l\'artificialisation {millesime_obs_artif}
Note de lecture :
- D\'ici {note_de_lecture_date_region}, La r\u00e9gion {note_de_lecture_zone_region} au rythme actuel aura artificialis\u00e9 {mapfactory::format_fr_nb(note_de_lecture_valeur_tendance_region-note_de_lecture_valeur_en_date_region,0)} hectares suppl\u00e9mentaires, soit un total de {mapfactory::format_fr_nb(note_de_lecture_valeur_tendance_region,0)} hectares depuis 2010
+ D\'ici {note_de_lecture_date_region}, La r\u00e9gion {note_de_lecture_zone_region} au rythme actuel aura artificialis\u00e9 {mapfactory::format_fr_nb(note_de_lecture_valeur_tendance_region-note_de_lecture_valeur_en_date_region,0)} hectares suppl\u00e9mentaires, soit un total de {mapfactory::format_fr_nb(note_de_lecture_valeur_tendance_region,0)} hectares depuis d\u00e9but {note_de_lecture_date_debut}
Une division par deux du rythme ram\u00e8nerait ce total \u00e0 {mapfactory::format_fr_nb(note_de_lecture_valeur_objectif_region,0)}
')
) +
--
GitLab