diff --git a/DESCRIPTION b/DESCRIPTION
index c4c14e6ac3082afbba75d5e7f6c0e69bcc36f7b0..53da080c34058e4156ac775d094f40ea8b699080 100644
--- a/DESCRIPTION
+++ b/DESCRIPTION
@@ -21,6 +21,7 @@ Depends:
R (>= 2.10)
Imports:
attempt,
+ COGiter,
dplyr,
forcats,
ggiraph,
@@ -32,6 +33,7 @@ Imports:
magrittr,
mapfactory (>= 0.0.0.9000),
scales,
+ sf,
stats,
stringr,
tidyr,
@@ -45,6 +47,7 @@ VignetteBuilder:
knitr
Remotes:
gitlab::dreal-datalab/mapfactory,
+ maeltheuliere/COGiter,
pachevalier/tricky,
spyrales/gouvdown
Config/testthat/edition: 3
diff --git a/NAMESPACE b/NAMESPACE
index 6226ea47718611849f81d2f5fefccb6a84fc9a2b..b4d84c2bb7dec9412822e63b8494fa6d4a659129 100644
--- a/NAMESPACE
+++ b/NAMESPACE
@@ -3,6 +3,7 @@
export("%>%")
export(creer_carte_1_3)
export(creer_carte_1_7)
+export(creer_carte_2_2)
export(creer_graphe_1_1)
export(creer_graphe_1_4)
export(creer_graphe_1_5)
@@ -15,6 +16,7 @@ importFrom(dplyr,desc)
importFrom(dplyr,filter)
importFrom(dplyr,first)
importFrom(dplyr,group_by)
+importFrom(dplyr,left_join)
importFrom(dplyr,mutate)
importFrom(dplyr,pull)
importFrom(dplyr,select)
@@ -28,19 +30,25 @@ importFrom(ggiraph,geom_point_interactive)
importFrom(ggiraph,ggiraph)
importFrom(ggplot2,aes)
importFrom(ggplot2,coord_flip)
+importFrom(ggplot2,coord_sf)
+importFrom(ggplot2,element_rect)
importFrom(ggplot2,element_text)
importFrom(ggplot2,facet_wrap)
importFrom(ggplot2,geom_bar)
importFrom(ggplot2,geom_col)
+importFrom(ggplot2,geom_sf)
importFrom(ggplot2,geom_text)
importFrom(ggplot2,ggplot)
importFrom(ggplot2,labs)
importFrom(ggplot2,scale_fill_manual)
+importFrom(ggplot2,scale_size_area)
importFrom(ggplot2,scale_x_discrete)
importFrom(ggplot2,scale_y_continuous)
+importFrom(ggplot2,stat_sf_coordinates)
importFrom(ggplot2,theme)
importFrom(ggtext,element_markdown)
importFrom(glue,glue)
+importFrom(gouvdown,scale_fill_gouv_continuous)
importFrom(gouvdown,scale_fill_gouv_discrete)
importFrom(lubridate,make_date)
importFrom(lubridate,year)
@@ -50,6 +58,10 @@ importFrom(mapfactory,creer_carte_communes_prop)
importFrom(mapfactory,fond_carto)
importFrom(mapfactory,format_fr)
importFrom(scales,number_format)
+importFrom(sf,read_sf)
+importFrom(sf,st_bbox)
+importFrom(sf,st_buffer)
+importFrom(sf,st_crs)
importFrom(stats,quantile)
importFrom(stringr,str_wrap)
importFrom(tidyr,gather)
diff --git a/R/creer_carte_2_2.R b/R/creer_carte_2_2.R
new file mode 100644
index 0000000000000000000000000000000000000000..e99286d95319f083133ed452a961b1d0dbe45637
--- /dev/null
+++ b/R/creer_carte_2_2.R
@@ -0,0 +1,85 @@
+#' Creation de la carte de l evolution de l artificialisation sur 10 ans en ha par departement
+#' @description Carte de l evolution de l artificialisation sur 10 ans en ha par departement
+#'
+#' @param millesime_obs_artif une année parmi les millesimes sélectionnables par l'utilisateur, au format numerique.
+#'
+#' @return Une carte
+#'
+#' @importFrom dplyr filter select mutate arrange group_by summarise left_join
+#' @importFrom ggplot2 ggplot geom_sf stat_sf_coordinates aes coord_sf theme element_rect scale_size_area labs
+#' @importFrom gouvdown scale_fill_gouv_continuous
+#' @importFrom lubridate year
+#' @importFrom glue glue
+#' @importFrom sf read_sf st_bbox st_buffer st_crs
+#'
+#' @export
+#'
+#' @examples
+#' creer_carte_2_2(millesime_obs_artif = 2019)
+creer_carte_2_2 <- function(millesime_obs_artif) {
+
+ # calcul des millesimes extremes du graphique
+ millesime_debut <- millesime_obs_artif - 10
+ millesime_fin <- millesime_obs_artif - 1
+
+ # Creation de la table utile a la production du graphique
+ data <- observatoire_artificialisation %>%
+ dplyr::filter(.data$TypeZone == "D\u00e9partements") %>%
+ dplyr::filter(!(.data$CodeZone %in% c("971", "972", "973", "974", "975", "976"))) %>%
+ dplyr::select(.data$CodeZone, .data$TypeZone, .data$Zone, .data$date, .data$flux_naf_artificialisation_total) %>%
+ dplyr::mutate(flux_naf_artificialisation_total = .data$flux_naf_artificialisation_total / 10000) %>%
+ dplyr::mutate(date = as.character(lubridate::year(.data$date - 1))) %>%
+ dplyr::filter(.data$date < millesime_obs_artif, .data$date > millesime_obs_artif - 11) %>% # conserve les 10 derniers millesimes
+ dplyr::arrange(.data$Zone) %>%
+ dplyr::group_by(.data$CodeZone, .data$TypeZone, .data$Zone) %>%
+ dplyr::summarise(`total en hectares` = sum(.data$flux_naf_artificialisation_total, na.rm = T)) %>%
+ dplyr::right_join(COGiter::departements_geo,., by = c("DEP" = "CodeZone"))
+
+ # creation de la carte
+ monde_file <- system.file("maps", "countries_voisins-10m.gpkg", package = "mapfactory")
+ monde <- sf::read_sf(monde_file) %>%
+ dplyr::select(.data$name)
+
+ bbox_reg <- sf::st_bbox(sf::st_buffer(data, 50000))
+
+ y_min <- bbox_reg$ymin
+ y_max <- bbox_reg$ymax
+ x_min <- bbox_reg$xmin
+ x_max <- bbox_reg$xmax
+
+ carte_2_2 <- ggplot2::ggplot(data) +
+ ggplot2::geom_sf(data = monde, fill = "light grey") +
+ ggplot2::geom_sf(fill = "white") +
+ ggplot2::stat_sf_coordinates(ggplot2::aes(
+ size = .data$`total en hectares`,
+ fill = .data$`total en hectares`
+ ),
+ color = "black",
+ shape = 21,
+ alpha = 0.8
+ ) +
+ ggplot2::coord_sf(
+ xlim = c(x_min, x_max),
+ ylim = c(y_min, y_max),
+ expand = FALSE,
+ crs = sf::st_crs(data),
+ datum = NA
+ ) +
+ ggplot2::theme(
+ panel.background = ggplot2::element_rect(fill = "light blue")
+ ) +
+ gouvdown::scale_fill_gouv_continuous(palette = "pal_gouv_o", reverse = TRUE, name = "", labels = function(x) format_fr(x, dec = 0)) +
+ # ggplot2::scale_size_area(name="")+
+ ggplot2::scale_size_continuous(range = c(0, 20), labels = function(x) format_fr(x, dec = 0)) +
+ ggplot2::labs(
+ title = glue::glue("Surfaces artificialis\u00e9es de {millesime_debut} \u00e0 {millesime_fin}"),
+ subtitle = "",
+ y = "",
+ x = "",
+ caption = glue::glue("Source : DGFip/Cerema {millesime_obs_artif}")
+ )
+
+
+
+ return(carte_2_2)
+}
diff --git a/R/creer_graphe_2_4.R b/R/creer_graphe_2_4.R
index bbbce1dc8baf333d2cb837277209821b80b3bb04..51730017b9884506f878bd39f4be10c5b3ffb207 100644
--- a/R/creer_graphe_2_4.R
+++ b/R/creer_graphe_2_4.R
@@ -26,7 +26,7 @@ creer_graphe_2_4 <- function(millesime_obs_artif) {
# Creation de la table utile a la production du graphique
data <- observatoire_artificialisation %>%
- dplyr::filter(.data$TypeZone == "D\u00e9partements") %>%
+ dplyr::filter(.data$TypeZone == "D\u00e9partements", .data$CodeZone %in% c("44","49","53","72","85")) %>%
dplyr::select(.data$Zone, .data$date, .data$flux_naf_artificialisation_total) %>%
dplyr::mutate(
Zone = forcats::fct_drop(.data$Zone) %>%
diff --git a/data-raw/dataprep.R b/data-raw/dataprep.R
index 29dec11539b0be965ebc78f6022edde805b1a5f0..1fb42910812bff30082982080fc6f78855c3b46b 100644
--- a/data-raw/dataprep.R
+++ b/data-raw/dataprep.R
@@ -112,7 +112,7 @@ result <- result %>%
filter(CodeZone %in% liste_52 | TypeZone == "Régions")
observatoire_artificialisation <- observatoire_artificialisation %>%
- filter(CodeZone %in% liste_52 | TypeZone == "Régions") %>%
+ filter(CodeZone %in% liste_52 | TypeZone == "Régions"| TypeZone == "D\u00e9partements") %>%
mutate(Zone = iconv(Zone,to = "UTF-8"),
TypeZone = iconv(TypeZone,to = "UTF-8")) %>%
mutate(across(where(is.character),as.factor))
diff --git a/data/observatoire_artificialisation.rda b/data/observatoire_artificialisation.rda
index 39f0842715cada950518407cf9585dcd9f8d8753..31b362548fbe41af3fe63dfb653c00b6af7e5eb7 100644
Binary files a/data/observatoire_artificialisation.rda and b/data/observatoire_artificialisation.rda differ
diff --git a/devstuff_history.R b/devstuff_history.R
index 245da718d9caa10f80a44cdef6838b8b7b71ee04..31b0811f6cf3e80c6f24017c0c50560b323c2bd9 100644
--- a/devstuff_history.R
+++ b/devstuff_history.R
@@ -54,6 +54,11 @@ usethis::use_vignette("af-ch1-7","af- Chapitre 1 Carte 7")
usethis::use_r("creer_carte_1_7")
usethis::use_test("creer_carte_1_7")
+##creer_carte_2_2
+usethis::use_vignette("bb-ch2-2","bb- Chapitre 2 Carte 2")
+usethis::use_r("creer_carte_2_2")
+usethis::use_test("creer_carte_2_2")
+
##creer_graphe_2_4
usethis::use_vignette("bd-ch2-4","bd- Chapitre 2 Graphe 4")
usethis::use_r("creer_graphe_2_4")
diff --git a/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd b/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd
index bdfb7f9425abfe1d73e0453de9981643ac5fc5e7..dbb06d0be068c57adb21096826c76098cc5209cc 100644
--- a/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd
+++ b/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd
@@ -65,6 +65,14 @@ creer_carte_1_7( params$millesime_ocsge)
## Chapitre 2
+```{r carte france evolution departements 10 ans,fig.width=9,fig.height=7}
+creer_carte_2_2( params$millesime_obs_artif)
+```
+
+
+
+
+
```{r graph conso espace departements 10 ans,fig.width=5,fig.height=7}
creer_graphe_2_4( params$millesime_obs_artif)
```
diff --git a/man/creer_carte_2_2.Rd b/man/creer_carte_2_2.Rd
new file mode 100644
index 0000000000000000000000000000000000000000..060e197b59c856bc4fe93dc3d227566b89b285ae
--- /dev/null
+++ b/man/creer_carte_2_2.Rd
@@ -0,0 +1,20 @@
+% Generated by roxygen2: do not edit by hand
+% Please edit documentation in R/creer_carte_2_2.R
+\name{creer_carte_2_2}
+\alias{creer_carte_2_2}
+\title{Creation de la carte de l evolution de l artificialisation sur 10 ans en ha par departement}
+\usage{
+creer_carte_2_2(millesime_obs_artif)
+}
+\arguments{
+\item{millesime_obs_artif}{une année parmi les millesimes sélectionnables par l'utilisateur, au format numerique.}
+}
+\value{
+Une carte
+}
+\description{
+Carte de l evolution de l artificialisation sur 10 ans en ha par departement
+}
+\examples{
+creer_carte_2_2(millesime_obs_artif = 2019)
+}
diff --git a/tests/testthat/test-creer_carte_2_2.R b/tests/testthat/test-creer_carte_2_2.R
new file mode 100644
index 0000000000000000000000000000000000000000..b534271c2130a1c4a2da1eb09d568a4e326abd72
--- /dev/null
+++ b/tests/testthat/test-creer_carte_2_2.R
@@ -0,0 +1,7 @@
+test_that("creer_carte_2_2 fonctionne", {
+
+ # Test que la carte est un ggplot
+ objet <- creer_carte_2_2(millesime_obs_artif = 2019)
+ testthat::expect_equal(attr(objet, "class"), c("gg","ggplot"))
+
+})
diff --git a/vignettes/bb-ch2-2.Rmd b/vignettes/bb-ch2-2.Rmd
new file mode 100644
index 0000000000000000000000000000000000000000..4ffe273ba08356809c39fc0df9f60751b3dd44a8
--- /dev/null
+++ b/vignettes/bb-ch2-2.Rmd
@@ -0,0 +1,30 @@
+---
+title: "bb- Chapitre 2 Carte 2"
+output: rmarkdown::html_vignette
+vignette: >
+ %\VignetteIndexEntry{bb- Chapitre 2 Carte 2}
+ %\VignetteEngine{knitr::rmarkdown}
+ %\VignetteEncoding{UTF-8}
+---
+
+```{r, include = FALSE}
+knitr::opts_chunk$set(
+ collapse = TRUE,
+ echo = FALSE,
+ message = FALSE,
+ warning = FALSE,
+ error = FALSE,
+ comment = "#>",
+ fig.width = 9,
+ fig.height = 7
+)
+
+```
+
+# Descriptif
+La fonction `creer_carte_2_2()` produit la carte de l evolution de l artificialisation sur 10 ans en ha par departement.
+
+```{r setup}
+library(propre.artificialisation)
+creer_carte_2_2(millesime_obs_artif = 2019)
+```
diff --git a/vignettes/test.R b/vignettes/test.R
index a502a18bd34b397527cc479643153e4b92e41774..f148e5ae22d284d43da439f9cd80ad33e221929f 100644
--- a/vignettes/test.R
+++ b/vignettes/test.R
@@ -1,67 +1,96 @@
-#' Creation du graphique des surfaces Naf cadastrees nouvellement artificialisées entre 2009 et 2019 en ha
-#' @description Graphique en barres des surfaces Naf cadastrees nouvellement artificialisées par departement en ha
+#' Creation de la carte de l evolution de l artificialisation sur 10 ans en ha par departement
+#' @description Carte de l evolution de l artificialisation sur 10 ans en ha par departement
#'
#' @param millesime_obs_artif une année parmi les millesimes sélectionnables par l'utilisateur, au format numerique.
#'
-#' @return Un diagramme en barres
+#' @return Une carte
#'
-#' @importFrom dplyr filter select mutate group_by desc arrange
-#' @importFrom forcats fct_inorder
-#' @importFrom ggplot2 ggplot aes geom_bar labs scale_y_continuous theme geom_text geom_col scale_fill_manual
-#' @importFrom scales number_format
+#' @importFrom dplyr filter select mutate arrange
+#' @importFrom forcats fct_drop fct_relevel
+#' @importFrom ggplot2 ggplot geom_bar aes geom_text labs facet_wrap theme element_text scale_y_continuous
+#' @importFrom gouvdown scale_fill_gouv_discrete
#' @importFrom glue glue
-#' @importFrom lubridate make_date
-#' @importFrom tidyr spread gather
-#' @importFrom tricky set_standard_names
+#' @importFrom lubridate year
+#' @importFrom stringr str_wrap
#' @importFrom mapfactory format_fr
#'
#' @export
#'
#' @examples
-#' creer_graphe_2_4(millesime_obs_artif=2019)
-
-library(propre.artificialisation)
-millesime_obs_artif <- 2019
-# Encoding(data$Zone) <- "UTF-8"
-# Encoding(data$TypeZone) <- "UTF-8"
-# guess_encoding(data, n_max = 1000)
-
-#calcul des millesimes extremes du graphique
-millesime_debut <- millesime_obs_artif - 10
-millesime_fin <- millesime_obs_artif - 1
-
-# Creation de la table utile a la production du graphique
-data <- observatoire_artificialisation %>%
- dplyr::filter(.data$TypeZone == "D\u00e9partements") %>%
- dplyr::select(Zone,date,flux_naf_artificialisation_total) %>%
- dplyr::mutate(Zone = forcats::fct_drop(.data$Zone) %>%
- forcats::fct_relevel(c("Loire-Atlantique", "Maine-et-Loire", "Mayenne", "Sarthe", "Vendée")),
- flux_naf_artificialisation_total = flux_naf_artificialisation_total / 10000) %>%
- dplyr::arrange(.data$Zone) %>%
- dplyr::mutate(date = as.character(year(.data$date - 1))) %>%
- dplyr::filter(.data$date < millesime_obs_artif, .data$date > millesime_obs_artif - 11) #conserve les 10 derniers millesimes
-
-# creation du graphique
-graph_2_4<-data %>%
- ggplot2::ggplot() +
- ggplot2::geom_bar(ggplot2::aes(x=.data$date,y=.data$flux_naf_artificialisation_total,fill = .data$Zone),
- width = 0.6, stat="identity")+
- # ggplot2::geom_bar(ggplot2::aes(x=.data$date,y=.data$flux_naf_artificialisation_total,fill = .data$Zone),
- # width = 0.6, stat="identity",position=ggplot2::position_dodge(width=5))+
- ggplot2::geom_text(ggplot2::aes(x= .data$date,y = .data$flux_naf_artificialisation_total-120,label = mapfactory::format_fr(.data$flux_naf_artificialisation_total,0), group =.data$Zone), color = "black", size=3)+
- ggplot2::labs(title= glue::glue("Consommation d'espaces naturels,\n agricoles et forestiers (Naf)"),
- subtitle=glue::glue("de {millesime_debut} \u00e0 {millesime_fin}"),
- x="",y="surface (ha)",
- fill="",
- caption = glue::glue("Source : DGFip/Cerema {millesime_obs_artif}"))+
- ggplot2::facet_wrap(Zone ~ ., ncol = 1)+
- ggplot2::theme(legend.position = "none",
- strip.text.x = ggplot2::element_text(size=8, color="brown",
- face="bold.italic"))+
- ggplot2::scale_fill_manual(values = gouvdown::gouv_palettes[["pal_gouv_qual2"]][1:5])
-
-return(graph_1_5)
+#' creer_carte_2_2(millesime_obs_artif = 2019)
+millesime_obs_artif=2019
+library(COGiter)
+
+creer_graphe_2_2 <- function(millesime_obs_artif) {
+
+ # calcul des millesimes extremes du graphique
+ millesime_debut <- millesime_obs_artif - 10
+ millesime_fin <- millesime_obs_artif - 1
+
+ # Creation de la table utile a la production du graphique
+ data <- observatoire_artificialisation %>%
+ dplyr::filter(.data$TypeZone == "D\u00e9partements") %>%
+ dplyr::filter( !(.data$CodeZone %in% c("971","972","973","974","975","976") )) %>%
+ dplyr::select(.data$CodeZone,.data$TypeZone, .data$Zone, .data$date, .data$flux_naf_artificialisation_total) %>%
+ dplyr::mutate(flux_naf_artificialisation_total = .data$flux_naf_artificialisation_total / 10000) %>%
+ dplyr::mutate(date = as.character(lubridate::year(.data$date - 1))) %>%
+ dplyr::filter(.data$date < millesime_obs_artif, .data$date > millesime_obs_artif - 11) %>% # conserve les 10 derniers millesimes
+ dplyr::arrange(.data$Zone) %>%
+ dplyr::group_by(.data$CodeZone,.data$TypeZone, .data$Zone) %>%
+ dplyr::summarise(`total en hectares`= sum(.data$flux_naf_artificialisation_total,na.rm=T)) %>%
+ dplyr::left_join(COGiter::departements_geo,by=c("CodeZone"="DEP"))
+ data <- sf::st_as_sf(data)
+
+ # creation de la carte
+ monde_file <- system.file("maps","countries_voisins-10m.gpkg",package = "mapfactory")
+ monde <- sf::read_sf(monde_file) %>%
+ dplyr::select(.data$name)
+
+ bbox_reg <- sf::st_bbox(sf::st_buffer(data,50000))
+
+ y_min = bbox_reg$ymin
+ y_max = bbox_reg$ymax
+ x_min = bbox_reg$xmin
+ x_max = bbox_reg$xmax
+
+ carte_2_2 <- ggplot2::ggplot(data)+
+ ggplot2::geom_sf(data = monde,fill="light grey")+
+ ggplot2::geom_sf(fill="white")+
+ ggplot2::stat_sf_coordinates(ggplot2::aes(size=.data$`total en hectares`,
+ fill=.data$`total en hectares`),
+ color="black",
+ shape=21,
+ alpha = 0.8)+
+ ggplot2::coord_sf(
+ xlim = c(x_min, x_max),
+ ylim = c(y_min, y_max),
+ expand = FALSE,
+ crs = sf::st_crs(data),
+ datum = NA
+ )+
+ ggplot2::theme(
+ panel.background = ggplot2::element_rect(fill = "light blue"))+
+ gouvdown::scale_fill_gouv_continuous(palette = "pal_gouv_o", reverse = TRUE, name="")+
+ # ggplot2::scale_size_area(name="")+
+ # ggplot2::scale_size(range = c(0,15))
+ ggplot2::scale_size_continuous(range = c(0,20))+
+ ggplot2::labs(title=glue::glue("Surfaces artificialis\u00e9es de {millesime_debut} \u00e0 {millesime_fin}"),
+ subtitle="",
+ y="",
+ x="",
+ caption = glue::glue("Source : DGFip/Cerema {millesime_obs_artif}"))
+
+
+
+
+
+
+
+
+
+ return(carte_2_2)
+}