diff --git a/DESCRIPTION b/DESCRIPTION
index 6c4c1d7985cf0ca2892b89ac0d5695c3cb606252..53da080c34058e4156ac775d094f40ea8b699080 100644
--- a/DESCRIPTION
+++ b/DESCRIPTION
@@ -38,8 +38,7 @@ Imports:
stringr,
tidyr,
tricky,
- utils,
- sf
+ utils
Suggests:
knitr,
rmarkdown,
diff --git a/NAMESPACE b/NAMESPACE
index 624b64aa832500e780fc2f4e03ead4db54fc29d6..2e51793684b18b8ec8c703d312b7e181a1eedd13 100644
--- a/NAMESPACE
+++ b/NAMESPACE
@@ -8,6 +8,7 @@ export(creer_carte_3_2)
export(creer_graphe_1_1)
export(creer_graphe_1_4)
export(creer_graphe_1_5)
+export(creer_graphe_2_3)
export(creer_graphe_2_4)
export(format_fr_pct)
importFrom(attempt,stop_if_not)
@@ -44,6 +45,7 @@ importFrom(ggplot2,geom_sf)
importFrom(ggplot2,geom_text)
importFrom(ggplot2,ggplot)
importFrom(ggplot2,labs)
+importFrom(ggplot2,position_dodge)
importFrom(ggplot2,scale_fill_manual)
importFrom(ggplot2,scale_size_area)
importFrom(ggplot2,scale_x_discrete)
diff --git a/R/creer_graphe_2_3.R b/R/creer_graphe_2_3.R
new file mode 100644
index 0000000000000000000000000000000000000000..00b98fefa57baffa7182593de749cd9b90a1d55f
--- /dev/null
+++ b/R/creer_graphe_2_3.R
@@ -0,0 +1,58 @@
+#' Creation du graphique du taux d'evolution 2009/19 (%) de l'artificialisation cadastree des differentes regions.
+#' @description Graphique du taux d'evolution 2009/19 (%) de l'artificialisation cadastree des differentes regions.
+#'
+#' @param millesime_obs_artif_gk3 une année parmi les millesimes sélectionnables par l'utilisateur, au format numerique.
+#'
+#' @return Un diagramme en barres
+#'
+#' @importFrom dplyr mutate filter select group_by case_when
+#' @importFrom forcats fct_reorder
+#' @importFrom ggplot2 ggplot aes geom_bar geom_text position_dodge coord_flip labs theme element_text scale_y_continuous
+#' @importFrom glue glue
+#' @importFrom scales number_format
+#'
+#' @export
+#'
+#' @examples
+#' creer_graphe_2_3(millesime_obs_artif_gk3=2019)
+
+creer_graphe_2_3 <- function(millesime_obs_artif_gk3){
+
+ # Creation de la table utile a la production du graphique
+ data <- observatoire_artificialisation_gk3 %>%
+ dplyr::mutate(date=year(.data$date)) %>%
+ dplyr::filter(.data$TypeZone == "R\u00e9gions",
+ !(.data$CodeZone %in% c("01","02","03","04","06")),
+ .data$date == millesime_obs_artif_gk3 | .data$date == millesime_obs_artif_gk3 - 9) %>%
+ dplyr::select (-.data$surface_naf) %>%
+ dplyr::group_by(.data$TypeZone,.data$Zone,.data$CodeZone) %>%
+ summarise(evolution=round((sum(.data$surface_artificialisee[which(date==2019)],na.rm=T) - sum(.data$surface_artificialisee[which(date==2010)],na.rm=T))/10000,0)) %>%
+ dplyr::mutate(couleur_barre = dplyr::case_when(
+ .data$CodeZone=="52"~ 1,
+ TRUE ~ 0))
+
+ valeur_max <- max(data$evolution,na.rm=T)
+ millesime_debut <- millesime_obs_artif_gk3 - 9
+
+ graph_2_3<-data %>%
+ ggplot2::ggplot(ggplot2::aes(x=forcats::fct_reorder(.data$Zone,.data$evolution,.desc=F), ymax=valeur_max+5000, y=.data$evolution,fill=.data$couleur_barre)) +
+ ggplot2::geom_bar(stat="identity")+
+ ggplot2::geom_text(ggplot2::aes(y=.data$evolution ,
+ label=.data$evolution,
+ color = .data$couleur_barre
+ ),
+ position= ggplot2::position_dodge(width=1),
+ vjust=0.5,
+ hjust=-0.5,
+ size=3) +
+ ggplot2::coord_flip(expand = FALSE) +
+ ggplot2::labs(title=glue::glue("\u00e9volution {millesime_debut} - {millesime_obs_artif_gk3} en hectares\nde l'artificialisation cadastr\u00e9e par r\u00e9gion"),
+ subtitle="",x="",y="",
+ fill="",
+ caption = glue::glue("Source : Observatoire artificialisation {millesime_obs_artif_gk3}"))+
+ ggplot2::theme(axis.text.x = ggplot2::element_text(), legend.position = "none") +
+ ggplot2::scale_y_continuous(labels = scales::number_format(suffix = "", accuracy = 1))
+
+ return(graph_2_3)
+
+}
diff --git a/R/data.R b/R/data.R
index 73a3290c9c8da2e148e8b48569bade691c5512a6..577f68ab51cadf805babc307449fd2fa47086d5a 100644
--- a/R/data.R
+++ b/R/data.R
@@ -73,3 +73,18 @@
#' }
#' @source \url{https://agreste.agriculture.gouv.fr/agreste-web/disaron/W0020/detail/}
"etalement_urbain"
+
+#' Table contenant les différents indicateurs de la source observatoire_artificialisation_gk3 utiles pour la publication.
+#'
+#' @encoding UTF-8
+#' @format Table de 363090 lignes et 6 colonnes:
+#' \describe{
+#' \item{TypeZone}{Type de territoire}
+#' \item{CodeZone}{Code du territoire}
+#' \item{Zone}{Libellé du territoire}
+#' \item{date}{Millésime de la source}
+#' \item{surface_artificialisee}{surface artificialisee}
+#' \item{surface_naf}{surface naturelle agricole et forestiere}
+#' }
+#' @source \url{https://agreste.agriculture.gouv.fr/agreste-web/disaron/W0020/detail/}
+"observatoire_artificialisation_gk3"
diff --git a/R/globals.R b/R/globals.R
index 4fe0d75bce6567c3279d7e4f49545e635cad43d9..714b0a4642fd247478c8673972fb75d8bfb62780 100644
--- a/R/globals.R
+++ b/R/globals.R
@@ -1,4 +1,4 @@
utils::globalVariables(
- c("teruti","result","observatoire_artificialisation",".data","variable",
- "valeur","etalement_urbain")
+ c("teruti","result","observatoire_artificialisation",".data","variable",".",
+ "valeur","etalement_urbain","observatoire_artificialisation_gk3")
)
diff --git a/data-raw/dataprep.R b/data-raw/dataprep.R
index 88bfa8c53d3901a9d6f83b3d5ffb5cba24f53aa8..e142ca8bdd0fa8dd1a84439e6638bb7ff56bf93e 100644
--- a/data-raw/dataprep.R
+++ b/data-raw/dataprep.R
@@ -64,6 +64,9 @@ observatoire_artificialisation<-dbReadTable(con_datamart,
etalement_urbain<-dbReadTable(con_datamart,
c("portrait_territoires","indicateur_etalement_urbain"))
+# chargement donnees observatoire artificialisation Geokit3 depuis SGBD
+observatoire_artificialisation_gk3<-dbReadTable(con_datamart,
+ c("portrait_territoires","indicateur_observatoire_artificialisation_geokit3"))
# chargement des tables cogifiées d'indicateurs territoriaux
load("extdata/cogifiee_chargement_ocsge.RData")
@@ -127,10 +130,17 @@ etalement_urbain <- etalement_urbain %>%
TypeZone = iconv(TypeZone,to = "UTF-8")) %>%
mutate(across(where(is.character),as.factor))
+observatoire_artificialisation_gk3 <- observatoire_artificialisation_gk3 %>%
+ 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))
+
rm(liste_52)
usethis::use_data(result, overwrite = TRUE, internal = FALSE)
usethis::use_data(teruti, overwrite = TRUE, internal = FALSE)
usethis::use_data(observatoire_artificialisation, overwrite = TRUE, internal = FALSE)
+usethis::use_data(observatoire_artificialisation_gk3, overwrite = TRUE, internal = FALSE)
usethis::use_data(etalement_urbain, overwrite = TRUE, internal = FALSE)
usethis::use_data(metadata_donnee, overwrite = TRUE, internal = FALSE)
diff --git a/data/observatoire_artificialisation_gk3.rda b/data/observatoire_artificialisation_gk3.rda
new file mode 100644
index 0000000000000000000000000000000000000000..e9965a47d9915ece81d48a94df6bb12939fce2da
Binary files /dev/null and b/data/observatoire_artificialisation_gk3.rda differ
diff --git a/devstuff_history.R b/devstuff_history.R
index bb1d14d48d58c59db57d6e0dfc2dc2d76d28e7fc..07bb31e8fa602b53b968dbe0b781a5a5b3c64cd9 100644
--- a/devstuff_history.R
+++ b/devstuff_history.R
@@ -60,6 +60,11 @@ 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_3
+usethis::use_vignette("bc-ch2-3","bc- Chapitre 2 Graphe 3")
+usethis::use_r("creer_graphe_2_3")
+usethis::use_test("creer_graphe_2_3")
+
##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 6d18f1b88a97832f5b33d7542e1532ad9f536d07..59b3f8cc95fe436b582ce7df8f73e3ecc2798d7d 100644
--- a/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd
+++ b/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd
@@ -10,6 +10,7 @@ params:
millesime_ocsge: 2017
millesime_obs_artif: 2019
millesime_etalement_urbain: 2018
+ millesime_obs_artif_gk3: 2019
title: "L'artificialisation des sols en Pays de la loire en `r params$millesime_observatoire_artificialisation`"
---
@@ -73,6 +74,9 @@ creer_carte_2_2( params$millesime_obs_artif)
+```{r graph du taux d evolution de l artificialisation cadastree des differentes regions,fig.width=9,fig.height=7}
+creer_graphe_2_3( params$millesime_obs_artif_gk3)
+```
```{r graph conso espace departements 10 ans,fig.width=5,fig.height=7}
creer_graphe_2_4( params$millesime_obs_artif)
diff --git a/man/creer_graphe_2_3.Rd b/man/creer_graphe_2_3.Rd
new file mode 100644
index 0000000000000000000000000000000000000000..b7788d326c91ee71703257450b29dad188359941
--- /dev/null
+++ b/man/creer_graphe_2_3.Rd
@@ -0,0 +1,20 @@
+% Generated by roxygen2: do not edit by hand
+% Please edit documentation in R/creer_graphe_2_3.R
+\name{creer_graphe_2_3}
+\alias{creer_graphe_2_3}
+\title{Creation du graphique du taux d'evolution 2009/19 (\%) de l'artificialisation cadastree des differentes regions.}
+\usage{
+creer_graphe_2_3(millesime_obs_artif_gk3)
+}
+\arguments{
+\item{millesime_obs_artif_gk3}{une année parmi les millesimes sélectionnables par l'utilisateur, au format numerique.}
+}
+\value{
+Un diagramme en barres
+}
+\description{
+Graphique du taux d'evolution 2009/19 (\%) de l'artificialisation cadastree des differentes regions.
+}
+\examples{
+creer_graphe_2_3(millesime_obs_artif_gk3=2019)
+}
diff --git a/man/observatoire_artificialisation_gk3.Rd b/man/observatoire_artificialisation_gk3.Rd
new file mode 100644
index 0000000000000000000000000000000000000000..3f320cdacf9f4a93aaa1a737d0914f08e1a8254b
--- /dev/null
+++ b/man/observatoire_artificialisation_gk3.Rd
@@ -0,0 +1,28 @@
+% Generated by roxygen2: do not edit by hand
+% Please edit documentation in R/data.R
+\docType{data}
+\encoding{UTF-8}
+\name{observatoire_artificialisation_gk3}
+\alias{observatoire_artificialisation_gk3}
+\title{Table contenant les différents indicateurs de la source observatoire_artificialisation_gk3 utiles pour la publication.}
+\format{
+Table de 363090 lignes et 6 colonnes:
+\describe{
+\item{TypeZone}{Type de territoire}
+\item{CodeZone}{Code du territoire}
+\item{Zone}{Libellé du territoire}
+\item{date}{Millésime de la source}
+\item{surface_artificialisee}{surface artificialisee}
+\item{surface_naf}{surface naturelle agricole et forestiere}
+}
+}
+\source{
+\url{https://agreste.agriculture.gouv.fr/agreste-web/disaron/W0020/detail/}
+}
+\usage{
+observatoire_artificialisation_gk3
+}
+\description{
+Table contenant les différents indicateurs de la source observatoire_artificialisation_gk3 utiles pour la publication.
+}
+\keyword{datasets}
diff --git a/tests/testthat/test-creer_graphe_2_3.R b/tests/testthat/test-creer_graphe_2_3.R
new file mode 100644
index 0000000000000000000000000000000000000000..c55faafd7a40ba73e70899a83c21dc499cdccbd1
--- /dev/null
+++ b/tests/testthat/test-creer_graphe_2_3.R
@@ -0,0 +1,7 @@
+test_that("creer_graphe_2_3 fonctionne", {
+
+ # Test que le graphe est un ggplot
+ objet <- creer_graphe_2_3(millesime_obs_artif_gk3=2019)
+ testthat::expect_equal(attr(objet, "class"), c("gg","ggplot"))
+
+})
diff --git a/vignettes/bc-ch2-3.Rmd b/vignettes/bc-ch2-3.Rmd
new file mode 100644
index 0000000000000000000000000000000000000000..96acb92d5ae84f32299cec3d823d2a2b22794887
--- /dev/null
+++ b/vignettes/bc-ch2-3.Rmd
@@ -0,0 +1,30 @@
+---
+title: "bc- Chapitre 2 Graphe 3"
+output: rmarkdown::html_vignette
+vignette: >
+ %\VignetteIndexEntry{bc- Chapitre 2 Graphe 3}
+ %\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_graphe_2_3()` produit le graphique du taux d'evolution 2009/19 (%) de l'artificialisation cadastree des differentes regions.
+
+```{r setup}
+library(propre.artificialisation)
+creer_graphe_2_3(millesime_obs_artif_gk3 = 2019)
+```
diff --git a/vignettes/test.R b/vignettes/test.R
index 76da18651babc40bc27fc9fa663283d3f57f7e64..bee4bcf6f35b410501573498d11e4b9331472940 100644
--- a/vignettes/test.R
+++ b/vignettes/test.R
@@ -1,223 +1,58 @@
-#' 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
+#' Creation du graphique du taux d'evolution 2009/19 (%) de l'artificialisation cadastree des differentes regions.
+#' @description Graphique du taux d'evolution 2009/19 (%) de l'artificialisation cadastree des differentes regions.
#'
-#' @param millesime_obs_artif une année parmi les millesimes sélectionnables par l'utilisateur, au format numerique.
+#' @param millesime_teruti une année parmi les millesimes sélectionnables par l'utilisateur, au format numerique.
#'
-#' @return Une carte
+#' @return Un diagramme en barres
#'
-#' @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 dplyr mutate filter select group_by case_when
+#' @importFrom forcats fct_reorder
+#' @importFrom ggplot2 ggplot aes geom_bar geom_text position_dodge coord_flip labs theme element_text scale_y_continuous
#' @importFrom glue glue
-#' @importFrom lubridate year
-#' @importFrom stringr str_wrap
-#' @importFrom mapfactory format_fr
+#' @importFrom scales number_format
#'
#' @export
#'
#' @examples
-#' creer_carte_2_2(millesime_obs_artif = 2019)
+#' creer_graphe_2_3(millesime_obs_artif_gk3=2019)
-millesime_etalement_urbain=2018
-
- data <- etalement_urbain %>%
- dplyr::filter(.data$TypeZone == "Communes",
- .data$date == lubridate::make_date(millesime_etalement_urbain,"01","01"))%>%
- dplyr::mutate(indicateur_etalement_urbain = forcats::fct_rev(.data$indicateur_etalement_urbain))
-
- fond_carte <- mapfactory::fond_carto(nom_reg = "Pays de la Loire")
-
- localisation_classe6 <- fond_carte$communes %>%
- dplyr::filter(DEPCOM=="53125") %>%
- sf::st_centroid() %>%
- sf::st_geometry() %>%
- sf::st_coordinates()
-
- localisation_classe2a <- fond_carte$communes %>%
- dplyr::filter(DEPCOM=="44072") %>%
- sf::st_point_on_surface() %>%
- sf::st_geometry() %>%
- sf::st_coordinates()
-
- # # reflexions sur automatisation du choix communes de référence
- # ideal_class3_x <- 390000 #coordonnées du point ideal
- # ideal_class3_y <- 6630000
- # choix_class3 <- data %>%
- # dplyr::filter(indicateur_etalement_urbain == "classe 3") #on ne conserve que les class 3
- # # ajouter dans cette table une colonne avec les coordonnéesdu centre de la commune
- # #et une autre avec celles du point ideal
- # # creer une colonne avec une fonction qui calcule la distance entre les 2 colonnes précedentes
- # # prendre la valeur la plus faible de cette colonne et extraire le code commune
- # # utiliser ce code dans localisation_class_3
-
- localisation_classe3 <- fond_carte$communes %>%
- dplyr::filter(DEPCOM=="85289") %>%
- sf::st_point_on_surface() %>%
- sf::st_geometry() %>%
- sf::st_coordinates()
-
-millesime_obs_artif=2019
-library(COGiter)
-
-creer_graphe_2_2 <- function(millesime_obs_artif) {
-
- # calcul des millesimes extremes du graphique
- millesime_debut <- millesime_obs_artif - 10
- millesime_fin <- millesime_obs_artif - 1
+creer_graphe_2_3 <- function(millesime_obs_artif_gk3){
# Creation de la table utile a la production du graphique
- data <- observatoire_artificialisation %>%
- dplyr::filter(.data$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)
-}
-
- localisation_classe5 <- fond_carte$communes %>%
- dplyr::filter(DEPCOM=="49224") %>%
- sf::st_point_on_surface() %>%
- sf::st_geometry() %>%
- sf::st_coordinates()
-
- carte_3_2 <- mapfactory::creer_carte_categorie_communes(data = data,
- code_region=52,
- carto = fond_carte,
- palette = "pal_gouv_o",
- inverse = FALSE,
- indicateur = .data$indicateur_etalement_urbain,
- titre = glue::glue("Etalement urbain en Pays de la Loire par commune \n au 1er janvier {millesime_etalement_urbain}"),
- bas_de_page = glue::glue("Source : {millesime_etalement_urbain}"),
- suffixe = NULL
- ) +
- ggplot2::annotate("curve",
- x = 350000,
- y=6818000,
- xend = localisation_classe6[1],
- yend = localisation_classe6[2],
- color = "#D66C58",
- arrow = ggplot2::arrow(length = ggplot2::unit(0.05, "inches"))
- ) +
- ggplot2::annotate("label",
- x = 350000,
- y=6818000,
- label="classe 6 :\nTerritoires pour lesquels \nla population décroit et \nl'artificialisation progresse",
- label.r = ggplot2::unit(0,"lines"),
- size = 3,
- family = "Marianne",
- fill = "#D66C58",
- color = "white") +
- ggplot2::annotate("curve",
- x = 320000,
- y=6760000,
- xend = localisation_classe2a[1],
- yend = localisation_classe2a[2],
- color = "black",
- arrow = ggplot2::arrow(length = ggplot2::unit(0.05, "inches"))
- ) +
- ggplot2::annotate("label",
- x = 320000,
- y=6760000,
- label="classe 2a :\nTerritoires pour lesquels \nla population croit moins vite \nque l'artificialisation",
- label.r = ggplot2::unit(0,"lines"),
- size = 3,
- family = "Marianne",
- fill = "#FFF2F1",
- color = "black") +
-
- ggplot2::annotate("curve",
- x = 470000,
- y=6603000,
- xend = localisation_classe3[1],
- yend = localisation_classe3[2],
- color = "black",
- arrow = ggplot2::arrow(length = ggplot2::unit(0.05, "inches"))
- ) +
- ggplot2::annotate("label",
- x = 470000,
- y=6603000,
- label="classe 3 :\nTerritoires pour lesquels \nla population croit moins vite \nque l'artificialisation",
- label.r = ggplot2::unit(0,"lines"),
- size = 3,
- family = "Marianne",
- fill = "#FFC9C2",
- color = "black") +
- ggplot2::annotate("curve",
- x = 500000,
- y=6643000,
- xend = localisation_classe5[1],
- yend = localisation_classe5[2],
- color = "black",
- arrow = ggplot2::arrow(length = ggplot2::unit(0.05, "inches"))
- ) +
- ggplot2::annotate("label",
- x = 500000,
- y=6643000,
- label="classe 5 :\nTerritoires pour lesquels \nla population croit moins vite \nque l'artificialisation",
- label.r = ggplot2::unit(0,"lines"),
- size = 3,
- family = "Marianne",
- fill = "#F66E4E",
- color = "black")
-
-
-
- return(carte_3_2)
+ data <- observatoire_artificialisation_gk3 %>%
+ dplyr::mutate(date=year(.data$date)) %>%
+ dplyr::filter(.data$TypeZone == "R\u00e9gions",
+ !(.data$CodeZone %in% c("01","02","03","04","06")),
+ .data$date == millesime_obs_artif_gk3 | .data$date == millesime_obs_artif_gk3 - 9) %>%
+ dplyr::select (-.data$surface_naf) %>%
+ dplyr::group_by(.data$TypeZone,.data$Zone,.data$CodeZone) %>%
+ summarise(evolution=round((sum(surface_artificialisee[which(date==2019)],na.rm=T) - sum(surface_artificialisee[which(date==2010)],na.rm=T))/10000,0)) %>%
+ dplyr::mutate(couleur_barre = dplyr::case_when(
+ .data$CodeZone=="52"~ 1,
+ TRUE ~ 0))
+
+ valeur_max <- max(data$evolution,na.rm=T)
+ millesime_debut <- millesime_obs_artif_gk3 - 9
+
+ graph_2_3<-data %>%
+ ggplot2::ggplot(ggplot2::aes(x=forcats::fct_reorder(.data$Zone,.data$evolution,.desc=F), ymax=valeur_max+5000, y=.data$evolution,fill=.data$couleur_barre)) +
+ ggplot2::geom_bar(stat="identity")+
+ ggplot2::geom_text(ggplot2::aes(y=.data$evolution ,
+ label=.data$evolution,
+ color = .data$couleur_barre
+ ),
+ position= ggplot2::position_dodge(width=1),
+ vjust=0.5,
+ hjust=-0.5,
+ size=3) +
+ ggplot2::coord_flip(expand = FALSE) +
+ ggplot2::labs(title=glue::glue("\u00e9volution {millesime_debut} - {millesime_obs_artif_gk3} en hectares\nde l'artificialisation cadastr\u00e9e par r\u00e9gion"),
+ subtitle="",x="",y="",
+ fill="",
+ caption = glue::glue("Source : Observatoire artificialisation {millesime_obs_artif_gk3}"))+
+ ggplot2::theme(axis.text.x = ggplot2::element_text(), legend.position = "none") +
+ ggplot2::scale_y_continuous(labels = scales::number_format(suffix = "", accuracy = 1))
+
+ return(graph_1_1)
}