Le document traite de l'utilisation des outils cartographiques et de la statistique spatiale dans R, incluant des sources de données comme GADM et OpenStreetMap. Il explique les différentes représentations cartographiques, la création de données spatiales et les statistiques spatiales via diverses méthodes. Enfin, il aborde l'application de modèles spatiaux et des contraintes liées à l'analyse des données.

1. Les outils
cartographiques et en
Statistique spatiale sur R
Alejandro LARA-RAMIREZ
Kevin PARRA
Martin GUBRI
18 juin 2014

2. 2
2
GroupeDavantia

3. DATA :
LES
SOURCES

4. 4
4
GADM : Global Administrative Areas
Téléchargement par code:
load(url("http://biogeo.ucdavis.edu/data/gadm2/R/FRA_adm5.RData"))

5. 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")

6. REPRÉSENTATIONS
CARTOGRAPHIQUES :
DES
EXEMPLES

7. 7
7
Représentation Statique : PLOT
Fond cartographique OSM

8. 8
8
Représentation Statique : PLOT
Fond cartographique OSM

9. 9
9
Représentation Statique : PLOT
Fond cartographique OSM

10. 10
10
Représentation Statique : PLOT
Fond cartographique OSM

11. 11
11
Représentation Statique : PLOT
Fond cartographique OSM

12. 12
12
Représentation Statique : PLOT
Fond cartographique OSM

13. 13
13
Représentation Statique : PLOT
SpatialPointsDataFrame
SpatialLinesDataFrame
SpatialPolygonsDataFrame
Les objets spatiaux

14. 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"))
SpatialPointsDataFrame
paquet 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
15
Représentation Statique : PLOT
SpatialLinesDataFrame
SpatialLinesDataFrame
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
16
Représentation Statique : PLOT
SpatialPolygonsDataFrame
SpatialPolygonsDataFrame
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
17
Représentation Statique : PLOT
Génération de SpatialPointsDataFrame La fonction pave [pgirmess]

18. 18
18
Représentation Statique : PLOT
Génération de SpatialPointsDataFrame La fonction pave [pgirmess]

19. 19
19
Représentation Statique : PLOT
Lien parmi SpatialPolygonsDataFrame, SpatialLinesDataFrame et
SpatialPointsDataFrame
Lien parmi les objets spatiaux La fonction over [sp]

20. 20
20
Représentation Statique : GGMAP
Fond cartographique googlemaps.

21. 21
21
Représentation Statique : GGMAP
Fond cartographique googlemaps hybrid.

22. 22
22
Représentation Statique : GGMAP
Fond cartographique statmen toner.

23. 23
23
Représentation Dynamique : PLOTKML

24. 24
24
Représentation Dynamique : RMAPS
Packages leafletR, rMaps et rCharts.

25. 25
25
Représentation Dynamique : RMAPS
Packages leafletR, rMaps et rCharts.

26. 26
26
Représentation Dynamique : RMAPS
Packages leafletR, rMaps et rCharts.

27. STATISTIQUES :
MÉTHODES
SPATIALES

28. 28
28
STRUCTURE DE VOISINAGE
Structure de voisinage du type queen. Fonction: poly2nb (spdep).

29. 29
29
STRUCTURE DE VOISINAGE
Structure de voisinage du type plus proche voisin 1. Fonction: knn2nb (spdep).

30. 30
30
STRUCTURE DE VOISINAGE
Structure de voisinage du type plus proche voisin 1. Fonction: knn2nb (spdep).

31. 31
31
ENVIRONNEMENT SOURCE
Variable cible : somme des points d’intérêt OSM par maille géographique

32. 32
32
APPLICATION SKATER METHOD
L’algorithme de minimum spanning tree.

33. 33
33
Contrainte critère nb groupes : 6 mailles.
APPLICATION SKATER METHOD

34. 34
34
Contrainte critère nb groupes : 16 mailles.
APPLICATION SKATER METHOD

35. 35
35
Contrainte critère variable quantitative : au moins 19 points d’intérêt.
APPLICATION SKATER METHOD

36. 36
36
Contrainte critère variable quantitative : au moins 300 points d’intérêt.
APPLICATION SKATER METHOD

37. 37
37
Contrainte critère variable quantitative : au moins 400 points d’intérêt.
APPLICATION SKATER METHOD

38. 38
38
APPLICATION DES MODELES SPATIAUX
Modèle linéaire gaussien versus LinéaireAutorégressive Gaussien.
Structure de voisinage
du type queen.