2. Construire un jeu de données

Pascal Irz

09/10/2024

Objectif

Il s’agit de construire, à partir des tables de la base Aspe, un jeu de données classique. Pour le détail de la structure de la base, voir Irz et al. (2022).

Construction du dataframe de base

Activation des packages et chargement des données

library(aspe)
library(dplyr)
library(stringr)

Les données ont été préalablement extraites d’un ‘dump’ de la base Aspe (cf. tuto. Elles comprennent deux fichiers de données, l’un pour les mesures individuelles et l’autre pour l’ensemble des autres tables. Seul ce dernier est utilisé ici.

misc_charger_donnees_test()

Mise en correspondance des identifiants des tables principales

On va ici créer un dataframe “passerelle” qui met en correspondance les identifiants des tables principales de la base. La description des tables est fournie dans l’article cité ci-dessus.

passerelle <- aspe::mef_creer_passerelle()

Cette table contient, comme variables, les identifiants se réfèrant aux lignes des tables suivantes :

• sta_id : station (optionnel)
• pop_id : point de prélèvement (obligatoire)
• ope_id : opération de pêche (obligatoire)
• pre_id : prélèvement élémentaire (obligatoire)
• lop_id : lot poisson (obligatoire)

Ces identifiants permettent d’opérer des jointures avec les tables de la base qui contiennent les données. Une ligne correspond à un lot de poisson, qui est rattaché, de proche en proche, à son prélèvement élémentaire, lui-même à son opération, elle-même à son point de prélèvelement et lui-même à sa station. Un échantillon :

sta_id	pop_id	ope_id	pre_id	lop_id
11302	44190	6473	14848	797642
10844	42704	6565	15113	819557
10925	42959	86987	94057	5404810
11302	44190	6639	15664	835895
11302	44190	6568	14861	820069
10925	42959	87839	95308	5472677

Sélection d’un périmètre géographique

La base Aspe est nationale, mais pour la plupart des besoins il est préférable de commencer par en restreindre le périmètre pour alléger les traitements.

Sélectionner des départements

Cette sélection est simple car la base contient l’information du département associé à chaque point de prélèvement.

aspe_22 <- passerelle %>% 
  mef_ajouter_dept() %>% 
  filter(dept == "22")

Sélection géographique

Pour sélectionner les points de prélèvement qui se trouvent dans un périmètre donné, il est possible d’opérer une sélection spatiale. La sélection comprend les étapes suivantes :

• transformer la table des points de prélèvements en un objet géographique
• intersecter ces points avec le polygone du périmètre (ici un bassin versant)
• extraire les identifiants des points qui sont à l’intérieur du périmètre
• filtrer la passerelle pour ne conserver que ces points

A noter, pour une sélection sur un périmètre administratif autre que le département (communes, EPCI, régions), le package R COGiter est particulièrement pratique.

Spatialisation des points

Comme il existe dans la base plusieurs systèmes de coordonnées (CRS), on doit les homogénéiser et s’assurer que les points et le polygone ont le même CRS.

Ajout du code CRS (EPSG) aux points (table point_prelevement) par jointure avec la table ref_type_projection qui fait la correspondence entre les codes internes de la base et les numéros EPSG des CRS.

pops <- point_prelevement %>%
  left_join(y = ref_type_projection,
            by = c("pop_typ_id" = "typ_id"))

Coordonnées des points en Lambert 93. Le dataframe coords contient uniquement les deux colonnes X et Y pour la longitude et la latitude.

# coordonnées
coords <- aspe::geo_convertir_coords_df(
  df = pops,
  var_x = pop_coordonnees_x,
  var_y = pop_coordonnees_y,
  var_crs_initial = typ_code_epsg,
  crs_sortie = 2154 # Lambert 93
)

Création d’un objet géographique des points, de classe sf :

• on juxtapose au dataframe pops les colonnes de coordonnées qui sont dans le dataframe coords
• puis le dataframe fusionné est transformé en objet géographique avec la fonction st_as_sf().

# création d'un objet géographique
pops_geo <- pops %>%
  cbind(coords) %>%
  sf::st_as_sf(coords = c("X", "Y"),
               crs = 2154)

Le résultat peut être visualisé par exemple avec mapview::mapview(pops_geo).

mapview::mapview(pops_geo)

Chargement des contours du bassin

Avec les fonctions du package sf, on charge le shapefile, puis si besoin on le reprojette s’il n’a pas le même CRS que les points.

bv_fichier <- "../raw_data/bassin.shp"

mon_bv <- sf::read_sf(dsn = bv_fichier) %>% 
  sf::st_transform(crs = 2154)

Croisement géographique

On opère une sélection géographique en ne conservant que les points pour lesquels la jointure géographique a permis d’obtenir un attribut du bassin (ici la variable ID).

pops_geo_bv <- pops_geo %>%
  sf::st_join(mon_bv) %>%
  filter(!is.na(ID)) %>% # suppression des lignes où ID est manquant
  select(names(pops_geo)) # sélection des mêmes colonnes que celles de pops_geo

On collecte un vecteur contenant les identifiants pop_id des points localisés dans le bassin.

pops_bv_ids <- pops_geo_bv %>%
  pull(pop_id)

Sélection des points

La passerelle est filtrée pour ne retenir que les points de prélèvement localisés dans le polygone.

aspe_sel <- passerelle %>% 
  filter(pop_id %in% pops_bv_ids)

Construction du jeu de données

Sélection d’une fenêtre temporelle

Cette sélection est beaucoup plus simple qu’en spatial. Il suffit d’ajouter la date de l’opération puis de filtrer dessus. Par exemple :

aspe_sel <- passerelle %>% 
  mef_ajouter_ope_date() %>% 
  filter(annee > 2008)

Ajout des données (et re-sélection)

Le principe est d’utiliser la famille des fonctions du package aspe qui sont préfixées par mef_ajouter. Celles-ci servent à ajouter des données à une passerelle.

#>  [1] "mef_ajouter_abs"                "mef_ajouter_ambiance"          
#>  [3] "mef_ajouter_dept"               "mef_ajouter_esp"               
#>  [5] "mef_ajouter_groupe_points"      "mef_ajouter_intervenants"      
#>  [7] "mef_ajouter_ipr"                "mef_ajouter_libelle"           
#>  [9] "mef_ajouter_libelle_site"       "mef_ajouter_lots"              
#> [11] "mef_ajouter_mei"                "mef_ajouter_metriques"         
#> [13] "mef_ajouter_moyen_prospection"  "mef_ajouter_objectif"          
#> [15] "mef_ajouter_ope_date"           "mef_ajouter_ope_desc_peche"    
#> [17] "mef_ajouter_ope_env"            "mef_ajouter_passage"           
#> [19] "mef_ajouter_proba_presence_ipr" "mef_ajouter_qualification"     
#> [21] "mef_ajouter_stats_taille"       "mef_ajouter_surf_calc"         
#> [23] "mef_ajouter_type_longueur"      "mef_ajouter_type_lot"          
#> [25] "mef_ajouter_type_materiel"      "mef_ajouter_type_prelevement"  
#> [27] "mef_ajouter_type_protocole"     "mef_ajouter_utilisateurs"      
#> [29] "mef_ajouter_validation"

Exemple si l’on veut étudier les notes IPR et les métriques, pour les pêches réalisées dans le cadre du Réseau Hydrobiologique et Piscicole. Comme les notes IPR sont attribuée à chaque pêche, elles sont identiques pour chaque lot de poissons de la même pêche donc on peut dédoublonner les lignes afin de n’avoir qu’une ligne par opération.

aspe_ipr <- aspe_sel %>% 
  select(-pre_id, -lop_id) %>% 
  distinct() %>% # dédoublonnage
  mef_ajouter_objectif() %>% 
  filter(obj_libelle == "RHP – Réseau Hydrobiologique Piscicole") %>% 
  mef_ajouter_ipr() %>% 
  mef_ajouter_metriques()

On rajoute les libellés des points de prélèvement et sélectionne uniquement les variables d’intérêt.

aspe_ipr <- aspe_ipr %>%
  mef_ajouter_libelle() %>%
  select(sta_id:ope_id,
         pop_libelle,
         annee,
         ope_date,
         ipr,
         cli_libelle,
         ner:dti)

Visualisation.

sta_id	pop_id	ope_id	pop_libelle	annee	ope_date	ipr	cli_libelle	ner	nel	nte	dit	dio	dii	dti
10925	42959	51339	Le Ruisseau de Loup à Plougonver	2010	05/10/2010	6.36	Bon	0.04	0.04	1.72	2.51	0.92	0.99	0.14
10734	42437	51317	Le Gouessant à Andel	2009	08/09/2009	19.16	Moyen	1.10	1.76	3.83	3.16	6.84	0.84	1.63
10647	42207	6648	L'Arguenon à Dolo	2009	08/09/2009	10.72	Bon	0.16	0.25	3.06	2.10	3.05	1.68	0.41
10844	42704	6642	TRIEUX à PLESIDY	2009	16/10/2009	5.99	Bon	0.17	0.47	2.09	0.98	0.57	0.98	0.72
10734	42437	6676	Le Gouessant à Andel	2010	29/09/2010	16.75	Moyen	1.16	4.30	1.10	2.16	5.38	2.21	0.44
10844	42704	6837	TRIEUX à PLESIDY	2013	01/10/2013	5.86	Bon	0.14	0.07	1.69	1.69	0.55	1.13	0.58

Dans la même logique, il est possible d’enrichir le jeu de données avec les informations contenues dans les différentes tables au moyen des fonctions mef_ajouter_xxx().