-
Notifications
You must be signed in to change notification settings - Fork 0
/
01-NotionsDeBase.qmd
1123 lines (886 loc) · 56.8 KB
/
01-NotionsDeBase.qmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
# Notions de base {#sec-chap01}
Dans ce chapitre, nous décrivons comment importer, manipuler et cartographier des données spatiales dans R. Pour une description plus détaillée du langage de programmation R -- objets et expression, opérateurs, structures de données (vecteurs, matrices, *arrays*, *DataFrame*), importation et manipulation de données --, lisez le chapitre intitulé [*Prise en main avec R*](https://serieboldr.github.io/MethodesQuantitatives/01-priseenmainR.html) [@RBoldAir].
::: bloc_package
::: bloc_package-header
::: bloc_package-icon
:::
**Liste des *packages* utilisés dans ce chapitre**
:::
::: bloc_package-body
- Pour importer et manipuler des fichiers géographiques :
- `sf` pour importer et manipuler des données vectorielles.
- Pour cartographier des données :
- `ggplot2` est un *package* pour construire des graphiques qui peut être aussi utilisé pour visualiser des données spatiales.
- `tmap` pour construire des cartes thématiques.
- `RColorBrewer` pour construire une palette de couleur.
- `ggpurb` pour combiner des graphiques et des cartes.
:::
:::
## Description des jeux de données utilisés dans le manuel {#sec-011}
## Conceptualisation de l'espace : matrices des pondérations spatiales {#sec-012}
### Matrices de contiguïté {#sec-0121}
### Matrices de proximité {#sec-0122}
### Standardisation des matrices de pondération spatiale en ligne {#sec-0123}
### Mise en œuvre dans R {#sec-0124}
## Notion de variable spatialement décalée {#sec-013}
## Notion d'autocorrélation spatiale {#sec-014}
### Autocorrélation spatiale globale {#sec-0141}
#### Statistique du *I* de Moran {#sec-01411}
#### Statistiques de comptage de jointure {#sec-01412}
### Autocorrélation spatiale locale {#sec-0142}
#### Statistiques locales de Getis et Ord {#sec-014121}
#### Typologie basée sur le diagramme de Moran {#sec-014122}
#### Version locale des statistiques de comptage de jointure {#sec-014123}
## Retour sur la régression linéaire multiple {#sec-015}
## Notion de dépendance spatiale et d’hétérogénéité spatiale et de non-stationnarité spatiale {#sec-016}
## Pourquoi recourir à des régressions spatiales? {#sec-017}
<!-- ## Importation de données géographiques {#sec-011} -->
<!-- ::: bloc_notes -->
<!-- ::: bloc_notes-header -->
<!-- ::: bloc_notes-icon -->
<!-- ::: -->
<!-- **Quels *packages* choisir pour importer et manipuler des données spatiales?** -->
<!-- ::: -->
<!-- ::: bloc_notes-body -->
<!-- Pour les données vectorielles, il existe deux principaux *packages* (équivalent d'une librairie dans Python) : `sp` [@PackageSP1; @PackageSP2] et `sf` [@PackageSF]. Puisque le *package* `sp` est progressivement délaissé par R, il est donc fortement conseillé d'utiliser `sf`. -->
<!-- Pour les données *raster*, il est possible d'utiliser les *packages* `raster` [@PackageRaster] et `terra` [@PackageTerra], dont le dernier, plus récent, semblerait plus rapide. -->
<!-- Cette transition de `sp` à `sf` et de `raster` à `terra` est assez récente et encore en cours durant l'écriture de ce livre. Il existe encore de nombreux *packages* basés sur `sp` et `raster`. Il est donc possible que vous ayez à les utiliser, car leur transition n'est peut-être pas encore effectuée. Notez que la façon dont ces anciens *packages* intègrent les données vectorielles et matricielles dans R est très différente de celle des nouveaux *packages*. À titre d'exemple, la fonction `sp::readOGR` lit un fichier *shapefile*, tout comme la fonction `sf::st_read`, mais la première produit un objet de type `SpatialDataFrame`, alors que la seconde produit un `tbl_df`. Dans le premier cas, les géométries et les données sont stockées dans deux éléments séparés, alors que dans le second cas, le `tbl_df` est un `data.frame` avec une colonne contenant les géométries. -->
<!-- Pour les personnes intéressées aux motivations ayant conduit à cette transition, consultez cet excellent [article de blog](https://r-spatial.org/r/2022/04/12/evolution.html). Il existe deux raisons principales : le mainteneur des *packages* `rgdal` et `rgeos` servant de fondation à `raster` et `sp` a pris sa retraite. À cela s'ajoutent le côté « vieille école » de ces *packages* (ayant plus de 20 ans!) et l'apparition de *packages* plus modernes. Il s'agit d'un bon exemple de ce qui peut arriver dans une communauté *open source* et des évolutions constantes de l'environnement R. -->
<!-- En résumé, privilégiez l'utilisation de `sf` et de `terra.` -->
<!-- Il convient d'installer les deux *packages*. Notez que l'installation d'un *package* requiert une connexion Internet, car R accède au répertoire de *packages* *CRAN* pour télécharger le *package* et l'installer sur votre ordinateur. Cette opération est réalisée avec la fonction `install.packages("nom du package").` Notez qu'une fois que le *package* est installé, il est enregistré localement sur votre ordinateur et y reste à moins de le désinstaller avec la fonction `remove.packages("nom du package").` -->
<!-- Autrement dit, il n'est pas nécessaire de les installer à chaque ouverture de R! Pour utiliser les fonctions d'un *package*, vous devez préalablement le charger avec la fonction `library("Nom du package")` (équivalent à la fonction `import` de Python). -->
<!-- Pour plus d'informations sur l'installation et le chargement de *packages*, consultez la [section suivante](https://serieboldr.github.io/MethodesQuantitatives/01-priseenmainR.html#sec-0123) [@RBoldAir]. -->
<!-- ::: -->
<!-- ::: -->
<!-- ### Importation de données vectorielles {#sec-0111} -->
<!-- La fonction `st_read` de `sf` permet d'importer une multitude de formats de données géographiques, comme des fichiers *shapefile* (`shp`), *GeoPackage* (`GPKG`), *GeoJSON* (`geojson`), *sqlite* (`sqlite`), *geodatabase d'ESRI* (`FileGDB`), *Geoconcept* (`gxt`), *Keyhole Markup Language* (`kml`), *Geography Markup Language* (`gml`), etc. -->
<!-- #### Importation d'un fichier *shapefile* {#sec-01111} -->
<!-- Le code R ci-dessous permet d'importer des couches géographiques au format *shapefile*. Notez que la fonction `list.files(pattern = ".shp")` renvoie préalablement la liste des couches *shapefile* présentes dans le dossier de travail. -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- ## Chargement des packages -->
<!-- library("sf") -->
<!-- library("terra") -->
<!-- library("tmap") -->
<!-- library("ggplot2") -->
<!-- library("ggpubr") -->
<!-- library("foreign") -->
<!-- library("xlsx") -->
<!-- library("rmapshaper") -->
<!-- library("RColorBrewer") -->
<!-- ## Obtention d'une liste des shapefiles dans le dossier de travail -->
<!-- list.files(path = "data/chap01/shp", pattern = ".shp") -->
<!-- ## Importation des shapefiles avec sf -->
<!-- Arrondissements <- st_read("data/chap01/shp/Arrondissements.shp", quiet=TRUE) -->
<!-- InstallationSport <- st_read("data/chap01/shp/Installations_sportives_et_recreatives.shp", quiet=TRUE) -->
<!-- PistesCyclables <- st_read("data/chap01/shp/Pistes_cyclables.shp", quiet=TRUE) -->
<!-- Rues <- st_read("data/chap01/shp/Segments_de_rue.shp", quiet=TRUE) -->
<!-- ``` -->
<!-- Regardons à présent la structure des couches importées. Pour ce faire, nous utilisons la fonction `head(nom du DataFrame, n=2)`; notez que le paramètre `n` permet de spécifier le nombre des premiers enregistrements à afficher. Les informations suivantes sont ainsi disponibles : -->
<!-- - `6 fields` : six champs attributaires (`TYPE`, `DETAIL`, `NOM`, `SURFACE`, `ECLAIRAGE`, `OBJECTID`). -->
<!-- - `Geometry type POINT` : le type de géométrie est **point**. -->
<!-- - `Bounding box: xmin: -8009681 ymin: 5686891 xmax: -8001939 ymax: 5696536` : les quatre coordonnées définissant l'enveloppe de la couche. -->
<!-- - `Projected CRS: WGS 84 / Pseudo-Mercator` : la projection cartographique. Ici, une projection cartographique utilisée par Google Maps et OpenStreetMap. -->
<!-- - La géométrie est enregistrée dans le champ `geometry`. Pour le premier enregistrement, nous avons la valeur `POINT (-8001939 5686891)`, soit un point avec les coordonnées géographiques (x,y) entre parenthèses. -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- head(InstallationSport, n=2) # Visualisation des deux premiers enregistrements -->
<!-- names(InstallationSport) # Noms de champs (colonnes) -->
<!-- View(InstallationSport) # Afficher l'ensemble de la table attributaire -->
<!-- ``` -->
<!-- Explorons les types de géométries et la projection des autres couches avec le code ci-dessous. En résumé, les types de géométries sont : -->
<!-- - Des géométries simples -->
<!-- - `point` : un seul point. -->
<!-- - `linestring` : une séquence de deux points et plus formant une ligne. -->
<!-- - `polygon` : un seul polygone formé par une séquence de points pouvant contenir un ou plusieurs polygones intérieurs formant des trous. -->
<!-- - Des géométries multiples -->
<!-- - `multipoint` : plusieurs points pour une même observation. -->
<!-- - `multilinestring` : plusieurs lignes pour une même observation. -->
<!-- - `multipolygon` : plusieurs polygones pour une même observation. -->
<!-- - Une collection de géométries (`Geometrycollection`) qui peut contenir différents types de géométries décrites ci-dessus pour une même observation. -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- head(PistesCyclables, n=2) -->
<!-- head(Rues, n=2) -->
<!-- head(Arrondissements, n=2) -->
<!-- ``` -->
<!-- Visualisons quelques couches importées avec `ggplot()`. -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- ## Arrondissements et rues -->
<!-- ggplot()+ geom_sf(data = Arrondissements, lwd = .8)+ -->
<!-- geom_sf(data = Rues, aes(colour = TYPESEGMEN)) -->
<!-- ## Arrondissements, pistes cyclables et installations sportives -->
<!-- ggplot()+ geom_sf(data = Arrondissements, lwd = .8)+ -->
<!-- geom_sf(data = PistesCyclables, aes(colour = NOM), lwd = .5)+ -->
<!-- geom_sf(data = InstallationSport) -->
<!-- ``` -->
<!-- #### Importation d'une couche dans un *GeoPackage* {#sec-01112} -->
<!-- Pour importer une couche stockée dans un *GeoPackage* (GPKG), vous devez spécifier le fichier et la couche avec respectivement les paramètres `dsn` et `layer` de la fonction `st_read`. Le code ci-dessous permet d'importer les secteurs de recensement de la région métropolitaine de recensement de Sherbrooke pour l'année 2021. Notez que la fonction `st_layers(dsn)` permet d'obtenir la liste des couches contenues dans le fichier GPKG, avec le type de géométrie, les nombre d'entités spatiales et de champs, et la projection cartographique pour chacune d'elles. -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- ## Nom du fichier GPKG -->
<!-- fichierGPKG <- "data/chap01/gpkg/Recen2021Sherbrooke.gpkg" -->
<!-- ## Liste des couches dans le GPKG -->
<!-- st_layers(dsn=fichierGPKG, do_count = TRUE) -->
<!-- ## Importation d'une couche -->
<!-- SR.RMRSherb <- st_read(dsn = fichierGPKG, -->
<!-- layer = "SherbSR", quiet=TRUE) -->
<!-- ## Affichage des deux premiers enregistrements -->
<!-- head(SR.RMRSherb, n=2) -->
<!-- ## Visualisation rapide des secteurs avec ggplot -->
<!-- ggplot()+ geom_sf(data = SR.RMRSherb, lwd = .5) -->
<!-- ``` -->
<!-- ## Manipulation de données vectorielles {#sec-012} -->
<!-- ::: bloc_objectif -->
<!-- ::: bloc_objectif-header -->
<!-- ::: bloc_objectif-icon -->
<!-- ::: -->
<!-- ***Package*** `sf` **et opérations géométriques** -->
<!-- ::: -->
<!-- ::: bloc_objectif-body -->
<!-- Le *package* `sf` est une librairie extrêmement complète permettant de réaliser une multitude d'opérations géométriques sur des couches vectorielles comme dans un système d'information géographique (SIG). Notre objectif n'est pas de toutes les décrire, mais d'aborder les principales. Au fil de vos projets avec `sf`, vous apprendrez d'autres fonctions. Pour ce faire, n'hésitez pas à consulter : -->
<!-- - Une belle [*Cheatsheet*](https://github.com/rstudio/cheatsheets/blob/main/sf.pdf) sur `sf`. Allez y jeter un œil, cela vaut la peine! -->
<!-- - Sur le [site CRAN](https://cran.r-project.org/web/packages/sf/index.html) de `sf`, vous trouverez plusieurs vignettes explicatives (exemples de code documentés). -->
<!-- - La [documentation complète en PDF](https://cran.r-project.org/web/packages/sf/sf.pdf). -->
<!-- La syntaxe `methods(class = 'sfc')` renvoie la liste des méthodes implémentées dans le *package* `sf`. Pour accéder à l'aide en ligne de l'une d'entre elles, écrivez simplement `?Nom de la fonction` (ex. : `?st_buffer`). -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- methods(class = 'sfc') -->
<!-- ``` -->
<!-- ::: -->
<!-- ::: -->
<!-- ### Fonctions relatives à la projection cartographique {#sec-0121} -->
<!-- Les trois principales fonctions relatives à la projection cartographique des couches vectorielles sont : -->
<!-- - `st_crs(x)` pour connaître la projection géographique d'un objet `sf`. -->
<!-- - `st_transform(x, cr)` pour modifier la projection cartographique. -->
<!-- - `st_is_longlat(x)` pour vérifier si les coordonnées sont en degrés longitude/latitude. -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- ## Importation d'un shapefile pour la province de Québec -->
<!-- ProvinceQc <- st_read("data/chap01/shp/Quebec.shp", quiet = TRUE) -->
<!-- ## La projection est EPSG:3347 - NAD83 / Statistics Canada Lambert, -->
<!-- ## soit la projection conique conforme de Lambert -->
<!-- st_crs(ProvinceQc) -->
<!-- ## Reprojection de la couche en WGS84 long/lat (EPSG:4326) -->
<!-- ProvinceQc.4326 <- st_transform(ProvinceQc, crs = 4326) -->
<!-- ## longitude/latitude? -->
<!-- st_is_longlat(ProvinceQc) -->
<!-- st_is_longlat(ProvinceQc.4326) -->
<!-- ``` -->
<!-- La @fig-Projections démontre bien que les deux couches sont projetées différemment. -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- #| label: fig-Projections -->
<!-- #| fig-cap: "Deux projections cartographiques" -->
<!-- #| out-width: 75% -->
<!-- #| fig-align: center -->
<!-- Map1 <- ggplot()+geom_sf(data = ProvinceQc)+coord_sf(crs = st_crs(ProvinceQc))+ -->
<!-- labs(subtitle = "Conique conforme de Lambert (EPSG : 3347)") -->
<!-- Map2 <- ggplot()+geom_sf(data = ProvinceQc.4326)+coord_sf(crs = st_crs(ProvinceQc.4326))+ -->
<!-- labs(subtitle = "WGS84 long/lat (EPSG : 4326)") -->
<!-- comp_plot <- ggarrange(Map1, Map2, ncol = 2, nrow = 1) -->
<!-- annotate_figure(comp_plot, -->
<!-- top = text_grob("Province de Québec", -->
<!-- face = "bold", size = 12, just = "center") -->
<!-- ) -->
<!-- ``` -->
<!-- ### Fonctions d'opérations géométriques sur une couche {#sec-0122} -->
<!-- Il existe une quinzaine de fonctions d'opérations géométriques sur une couche dans le *package* `sf` dont le résultat renvoie de nouvelles géométries ([voir la documentation suivante](https://r-spatial.github.io/sf/reference/geos_unary.html)). Nous décrivons ici uniquement celles qui nous semblent les plus utilisées : -->
<!-- - `st_bbox(x)` renvoie les coordonnées minimales et maximales des géométries d'un objet `sf`. Pour créer l'enveloppe d'un objet `sf`, il suffit donc d'écrire `st_as_sfc(st_bbox(x))`. -->
<!-- - `st_boundary(x)` renvoie les limites (contours) des géométries d'un objet `sf`. -->
<!-- - `st_convex_hull(x)` crée l'enveloppe convexe des géométries d'un objet `sf`. -->
<!-- - `st_combine(x)` regroupe les géométries d'un objet `sf` en une seule géométrie, sans les réunir ni résoudre les limites internes. -->
<!-- - `st_union(x)` fusionne les géométries d'un objet `sf` en une seule géométrie. -->
<!-- - `st_buffer(x, dist, endCapStyle = c("ROUND", "FLAT", "SQUARE"), joinStyle = c("ROUND", "MITRE", "BEVEL"))` crée des zones tampons d'une distance définie avec le paramètre `dist`. Cette fonction s'applique à des points, à des lignes et à des polygones. -->
<!-- - `st_centroid(x)` crée des points au centre de chaque géométrie d'un objet `sf`. Elle s'applique donc à des lignes et à des polygones. -->
<!-- - `st_point_on_surface(x)` crée un point au centre de chaque polygone d'un objet `sf` . -->
<!-- - `st_simplify(x, dTolerance)` simplifie les contours de géométries (lignes ou polygones) avec une tolérance exprimée en mètres (paramètre `dTolerance`) d'un objet `sf` . -->
<!-- - `st_voronoi(x, bOnlyEdges = TRUE)` crée des polygones de Thiessen, appelés aussi polygones de Voronoï pour des points. Attention, le paramètre `bOnlyEdges = TRUE` renvoie des lignes tandis que `bOnlyEdges = FALSE` renvoie des polygones. -->
<!-- #### Enveloppe et union d'une couche {#sec-01221} -->
<!-- Le code ci-dessous crée une enveloppe (en bleu) et un polygone fusionné (en rouge) pour les arrondissements de la ville de Sherbrooke (@fig-EnveloppeUnion). La couche résultante de l'opération `st_as_sfc(st_bbox(x))` est ainsi l'équivalent des outils `Emprise` de QGIS et `Minimum Bounding Geometry (Geometry Type = Envelope)` d'ArcGIS Pro. -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- ## Enveloppe sur les arrondissements de la ville de Sherbrooke -->
<!-- Arrond.Enveloppe <- st_as_sfc(st_bbox(Arrondissements)) -->
<!-- ## Fusionne les géométries en une seule en résolvant les limites internes -->
<!-- Arrond.Union <- st_union(Arrondissements) -->
<!-- ``` -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- #| label: fig-EnveloppeUnion -->
<!-- #| fig-cap: "Enveloppe sur une couche" -->
<!-- #| fig-align: center -->
<!-- #| out-width: 65% -->
<!-- tmap_mode("plot") -->
<!-- tm_shape(Arrond.Enveloppe) + tm_borders(col = "blue", lwd=2)+ -->
<!-- tm_shape(Arrond.Union) + tm_borders(col = "red", lwd=2)+ -->
<!-- tm_layout(frame = FALSE)+ -->
<!-- tm_scale_bar(c(0,5,10)) -->
<!-- ``` -->
<!-- #### Centroïdes et centre de surface {#sec-01223} -->
<!-- Le code ci-dessous extrait les centres géométriques, c'est-à-dire les centroïdes (en bleu) et les points à l'intérieur des polygones (en rouge) pour les arrondissements de la ville de Sherbrooke (@fig-CentroidesPointsInterieur). Ces deux opérations correspondent aux outils `centroïdes` et `Point dans la surface` de QGIS et `Feature to Point (avec l'option Inside)` d'ArcGIS Pro. -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- ## Centroïdes et points dans les polygones sur les arrondissements -->
<!-- Arrond.centroide <- st_centroid(Arrondissements) -->
<!-- Arrond.pointpoly <- st_point_on_surface(Arrondissements) -->
<!-- ``` -->
<!-- ```{r} -->
<!-- #| echo: false -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- #| label: fig-CentroidesPointsInterieur -->
<!-- #| fig-cap: "Centroïdes et points à l'intérieur des polygones" -->
<!-- #| fig-align: center -->
<!-- #| out-width: 65% -->
<!-- tm_shape(Arrondissements) + tm_borders(col = "black", lwd=2)+ -->
<!-- tm_shape(Arrond.centroide) + tm_dots(size=0.3,col="blue")+ -->
<!-- tm_shape(Arrond.pointpoly) + tm_dots(size=0.3,col="red")+ -->
<!-- tm_layout(frame = FALSE) -->
<!-- ``` -->
<!-- ## Cartographie avec R {#sec-015} -->
<!-- ::: bloc_objectif -->
<!-- ::: bloc_objectif-header -->
<!-- ::: bloc_objectif-icon -->
<!-- ::: -->
<!-- **Pourquoi cartographier des données dans R?** -->
<!-- ::: -->
<!-- ::: bloc_objectif-body -->
<!-- Vous avez certainement un logiciel de SIG préféré pour construire une carte thématique (QGIS ou ArcGIS Pro par exemple). Puisqu'en quelques clics de souris, il est facile de réaliser une carte dans un SIG, quel est donc l'intérêt d'écrire des lignes de code pour afficher une carte dans R? Autrement dit, pourquoi devriez-vous vous compliquer la vie à apprendre de la syntaxe R pour produire une simple carte? Savoir cartographier dans R a plusieurs avantages : -->
<!-- - Cartographier rapidement les résultats d'une analyse dans R permet d'éviter des allers-retours (exportation et importation de données) entre R et un logiciel de SIG. Or, la cartographie fait partie intégrante d'une démarche méthodologique d'analyse ou de modélisation spatiale. Vous restez ainsi dans le même environnement de travail (R) jusqu'à l'obtention de vos résultats finaux. Une fois ces derniers obtenus, vous pouvez les exporter et construire une carte très élaborée dans un logiciel de SIG. -->
<!-- - La syntaxe R n'est pas si compliquée. Quelques lignes de code écrites pour une première analyse peuvent être réutilisées, modifiées et bonifiées pour une autre analyse. Au fil de vos projets, vous construirez des cartes de plus en plus élaborées. Autrement dit, après quelques heures d'investissement, vous deviendrez une personne experte en cartographie dans R! -->
<!-- ::: -->
<!-- ::: -->
<!-- ::: bloc_package -->
<!-- ::: bloc_package-header -->
<!-- ::: bloc_package-icon -->
<!-- ::: -->
<!-- **Quels *packages* utiliser pour la cartographie dans R?** -->
<!-- ::: -->
<!-- ::: bloc_package-body -->
<!-- Il existe plusieurs *packages* R pour la cartographie, notamment : -->
<!-- - `ggplot2` est certainement le meilleur *package* R pour réaliser des graphiques [@ggplot2Package]. Il permet désormais de construire des cartes. -->
<!-- - `cartography` permet de construire efficacement des cartes thématiques [@cartographyPackage]. Pour avoir une idée de son potentiel, consultez cette [*Cheatsheet*](http://riatelab.github.io/cartography/vignettes/cheatsheet/cartography_cheatsheet.pdf). -->
<!-- - `tmap` [@tmapArticle] est actuellement l'un des *packages* les plus complets et les plus utilisés pour construire des cartes thématiques. -->
<!-- - Des *packages* spécifiques permettent de créer des cartes interactives sur Internet, notamment `mapview`, `mapdeck` et `leaflet`. Ce dernier est basé sur la librairie JavaScript, largement utilisée dans le domaine de la cartographie sur Internet. -->
<!-- Dans cette section, nous utilisons uniquement `tmap` dont plusieurs ressources sont disponibles sur Internet : -->
<!-- - Sur le [site CRAN de `tmap`](https://cran.r-project.org/web/packages/tmap/vignettes/tmap-getstarted.html), une excellente vignette intitulée *tmap: get started!* -->
<!-- - [Un article dans Journal of Statistical Software](https://doi.org/10.18637/jss.v084.i06) de Martijn Tennekes, créateur du *package* `tmap`. -->
<!-- - La [documentation complète en PDF](https://cran.r-project.org/web/packages/tmap/tmap.pdf). -->
<!-- ::: -->
<!-- ::: -->
<!-- ### Manipulation des couches géométriques {#sec-0151} -->
<!-- #### Principales fonctions de représentation de couches vectorielles et matricielles {#sec-01511} -->
<!-- Il existe trois catégories de fonctions pour paramétrer l'affichage de couches géographiques (@tbl-TmapMiseGeometrie). -->
<!-- ```{r} -->
<!-- #| label: tbl-TmapMiseGeometrie -->
<!-- #| tbl-cap: Principales fonctions pour manipuler des couches vectorielles et matricielles -->
<!-- #| echo: false -->
<!-- #| warning: false -->
<!-- #| message: false -->
<!-- df1 <- data.frame( -->
<!-- Fonction = c("`tm_shape`", -->
<!-- "`tm_polygons`", "`tm_symbols`", "`tm_lines`", "`tm_text`", "`tm_raster`", -->
<!-- "`tm_fill`", "`tm_border`", "`tm_bubbles`", "`tm_squares`", "`tm_dots`", "`tm_markers`"), -->
<!-- Description = c("Crée un élément `tmap` à partir d'une couche géographique vectorielle (`sf`) ou matricielle (`raster`)", -->
<!-- "Dessine des polygones (couleur et contour)", -->
<!-- "Dessine des symboles", -->
<!-- "Dessine des lignes", -->
<!-- "Dessine des étiquettes à partir d'un champ", -->
<!-- "Affiche un raster", -->
<!-- "Dessine l'intérieur de polygones", -->
<!-- "Dessine les contours", -->
<!-- "Dessine des cercles (notamment proportionnels)", -->
<!-- "Dessine des carrés (notamment proportionnels)", -->
<!-- "Dessine des points", -->
<!-- "Dessine des icones avec étiquettes"), -->
<!-- Points = c("X", -->
<!-- " ", "X", " ", "X", " ", -->
<!-- " ", " ", "X", "X", "X", "X"), -->
<!-- Lignes = c("X", -->
<!-- " ", "X", "X", "X", " ", -->
<!-- " ", " ", "X", "X", "X", "X"), -->
<!-- Polyg = c("X", -->
<!-- "X", "X", " ", "X", " ", -->
<!-- "X", "X", "X", "X", "X", "X"), -->
<!-- Raster = c("X", -->
<!-- " ", " ", " ", " ", "X", -->
<!-- " ", " ", " ", " ", " ", " ")) -->
<!-- my_table <- knitr::kable(df1, -->
<!-- format.args = list(decimal.mark = ',', big.mark = " "), -->
<!-- col.names = c("Fonction","Description", "Points", "Lignes", "Polyg.", "Raster"), -->
<!-- align=c("l", "r", "c", "c", "c", "c")) -->
<!-- kableExtra::pack_rows(my_table, -->
<!-- index = c("Fonction principale" = 1, -->
<!-- "Fonctions de base de manipulation" = 5, -->
<!-- "Autres fonctions de manipulation" = 6)) -->
<!-- ``` -->
<!-- **Construction d'une carte simple avec une couche vectorielle et une couche matricielle** -->
<!-- Le code ci-dessous permet d'afficher deux couches avec la fonction `tm_shape` : l'une vectorielle, l'autre matricielle (@fig-ArrondRaster1). -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| eval: false -->
<!-- tmap_mode("plot") -->
<!-- # 1er objet tmap pour une couche raster -->
<!-- tm_shape(MosaicSherbCrop)+ -->
<!-- tm_raster(palette = terrain.colors(10))+ -->
<!-- # 1er objet tmap pour une couche vectorielle -->
<!-- tm_shape(Arrondissements)+ -->
<!-- tm_borders(col = "black", lwd = 3)+ # contour noir avec une épaisseur de trois points -->
<!-- tm_text("NUMERO") # Étiquettes identifiant l'arrondissement -->
<!-- ``` -->
<!-- {#fig-ArrondRaster1 width="50%" fig-align="center"} -->
<!-- ::: bloc_attention -->
<!-- ::: bloc_attention-header -->
<!-- ::: bloc_attention-icon -->
<!-- ::: -->
<!-- **Ordre et hiérarchie des couches avec `tmap`**. -->
<!-- ::: -->
<!-- ::: bloc_attention-body -->
<!-- Vous avez compris qu'une couche est affichée avec la fonction `tm_shape` et que le `+` permet d'ajouter une ou plusieurs fonctions d'habillage à cette couche (`tm_polygons`, `tm_lines`, `tm_text`, `tm_raster`, etc.). -->
<!-- Il est possible d'en superposer en utilisant plusieurs `tm_shape` comme suit : -->
<!-- `tm_shape(Nom de la première couche)+` `... paramètres de la couche +` `tm_shape(Nom de la seconde couche)+` `... paramètres de la couche` -->
<!-- Notez que la première couche est celle avec laquelle la projection et l'étendue de la carte sont définies. Il est toutefois possible de changer le tout en utilisant l'argument `is.master = TRUE` dans le `tm_shape` d'une couche donnée. -->
<!-- ::: -->
<!-- ::: -->
<!-- **Construction d'une carte avec plusieurs couches vectorielles** -->
<!-- Les lignes de code suivantes permettent de construire la @fig-fig2PolyPointsLignes avec trois couches `sf`. -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- #| label: fig-fig2PolyPointsLignes -->
<!-- #| fig-align: center -->
<!-- #| fig-cap: "Exemple de carte construite avec le *package* `tmap` avec plusieurs couches vectorielles (polygones, lignes, points)" -->
<!-- #| out-width: 85% -->
<!-- tmap_mode("plot") -->
<!-- ## Polygones -->
<!-- tm_shape(Arrondissements)+ -->
<!-- tm_text("NUMERO")+ # Étiquettes identifiant l'arrondissement -->
<!-- tm_polygons(col="wheat", border.col = "black", lwd = 3)+ -->
<!-- ## Lignes -->
<!-- tm_shape(Rues)+ -->
<!-- tm_lines(col= "gray", lwd = 1)+ -->
<!-- ## Points -->
<!-- tm_shape(PointsGPS.Sherb)+ -->
<!-- tm_dots(shape=21, col="blue", size=.3) -->
<!-- ``` -->
<!-- La @fig-fig3PointsEtMarkers illustre la différence entre les fonctions `tm_dots` et `tm_markers`. -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- #| label: fig-fig3PointsEtMarkers -->
<!-- #| fig-align: center -->
<!-- #| fig-cap: "Exemple de carte `tmap` avec `tm_dots` et `tm_markers`" -->
<!-- #| out-width: 85% -->
<!-- ## Points avec tm_dots() -->
<!-- CartePoints <- -->
<!-- tm_shape(Arrondissements) + tm_polygons(col="wheat", border.col = "black") + -->
<!-- tm_shape(PointsGPS.Sherb) + tm_dots(shape=21, col="blue", size=.3) -->
<!-- ## Icones avec tm_markers() -->
<!-- CarteMarkers <- -->
<!-- tm_shape(Arrondissements) + tm_polygons(col="wheat", border.col = "black") + -->
<!-- tm_shape(PointsGPS.Sherb) + tm_markers(size = 0.2, border.col = rgb(0,0,0,0)) -->
<!-- ## Combinaison des deux cartes -->
<!-- tmap_arrange(CartePoints, CarteMarkers, ncol=2, nrow=1) -->
<!-- ``` -->
<!-- #### Couleurs uniques et palette de couleurs dans `tmap` {#sec-01512} -->
<!-- Vous avez remarqué plus haut que plusieurs fonctions comprennent l'argument `col` pour spécifier une couleur. Pour connaître les trois manières de spécifier une couleur dans R -- nom de la couleur R (`lightblue` par exemple), code hexadécimal (`#f03b20` par exemple) ou notation RVBA (`rgb(0.2, 0.4, 0.4, 0)` par exemple) --, consultez [la section suivante](https://serieboldr.github.io/MethodesQuantitatives/03-magiedesgraphiques.html#sec-0315) [@RBoldAir]. -->
<!-- Pour spécifier une palette de couleurs sur un champ dans différentes fonctions (entre autres, `tm_polygons`, `tm_lines`, `tm_fill`, `tm_dots`), il suffit d'utiliser deux arguments dans la fonction, soit `col="Nom du champ"` et `palette="nom de la palette de couleurs"`. -->
<!-- Le *package* `tmap` intègre les palettes de deux autres *packages* : `viridisLite` [@viridisPackage] et `RColorBrewer` [@RColorBrewerPackage]. Le premier propose cinq palettes de couleurs : `viridis`, `magma`, `plasma`, `inferno`, `cividis`. Le second intègre une série de palettes de couleurs proposées par la géographe et cartographe Cynthia Brewer et ses collègues [@harrower2003colorbrewer; @brewer2003colorbrewer]. Vous avez probablement déjà exploré [leur site Internet](https://colorbrewer2.org/) où il est possible de sélectionner une palette en fonction du nombre de classes, de la nature des données et de la codification des couleurs (HEX, RGB, CMYK). Succinctement, `RColorBrewer` propose plusieurs palettes regroupées selon trois catégories : -->
<!-- - Palettes qualitatives à appliquer à une variable qualitative nominale comme son nom l'indique (@fig-ColorBrewerQual). Pour afficher les palettes et connaître leurs noms, tapez `display.brewer.all(type="qual")` dans la console. -->
<!-- - Palettes séquentielles pour une variable continue avec des valeurs faibles à fortes (@fig-ColorBrewerSeq). Tapez `display.brewer.all(type="seq")` dans la console. -->
<!-- - Palettes divergentes à appliquer à une variable continue dont les valeurs aux deux extrémités s'opposent (@fig-ColorBrewerDiv). Tapez `display.brewer.all(type="div")` dans la console. -->
<!-- {#fig-ColorBrewerQual width="40%" fig-align="center"} -->
<!-- {#fig-ColorBrewerSeq width="40%" fig-align="center"} -->
<!-- {#fig-ColorBrewerDiv width="40%" fig-align="center"} -->
<!-- ::: bloc_astuce -->
<!-- ::: bloc_astuce-header -->
<!-- ::: bloc_astuce-icon -->
<!-- ::: -->
<!-- **Comparaison de palettes avec un nombre de classes défini** -->
<!-- ::: -->
<!-- ::: bloc_astuce-body -->
<!-- Si vous connaissez le nombre de classes, mais que vous hésitez à choisir telle ou telle palette de couleurs, tapez dans la console : -->
<!-- - `display.brewer.all(n=5, type="seq", exact.n=TRUE)` -->
<!-- - `display.brewer.all(n=5, type="div", exact.n=TRUE)` -->
<!-- - `display.brewer.all(n=5, type="qual", exact.n=TRUE)` -->
<!-- D'autres arguments peuvent être ajoutés comme `colorblindFriendly=TRUE` qui renvoie uniquement des palettes de couleurs adaptées aux personnes daltoniennes. En guise d'exemple, avec cinq classes, il est possible de comparer neuf palettes divergentes et six autres adaptées aux personnes daltoniennes (@fig-RcolorBrewerAstuce). -->
<!-- {#fig-RcolorBrewerAstuce width="60%" fig-align="center"} -->
<!-- Vous hésitez encore à choisir une palette de couleurs? Tapez la syntaxe ci-dessous dans la console pour afficher l'ensemble des palettes des *packages* `RColorBrewer` et `viridisLite`. -->
<!-- `tmaptools::palette_explorer()` -->
<!-- Pour inverser les couleurs d'une palette, vous devez précéder le nom de la palette par un signe moins (exemple : `-Greens`). -->
<!-- ::: -->
<!-- ::: -->
<!-- #### Cartographie d'une variable qualitative : valeurs uniques {#sec-01513} -->
<!-- **Application à une couche de points** -->
<!-- Le code ci-dessous illustre comment construire une carte thématique avec des couleurs appliquées à une variable qualitative nominale (champ `TYPE` de la couche `InstallationSport`) d'une couche de points (@fig-CarteVarQualPoints). -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- #| label: fig-CarteVarQualPoints -->
<!-- #| fig-align: center -->
<!-- #| fig-cap: "Exemple de cartographie d'une variable qualitative sur des points" -->
<!-- #| out-width: 85% -->
<!-- ## Carte -->
<!-- tm_shape(Arrondissements)+ -->
<!-- tm_borders()+ -->
<!-- tm_shape(InstallationSport)+ -->
<!-- tm_dots(shape = 21, -->
<!-- size=.3, -->
<!-- col= "TYPE", -->
<!-- palette = "Set1", -->
<!-- title ="Type d'installation")+ -->
<!-- tm_layout(main.title = "Installations sportives", -->
<!-- frame=FALSE, -->
<!-- legend.position = c("left", "top"), -->
<!-- legend.outside=TRUE) -->
<!-- ``` -->
<!-- **Application à une couche de lignes** -->
<!-- Le code ci-dessous illustre comment construire une carte thématique avec des couleurs appliquées à une variable qualitative nominale (champ `TYPESEGMEN`) d'une couche de lignes (@fig-CarteVarQualLignes). -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- #| label: fig-CarteVarQualLignes -->
<!-- #| fig-align: center -->
<!-- #| fig-cap: "Exemple de cartographie d'une variable qualitative sur des lignes" -->
<!-- #| out-width: 85% -->
<!-- ## Listes des valeurs uniques -->
<!-- table(Rues$TYPESEGMEN) -->
<!-- ## Lignes -->
<!-- tmap_mode("plot") -->
<!-- tm_shape(Rues)+ -->
<!-- tm_lines(col= "TYPESEGMEN", -->
<!-- palette = c("red", "brown4", "cornsilk1", "lightpink", "gainsboro"), -->
<!-- lwd = 2 -->
<!-- ) -->
<!-- ``` -->
<!-- **Application à une couche de polygones** -->
<!-- Le code ci-dessous illustre comment construire une carte thématique avec des couleurs appliquées à une variable qualitative nominale (champ `SDRNOM` de la couche `AD2021`) d'une couche de polygones (@fig-CarteVarQualPoly). -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- #| label: fig-CarteVarQualPoly -->
<!-- #| fig-align: center -->
<!-- #| fig-cap: "Exemple de cartographie d'une variable qualitative sur des polygones" -->
<!-- #| out-width: 85% -->
<!-- ## Importation de la couche des aires de diffusion de 2021 pour la RMR de Sherbrooke -->
<!-- AD2021 <- st_read(dsn = "data/chap01/gpkg/Recen2021Sherbrooke.gpkg", -->
<!-- layer = "SherbAD", -->
<!-- quiet = TRUE) -->
<!-- ## Carte -->
<!-- tmap_mode("plot") -->
<!-- tm_shape(AD2021)+ -->
<!-- tm_fill(col= "SDRNOM", -->
<!-- palette = "Set2", -->
<!-- lwd = 1, -->
<!-- title ="Municipalité")+ -->
<!-- tm_borders(col="black")+ -->
<!-- tm_layout(main.title = "Aires de diffusion de 2021", -->
<!-- frame =FALSE, -->
<!-- legend.position = c("left", "top"), -->
<!-- legend.outside=TRUE) -->
<!-- ``` -->
<!-- #### Cartographie d'une variable discrète : cercles proportionnels {#sec-01514} -->
<!-- La syntaxe ci-dessous permet de créer une carte avec des cercles proportionnels pour les municipalités de la région administrative de l'Estrie (@fig-CarteCerclesProport). -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- #| label: fig-CarteCerclesProport -->
<!-- #| fig-align: center -->
<!-- #| fig-cap: "Exemple de carte avec des cercles proportionnels" -->
<!-- #| out-width: 85% -->
<!-- ## Importation des municipalités (subdivisions de recensements - SDR) de l'Estrie -->
<!-- SDR.Estrie <- st_read(dsn = "data/chap01/gpkg/Recen2021Sherbrooke.gpkg", -->
<!-- layer = "sdr_Estrie", quiet = TRUE) -->
<!-- ## Importation des MRC (divisions de recensements - DR) de l'Estrie -->
<!-- DR.Estrie <- st_read(dsn = "data/chap01/gpkg/Recen2021Sherbrooke.gpkg", -->
<!-- layer = "DREstrie2021", quiet = TRUE) -->
<!-- ## Importation des données sur la population -->
<!-- PopSDR <- read.csv("data/chap01/tables/SDR_Estrie.csv") -->
<!-- PopSDR$SDRidu <- as.character(PopSDR$SDRidu) -->
<!-- ## Fusion des données -->
<!-- SDR.Estrie <- merge(SDR.Estrie, PopSDR, by.x = "SDRIDU", by.y = "SDRidu") -->
<!-- ## Construction de la carte -->
<!-- tmap_mode("plot") -->
<!-- tm_shape(SDR.Estrie)+ -->
<!-- tm_polygons(col="whitesmoke", border.col = "grey30", lwd = 1)+ -->
<!-- tm_bubbles(size = "SDRpop_2021", -->
<!-- border.col = "black", -->
<!-- col = "tomato1", -->
<!-- title.size = "Population", -->
<!-- scale = 3)+ # facteur multiplicateur pour la taille du cercle -->
<!-- tm_shape(DR.Estrie)+ -->
<!-- tm_borders(col="black", lwd = 2) -->
<!-- ``` -->
<!-- #### Cartographie d'une variable continue : cartes choroplèthes et méthodes de discrétisation {#sec-01515} -->
<!-- L'argument `style`, qui est commun à plusieurs fonctions (`tm_polygons`, `tm_fill`, `tm_lines`, `tm_dots`, etc.), permet de choisir une méthode de discrétisation dont les principales sont : -->
<!-- - `fixed`: intervalles fixés par l'analyste. -->
<!-- - `equal`: intervalles égaux. -->
<!-- - `pretty`: intervalles arrondis aux nombres entiers. -->
<!-- - `quantile`: selon les quantiles (même nombre d'observations dans chaque classe). -->
<!-- - `jenks`: selon la méthode de Jenks. -->
<!-- - `sd`: selon l'écart-type. -->
<!-- D'autres méthodes peuvent être utilisées comme `kmeans`, `hclust`, `bclust`, `fisher`, `dpih`, `headtails` et `log10_pretty.` En guise d'exemple, la @fig-CarteChropolete2 présente une discrétisation en cinq classes selon la méthode des quantiles. Notez aussi qu'il est possible de réaliser une carte avec un dégradé continu avec `style = "cont"` tel qu'illustré ci-dessous (@fig-CarteChropolete1). -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- #| label: fig-CarteChropolete1 -->
<!-- #| fig-align: center -->
<!-- #| fig-cap: "Exemple de carte choroplèthe avec une palette continue" -->
<!-- #| out-width: 85% -->
<!-- ## Sélection des aires de diffusion de Sherbrooke -->
<!-- AD2021.sherb <- subset(AD2021, SDRNOM == "Sherbrooke") -->
<!-- ## Carte -->
<!-- tmap_mode("plot") -->
<!-- tm_shape(AD2021.sherb)+ -->
<!-- tm_fill(col= "HabKm2", -->
<!-- palette = "Reds", -->
<!-- style = "cont", -->
<!-- title ="Hab./km2")+ -->
<!-- tm_borders(col="black") -->
<!-- ``` -->
<!-- La @fig-CarteChropolete2 utilise une discrétisation selon la méthode de quantiles avec cinq classes. Autrement dit, chaque classe comprend 20 % des aires de diffusion de la ville de Sherbrooke. -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- #| label: fig-CarteChropolete2 -->
<!-- #| fig-align: center -->
<!-- #| fig-cap: "Exemple de carte choroplèthe avec une discrétisation selon les quantiles" -->
<!-- #| out-width: 85% -->
<!-- tmap_mode("plot") -->
<!-- tm_shape(AD2021.sherb)+ -->
<!-- tm_fill(col= "HabKm2", -->
<!-- palette = "Reds", -->
<!-- n = 5, # nombre de classes -->
<!-- style = "quantile", -->
<!-- legend.format = list(text.separator = "à"), -->
<!-- title ="Hab./km2")+ -->
<!-- tm_borders(col="black", lwd = .5) -->
<!-- ``` -->
<!-- La @fig-MethoDiscretisation présente quatre méthodes de discrétisation différentes appliquées au revenu médian des ménages par secteur de recensement dans la région métropolitaine de recensement de Sherbrooke en 2021. -->
<!-- {#fig-MethoDiscretisation width="75%" fig-align="center"} -->
<!-- #### Combinaison de plusieurs cartes {#sec-01531} -->
<!-- Tel que décrit dans le @tbl-TmapMiseEnMap, il existe deux fonctions pour combiner deux cartes : `tmap_arrange` et `tm_facets`. -->
<!-- Pour ceux et celles réalisant régulièrement des graphiques dans R avec `ggplot2`, `tmap_arrange` est très similaire à la fonction `ggarrange` du *package* `ggpubr` qui permet de fusionner plusieurs graphiques. Globalement, le principe est le suivant : vous réalisez deux cartes ou plus que vous combinez dans une même sortie avec `tmap_arrange`. Vous trouverez ci-dessous un exemple avec deux cartes (@fig-CombinaisonAvecTmapArrange). -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- #| label: fig-CombinaisonAvecTmapArrange -->
<!-- #| fig-align: center -->
<!-- #| fig-cap: "Exemple de combinaisons de carte avec `tmap_arrange`" -->
<!-- #| out-width: 85% -->
<!-- tmap_mode("plot") -->
<!-- ## Carte 1 -->
<!-- Carte1 = tm_shape(SDR.Estrie)+ -->
<!-- tm_polygons(col="whitesmoke", border.col = "grey30", lwd = 1)+ -->
<!-- tm_bubbles(size = "SDRpop_2021", -->
<!-- border.col = "black", -->
<!-- col = "tomato1", -->
<!-- title.size = "Population", -->
<!-- scale = 3)+ # facteur multiplicateur pour la taille du cercle -->
<!-- tm_shape(DR.Estrie)+ tm_borders(col="black", lwd = 2) -->
<!-- ## Calcul de la densité de population -->
<!-- SDR.Estrie$HabKm2 <- as.numeric(SDR.Estrie$SDRpop_2021 / (st_area(SDR.Estrie) / 1000000)) -->
<!-- ## Carte 2 -->
<!-- Carte2 = tm_shape(SDR.Estrie)+ -->
<!-- tm_fill(col= "HabKm2", -->
<!-- palette = "Reds", -->
<!-- style = "quantile", n = 4, -->
<!-- title ="Hab./km2", -->
<!-- legend.format = list(text.separator = "à"))+ -->
<!-- tm_borders(col="black")+ -->
<!-- tm_shape(DR.Estrie)+ tm_borders(col="black", lwd = 2) -->
<!-- ## Combinaison des deux cartes -->
<!-- tmap_arrange(Carte1, Carte2, ncol = 2, nrow = 1) -->
<!-- ``` -->
<!-- Quant à la fonction `tm_facets`, elle permet de créer plusieurs cartes avec l'argument `by`. Prenons un exemple concret : vous disposez d'une couche géographique des municipalités du Québec et vous souhaitez réaliser une carte pour chaque région administrative. L'argument `by = "Region"` vous permet alors d'avoir une vignette par région. Dans l'exemple ci-dessous, nous avons cartographié la même variable (densité de population) pour différentes zones de la région métropolitaine de Sherbrooke (@fig-CombinaisonAvecFacets1). -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- #| label: fig-CombinaisonAvecFacets1 -->
<!-- #| fig-align: center -->
<!-- #| fig-cap: "Premier exemple de combinaison de cartes avec `tm_facets`" -->
<!-- #| out-width: 85% -->
<!-- tmap_mode("plot") -->
<!-- ## Création d'une variable zone basée sur les noms des municipalités -->
<!-- AD2021$Zone <- ifelse(AD2021$SDRNOM == "Sherbrooke", "A. Sherbrooke", "") -->
<!-- AD2021$Zone <- ifelse(AD2021$SDRNOM %in% c("Compton", "Waterville", "Hatley", "North Hatley"), -->
<!-- "B. Sud", AD2021$Zone) -->
<!-- AD2021$Zone <- ifelse(AD2021$SDRNOM %in% c("Orford", "Magog", "Saint-Denis-de-Brompton"), -->
<!-- "C. Est", AD2021$Zone) -->
<!-- AD2021$Zone <- ifelse(AD2021$SDRNOM %in% c("Ascot Corner", "Val-Joli", "Stoke"), -->
<!-- "C. Nord", AD2021$Zone) -->
<!-- ## Création des cartes avec tm_facets -->
<!-- tmap_mode("plot") -->
<!-- tm_shape(AD2021)+ -->
<!-- tm_fill(col= "HabKm2", -->
<!-- palette = "Reds", -->
<!-- n = 5, # nombre de classes -->
<!-- style = "quantile", -->
<!-- title ="Hab./km2", -->
<!-- legend.format = list(text.separator = "à"))+ -->
<!-- tm_borders(col="black", lwd = .5)+ -->
<!-- tm_facets(by = "Zone") -->
<!-- ``` -->
<!-- L'utilisation de `tm_facets` peut être également très utile pour comparer les distributions spatiales de points à différentes années (@fig-CombinaisonAvecFacets2). -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- #| label: fig-CombinaisonAvecFacets2 -->
<!-- #| fig-align: center -->
<!-- #| fig-cap: "Deuxième exemple de combinaisons de carte avec `tm_facets`" -->
<!-- #| out-width: 85% -->
<!-- tmap_mode("plot") -->
<!-- ## Importation des incidents -->
<!-- Incidents <- st_read("data/chap01/shp/IncidentsSecuritePublique.shp", quiet = TRUE) -->
<!-- ## Création des cartes avec tm_facets -->
<!-- tmap_mode("plot") -->
<!-- tm_shape(Arrondissements) + -->
<!-- tm_polygons(col="wheat", border.col = "black") + -->
<!-- tm_shape(Incidents) + -->
<!-- tm_dots(shape=21, col="blue", size=.2) + -->
<!-- tm_facets(by = "ANNEE") -->
<!-- ``` -->
<!-- #### Mise en page d'une carte {#sec-01532} -->
<!-- Nous reprenons la @fig-HabillageDuneCarte et l'habillons en ajoutant une échelle (`tm_scale_bar`), une flèche du Nord (`tm_compass`), la source et l'auteur (`tm_credits`) et un titre (`tm_layout`) (@fig-HabillageDuneCarte). -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- #| label: fig-HabillageDuneCarte -->
<!-- #| fig-align: center -->
<!-- #| fig-cap: "Habillage d'une carte" -->
<!-- #| out-width: 85% -->
<!-- ## Carte 1 -->
<!-- tmap_mode("plot") -->
<!-- tm_shape(SDR.Estrie)+ -->
<!-- tm_fill(col= "HabKm2", palette = "Greens", -->
<!-- style = "quantile", n = 4, -->
<!-- title ="Hab./km2", -->
<!-- legend.format = list(text.separator = "à"))+ -->
<!-- tm_bubbles(size = "SDRpop_2021", border.col = "black", col = "tomato1", scale = 3, -->
<!-- title.size = "Population")+ -->
<!-- tm_borders(col="black")+ -->
<!-- ## Ajout de de la flèche du Nord -->
<!-- tm_compass(position = c("right", "bottom"), -->
<!-- size = 2)+ -->
<!-- ## Ajout de l'échelle -->
<!-- tm_scale_bar(breaks = c(0, 25, 50), -->
<!-- position = c("right", "bottom"))+ -->
<!-- ## Ajout de la source -->
<!-- tm_credits("Source : recensement de 2021, Statistique Canada\nAuteur : Jéremy Lacartemplace.", -->
<!-- position = c("right", "bottom"), -->
<!-- size = 0.7, -->
<!-- align = "right") + -->
<!-- ## Légende -->
<!-- tm_legend(position = c("left", "top"), -->
<!-- frame = FALSE, bg.color = "white")+ -->
<!-- ## Modification de la mise en page -->
<!-- tm_layout(main.title = "Municipalités de l'Estrie", -->
<!-- legend.outside = TRUE, -->
<!-- frame = FALSE) -->
<!-- ``` -->
<!-- ::: bloc_aller_loin -->
<!-- ::: bloc_aller_loin-header -->
<!-- ::: bloc_aller_loin-icon -->
<!-- ::: -->
<!-- **Aller plus loin avec `tmap`?** -->
<!-- ::: -->
<!-- ::: bloc_aller_loin-body -->
<!-- Nous avons abordé uniquement les principales fonctions et arguments pour l'habillage d'une carte. Plusieurs exemples de très belles cartes créées avec `tmap` sont disponibles aux ressources suivantes : -->
<!-- - L'excellente vignette intitulée [*`tmap`: get started!*](https://cran.r-project.org/web/packages/tmap/vignettes/tmap-getstarted.html) -->
<!-- - [*Visualizing Spatial Data in R with tmap*](http://www.wvview.org/os_sa/10_Maps_with_tmap.html#visualizing-spatial-data-in-r-with-tmap). -->
<!-- - [*Making Maps with R*](https://bookdown.org/nicohahn/making_maps_with_r5/docs/introduction.html). -->
<!-- - Le chapitre [*Making maps with R*](https://geocompr.robinlovelace.net/adv-map.html) du livre [*Geocomputation with R*](https://geocompr.robinlovelace.net/index.html). -->
<!-- ::: -->
<!-- ::: -->
<!-- ## Quiz de révision du chapitre {#sec-016} -->
<!-- ```{r} -->
<!-- #| label: quizChapitre01 -->
<!-- #| echo: false -->
<!-- #| eval: true -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- #| results: asis -->
<!-- source("code_complementaire/QuizzFunctions.R") -->
<!-- Chap01Quiz <- quizz("quiz/Chap01.yml", "Chap01") -->
<!-- render_quizz(Chap01Quiz) -->
<!-- ``` -->
<!-- ## Exercices de révision {#sec-017} -->
<!-- ::: bloc_exercice -->
<!-- ::: bloc_exercice-header -->
<!-- ::: bloc_exercice-icon -->
<!-- ::: -->
<!-- **Exercice 1.** Découpage des rues de l'arrondissement des Nations de la ville de Sherbrooke -->
<!-- ::: -->
<!-- ::: bloc_exercice-body -->
<!-- Complétez le code ci-dessous avec les étapes suivantes : -->
<!-- - Requête attributaire pour créer un objet `sf` avec uniquement l'arrondissement des Nations à partir de la couche `Arrondissements` et le champ `NOM` (voir la [section @sec-01274]). -->
<!-- - Découpez les rues (`Rues`) sur le nouvel objet `sf` (voir la [section @sec-01213]). -->
<!-- ```{r} -->
<!-- #| echo: true -->
<!-- #| eval: false -->
<!-- #| message: false -->
<!-- #| warning: false -->
<!-- library(sf) -->
<!-- ## Importation des deux couches -->
<!-- Arrond <- st_read("data/chap01/shp/Arrondissements.shp", quiet = TRUE) -->
<!-- Rues <- st_read("data/chap01/shp/Segments_de_rue.shp", quiet = TRUE) -->
<!-- ## Requête attributaire : création d'un objet sf pour l'arrondissement des Nations -->
<!-- table(Arrond$NOM) -->
<!-- Arrond.DesNations <- subset(À compléter) -->
<!-- ## Découper les rues avec le polygone de l'arrondissement des Nations -->
<!-- Rues.DesNations <- À compléter -->
<!-- ``` -->
<!-- Correction à la [section @sec-12011]. -->
<!-- ::: -->
<!-- ::: -->
<!-- ::: bloc_exercice -->
<!-- ::: bloc_exercice-header -->
<!-- ::: bloc_exercice-icon -->
<!-- ::: -->
<!-- **Exercice 2.** Calcul d'un nouveau champ -->
<!-- ::: -->
<!-- ::: bloc_exercice-body -->
<!-- Calculez un nouveau champ (`DistHVKM`) dans la couche des aires de diffusion (AD) (`AD.RMRSherb`) qui représente la distance en kilomètres entre l'hôtel de ville de Sherbrooke et les points des AD. Puis, cartographiez le champ `DistHVKM` en quatre classes selon la méthode de discrétisation par quantiles. Complétez le code ci-dessous avec les étapes suivantes : -->
<!-- - Ajoutez un champ pour la distance (`DistHVKM`) dans la couche `AD.RMRSherb` (voir la [section @sec-0124]). -->