Différences

Ci-dessous, les différences entre deux révisions de la page.

--- geotraitement_analyse_spatiale_pro:start [2024/10/08 09:35] – [Analyse spatiale] s.zaragosi_gmail.com
+++ geotraitement_analyse_spatiale_pro:start [2025/01/09 17:55] (Version actuelle) – zaragosi
@@ Ligne 1: / Ligne 1: @@
-=====Analyse spatiale=====
+=====Premiers pas dans l’étude de l’espace=====
 D. Cochard\\
 Arcgis Pro\\
-Janvier 2024
+Janvier 2025
-Les données utilisées dans cette séance proviennent du SINP de la Nouvelle Aquitaine ([[https://observatoire-fauna.fr/programmes/sinp/rechercher-observations|Système d’information de l’inventaire du patrimoine naturel]]) ) coordonné par l’Observatoire de la faune sauvage de Nouvelle-Aquitaine.
 <WRAP center round download 60%>
-[[http://www.geocean.net/public/DataAnalyseSpatiale.zip|Données nécessaires à la séance]]
+{{ :geotraitement_analyse_spatiale_pro:donnees_seance_analyse_spatiale_2025.zip |Données nécessaires à la séance}}
 </WRAP>
-====1. Préparation des données====
+<WRAP center round download 60%>
-- Créez un répertoire « analyse_spatiale », un sous-répertoire « SINP » et un sous-répertoire « Poubelle ». Télécharger le fichier 20210209_DataSINP_Atlas.zip et extraire les données dans le sous-répertoire « SINP ».
+{{ :geotraitement_analyse_spatiale_pro:tuto_seance_analyse_spatiale_2025.pdf |Enoncé de la séance}}
-- Ouvrez Arcgis Pro et créez une nouvelle carte en sélectionnant le répertoire « analyse_spatiale » comme emplacement de destination.
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-25_143935.png?400|}}
-- Ouvrez le fichier « Atlas_Mamm_2014.shp » contenu dans le sous-répertoire « SINP ». Ouvrez les données attributaires et analysez la structuration du fichier.
-- Dans le répertoire « analyse spatiale », créez un sous-répertoire « Fond_carte » et décompressez à l’intérieur le fichier « departement.zip » et « Europe.zip ». Ajoutez les fichiers « departement.shp » et « europe.shp » au projet.
-- Trouvez la projection de la couche « Atlas_Mamm_2014 » et uniformiser (via l’outil projeter) les projections des couches (Lambert 93, WKID 2154). Appliquez la projection au bloc de données. Renommez le bloc de données « Mammifères ».
-- Ajustez la symbologie des différentes couches.
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-25_143951.png?700|}}
-- Créez un nouveau shape « Aquitaine » à partir de la fusion des 5 polygones correspondant à cette région dans la couche département.shp :
-  * Sélectionnez les 5 départements de l’Aquitaine sur la couche « département ».
-  * Clic droit > Données > Exporter des entités.
-  * Nommez la nouvelle classe d’entité en sortie « Aquitaine » (dans le sous-répertoire « Fond_carte/Aquitaine »).
-  * Mise à jour > Modifier > sélection des 5 entités > Combiner.
-  * Clic droit > Conception de données > Champs. Supprimez/Corrigez les variables inutiles.
-- Ajustez la grille au contour de l’Aquitaine avec l’outil de géotraitement « découpage deux par deux » (Outil d’analyse > Superposition deux par deux > découpage deux par deux). Nommez le fichier de sortie « Grille_mammiferes ». Supprimez la couche « Atlas_Mamm_2014 » du bloc de données.
-====2. Création de l’aire de répartition du rat noir (Rattus rattus)====
-===a. Méthode #1 : Maillage===
-- Créer un sous répertoire « Repartition_spatiale » dans le répertoire « Analyse spatiale ».
-- Sélectionnez les cellules avec du rat noir dans la « Grille_mammifères » via une sélection attributaire puis créer une couche à partir de cette sélection :
-  * Carte > Sélectionner selon les attributs
-  * Données > Exporter les entités. Nommez le fichier « rat_noir » (dans le répertoire « répartition spatiale »).
-- Renouvelez l’opération pour le rat surmulot (Rattus norvegicus). Ajustez la symbologie.
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-25_144005.png?700|}}
-===b. Méthode #2 : densité de noyau===
--Créer un point à l’emplacement de chaque cellule où des rats noirs ont été observés (Géotraitement > Outils de gestion de données > Entités > Entités vers points). Nommez le shape « rat_noir_Pt » (dans répertoire « repartition_spatiale »)
-- Créez une carte de densité (Géotraitement > Outils spatial analyst > Densité > Densité de noyau). Sur la carte obtenue, réalisez une symbologie avec deux classes et ajustez la discrimination pour que tous les points soient englobés.
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-25_144023.png?700|}}
-- Créez un polygone correspondant à l’aire de répartition des rats noirs en se basant sur la carte de densité :
-  * Géotraitement > Outils 3D analyst > Raster > Reclassement > Reclassification. Mettre le fichier en sortie dans le sous-répertoire « poubelle ». Attention il faut un de fichier court.
-  * Géotraitement > Outils de conversion > Depuis Raster > Raster vers Polygones. Nommez le fichier « aire_rattus_1 » (dans « répartition spatiale »).
-  * Supprimez le polygone ayant la faible densité (Mise à jour).
-  * Ajustez la symbologie et nettoyez le gestionnaire de couche.
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-25_144038.png?400|}}
-===c. Méthode #3 : Zone Tampon===
-- Créez une zone tampon autour des cellules contenant des rats noirs :
-  * Géotraitement > Outils d’analyse > Proximité > Zone tampon. Cochez la fusion des entités. Nommez le fichier « aire_rattus_2 » (dans répartition spatiale ».
-  * Mise à jour > Modifier > Remodeler > Généraliser > Lisser (5km).
-  * Corrigez les limites de l’aire de distribution avec l’outil découper (Géotraitement > Outil d’analyse > Extraire > Découper).
-  * Importez la symbologie de « aire_rattus_1 ».
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-25_144058.png?700|}}
-===d. Carte de probabilité de présence : algorithme de prédiction des niches écologiques===
-- Créer un répertoire « var_enviro ». Décompressez les données climatiques et topographique dans ce répertoire.
-- Ajoutez les rasters :
-  * Etopo_aqui
-  * Amplitude thermique (modifier le nom du fichier ?)
-  * Cumul annuel précipitation
-  * Jour-an de maximimul température supérieure à +30
-  * Precipitations_écart à la moyenne en janvier
-  * Variabilité température 1971-2000 en janvier
-- Affichez les points rattus rattus et déplacer le point situé en dehors du raster (mise à jour> déplacer)
-- Géotraitement > Outils de statistiques spatiale> Modélisation de relations spatiales > Prévision de présence uniquement (MaXent)
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-29_230304.png?600|}}
-- Interprétez les résultats.
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-29_230423.png?600|}}
-====3. Comparaison les aires de distribution des espèces (centre moyen – Déviation strandard)====
-- Créez un sous-répertoire « statistique » dans « analyse spatiale ».
-- Créez une grille pour la distribution du Pachyure étrusque (//Suncus etruscus//) et du campagnol basque (//Microtus lusitanicus//).
-- Créez le centre moyen pour les deux espèces précédentes et le surmulot(Géotraitement > Outils de statistiques spatiales > Mesure de distributions géographiques > Centre moyen).
-- Créez la distance standard pour les deux espèces précédentes et le surmulot(Géotraitement > Outils de statistiques spatiales > Mesure de distributions géographiques > Distance Standard).
-- Ajustez la symbologie. Analysez les résultats et utiliser Past pour faire un test de student sur les coordonnées.
-{{ :geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-25_144130.png?400 |}}
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-29_112757.png?700|}}
-====4. Création d’une carte de la richesse taxinomique (mammifères)====
-- La richesse taxinomique est mesurée par le nombre d’espèces par maille (NTAXA).
-- Créez un sous-répertoire « Richesse » dans « Analyse spatiale ».
-- Sur la couche « grille_mammifères », calculez le NTAXA par cellule : Géotraitement > Outils d’analyse > Statistiques > Résumés statistiques (type statistique = total et champ de récapitulation = maille10). Nommez la table « Richesse » et enregistrer la table dans le sous-répertoire « Richesse ».
-- Le résultat étant une table, pour visualiser les résultats, il est nécessaire de créer une grille (sans cellules superposées et sans valeurs associées) puis d’associer les valeurs de la table :
-  * Géotraitement > Outils de gestion de données > Généralisation > Fusionner).
-  * Sélectionner le calque « Grille mammifères ». Nommez le fichier en sortie « Grille_nodata » (dans le répertoire « richesse »). Décochez « créer des entités multi-parties »
-  * Ouvrez la table attributaire de « Grille_nodata ».
-  * Réalisez une jointure entre le shape « Grille_nodata » et la table « richesse ». Vérifiez le résultat de la jointure dans la table attributaire. Exportez la couche (pour consolider la jointure) et nommez là « Grille_richesse » (dans le répertoire « richesse »). Supprimez les variables inutiles et créez une symbologie sur le champ « Richesse ».
-  * Pour corriger les effets de bord, créez un champ « surface » (réel double) et calculez la surface des mailles. Sélectionnez ensuite les mailles ayant une surface inférieure à 33 km² et supprimer ces cellules.
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-25_144210.png?700|}}
-====5. Créez une carte interpolée de la richesse taxinomique====
-- Il est nécessaire de créer des points pour chaque cellule : Géotraitement > Outils de gestion de données > Entités > Entité vers points. Nommez le fichier « Richesse_Pt » (dans le répertoire « Richesse »).
-- En utilisant les points, il est possible de faire une carte avec des points gradués proportionnels à la valeur NTAXA.
-- Créez l’interpolation : Outil spatial analyst > Interpolation > Topo vers Raster.
-- Découpez le raster aux limites de l’Aquitaine : Outil spatial analyst > Extraction > Extraction par masque. (Utilisez le shape « Aquitaine » pour le masque).
-- Adaptez la symbologie (classes).
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-25_144254.png?700|}}
-====6. Relation entre la richesse spécifique et l’altitude (données Raster – corrélation)====
-- Créez un sous-répertoire « Altitude » dans « Analyse spatiale ». Copiez dans ce répertoire le fichier « etopo_aqui ». Ouvrez ce fichier. Adaptez la symbologie.
-- Superposez la grille « grillenodata » (supprimez les éventuelles jointures de cette couche) à « etopo_aqui ».
-- Calculez l’altitude moyenne par maille : Géotraitement > statistique zonal (Table). Nommez la table en sortie « Aquitaine_alti ».
-- Pour visualiser les résultats, il est nécessaire de faire une jointure avec une grille. Utilisez la « grille richesse » pour faire cette jointure. Réalisez une copie de la « grille richesse » et la nommer « Richesse_alti ». Nettoyer la table attributaire de cette couche et effectuez une symbologie sur la variable altitude.
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-25_144607.png?700|}}
-- Analysez la relation entre la variable « Altitude » et « richesse » en réalisant un nuage de points (Données > Visualiser > Créer un diagramme).
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-25_145435.png?600|}}
-- Sur la couche « Richesse_alti », sélectionnez les cellules recouvrant les Pyrénées et son piémont. Créez une nouvelle couche à partir de cette sélection (Sélection > Créer une couche à partir des entités sélectionnées). Refaire un nuage de points avec ce nouveau jeu de données. Vérifiez l’existence d’une corrélation entre les deux variables avec Past.
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-25_145451.png?600|}}
-<WRAP center round info 100%>
-La même démarche peut être employée pour tester l’influence des paramètres climatiques sur la biodiversité
-(utiliser données_climatiques.zip)
 </WRAP>
-====7. Relation entre la richesse spécifique et la population humaine (données Vecteur - corrélation)====
-- Importez dans Arcgis « population_commune.csv » et créez des points à l’aide des coordonnées (WGS 84) associées aux villes (clic droit > Afficher les coordonnées XY).
-- Sélectionnez les communes de l’Aquitaine (Sélection selon l’emplacement) et supprimez les autres communes (clic droit > Sélection > Inverser la sélection > Supprimer). Exporter les entités.
-  * -Réalisation d’un grille population
-  * Effectuez une jointure spatiale entre « grille_nodata » (supprimer les jointures précédentes) et « commune » pour obtenir la somme de la population pour chaque maille.
-  * Réalisez une symbologie à partir du champ population.
--Testez la relation statistique (corrélation) entre les variables « richesse spécifique » et « population humaine »
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-25_145512.png?700|}}
-====8. La nature du paysage agit-elle sur la richesse taxinomique ? (Comparaison de deux échantillons spatiaux)====
-- Nous allons prendre pour exemple l’influence des paysages artificialisés. Si vous le souhaitez, vous pouvez choisir un autre type de paysage (Paysages agricole ou les forêts par exemple).
-- Créez un sous-repertoire « Landcover » dans le répertoire « Analyse_spatiale ». Décompressez dans ce répertoire le fichier « Corine_landcover.zip ». Importer le shape « CLC00_RALPC_RGF ». Lire le fichier « CLC_nomenclature. xls » pour comprendre la structuration du shape.
-- Sélectionnez (via sélection attributaire) tous les « paysages artificialisés » (Code commençant par 1). Créez une nouvelle couche à partir de la sélection (couche nommée « paysages artificialisés »).
-- Fusionnez tous les polygones de la couche « paysages artificialisés » (Modifier > Combiner). Utilisez l’outil découper pour restreindre les polygones à la région Aquitaine. Nommez le fichier en sortie « pays_arti_aqui ». Supprimez de la table attributaire les variables inutiles). Adaptez la symbologie.
-- Pour calculer la proportion de paysages artificialisés pour chaque maille il est nécessaire de découper le calque « pays_arti_aqui » avec le shape « grille_nodata » (Geotraitement > Intersecter deux par deux). Nommez la grille en sortie « Grille_pays_arti_aqui ».
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-25_145529.png?700|}}
-- Ouvrez la table attributaire « Grille_pays_arti_aqui ». Calculez la surface des paysages artificialisés (km²) pour chaque maille. Renommez le champ « maille10 » par ID.
-- Ouvrez la table attributaire « Grille_nodata » (supprimez les possibles jointures préexistantes). Créez un champ surface (réel double) et calculez la surface de chaque cellule (km²). Renommez le champ « maille10 » par ID.
-- Créez une jointure attributaire entre « Grille_nodata » et Grille_pays_arti_aqui ».
-- Exportez les entités de la couche et nommez le fichier « grille_%artif ». Supprimez les variables inutiles et ajoutez un champ « %artif ». Calculez dans cette nouvelle colonne le pourcentage de surfaces artificialisés par maille. Créez une symbologie à partir de ce champ.
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-29_113808.png?700|}}
-- Récupérez la richesse taxinomique des mailles par le biais d’une jointure attributaire avec « grille_richesse ».
-- Une corrélation entre les valeurs des cellules serait possible. Nous optons pour un autre choix, la comparaison de la richesse moyenne entre deux échantillons géographiques.
-  * Sélectionnez toutes les mailles où le % de paysages artificiel est > 5% et créez une couche temporaire avec cette sélection.
-  * Réalisez la même opération pour les mailles < 5%.
-  * A l’aide de l’outil statistique de la table attributaire, comparez la moyenne de la richesse entre les zones artificialisées (>5%) et peu artificialisées (<5%).
-  * Utilisez Past pour déterminer si la différence observée entre les deux moyennes est significative statistiquement.
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-25_145604.png?600|}}
-====9. La protection des milieux (ZNIEFF) a-t’elle une influence sur la richesse taxinomique ? (Comparaison de deux échantillons spatiaux)====
-- Créer un sous-répertoire « ZNIEFF » dans le répertoire « Analyse spatiale ». Copiez les fichiers « znieff1.zip » et znieff2 » dans ce répertoire. Ouvrir Znieff1.shp et Znieff2.shp.
-- Fusionner les deux shapes Znieff (Geotraitement > Combiner) et nommez le fichier de sortie « Znieff 1+2 ». Supprimer les calques Znieff1 et Znieff2 du gestionnaire de couches. Supprimez les champs inutiles. Gardez uniquement les znieff comprises en Aquitaine (géotraitement > découper) et nommez le fichier de sortie Znieff_Aquitaine. Adaptez la symbologie.
-- Utiliser l’outil « statistique zonale (Table) » pour calculer la richesse moyenne pour chaque polygone de la couche « Znieff_aquitaine » à partir de l’interpolation de la richesse spécifique (point 5). Nommez la table « richesse_znieff ». Il est possible de visualiser les résultats en réalisant une jointure attributaire entre la table « richesse_znieff » et le shape « Znieff Aquitaine ». Utilisez la variable FID comme identifiant commun entre les deux tables.
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-25_145628.png?700|}}
-- Utiliser l’outil statistique de la table attributaire de cette table pour obtenir la moyenne de la richesse des Znieff.
-{{:geotraitement_analyse_spatiale_pro:capture_d_ecran_2024-09-25_145642.png?600|}}
-- Pour interpréter la moyenne obtenue il est nécessaire de la comparer avec la moyenne de la richesse des territoires non protégés.
-  * Géotraitement > effacer deux par deux. Nommez le shape de sortie « Non_Znieff_aquitaine »
-  * Utilisez l’outil « statistique zonale (Table) » pour calculer la richesse moyenne de ce territoire non Znieff. Sélectionnez « moyenne et écart type » comme type de statistique.
-  * Ouvrez la table attributaire générée et lisez les statistiques calculées (moyenne de 29,94).
-- Critiquez l’approche et les résultats obtenus.
-====10. Le milieu urbain agit-il sur la richesse taxinomique ? (Comparaison de deux échantillons spatiaux)====
-L’approche développée dans les points 8 et 9 peut être appliquée pour analyser l’influence des villes sur la richesse taxinomique. En créant une zone tampon (Géotraitement > Zone tampon) autour des villes (zone qui doit être proportionnelle à la population de la ville) il est possible d’obtenir un échantillon spatial sur lequel sera calculer la richesse taxinomique. Cet échantillon sera comparé avec les zones non urbaines de l’Aquitaine(Géotraitement > effacer).