D. Cochard
Arcgis Pro
Janvier 2024

Les données utilisées dans cette séance proviennent du SINP de la Nouvelle Aquitaine (Système d’information de l’inventaire du patrimoine naturel) ) coordonné par l’Observatoire de la faune sauvage de Nouvelle-Aquitaine.

- 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 ».

- Ouvrez Arcgis Pro et créez une nouvelle carte en sélectionnant le répertoire « analyse_spatiale » comme emplacement de destination.

- 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.

- 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.

- 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.

-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.

- 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.

- 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 ».

- 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)

- 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.

- La richesse taxinomique est mesurée par le nombre d’espèces par maille (NTAXA). -Créez un sous-répertoire « Richesse » dans « Analyse spatiale ».

- 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.

- 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 »). - 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).

- 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.

- Analysez la relation entre la variable « Altitude » et « richesse » en réalisant un nuage de points (Données > Visualiser > Créer un diagramme).

- 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.

- 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 »

- 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 ».

- 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.

- 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.

- 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.

- Utiliser l’outil statistique de la table attributaire de cette table pour obtenir la moyenne de la richesse des Znieff.

- 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.

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).