Académique Documents
Professionnel Documents
Culture Documents
2023-11-26
Contents
1 Activité 1 : Manipulation des cartes 1
1.1 Chargement des packages utiles pour la cartographie . . . . . . . . . . . . . . . . . . . . . . . 1
2 Carte du monde 2
3 1- Pour représenter la carte du Cameroun sans les subdivisions, vous pouvez utiliser le
code suivant: 3
3.1 Importation du fichier shapfile du Congo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
6 Commentaire: 8
6.1 Zone tampon avec ggplot2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1
## Path to GDAL shared files: C:/Users/Irch Defluviaire/AppData/Local/R/win-library/4.3/rgdal/gdal
## GDAL does not use iconv for recoding strings.
## GDAL binary built with GEOS: TRUE
## Loaded PROJ runtime: Rel. 9.2.0, March 1st, 2023, [PJ_VERSION: 920]
## Path to PROJ shared files: C:/Users/Irch Defluviaire/AppData/Local/R/win-library/4.3/rgdal/proj
## PROJ CDN enabled: FALSE
## Linking to sp version:2.1-1
## To mute warnings of possible GDAL/OSR exportToProj4() degradation,
## use options("rgdal_show_exportToProj4_warnings"="none") before loading sp or rgdal.
library(mapsf)
library(sf) # pour manipuler les données spatiales
2 Carte du monde
library(maps)
world_map = map_data("world")
ggplot(world_map, aes(x = long, y = lat, group = group)) +
geom_polygon(fill = "lightblue", color = "black") +
theme_minimal() +
labs(title = "World Map") +
coord_fixed() +
geom_text(x = -30, y = 0, label = "N", size = 5, color = "red", fontface = "bold") + # Ajouter la flèc
geom_text(x = -100, y = 0, label = "Source", size = 4, color = "blue") # Ajouter la source
2
World Map
50
N
lat
0 Source
−50
3
districts sont à leur tour divisés en communes et quartiers. Les départements comprennent des villes
importantes telles que Brazzaville, la capitale, Pointe-Noire, Dolisie, Ouesso et Nkayi. Chaque département a
un chef-lieu et est dirigé par un préfet. Cette structure administrative permet au gouvernement de gérer
efficacement les affaires publiques à travers le pays et de fournir des services aux citoyens à différents niveaux
de gouvernance.
ggplot(congo_detp) + geom_sf(aes(fill = NAME_1)) + scale_fill_discrete(name = "Départements")
4°N
Départements
2°N Bouenza
Brazzaville
Cuvette
Cuvette−Ouest
0° Kouilou
Lékoumou
Likouala
Niari
2°S
Plateaux
Pointe Noire
Pool
4°S Sangha
4
ggplot(congo_detp) + geom_sf() + geom_sf(data = congo_niari, fill = "darkgreen")
4°N
2°N
0°
2°S
4°S
Mossengo est la deuxième ville du département du Niari, située au cœur du massif du Chaillu. Sa population
est estimée à 12 000 habitants, composée de plusieurs groupes ethniques, dont les Tsangui, les Punus, les
Tékés, les Banbas, les Kougnis et les Kotas. L’activité principale de la ville est l’exploitation forestière, qui a
commencé au début du XXe siècle avec la construction du chemin de fer reliant Dolisie à Mbinda. La ville a
aussi bénéficié du transit du manganèse en provenance du Gabon vers Pointe-Noire.
# filtrer le shapefile du Congo avec les subdivisions de niveau 2 pour ne garder que les départements de
commune_choix <- congo_com[congo_com$NAME_2 %in% c("Mossendjo", "Brazzaville", "Pointe Noire"), ]
5
4°N
2°N
0°
2°S
4°S
4.3 Commentaire:
Les cartes ci-dessus permettent de mettre en évidence les zones d’intérêt pour l’étude. Par exemple, le
département du Niari est le département où l’activité forestière est intensifiée. La commune de Mossendjo
présente des caractéristiques socio-économiques et environnementales variées par rapport aux deux grandes
villes Brazzaville et Pointe-Noire.
congo_mossendjo<- congo_com[congo_com$NAME_2 == "Mossendjo", ]
# extraire les coordonnées du polygone du département de la Kadey
Mossendjo_coords <- st_coordinates(st_cast(congo_mossendjo, "MULTILINESTRING"))
# créer un buffer de 200km autour du polygone
mossendjo_buffer <- st_buffer(st_cast(congo_mossendjo, "MULTIPOLYGON"), dist = 20000)
# filtrer le shapefile du Congo avec les subdivisions de niveau 2 pour ne garder que les districts ou co
congo_moss_voisins <- congo_com[st_intersects(congo_com, mossendjo_buffer, sparse = FALSE), ]
6
2.0°S
Communes limitrophes
2.5°S
Bambama
Divénié
Kibangou
3.0°S Komono
Loudima
Louvakou (Loubomo)
3.5°S Mayoko
Mossendjo
Sibiti
4.0°S
4.5°S
11.5°E 12.0°E 12.5°E 13.0°E 13.5°E 14.0°E
7
4°N
2°N
0°
2°S
4°S
6 Commentaire:
Ces cartes permettent de visualiser les points représentatifs du Niari et de Mossendjo, qui sont les centroïdes
de leurs polygones respectifs. Le centroïde est le point qui minimise la somme des distances au carré entre lui
et tous les autres points du polygone. Il peut être considéré comme le centre de gravité du polygone.
# créer un buffer de 300 km autour du centroïde de la Kadey
moss_buffer_300 <- st_buffer(mossendjo_centroide, dist = 3)
# tracer la carte du Congo avec la zone tampon de 300 km autour du centroïde de Mossengo
ggplot(congo_detp) + geom_sf() + geom_sf(data = moss_buffer_300, fill = "green", alpha = 0.5)
8
4°N
2°N
0°
2°S
4°S
9
3.00440°S
3.00441°S
3.00442°S
3.00443°S
3.00444°S
3.00445°S
10
8.1 Représentation de la cartographie mise en exergue du département de la
Lékoumou:
#Calculer le centroide du Niari.
monvillage <- "Mossendjo"
mapartie <- congo[congo$NAME_2 == monvillage,]
gravite <- st_centroid(x = mapartie)
monvillage <- "Mossendjo"
mapartie <- congo[congo$NAME_2 == monvillage,]
Likouala
Likouala
Likouala
Sangha
Sangha
Cuvette−Ouest
Cuvette−Ouest
Cuvette−Ouest
Cuvette
Cuvette
Cuvette
Plateaux
Plateaux
Plateaux
Niari
Niari Lékoumou
Niari Lékoumou
Pool
Pool
Pool
Bouenza
Bouenza
Bouenza
Kouilou
Kouilou
Kouilou Brazzaville
Brazzaville
Pointe
Pointe Noire
Pointe Noire
Noire
11
par(mar = c(0.1, 0.1, 0.2, 5))
plot(congo$geometry)
12
#Calculer le centroide du Niari.
mapartie <- congo[congo$NAME_2 == monvillage,]
gravite <- st_centroid(x = mapartie)
par(mar = c(0.5,0.5,1.5,0.5))
plot(st_geometry(congo), col="#aec8f2", border="darkblue", lwd=1)
plot(st_geometry(mapartie), col="green", border="purple", lwd=1, add=T)
plot(st_geometry(gravite), pch=21, col="black", cex=1, add=T)
13
#Calculer et matérialiser une zone tampon
dist <- 300000
buff <- st_buffer(x = st_geometry(gravite), dist=dist)
par(mar = c(1.5,0.5,1.5,0.5))
plot(st_geometry(congo), col="#aec8f2", border="darkblue", lwd=1)
plot(st_geometry(mapartie), col="green", border="yellow", lwd=1, add=T)
plot(st_geometry(gravite), pch=23, col="black", cex=2, add=T)
plot(buff, col=NA, border="black", lty=2,add=T)
14
#recuperer les départments dans la zone tampon
congo$buff <- st_intersects(st_geometry(congo), st_geometry(buff), sparse = FALSE)
nb <- dim(congo[congo$buff == T,])
15
par(mar = c(0.5,0.5,1.5,0.5))
plot(st_geometry(dept200km), col="#aec8f2", border="darkblue", lwd=1)
plot(st_geometry(mapartie), col="darkgreen", border="purple", lwd=1, add=T)
plot(buff, col=NA, border="black", lty=2,add=T)
titre <- paste0("District de Mossendjo")
title(titre)
mf_arrow(pos = 'right') # La fleche du nord
16
District de Mossendjo
17