8 Script final

Ce chapitre rassemble l’ensemble des commandes utilisées dans un script fonctionnel.

setwd("C:/Users/nsaby/Dropbox/fac/tp/sampling/")

# R
# Probablity sampling : SI, STSI (spatial et covariable), SY
# impl?menter le workflow dans R/ArcGis avec vecteur et rasteur
# Calculer la moyenne par SI, STSI et SY

# MB sampling : grid,  infill sampling
# 


# test 1 avec des ?chantillonnage al?atoire --------------

library(sp)
library(tmap)
# library(maptools)
# library(mapview)
# library(rgdal)

champ <- read.csv('./data/simulatedField_1Exp25.csv')

# Simuler une Aléatoire Simple (SI)
n = 100

# Creation des identifiants des lignes
id = 1:10000
# ou
id = seq( from = 1, to = 10000, by = 1)
# tire au hasard n valeurs parmi 10000
MesIds <- sample( x = id  , size = n)

MesIds <- sort(MesIds)
# Les coordonn?es
champ[MesIds,1:2]


# Extraire les valeurs de carbone, simuler le terrain
terrain <- champ[ MesIds, "sim1" ]

# moyenne estim?e ? partir de l'?chantillon 
MoyEst <- mean(terrain)
# Variance d'?chantillonnage de MoyEst
V <- var(terrain) / n

# vraie moyenne
Moy <- mean(champ$sim1)
# calcul du quantile
z <- qnorm(p = 1- (0.05/2), mean = 0, sd = 1)
# si n est petit < 30
z <- qt(p = 1- (0.05/2) , df = 20-1)
# calcul de l'interval de confiance
IC <- z * sqrt(V)
# Est-ce que la vraie moyenne est dans l'IC
Moy < MoyEst + IC
Moy > MoyEst - IC
2 *IC

cbind(MoyEst, ICbas = MoyEst - IC, ICHaut =MoyEst + IC, Moy)

# Tester le package sp ------
library(sp)
# Copie du tableau dans un nouvel objet
champSP <- champ

# transformer en un raster
coordinates(champSP) <- c('s1','s2')  

# structure de l'objet
str(champSP)

spplot(champSP)

# transforme en raster le semi de points
gridded(champSP) <- TRUE
spplot(champSP)
str(champSP)

# SI
MonEch <- spsample( champSP , n , type = "random")
plot(champSP)
points(MonEch, pch = 3)

# regular
MonEch <- spsample( champSP ,
                    type = "regular",
                    cellsize = 10)
plot(champSP)
points(MonEch, pch = 3)