FME World Tour 2017

1. RCaller dans l'analyse
de données biodiversité
Sigogne – Kevin Guille & Loïc
Guénin Randelli

2. en quelques mots
 Objectif : Améliorer la prise en compte de la biodiversité dans les projets
 Géoservices d'accès aux enjeux biodiversité à toutes les échelles pour tous les
acteurs du territoire
 Portail géo-décisionnel d'accès unique aux informations sur la flore, la faune,
les habitats naturels et les milieux humides
 Outil adapté aux usages
 Un travail partenarial important

3. concrètement
observateur
Bases de données
locale
Bases de données
régionale
IDG
Sigogne
Processus qualité Validation scientifique
Contrôle cohérence
observateur
ETL
Contrôle cohérence

4. Constat :Besoin d'un
indicateur de
connaissance
communal

5. ✓ Un indice composite
✓
 Pourquoi un indice composite ?

 Ratio du nombre d'espèce observée / nombre d'espèce théorique
 Densité et répartition des observations sur les communes

Un indicateur de connaissance

6. Quelle(s) méthode(s) utiliser pour estimer un nombre d'espèce
maximal dans une unité géographique ?
✓ Méthode(s) non-paramétrique(s) de raréfaction :
Différentes formulations mathématiques applicables en fonction de
➢ la biologie du taxon étudié
➢ l'échelle spatiale considérée
➢ la méthode de recueil de données.
Un indicateur de connaissance

7. Big concept
Implémentation du script sous Rcaller

8. Processus FME
1) Extraction des données brutes en fonction des groupes et agrégation sur
commune maille 5x5 et 10x10
2) Création du script RCaller créateur de l'indicateur de connaissance et passage des
4 millions de données
3) Approche habitat : vectorisation du Geotiff Landstat 8 pour connaître les habitats
et leurs surfaces par polygone afin d'y comparer espèces existantes et potentielles
(en cours de réflexion)
4) Pondération de l'indicateur par l'homogénéité communale des observations

9. Extrait du script R
...
out <- list(Species = S, chao = chao, chao.se = sqrt(var.chao), chao1 = chao.1, jack1 = jack.1, jack1.se =
sqrt(var.jack1), jack1.1 = jack.1.1, jack2 = jack.2, jack3 = jack.3, jack4 = jack.4, jack5 = jack.5, boot =
bootS, boot.se = sqrt(var.boot), n = as.vector(groups))
out <- as.data.frame(out)
attr(out, "pool") <- pool
...
1) Installer R sous votre OS
2) Paramétrer le chemin de l’exécutable dans les options de workbench
3) Ajouter les packages demandés par Workbench comme « gsubfn » via la commande
« install.packages("NomDuPackage") » dans la console R
4) Profiter de la puissance de R dans Workbench !
Paramétrage de R sous Workbench

10. Exemple en direct sur quelques communes

11. Carte thématique communale

12. Homogénéité des données

13. Valorisation sous
Couche thématique communale sur le niveau de connaissance
Intégration de cet indicateur dans les synthèses
Démo ! www.sigogne.org/carto
Produits envisagés :
Carte thématique communale
Information par groupe sur les synthèses Sigogne
Cartes de chaleur
Représentations 3D

14. Retour sur RCaller
 Permet de coupler R dans ses processus workbench
 Bien plus complet que StatisticsCaclulator
 Puissance de calcul sur de gros lots de données
Retour sur le processus
 Paramètre complexe du vivant
 Le script aurait tendance a sous estimer le potentiel des communes
peu prospectées et à surestimer sur les communes bien connues


15. Merci!
Nous contacter :
-@sigogne_fc
-contact@ppnmefc.org