Ce code crée des cartes en 2D et 3D du Parc Omnisport Suzanne Lenglen.

1 Données

load("data/POSL.RData")

2 Jeux de points

2.1 Tous les arbres de 2021

library("dbmss")
BDD_Vivants_et_Abattus_renseignes_POSL %>%
    # Le poids est la surface terrière
mutate(PointWeight = Circonference^2/4/pi) %>%
    rename(PointType = GenrEsp) %>%
    as.wmppp(unitname = c("meter", "meters")) ->
    POSL_VA_wmppp
autoplot(POSL_VA_wmppp)

3 Diversité

3.1 A distance

Accumulation de la diversité de 0 à 500 m pour q=0, 1 et 2 (Richesse, Shannon, Simpson) avec hypothèse nulle de localisation aléatoire.

library("SpatDiv")
# Calcul avec H0 touts les 50 m pour ne pas avoir
# de NA (limite de SpatDiv à corriger)
Accum <- DivAccum(POSL_VA_wmppp, r.seq = c(0, seq(from = 25,
    to = 50, by = 5), seq(from = 100, to = 500, by = 50)),
    q.seq = 0:2, H0 = "RandomLocation", NumberOfSimulations = 100,
    Individual = TRUE)
# Calcul à 10m et 25m, sans HO
Accum10 <- DivAccum(POSL_VA_wmppp, r.seq = c(0, 10),
    q.seq = 0:2, Individual = TRUE)
Accum25 <- DivAccum(POSL_VA_wmppp, r.seq = c(0, 25),
    q.seq = 0:2, Individual = TRUE)

3.1.1 Richesse : q=0

Courbe d’accumulation

autoplot(Accum, q = 0)

La valeur asymptotique est celle du parc entier

Richness(POSL_VA_wmppp, Correction = "None")
## None 
##  109

Carte de la richesse à 10 m:

MapPlot(Accum10, Order = 0, NeighborHood = 10, Points = TRUE)
## [using ordinary kriging]
# Arbres abattus
BDD_Vivants_et_Abattus_renseignes_POSL %>%
    filter(Etat == "Abattu") -> Abattus
with(Abattus, points(x = X, y = Y, pch = 20))

Carte de la richesse à 25 m:

MapPlot(Accum25, Order = 0, NeighborHood = 25, Points = TRUE)
## [using ordinary kriging]
# Arbres abattus
BDD_Vivants_et_Abattus_renseignes_POSL %>%
    filter(Etat == "Abattu") -> Abattus
with(Abattus, points(x = X, y = Y, pch = 20))

3.1.2 Shannon : q=1

Courbe d’accumulation

autoplot(Accum, q = 1)

La valeur asymptotique est celle du parc entier

Diversity(POSL_VA_wmppp, q = 1, Correction = "None")
##     None 
## 21.52368

Carte de la diversité d’ordre 1 à 25 m:

MapPlot(Accum25, Order = 1, NeighborHood = 25)
## [using ordinary kriging]
# Arbres abattus
BDD_Vivants_et_Abattus_renseignes_POSL %>%
    filter(Etat == "Abattu") -> Abattus
with(Abattus, points(x = X, y = Y, pch = 20))

3.1.3 Simpson : q=2

Courbe d’accumulation

autoplot(Accum, q = 2)

La valeur asymptotique est celle du parc entier

Diversity(POSL_VA_wmppp, q = 2, Correction = "None")
##     None 
## 10.15975

Carte de la diversité d’ordre 2 à 25 m:

MapPlot(Accum25, Order = 2, NeighborHood = 25)
## [using ordinary kriging]
# Arbres abattus
BDD_Vivants_et_Abattus_renseignes_POSL %>%
    filter(Etat == "Abattu") -> Abattus
with(Abattus, points(x = X, y = Y, pch = 20))

4 Comparaison de la diversité

Diversité d’ordres 0, 1 et 2 à 25m autour des arbres:

Distance <- 2  # 25 m
Accum25$Neighborhoods[, Distance, ] %>%
    t %>%
    as_tibble %>%
    # Les lignes sont les arbres, les colonnes
    # l'ordre de la diversité
print -> DivLocale
## # A tibble: 1,450 × 3
##      `0`   `1`   `2`
##    <dbl> <dbl> <dbl>
##  1     2  1.75  1.59
##  2     4  2.04  1.63
##  3    10  5.18  4.43
##  4     7  2.21  1.69
##  5     2  2.00  2.00
##  6     5  3.32  2.77
##  7    11  6.23  4.24
##  8     1  1     1   
##  9     5  4.39  4.05
## 10     6  3.88  3.36
## # … with 1,440 more rows

A faire : écrire dans SpatDiv une fonction qui extraie les valeurs de diversité locale (arguments : q et r) pour remplacer ce code.

Intégration de la diversité locale au jeu de données:

BDD_Vivants_et_Abattus_renseignes_POSL %>%
    bind_cols(DivLocale) %>%
    filter(EspeceFrancais == "Erable") -> BDD_Erables_Div

Diversité locale autour des arbres abattus.

4.1 Richesse

BDD_Erables_Div %>%
    ggplot() + geom_boxplot(aes(x = MotifAbattage,
    y = `0`)) + labs(y = "Richesse")

4.2 Shannon

BDD_Erables_Div %>%
    ggplot() + geom_boxplot(aes(x = MotifAbattage,
    y = `1`)) + labs(y = "Diversité de Shannon")

4.3 Simpson

BDD_Erables_Div %>%
    ggplot() + geom_boxplot(aes(x = MotifAbattage,
    y = `2`)) + labs(y = "Diversité de Simpson")

4.4 Conclusion

La diversité à 25m est la même pour les victimes de la maladie de la suie que pour tous les érables. Les érables en déclin ne sont que 3, donc pas de conclusion.

Conclusion générale : - Les érables malades sont concentrés (même si le faible volume de données limite la puissance des tests), ce qui est attendu pour une maladie contagieuse, - L’hypothèse de vulnérabilité à cause d’une moindre diversité locale est rejetée, supportée par la littérature, est clairement rejetée.