covariablechamps

Overview

Le package covariablechamps permet d’extraire et de calculer des covariables pour des champs agricoles au Québec, à partir de diverses sources de données (LiDAR, pédologiques, etc.).

Fonctionnalités

Module Terrain (disponible)

• Téléchargement automatique des données LiDAR depuis le DataCube du Canada
• Calcul de la pente (degrés)
• Calcul de l’aspect (orientation)
• Classification des formes de terrain avec les géomorphons

Module Ombrage (disponible)

• Calcul des ombres projetées (cast shadows) d’une parcelle à partir du MNE (Modèle Numérique de Surface) LiDAR
• Calcul de la position du soleil avec le package suncalc
• Lancer de rayons (raytracing) avec le package rayshader pour des ombres réalistes
• Calcul sur une période : moyenne, min, max ou somme des heures d’ensoleillement sur plusieurs jours/mois
• Paramètres ajustables :
  • zscale : facteur d’échelle vertical (ajuste la longueur des ombres)
  • max_distance : distance maximale de projection des ombres (défaut: 1000m)
  • seuil_ensoleillement : seuil pour compter les heures d’ensoleillement (défaut: 0.1)
• Production de cartes :
  • Ombrage par heure (0 = ombre complète, 1 = plein soleil)
  • Ombrage moyen sur la journée ou sur une période
  • Nombre d’heures d’ensoleillement par pixel (journalier ou moyenne sur période)

Modules à venir

• Texture et classe de drainage des sols
• Orientation des champs
• Localisation et hauteur des arbres bordant les parcelles

Installation

Prérequis

Installez d’abord le package rgeomorphon depuis GitHub:

if (!requireNamespace("remotes", quietly = TRUE)) {
  install.packages("remotes")
}
remotes::install_github("brownag/rgeomorphon")

Installation

# Installer depuis GitHub
remotes::install_github("cedricbouffard/covariablechamps")

Utilisation rapide

library(covariablechamps)

# Charger votre champ
champ <- sf::st_read("chemin/vers/champ.shp")

# Extraire toutes les covariables terrain
covariables <- extraire_covariables_terrain(champ)

# Visualiser
plot(covariables$pente, main = "Pente")
plot(covariables$aspect, main = "Aspect")
plot(covariables$geomorphons, main = "Géomorphons")

Calculer l’ombrage d’une parcelle

library(covariablechamps)

# Charger votre champ
champ <- sf::st_read("chemin/vers/champ.shp")

# Calculer l'ombrage pour une date spécifique
resultats <- calculer_ombrage(
  polygone = champ,
  date = "2024-06-21",  # Solstice d'été
  intervalle_heures = 1,
  dossier = "output/ombrage"
)

# Ajuster la longueur des ombres avec zscale
# zscale > 1 : ombres plus longues (exagère la hauteur)
# zscale < 1 : ombres plus courtes (minimise la hauteur)
resultats_ajuste <- calculer_ombrage(
  polygone = champ,
  date = "2024-06-21",
  zscale = 1.5,           # Ombres 50% plus longues
  max_distance = 1000,    # Projection jusqu'à 1000m
  dossier = "output/ombrage"
)

# Si vous obtenez trop peu d'heures d'ensoleillement dans les zones ouvertes,
# baissez le seuil d'ensoleillement (défaut: 0.1)
resultats <- calculer_ombrage(
  polygone = champ,
  date = "2024-06-21",
  seuil_ensoleillement = 0.05,  # Plus permissif - compte plus d'heures
  max_distance = 1000
)

# Visualiser les résultats
plot(resultats$ombrage_moyen, main = "Ombrage moyen")
plot(resultats$heures_ensoleillement, main = "Heures d'ensoleillement")

# Ou utiliser la fonction de visualisation complète
calculer_ombrage_visualisation(resultats, titre = "Ombrage du 21 juin 2024")

Calculer l’ombrage sur une période

# Calculer sur un mois complet (moyenne des heures d'ensoleillement)
resultats_mois <- calculer_ombrage_periode(
  polygone = champ,
  date_debut = "2024-06-01",
  date_fin = "2024-06-30",
  intervalle_jours = 3  # Calcul tous les 3 jours pour accélérer
)

# Visualiser les statistiques sur la période
plot(resultats_mois$heures_ensoleillement_moyen, 
     main = "Heures moyennes d'ensoleillement/jour")
plot(resultats_mois$heures_ensoleillement_min, 
     main = "Heures minimales (pire cas)")
plot(resultats_mois$heures_ensoleillement_max, 
     main = "Heures maximales (meilleur cas)")
plot(resultats_mois$ombrage_moyen_periode, 
     main = "Ombrage moyen sur la période")

# Obtenir le total des heures sur toute la période
resultats_total <- calculer_ombrage_periode(
  polygone = champ,
  date_debut = "2024-06-01",
  date_fin = "2024-06-30",
  resume_type = "somme"  # Somme totale au lieu de moyenne
)

Documentation

Consultez la documentation complète pour plus de détails sur: - L’extraction des covariables terrain - Les paramètres des géomorphons - La gestion des données LiDAR

Données

Les données LiDAR proviennent du DataCube du gouvernement du Canada via l’API STAC de Ressources naturelles Canada.

Licence

Ce package est sous licence MIT.

Contribution

Les contributions sont les bienvenues ! Veuillez ouvrir une issue ou une pull request sur GitHub.