Skip to contents

Analyse du Vent et Données Météorologiques

Source: vignettes/vent-meteo.Rmd
vent-meteo.Rmd

Introduction

L’analyse du vent est cruciale pour: - Planifier l’implantation de haies brise-vent - Estimer l’ombrage des cultures - Optimiser le drainage et la circulation de l’air - Prévoir les risques de renversement des cultures

Le package covariablechamps fournit des outils pour obtenir et visualiser les données de vent depuis NASA POWER.

Chargement du champ M2

Le package inclut un champ d’exemple (M2) situé au Québec.

champ <- st_read(system.file("extdata", "M2.shp", package = "covariablechamps"))
#> Reading layer `M2' from data source 
#>   `/home/runner/work/_temp/Library/covariablechamps/extdata/M2.shp' 
#>   using driver `ESRI Shapefile'
#> Simple feature collection with 1 feature and 65 fields
#> Geometry type: POLYGON
#> Dimension:     XY
#> Bounding box:  xmin: -71.06012 ymin: 46.64605 xmax: -71.05268 ymax: 46.65118
#> Geodetic CRS:  WGS 84

ggplot() +
  geom_sf(data = champ, fill = "lightgreen", alpha = 0.5) +
  theme_minimal() +
  labs(title = "Champ M2",
       subtitle = "Champ d'exemple inclus dans le package")

Obtention des données de vent depuis NASA POWER

La fonction obtenir_rose_vents() récupère les données de rose des vents depuis l’API NASA POWER.

Note: Nécessite une connexion internet.

rose <- obtenir_rose_vents(
  polygone = champ,
  date_debut = "20230101",
  date_fin = "20231231",
  hauteur = "10m"
)

cat("Données obtenues pour:", rose$coordonnees[1], ",", rose$coordonnees[2], "\n")
#> Données obtenues pour: -71.05644 , 46.64874
cat("Directions analysées:", length(rose$directions), "\n")
#> Directions analysées: 16

Visualisation: Rose des vents

Rose des vents (fréquence) 

tracer_rose_vents(rose, type = "pct")

Rose des vents (vitesse moyenne) 

tracer_rose_vents(rose, type = "avg")

Direction dominante 

direction_dom <- rose$directions[which.max(rose$wd_pct)]
freq_max <- max(rose$wd_pct, na.rm = TRUE)

cat(sprintf("Direction dominante: %.0f° (%.1f%% des vents)\n", 
            direction_dom, freq_max))
#> Direction dominante: 225° (14.0% des vents)

cat("\nOrientation:\n")
#> 
#> Orientation:
cat("  0°   = Nord\n")
#>   0°   = Nord
cat("  90°  = Est\n")
#>   90°  = Est
cat("  180° = Sud\n")
#>   180° = Sud
cat("  270° = Ouest\n")
#>   270° = Ouest

Distribution des directions 

df_rose <- data.frame(
  direction = rose$directions,
  frequence = rose$wd_pct
) |>
  mutate(
    direction_cardinale = case_when(
      direction >= 337.5 | direction < 22.5 ~ "N",
      direction >= 22.5 & direction < 67.5 ~ "NE",
      direction >= 67.5 & direction < 112.5 ~ "E",
      direction >= 112.5 & direction < 157.5 ~ "SE",
      direction >= 157.5 & direction < 202.5 ~ "S",
      direction >= 202.5 & direction < 247.5 ~ "SO",
      direction >= 247.5 & direction < 292.5 ~ "O",
      direction >= 292.5 & direction < 337.5 ~ "NO"
    )
  )

ggplot(df_rose, aes(x = direction, y = frequence, fill = direction_cardinale)) +
  geom_col(width = 20) +
  scale_fill_brewer(palette = "Set1") +
  coord_polar(theta = "x", start = -11.25 * pi / 180) +
  scale_x_continuous(breaks = seq(0, 337.5, by = 45),
                     labels = c("N", "NE", "E", "SE", "S", "SO", "O", "NO")) +
  theme_minimal() +
  labs(title = "Fréquence des directions du vent",
       x = "", y = "Fréquence (%)", fill = "Direction")

Comparaison saisonnière 

# Hiver (décembre-février)
rose_hiver <- obtenir_rose_vents(
  polygone = champ,
  date_debut = "20230101",
  date_fin = "20230331",
  hauteur = "10m"
)

# Été (juin-août)
rose_ete <- obtenir_rose_vents(
  polygone = champ,
  date_debut = "20230601",
  date_fin = "20230831",
  hauteur = "10m"
)

par(mfrow = c(1, 2), mar = c(4, 4, 4, 4))

# Fonction pour tracer une rose simple
plot_rose_simple <- function(rose_data, main) {
  freqs <- rose_data$wd_pct
  angles <- (rose_data$directions - 90) * pi / 180
  freqs[is.na(freqs)] <- 0
  
  barplot(freqs, axes = FALSE, axisnames = FALSE,
          width = rep(1, length(freqs)), space = 0.1,
          col = rgb(0.2, 0.4, 0.8, 0.6),
          main = main)
  
  r_max <- max(freqs, na.rm = TRUE)
  for (i in seq(0, r_max, length.out = 4)) {
    angle_seq <- seq(0, 2 * pi, length.out = 100)
    lines(i * cos(angle_seq), i * sin(angle_seq), col = "grey80")
  }
  
  dir_labels <- c("N", "NE", "E", "SE", "S", "SO", "O", "NO")
  angles_labels <- seq(0, 7) * pi / 4
  text(r_max * 1.1 * cos(angles_labels), 
       r_max * 1.1 * sin(angles_labels), 
       dir_labels, cex = 0.8)
}

plot_rose_simple(rose_hiver, "Hiver (Jan-Mar)")
plot_rose_simple(rose_ete, "Été (Jun-Aug)")

Applications agricoles

Haies brise-vent

  • Planifier l’orientation des haies perpendiculairement au vent dominant
  • Estimer la zone de protection (1-10H où H = hauteur de la haie)

Érosion

  • Identifier les zones vulnérables au vent
  • Prévoir les dépôts de sable

Références

  • NASA POWER - Données météorologiques mondiales