In MelodyPremaillon/valwoe: Statistical validation of susceptibility maps builted with woe method

---

library(valwoe)
library(knitr)
library(flextable)
library(stringr)

###### Chemins d'accès ####################################

#Chemin où sont stockés tous les résultats de sortie des calculs des WoeF faits sur QGis. 
#Normalement le dossier s'appelle "RESULT"
#/!\ sur R pas de "\", les remplacer par des "/"

path <- ""

#Chemin du dossier des tables des poids
#Les tables des w+ doivent être rangées dans un dossier à part, créer un dossir "wplus" dans "RESULT", et les copier dedans. 

wplus_path <- ""

#Chemin des sorties du code
#Tous les graphiques et le compte rendu du code seront stockés dans ce dossier

output_path <- ""


###### Noms des fichiers d'entrée ####################################

####### Rasters##################

# Raster des post probabilités (entrainement")
name_raster_postprob_trainset <- ""
# Raster de confiance (entrainemment)
name_raster_conf_trainset <- ""
# Raster des post-probabilités (set complet)
name_raster_postprob_complset <- ""

##### Shapefiles ################

#Shapefile des points d'entrainement 
name_shp_trainset <- "shape_train"
#Shapefile des points de validation
name_shp_validset <- "shape_valid"
#Shapefile des points complet
name_shp_complset <- ""


##### Seuils pour la courbe de reconnaissance #########################

# Par défaut les seuils utilisés sont ceux du jtc1
seuils <- jtc1_threshold  

# Couleurs pour les classes d'aléa (sur courbe de reconnaissance). 
# Peuvent être changées, rentrer couleur en hex et bien faire attention à mettre le même nombre que le nombre de classes
col <- default_col

df_trainvalid <- build_df_postprobfreq(path, 
                                          name_rast_postprob = name_raster_postprob_trainset,
                                          name_shape = name_shp_trainset, 
                                          name_rast_conf = name_raster_conf_trainset, 
                                          name_shape_val = name_shp_validset)

df_trainvalid <- add_hasard_classes(df_trainvalid, seuils = seuils)


#Sur jeu de donnees complet
if (name_shp_complset != ""){
  df_compl <- build_df_postprobfreq(path, 
                                    name_rast_postprob = name_raster_postprob_complset,
                                    name_shape = name_shp_complset)
  df_compl <- add_hasard_classes(df_compl, seuils=seuils)
} else {
  df_compl <- data.frame(POST_PROB = 0)
}

Tables des poids

mytabs <- read_reshape_wplus(wplus_path)
for (i in 1:length(mytabs)){
  mycapt <- str_remove(names(mytabs[i]), ".csv")
  mycapt <- gsub("_", " ", mycapt)


  tmp <- mytabs[[i]]
  tmp <- flextable(tmp)
  tmp <- theme_vanilla(tmp)
  tmp <- fontsize(tmp, size=9, part="all")
  tmp <- width(tmp, 1, 4, unit="cm")
  tmp <- width(tmp, 2:9, 1.5, unit="cm")
  tmp <- set_caption(tmp, caption = mycapt )

  cat(knit_print(tmp))

}

\newpage

Sur les jeux de données d'entrainement et de validation

Courbe de succes et aire sous la courbe

plot_succescurve(df_trainvalid)

save_this_plot(plot_succescurve(df_postprob_freq), 
               output_path = output_path,
               name = "succes_plot", 
               height= 5,
               width=5)

Courbe de validation

plot_validationcurve(df_trainvalid)

save_this_plot(plot_succescurve(df_postprob_freq), 
               output_path = output_path,
               name = "validation_plot", 
               height= 5,
               width=5)

Courbe de reconnaissance sur set d'entrainement

plot_recognition(df_trainvalid, seuils = seuils, couleurs = col)

save_this_plot(plot_recognition(df_trainvalid, seuils = seuils, couleurs = col), 
               output_path = output_path,
               name = "recognition_plot_trainset", 
               height= 5,
               width=7)

Confiance statistique

confstat <- conf_stat(df_trainvalid, seuils = seuils)

tmp <- flextable(confstat)
tmp <- theme_vanilla(tmp)
tmp <- autofit(tmp, part="all")
tmp

\newpage

Sur le jeu de données complet

Courbe de reconnaissance

plot_recognition(df_compl, seuils, couleurs = col)

save_this_plot(plot_recognition(df_compl, seuils, couleurs = col), 
               output_path = output_path,
               name = "recognition_plot_complete", 
               height= 5,
               width=7)

Indicateurs statistiques

plot_spider_indicStats(df_trainvalid, df_compl)

MelodyPremaillon/valwoe documentation built on April 16, 2022, 12:46 a.m.