diff --git a/02_import_sf.qmd b/02_import_sf.qmd
index 2fc1ae1..448932f 100644
--- a/02_import_sf.qmd
+++ b/02_import_sf.qmd
@@ -19,7 +19,7 @@ com <- st_read("data/lot.gpkg", layer = "communes")
class(com)
```
-Une couche géographique assignée dans un un objet avec la fonction `st_read()` est automatiquement stockée dans un objet `sf`.
+La fonction `st_read()` importe les couches géographiques au format `sf`.
::: {.callout-note}
## Geopackage
diff --git a/04_projection_sf.qmd b/04_projection_sf.qmd
index 164c70e..e4ac9aa 100644
--- a/04_projection_sf.qmd
+++ b/04_projection_sf.qmd
@@ -24,17 +24,17 @@ st_crs(com)
La fonction `st_transform()` permet de changer le système de coordonnées d'un objet `sf`, de le reprojeter.
-```{r, proj2}
+```{r proj2}
#| layout-ncol: 2
#| fig-width: 4
#| fig-height: 4
-
mf_map(com, expandBB = c(0, .12, 0, 0))
mf_graticule(x = com)
-mf_title("RGF93 / Lambert-93")
-
+mf_title("RGF93 / Lambert-93")
+
+# changement de projection
com_reproj <- st_transform(com, "EPSG:3035")
-
+
mf_map(com_reproj, expandBB = c(0, .12, .0, 0))
mf_graticule(x = com_reproj)
mf_title("ETRS89-extended / LAEA Europe")
diff --git a/07_operation_geom_sf.qmd b/07_operation_geom_sf.qmd
index adcd3ef..c4deeb9 100644
--- a/07_operation_geom_sf.qmd
+++ b/07_operation_geom_sf.qmd
@@ -30,29 +30,50 @@ mf_map(dep_46, col = NA, border = "red", lwd = 2, add = TRUE)
## Agréger des polygones en fonction d'une variable
-* Avec la librairie `dplyr`
+* Avec la bibliothèque `dplyr`
```{r aggreg2, nm=TRUE, message = FALSE}
library(dplyr)
com_u <- com |>
- group_by(STATUT) |>
- summarise(POPULATION = sum(POPULATION))
+ group_by(STATUT) |>
+ summarise(POPULATION = sum(POPULATION))
```
* Sans `dplyr`
```{r aggreg3, nm=TRUE}
+# variable servant à agréger les polygones
i <- com$STATUT
com_u <- st_sf(
- STATUT = tapply(X = i , INDEX = i, FUN = head, 1),
- POPULATION = tapply(X = com$POPULATION , INDEX = i, FUN = sum),
- geometry = tapply(X = st_geometry(com), INDEX = i, FUN = st_union),
+ STATUT = tapply(X = com$STATUT , INDEX = i, FUN = head, 1),
+ POPULATION = tapply(X = com$POPULATION , INDEX = i, FUN = sum),
+ geometry = tapply(X = com , INDEX = i, FUN = st_union),
crs = st_crs(com)
)
```
+:::{.callout-note}
+## Explication de la méthode d'agrégation
+
+`tapply(X, INDEX, FUN)` permet d'aggréger une variable en fonction d'une autre.
+Il faut indiquer la variable à agréger **X**, la variable servant à agréger **INDEX** et la manière d'agréger (une fonction) **FUN**.
+
+Ici par exemple nous calculons la somme des population des communes en fonction de leur statut :
+```{r tapply1}
+tapply(X = com$POPULATION, INDEX = com$STATUT, FUN = sum)
+```
+
+`tapply()` fonctionne également avec les objets `sf` et `sfc`:
+```{r}
+st_sfc(tapply(com, com$STATUT, st_union))
+```
+
+Nous pouvons ensuite combiner plusieurs appels `tapply()` à l'interieur d'un appel à `st_sf()` en ajoutant également les informations sur le système de coordonnées.
+:::
+
+
## Construire une zone tampon
@@ -72,9 +93,7 @@ En utilisant la fonction `st_intersection()`, on peut découper une couche par u
```{r intersect2}
# création d'une zone tampon autour du centroid de la commune de Gramat
# en utilisant le pipe
-zone <- st_geometry(gramat) |>
- st_centroid() |>
- st_buffer(10000)
+zone <- st_geometry(gramat) |> st_centroid() |> st_buffer(10000)
mf_map(com)
mf_map(zone, border = "red", col = NA, lwd = 2, add = TRUE)
@@ -174,12 +193,15 @@ Nous pouvons ensuite utiliser la fonction `aggregate()` pour agréger les altitu
```{r agval2}
-alti_min <- aggregate(x = list(alt_min = inter$elevation),
- by = list(INSEE_COM = inter$INSEE_COM),
+# x : la variable que l'on veut agréger
+# by : la variable qui servira à agréger
+# FUN : la fonction à utiliser lors de l'agrégation
+alti_min <- aggregate(x = list(alt_min = inter$elevation),
+ by = list(INSEE_COM = inter$INSEE_COM),
FUN = "min")
-alti_max <- aggregate(x = list(alt_max = inter$elevation),
- by = list(INSEE_COM = inter$INSEE_COM),
+alti_max <- aggregate(x = list(alt_max = inter$elevation),
+ by = list(INSEE_COM = inter$INSEE_COM),
FUN = "max")
head(alti_max, n = 3)
diff --git a/08_mesures_sf.qmd b/08_mesures_sf.qmd
index bd922d2..7be4b13 100644
--- a/08_mesures_sf.qmd
+++ b/08_mesures_sf.qmd
@@ -2,16 +2,13 @@
## Créer une matrice de distances
+La fonction `st_distance()` permet de calculer une matrice de distance entre deux couches de points.
Si le système de projection du jeu de données est renseigné, les distances sont exprimées dans l'unité de mesure de la projection (le plus souvent en mètres).
-```{r distance, nm=TRUE}
+```{r distance}
library(sf)
-com <- st_read("data/lot.gpkg", layer = "communes", quiet = TRUE)
+com <- st_read("data/lot.gpkg", layer = "communes", quiet = TRUE, agr = "constant")
+# transformation de la couche com en couche de points
com_c <- st_centroid(com)
-```
-
-La fonction `st_distance()` permet de calculer une matrice de distance entre deux couches de points.
-
-```{r distance2, nm=TRUE}
mat <- st_distance(x = com_c, y = com_c)
mat[1:5,1:5]
```
diff --git a/14_modif_zone_terra.qmd b/14_modif_zone_terra.qmd
index 5e69367..5a20a2f 100644
--- a/14_modif_zone_terra.qmd
+++ b/14_modif_zone_terra.qmd
@@ -132,7 +132,7 @@ elev_lower <- resample(x = elev,
method = "bilinear")
plot(elev_lower,
- main = "Taille des cellules = 1000m\nMéthode de ré-échantillonnage bilinéaire")
+ main = "cellsize = 1000m - ré-échantillonnage bilinéaire")
```
diff --git a/15_algebre_spatial_terra.qmd b/15_algebre_spatial_terra.qmd
index 9b1d5d3..8fcd80b 100644
--- a/15_algebre_spatial_terra.qmd
+++ b/15_algebre_spatial_terra.qmd
@@ -67,7 +67,8 @@ plot(elev_med, main = "Elevation - median value")
La reclassification des valeurs d'un raster peut aussi bien être utilisée pour discrétiser des données quantitatives que pour catégoriser des modalités qualitatives.
-Cela permet par exemple de répartir les [44 postes de la nomenclature CLC](https://www.statistiques.developpement-durable.gouv.fr/corine-land-cover-0) selon les 5 grands types d'occupation du territoire : territoires artificialisés, agricoles, forêts et milieux semi-naturels, zones humides et surfaces en eau. Pour cela, il est d'abord nécessaire de construire la table (matrice) de correspondance avec la fonction `matrix()`.
+Cela permet par exemple de répartir les [44 postes de la nomenclature CLC](https://www.statistiques.developpement-durable.gouv.fr/corine-land-cover-0) selon les 5 grands types d'occupation du territoire : territoires artificialisés, agricoles, forêts et milieux semi-naturels, zones humides et surfaces en eau. Pour cela, il est d'abord nécessaire de construire une table de correspondance avec la fonction `matrix()`.
+
```{r reclass_2}
reclassif <- matrix(c(100, 199, 1,
200, 299, 2,
@@ -161,7 +162,7 @@ mon_focal <- matrix(1, nrow = 9, ncol = 9)
mon_focal
```
-La fonction `focal()` permet de ensuite de réaliser l'analyse souhaitée. Par exemple : le calcul de la moyenne des valeurs de fenêtre spatiale determinée, pour chaque cellule du raster.
+La fonction `focal()` permet ensuite de réaliser l'analyse souhaitée. Par exemple : le calcul de la moyenne des valeurs dans une fenêtre spatiale determinée, pour chaque cellule du raster.
```{r op_focal_3}
elev_focal_mean <- focal(elev, w = mon_focal, fun = mean)
@@ -170,7 +171,7 @@ elev_focal_mean <- focal(elev, w = mon_focal, fun = mean)
```{r op_focal_5}
#| layout-ncol: 2
plot(elev, main = "raster de départ")
-plot(elev_focal_mean, main="résultat : focal 9 x 9, sans pondération particulière")
+plot(elev_focal_mean, main="résultat : focal 9 x 9, pondération uniforme")
```
@@ -187,7 +188,7 @@ La fonction `terrain()` permet de réaliser des analyses focales spécifiques au
- ***TRI*** = calcul de l'indice de la variabilité de l'élévation;
- ***flowdir*** = calcul du sens d'écoulement de l'eau.
-Exemples avec le calcul des pentes (*slope*), c'est à dire leur inclinaison en degré.
+Exemples avec le calcul des pentes (*slope*), c'est à dire leur inclinaison en degrés.
```{r op_focal_6}
slope <- terrain(elev, "slope",
@@ -201,7 +202,7 @@ plot(slope)
## Opérations globales
-](img/op_global.png)
+](img/op_global.png)
Les opérations globales permettent de résumer les valeurs matricielles d'une ou plusieurs matrices.
diff --git a/18_OSM_interactif.qmd b/18_OSM_interactif.qmd
index 0aaac3f..105371d 100644
--- a/18_OSM_interactif.qmd
+++ b/18_OSM_interactif.qmd
@@ -40,7 +40,7 @@ m
### `mapview`
-`mapview` s'appuie sur `leaflet` pour créer des carte interactive, sont utilisation est plus simple et sa documentation est un peu dense.
+`mapview` s'appuie sur `leaflet` pour créer des carte interactive, sont utilisation basique est plus simple bien que sa documentation ne soit pas vraiment facile à aborder.
```{r}
#| cache: false
diff --git a/1999_georeferencement.qmd b/1999_georeferencement.qmd
index e001c30..2533bab 100644
--- a/1999_georeferencement.qmd
+++ b/1999_georeferencement.qmd
@@ -1,4 +1,4 @@
-# Géoréferencement
+# Géoréferencement et digitalisation
## Géocoder des adresses
@@ -69,6 +69,6 @@ mf_map(place_sf, pch = 4, cex = 2,
## Digitalisation
Le package `mapedit` [@R-mapedit] permet de digitaliser des fonds de carte directement dans R.
-Bien que pouvant se révéler pratique dans certains cas, ce package ne saurait se substituer aux fonctionnalités d'un SIG pour les tâches de digitalisation importantes.
+Mais disons le franchement, bien que pouvant se révéler pratique dans certains cas, ce package ne saurait se substituer aux fonctionnalités d'un SIG pour les tâches de digitalisation importantes.
](img/mapedit-leafpm-1.gif)
diff --git a/README.md b/README.md
index 070483e..ec7e97d 100644
--- a/README.md
+++ b/README.md
@@ -1,17 +1,12 @@
# [Géomatique avec R](https://rcarto.github.io/geomatique_avec_r/)
-Ce manuel est destiné tant aux utilisateurs de R souhaitant mettre en place traitements de l'information géographique qu'aux utilisateurs souhaitant utiliser R pour réaliser les taches qu'ils réalisent habituellement avec un SIG.
+Ce manuel est destiné tant aux utilisateurs de R souhaitant mettre en place des traitements de données spatiales qu'aux utilisateurs souhaitant utiliser R pour réaliser les taches qu'ils réalisent habituellement avec un SIG.
Les principales étapes du traitement de l'information géographiques y sont abordées.
L'accent est porté sur le traitement des données vectorielles mais une partie est tout de même dédiée aux données raster.
-**Comment utiliser le manuel**
-Les données utilisées dans ce document sont stockées dans un projet RStudio ([ici](https://github.com/rCarto/geomatique_avec_r/raw/main/docs/geodata.zip).
-Vous devez le télécharger puis le décompresser sur votre machine. Il vous sera ensuite possible de tester l'ensemble des manipulations proposées dans ce document au sein du projet **geodata**.
-
**Contribution et feedback**
Vous pouvez nous envoyer vos remarques et suggestions en [postant une *issue*](https://github.com/rCarto/geomatique_avec_r/issues) sur le [dépôt GitHub](https://github.com/rCarto/geomatique_avec_r) de ce document.
-
**Contexte**
Ce manuel a été initialement conçu pour accompagner le cours "Cartographie avec R"
du Master 2 Géomatique, géodécisionnel, géomarketing et multimédia (G2M) de
@@ -20,6 +15,7 @@ Un deuxième manuel centré sur la cartographie est disponible ici :
[Cartographie avec R](https://rcarto.github.io/cartographie_avec_r/).
+
La version en ligne de ce document est sous licence [Creative Commons Attribution-NonCommercial-ShareAlike 4.0](http://creativecommons.org/licenses/by-nc-sa/4.0/).
@@ -30,12 +26,5 @@ La version en ligne de ce document est sous licence [Creative Commons Attributio
Giraud, T. et Pecout, H. (2023). Géomatique avec R. https://doi.org/10.5281/zenodo.5906212
-```
-@misc{
- author = {Giraud, Timothée and Pecout, Hugues},
- doi = {10.5281/zenodo.5906212},
- title = {{Géomatique avec R}},
- url = {https://rcarto.github.io/geomatique_avec_r/},
- year = {2023}
-}
-```
+
+
diff --git a/docs/01_package_sf.html b/docs/01_package_sf.html
index d470e6b..19ba644 100644
--- a/docs/01_package_sf.html
+++ b/docs/01_package_sf.html
@@ -2,7 +2,7 @@
-
+
@@ -299,7 +299,7 @@
i <- com$STATUT
-
-com_u <-st_sf(
-STATUT =tapply(X = i , INDEX = i, FUN = head, 1),
-POPULATION =tapply(X = com$POPULATION , INDEX = i, FUN = sum),
-geometry =tapply(X =st_geometry(com), INDEX = i, FUN = st_union),
-crs =st_crs(com)
-)
+
+
# variable servant à agréger les polygones
+i <- com$STATUT
+
+com_u <-st_sf(
+STATUT =tapply(X = com$STATUT , INDEX = i, FUN = head, 1),
+POPULATION =tapply(X = com$POPULATION , INDEX = i, FUN = sum),
+geometry =tapply(X = com , INDEX = i, FUN = st_union),
+crs =st_crs(com)
+)
+
+
+
+
+
+
+
+Explication de la méthode d’agrégation
+
+
+
+
tapply(X, INDEX, FUN) permet d’aggréger une variable en fonction d’une autre.
+Il faut indiquer la variable à agréger X, la variable servant à agréger INDEX et la manière d’agréger (une fonction) FUN.
+
Ici par exemple nous calculons la somme des population des communes en fonction de leur statut :
+
+
tapply(X = com$POPULATION, INDEX = com$STATUT, FUN = sum)
+
+
#> Commune simple Préfecture Sous-préfecture
+#> 140259 19907 13763
+
+
+
tapply() fonctionne également avec les objets sf et sfc:
+
+
st_sfc(tapply(com, com$STATUT, st_union))
+
+
#> Geometry set for 3 features
+#> Geometry type: GEOMETRY
+#> Dimension: XY
+#> Bounding box: xmin: 539668.5 ymin: 6346290 xmax: 637380.9 ymax: 6439668
+#> CRS: NA
Nous pouvons ensuite combiner plusieurs appels tapply() à l’interieur d’un appel à st_sf() en ajoutant également les informations sur le système de coordonnées.
En utilisant la fonction st_intersection(), on peut découper une couche par une autre.
-
-
# création d'une zone tampon autour du centroid de la commune de Gramat
-# en utilisant le pipe
-zone <-st_geometry(gramat) |>
-st_centroid() |>
-st_buffer(10000)
-
-mf_map(com)
-mf_map(zone, border ="red", col =NA, lwd =2, add =TRUE)
+
+
# création d'une zone tampon autour du centroid de la commune de Gramat
+# en utilisant le pipe
+zone <-st_geometry(gramat) |>st_centroid() |>st_buffer(10000)
+
+mf_map(com)
+mf_map(zone, border ="red", col =NA, lwd =2, add =TRUE)
-
com_z <-st_intersection(x = com, y = zone)
+
com_z <-st_intersection(x = com, y = zone)
#> Warning: attribute variables are assumed to be spatially constant throughout
#> all geometries
-
mf_map(com)
-mf_map(com_z, col ="red", border ="green", add =TRUE)
+
mf_map(com)
+mf_map(com_z, col ="red", border ="green", add =TRUE)
-
mf_map(com_z)
+
mf_map(com_z)
@@ -475,14 +517,14 @@
7.6 Créer une grille régulière
La fonction st_make_grid() permet de créer une grille régulière. La fonction produit un objet sfc, il faut ensuite utiliser la fonction st_sf() pour transformer cet objet sfc en objet sf. Lors de cette transformation nous rajoutons ici une colonne d’identifiants uniques.
-
# Création de la grille
-grid <-st_make_grid(x = com, cellsize =5000)
-
-# Ajout d'un identifiant unique
-grid <-st_sf(ID =1:length(grid), geom = grid)
-
-mf_map(grid, col ="grey", border ="white")
-mf_map(com, col =NA, border ="grey50", add =TRUE)
+
# Création de la grille
+grid <-st_make_grid(x = com, cellsize =5000)
+
+# Ajout d'un identifiant unique
+grid <-st_sf(ID =1:length(grid), geom = grid)
+
+mf_map(grid, col ="grey", border ="white")
+mf_map(com, col =NA, border ="grey50", add =TRUE)
@@ -492,32 +534,32 @@
7.7 Compter des points dans un polygone
Sélection des carreaux de la grille qui intersectent le département avec st_filter().
-
grid <-st_filter(grid, dep_46, .predicate = st_intersects)
-
-# Import d'une couche géographique ponctuelle des restaurants du Lot
-restaurant <-st_read("data/lot.gpkg", layer ="restaurants", quiet =TRUE)
-
-mf_map(grid, col ="grey", border ="white")
-mf_map(restaurant, pch =20, col ="red", cex = .5, add =TRUE)
+
grid <-st_filter(grid, dep_46, .predicate = st_intersects)
+
+# Import d'une couche géographique ponctuelle des restaurants du Lot
+restaurant <-st_read("data/lot.gpkg", layer ="restaurants", quiet =TRUE)
+
+mf_map(grid, col ="grey", border ="white")
+mf_map(restaurant, pch =20, col ="red", cex = .5, add =TRUE)
Nous utilisons ensuite la fonction st_intersects(..., sparse = TRUE) qui nous permettra d’avoir pour chaque élément de l’objet grid la liste des éléments (via leurs indexes) de l’objet restaurant qui se trouvent à l’intérieur.
-
inter <-st_intersects(grid, restaurant, sparse =TRUE)
-
-length(inter) ==nrow(grid)
+
inter <-st_intersects(grid, restaurant, sparse =TRUE)
+
+length(inter) ==nrow(grid)
#> [1] TRUE
Pour compter le nombre de restaurants il suffit donc de reporter la longueur de chacun des éléments de cette liste.
-
grid$nb_restaurant <-lengths(inter)
-
-mf_map(grid)
-mf_map(grid, var ="nb_restaurant", type ="prop")
+
grid$nb_restaurant <-lengths(inter)
+
+mf_map(grid)
+mf_map(grid, var ="nb_restaurant", type ="prop")
#> 94 '0' values are not plotted on the map.
@@ -530,22 +572,22 @@
7.8 Agréger les valeurs de points dans des polygones
Ici nous voulons résumer l’information contenue dans une couche de points dans des polygones. Nous voulons connaître l’altitude minimale et maximale de chaque communes.
Nous commencons par importer une couche de points d’altitude, la couche elevations du fichier lot.gpkg.
# x : la variable que l'on veut agréger
+# by : la variable qui servira à agréger
+# FUN : la fonction à utiliser lors de l'agrégation
+alti_min <-aggregate(x =list(alt_min = inter$elevation),
+by =list(INSEE_COM = inter$INSEE_COM),
+FUN ="min")
+
+alti_max <-aggregate(x =list(alt_max = inter$elevation),
+by =list(INSEE_COM = inter$INSEE_COM),
+FUN ="max")
+
+head(alti_max, n =3)
Si le système de projection du jeu de données est renseigné, les distances sont exprimées dans l’unité de mesure de la projection (le plus souvent en mètres).
-
+
La fonction st_distance() permet de calculer une matrice de distance entre deux couches de points.
+Si le système de projection du jeu de données est renseigné, les distances sont exprimées dans l’unité de mesure de la projection (le plus souvent en mètres).
#> Warning: st_centroid assumes attributes are constant over geometries
-
-
-
La fonction st_distance() permet de calculer une matrice de distance entre deux couches de points.
-
-
mat <-st_distance(x = com_c, y = com_c)
-mat[1:5,1:5]
+com <-st_read("data/lot.gpkg", layer ="communes", quiet =TRUE, agr ="constant")
+# transformation de la couche com en couche de points
+com_c <-st_centroid(com)
+mat <-st_distance(x = com_c, y = com_c)
+mat[1:5,1:5]
La reclassification des valeurs d’un raster peut aussi bien être utilisée pour discrétiser des données quantitatives que pour catégoriser des modalités qualitatives.
-
Cela permet par exemple de répartir les 44 postes de la nomenclature CLC selon les 5 grands types d’occupation du territoire : territoires artificialisés, agricoles, forêts et milieux semi-naturels, zones humides et surfaces en eau. Pour cela, il est d’abord nécessaire de construire la table (matrice) de correspondance avec la fonction matrix().
+
Cela permet par exemple de répartir les 44 postes de la nomenclature CLC selon les 5 grands types d’occupation du territoire : territoires artificialisés, agricoles, forêts et milieux semi-naturels, zones humides et surfaces en eau. Pour cela, il est d’abord nécessaire de construire une table de correspondance avec la fonction matrix().
La fonction focal() permet de ensuite de réaliser l’analyse souhaitée. Par exemple : le calcul de la moyenne des valeurs de fenêtre spatiale determinée, pour chaque cellule du raster.
+
La fonction focal() permet ensuite de réaliser l’analyse souhaitée. Par exemple : le calcul de la moyenne des valeurs dans une fenêtre spatiale determinée, pour chaque cellule du raster.
elev_focal_mean <-focal(elev, w = mon_focal, fun = mean)
plot(elev, main ="raster de départ")
-plot(elev_focal_mean, main="résultat : focal 9 x 9, sans pondération particulière")
+plot(elev_focal_mean, main="résultat : focal 9 x 9, pondération uniforme")
@@ -625,7 +625,7 @@
slope <-terrain(elev, "slope",neighbors =8, # 8 (ou 4) cellules autour pris en compte
@@ -643,7 +643,7 @@
mapview s’appuie sur leaflet pour créer des carte interactive, sont utilisation est plus simple et sa documentation est un peu dense.
+
mapview s’appuie sur leaflet pour créer des carte interactive, sont utilisation basique est plus simple bien que sa documentation ne soit pas vraiment facile à aborder.
-Ce manuel est destiné tant aux utilisateurs de R souhaitant mettre en place traitements de l'information géographique qu'aux utilisateurs souhaitant utiliser R pour réaliser les taches qu'ils réalisent habituellement avec un SIG.
+Ce manuel est destiné tant aux utilisateurs de R souhaitant mettre en place des traitements de données spatiales qu'aux utilisateurs souhaitant utiliser R pour réaliser les taches qu'ils réalisent habituellement avec un SIG.
Les principales étapes du traitement de l'information géographiques y sont abordées.
L'accent est porté sur le traitement des données vectorielles mais une partie est tout de même dédiée aux données raster.
-**Comment utiliser le manuel**
-Les données utilisées dans ce document sont stockées dans un projet RStudio ([ici](https://github.com/rCarto/geomatique_avec_r/raw/main/docs/geodata.zip).
-Vous devez le télécharger puis le décompresser sur votre machine. Il vous sera ensuite possible de tester l'ensemble des manipulations proposées dans ce document au sein du projet **geodata**.
-
**Contribution et feedback**
Vous pouvez nous envoyer vos remarques et suggestions en [postant une *issue*](https://github.com/rCarto/geomatique_avec_r/issues) sur le [dépôt GitHub](https://github.com/rCarto/geomatique_avec_r) de ce document.
-
**Contexte**
Ce manuel a été initialement conçu pour accompagner le cours "Cartographie avec R"
du Master 2 Géomatique, géodécisionnel, géomarketing et multimédia (G2M) de
@@ -20,6 +15,7 @@ Un deuxième manuel centré sur la cartographie est disponible ici :
[Cartographie avec R](https://rcarto.github.io/cartographie_avec_r/).
+
La version en ligne de ce document est sous licence [Creative Commons Attribution-NonCommercial-ShareAlike 4.0](http://creativecommons.org/licenses/by-nc-sa/4.0/).
@@ -30,12 +26,5 @@ La version en ligne de ce document est sous licence [Creative Commons Attributio
Giraud, T. et Pecout, H. (2023). Géomatique avec R. https://doi.org/10.5281/zenodo.5906212
-```
-@misc{
- author = {Giraud, Timothée and Pecout, Hugues},
- doi = {10.5281/zenodo.5906212},
- title = {{Géomatique avec R}},
- url = {https://rcarto.github.io/geomatique_avec_r/},
- year = {2023}
-}
-```
+
+
diff --git a/docs/01_package_sf.html b/docs/01_package_sf.html
index d470e6b..19ba644 100644
--- a/docs/01_package_sf.html
+++ b/docs/01_package_sf.html
@@ -2,7 +2,7 @@
-
+
@@ -299,7 +299,7 @@
