---
slideOptions:
theme: white
---
# Quoi de neuf en cartographie?
## Regards croisés entre géographie et statistiques
---
---
<!-- La carte de départ de la discussion -->
**Source:** https://twitter.com/blog_SLR/status/1110855265686048768
---
<!-- .slide: data-background="#1A237E" -->
## C'est quoi, pour toi, la cartographie, Arthur?
----
### Une représentation graphique parmi d'autres
----
Représenter une information, c'est avant tout choisir un <span><!-- .element: class="fragment highlight-red" -->canal de représentation</span> qui permette de faire une correspondance <span><!-- .element: class="fragment highlight-blue" -->la plus immédiate et la moins biaisée possible</span> entre la donnée et la perception.
Note:
Exemples de canaux: couleur, longueur, angle, surface...
"raccourcir le temps de cognition"
----
Or tous les canaux ne sont pas égaux pour transmettre fidèlement une information.
----
**Source:** Jeffrey Heer et Michael Bostock (2010, [lien](vis.stanford.edu/files/2010-MTurk-CHI.pdf)) repris par Tamara Munzner (2014, [lien](https://www.amazon.fr/Visualization-Analysis-Design-Tamara-Munzner/dp/1466508914)).
----
**Source:** Stevens (1957, [lien](psycnet.apa.org/record/1958-04769-001)) repris par Tamara Munzner (2014, [lien](https://www.amazon.fr/Visualization-Analysis-Design-Tamara-Munzner/dp/1466508914)).
Note:
La **précision** d’un cannal de représentation est sa capacité à être perçu sans interférence par le système nerveux. Par exemple, seule la longueur est perçue de façon proportionnelle à son support physique (un segment deux fois plus long sur le papier est perçu comme deux fois plus long). En revanche la profondeur et la luminosité (couleur) sont perçues plus faiblement, et la saturation (couleur) plus fortement que leur contre-partie mesurable respective.
----
Pour résumer, on aurait la hiérarchie suivante:
1. Position 2. Longueur 3. Superficie
La *pente*, l'*inclinaison* et les *angles* ont une efficacité variable (du même niveau que les longueurs à pire que la superficie) et les *couleurs* sont au mieux du même niveau de précision que la superficie. Le *volume* arrive en dernier.
----
On peut utiliser plusieurs canaux à la fois, et il peut y avoir <span><!-- .element: class="fragment highlight-red" -->**redondance**</span> ou <span><!-- .element: class="fragment highlight-blue" -->**interférence**</span>.
----
**Source:** Tamara Munzner (2014, [lien](https://www.amazon.fr/Visualization-Analysis-Design-Tamara-Munzner/dp/1466508914)).
Note:
Une couleur sera perçue d'autant plus vive que la surface de couleur est grande. (C'est pour ça qu'on déconseille généralement de peindre une pièce entière en rouge vif.)
----
Or avec les cartes, position et longueurs sont monopolisées par le positionnement géographique.
Note:
canaux les plus efficaces
canaux restants: couleurs, surface (pour les figurés, les cercles, etc.)
---
Conclusion:
## NE FAÎTES PAS DE CARTES! (\*)
(\*) Sauf si vous avez de bonnes raisons.
----
---
<!-- .slide: data-background="#7e1a23" -->
## C'est quoi, pour toi, la cartographie, Boris?
----
----
## La carte comme outil d'exploration (visuelle) de données
*On n’interroge plus les bases de données pour en faire des cartes. On utilise des interfaces cartographiques pour naviguer dans un univers de données (Joliveau, 2011)*.
**La carte porte d'entrée dans un univers de données**
----
----
## Spatialisation + Géovisualisation de données
•La spatialisation = géoréférencer des données
•Plusieurs méthodes (lat/long, jointure attributaire, géotagging, géocodage, géoparsing)
•En plus de permettre de visualiser une information, la spatialise
----
## Appréhender et visualiser les données par l’espace
Logiques de concentration, de distribution, d’interactions spatiale d’objets, de phénomènes, de dynamiques,…
----
----
----
Bref FAÎTES DES CARTES ou du moins explorer les données par l'espace et le territoire ;)
---
<!-- .slide: data-background="#7e1a23" -->
## La cartographie, c'est subjectif, Boris?
----
OUI ! on fait dire ce qu'on veux à une carte ;)
----
----
---
<!-- .slide: data-background="#1A237E" -->
## La cartographie, c'est subjectif, Arthur?
----
**NON!** (\*)
(\*) Pas plus que toute forme de narration (**EN:** *sotry-telling*).
----
**Toutes les cartes sont subjectives**, dans le sens où le cartographe fait nécessairement des choix dans les aspects du phénomène qui sont présentés.
**Toutes les cartes sont objectives**, pour peu qu'elles respectent les principes de base de représentation. Si elles "mentent", elles mentent par omission.
----
----
Note:
Chacune de ces deux cartes est exacte et objective. La juxtaposition l'est moins, mais c'est un problème de narration, pas un problème de carte.
---
<!-- .slide: data-background="#7e1a23" -->
## Quelles sont les étapes pour créer une carte, Boris?
----
* **Trouver des données** > 10%
* **Préparer les données** > 60%
* **Spatialiser les données** > 5%
* **Représenter les données** >20%
* **Finaliser la carte** > 5%
----
----
----
----
---
<!-- .slide: data-background="#1A237E" -->
## Quelles sont les étapes pour créer une carte, Arthur?
----
1. importation des géométries
2. importation des données non spatiales
3. jointure (**EN:** *merge*)
4. **exploration et visualisations statiques**
5. exportation au format *geoJSON*
6. **visualisations interactives**
Note:
* je n'édite quasiment jamais les données qui me sont fournies
* je ne modifie presque pas les géométries
* je vais plutôt insister sur certaines étapes cruciales de la conception des cartes
----
### Choix d'une projection
----
<iframe width="1120" height="630" src="https://www.youtube.com/embed/vVX-PrBRtTY" frameborder="0" allow="accelerometer; autoplay; encrypted-media; gyroscope; picture-in-picture" allowfullscreen></iframe>
Note:
----
### Choix des couleurs
----
* De plus en plus exigeant (*phocopy-safe*, *color-blind-frindly*)
* De plus en plus d'outils
----
* http://colorbrewer2.org
* *Viridis* (Matlab, `ggplot2`)
* http://tools.medialab.sciences-po.fr/iwanthue/
* https://github.com/d3/d3-color/blob/v1.2.3/README.md
### Choix d'un niveau d'abstraction / d'agrégation
L'échelle est l'élément constitutif de la réflexion géographique
----
----
---
<!-- .slide: data-background="#1A237E" -->
## Tu utilises quoi comme outils Arthur ?
----
Principalement **R**
Mais aussi *JavaScript* (`d3.js`, `turf.js`, *Mapbox*, *Leaflet*...) pour les visualisation interactives.
----
R possède de nombreuses bibliothèques (*packages*) dédiées à l'analyse spatiale...
----
La nouveauté, `sf`.
* remplace avantageusement `sp` + `rgeos` + `rgdal`
* respecte la philosophie `tidyverse`
* une ligne = une observation
* functions utilisables avec `%>%` (*pipe*)
* compatible avec `ggplot2`
* manque encore un certain nombre de foncitonalités (données raster)
----
```
votes_par_arrondissement <- votes_par_commune %>%
group_by(candidat, arrondissement) %>%
summary(
voix = somme(voix),
geometry = st_union(geometry)
)
```
----
Pour la statistique et l'économétrie spatiale, `spatialreg` (ex-`spdep`).
----
<!-- .slide: data-background="#7e1a23" -->
Pour les cartographies thématiques, `cartography`.
----
Pour l'interactivité, `shiny`.
[Exemple](https://gallery.shinyapps.io/063-superzip-example)
Note:
Malheureusement, nous sommes limités avec Shiny, que ce soit au niveau du nombre de fonctionalités (seuls sont supportés les bibliothèques javascript avec un *binding* vers R) mais aussi au niveau de l'intégration / du déploiement (Shiny n'est pas particulièrement rapide, ni facile à intégrer/déployer sur un site.)
----
---
<!-- .slide: data-background="#7e1a23" -->
## Tu utilises quoi comme outils Boris ?
----
Principalement **QGIS**, **ArcGIS**, **PostGIS**, et **R**
PAS DE CARTES avec **R** ! juste dataprep ;)
Les bibliothèques d'analyse spatiales **Sextante**, **GDAL** **SAGA** ou encore **GRASS**
Mais aussi le JavaScript **leaflet.js** et **mapboxGL.js** pour le Webmapping
Et **KeplerGL** (Uber) pour l'exploration de données spatiales volumineuses
----
### Et les formats de données ?
* Formats de géomaticiens = Shapefile
* Formats plats (csv, xls, json)
* Formats Web (Geojson, KML)
> **A chaque usages, étapes un format de donnée**
Note:
Implémentation de Simple feature access (Herring, 2011)
---
## Tu peux donner quelques exemples où tu as utilisé des données libres d'accès?
----
### How to download data from OpenStreetMap?
https://katossky.github.io/2016/04/how-to-download-data-from-openstreetmap
----
### An original glance at the 2017 French presidential election
http://bl.ocks.org/katossky/raw/cc328e6aadf10c5bb035e7f48a50866a
----
<img src="https://i.imgur.com/bc3IyXs.png" width="700" height="700">
----
----
https://www.sites.univ-rennes2.fr/mastersigat/Webmapping/Parisbati.html
---
## Quels sont les changements en cours en cartographie, selon toi?
----
<!-- .slide: data-background="#1A237E" -->
## Moins de cartes standards
Note:
J'ai l'impression de voir de moins en moins de cartes simples (coroplèthe par ex.)
----
* Ces cartes ne permettent pas de véhiculer un rarement adapté à un sujet particulier
* Ce qui est devenu banal est moins attractif et moins ludique
----
<!-- .slide: data-background="#7e1a23" -->
## La consécration des *tableaux de bords*
Tableaux de bord
![Uploading file..._rtw0texdy]()
----
Mantra de Shneiderman (*overview, zoom, filter, details on demand*)
----
https://mastersigat.carto.com/builder/002da9a1-bafa-47a8-93e1-6e2874243aaa/embed
----
https://archive.nytimes.com/www.nytimes.com/interactive/2012/01/15/business/one-percent-map.html
https://labs.mapbox.com/bites/00309/
https://www.omnisci.com/demos/taxis/#/dashboard/10?_k=jpboqr
----
<!-- .slide: data-background="#1A237E" -->
## La consécration des *small multiples*
----
### Gay Marriage State by State
<!-- image -->
Ney-York Times, 2015 ([lien](https://www.nytimes.com/interactive/2015/03/04/us/gay-marriage-state-by-state.html))
----
Facile à implémenter avec `ggplot2`:
``` r
ggplot() +
geom_sf(
data = countries,
color="white", fill="#7f7f7f",
size=0.05, alpha=1/4
) +
geom_point(
data = travel_points,
aes(x=Lon3, y=Lat3, color=Nation),
size=0.15, alpha=1/100
) +
...
+
facet_wrap(~Nation) # <================
```
----
----
<!-- .slide: data-background="#7e1a23" -->
## Géovisualiser des données massives
Tuiles vectorielles comme outils de géovisualisation de données volumineuses
----
----
----
<!-- .slide: data-background="#1A237E" -->
## La carte comme moyen narratif
----
* [The Upshot](https://www.nytimes.com/section/upshot)
* [The Pudding](https://pudding.cool)
Exemples:
* https://www.nytimes.com/interactive/2015/04/20/upshot/missing-black-men.html
* https://pudding.cool/2018/07/airports
----
Annotations des cartes
----
<!-- .slide: data-background="#7e1a23" -->
## Géovisualiser des données en 3D
----
Mobiliser les potentialités autour du WebGL pour mettre un peu de 3D dans les cartes
----
<img src="https://i.imgur.com/azIOsKo.jpg" width="1200" height="600">
----
<img src="https://i.imgur.com/M825FZg.jpg" width="900" height="600">
----
----
<img src="https://i.imgur.com/CNTMGxa.jpg" width="700" height="550">
----
<!-- .slide: data-background="#7e1a23" -->
## Les fonds de cartes
----
----
---
## Ressources:
Quelques exemples Arthur :
https://bl.ocks.org/katossky
Et en particulier:
https://bl.ocks.org/katossky/cc328e6aadf10c5bb035e7f48a50866a
Sur l'importation / la manipulation de fichiers:
https://katossky.github.io/blogs/journey-planner-the-making-of
---
## Ressources:
Cartes de Boris:
https://www.sites.univ-rennes2.fr/mastersigat/B_Mericskay/index.html
Quelques exemples Webmapping Boris :
https://bl.ocks.org/mastersigat
---
### Bibliothèques R
https://r-spatial.github.io/sf
Exemple d'utilisation: https://statnmap.com/fr/2018-07-14-initiation-a-la-cartographie-avec-sf-et-compagnie/
Cheatsheet: https://github.com/rstudio/cheatsheets/blob/master/sf.pdf
Tutoriel: https://geocompr.robinlovelace.net/
---
### Données utilisées
https://www.insee.fr/fr/statistiques/2121524
https://www.data.gouv.fr/fr/datasets/elections-europeennes-2014-resultats-par-bureaux-de-vote/
https://www.insee.fr/fr/information/2115011
https://www.insee.fr/fr/statistiques/2121524
Google Drive
Gist
Clipboard
Sign in with Wallet
