Dans cette section, nous passons en revue plusieurs jeux de données ayant documenté les aires protégées à Madagascar à différentes périodes. Ces données, issues de sources officielles, ont été produites et mises à jour par différentes institutions. Nous les harmonisons en appliquant un ensemble de traitements standardisés :
Correction des erreurs topologiques.
Homogénéisation des formats de fichiers et des projections.
Consolidation et validation des attributs descriptifs.
Construction d’une série temporelle cohérente des aires protégées de 2002 à 2024.
Ces opérations visent à rendre comparables des jeux de données produits à des moments différents et selon des logiques institutionnelles variées. Elles permettent la construction d’une série temporelle cohérente, indispensable à toute analyse historique ou comparative sur les dynamiques de conservation à Madagascar.
Ces opérations sont réalisées avec R, avec une série de package appropriés.
Code
# On charge les librairies nécessaireslibrary(tidyverse) # Aide à la manipulation de donnéeslibrary(sf) # Pour traiter des données spatiales (vectorielles)library(tmap) # Pour faire de jolies carteslibrary(gt) # Pour faire de jolis tableaux# Specify the source repository data_dir <-"sources/"# Specify CRSmy_crs <-29702# Cleans PA name columns only (e.g. NOM, SHORT_NAME, etc.)# You must specify which columns to cleanclean_pa_names_cols <-function(df, name_cols) { df %>%mutate(across(all_of(name_cols),~ .x %>%str_replace_all("[\r\n\t]", " ") %>%# replace line breaks, carriage returns, tabs with spacestr_squish() %>%# collapse multiple spaces into onestr_trim() # remove leading/trailing whitespace ))}
2.1 ANGAP 2002
Avant la création du SAPM, l’ANGAP était la seule entité chargée de gérer les aires protégées, et donc leurs données. L’ANGAP avait dans ce cadre transmis à l’institut national de géographie malgache (FTM) pour la mise à jour de la base de donnée topographique (BD 500).
Code
# Load and preprocess the shapefileangap_2002 <-st_read(paste0(data_dir, "ap_angap BD 500/ap_angap.shp"), quiet =TRUE) %>%st_set_crs(my_crs) %>%# Laborde Magasiaraka CRSclean_pa_names_cols(name_cols ="NOM") %>%mutate(has_info =ifelse(is.na(CLASSEMENT), "Attributs absents", "Attributs présents"),has_name =case_when(is.na(NOM) ~"Pas de nom", NOM =="Hors AP"~"Hors AP",.default ="Nommé"))# Separate datasets: "Pas de nom", "Hors AP", and "Nommé"angap_pas_de_nom <- angap_2002 %>%filter(has_name =="Pas de nom")angap_hors_ap <- angap_2002 %>%filter(has_name =="Hors AP")angap_named <- angap_2002 %>%filter(has_name =="Nommé")# Set tmap to interactive modetmap_mode("view")# Create the map with three layerstm_shape(angap_named) +tm_fill(col ="has_info", id ="NOM",popup.vars =names(st_drop_geometry(angap_named))) +tm_borders(col ="black", lwd =0.5) +# Default borders for named featurestm_shape(angap_pas_de_nom) +tm_fill(col ="has_info", id ="NOM",popup.vars =names(st_drop_geometry(angap_pas_de_nom)),legend.show =FALSE) +tm_borders(col ="red", lwd =3) +# Thick red borders for "Pas de nom"tm_shape(angap_hors_ap) +tm_fill(col ="has_info", id ="NOM",popup.vars =names(st_drop_geometry(angap_hors_ap)),legend.show =FALSE) +tm_borders(col ="blue", lwd =3) +# Thick blue borders for "Hors AP"tm_add_legend(type ="fill", labels =c("Pas de nom", "Hors AP"), col =c("red", "blue"), lwd =c(3, 3, 0.5), title ="Contour")
Le champ “classement” de ce jeu de données fait référence à des décrets parus jusqu’en 1998, mais il fait aussi référence à 11 entités qui n’ont pas de métadonnées les caractérisant.
Parmi celles-ci, 6 n’ont pas de nom :
Le Parc National d’Ankarafantsika, né en 2002 de la fusion de la réserve naturelle intégrale n°15 d’Ankarafantsika et de la réserve - forestière d’Anktarafantsika.
Mantadia, dont les limites ont été étendues en 2002.
Tsingy de Namoroka, créé en 1927 et devenu parc national en 2002.
Le jeu de données n’inclut pas de métadonnées explicitant sa date, mais il nous a été remis avec l’explication qu’il s’agissait d’un jeu datant de 2002. Cette assertion est cohérente avec le fait que le jeu de donnée inclut l’extension d’Ankarafantsika opérée en 2002, mais pas les création [Compléter].
On effectue donc les opération suivantes : identification des polygones sans nom qui font visiblement partie d’une AP, regroupement des polygones simples en multipolygones s’ils ont les mêmes attributs, et suppression des polygones explicitement référencés comme “Hors AP”.
Code
angap_2002 <- angap_2002 %>%select(APBON = APBON_, APBON_ID, NOM, TYPE_AP, CLASSEMENT, IUCN) %>%mutate(NOM =case_when( # Rename the patches visibly included in PAs APBON_ID %in%c(100006, 100005) ~"Ranomafana", APBON_ID %in%c(100002, 100003, 100004) ~"Masoala", APBON ==27~"Baie de Baly",.default = NOM)) %>%group_by(across(NOM:IUCN)) %>%summarize(geometry =st_union(geometry)) %>%ungroup() %>%filter(NOM !="Hors AP") # Discard the explicitely labelled as not PAwrite_rds(angap_2002, "data/no_id/angap_2002.rds")tm_shape(angap_2002) +tm_polygons()
Le résultat est présenté dans la carte ci-dessus.
2.2 SAPM 2010
Le site REBIOMA qui mettait en ligne les données du SAPM ne fonctionne plus depuis 2019 d’après les sauvegardes régulières effectuées par Internet Archive. Fort heureusement, une copie des données datées du 10/12/2010 a été sauvegardée par Ghislain Vieilledent et publié en accompagnement d’une publication (Vieilledent et al. 2020).
Ce jeu de données a été publié en ligne par un consultant du SAPM, avec la référence suivante : Evolution of the Madagascar Protected Area System (SAPM), Tom Allnut, https://hub.arcgis.com/content/4218737646234c7cab1c7a20e2c2489d/about
It is provided as a .mpk, which is in fact a zip including shapefiles. We convert to Zip and open the shapefiles.
Code
# Specify the directory pathdir_path <-paste0(data_dir, "sapm_evolution_2012/commondata/data1")# List all .shp files in the directoryshapefile_paths <-list.files(path = dir_path, pattern ="\\.shp$", full.names =TRUE, recursive =TRUE)# Extract the filenames without the full pathshapefile_names <-basename(shapefile_paths)# Filter shapefiles with a date in the filename (e.g., "2008", "2009", etc.)date_shapefiles <- shapefile_paths[str_detect(shapefile_names, "20[0-9]{2}")]# Load and bind the shapefilessapm_evol_2001_2011 <- date_shapefiles %>%map(~st_read(.x, quiet =TRUE) %>%# Read each shapefileclean_pa_names_cols(name_cols ="NOM")) %>%# and clean PA namereduce(bind_rows) %>%mutate(YEAR =str_extract(YEAR, "\\d{4}")) %>%# Extract the 4-digit yearst_transform(crs = my_crs) # On passe les données en laborde malgachesapm_evol_2001_2011 %>%filter(YEAR ==2002) %>%tm_shape() +tm_borders(col ="blue") +tm_shape(angap_2002) +tm_fill(col ="red", alpha =0.5) +tmap_options(check.and.fix =TRUE)
Code
# Save the data to a specified pathwrite_rds(sapm_evol_2001_2011, "data/no_id/sapm_evol_2001_2011.rds")
La superposition des limites extraites de cette série temporelle avec celles issues de la base ANGAP 2002 permet de visualiser les premiers recouvrements et écarts.
2.4 SAPM 2017
Ce jeu de données nous a été remis par la FAPBM. Il s’agit visiblement des données SAPM mises à jour en mars 2017.
L’un des points du périmètre de l’aire protégée Andrafiamena Andavakoera (index 32, sommet numéro 841) est localisé de manière aberrante, formant un papillon et entraînant des erreurs topologiques. La fonction st_make_valid retire ce point aberrant.
Ce jeu de données constitue l’état le plus récent de la base SAPM. Il inclut de nouvelles aires protégées récemment créées ainsi que des ajustements sur les périmètres existants.
Code
# Load shapefilesapm_2024 <-st_read(paste0(data_dir, "Shape AP mai2023/dernier version shape_ap_28042023.shp"), quiet =TRUE)# Check for invalid geometriesinvalid_geometries <- sapm_2024 %>%st_zm(drop =TRUE, what ="ZM") %>%# <- remove Z and M before anything elserownames_to_column(var ="index") %>%rowwise() %>%mutate(is_valid =st_is_valid(geometry)) %>%filter(!is_valid) %>%select(Index = index, Nom = SHORT_NAME, Source = path)# Create a folder to save the imagesoutput_dir <-"invalid_geometry_plots"dir.create(output_dir, showWarnings =FALSE)# Loop through invalid geometries and save the plotsfor (i inseq_len(nrow(invalid_geometries))) { geometry_index <- invalid_geometries$Index[i]# Generate a file name plot_file <-file.path(output_dir, paste0("geometry_", geometry_index, ".png"))# Save the plotpng(plot_file)plot(st_geometry(sapm_2024[geometry_index, ]))dev.off()}# Add image file paths to the invalid geometries tableinvalid_geometries <- invalid_geometries %>%mutate(Geometrie =paste0(output_dir, "/geometry_", Index, ".png") )# Display the table with gtif (nrow(invalid_geometries) ==0) {message("All geometries are valid.")} else { invalid_geometries %>%st_drop_geometry() %>%gt() %>%text_transform(locations =cells_body(columns = Geometrie),fn =function(x) {local_image(filename = x, height =100) # Embed local image with specified height } ) %>%tab_header(title ="Géométries invalides",subtitle ="Liste des géométries invalides" )}
# Now try to make this validsapm_2024_valid <- sapm_2024 %>%st_make_valid()# Identify invalid geometriesinvalid_geometries <- sapm_2024_valid %>%filter(!st_is_valid(geometry))# Print the names (or identifiers) of the invalid geometries# Replace 'NOM' with the actual column containing the name or identifierif (nrow(invalid_geometries) >0) {cat("Invalid geometries found:\n")print(invalid_geometries$SHORT_NAME) # Adjust this to match your column name} else {cat("All geometries are valid.\n")}
