11 Cartographie

Des cartes sous R ? Pourquoi faire ?

Il peut être assez chronophage de créer une “belle carte” en utilisant R. Alors, pourquoi passer par là ? On peut voir plusieurs raisons :

Des cartes de travail : les cartes conçues sont R peuvent-être considérées comme des cartes de travail. Même si elle ne sont pas très belles, il n’en demeure pas moins qu’elles serviront à vos analyses ; les cartes basiques étant très rapides à réaliser.
Automatisation : avec R on peut très facilement générer beaucoup de cartes d’un coup (très pratique pour l’analyse).
Une base pour des cartes plus léchées : comme pour tous les outils de cartographie (QGIS, magrit, etc.), les cartes générées sous R peuvent servir de matériel de base à une cartographie plus léchée sous un logiciel de DAO. C’est ce que je conseil de faire : carte basique sous R (ou QGIS), export en .eps (ou pdf) et fignolage sur logiciel de DAO. Cela n’empêche que vous pouvez créer des cartes justes sous R (c.f. cartes ci-dessous) et c’est ce qui compte ; après tout, nous ne sommes pas graphiste.

Il existe de nombreux packages pour faire de la cartographie sous R. Chacun a sa propre façon de fonctionner.

pacman::p_load(sf, rnaturalearth, ggplot2, rnaturalearthdata, dplyr)

Les packages généraux les plus utilisés sont :

ggplot2 avec sf
mapsf
tmap

Pour crééer des cartes spécifiques :

Cartes intéractives : leaflet, mapview
Cartes en contour de relief : tanaka
Cartogrames : cartogram, cartogramR.
Cartes en pic : linemap
Rendu 3D : rayshader
Cartes de flux : mapsf + ttt. Attention ttt n’est plus maintenu…
Cartes bivariées : biscale + ggplot2

On va se concentrer sur ggplot2 + sf car la syntaxe est la même que pour les graphiques avec ggplot2.

11.1 Cartographie avec `ggplot2`

geom_sf() est une fonction du package ggplot2 qui permet de représenter des objets spatiaux au format sf (simple features). Elle offre une intégration fluide entre les données géographiques et le système de visualisation de ggplot2, sans avoir besoin d’utiliser des outils externes.

n peut facilement afficher une carte simple à partir d’un jeu de données géographiques intégré comme rnaturalearth :

# Charger les données du monde
world <- ne_countries(scale = "medium", returnclass = "sf")

# Carte du monde
ggplot(data = world) +
  geom_sf(fill = "lightblue", color = "white") +
  labs(title = "Carte du monde avec geom_sf()") +
  theme_minimal()

Ici, chaque polygone représente un pays. L’esthétique (fill, color) fonctionne comme pour les autres géométries de ggplot2.

11.1.1 Carto thématique

On charge les librairies et on télécharge les données.

Code

library(happign)
library(dplyr)
library(sf)
library(ggplot2)
library(ggspatial)

com_fin <- get_wfs(
  x = NULL,
  layer = "LIMITES_ADMINISTRATIVES_EXPRESS.LATEST:commune",
  query = "code_insee LIKE '29%'"
)
brest <- st_buffer(filter(com_fin, nom_officiel == "Brest"), 30e3)
ocsol <- get_wfs(
  brest,
  layer = "BDCARTO_V5:occupation_du_sol",
  predicate = bbox()
)

11.1.1.1 Choroplète catégorielle

# Définition des couleurs
pal <- c(
  "Prairie"            = "#bece4d",
  "Eau libre"          = "#4fbddc",
  "Sable, gravier"     = "#cccccc",
  "Bâti"               = "#fc4278",
  "Zone d'activités"   = "#ff9191",
  "Marais, tourbière"  = "#80be00",
  "Broussailles"       = "#80ff00",
  "Carrière, décharge" = "#ffff99",
  "Forêt"              = "#00a600"
)

ggplot() +
  # Définition de la couche
  geom_sf(data = ocsol, aes(fill = nature), color = NA) +
  geom_sf(data = com_fin, color = "white", fill = NA, linewidth = .5) +
  # Zoom sur Brest
  coord_sf(xlim = c(-4.61669,-4.3900), ylim = c(48.36100, 48.46172), crs = 4326) +
  labs(
    title = "Occupation du sol de Brest et ses alentours en 2018",
    fill = "Nature",
    caption = "Data: BD Carto V5 (IGN), 2025. Réalisation: Antoine Le Doeuff, 2025"
  ) +
  scale_fill_manual(values = pal) +
  # Échelle
  annotation_scale(location = "br") +
  # Nord
  annotation_north_arrow(
      location = "tr", which_north = "true",
      style = north_arrow_fancy_orienteering
  ) +
  theme_minimal() +
  theme(
    legend.position = "bottom",
    axis.text = element_blank(),
    plot.title = element_text(size = 16, face = "bold"),
  )

sf ne permet pas de créer des échelles et des orientations directement, il faut passer par ggspatial (annotation_north_arrow(), annotation_scale()).

11.1.1.2 Choroplète continue

com_fin <- get_wfs(
  x = NULL,
  layer = "LIMITES_ADMINISTRATIVES_EXPRESS.LATEST:commune",
  query = "code_insee LIKE '29%'"
)

⠙ iterating 1 done (0.019/s) | 51.3s

iterating ■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■  100% | ETA:  0s

com_fin <- mutate(com_fin,
  area = as.numeric(st_area(geometry)),
  dens = population / area * 1e6L
)

ggplot() +
  # Définition de la couche
  geom_sf(data = com_fin, aes(fill = dens)) +
  # Zoom sur Brest
  labs(
    title = "Densité de population communale en Finistère",
    subtitle = "Année : 2025",
    fill = "Densité (hab/km²)",
    caption = "Data: Admin Express (IGN), 2025. Réalisation: Antoine Le Doeuff, 2025"
  ) +
  scale_fill_continuous(palette = "Reds") +
  # Échelle
  annotation_scale(location = "bl") +
  # Nord
  annotation_north_arrow(
      location = "tl", which_north = "true",
      style = north_arrow_fancy_orienteering
  ) +
  theme_minimal() +
  theme(
    legend.position = c(.1, .3),
    plot.title = element_text(size = 16, face = "bold"),
    plot.subtitle = element_text(size = 14),
  )

11.1.1.3 Choroplète

Avec geom_sf(), on ne peut pas générer de discrétisation automatiquement. Il faut d’abord créer les classes avec la fonction classInt::classIntervals().

library(patchwork)

# Create differents discretisation
disc <- c("equal", "pretty", "quantile", "jenks")
d <- "pretty"
maps <- purrr::map(disc, \(d) {
  com_fin[[paste0("disc_", d)]] <- cut(
      com_fin$dens,
      breaks = classInt::classIntervals(com_fin$dens, n = 5, style = d, dataPrecision=0)$brks,
      include.lowest = TRUE, dig.lab = 4
  )

  ggplot(com_fin) +
    # Définition de la couche
    geom_sf(aes(fill = .data[[paste0("disc_", d)]])) +
    labs(
        title = paste("Discrétisation :", d),
        fill = "Densité (hab/km²)"
    ) +
    scale_fill_discrete(palette = "Reds") +
    annotation_scale(location = "bl") +
    annotation_north_arrow(
        location = "tl", which_north = "true",
        style = north_arrow_fancy_orienteering
    ) +
    theme_minimal() +
    theme(
        legend.position = "right",
        axis.text = element_blank()
    )
})
wrap_plots(maps) +
  plot_annotation(
    title = "Densité de population en Finistère",
    subtitle = "Année : 2025",
    caption = "Data: Admin Express (IGN), 2025. Réalisation: Antoine Le Doeuff, 2025",
    theme = theme(plot.title = element_text(size = 18, face = "bold"))
  )

11.1.1.4 Cercles proportionnels

Pour faire des cartes en symbole proportionnels, il faut d’abord convertir les entités spatiales en points. On utilise ensuite geom_sf() avec l’argument size dans l’esthétique de la couche.

# Calcul du centroïde des communes
com_centro <- st_centroid(com_fin)

Warning: st_centroid assumes attributes are constant over geometries

# Discrétisation quantile
brks <- classInt::classIntervals(com_centro$population, n = 5, style = "quantile", dataPrecision=0)$brks

ggplot(com_centro) +
  # Définition de la couche
  geom_sf(data = com_fin) +
  geom_sf(aes(size = population), color = "white", fill = "steelblue", shape = 21) +
  # Zoom sur Brest
  labs(
      title = "Population des communes finistériennes",
      subtitle = "Année 2025 ; Discrétisation : quantile",
      size = "Population",
      caption = "Données : Admin Express (IGN), 2025. Réalisation : Antoine Le Doeuff, 2025"
  ) +
  scale_size_area(
    max_size = 11,
    breaks = brks,
    labels = brks
  ) +
  # Échelle
  annotation_scale(location = "bl") +
  # Nord
  annotation_north_arrow(
      location = "tl", which_north = "true",
      style = north_arrow_fancy_orienteering
  ) +
  theme_minimal() +
  theme(
    legend.position = c(.1, .3),
    plot.title = element_text(size = 18, face = "bold"),
    plot.subtitle = element_text(size = 14)
  )

11.1.2 Les petits plus

11.1.2.1 Simplifier une géométrie

Une des règles en cartographie est d’utiliser un fond de carte dont la géométrie est adaptée à l’échelle utilisée. Si votre géométrie est trop détaillée, votre carte sera “surchargée”. Pour simlifier une géométrie, on peut utiliser sf::st_simplify(). Cependant, cette derières ne permet pas une simplification cohérente des géométries de type multipolygon. Aussi, pour ce type de géométrie, on utilisera la fonction ms_simplify() du package rmapshaper¹.

¹ mapshaper utilise la simplification de Visvalingam. Il existe une application en ligne qui permet de réaliser cette simplication de manière intéractives.

library(purrr)

# Vecteur de valeur de simplification
keeps <- c(0.01, 0.001, 0.0001)
fin_simps <- map(keeps, ~rmapshaper::ms_simplify(com_fin, keep = .x))
fins <- c(list(com_fin), fin_simps) |> set_names(c("0", keeps))

maps <- purrr::imap(fins, \(f, n_simp) {
    ggplot(f) +
      geom_sf() +
      labs(title = paste("simp =", n_simp)) +
      theme_minimal()
})
wrap_plots(maps) +
    plot_annotation(
      title = "Simplication de la géométrie des communes finistériennes",
      caption = "Données : Admin Express (IGN), 2025. Réalisation : Antoine Le Doeuff, 2025",
      theme = theme(plot.title = element_text(size = 15, face = "bold"))
    )

11.1.2.2 Fond de cartes open source

Tout sous QGIS, vous pouvez charger des fonds de cartes open-source. Pour cela, vous pouvez par exemple, utiliser le package basemapR.

library(basemapR)

tsport <- get_wfs(
  x = filter(com_fin, nom_officiel == "Pont-l'Abbé"),
  layer = "BDTOPO_V3:terrain_de_sport",
  predicate = within()
)

ggplot() +
  basemapR::base_map(st_bbox(tsport), increase_zoom = 2, basemap = "positron") +
  geom_sf(data = tsport, fill = "red") +
  labs(
    title = "Terrain de sport à Pont-l'Abbé (29) en 2025",
    caption = "Données : BTOPO (IGN), 2025 ; CartoDB & OpenStreetMap, 2025. Réalisation: Antoine Le Doeuff"
  ) +
  annotation_scale(location = "bl") +
  annotation_north_arrow(
      location = "tl", which_north = "true",
      style = north_arrow_fancy_orienteering
  ) +
  theme_minimal() +
  theme(axis.text = element_blank())

Méfiez-vous de ces types de fond de carte. Ils peuvent considérablement alourdir vos cartes avec des informations superflues.

11.1 Cartographie avec ggplot2