Checklist and renv updates

README.md

@@ -25,5 +25,5 @@ Instituut voor Natuur- en Bosonderzoek (INBO)[^cph][^fnd]
 <!-- description: start -->
 De toestand van de biodiversiteit in het agrarisch gebied gaat achteruit, met negatieve gevolgen voor de biodiversiteit buiten het landbouwgebied, voor de landbouw zelf en voor de veerkracht tegenover klimaatverandering. Met het Meetnet Biodiversiteit Agrarisch Gebied (MBAG) trachten we deze toestand beter op te volgen, als basis voor gerichte maatregelen om de achteruitgang te keren. Dit deelproject legt de basis voor een meetnet voor agrarische soorten (MAS).
 
-Dit in kaart brengen gebeurt op een snelle en efficiënte manier via puntentellingen, waarbij alle vogels en zoogdieren (o.a. haas, ree en vos) worden genoteerd binnen een straal van 300m, op vier momenten tijdens het broedseizoen. In 2023 bestrijken we de Leemstreek, de Moeren en de Zandleemstreek, in 2024 willen we een meetnet uitrollen met zeggingskracht over heel Vlaanderen.
+Dit in kaart brengen gebeurt op een snelle en efficiënte manier via puntentellingen, waarbij alle vogels en zoogdieren (o.a. haas, ree en vos) worden genoteerd binnen een straal van 300 m, op vier momenten tijdens het broedseizoen. In 2023 bestrijken we de Leemstreek, de Moeren en de Zandleemstreek, in 2024 willen we een meetnet uitrollen met zeggingskracht over heel Vlaanderen.
 <!-- description: end -->

checklist.yml

@@ -21,3 +21,5 @@ spelling:
   ignore:
   - .github
   - LICENSE.md
+  - source/targets
+  - source/R

inst/nl_be.dic

@@ -1,8 +1,99 @@
+'augmented
+'gewasgroep'
+'rotating
++
+--\
 -trekking
+.gitignore
+.parquet
+301ste
+Akkervogelgemeenschappen
+Avimap
+BO's
 Bosonderzoek
+CHM
 Calster
 Cartuyvels
+DHMV
+DSM
+DTM
+Digital
+GL
+GVI
+Gittargets
+HGL
+KLA
+KLE's
+KML
 Langeraert
 MBAG
 Natuur-
+OL
+OLA
 Repository
+SB
+SBP
+SBP's
+SBP’s
+SBPs
+SOVON
+Surface
+Terrain
+Union
+Version
+\
+aeroway
+batching
+canopy
+cf
+coden
+coding
+confounders
+confounding
+control
+cvvi
+design'
+exclusiekaart
+git2rdata
+globals
+half-open
+height
+highway
+landgebruiksamenstelling
+landuse
+layers
+leemstreek.Rmd
+lijn-
+lm.Rmd
+lm.Rproj
+mas
+monocotylen
+multipolygon
+openness
+perceelsgrootte
+perimeters.gpkg
+pipeline
+pointid
+polygon
+positive
+puntenset
+rastercel
+reserveset
+spatiale
+statistical
+ste
+stratumoppervlakte
+telcirkel
+telcirkels
+telpunt
+telpunten
+tertiare
+thinning
+topographic
+union
+version
+viewshed
+visibility
+x-
+y-coördinaten
+zn

source/R/draw_sample.R

@@ -62,16 +62,16 @@ draw_sample <- function(
   )
 
   sampling_frame$in_sample <-
-    ifelse(1:nrow(sampling_frame) %in% draw, TRUE, FALSE)
+    ifelse(seq_len(nrow(sampling_frame)) %in% draw, TRUE, FALSE)
   sampling_frame$sample_order <- NA
-  for (i in 1:length(draw)) {
+  for (i in seq_along(draw)) {
     sampling_frame$sample_order[draw[i]] <- i
   }
   sample_df <- sampling_frame[sampling_frame$in_sample, ]
   sample_df <- sample_df %>%
     arrange(sample_order) %>%
     mutate(batch = ifelse(sample_order <= sample_size,
-                          "eerste set" ,
+                          "eerste set",
                           "reserve set"))
 
   return(sample_df)
@@ -90,7 +90,7 @@ allocatie <- function(steekproefkader,
                       target_samplesize = 410,
                       popsize_minimum = 410,
                       allocatie_binnen_sbp = 0.5,
-                      allocatie_leemstreek = 350/410,
+                      allocatie_leemstreek = 350 / 410,
                       ol_strata = c("OL", "HOL")) {
   allocatie <- steekproefkader %>%
     st_drop_geometry() %>%

source/R/geocomputations.R

@@ -12,7 +12,8 @@
 point_to_gridcell <- function(
   xy,
   cell_width_m = 500,
-  point_position = c("center", "lowerleft", "upperleft", "lowerright", "upperright"),
+  point_position = c("center", "lowerleft",
+                     "upperleft", "lowerright", "upperright"),
   crs = 31370) {
   point_position <- match.arg(point_position)
 
@@ -28,8 +29,8 @@ point_to_gridcell <- function(
                              nQuadSegs = 1)
 
   # rotate 45 degrees around centroid
-  rot <- function(a) matrix(c(cos(a), sin(a), -sin(a), cos(a)), 2, 2)
-  pl <- (xy_buffer - xy) * rot(pi/4) + xy
+  rot <- function(a) matrix(c(cos(a), sin(a), - sin(a), cos(a)), 2, 2)
+  pl <- (xy_buffer - xy) * rot(pi / 4) + xy
   pl <- sf::st_sf(data.frame(xy_df, pl), crs = crs)
   return(pl)
 }
@@ -39,7 +40,8 @@ point_to_gridcell <- function(
 #'
 #' @param grid_cell A polygon within which boundaries zonal statistics will be
 #' calculated
-#' @param layer A rasterlayer containing land use classes or a polygon layer (sf object)
+#' @param layer A rasterlayer containing land use classes or
+#' a polygon layer (sf object)
 #' @param grid_group_by_col A character vector of columns to group by for zones
 #' @param layer_group_by_col A character vector of columns to group by for
 #' layer
@@ -56,7 +58,7 @@ landusemetrics_grid_cell <- function(
   progress = FALSE
 ) {
   require(duckdb)
-  if (inherits(layer, "SpatRaster") | inherits(layer, "RasterLayer")) {
+  if (inherits(layer, "SpatRaster") || inherits(layer, "RasterLayer")) {
     crs_grid <- gsub("^((.*?),\\n\\s*?){2}", "", sf::st_crs(grid_cell)$wkt)
     crs_layer <- gsub("^((.*?),\\n\\s*?){2}", "", terra::crs(layer))
     assertthat::assert_that(crs_grid == crs_layer)
@@ -110,4 +112,3 @@ landusemetrics_grid_cell <- function(
     return(int)
   }
 }
-

source/R/landuse_maps.R

@@ -30,10 +30,6 @@ lum_download <- function(
 }
 
 
-#testje <- sf::st_layers("Z:/Projects/PRJ_NARA_2020/Target_2/Extra_LGdatalagen.gdb")
-#testje2 <- sf::st_layers("Z:/Projects/PRJ_NARA_2020/Basisbestanden/Basisdata.gdb")
-
-
 #' read land use maps from inbo projects folder
 #'
 #' @param year one of "2013" or "2016"
@@ -50,17 +46,18 @@ lum_download <- function(
 #' @examples
 lum_read_from_inbo <- function(
   year = c("2016", "2013"),
-  layerid = c("finaal_natuurbeheer", "niveau1", "niveau2", "niveau3", "niveau4"),
+  layerid = c("finaal_natuurbeheer", "niveau1",
+              "niveau2", "niveau3", "niveau4"),
   root = "data/landgebruik/inbo",
   add_levels = FALSE) {
   require(dplyr)
   require(readr)
   year <- match.arg(year)
   layerid <- match.arg(layerid)
-  file <- paste0("LG", year, "_", layerid,".tif")
+  file <- paste0("LG", year, "_", layerid, ".tif")
   tr <- terra::rast(file.path(root, file))
   # re-assign categories labels which got lost in translation
-  # (ESRI -> geotiff -> terra::rast)
+  # (ESRI to geotiff to terra::rast)
   if (add_levels) {
     legend <- read_csv2(
       "data/landgebruik/legende_landgebruik.csv",
@@ -104,10 +101,10 @@ lum_read_from_vito <- function(
   require(dplyr)
   require(readr)
   year <- match.arg(year)
-  file <- paste0("lu_landgebruik_vlaa_", year, "_v2",".tif")
+  file <- paste0("lu_landgebruik_vlaa_", year, "_v2", ".tif")
   tr <- terra::rast(file.path(root, file))
   # re-assign categories labels which got lost in translation
-  # (ESRI -> geotiff -> terra::rast)
+  # (ESRI to geotiff to terra::rast)
   if (add_levels) {
     oldwd <- setwd(root)
     legend <- read_csv2(
@@ -149,4 +146,3 @@ lum_read_from_vito <- function(
 
   return(tr)
 }
-