La version 2.2 de G2Sd est disponible sur github.

Installation
devtools::install_github("gallonr/G2Sd")
Utilisation

G2Sd a été développé de manière à décrire le sédiment à partir de tamis utilisant la nomenclature métrique ou phi.

Mise en forme

Cette matrice doit comporter en colonne les stations échantillonnées et en ligne les ouvertures de tamis (microns ou phi)

require(G2Sd)
data(granulo)
granulo[,1:17]
Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 Q11 Q12 Q13 Q14 Q15 Q16 Q17
25000 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
20000 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
16000 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
12500 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
10000 0.35 0.00 2.20 0.00 1.30 0.00 1.20 1.50 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
8000 0.00 0.25 0.00 0.00 0.30 0.00 0.10 0.00 0.00 0.00 0.00 0.00 0.00 1.50 0.00 0.00 1.60
6300 0.00 0.40 0.00 0.00 0.30 0.00 0.00 0.25 0.00 0.00 0.00 0.00 0.00 1.50 0.00 0.00 2.70
5000 0.00 0.15 0.00 0.00 0.20 0.00 0.15 0.40 0.00 0.00 0.00 0.00 0.00 1.75 0.00 0.00 3.10
4000 0.00 0.75 0.00 0.00 0.30 0.00 0.60 0.60 0.00 0.00 0.00 0.00 0.00 1.70 0.00 0.00 5.10
2500 1.00 0.75 0.30 3.30 1.40 0.00 0.45 0.65 0.05 0.00 0.00 0.40 0.00 5.70 0.00 0.00 6.75
2000 0.65 1.85 0.10 4.35 3.30 0.00 1.45 1.55 0.05 0.00 0.00 0.50 0.00 7.05 0.00 0.00 8.65
1600 0.60 2.70 0.40 5.80 5.20 0.00 1.80 2.00 0.10 0.00 0.00 0.80 0.15 6.00 0.20 0.00 8.30
1250 1.00 3.50 1.00 4.85 7.20 0.15 2.50 2.75 0.30 0.10 0.10 1.30 0.10 5.85 0.25 0.15 8.60
1000 0.70 3.60 1.30 2.60 6.50 0.10 2.65 2.80 0.30 0.10 0.10 1.15 0.10 3.65 0.15 0.05 8.30
800 0.80 3.30 1.60 2.60 5.60 0.10 2.80 2.75 0.35 0.10 0.10 1.10 0.10 2.40 0.20 0.05 8.25
630 0.70 2.70 1.70 2.25 4.30 0.20 2.70 2.30 0.35 0.10 0.10 0.90 0.10 1.45 0.15 0.15 5.50
500 1.00 3.15 2.45 3.05 4.60 0.30 3.90 2.70 0.55 0.20 0.10 1.15 0.15 1.55 0.20 0.15 2.65
400 0.85 2.30 2.10 2.50 2.95 0.35 3.20 1.90 0.60 0.20 0.10 0.80 0.10 1.10 0.15 0.10 0.75
315 1.10 2.30 2.30 2.75 2.55 0.50 3.35 1.90 0.70 0.30 0.20 0.80 0.10 1.10 0.20 0.15 0.40
250 1.70 2.40 2.70 3.15 2.30 0.95 3.95 2.15 1.40 0.60 0.25 0.90 0.20 1.00 0.40 0.35 0.40
200 2.40 1.90 2.60 2.70 1.90 1.40 4.25 2.25 1.70 0.90 0.40 0.80 0.50 0.50 0.50 0.50 0.00
160 3.15 1.50 2.70 2.60 1.95 2.50 5.50 2.80 2.85 1.90 0.70 0.90 0.70 0.20 0.70 1.00 0.00
125 3.10 1.10 2.40 2.00 1.65 3.30 4.40 2.00 2.90 3.30 0.70 0.90 0.85 0.10 0.85 1.55 0.00
100 2.95 1.00 2.10 1.75 1.65 5.25 3.60 1.30 2.30 4.80 0.55 1.00 1.00 0.10 1.10 2.10 0.00
80 3.40 1.65 2.10 1.90 1.80 7.10 3.40 1.30 2.30 6.60 0.60 2.05 1.40 0.00 2.10 3.25 0.00
63 3.45 2.60 1.30 1.80 1.60 4.80 2.35 1.80 2.10 5.20 1.50 3.40 1.90 0.00 4.30 3.85 0.00
50 2.15 1.40 0.70 1.00 0.90 2.20 1.10 1.00 1.15 2.30 1.85 1.80 1.40 0.00 2.30 1.70 0.00
40 0.15 0.05 0.10 0.10 0.00 0.20 0.10 0.10 0.10 0.45 0.15 0.25 0.40 0.00 0.50 0.50 0.00
0 18.65 19.75 1.90 10.35 5.85 21.80 5.70 15.70 15.85 21.65 29.45 19.50 18.10 0.20 27.25 17.40 0.00
Utilisation de granstat()

Cette fonction est le cœur de calcul pour définir les caractéristiques des sédiments. Elle intègre trois statistiques descriptives :

  • Méthodes arithmétiques
  • Méthodes des moments
  • Méthodes de Folk et Ward (1957)

Pour les détails des modes de calcul et l’interprétation des indices se référer à Fournier et al. (2012).

Le resultat de la fonction granstat()est une liste comportant les éléments suivants :

  • $stat: contient le ou les tableaux des statistiques descriptives
  • $index: tableau regroupant les différents indices : D5,D10,D16,…
  • $sedim: Description du ou des sédiments
granstat(granulo)
## $stat
## $stat$arith
## # A tibble: 21 x 5
## # Groups:   samples [21]
##    samples mean.arith.um sd.arith.um skewness.arith.um kurtosis.arith.um
##    <chr>           <dbl>       <dbl>             <dbl>             <dbl>
##  1 Q1              31.0         95.0             7.82              76.8 
##  2 Q2              64.1        122.              4.20              23.5 
##  3 Q3              99.9        240.              3.39              12.8 
##  4 Q4              74.1         77.7             0.873              2.43
##  5 Q5             106.         164.              4.08              21.2 
##  6 Q6               7.66        12.2             4.85              38.1 
##  7 Q7              71.6        162.              4.67              25.4 
##  8 Q8              85.1        188.              3.83              17.7 
##  9 Q9              12.6         24.0             4.52              30.8 
## 10 Q10              6.80        11.0             5.38              47.0 
## # … with 11 more rows
## 
## $stat$geom
## # A tibble: 21 x 5
## # Groups:   samples [21]
##    samples mean.geom.um sd.geom.um skewness.geom.um kurtosis.geom.um
##    <chr>          <dbl>      <dbl>            <dbl>            <dbl>
##  1 Q1              29.6     29847.            0.418            0.455
##  2 Q2              51.8     16727.            0.362            0.451
##  3 Q3              10.0     18622.            0.593            0.834
##  4 Q4              29.4     14674.            0.467            0.578
##  5 Q5              27.1     12054.            0.482            0.626
##  6 Q6              23.4     39937.            0.439            0.462
##  7 Q7              11.7     18369.            0.576            0.778
##  8 Q8              45.0     17675.            0.397            0.473
##  9 Q9              34.4     31269.            0.392            0.414
## 10 Q10             25.0     41298.            0.419            0.434
## # … with 11 more rows
## 
## $stat$fowa
## # A tibble: 21 x 10
## # Groups:   samples [21]
##    samples mean.fw.um sd.fw.um skewness.fw.um kurtosis.fw.um mean.fw.phi
##    <chr>        <dbl>    <dbl>          <dbl>          <dbl>       <dbl>
##  1 Q1           14.5    21761.       -0.220            0.989       4.24 
##  2 Q10           6.66   10355.       -0.561            0.793       5.01 
##  3 Q11           1.46    9861.        0.109            0.875       6.53 
##  4 Q12          12.3    29280.       -0.0497           0.806       4.40 
##  5 Q13           2.48   11545.       -0.00496          0.743       6.00 
##  6 Q14        2220.      3487.       -0.0801           1.38       -0.798
##  7 Q15           2.36   11071.       -0.0297           0.756       6.05 
##  8 Q16           4.18   10784.       -0.298            0.745       5.48 
##  9 Q17        2315.      3041.        0.172            0.970      -0.840
## 10 Q18          28.3    26231.       -0.112            0.926       3.56 
## # … with 11 more rows, and 4 more variables: sd.fw.phi <dbl>,
## #   skewness.fw.phi <dbl>, kurtosis.fw.phi <dbl>, sediment <chr>
## 
## 
## $index
## # A tibble: 21 x 16
## # Groups:   samples [21]
##    samples    D10    D16    D25     D5    D50    D75    D84    D90   D95
##    <chr>    <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl> <dbl>
##  1 Q1        2.68   4.84 1.18e1   1.64   82.8  207.   373.   826.  1665.
##  2 Q10       2.30   3.78 7.99e0   1.52   63    102.   125.   156.   208.
##  3 Q11       1.59   2.10 3.18e0   1.26   10.1   32.2   59.8   89.6  176.
##  4 Q12       2.15   3.40 6.76e0   1.47   53.0  230.   591.  1022.  1506.
##  5 Q13       1.75   2.44 4.03e0   1.32   16.2   68.0   96.5  141.   222.
##  6 Q14     511.   775.   1.09e3 323.   1789.  2726.  3790.  5209.  7133.
##  7 Q15       1.75   2.46 4.07e0   1.32   16.6   66.9   84.5  120.   231.
##  8 Q16       2.01   3.06 5.75e0   1.42   33.1   87.5  111.   144.   200 
##  9 Q17     715.   837.   9.95e2 595.   1629.  2773.  4203.  5111.  6731.
## 10 Q18       3.37   7.00 2.09e1   1.84   96.7  452.   893.  1332.  1908.
## # … with 11 more rows, and 6 more variables: `D90/D10` <dbl>, `D90-D10` <dbl>,
## #   `D75/D25` <dbl>, `D75-D25` <dbl>, `Trask(So)` <dbl>, `Krumbein(Qd)` <dbl>
## 
## $sedim
## $sedim$texture
## # A tibble: 21 x 5
## # Groups:   samples [21]
##    samples Gravel    Mud  Sand texture                     
##    <chr>    <dbl>  <dbl> <dbl> <chr>                       
##  1 Q1        4.01 42.0    54.0 Slightly Gravelly Muddy Sand
##  2 Q10       0    50      50   Muddy Sand                  
##  3 Q11       0    85.1    14.9 Sandy Mud                   
##  4 Q12       2.23 53.3    44.4 Slightly Gravelly Sandy Mud 
##  5 Q13       0    72.8    27.2 Sandy Mud                   
##  6 Q14      43.2   0.450  56.3 Sandy Gravel                
##  7 Q15       0    72.4    27.6 Sandy Mud                   
##  8 Q16       0    59.4    40.6 Sandy Mud                   
##  9 Q17      39.3   0      60.7 Sandy Gravel                
## 10 Q18       4.36 36.1    59.5 Slightly Gravelly Muddy Sand
## # … with 11 more rows
## 
## $sedim$descript
## # A tibble: 21 x 12
## # Groups:   samples [21]
##    samples cgravel  csand fgravel fsand mgravel msand   silt vcsand vcsilt
##    <chr>     <dbl>  <dbl>   <dbl> <dbl>   <dbl> <dbl>  <dbl>  <dbl>  <dbl>
##  1 Q1            0  5.02    0     17.4    0.702  7.32 37.4    4.61    4.61
##  2 Q10           0  0.820   0     12.5    0      2.25 44.4    0.410   5.64
##  3 Q11           0  0.812   0      4.87   0      1.49 79.7    0.541   5.41
##  4 Q12           0  7.80    0      6.44   0      6.19 48.3    8.04    5.07
##  5 Q13           0  1.28    0      7.50   0      1.46 66.2    1.28    6.58
##  6 Q14           0 12.2    11.1    1.80   3.38   7.21  0.450 34.9     0   
##  7 Q15           0  1.33    0      4.94   0      1.81 65.7    1.45    6.75
##  8 Q16           0  1.06    0      9.24   0      1.82 52.7    0.606   6.67
##  9 Q17           0 23.1    15.3    0      2.25   2.18  0     35.5     0   
## 10 Q18           0  9.57    0.758 11.9    0      7.58 30.3    9.95    5.78
## # … with 11 more rows, and 2 more variables: vfgravel <dbl>, vfsand <dbl>
Utilisation de granplot()

La fonction granplot() permet de visualiser la distribution des sédiments.

La représentation d’une SEULE station

granplot(granulo,xc=1)

La représentation de PLUSIEURS stations

granplot(granulo,xc=1:4)
## Warning: Transformation introduced infinite values in continuous x-axis

Utilisation de grandistrib()

La fonction grandistrib() permet de visualiser la composition du sédiment. Deux échelles peuvent être choisies :

 grandistrib(granulo[,1:6],scale="fine")

 grandistrib(granulo[,1:6],scale="large")


Régis GALLON - Copyright © 2020