Contributeur.trice.s et expert.e.s mobilisé.e.s : Thomas Eglin (ADEME), Véronique de Billy (OFB)
Relecteur.trice.s : Eva Mériaux, Yorick Reyjol, PatriNat (OFB, MNHN, CNRS, IRD)
Référence conseillée : Lili Pasquet, Pauline Urbain, Brian Padilla. Analyses relatives à la base de données sur les mesures ERC des projets photovoltaïques. PatriNat (OFB, MNHN, CNRS, IRD). 2026.
1 Préface
Dans le cadre du développement de l’axe 1 de l’Observatoire des énergies renouvelables et de la biodiversité, relatif à l’état des lieux des connaissances scientifiques sur les incidences des énergies renouvelables sur la biodiversité, le présent document constitue le premier livrable de la catégorie dénommée « Synthèse dressant un bilan pour une filière d’énergie renouvelable terrestre (hexagone + régions et départements d’outre-mer) » de la convention de partenariat entre le Muséum national d’Histoire naturelle (MNHN) et l’Agence de l’Environnement et de la Maîtrise de l’Energie (ADEME). Dans le cadre de la convention, des comités techniques (COTECH) sont organisés, composés de l’équipe projet de PatriNat et des coordinateurs de l’Observatoire des énergies renouvelables et de la biodiversité. Ils permettent la mise en commun des différentes avancées des travaux réalisés.
Ce livrable a pour objectif de caractériser les pratiques et les mesures ERC (Évitement, Réduction, Compensation) mises en oeuvre dans les projets photovoltaïques via l’analyse d’un échantillon d’études d’impact.
2 Méthodologie
Afin d’établir un état des lieux des mesures ERC proposées dans les actes administratifs encadrant les projets photovoltaïques, les données présentes dans les dossiers d’études d’impact de ces derniers ont été regroupées dans une base de données.
Les dossiers d’études d’impact proviennent du site « projets-environnement.gouv.fr », le service d’accès à la consultation des études d’impact. Le site abrite à la date du 27 février 2026 un total de 537 dossiers de projets photovoltaïques. Un échantillon de 100 dossiers a été téléchargé afin d’assurer l’exploitabilité des données. Par ailleurs, le nombre de projets photovoltaïques étant disparate selon les différents territoires français, les dossiers ont été sélectionnés proportionnellement au nombre de projets total par région (données transmises par l’ADEME) pour garantir la représentativité de l’échantillon. Les dossiers les plus récents ont également été priorisés dans la sélection.
La base de données1 a été construite sur Microsoft Excel et comporte trois feuilles, chacune reliée par l’identifiant unique associé à chaque projet photovoltaïque :
La première feuille “BDD_EnR_PV” est le tableau de données principal. Elle regroupe les informations relatives à l’administration du projet (nom de projet, situation géographique, maître d’ouvrage et bureau d’étude mandaté, etc.), sa technicité (surfaces, nombre de panneaux, linéaire de clôture, puissance, hauteur des panneaux, etc.) et son écologie (nombre d’espèces, corridors, impacts, etc.).
La deuxième feuille “HABITATS” recense tous les habitats présents sur les sites des projets. Elle détaille les codes EUNIS des différents habitats, leur surface et s’il s’agit d’un habitat d’intérêt communautaire (HIC).
La troisième et dernière feuille “ERC” répertorie les mesures ERC prescrites pour les projets, précise l’intitulé, la description de la mesure, la phase du projet associée, la pression ciblée, etc. Afin de faciliter l’analyse des mesures ERC, une typologie de ces dernières a été établie par PatriNat2, sur la base de de la typologie du CEREMA, qui a été adaptée pour cette étude.
Pour faciliter la lisibilité et le remplissage de la base de données, un document d’aide à la bancarisation des données explique la structure des différents tableaux et la signification des champs 3.
Les analyses et visualisations réalisées à partir de cette base de données ont toutes été faites sur R (version 4.5.1).
3 Analyses générales sur les projets photovoltaïques
Cette section analyse les données d’ordre administratif des projets.
3.1 Distribution géographique des projets photovoltaïques
3.1.1 Par régions
Pour éviter toute confusion, notons que le terme Hexagone est utilisé dans ce document pour désigner les 96 départements français du continent européen, incluant donc la Corse.
Rappelons que les dossiers ont été sélectionnés de manière proportionnelle au nombre total de dossiers par région.
La majorité des projets photovoltaïques de l’échantillon sont localisés en Hexagone : 94 contre 6 projets en territoires d’outre-mer (Fig 1). Les régions du Sud sont celles où se trouvent le plus de projets : 25 projets en Nouvelle-Aquitaine et 22 en Occitanie.
Les territoires d’outre-mer non-présents sur la carte sont ceux pour lesquels aucune étude d’impact n’a été sélectionnée ; cela ne signifie pas l’absence de projets photovoltaïques dans ces territoires.
Voir le code
# Construction de la carte
## Séparation des différents territoires
# Hexagone
plt_count_projet_hexagone <- ggplot() +
geom_sf(data = count_projet_hexagone,
aes(fill = n),
color = "black") +
scale_fill_stepsn(name = "Nombre de \nprojets PV",
colors = c("#FBE4D5", "#ED7D31"),
show.limits = TRUE) +
geom_sf_text(data = count_projet_hexagone,
aes(label = n),
color = "black",
size = 4) +
ggtitle("Hexagone") +
theme_void() +
theme(legend.position = "none",
legend.key.size = unit(.5, 'cm'),
legend.key.height = unit(.5, 'cm'),
legend.key.width = unit(.5, 'cm'),
legend.title = element_text(size=8),
legend.text = element_text(size=6),
plot.title = element_text(size = 10),
plot.margin = margin(t = 0, r = 0, b = 0, l = 0))
# La Réunion
plt_count_projet_reunion <- ggplot() +
geom_sf(data = count_projet_reunion,
fill = "#FBE4D5",
color = "black") +
geom_sf_text(data = count_projet_reunion,
aes(label = n),
color = "black",
size = 4) +
ggtitle("La Réunion") +
theme_void() +
theme(legend.position = "none",
plot.title = element_text(size = 8))
# Guadeloupe
plt_count_projet_guadeloupe <- ggplot() +
geom_sf(data = count_projet_guadeloupe,
fill = "#FBE4D5",
color = "black") +
geom_sf_text(data = count_projet_guadeloupe,
aes(label = n),
color = "black",
size = 4) +
ggtitle("Guadeloupe") +
theme_void() +
theme(legend.position = "none",
plot.title = element_text(size = 8))
# Nouvelle-Calédonie
plt_count_projet_nouvelle_caledonie <- ggplot() +
geom_sf(data = count_projet_nouvelle_caledonie,
fill = "#FBE4D5",
color = "black") +
geom_sf_text(data = count_projet_nouvelle_caledonie,
aes(label = n),
color = "black",
size = 4) +
ggtitle("Nouvelle-Calédonie") +
theme_void() +
theme(legend.position = "none",
plot.title = element_text(size = 8))
# Guyane
plt_count_projet_guyane <- ggplot() +
geom_sf(data = count_projet_guyane,
fill = "#FBE4D5",
color = "black") +
geom_sf_text(data = count_projet_guyane,
aes(label = n),
color = "black",
size = 4) +
ggtitle("Guyane") +
theme_void() +
theme(legend.position = "none",
plot.title = element_text(size = 8))
# Martinique
plt_count_projet_martinique <- ggplot() +
geom_sf(data = count_projet_martinique,
fill = "#FBE4D5",
color = "black") +
geom_sf_text(data = count_projet_martinique,
aes(label = n),
color = "black",
size = 4) +
ggtitle("Martinique") +
theme_void() +
theme(legend.position = "none",
plot.title = element_text(size = 8))
# Regroupement des territoires français
overseas <- plt_count_projet_guadeloupe / plt_count_projet_martinique / plt_count_projet_guyane / plt_count_projet_reunion / plt_count_projet_nouvelle_caledonie
(overseas | plt_count_projet_hexagone) +
plot_layout(widths = c(0.8, 2)) &
theme(plot.margin = unit(c(.1, .1, .1, .1), "pt")) 
Voir le code
count_projet_region |>
arrange(desc(n)) |>
rename("Nombre de projets" = "n") |>
rename("Régions" = "REGION") |>
flextable() |>
theme_vanilla() |>
set_table_properties(layout = "autofit")Régions | Nombre de projets |
|---|---|
Nouvelle-Aquitaine | 25 |
Occitanie | 22 |
Provence-Alpes-Côte d'Azur | 17 |
Auvergne-Rhône-Alpes | 10 |
Centre-Val de Loire | 4 |
Grand Est | 4 |
Bourgogne-Franche-Comté | 3 |
Pays de la Loire | 3 |
Corse | 2 |
La Réunion | 2 |
Bretagne | 1 |
Guadeloupe | 1 |
Guyane | 1 |
Hauts-de-France | 1 |
Martinique | 1 |
Normandie | 1 |
Nouvelle-Calédonie | 1 |
Île-de-France | 1 |
3.1.2 Par départements
Du fait de la taille de l’échantillon et de la méthode de sélection des dossiers, seulement 45 départements d’Hexagone (47 %) sont représentés par les études d’impact sélectionnées.
Seul le projet photovoltaïque de Colonzelle (ID : COLONZELLE_001) est à cheval sur deux départements, la Drôme et le Vaucluse. Il a été comptabilisé dans la Drôme car sa surface y est majoritaire.
Les départements avec le plus de projets sont (Fig 2):
la Charente avec 7 études d’impact,
et les Alpes-de-Haute-Provence et le Gers avec 6 études d’impact chacun.
Voir le code
# Construction de la carte
## Séparation des différents territoires
# Hexagone
plt_count_projet_hexagone_dep <- ggplot() +
geom_sf(data = count_projet_dep_hexagone,
aes(fill = n),
color = "black") +
scale_fill_stepsn(name = "Nombre de \nprojets PV",
colors = c("#FBE4D5", "#ED7D31"),
show.limits = TRUE,
na.value = "white") +
geom_sf_text(data = count_projet_dep_hexagone,
aes(label = n),
color = "black",
size = 3) +
ggtitle("Hexagone") +
theme_void() +
theme(legend.position = "none",
legend.key.size = unit(.5, 'cm'),
legend.key.height = unit(.5, 'cm'),
legend.key.width = unit(.5, 'cm'),
legend.title = element_text(size=8),
legend.text = element_text(size=6),
plot.title = element_text(size = 10),
plot.margin = margin(t = 0, r = 0, b = 0, l = 0))
# La Réunion
plt_count_projet_reunion_dep <- ggplot() +
geom_sf(data = count_projet_reunion_dep,
fill = "#FDCAAC",
color = "black") +
geom_sf_text(data = count_projet_reunion_dep,
aes(label = n),
color = "black",
size = 4) +
ggtitle("La Réunion") +
theme_void() +
theme(legend.position = "none",
plot.title = element_text(size = 8))
# Guadeloupe
plt_count_projet_guadeloupe_dep <- ggplot() +
geom_sf(data = count_projet_guadeloupe_dep,
fill = "#FBE4D5",
color = "black") +
geom_sf_text(data = count_projet_guadeloupe_dep,
aes(label = n),
color = "black",
size = 4) +
ggtitle("Guadeloupe") +
theme_void() +
theme(legend.position = "none",
plot.title = element_text(size = 8))
# Nouvelle-Calédonie
plt_count_projet_nouvelle_caledonie_dep <- ggplot() +
geom_sf(data = count_projet_nouvelle_caledonie_dep,
aes(fill = ifelse(NOM_DEP == "Province Sud", "#FBE4D5", "white")),
color = "black") +
geom_sf_text(data = count_projet_nouvelle_caledonie_dep,
aes(label = n),
color = "black",
size = 3) +
scale_fill_identity() +
ggtitle("Nouvelle-Calédonie") +
theme_void() +
theme(legend.position = "none",
plot.title = element_text(size = 8))
# Guyane
plt_count_projet_guyane_dep <- ggplot() +
geom_sf(data = count_projet_guyane_dep,
fill = "#FBE4D5",
color = "black") +
geom_sf_text(data = count_projet_guyane_dep,
aes(label = n),
color = "black",
size = 4) +
ggtitle("Guyane") +
theme_void() +
theme(legend.position = "none",
plot.title = element_text(size = 8))
# Martinique
plt_count_projet_martinique_dep <- ggplot() +
geom_sf(data = count_projet_martinique_dep,
fill = "#FBE4D5",
color = "black") +
geom_sf_text(data = count_projet_martinique_dep,
aes(label = n),
color = "black",
size = 4) +
ggtitle("Martinique") +
theme_void() +
theme(legend.position = "none",
plot.title = element_text(size = 8))
# Regroupement des territoires
overseas_dep <- plt_count_projet_guadeloupe_dep / plt_count_projet_martinique_dep / plt_count_projet_guyane_dep / plt_count_projet_reunion_dep / plt_count_projet_nouvelle_caledonie_dep
(overseas_dep | plt_count_projet_hexagone_dep) +
plot_layout(widths = c(0.8, 2)) &
theme(plot.margin = unit(c(.1, .1, .1, .1), "pt")) 
Voir le code
count_projet_dep |>
select(NOM_DEP, n) |>
arrange(desc(n)) |>
rename("Nombre de projets" = "n") |>
rename("Départements" = "NOM_DEP") |>
flextable() |>
theme_vanilla() |>
set_table_properties(layout = "autofit")Départements | Nombre de projets |
|---|---|
Charente | 7 |
Alpes-de-Haute-Provence | 6 |
Gers | 6 |
Lot | 5 |
Drôme | 4 |
Landes | 4 |
Var | 4 |
Ain | 3 |
Bouches-du-Rhône | 3 |
Haute-Vienne | 3 |
Pyréenées Orientales | 3 |
Alpes-Maritimes | 2 |
Aveyron | 2 |
Creuse | 2 |
Dordogne | 2 |
Eure-et-Loir | 2 |
Haute-Corse | 2 |
Haute-Marne | 2 |
Hautes-Pyrénées | 2 |
La Réunion | 2 |
Lot-et-Garonne | 2 |
Maine-et-Loire | 2 |
Tarn-et-Garonne | 2 |
Vienne | 2 |
Allier | 1 |
Ardennes | 1 |
Ardèche | 1 |
Aude | 1 |
Calvados | 1 |
Charente-Maritime | 1 |
Cher | 1 |
Côte d'Or | 1 |
Deux-Sèvres | 1 |
Essonne | 1 |
Finistère | 1 |
Gironde | 1 |
Guadeloupe | 1 |
Guyane | 1 |
Haute-Garonne | 1 |
Hautes-Alpes | 1 |
Isère | 1 |
Loiret | 1 |
Martinique | 1 |
Moselle | 1 |
Nièvre | 1 |
Oise | 1 |
Province Sud | 1 |
Sarthe | 1 |
Saône-et-Loire | 1 |
Vaucluse | 1 |
3.2 Distribution temporelle des projets photovoltaïques
Comme cela a été précisé dans la méthodologie, les dossiers les plus récents ont été priorisés lors de l’échantillonnage. Ainsi, les projets datent de 2016 à 2025 avec le plus grand nombre de projets en 2020 et 2023 (Fig 3).
Voir le code
data_pv |>
group_by(ANNEE) |>
summarise(nombre = n(),
pct = nombre / total_projets * 100) |>
ggplot(aes(x = ANNEE, y = nombre)) +
geom_col(fill = "#FBE4D5",
col = "#ED7D31",
linewidth = 1) +
geom_text(aes(x = ANNEE,
y = nombre + max(nombre) * 0.04,
label = paste0(round(pct, 0), " %")),
size = 4) +
labs(x = NULL,
y = "Nombre de projets photovoltaïques") +
theme_publish()
Les pourcentages représentent le nombre de projets de l’année X sur le nombre total de projets présents dans l’échantillon.
Voir le code
data_pv |>
group_by(REGION, ANNEE) |>
summarise(NOMBRE = n()) |>
arrange(REGION, ANNEE) |>
flextable() |>
theme_vanilla() |>
merge_v(j = "REGION") |>
set_header_labels(REGION = "Régions",
ANNEE = "Années",
NOMBRE = "Nombre de projets") |>
bold(j = 1) |>
autofit()Régions | Années | Nombre de projets |
|---|---|---|
Auvergne-Rhône-Alpes | 2018 | 1 |
2019 | 1 | |
2020 | 1 | |
2022 | 2 | |
2023 | 5 | |
Bourgogne-Franche-Comté | 2018 | 1 |
2020 | 1 | |
2023 | 1 | |
Bretagne | 2018 | 1 |
Centre-Val de Loire | 2018 | 1 |
2020 | 1 | |
2023 | 2 | |
Corse | 2016 | 1 |
2021 | 1 | |
Grand Est | 2019 | 1 |
2020 | 3 | |
Guadeloupe | 2024 | 1 |
Guyane | 2018 | 1 |
Hauts-de-France | 2024 | 1 |
La Réunion | 2018 | 1 |
2024 | 1 | |
Martinique | 2018 | 1 |
Normandie | 2021 | 1 |
Nouvelle-Aquitaine | 2017 | 1 |
2018 | 2 | |
2019 | 3 | |
2020 | 4 | |
2021 | 3 | |
2022 | 1 | |
2023 | 8 | |
2024 | 3 | |
Nouvelle-Calédonie | 2023 | 1 |
Occitanie | 2017 | 1 |
2018 | 1 | |
2019 | 2 | |
2020 | 6 | |
2021 | 6 | |
2022 | 5 | |
2023 | 1 | |
Pays de la Loire | 2021 | 1 |
2022 | 1 | |
2023 | 1 | |
Provence-Alpes-Côte d'Azur | 2017 | 2 |
2018 | 6 | |
2019 | 1 | |
2020 | 3 | |
2021 | 4 | |
2022 | 1 | |
Île-de-France | 2025 | 1 |
3.3 Durée d’exploitation
Certains projets indiquent une gamme de valeurs à la place d’une durée d’exploitation précise Dans ces cas-là, la moyenne a été utilisée (e.g., 35 pour une gamme de 30 à 40 ans).
La durée d’exploitation des projets est en moyenne de 29,5 ans. La durée d’exploitation minimale est de 20 ans pour 12 projets. La durée d’exploitation maximale est de 40 ans pour 13 projets (Table 4).
Voir le code
data_pv |>
summarise(Min = min(DUREE_EXPLOI, na.rm = TRUE),
Q1 = quantile(DUREE_EXPLOI, na.rm = TRUE)[2],
Moyenne = round(mean(DUREE_EXPLOI, na.rm = TRUE), 1),
Mediane = median(DUREE_EXPLOI, na.rm = TRUE),
Q3 = quantile(DUREE_EXPLOI, na.rm = TRUE)[4],
Max = max(DUREE_EXPLOI, na.rm = TRUE),
N_NA = sum(is.na(DUREE_EXPLOI)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
flextable() |>
theme_vanilla() |>
set_header_labels("Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_double(big.mark = " ") |>
colformat_num(big.mark = " ") |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
20 | 30 | 29,6 | 30 | 30 | 40 | 5 | 100 | 5 % |
Voir le code
data_pv |>
group_by(REGION) |>
summarise(Min = min(DUREE_EXPLOI, na.rm = TRUE),
Q1 = quantile(DUREE_EXPLOI, na.rm = TRUE)[2],
Moyenne = mean(DUREE_EXPLOI, na.rm = TRUE),
Mediane = median(DUREE_EXPLOI, na.rm = TRUE),
Q3 = quantile(DUREE_EXPLOI, na.rm = TRUE)[4],
Max = max(DUREE_EXPLOI, na.rm = TRUE),
N_NA = sum(is.na(DUREE_EXPLOI)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 0) |>
set_table_properties(layout = "autofit") Régions | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
Grand Est | 30 | 30 | 35 | 35 | 40 | 40 | 0 | 4 | 0 % |
Bourgogne-Franche-Comté | 30 | 31 | 34 | 32 | 36 | 40 | 0 | 3 | 0 % |
Nouvelle-Calédonie | 33 | 33 | 33 | 33 | 33 | 33 | 0 | 1 | 0 % |
Provence-Alpes-Côte d'Azur | 20 | 29 | 31 | 30 | 36 | 40 | 1 | 17 | 6 % |
Nouvelle-Aquitaine | 20 | 30 | 30 | 30 | 30 | 40 | 2 | 25 | 8 % |
Centre-Val de Loire | 20 | 28 | 30 | 30 | 32 | 40 | 0 | 4 | 0 % |
Hauts-de-France | 30 | 30 | 30 | 30 | 30 | 30 | 0 | 1 | 0 % |
Normandie | 30 | 30 | 30 | 30 | 30 | 30 | 0 | 1 | 0 % |
Île-de-France | 30 | 30 | 30 | 30 | 30 | 30 | 0 | 1 | 0 % |
Auvergne-Rhône-Alpes | 25 | 30 | 29 | 30 | 30 | 30 | 1 | 10 | 10 % |
Occitanie | 20 | 30 | 29 | 30 | 30 | 40 | 0 | 22 | 0 % |
Pays de la Loire | 20 | 25 | 27 | 30 | 30 | 30 | 0 | 3 | 0 % |
Corse | 20 | 22 | 25 | 25 | 28 | 30 | 0 | 2 | 0 % |
Guyane | 25 | 25 | 25 | 25 | 25 | 25 | 0 | 1 | 0 % |
Martinique | 25 | 25 | 25 | 25 | 25 | 25 | 0 | 1 | 0 % |
Bretagne | 22 | 22 | 22 | 22 | 22 | 22 | 0 | 1 | 0 % |
Guadeloupe | 20 | 20 | 20 | 20 | 20 | 20 | 0 | 1 | 0 % |
La Réunion | 20 | 20 | 20 | 20 | 20 | 20 | 1 | 2 | 50 % |
3.4 Information sur les maîtres d’ouvrage
Il y a au total, 61 maîtres d’ouvrage différents. Les maîtres d’ouvrage qui reviennent le plus sont, par ordre décroissant :
EDF Renouvelables et RES avec six projets chacun,
TSE avec cinq projets,
et Quadran avec quatre projets.
3.5 Informations sur les bureaux d’études
Il y a au total 70 bureaux d’études (BE) différents (prise en compte des bureaux principaux et secondaires). Les BE principaux sont les BE s’occupant de la coordination de l’étude. Les BE secondaires sont les BE s’occupant du volet naturel. Ils sont indiqués lorsqu’il y a plusieurs BE. 31 (31 %) projets ont deux bureaux d’étude.
Les bureaux d’études principaux les plus récurrents sont :
Biotope avec sept projets,
SOE Sud-Ouest Environnement avec six projets,
et Artifex et Synergis Environnement avec cinq projets chacun.
Et les bureaux d’étude secondaires les plus récurrents sont :
ATD et ECO-MED avec trois projets PV chacun,
Auddicé Environnement, Biotope, CERA Environnement et Résonance Urbanisme & Paysage avec deux projets PV chacun.
En regardant tous les bureaux d’étude indépendamment de leur rôle primaire ou secondaire, les plus récurrents sont :
Biotope avec neuf projets,
et Artifex et SOE Sud-Ouest Environnement avec six projets chacun.
4 Analyses sur les caractéristiques techniques des projets photovoltaïques
Cette partie analyse les données des études d’impact associées aux aspects techniques des projets photovoltaïques, comme les dimensions du projet, sa puissance, etc.
4.1 Analyses relatives aux panneaux photovoltaïques des projets
4.1.1 Type de panneaux
Il y a au sein de l’échantillon, un total de deux types de panneaux : fixe et tracker. La majorité des projets ont des panneaux fixes (92 %). Un seul projet de l’échantillon a deux types de panneaux différents, des panneaux trackers et des fixes. Il s’agit du projet photovoltaïque de Perpignan (ID : PERPIGNAN_079) dans les Pyrénées Occidentales (Fig 4). Il a été décidé de ne pas le compter dans les deux catégories des types de panneaux, mais dans une catégorie à part.
Voir le code
data_pv |>
group_by(TYPE_PANNEAUX) |>
summarise(nombre = n(),
pct = nombre / total_projets * 100) |>
ggplot(aes(x = reorder(TYPE_PANNEAUX, -nombre),
y = nombre)) +
geom_col(fill = "#DEEAF6",
col= "#5b9bd5",
linewidth = 1) +
geom_text(aes(x = reorder(TYPE_PANNEAUX, -nombre),
y = nombre + max(nombre) * 0.05,
label = paste0(round(pct, 0), " %"))) +
labs(x = "Type de panneaux",
y = "Nombre de projets") +
theme_publish()
Voir le code
data_pv |>
group_by(REGION, TYPE_PANNEAUX) |>
tally() |>
relocate(TYPE_PANNEAUX, .before = REGION) |>
arrange(TYPE_PANNEAUX, desc(n)) |>
flextable() |>
theme_vanilla() |>
set_table_properties(layout = "autofit") |>
set_header_labels(REGION = "Régions",
TYPE_PANNEAUX = "Types de panneaux",
n = "Nombre de projets") |>
merge_v(j = "TYPE_PANNEAUX")Types de panneaux | Régions | Nombre de projets |
|---|---|---|
Fixe | Nouvelle-Aquitaine | 23 |
Occitanie | 19 | |
Provence-Alpes-Côte d'Azur | 16 | |
Auvergne-Rhône-Alpes | 10 | |
Centre-Val de Loire | 4 | |
Bourgogne-Franche-Comté | 3 | |
Grand Est | 3 | |
Pays de la Loire | 3 | |
La Réunion | 2 | |
Bretagne | 1 | |
Corse | 1 | |
Guadeloupe | 1 | |
Guyane | 1 | |
Hauts-de-France | 1 | |
Martinique | 1 | |
Normandie | 1 | |
Nouvelle-Calédonie | 1 | |
Île-de-France | 1 | |
Tracker | Nouvelle-Aquitaine | 2 |
Occitanie | 2 | |
Corse | 1 | |
Grand Est | 1 | |
Provence-Alpes-Côte d'Azur | 1 | |
Tracker ; Fixe | Occitanie | 1 |
4.1.2 Nombre de panneaux par projet
Dans cette étude, les panneaux correspondent aux modules et non aux tables.
Le nombre de panneaux photovoltaïques varie fortement selon les projets, allant de 2 430 panneaux pour le projet photovoltaïque de Colonzelle (ID : COLONZELLE_001) à 189 792 panneaux pour le projet photovoltaïque de Cère (ID : CERE_069 ; Table 7).
Voir le code
data_pv |>
summarise(Min = min(NB_PANNEAUX, na.rm = TRUE),
Q1 = quantile(NB_PANNEAUX, na.rm = TRUE)[2],
Moyenne = mean(NB_PANNEAUX, na.rm = TRUE),
Mediane = median(NB_PANNEAUX, na.rm = TRUE),
Q3 = quantile(NB_PANNEAUX, na.rm = TRUE)[4],
Max = max(NB_PANNEAUX, na.rm = TRUE),
N_NA = sum(is.na(NB_PANNEAUX)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
flextable() |>
theme_vanilla() |>
set_header_labels("Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_double(big.mark = " ") |>
colformat_num(big.mark = " ") |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
2 430 | 7 830 | 25 254,8 | 12 894 | 24 304,5 | 189 792 | 26 | 100 | 26 % |
Voir le code
data_pv |>
group_by(REGION) |>
summarise(Min = min(NB_PANNEAUX, na.rm = TRUE),
Q1 = quantile(NB_PANNEAUX, na.rm = TRUE)[2],
Moyenne = mean(NB_PANNEAUX, na.rm = TRUE),
Mediane = median(NB_PANNEAUX, na.rm = TRUE),
Q3 = quantile(NB_PANNEAUX, na.rm = TRUE)[4],
Max = max(NB_PANNEAUX, na.rm = TRUE),
N_NA = sum(is.na(NB_PANNEAUX)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 0) |>
set_table_properties(layout = "autofit") Régions | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
Hauts-de-France | 74 080 | 74 080 | 74 080 | 74 080 | 74 080 | 74 080 | 0 | 1 | 0 % |
Nouvelle-Aquitaine | 2 800 | 5 411 | 38 609 | 9 585 | 54 959 | 189 792 | 7 | 25 | 28 % |
Provence-Alpes-Côte d'Azur | 5 356 | 10 522 | 32 970 | 23 300 | 39 234 | 104 004 | 6 | 17 | 35 % |
Grand Est | 20 380 | 26 541 | 32 702 | 32 702 | 38 863 | 45 024 | 2 | 4 | 50 % |
Bourgogne-Franche-Comté | 15 880 | 19 415 | 21 143 | 22 950 | 23 775 | 24 600 | 0 | 3 | 0 % |
Auvergne-Rhône-Alpes | 2 430 | 7 656 | 19 564 | 10 908 | 12 432 | 94 464 | 1 | 10 | 10 % |
Occitanie | 4 928 | 10 261 | 16 298 | 15 122 | 18 428 | 40 000 | 4 | 22 | 18 % |
La Réunion | 3 456 | 9 144 | 14 832 | 14 832 | 20 520 | 26 208 | 0 | 2 | 0 % |
Corse | 14 322 | 14 322 | 14 322 | 14 322 | 14 322 | 14 322 | 1 | 2 | 50 % |
Île-de-France | 13 260 | 13 260 | 13 260 | 13 260 | 13 260 | 13 260 | 0 | 1 | 0 % |
Centre-Val de Loire | 7 680 | 10 373 | 13 066 | 13 066 | 15 759 | 18 452 | 2 | 4 | 50 % |
Normandie | 12 528 | 12 528 | 12 528 | 12 528 | 12 528 | 12 528 | 0 | 1 | 0 % |
Bretagne | 12 208 | 12 208 | 12 208 | 12 208 | 12 208 | 12 208 | 0 | 1 | 0 % |
Pays de la Loire | 6 356 | 7 318 | 8 204 | 8 280 | 9 128 | 9 976 | 0 | 3 | 0 % |
Guadeloupe | 6 144 | 6 144 | 6 144 | 6 144 | 6 144 | 6 144 | 0 | 1 | 0 % |
Guyane | 1 | 1 | 100 % | ||||||
Martinique | 1 | 1 | 100 % | ||||||
Nouvelle-Calédonie | 1 | 1 | 100 % |
4.1.3 Hauteur des panneaux photovoltaïques par projet
4.1.3.1 Hauteur minimale des panneaux par projet
La hauteur minimale des panneaux correspond au point le plus bas du panneau. En moyenne, ce point se situe à 90 cm du sol. La hauteur minimale varie entre 40 cm pour 4 projets (ID : HAUCONCOURT_014 ; AUBIGNOSC_042 ; LEVENS_072 et VILLEMOLAQUE_077) et 4,3 m pour le projet photovoltaïque de Perpignan (ID : PERPIGNAN_079) (Table 9).
Voir le code
data_pv |>
summarise(Min = min(H_MIN_PANNEAUX, na.rm = TRUE),
Q1 = quantile(H_MIN_PANNEAUX, na.rm = TRUE)[2],
Moyenne = round(mean(H_MIN_PANNEAUX, na.rm = TRUE), 2),
Mediane = median(H_MIN_PANNEAUX, na.rm = TRUE),
Q3 = quantile(H_MIN_PANNEAUX, na.rm = TRUE)[4],
Max = max(H_MIN_PANNEAUX, na.rm = TRUE),
N_NA = sum(is.na(H_MIN_PANNEAUX)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
flextable() |>
theme_vanilla() |>
set_header_labels("Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0") |>
colformat_double(big.mark = "\U00A0") |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
0,4 | 0,8 | 0,9 | 0,8 | 1,0 | 4,3 | 12 | 100 | 12 % |
Voir le code
data_pv |>
group_by(REGION) |>
summarise(Min = min(H_MIN_PANNEAUX, na.rm = TRUE),
Q1 = quantile(H_MIN_PANNEAUX, na.rm = TRUE)[2],
Moyenne = mean(H_MIN_PANNEAUX, na.rm = TRUE),
Mediane = median(H_MIN_PANNEAUX, na.rm = TRUE),
Q3 = quantile(H_MIN_PANNEAUX, na.rm = TRUE)[4],
Max = max(H_MIN_PANNEAUX, na.rm = TRUE),
N_NA = sum(is.na(H_MIN_PANNEAUX)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0") |>
colformat_double(big.mark = "\U00A0") |>
set_table_properties(layout = "autofit") Régions | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
La Réunion | 0,8 | 1,1 | 1,4 | 1,4 | 1,7 | 2,0 | 0 | 2 | 0 % |
Occitanie | 0,4 | 0,8 | 1,1 | 0,8 | 1,0 | 4,3 | 2 | 22 | 9 % |
Bretagne | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 0 | 1 | 0 % |
Martinique | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 0 | 1 | 0 % |
Bourgogne-Franche-Comté | 0,7 | 0,8 | 0,9 | 1,0 | 1,0 | 1,0 | 0 | 3 | 0 % |
Pays de la Loire | 0,8 | 0,8 | 0,9 | 0,8 | 1,0 | 1,1 | 0 | 3 | 0 % |
Auvergne-Rhône-Alpes | 0,8 | 0,8 | 0,9 | 0,8 | 0,9 | 1,2 | 3 | 10 | 30 % |
Corse | 0,8 | 0,8 | 0,9 | 0,9 | 0,9 | 1,0 | 0 | 2 | 0 % |
Provence-Alpes-Côte d'Azur | 0,4 | 0,8 | 0,9 | 0,8 | 1,0 | 1,7 | 1 | 17 | 6 % |
Nouvelle-Aquitaine | 0,5 | 0,8 | 0,8 | 0,8 | 0,8 | 1,1 | 4 | 25 | 16 % |
Guadeloupe | 0,8 | 0,8 | 0,8 | 0,8 | 0,8 | 0,8 | 0 | 1 | 0 % |
Normandie | 0,8 | 0,8 | 0,8 | 0,8 | 0,8 | 0,8 | 0 | 1 | 0 % |
Nouvelle-Calédonie | 0,8 | 0,8 | 0,8 | 0,8 | 0,8 | 0,8 | 0 | 1 | 0 % |
Centre-Val de Loire | 0,5 | 0,6 | 0,8 | 0,8 | 0,9 | 1,0 | 1 | 4 | 25 % |
Grand Est | 0,4 | 0,7 | 0,8 | 0,8 | 0,8 | 1,0 | 0 | 4 | 0 % |
Île-de-France | 0,7 | 0,7 | 0,7 | 0,7 | 0,7 | 0,7 | 0 | 1 | 0 % |
Hauts-de-France | 0,5 | 0,5 | 0,5 | 0,5 | 0,5 | 0,5 | 0 | 1 | 0 % |
Guyane | 1 | 1 | 100 % |
4.1.3.2 Hauteur maximale des panneaux
La hauteur maximale des panneaux correspond au point le plus haut du panneau. En moyenne ce point se situe à 2,8 m. La hauteur maximale varie entre 80 cm pour le projet photovoltaïque de Villers-Saint-Sépulcre (ID : VILLERS-ST-SEPULCRE_015) et 5,5 m pour le projet photovoltaïque de Sainte-Christie (ID_STE-CHRISTIE_ROQUELAURE_075) (Table 11).
Voir le code
data_pv |>
summarise(Min = min(H_MAX_PANNEAUX, na.rm = TRUE),
Q1 = quantile(H_MIN_PANNEAUX, na.rm = TRUE)[2],
Moyenne = round(mean(H_MAX_PANNEAUX, na.rm = TRUE), 2),
Mediane = median(H_MAX_PANNEAUX, na.rm = TRUE),
Q3 = round(quantile(H_MAX_PANNEAUX, na.rm = TRUE)[4], 2),
Max = max(H_MAX_PANNEAUX, na.rm = TRUE),
N_NA = sum(is.na(H_MAX_PANNEAUX)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0") |>
colformat_double(big.mark = "\U00A0") |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
0,8 | 0,8 | 2,8 | 2,7 | 3,1 | 5,5 | 6 | 100 | 6 % |
Voir le code
data_pv |>
group_by(REGION) |>
summarise(Min = min(H_MAX_PANNEAUX, na.rm = TRUE),
Q1 = quantile(H_MAX_PANNEAUX, na.rm = TRUE)[2],
Moyenne = mean(H_MAX_PANNEAUX, na.rm = TRUE),
Mediane = median(H_MAX_PANNEAUX, na.rm = TRUE),
Q3 = quantile(H_MAX_PANNEAUX, na.rm = TRUE)[4],
Max = max(H_MAX_PANNEAUX, na.rm = TRUE),
N_NA = sum(is.na(H_MAX_PANNEAUX)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0") |>
colformat_double(big.mark = "\U00A0") |>
set_table_properties(layout = "autofit") Régions | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
Grand Est | 2,0 | 3,1 | 3,3 | 3,6 | 3,8 | 3,9 | 0 | 4 | 0 % |
Provence-Alpes-Côte d'Azur | 1,9 | 2,6 | 3,0 | 3,0 | 3,5 | 4,0 | 0 | 17 | 0 % |
Bourgogne-Franche-Comté | 2,7 | 2,8 | 3,0 | 2,8 | 3,1 | 3,5 | 0 | 3 | 0 % |
Auvergne-Rhône-Alpes | 2,4 | 2,7 | 3,0 | 3,0 | 3,1 | 3,7 | 1 | 10 | 10 % |
Occitanie | 2,1 | 2,5 | 2,9 | 2,7 | 3,1 | 5,5 | 0 | 22 | 0 % |
Pays de la Loire | 2,4 | 2,7 | 2,8 | 3,0 | 3,0 | 3,1 | 0 | 3 | 0 % |
Nouvelle-Aquitaine | 2,2 | 2,5 | 2,8 | 2,6 | 2,9 | 4,5 | 4 | 25 | 16 % |
Île-de-France | 2,7 | 2,7 | 2,7 | 2,7 | 2,7 | 2,7 | 0 | 1 | 0 % |
Centre-Val de Loire | 2,1 | 2,1 | 2,6 | 2,4 | 2,8 | 3,5 | 0 | 4 | 0 % |
Bretagne | 2,6 | 2,6 | 2,6 | 2,6 | 2,6 | 2,6 | 0 | 1 | 0 % |
Corse | 2,4 | 2,5 | 2,5 | 2,5 | 2,6 | 2,7 | 0 | 2 | 0 % |
La Réunion | 1,6 | 2,0 | 2,5 | 2,5 | 2,9 | 3,3 | 0 | 2 | 0 % |
Normandie | 2,4 | 2,4 | 2,4 | 2,4 | 2,4 | 2,4 | 0 | 1 | 0 % |
Guyane | 2,1 | 2,1 | 2,1 | 2,1 | 2,1 | 2,1 | 0 | 1 | 0 % |
Guadeloupe | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 0 | 1 | 0 % |
Martinique | 1,7 | 1,7 | 1,7 | 1,7 | 1,7 | 1,7 | 0 | 1 | 0 % |
Hauts-de-France | 0,8 | 0,8 | 0,8 | 0,8 | 0,8 | 0,8 | 0 | 1 | 0 % |
Nouvelle-Calédonie | 1 | 1 | 100 % |
4.2 Surface des projets photovoltaïques
Toutes les surfaces sont en hectares (ha).
4.2.1 Surface totale des projets (ZIP)
La surface totale signifie la surface de l’emprise du projet prise en compte en début de projet. Elle représente donc la zone d’implantation potentielle du projet (ZIP).
Elle varie fortement selon les projets, allant de 1,3 ha (le projet photovoltaïque de Maripasoula ; ID : MARIPASOULA_098) à 330 ha (le projet photovoltaïque de Valderoure ; ID : VALDEROURE_068) avec une moyenne de 30.8 ha (Table 13).
Voir le code
data_pv |>
summarise(Min = min(SURF_TOTALE, na.rm = TRUE),
Q1 = quantile(SURF_TOTALE, na.rm = TRUE)[2],
Moyenne = mean(SURF_TOTALE, na.rm = TRUE),
Mediane = median(SURF_TOTALE, na.rm = TRUE),
Q3 = quantile(SURF_TOTALE, na.rm = TRUE)[4],
Max = max(SURF_TOTALE, na.rm = TRUE),
N_NA = sum(is.na(SURF_TOTALE)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
1,3 | 6,9 | 30,8 | 13,0 | 27,8 | 330,0 | 1 | 100 | 1 % |
Voir le code
data_pv |>
group_by(REGION) |>
summarise(Min = min(SURF_TOTALE, na.rm = TRUE),
Q1 = quantile(SURF_TOTALE, na.rm = TRUE)[2],
Moyenne = mean(SURF_TOTALE, na.rm = TRUE),
Mediane = median(SURF_TOTALE, na.rm = TRUE),
Q3 = quantile(SURF_TOTALE, na.rm = TRUE)[4],
Max = max(SURF_TOTALE, na.rm = TRUE),
N_NA = sum(is.na(SURF_TOTALE)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %"))|>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 0) |>
set_table_properties(layout = "autofit") Régions | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
Hauts-de-France | 71 | 71 | 71 | 71 | 71 | 71 | 0 | 1 | 0 % |
Provence-Alpes-Côte d'Azur | 4 | 12 | 57 | 18 | 79 | 330 | 1 | 17 | 6 % |
Nouvelle-Calédonie | 51 | 51 | 51 | 51 | 51 | 51 | 0 | 1 | 0 % |
Nouvelle-Aquitaine | 2 | 7 | 49 | 21 | 60 | 246 | 0 | 25 | 0 % |
Bourgogne-Franche-Comté | 9 | 10 | 21 | 12 | 28 | 44 | 0 | 3 | 0 % |
Grand Est | 7 | 18 | 20 | 22 | 24 | 30 | 0 | 4 | 0 % |
Centre-Val de Loire | 6 | 10 | 16 | 13 | 19 | 32 | 0 | 4 | 0 % |
Auvergne-Rhône-Alpes | 1 | 5 | 15 | 9 | 18 | 60 | 0 | 10 | 0 % |
Occitanie | 4 | 7 | 14 | 12 | 19 | 39 | 0 | 22 | 0 % |
Normandie | 13 | 13 | 13 | 13 | 13 | 13 | 0 | 1 | 0 % |
Île-de-France | 13 | 13 | 13 | 13 | 13 | 13 | 0 | 1 | 0 % |
Corse | 4 | 8 | 12 | 12 | 16 | 20 | 0 | 2 | 0 % |
Martinique | 12 | 12 | 12 | 12 | 12 | 12 | 0 | 1 | 0 % |
Pays de la Loire | 5 | 7 | 9 | 8 | 11 | 14 | 0 | 3 | 0 % |
La Réunion | 1 | 4 | 6 | 6 | 8 | 10 | 0 | 2 | 0 % |
Bretagne | 5 | 5 | 5 | 5 | 5 | 5 | 0 | 1 | 0 % |
Guadeloupe | 4 | 4 | 4 | 4 | 4 | 4 | 0 | 1 | 0 % |
Guyane | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 1 | 0 % |
4.2.2 Surface clôturée des projets
La surface clôturée des projets représente l’emprise de l’installation photovoltaïque. Elle est donc davantage représentative de l’emprise foncière des projets.
Elle varie de 1,3 ha pour le projet photovoltaïque de Maripasoula (ID : MARIPASOULA_098), ce qui est identique à sa surface totale, à 89.8 ha pour le projet photovoltaïque de Cère (ID : CERE_069 ; Table 15).
Voir le code
data_pv |>
summarise(Min = min(SURF_CLOTURE, na.rm = TRUE),
Q1 = quantile(SURF_CLOTURE, na.rm = TRUE)[2],
Moyenne = mean(SURF_CLOTURE, na.rm = TRUE),
Mediane = median(SURF_CLOTURE, na.rm = TRUE),
Q3 = quantile(SURF_CLOTURE, na.rm = TRUE)[4],
Max = max(SURF_CLOTURE, na.rm = TRUE),
N_NA = sum(is.na(SURF_CLOTURE)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
1,3 | 4,7 | 14,6 | 8,1 | 15,7 | 89,8 | 1 | 100 | 1 % |
Voir le code
data_pv |>
group_by(REGION) |>
summarise(Min = min(SURF_CLOTURE, na.rm = TRUE),
Q1 = quantile(SURF_CLOTURE, na.rm = TRUE)[2],
Moyenne = mean(SURF_CLOTURE, na.rm = TRUE),
Mediane = median(SURF_CLOTURE, na.rm = TRUE),
Q3 = quantile(SURF_CLOTURE, na.rm = TRUE)[4],
Max = max(SURF_CLOTURE, na.rm = TRUE),
N_NA = sum(is.na(SURF_CLOTURE)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %"))|>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 0) |>
set_table_properties(layout = "autofit") Régions | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
Nouvelle-Calédonie | 51 | 51 | 51 | 51 | 51 | 51 | 0 | 1 | 0 % |
Hauts-de-France | 38 | 38 | 38 | 38 | 38 | 38 | 0 | 1 | 0 % |
Nouvelle-Aquitaine | 2 | 4 | 22 | 10 | 29 | 90 | 0 | 25 | 0 % |
Grand Est | 7 | 16 | 19 | 19 | 23 | 30 | 0 | 4 | 0 % |
Bourgogne-Franche-Comté | 9 | 10 | 18 | 12 | 23 | 35 | 0 | 3 | 0 % |
Centre-Val de Loire | 3 | 9 | 15 | 13 | 19 | 32 | 0 | 4 | 0 % |
Provence-Alpes-Côte d'Azur | 4 | 6 | 15 | 10 | 15 | 50 | 1 | 17 | 6 % |
Île-de-France | 13 | 13 | 13 | 13 | 13 | 13 | 0 | 1 | 0 % |
Occitanie | 3 | 5 | 9 | 8 | 11 | 23 | 0 | 22 | 0 % |
Auvergne-Rhône-Alpes | 1 | 5 | 9 | 6 | 8 | 40 | 0 | 10 | 0 % |
Normandie | 8 | 8 | 8 | 8 | 8 | 8 | 0 | 1 | 0 % |
Pays de la Loire | 2 | 3 | 7 | 4 | 9 | 14 | 0 | 3 | 0 % |
Corse | 4 | 5 | 6 | 6 | 6 | 7 | 0 | 2 | 0 % |
La Réunion | 1 | 4 | 6 | 6 | 8 | 10 | 0 | 2 | 0 % |
Bretagne | 5 | 5 | 5 | 5 | 5 | 5 | 0 | 1 | 0 % |
Martinique | 4 | 4 | 4 | 4 | 4 | 4 | 0 | 1 | 0 % |
Guadeloupe | 4 | 4 | 4 | 4 | 4 | 4 | 0 | 1 | 0 % |
Guyane | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 1 | 0 % |
4.2.3 Surface des installations
La surface des installations représente la surface de tous les éléments construits du projet, c’est-à-dire les panneaux, le transformateur, le poste de livraison, la piste ou le chemin d’accès, et autres. Elle varie de 0.3 ha pour le projet photovoltaïque de Colonzelle (ID : COLONZELLE_001) à 52,4 ha pour le projet photovoltaïque de Mézos (ID : MEZOS_088 ; Table 17).
Voir le code
data_pv |>
summarise(Min = min(SURF_INSTALLATION, na.rm = TRUE),
Q1 = quantile(SURF_INSTALLATION, na.rm = TRUE)[2],
Moyenne = mean(SURF_INSTALLATION, na.rm = TRUE),
Mediane = median(SURF_INSTALLATION, na.rm = TRUE),
Q3 = quantile(SURF_INSTALLATION, na.rm = TRUE)[4],
Max = max(SURF_INSTALLATION, na.rm = TRUE),
N_NA = sum(is.na(SURF_INSTALLATION)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
0,3 | 2,4 | 7,2 | 3,7 | 6,6 | 52,4 | 14 | 100 | 14 % |
Voir le code
data_pv |>
group_by(REGION) |>
summarise(Min = min(SURF_INSTALLATION, na.rm = TRUE),
Q1 = quantile(SURF_INSTALLATION, na.rm = TRUE)[2],
Moyenne = mean(SURF_INSTALLATION, na.rm = TRUE),
Mediane = median(SURF_INSTALLATION, na.rm = TRUE),
Q3 = quantile(SURF_INSTALLATION, na.rm = TRUE)[4],
Max = max(SURF_INSTALLATION, na.rm = TRUE),
N_NA = sum(is.na(SURF_INSTALLATION)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %"))|>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Régions | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
Nouvelle-Calédonie | 47,1 | 47,1 | 47,1 | 47,1 | 47,1 | 47,1 | 0 | 1 | 0 % |
Hauts-de-France | 20,0 | 20,0 | 20,0 | 20,0 | 20,0 | 20,0 | 0 | 1 | 0 % |
Grand Est | 8,9 | 10,4 | 14,4 | 11,9 | 17,2 | 22,5 | 1 | 4 | 25 % |
Nouvelle-Aquitaine | 0,7 | 2,3 | 10,0 | 3,8 | 11,1 | 52,4 | 5 | 25 | 20 % |
Centre-Val de Loire | 2,6 | 5,2 | 9,5 | 7,0 | 11,3 | 21,2 | 0 | 4 | 0 % |
Bourgogne-Franche-Comté | 1,6 | 2,3 | 8,2 | 3,1 | 11,5 | 19,9 | 0 | 3 | 0 % |
Provence-Alpes-Côte d'Azur | 1,4 | 3,1 | 6,7 | 4,3 | 6,1 | 22,9 | 3 | 17 | 18 % |
Île-de-France | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 0 | 1 | 0 % |
Auvergne-Rhône-Alpes | 0,3 | 2,0 | 4,7 | 3,2 | 4,5 | 18,7 | 1 | 10 | 10 % |
Occitanie | 0,3 | 2,6 | 4,1 | 3,6 | 4,3 | 10,3 | 3 | 22 | 14 % |
Normandie | 3,7 | 3,7 | 3,7 | 3,7 | 3,7 | 3,7 | 0 | 1 | 0 % |
Bretagne | 2,9 | 2,9 | 2,9 | 2,9 | 2,9 | 2,9 | 0 | 1 | 0 % |
La Réunion | 0,9 | 1,8 | 2,6 | 2,6 | 3,4 | 4,2 | 0 | 2 | 0 % |
Corse | 2,5 | 2,5 | 2,5 | 2,5 | 2,5 | 2,5 | 1 | 2 | 50 % |
Guadeloupe | 2,5 | 2,5 | 2,5 | 2,5 | 2,5 | 2,5 | 0 | 1 | 0 % |
Martinique | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 0 | 1 | 0 % |
Pays de la Loire | 1,6 | 1,9 | 2,0 | 2,1 | 2,2 | 2,2 | 0 | 3 | 0 % |
Guyane | 0,7 | 0,7 | 0,7 | 0,7 | 0,7 | 0,7 | 0 | 1 | 0 % |
4.2.4 Surface des panneaux des projets
La surface des panneaux varie de 0.03 ha (noté 0 dans la table à cause de l’arrondi) pour le projet photovoltaïque de Colonzelle (ID : COLONZELLE_001) à 47,4 ha pour le projet photovoltaïque de Mézos (ID : MEZOS_088 ; Table 19).
Voir le code
data_pv |>
summarise(Min = min(SURF_PANNEAUX, na.rm = TRUE),
Q1 = quantile(SURF_PANNEAUX, na.rm = TRUE)[2],
Moyenne = mean(SURF_PANNEAUX, na.rm = TRUE),
Mediane = median(SURF_PANNEAUX, na.rm = TRUE),
Q3 = quantile(SURF_PANNEAUX, na.rm = TRUE)[4],
Max = max(SURF_PANNEAUX, na.rm = TRUE),
N_NA = sum(is.na(SURF_PANNEAUX)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
0,0 | 2,1 | 6,4 | 3,0 | 5,9 | 47,4 | 11 | 100 | 11 % |
Voir le code
data_pv |>
group_by(REGION) |>
summarise(Min = min(SURF_PANNEAUX, na.rm = TRUE),
Q1 = quantile(SURF_PANNEAUX, na.rm = TRUE)[2],
Moyenne = mean(SURF_PANNEAUX, na.rm = TRUE),
Mediane = median(SURF_PANNEAUX, na.rm = TRUE),
Q3 = quantile(SURF_PANNEAUX, na.rm = TRUE)[4],
Max = max(SURF_PANNEAUX, na.rm = TRUE),
N_NA = sum(is.na(SURF_PANNEAUX)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Régions | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
Nouvelle-Calédonie | 44,5 | 44,5 | 44,5 | 44,5 | 44,5 | 44,5 | 0 | 1 | 0 % |
Hauts-de-France | 20,0 | 20,0 | 20,0 | 20,0 | 20,0 | 20,0 | 0 | 1 | 0 % |
Grand Est | 8,9 | 10,1 | 13,2 | 11,4 | 15,4 | 19,4 | 1 | 4 | 25 % |
Nouvelle-Aquitaine | 0,7 | 2,0 | 9,0 | 3,0 | 10,0 | 47,4 | 5 | 25 | 20 % |
Centre-Val de Loire | 2,1 | 4,2 | 8,7 | 6,4 | 10,9 | 20,0 | 0 | 4 | 0 % |
Bourgogne-Franche-Comté | 3,1 | 4,5 | 8,5 | 5,9 | 11,2 | 16,5 | 0 | 3 | 0 % |
Provence-Alpes-Côte d'Azur | 1,1 | 2,3 | 6,2 | 3,6 | 6,0 | 22,5 | 3 | 17 | 18 % |
Île-de-France | 4,1 | 4,1 | 4,1 | 4,1 | 4,1 | 4,1 | 0 | 1 | 0 % |
Auvergne-Rhône-Alpes | 0,0 | 2,0 | 3,8 | 2,4 | 4,2 | 15,5 | 0 | 10 | 0 % |
Occitanie | 1,5 | 2,1 | 3,5 | 3,4 | 3,8 | 8,5 | 2 | 22 | 9 % |
Normandie | 2,9 | 2,9 | 2,9 | 2,9 | 2,9 | 2,9 | 0 | 1 | 0 % |
La Réunion | 0,8 | 1,6 | 2,5 | 2,5 | 3,4 | 4,2 | 0 | 2 | 0 % |
Corse | 2,5 | 2,5 | 2,5 | 2,5 | 2,5 | 2,5 | 0 | 2 | 0 % |
Bretagne | 2,4 | 2,4 | 2,4 | 2,4 | 2,4 | 2,4 | 0 | 1 | 0 % |
Martinique | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 0 | 1 | 0 % |
Guadeloupe | 1,9 | 1,9 | 1,9 | 1,9 | 1,9 | 1,9 | 0 | 1 | 0 % |
Pays de la Loire | 1,6 | 1,6 | 1,8 | 1,6 | 1,9 | 2,1 | 0 | 3 | 0 % |
Guyane | 0,6 | 0,6 | 0,6 | 0,6 | 0,6 | 0,6 | 0 | 1 | 0 % |
4.2.5 Différences entre les différentes surfaces des projets
Du fait de la multiplicité des types de surfaces renseignées dans les dossiers d’études d’impact des projets, des comparaisons ont été réalisées entre certaines des surfaces.
4.2.5.1 Différences entre les surfaces totales et clôturées
La différence entre la surface totale et la surface clôturée de chaque projet a été calculée. Ce calcul n’a pu se faire que pour les projets dont les deux surfaces sont renseignées dans les études d’impact ; seul le projet photovoltaïque de Martigues (ID : MARTIGUES_065), n’a pas de données relatives à sa surface totale et celle clôturée.
La surface totale est identique à la surface clôturée pour 37 (37 %) projets — la différence est nulle. La différence maximale est de 304 ha et il s’agit du projet photovoltaïque de Valderoure (ID : VALDEROURE_068). 50 % des projets ont une différence inférieure à 3 hectares (Fig 5 ; Table 21).
Voir le code
data_pv |>
mutate(DIFF_SURF_TOTALE_CLOTURE = as.numeric(ifelse(!is.na(SURF_TOTALE) & !is.na(SURF_CLOTURE),
SURF_TOTALE - SURF_CLOTURE,
NA_character_))) |>
ggplot(aes(x = DIFF_SURF_TOTALE_CLOTURE)) +
geom_histogram(binwidth = 5, position = "identity", col = "#5B9BD5", fill = "#DEEAF6", linewidth = 1) +
scale_x_continuous(breaks = seq(0, 300, by = 50)) +
labs(x = "Différence surface totale et clôturée (en ha)",
y = "Nombre de projets") +
theme_publish()
La différence de surface est calculée en soustrayant la surface clôturée à la surface totale.
Voir le code
data_pv |>
mutate(DIFF_SURF_TOTALE_CLOTURE = as.numeric(ifelse(!is.na(SURF_TOTALE) & !is.na(SURF_CLOTURE),
SURF_TOTALE - SURF_CLOTURE,
NA_character_))) |>
summarise(Min = min(DIFF_SURF_TOTALE_CLOTURE, na.rm = TRUE),
Q1 = quantile(DIFF_SURF_TOTALE_CLOTURE, na.rm = TRUE)[2],
Moyenne = mean(DIFF_SURF_TOTALE_CLOTURE, na.rm = TRUE),
Mediane = median(DIFF_SURF_TOTALE_CLOTURE, na.rm = TRUE),
Q3 = quantile(DIFF_SURF_TOTALE_CLOTURE, na.rm = TRUE)[4],
Max = max(DIFF_SURF_TOTALE_CLOTURE, na.rm = TRUE),
N_NA = sum(is.na(DIFF_SURF_TOTALE_CLOTURE)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
0,0 | 0,0 | 16,2 | 2,7 | 12,6 | 304,0 | 1 | 100 | 1 % |
Voir le code
data_pv |>
mutate(DIFF_SURF_TOTALE_CLOTURE = as.numeric(ifelse(!is.na(SURF_TOTALE) & !is.na(SURF_CLOTURE),
SURF_TOTALE - SURF_CLOTURE,
NA_character_))) |>
group_by(REGION) |>
summarise(Min = min(DIFF_SURF_TOTALE_CLOTURE, na.rm = TRUE),
Q1 = quantile(DIFF_SURF_TOTALE_CLOTURE, na.rm = TRUE)[2],
Moyenne = mean(DIFF_SURF_TOTALE_CLOTURE, na.rm = TRUE),
Mediane = median(DIFF_SURF_TOTALE_CLOTURE, na.rm = TRUE),
Q3 = quantile(DIFF_SURF_TOTALE_CLOTURE, na.rm = TRUE)[4],
Max = max(DIFF_SURF_TOTALE_CLOTURE, na.rm = TRUE),
N_NA = sum(is.na(DIFF_SURF_TOTALE_CLOTURE)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Régions | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
Provence-Alpes-Côte d'Azur | 0,0 | 4,1 | 42,4 | 8,5 | 44,2 | 304,0 | 1 | 17 | 6 % |
Hauts-de-France | 33,4 | 33,4 | 33,4 | 33,4 | 33,4 | 33,4 | 0 | 1 | 0 % |
Nouvelle-Aquitaine | 0,0 | 0,0 | 26,5 | 3,3 | 20,3 | 233,8 | 0 | 25 | 0 % |
Martinique | 8,0 | 8,0 | 8,0 | 8,0 | 8,0 | 8,0 | 0 | 1 | 0 % |
Corse | 0,0 | 3,3 | 6,6 | 6,6 | 10,0 | 13,3 | 0 | 2 | 0 % |
Auvergne-Rhône-Alpes | 0,0 | 0,0 | 6,4 | 3,0 | 9,7 | 20,1 | 0 | 10 | 0 % |
Occitanie | 0,0 | 0,4 | 5,3 | 2,3 | 8,3 | 20,5 | 0 | 22 | 0 % |
Normandie | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 0 | 1 | 0 % |
Bourgogne-Franche-Comté | 0,0 | 0,0 | 3,1 | 0,0 | 4,7 | 9,4 | 0 | 3 | 0 % |
Pays de la Loire | 0,0 | 0,2 | 2,1 | 0,5 | 3,2 | 6,0 | 0 | 3 | 0 % |
Grand Est | 0,0 | 0,0 | 1,2 | 0,4 | 1,6 | 3,8 | 0 | 4 | 0 % |
Centre-Val de Loire | 0,0 | 0,0 | 0,7 | 0,0 | 0,7 | 2,7 | 0 | 4 | 0 % |
Bretagne | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0 | 1 | 0 % |
Guadeloupe | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0 | 1 | 0 % |
Guyane | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0 | 1 | 0 % |
La Réunion | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0 | 2 | 0 % |
Nouvelle-Calédonie | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0 | 1 | 0 % |
Île-de-France | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0 | 1 | 0 % |
4.2.5.2 Différence entre les surfaces clôturées et les surfaces des installations
La différence entre la surface clôturée et la surface des installations de chaque projet a été calculée. Ce calcul n’a pu se faire que pour les projets dont les deux surfaces sont renseignées dans les études d’impact. Ainsi, la différence n’a pas pu être calculée pour 14 projets du fait de l’absence de données relatives à ces surfaces.
Aucun projet n’a une différence entre sa surface clôturée et sa surface des installations de 0 ; la différence de surface minimale est de 0,4 ha pour le projet photovoltaïque de Montigny-le-Chartif (ID : MONTIGNY_008). La différence maximale est de 54,5 ha pour le projet photovoltaïque de Cère (ID : CERE_069). 50 % des projets ont une différence de surface inférieure à 4,4 ha (Fig 6 ; Table 23).
Voir le code
data_pv |>
mutate(DIFF_SURF_CLOTURE_INST = as.numeric(ifelse(!is.na(SURF_INSTALLATION) & !is.na(SURF_CLOTURE),
SURF_CLOTURE - SURF_INSTALLATION,
NA_character_))) |>
ggplot(aes(x = DIFF_SURF_CLOTURE_INST)) +
geom_histogram(binwidth = 1, position = "identity", col = "#5B9BD5", fill = "#DEEAF6", linewidth = 1) +
scale_y_continuous(breaks = seq(0, 40, by = 2)) +
labs(x = "Différence entre la surface clôturée et la surface des installations (en ha)",
y = "Nombre de projets") +
theme_publish()
La différence de surface est calculée en soustrayant la surface des installations à la surface clôturée.
Voir le code
data_pv |>
mutate(DIFF_SURF_CLOTURE_INST = as.numeric(ifelse(!is.na(SURF_INSTALLATION) & !is.na(SURF_CLOTURE),
SURF_CLOTURE - SURF_INSTALLATION,
NA_character_))) |>
summarise(Min = min(DIFF_SURF_CLOTURE_INST, na.rm = TRUE),
Q1 = quantile(DIFF_SURF_CLOTURE_INST, na.rm = TRUE)[2],
Moyenne = mean(DIFF_SURF_CLOTURE_INST, na.rm = TRUE),
Mediane = median(DIFF_SURF_CLOTURE_INST, na.rm = TRUE),
Q3 = quantile(DIFF_SURF_CLOTURE_INST, na.rm = TRUE)[4],
Max = max(DIFF_SURF_CLOTURE_INST, na.rm = TRUE),
N_NA = sum(is.na(DIFF_SURF_CLOTURE_INST)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
0,4 | 2,1 | 7,3 | 4,4 | 7,5 | 54,5 | 14 | 100 | 14 % |
Voir le code
data_pv |>
mutate(DIFF_SURF_CLOTURE_INST = as.numeric(ifelse(!is.na(SURF_INSTALLATION) & !is.na(SURF_CLOTURE),
SURF_CLOTURE - SURF_INSTALLATION,
NA_character_))) |>
group_by(REGION) |>
summarise(Min = min(DIFF_SURF_CLOTURE_INST, na.rm = TRUE),
Q1 = quantile(DIFF_SURF_CLOTURE_INST, na.rm = TRUE)[2],
Moyenne = mean(DIFF_SURF_CLOTURE_INST, na.rm = TRUE),
Mediane = median(DIFF_SURF_CLOTURE_INST, na.rm = TRUE),
Q3 = quantile(DIFF_SURF_CLOTURE_INST, na.rm = TRUE)[4],
Max = max(DIFF_SURF_CLOTURE_INST, na.rm = TRUE),
N_NA = sum(is.na(DIFF_SURF_CLOTURE_INST)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Régions | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
Hauts-de-France | 17,6 | 17,6 | 17,6 | 17,6 | 17,6 | 17,6 | 0 | 1 | 0 % |
Nouvelle-Aquitaine | 0,8 | 2,0 | 11,4 | 5,0 | 13,3 | 54,5 | 5 | 25 | 20 % |
Bourgogne-Franche-Comté | 5,6 | 7,8 | 10,1 | 10,0 | 12,4 | 14,7 | 0 | 3 | 0 % |
Grand Est | 7,5 | 7,9 | 8,5 | 8,2 | 9,0 | 9,7 | 1 | 4 | 25 % |
Provence-Alpes-Côte d'Azur | 1,6 | 2,7 | 7,9 | 5,9 | 7,1 | 27,3 | 3 | 17 | 18 % |
Île-de-France | 7,8 | 7,8 | 7,8 | 7,8 | 7,8 | 7,8 | 0 | 1 | 0 % |
Centre-Val de Loire | 0,4 | 4,0 | 5,7 | 5,8 | 7,5 | 10,8 | 0 | 4 | 0 % |
Occitanie | 1,3 | 3,6 | 5,5 | 4,4 | 6,4 | 13,5 | 3 | 22 | 14 % |
Pays de la Loire | 0,8 | 1,5 | 5,0 | 2,1 | 7,1 | 12,2 | 0 | 3 | 0 % |
Auvergne-Rhône-Alpes | 1,1 | 2,1 | 4,7 | 2,8 | 3,5 | 21,1 | 1 | 10 | 10 % |
Normandie | 4,3 | 4,3 | 4,3 | 4,3 | 4,3 | 4,3 | 0 | 1 | 0 % |
Nouvelle-Calédonie | 3,9 | 3,9 | 3,9 | 3,9 | 3,9 | 3,9 | 0 | 1 | 0 % |
La Réunion | 0,5 | 1,8 | 3,1 | 3,1 | 4,4 | 5,8 | 0 | 2 | 0 % |
Martinique | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 0 | 1 | 0 % |
Corse | 1,9 | 1,9 | 1,9 | 1,9 | 1,9 | 1,9 | 1 | 2 | 50 % |
Bretagne | 1,7 | 1,7 | 1,7 | 1,7 | 1,7 | 1,7 | 0 | 1 | 0 % |
Guadeloupe | 1,2 | 1,2 | 1,2 | 1,2 | 1,2 | 1,2 | 0 | 1 | 0 % |
Guyane | 0,6 | 0,6 | 0,6 | 0,6 | 0,6 | 0,6 | 0 | 1 | 0 % |
4.3 Distance inter-rang
La distance inter-rang représente la taille de l’écartement entre les panneaux. Cette donnée n’est pas présente dans tous les dossiers (seulement pour 80 %). De plus, certains projets donnent une gamme de valeurs pour la taille de l’écartement entre les panneaux. Dans ces cas, la moyenne a été calculée et utilisée.
La distance inter-rang minimale est de 1 m (projets photovoltaïques de Baie-Mahault — ID : BAIE-MAHAULT_011 — et de Rivailles — RIVAILLES_022) et celle maximale est de 8 m (projet photovoltaïque de Sainte-Christie Roquelaure — ID : STE-CHRISTIE_ROQUELAURE_075 ; Table 25).
Voir le code
data_pv |>
summarise(Min = min(INTER_RANG, na.rm = TRUE),
Q1 = quantile(INTER_RANG, na.rm = TRUE)[2],
Moyenne = mean(INTER_RANG, na.rm = TRUE),
Médiane = median(INTER_RANG, na.rm = TRUE),
Q3 = quantile(INTER_RANG, na.rm = TRUE)[4],
Max = max(INTER_RANG, na.rm = TRUE),
N_NA = sum(is.na(INTER_RANG)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
1,0 | 2,5 | 3,1 | 3,0 | 3,5 | 8,0 | 20 | 100 | 20 % |
Voir le code
data_pv |>
group_by(REGION) |>
summarise(Min = min(INTER_RANG, na.rm = TRUE),
Q1 = quantile(INTER_RANG, na.rm = TRUE)[2],
Moyenne = mean(INTER_RANG, na.rm = TRUE),
Mediane = median(INTER_RANG, na.rm = TRUE),
Q3 = quantile(INTER_RANG, na.rm = TRUE)[4],
Max = max(INTER_RANG, na.rm = TRUE),
N_NA = sum(is.na(INTER_RANG)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Régions | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
Île-de-France | 5,7 | 5,7 | 5,7 | 5,7 | 5,7 | 5,7 | 0 | 1 | 0 % |
Occitanie | 2,0 | 3,0 | 3,6 | 3,3 | 4,2 | 8,0 | 6 | 22 | 27 % |
Auvergne-Rhône-Alpes | 2,5 | 2,6 | 3,6 | 3,0 | 4,3 | 6,0 | 2 | 10 | 20 % |
Normandie | 3,3 | 3,3 | 3,3 | 3,3 | 3,3 | 3,3 | 0 | 1 | 0 % |
Pays de la Loire | 1,8 | 2,4 | 3,2 | 3,0 | 3,9 | 4,8 | 0 | 3 | 0 % |
Provence-Alpes-Côte d'Azur | 2,2 | 2,5 | 3,2 | 3,0 | 3,3 | 6,5 | 6 | 17 | 35 % |
Bretagne | 3,1 | 3,1 | 3,1 | 3,1 | 3,1 | 3,1 | 0 | 1 | 0 % |
Centre-Val de Loire | 2,5 | 2,6 | 3,0 | 3,0 | 3,3 | 3,7 | 0 | 4 | 0 % |
Nouvelle-Aquitaine | 1,0 | 2,3 | 2,9 | 3,0 | 3,5 | 4,0 | 4 | 25 | 16 % |
Grand Est | 2,5 | 2,5 | 2,6 | 2,5 | 2,6 | 2,7 | 1 | 4 | 25 % |
Bourgogne-Franche-Comté | 2,0 | 2,2 | 2,5 | 2,5 | 2,8 | 3,0 | 0 | 3 | 0 % |
Hauts-de-France | 2,5 | 2,5 | 2,5 | 2,5 | 2,5 | 2,5 | 0 | 1 | 0 % |
La Réunion | 2,5 | 2,5 | 2,5 | 2,5 | 2,5 | 2,5 | 0 | 2 | 0 % |
Corse | 2,3 | 2,3 | 2,4 | 2,4 | 2,4 | 2,5 | 0 | 2 | 0 % |
Guyane | 1,5 | 1,5 | 1,5 | 1,5 | 1,5 | 1,5 | 0 | 1 | 0 % |
Guadeloupe | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 0 | 1 | 0 % |
Martinique | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 0 | 1 | 0 % |
Nouvelle-Calédonie | 1 | 1 | 100 % |
4.4 Distance de raccordement
La distance de raccordement représente la distance considérée par le maître d’ouvrage entre le projet et le poste source. Cette information est manquante pour 45 % de l’échantillon. La distance minimale apparaît comme étant zéro sur la table, mais elle est en réalité de 30 m (projet photovoltaïque de Montigny-le-Chartif — ID : MONTIGNY_008). En comparaison, la distance de raccordement maximale est de 17 km (projet photovoltaïque de Grassac — ID : GRASSAC_020 ; Table 27).
Voir le code
data_pv |>
summarise(Min = min(DIST_RACCORDEMENT, na.rm = TRUE),
Q1 = quantile(DIST_RACCORDEMENT, na.rm = TRUE)[2],
Moyenne = mean(DIST_RACCORDEMENT, na.rm = TRUE),
Mediane = median(DIST_RACCORDEMENT, na.rm = TRUE),
Q3 = quantile(DIST_RACCORDEMENT, na.rm = TRUE)[4],
Max = max(DIST_RACCORDEMENT, na.rm = TRUE),
N_NA = sum(is.na(DIST_RACCORDEMENT)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
0,0 | 1,9 | 6,7 | 6,0 | 9,9 | 17,0 | 45 | 100 | 45 % |
Voir le code
data_pv |>
group_by(REGION) |>
summarise(Min = min(DIST_RACCORDEMENT, na.rm = TRUE),
Q1 = quantile(DIST_RACCORDEMENT, na.rm = TRUE)[2],
Moyenne = mean(DIST_RACCORDEMENT, na.rm = TRUE),
Mediane = median(DIST_RACCORDEMENT, na.rm = TRUE),
Q3 = quantile(DIST_RACCORDEMENT, na.rm = TRUE)[4],
Max = max(DIST_RACCORDEMENT, na.rm = TRUE),
N_NA = sum(is.na(DIST_RACCORDEMENT)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Régions | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
Bourgogne-Franche-Comté | 9,0 | 9,6 | 10,3 | 10,3 | 10,9 | 11,6 | 1 | 3 | 33 % |
Nouvelle-Aquitaine | 2,6 | 5,5 | 9,7 | 9,0 | 15,0 | 17,0 | 14 | 25 | 56 % |
Provence-Alpes-Côte d'Azur | 0,4 | 2,0 | 7,4 | 8,0 | 10,0 | 16,0 | 4 | 17 | 24 % |
Bretagne | 6,4 | 6,4 | 6,4 | 6,4 | 6,4 | 6,4 | 0 | 1 | 0 % |
Occitanie | 0,7 | 4,6 | 6,1 | 5,2 | 7,0 | 16,0 | 9 | 22 | 41 % |
Centre-Val de Loire | 0,0 | 1,7 | 5,0 | 2,4 | 5,7 | 15,0 | 0 | 4 | 0 % |
Auvergne-Rhône-Alpes | 0,3 | 0,5 | 3,9 | 1,0 | 6,0 | 11,7 | 1 | 10 | 10 % |
Grand Est | 0,4 | 0,4 | 0,4 | 0,4 | 0,4 | 0,4 | 3 | 4 | 75 % |
Corse | 0,3 | 0,3 | 0,3 | 0,3 | 0,3 | 0,3 | 1 | 2 | 50 % |
Guadeloupe | 1 | 1 | 100 % | ||||||
Guyane | 1 | 1 | 100 % | ||||||
Hauts-de-France | 1 | 1 | 100 % | ||||||
La Réunion | 2 | 2 | 100 % | ||||||
Martinique | 1 | 1 | 100 % | ||||||
Normandie | 1 | 1 | 100 % | ||||||
Nouvelle-Calédonie | 1 | 1 | 100 % | ||||||
Pays de la Loire | 3 | 3 | 100 % | ||||||
Île-de-France | 1 | 1 | 100 % |
4.5 Puissance crête
La puissance crête est la puissance maximale que peuvent fournir les projets. Le projet avec la puissance crête minimale est le projet photovoltaïque de Colonzelle (ID : COLONZELLE_001) avec 1,4 MWc et celui avec la puissance maximale est le projet photovoltaïque de Mézos (ID : MEZOS_088) avec 97,9 MWc (Table 29).
Voir le code
data_pv |>
summarise(Min = min(PUISSANCE_CRETE, na.rm = TRUE),
Q1 = quantile(PUISSANCE_CRETE, na.rm = TRUE)[2],
Moyenne = mean(PUISSANCE_CRETE, na.rm = TRUE),
Mediane = median(PUISSANCE_CRETE, na.rm = TRUE),
Q3 = quantile(PUISSANCE_CRETE, na.rm = TRUE)[4],
Max = max(PUISSANCE_CRETE, na.rm = TRUE),
N_NA = sum(is.na(PUISSANCE_CRETE)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
1,4 | 4,4 | 13,1 | 6,5 | 15,9 | 97,9 | 6 | 100 | 6 % |
Voir le code
data_pv |>
group_by(REGION) |>
summarise(Min = min(PUISSANCE_CRETE, na.rm = TRUE),
Q1 = quantile(PUISSANCE_CRETE, na.rm = TRUE)[2],
Moyenne = mean(PUISSANCE_CRETE, na.rm = TRUE),
Mediane = median(PUISSANCE_CRETE, na.rm = TRUE),
Q3 = quantile(PUISSANCE_CRETE, na.rm = TRUE)[4],
Max = max(PUISSANCE_CRETE, na.rm = TRUE),
N_NA = sum(is.na(PUISSANCE_CRETE)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Régions | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
Nouvelle-Calédonie | 60,0 | 60,0 | 60,0 | 60,0 | 60,0 | 60,0 | 0 | 1 | 0 % |
Hauts-de-France | 35,6 | 35,6 | 35,6 | 35,6 | 35,6 | 35,6 | 0 | 1 | 0 % |
Grand Est | 7,0 | 15,3 | 23,6 | 22,1 | 30,4 | 43,1 | 0 | 4 | 0 % |
Nouvelle-Aquitaine | 1,6 | 4,8 | 20,0 | 8,2 | 26,2 | 97,9 | 1 | 25 | 4 % |
Centre-Val de Loire | 4,7 | 9,5 | 19,2 | 13,3 | 22,9 | 45,3 | 0 | 4 | 0 % |
Bourgogne-Franche-Comté | 7,0 | 10,1 | 18,9 | 13,1 | 24,8 | 36,5 | 0 | 3 | 0 % |
Provence-Alpes-Côte d'Azur | 2,4 | 4,4 | 10,0 | 5,0 | 10,9 | 48,4 | 2 | 17 | 12 % |
Île-de-France | 9,1 | 9,1 | 9,1 | 9,1 | 9,1 | 9,1 | 0 | 1 | 0 % |
Auvergne-Rhône-Alpes | 1,4 | 4,4 | 7,9 | 5,7 | 8,4 | 29,7 | 0 | 10 | 0 % |
Occitanie | 3,1 | 4,6 | 7,3 | 6,3 | 7,4 | 20,4 | 3 | 22 | 14 % |
Normandie | 6,6 | 6,6 | 6,6 | 6,6 | 6,6 | 6,6 | 0 | 1 | 0 % |
Bretagne | 4,6 | 4,6 | 4,6 | 4,6 | 4,6 | 4,6 | 0 | 1 | 0 % |
Corse | 3,9 | 4,2 | 4,5 | 4,5 | 4,7 | 5,0 | 0 | 2 | 0 % |
La Réunion | 1,7 | 3,0 | 4,3 | 4,3 | 5,6 | 6,9 | 0 | 2 | 0 % |
Guadeloupe | 4,1 | 4,1 | 4,1 | 4,1 | 4,1 | 4,1 | 0 | 1 | 0 % |
Martinique | 4,0 | 4,0 | 4,0 | 4,0 | 4,0 | 4,0 | 0 | 1 | 0 % |
Pays de la Loire | 3,4 | 3,5 | 3,9 | 3,5 | 4,2 | 4,8 | 0 | 3 | 0 % |
Guyane | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 0 | 1 | 0 % |
5 Analyses sur l’écologie des sites des projets photovoltaïques
Cette section analyse les informations écologiques relatives aux sites des projets qui ont été renseignées dans les dossiers d’étude d’impact lors de l’état initial.
5.1 Aire rapprochée des projets photovoltaïques
L’aire d’étude rapprochée est une zone tampon autour de la zone d’étude (ZIP). Certains inventaires peuvent être réalisés dans cette zone, notamment pour les espèces migratrices. Elle permet d’intégrer les habitats connexes présentant une continuité avec le site d’étude.
L’aire rapprochée la plus proche est à 50 m du projet (noté 0 dans la table du fait de l’arrondi), c’est le cas pour dix projets, dont le projet photovoltaïque de Serrières-de-Briord (ID : SERRIERES-DE-BRIORD_005) par exemple. Au contraire, l’aire rapprochée la plus éloignée est à 5 km du projet, c’est le cas pour trois projets. En moyenne, l’aire rapprochée est à environ 1,2 km du projet, cependant, cette information n’est renseignée que pour 73 % de l’échantillon (Table 31).
Voir le code
data_pv |>
summarise(Min = min(DIST_AIRE_RAPPRO, na.rm = TRUE),
Q1 = quantile(DIST_AIRE_RAPPRO, na.rm = TRUE)[2],
Moyenne = mean(DIST_AIRE_RAPPRO, na.rm = TRUE),
Mediane = median(DIST_AIRE_RAPPRO, na.rm = TRUE),
Q3 = quantile(DIST_AIRE_RAPPRO, na.rm = TRUE)[4],
Max = max(DIST_AIRE_RAPPRO, na.rm = TRUE),
N_NA = sum(is.na(DIST_AIRE_RAPPRO)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
0,0 | 0,5 | 1,2 | 1,0 | 2,0 | 5,0 | 27 | 100 | 27 % |
Voir le code
data_pv |>
group_by(REGION) |>
summarise(Min = min(DIST_AIRE_RAPPRO, na.rm = TRUE),
Q1 = quantile(DIST_AIRE_RAPPRO, na.rm = TRUE)[2],
Moyenne = mean(DIST_AIRE_RAPPRO, na.rm = TRUE),
Mediane = median(DIST_AIRE_RAPPRO, na.rm = TRUE),
Q3 = quantile(DIST_AIRE_RAPPRO, na.rm = TRUE)[4],
Max = max(DIST_AIRE_RAPPRO, na.rm = TRUE),
N_NA = sum(is.na(DIST_AIRE_RAPPRO)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %"))|>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Régions | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
Bretagne | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 0 | 1 | 0 % |
Pays de la Loire | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 2 | 3 | 67 % |
Corse | 4,0 | 4,0 | 4,0 | 4,0 | 4,0 | 4,0 | 1 | 2 | 50 % |
Centre-Val de Loire | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 2 | 4 | 50 % |
Grand Est | 1,0 | 1,0 | 1,5 | 1,5 | 2,0 | 2,0 | 0 | 4 | 0 % |
Nouvelle-Aquitaine | 0,0 | 0,6 | 1,2 | 1,0 | 1,0 | 5,0 | 7 | 25 | 28 % |
Auvergne-Rhône-Alpes | 0,0 | 0,5 | 1,2 | 0,5 | 2,0 | 3,0 | 1 | 10 | 10 % |
Provence-Alpes-Côte d'Azur | 0,0 | 0,5 | 1,0 | 1,0 | 1,5 | 2,0 | 4 | 17 | 24 % |
Occitanie | 0,0 | 0,1 | 0,9 | 1,0 | 1,0 | 3,0 | 4 | 22 | 18 % |
Bourgogne-Franche-Comté | 0,5 | 0,6 | 0,8 | 0,8 | 0,9 | 1,0 | 1 | 3 | 33 % |
Guadeloupe | 0,5 | 0,5 | 0,5 | 0,5 | 0,5 | 0,5 | 0 | 1 | 0 % |
Normandie | 0,5 | 0,5 | 0,5 | 0,5 | 0,5 | 0,5 | 0 | 1 | 0 % |
Île-de-France | 0,5 | 0,5 | 0,5 | 0,5 | 0,5 | 0,5 | 0 | 1 | 0 % |
Hauts-de-France | 0,1 | 0,1 | 0,1 | 0,1 | 0,1 | 0,1 | 0 | 1 | 0 % |
Guyane | 1 | 1 | 100 % | ||||||
La Réunion | 2 | 2 | 100 % | ||||||
Martinique | 1 | 1 | 100 % | ||||||
Nouvelle-Calédonie | 1 | 1 | 100 % |
5.2 Aire éloignée des projets photovoltaïques
L’aire d’étude éloignée est une zone tampon autour de la zone d’étude (ZIP), plus large que l’aire rapprochée. Cette aire intègre les périmètres du patrimoine naturel (aires protégées, ZNIEFF) et les continuités écologiques. Il s’agit d’une étude essentiellement bibliographique.
L’aire éloignée la plus proche est à 1 km du projet ; il s’agit des projets photovoltaïques de Perpignan (ID : PERPIGNAN_079) et Meilhan (ID : MEILHAN_087). L’aire éloignée avec la distance la plus élevée est de 15 km pour le projet photovoltaïque de Palaja (ID : PALAJA_078). En moyenne, l’aire éloignée est à environ 6 km du projet. Cette information est davantage renseignée que celle de l’aire rapprochée puisqu’elle est manquante dans seulement 10 % des dossiers (Table 33).
Voir le code
data_pv |>
summarise(Min = min(DIST_AIRE_ELOIGNEE, na.rm = TRUE),
Q1 = quantile(DIST_AIRE_ELOIGNEE, na.rm = TRUE)[2],
Moyenne = mean(DIST_AIRE_ELOIGNEE, na.rm = TRUE),
Mediane = median(DIST_AIRE_ELOIGNEE, na.rm = TRUE),
Q3 = quantile(DIST_AIRE_ELOIGNEE, na.rm = TRUE)[4],
Max = max(DIST_AIRE_ELOIGNEE, na.rm = TRUE),
N_NA = sum(is.na(DIST_AIRE_ELOIGNEE)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
1,0 | 5,0 | 6,0 | 5,0 | 7,0 | 15,0 | 10 | 100 | 10 % |
Voir le code
data_pv |>
group_by(REGION) |>
summarise(Min = min(DIST_AIRE_ELOIGNEE, na.rm = TRUE),
Q1 = quantile(DIST_AIRE_ELOIGNEE, na.rm = TRUE)[2],
Moyenne = mean(DIST_AIRE_ELOIGNEE, na.rm = TRUE),
Mediane = median(DIST_AIRE_ELOIGNEE, na.rm = TRUE),
Q3 = quantile(DIST_AIRE_ELOIGNEE, na.rm = TRUE)[4],
Max = max(DIST_AIRE_ELOIGNEE, na.rm = TRUE),
N_NA = sum(is.na(DIST_AIRE_ELOIGNEE)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %"))|>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Régions | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
Bretagne | 10,0 | 10,0 | 10,0 | 10,0 | 10,0 | 10,0 | 0 | 1 | 0 % |
Pays de la Loire | 5,0 | 7,0 | 8,0 | 9,0 | 9,5 | 10,0 | 0 | 3 | 0 % |
Provence-Alpes-Côte d'Azur | 3,0 | 5,0 | 7,5 | 7,5 | 10,0 | 11,0 | 2 | 17 | 12 % |
Corse | 5,0 | 6,2 | 7,5 | 7,5 | 8,8 | 10,0 | 0 | 2 | 0 % |
Bourgogne-Franche-Comté | 5,0 | 5,0 | 6,7 | 5,0 | 7,5 | 10,0 | 0 | 3 | 0 % |
Guadeloupe | 6,0 | 6,0 | 6,0 | 6,0 | 6,0 | 6,0 | 0 | 1 | 0 % |
Occitanie | 1,0 | 5,0 | 6,0 | 5,0 | 6,0 | 15,0 | 0 | 22 | 0 % |
Auvergne-Rhône-Alpes | 3,0 | 5,0 | 5,9 | 5,0 | 5,8 | 10,0 | 0 | 10 | 0 % |
Nouvelle-Aquitaine | 1,0 | 5,0 | 5,2 | 5,0 | 5,0 | 10,0 | 3 | 25 | 12 % |
Centre-Val de Loire | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 1 | 4 | 25 % |
Hauts-de-France | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 0 | 1 | 0 % |
Normandie | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 0 | 1 | 0 % |
Île-de-France | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 0 | 1 | 0 % |
Grand Est | 3,0 | 4,5 | 4,5 | 5,0 | 5,0 | 5,0 | 0 | 4 | 0 % |
La Réunion | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 1 | 2 | 50 % |
Guyane | 1 | 1 | 100 % | ||||||
Martinique | 1 | 1 | 100 % | ||||||
Nouvelle-Calédonie | 1 | 1 | 100 % |
5.3 Informations sur les méthodologies
Deux méthodologies sont observées dans les études d’impact : la méthodologie des enjeux et celle des impacts sur l’environnement. Pour déterminer si l’étude d’impact présente l’une ou l’autre de ces méthodologies, nous nous sommes appuyés sur la grille d’aide à l’analyse de l’évaluation environnementale4.
La méthode d’identification des enjeux écologiques présents sur les sites des projets n’est décrite que pour 31 % de l’échantillon.
Selon l’évaluation environnementale, une bonne méthodologie des enjeux doit présenter les caractéristiques suivantes :
Une identification des enjeux au-delà des listes rouges ou des statuts réglementaires,
Une hiérarchisation des critères explicités avec des arguments et une vulnérabilité définie non seulement par la rareté mais également par la sensibilité fonctionnelle.
Voir le code
data_pv |>
group_by(REGION) |>
summarise(
total = length(unique(ID_UNIQUE)),
n = sum(METHODE_ENJEUX == TRUE, na.rm = TRUE),
pct = ifelse(is.na(n),
NA_character_,
paste0(round((n / total) * 100, 0), " %"))) |>
ggplot(aes(x = n,
y = reorder(REGION, n))) +
geom_col(fill = "#E2EFD9",
col = "#70AD47",
linewidth = 1) +
labs(x = "Nombre de projets",
y = "Régions") +
geom_text(aes(x = n + max(n) * 0.07,
y = reorder(REGION, n),
label = pct),
colour = "black",
size = 3.5) +
scale_x_continuous(position = "top") +
theme_publish()
Les pourcentages représentent la proportion des projets avec une méthodologie par rapport au nombre total de projets par région.
La méthode d’identification des impacts écologiques des projets n’est décrite que pour 18 % des projets de l’échantillon.
Selon l’évaluation environnementale, une bonne méthodologie des impacts sur l’environnement doit présenter les caractéristiques suivantes :
Une cartographie et un bilan quantitatif des incidences sur les habitats,
Une qualification rigoureuse de l’intensité des impacts catégorisés avec des critères explicites ainsi qu’une analyse spatio-temporelle des effets du projet (directs/indirects, cumulés, brutes/résiduels).
Voir le code
data_pv |>
group_by(REGION) |>
summarise(n = sum(METHODE_IMPACTS == TRUE, na.rm = TRUE),
n_tot = length(unique(ID_UNIQUE)),
pct = (n / n_tot) * 100) |>
ggplot(aes(x = n,
y = reorder(REGION, n))) +
geom_col(fill = "#E2EFD9",
col = "#70AD47",
linewidth = 1) +
labs(x = "Nombre de projets",
y = "Régions") +
geom_text(aes(x = n + max(n) * 0.07,
y = reorder(REGION, n),
label = paste0(round(pct, 0), " %")),
colour = "black",
size = 3.5) +
scale_x_continuous(position = "top") +
theme_publish()
Les pourcentages représentent la proportion des projets avec une méthodologie par rapport au nombre total de projets par région.
Seuls 13 projets précisent leur méthodologie d’évaluation des impacts et celle des enjeux écologiques.
Voir le code
data_pv |>
group_by(REGION) |>
summarise(n_impacts = sum(METHODE_IMPACTS == TRUE, na.rm = TRUE),
n_enjeux = sum(METHODE_ENJEUX == TRUE, na.rm = TRUE)) |>
pivot_longer(cols = c("n_impacts", "n_enjeux"),
names_to = "type_methodo",
values_to = "n") |>
ggplot(aes(x = n,
y = reorder(REGION, n),
fill = type_methodo, colour = type_methodo)) +
geom_col(position = "dodge",
linewidth = 1) +
labs(x = "Nombre de projets",
y = "Région") +
scale_x_continuous(position = "top") +
scale_fill_manual(name = "Méthodologie des",
values = c("n_enjeux" = "#e2efd9",
"n_impacts" = "#deeaf6"),
labels = c("n_enjeux" = "Enjeux",
"n_impacts" = "Impacts")) +
scale_color_manual(name = "Méthodologie des",
values = c("n_enjeux" = "#70ad47",
"n_impacts" = "#5b9bd5"),
labels = c("n_enjeux" = "Enjeux",
"n_impacts" = "Impacts")) +
theme_publish() +
theme(legend.position = "bottom")
5.4 Nombre de dossiers déposés dans DEPOBIO
DEPOBIO est une application de téléservice géré par le MNHN et le Parc national des Ecrins. Cet outil permet la saisie et le versement des données brutes de biodiversité acquises lors des études d’évaluation des impacts d’un projet sur l’environnement.
L’article 7 de la loi du 8 août 2016 pour la reconquête de la biodiversité, de la nature et des paysages (articles L.411-1-A et D.411-21-1 et suivant du Code de l’environnement) oblige les maîtres d’ouvrages publics et privés d’apporter une contribution à l’inventaire du patrimoine naturel en versant les données brutes de biodiversité produites dans le cadre d’études d’impact.
DEPOBIO ayant été mis en service à la date du 1er juin 2018, les projets datant d’avant 2018 ne sont pas considérés dans les analyses relatives à cette plateforme. 5 projets de centrales photovoltaïques ont alors été retirés : celui de Poggio-di-Nazza (ID : POGGIO-DI-NAZZA_074) qui date de 2016 et ceux d’Aubignosc, Montfort, Palaja et de La Tour-Blanche-Cercles (ID : AUBIGNOSC_041, MONTFORT_044, PALAJA_078, LA-TOUR-BLANCHE-CERCLES_096) qui datent de 2017.
Sur les 95 projets restant, 73 ont déposé au moins un jeu de données dans DEPOBIO. Sur ces 73 projets, 5 d’entre eux n’ont pas déposé de données d’observation d’espèces.
Notons que parmi les 22 projets n’ayant pas déposé de données sur DEPOBIO, 7 d’entre eux datent de 2018. Il est possible que ces projets précèdent le lancement de l’application, ce qui expliquerait cette absence de dépôt.
5.5 Inventaires écologiques des sites des projets photovoltaïques
Les inventaires des espèces ont été réalisés dans l’aire rapprochée pour 48 projets. Pour les 52 projets restants, l’inventaire a été réalisé dans la zone d’implantation potentielle du projet.
5.5.1 Richesse spécifique des sites des projets photovoltaïques
5.5.1.1 Nombre total d’espèces des sites des projets renseignées dans les études d’impact
Le nombre d’espèces est calculé à partir des inventaires renseignés dans les études d’impacts. Lorsque les bureaux d’études n’indiquent pas le nombre total d’espèces par taxons ou lorsque seules les espèces patrimoniales sont mentionnées, nous avons indiqué NA dans la base.
Le nombre minimal d’espèces répertoriées sur un site de projet photovoltaïque est de 32. Il s’agit du projet photovoltaïque de Mondragon (ID : MONDRAGON_067). Le nombre maximal d’espèces identifiées est de 443 pour le projet photovoltaïque de Saint-Jean-Lespinasse (ID : ST-JEAN-LESPINASSE_040).
Le projet photovoltaïque de Rochebrune (ID : ROCHEBRUNE_047) n’a aucune information sur le nombre d’espèces. Les inventaires ont bien été réalisés dans cette étude mais il n’y est indiqué que les espèces patrimoniales. Nous avons donc fait le choix de mettre NA dans la base. En moyenne, 232 espèces sont inventoriées sur les sites des projets de l’échantillon (Table 35).
Voir le code
data_pv |>
summarise(Min = min(NB_SP_TOTAL, na.rm = TRUE),
Q1 = quantile(NB_SP_TOTAL, na.rm = TRUE)[2],
Moyenne = mean(NB_SP_TOTAL, na.rm = TRUE),
Mediane = median(NB_SP_TOTAL, na.rm = TRUE),
Q3 = quantile(NB_SP_TOTAL, na.rm = TRUE)[4],
Max = max(NB_SP_TOTAL, na.rm = TRUE),
N_NA = sum(is.na(NB_SP_TOTAL)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
32 | 174,5 | 232,7 | 230 | 304,5 | 443 | 1 | 100 | 1 % |
Voir le code
data_pv |>
group_by(REGION) |>
summarise(Min = min(NB_SP_TOTAL, na.rm = TRUE),
Q1 = quantile(NB_SP_TOTAL, na.rm = TRUE)[2],
Moyenne = mean(NB_SP_TOTAL, na.rm = TRUE),
Mediane = median(NB_SP_TOTAL, na.rm = TRUE),
Q3 = quantile(NB_SP_TOTAL, na.rm = TRUE)[4],
Max = max(NB_SP_TOTAL, na.rm = TRUE),
N_NA = sum(is.na(NB_SP_TOTAL)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Régions | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
Hauts-de-France | 385 | 385,0 | 385,0 | 385,0 | 385,0 | 385 | 0 | 1 | 0 % |
Normandie | 380 | 380,0 | 380,0 | 380,0 | 380,0 | 380 | 0 | 1 | 0 % |
Bourgogne-Franche-Comté | 234 | 300,0 | 326,7 | 366,0 | 373,0 | 380 | 0 | 3 | 0 % |
Occitanie | 57 | 238,5 | 284,5 | 277,5 | 350,0 | 443 | 0 | 22 | 0 % |
Île-de-France | 278 | 278,0 | 278,0 | 278,0 | 278,0 | 278 | 0 | 1 | 0 % |
Auvergne-Rhône-Alpes | 146 | 187,8 | 264,8 | 261,5 | 333,0 | 391 | 0 | 10 | 0 % |
Corse | 198 | 217,2 | 236,5 | 236,5 | 255,8 | 275 | 0 | 2 | 0 % |
Bretagne | 230 | 230,0 | 230,0 | 230,0 | 230,0 | 230 | 0 | 1 | 0 % |
Nouvelle-Aquitaine | 47 | 161,0 | 216,0 | 201,0 | 292,0 | 345 | 0 | 25 | 0 % |
Centre-Val de Loire | 93 | 185,2 | 211,5 | 219,5 | 245,8 | 314 | 0 | 4 | 0 % |
Provence-Alpes-Côte d'Azur | 32 | 165,2 | 206,6 | 204,5 | 249,0 | 405 | 1 | 17 | 6 % |
Pays de la Loire | 141 | 176,0 | 194,7 | 211,0 | 221,5 | 232 | 0 | 3 | 0 % |
Grand Est | 79 | 158,5 | 189,5 | 189,0 | 220,0 | 301 | 0 | 4 | 0 % |
Guadeloupe | 183 | 183,0 | 183,0 | 183,0 | 183,0 | 183 | 0 | 1 | 0 % |
Martinique | 97 | 97,0 | 97,0 | 97,0 | 97,0 | 97 | 0 | 1 | 0 % |
La Réunion | 41 | 50,8 | 60,5 | 60,5 | 70,2 | 80 | 0 | 2 | 0 % |
Guyane | 58 | 58,0 | 58,0 | 58,0 | 58,0 | 58 | 0 | 1 | 0 % |
Nouvelle-Calédonie | 49 | 49,0 | 49,0 | 49,0 | 49,0 | 49 | 0 | 1 | 0 % |
5.5.1.2 Nombre total d’espèces selon les dossiers déposés dans DEPOBIO
Le nombre total d’espèces n’est pas toujours le même dans les dossiers déposés sur DEPOBIO et dans les études d’impacts. Le nombre d’espèces indiqué dans DEPOBIO a donc été calculé pour les projets d’après 2018 inclus (rappel : cela représente 95 projets).
Ainsi, le nombre minimal d’espèces selon les données sur DEPOBIO est de 16 pour le projet de centrale photovoltaïque de Laissac, qui a 277 espèces d’après son étude d’impact. Au contraire, le nombre maximal d’espèces est de 492 pour le projet de centrale photovoltaïque de Levens, alors que ce dernier a un total de 268 espèces selon son étude d’impact (Table 37).
Voir le code
depobio |>
summarise(Min = min(NB_SP_DEPOBIO, na.rm = TRUE),
Q1 = quantile(NB_SP_DEPOBIO, na.rm = TRUE)[2],
Moyenne = mean(NB_SP_DEPOBIO, na.rm = TRUE),
Mediane = median(NB_SP_DEPOBIO, na.rm = TRUE),
Q3 = quantile(NB_SP_DEPOBIO, na.rm = TRUE)[4],
Max = max(NB_SP_DEPOBIO, na.rm = TRUE),
N_NA = sum(is.na(NB_SP_DEPOBIO)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
16 | 115,5 | 208,1 | 200,0 | 292,2 | 492 | 27 | 95 | 28 % |
Voir le code
depobio |>
group_by(REGION) |>
summarise(Min = min(NB_SP_DEPOBIO, na.rm = TRUE),
Q1 = quantile(NB_SP_DEPOBIO, na.rm = TRUE)[2],
Moyenne = mean(NB_SP_DEPOBIO, na.rm = TRUE),
Mediane = median(NB_SP_DEPOBIO, na.rm = TRUE),
Q3 = quantile(NB_SP_DEPOBIO, na.rm = TRUE)[4],
Max = max(NB_SP_DEPOBIO, na.rm = TRUE),
N_NA = sum(is.na(NB_SP_DEPOBIO)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Régions | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
Hauts-de-France | 430,0 | 430,0 | 430,0 | 430,0 | 430,0 | 430,0 | 0 | 1 | 0 % |
Normandie | 374,0 | 374,0 | 374,0 | 374,0 | 374,0 | 374,0 | 0 | 1 | 0 % |
Bourgogne-Franche-Comté | 233,0 | 288,0 | 315,3 | 343,0 | 356,5 | 370,0 | 0 | 3 | 0 % |
Centre-Val de Loire | 201,0 | 208,5 | 244,3 | 216,0 | 266,0 | 316,0 | 1 | 4 | 25 % |
Nouvelle-Aquitaine | 21,0 | 159,0 | 208,4 | 207,0 | 292,8 | 371,0 | 4 | 24 | 17 % |
Provence-Alpes-Côte d'Azur | 70,0 | 104,0 | 205,4 | 118,5 | 274,5 | 492,0 | 5 | 15 | 33 % |
Occitanie | 16,0 | 122,0 | 202,9 | 230,0 | 258,5 | 435,0 | 7 | 21 | 33 % |
Guyane | 202,0 | 202,0 | 202,0 | 202,0 | 202,0 | 202,0 | 0 | 1 | 0 % |
Grand Est | 145,0 | 152,5 | 201,3 | 160,0 | 229,5 | 299,0 | 1 | 4 | 25 % |
Corse | 199,0 | 199,0 | 199,0 | 199,0 | 199,0 | 199,0 | 0 | 1 | 0 % |
Guadeloupe | 169,0 | 169,0 | 169,0 | 169,0 | 169,0 | 169,0 | 0 | 1 | 0 % |
Pays de la Loire | 100,0 | 105,0 | 151,3 | 110,0 | 177,0 | 244,0 | 0 | 3 | 0 % |
Auvergne-Rhône-Alpes | 87,0 | 103,2 | 149,3 | 118,5 | 136,0 | 332,0 | 4 | 10 | 40 % |
Martinique | 78,0 | 78,0 | 78,0 | 78,0 | 78,0 | 78,0 | 0 | 1 | 0 % |
Bretagne | 1 | 1 | 100 % | ||||||
La Réunion | 2 | 2 | 100 % | ||||||
Nouvelle-Calédonie | 1 | 1 | 100 % | ||||||
Île-de-France | 1 | 1 | 100 % |
5.5.1.3 Différence entre le nombre d’espèces totales entre les études d’impact et DEPOBIO
La différence entre le nombre d’espèces totales entre les études d’impact et DEPOBIO n’a été calculée que pour les projets datant d’après 2018 inclus.
Un seul projet indique le même nombre d’espèces dans DEPOBIO et dans son étude d’impact, celui de la centrale photovoltaïque de Perpignan (PERPIGNAN_079 ; Fig 10 ; Table 39).
Voir le code
depobio |>
mutate(DIFF_NB_SP_TOT = as.numeric(ifelse(!is.na(NB_SP_TOTAL) & !is.na(NB_SP_DEPOBIO),
NB_SP_TOTAL - NB_SP_DEPOBIO,
NA_character_))) |>
ggplot(aes(x = DIFF_NB_SP_TOT)) +
geom_histogram(binwidth = 1, position = "identity", col = "#70AD47", fill = "#E2EFD9", linewidth = .5) +
# xlim(-50, 50) +
scale_x_continuous(breaks = seq(-300, 300, by = 50)) +
labs(x = "Différence entre le nombre total d'espèces dans les études d'impact et dans DEPOBIO",
y = "Nombre de projets") +
theme_publish()
La différence est calculée en soustrayant le nombre total d’espèces dans DEPOBIO au nombre total d’espèces dans les études d’impact. Une valeur négative indique qu’il y a plus d’espèces indiquées dans DEPOBIO que dans les études d’impact et une valeur positive indique qu’il y a plus d’espèces renseignées dans les études d’impact que dans DEPOBIO.
Voir le code
depobio |>
mutate(DIFF_NB_SP_TOT = as.numeric(ifelse(!is.na(NB_SP_TOTAL) & !is.na(NB_SP_DEPOBIO),
NB_SP_TOTAL - NB_SP_DEPOBIO,
NA_character_))) |>
summarise(Min = min(DIFF_NB_SP_TOT, na.rm = TRUE),
Q1 = quantile(DIFF_NB_SP_TOT, na.rm = TRUE)[2],
Moyenne = mean(DIFF_NB_SP_TOT, na.rm = TRUE),
Mediane = median(DIFF_NB_SP_TOT, na.rm = TRUE),
Q3 = quantile(DIFF_NB_SP_TOT, na.rm = TRUE)[4],
Max = max(DIFF_NB_SP_TOT, na.rm = TRUE),
N_NA = sum(is.na(DIFF_NB_SP_TOT)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
-284,0 | -7,0 | 34,0 | 6,0 | 89,5 | 294,0 | 28 | 95 | 29 % |
5.5.1.4 Nombres d’espèces protégées avec des impacts bruts
Le nombre d’espèces protégées avec impacts bruts est calculé à partir des tableaux d’incidences réalisés par les bureaux d’études. Les espèces sont prises en compte lorsque l’impact est considéré comme “faible” a minima. L’espèce n’est pas comptabilisée lorsque l’impact est “très faible” ou “négligeable”. La protection des espèces est vérifiée avec TaxRef.
Lorsque les incidences ne sont pas précisées pour chaque espèce mais par groupe taxonomique (ex : amphibien ou oiseaux des milieux ouverts), nous nous référons à la liste des espèces données dans l’inventaire.
60 % des projets indiquent le nombre d’espèces protégées avec des impacts bruts. En moyenne, 22 espèces protégées sont sujettes à des impacts bruts du projet. 6 projets n’indiquent aucun impact brut sur des espèces protégées (Table 40).
Voir le code
data_pv |>
summarise(Min = min(NB_SP_PROTEGEES_IMPACT, na.rm = TRUE),
Q1 = quantile(NB_SP_PROTEGEES_IMPACT, na.rm = TRUE)[2],
Moyenne = mean(NB_SP_PROTEGEES_IMPACT, na.rm = TRUE),
Mediane = median(NB_SP_PROTEGEES_IMPACT, na.rm = TRUE),
Q3 = quantile(NB_SP_PROTEGEES_IMPACT, na.rm = TRUE)[4],
Max = max(NB_SP_PROTEGEES_IMPACT, na.rm = TRUE),
N_NA = sum(is.na(NB_SP_PROTEGEES_IMPACT)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
0 | 10,0 | 22,2 | 17,0 | 30,0 | 109 | 40 | 100 | 40 % |
Voir le code
data_pv |>
group_by(REGION) |>
summarise(Min = min(NB_SP_PROTEGEES_IMPACT, na.rm = TRUE),
Q1 = quantile(NB_SP_PROTEGEES_IMPACT, na.rm = TRUE)[2],
Moyenne = mean(NB_SP_PROTEGEES_IMPACT, na.rm = TRUE),
Mediane = median(NB_SP_PROTEGEES_IMPACT, na.rm = TRUE),
Q3 = quantile(NB_SP_PROTEGEES_IMPACT, na.rm = TRUE)[4],
Max = max(NB_SP_PROTEGEES_IMPACT, na.rm = TRUE),
N_NA = sum(is.na(NB_SP_PROTEGEES_IMPACT)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Régions | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
Normandie | 69,0 | 69,0 | 69,0 | 69,0 | 69,0 | 69,0 | 0 | 1 | 0 % |
Auvergne-Rhône-Alpes | 0,0 | 13,8 | 38,0 | 32,5 | 43,0 | 109,0 | 4 | 10 | 40 % |
Île-de-France | 38,0 | 38,0 | 38,0 | 38,0 | 38,0 | 38,0 | 0 | 1 | 0 % |
Bourgogne-Franche-Comté | 36,0 | 36,0 | 36,0 | 36,0 | 36,0 | 36,0 | 2 | 3 | 67 % |
Grand Est | 20,0 | 27,5 | 35,0 | 35,0 | 42,5 | 50,0 | 2 | 4 | 50 % |
Provence-Alpes-Côte d'Azur | 12,0 | 19,0 | 27,4 | 27,0 | 34,0 | 63,0 | 3 | 17 | 18 % |
Corse | 15,0 | 21,0 | 27,0 | 27,0 | 33,0 | 39,0 | 0 | 2 | 0 % |
Nouvelle-Aquitaine | 0,0 | 10,0 | 18,8 | 14,0 | 23,0 | 64,0 | 12 | 25 | 48 % |
Occitanie | 2,0 | 6,0 | 12,9 | 12,0 | 15,0 | 37,0 | 9 | 22 | 41 % |
Centre-Val de Loire | 2,0 | 5,5 | 9,0 | 9,0 | 12,5 | 16,0 | 1 | 4 | 25 % |
Pays de la Loire | 0,0 | 3,0 | 6,0 | 6,0 | 9,0 | 12,0 | 1 | 3 | 33 % |
Bretagne | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0 | 1 | 0 % |
Hauts-de-France | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0 | 1 | 0 % |
Guadeloupe | 1 | 1 | 100 % | ||||||
Guyane | 1 | 1 | 100 % | ||||||
La Réunion | 2 | 2 | 100 % | ||||||
Martinique | 1 | 1 | 100 % | ||||||
Nouvelle-Calédonie | 1 | 1 | 100 % |
5.5.1.5 Nombre d’espèces inventoriées sur les sites des projets photovoltaïques par taxon
Le nombre d’espèces inventoriées sur les sites des projets varie fortement d’un taxon à l’autre. Certains taxons sont davantage renseignés que d’autres. Très peu de projets ont des inventaires de mollusques, de poissons et d’araignées, seulement 3 %, 1 % et 1 % des projets de l’échantillon respectivement. Pour les poissons, cela s’explique du fait de la nature des projets photovoltaïques : la majorité n’est pas sur des sites avec des plans d’eau. Au contraire, des inventaires pour les autres taxons (à l’exception de la flore) sont présents dans plus de 90 % des projets de l’échantillon (Fig 13).
Le nombre d’espèces inventoriées sur le site des projets est beaucoup plus élevé pour la flore vasculaire, les insectes et les oiseaux, que pour les autres taxons (Fig 11 ; Fig 12 ; Table 42). Ce nombre plus important d’espèces inventoriées pour la flore peut s’expliquer par la facilité d’observation de ces taxons (immobilité des individus, identification photographique simple).
Les taxons qui ne sont pas représentés ici ne sont pas étudiés dans les études d’impact.
Voir le code
data_pv |>
subset(select = c(ID_UNIQUE, REGION, NB_SP_OISEAUX:NB_SP_POISSONS)) |>
pivot_longer(cols = c(NB_SP_OISEAUX:NB_SP_POISSONS),
names_to = "TAXON",
values_to = "NB_SP") |>
filter(!is.na(NB_SP)) |>
mutate(TAXON = str_sub(TAXON, start = 7)) |>
mutate(TAXON = recode(TAXON,
"OISEAUX" = "Oiseaux",
"MAMMIFERES" = "Mammifères",
"CHIRO" = "Chiroptères",
"REPTILES" = "Reptiles",
"AMPHIB" = "Amphibiens",
"INSECTES" = "Insectes",
"ARACHNIDES" = "Arachnides",
"MOLLUSQUES" = "Mollusques",
"POISSONS" = "Poissons",
.default = TAXON)) |>
ggplot(aes(x = reorder(TAXON, -NB_SP), y = NB_SP)) +
geom_violin(fill = "#e2efd9") +
geom_boxplot(width = .2,
fill = "#70ad47") +
labs(x = "Taxons",
y = "Nombre d'espèces") +
theme_publish() +
theme(axis.text.x = element_text(angle = 20,
vjust = 0.6,
hjust = 0.5)) 
Voir le code
data_pv |>
subset(select = c(ID_UNIQUE, REGION, NB_SP_FLORE)) |>
filter(!is.na(NB_SP_FLORE)) |>
pivot_longer(cols = c(NB_SP_FLORE),
names_to = "TAXON",
values_to = "NB_SP") |>
mutate(TAXON = str_sub(TAXON, start = 7)) |>
mutate(TAXON = recode(TAXON,
"FLORE" = "Flore",
.default = TAXON)) |>
ggplot(aes(x = TAXON, y = NB_SP)) +
geom_violin(fill = "#e2efd9") +
geom_boxplot(width = .2,
fill = "#70ad47") +
labs(x = NULL,
y = "Nombre d'espèces floristiques") +
theme_publish()
Voir le code
data_pv |>
subset(select = c(ID_UNIQUE, REGION, NB_SP_FLORE:NB_SP_POISSONS)) |>
pivot_longer(cols = c(NB_SP_FLORE:NB_SP_POISSONS),
names_to = "TAXON",
values_to = "NB_SP") |>
mutate(TAXON = str_sub(TAXON, start = 7)) |>
mutate(TAXON = recode(TAXON,
"FLORE" = "Flore",
"OISEAUX" = "Oiseaux",
"MAMMIFERES" = "Mammifères",
"CHIRO" = "Chiroptères",
"REPTILES" = "Reptiles",
"AMPHIB" = "Amphibiens",
"INSECTES" = "Insectes",
"ARACHNIDES" = "Arachnides",
"MOLLUSQUES" = "Mollusques",
"POISSONS" = "Poissons",
.default = TAXON)) |>
group_by(TAXON) |>
summarise(Min = min(NB_SP, na.rm = TRUE),
Q1 = quantile(NB_SP, na.rm = TRUE)[2],
Moyenne = mean(NB_SP, na.rm = TRUE),
Mediane = median(NB_SP, na.rm = TRUE),
Q3 = quantile(NB_SP, na.rm = TRUE)[4],
Max = max(NB_SP, na.rm = TRUE),
N_NA = sum(is.na(NB_SP)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") TAXON | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|
Flore | 24 | 110,2 | 147,0 | 141,0 | 189,8 | 311 | 10 | 100 | 10 % |
Insectes | 0 | 28,8 | 44,4 | 40,0 | 58,0 | 178 | 8 | 100 | 8 % |
Oiseaux | 7 | 30,8 | 40,6 | 39,0 | 52,2 | 78 | 4 | 100 | 4 % |
Poissons | 12 | 12,0 | 12,0 | 12,0 | 12,0 | 12 | 99 | 100 | 99 % |
Chiroptères | 0 | 5,0 | 9,3 | 9,0 | 13,0 | 20 | 8 | 100 | 8 % |
Mammifères | 0 | 3,0 | 4,8 | 5,0 | 7,0 | 12 | 6 | 100 | 6 % |
Reptiles | 0 | 2,0 | 2,9 | 3,0 | 4,0 | 8 | 3 | 100 | 3 % |
Amphibiens | 0 | 0,0 | 2,2 | 2,0 | 4,0 | 8 | 3 | 100 | 3 % |
Mollusques | 0 | 1,0 | 2,0 | 2,0 | 3,0 | 4 | 97 | 100 | 97 % |
Arachnides | 1 | 1,0 | 1,0 | 1,0 | 1,0 | 1 | 99 | 100 | 99 % |
5.5.1.6 Nombre de projets
Voir le code
data_pv |>
subset(select = c(ID_UNIQUE, NB_SP_FLORE:NB_SP_POISSONS)) |>
pivot_longer(cols = c(NB_SP_FLORE:NB_SP_POISSONS),
names_to = "TAXON",
values_to = "NB_SP") |>
mutate(TAXON = str_sub(TAXON, start = 7)) |>
mutate(TAXON = recode(TAXON,
"FLORE" = "Flore",
"OISEAUX" = "Oiseaux",
"MAMMIFERES" = "Mammifères",
"CHIRO" = "Chiroptères",
"REPTILES" = "Reptiles",
"AMPHIB" = "Amphibiens",
"INSECTES" = "Insectes",
"ARACHNIDES" = "Arachnides",
"MOLLUSQUES" = "Mollusques",
"POISSONS" = "Poissons",
.default = TAXON)) |>
group_by(TAXON) |>
summarise(n_projet = sum(!is.na(NB_SP))) |>
mutate(PCT = round((n_projet) / total_projets * 100, 0)) |>
ggplot(aes(x = reorder(TAXON, -n_projet), y = n_projet)) +
geom_col(fill = "#E2EFD9",
col = "#70AD47",
linewidth = 1) +
labs(x = "Taxons",
y = "Nombre de projets non-NA") +
geom_text(aes(x = reorder(TAXON, -n_projet),
y = n_projet + max(n_projet) * 0.08,
label = ifelse(PCT == "0", "",
paste0(PCT, " %")))) +
theme_publish() +
theme(axis.text.x = element_text(angle = 20,
vjust = 0.6,
hjust = 0.5))
Voir le code
# on regarde les stats générales
data_pv |>
subset(select = c(ID_UNIQUE, REGION, NB_SP_FLORE:NB_SP_POISSONS)) |>
pivot_longer(cols = c(NB_SP_FLORE:NB_SP_POISSONS),
names_to = "TAXON",
values_to = "NB_SP") |>
mutate(TAXON = str_sub(TAXON, start = 7)) |>
mutate(TAXON = recode(TAXON,
"FLORE" = "Flore",
"OISEAUX" = "Oiseaux",
"MAMMIFERES" = "Mammifères",
"CHIRO" = "Chiroptères",
"REPTILES" = "Reptiles",
"AMPHIB" = "Amphibiens",
"INSECTES" = "Insectes",
"ARACHNIDES" = "Arachnides",
"MOLLUSQUES" = "Mollusques",
"POISSONS" = "Poissons",
.default = TAXON)) |>
group_by(REGION, TAXON) |>
summarise(Min = min(NB_SP, na.rm = TRUE),
Q1 = quantile(NB_SP, na.rm = TRUE)[2],
Moyenne = mean(NB_SP, na.rm = TRUE),
Mediane = median(NB_SP, na.rm = TRUE),
Q3 = quantile(NB_SP, na.rm = TRUE)[4],
Max = max(NB_SP, na.rm = TRUE),
N_NA = sum(is.na(NB_SP)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max),
~ifelse(is.infinite(.), NA, .))) |>
arrange(REGION, desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"TAXON" = "Taxons",
"Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
merge_v(j = 1) |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Régions | Taxons | Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|---|---|
Auvergne-Rhône-Alpes | Flore | 43,0 | 121,2 | 159,8 | 160,5 | 203,2 | 274,0 | 0 | 10 | 0 % |
Insectes | 16,0 | 39,0 | 51,2 | 56,0 | 66,0 | 75,0 | 1 | 10 | 10 % | |
Oiseaux | 7,0 | 30,2 | 37,8 | 32,5 | 52,0 | 62,0 | 0 | 10 | 0 % | |
Chiroptères | 9,0 | 11,0 | 13,4 | 12,0 | 16,8 | 19,0 | 0 | 10 | 0 % | |
Mammifères | 0,0 | 1,0 | 4,0 | 4,0 | 5,0 | 10,0 | 1 | 10 | 10 % | |
Reptiles | 1,0 | 2,0 | 2,8 | 3,0 | 3,0 | 6,0 | 0 | 10 | 0 % | |
Amphibiens | 0,0 | 0,2 | 1,3 | 1,0 | 2,0 | 4,0 | 0 | 10 | 0 % | |
Arachnides | 10 | 10 | 100 % | |||||||
Mollusques | 10 | 10 | 100 % | |||||||
Poissons | 10 | 10 | 100 % | |||||||
Bourgogne-Franche-Comté | Flore | 130,0 | 168,0 | 212,7 | 206,0 | 254,0 | 302,0 | 0 | 3 | 0 % |
Oiseaux | 29,0 | 41,0 | 49,7 | 53,0 | 60,0 | 67,0 | 0 | 3 | 0 % | |
Insectes | 20,0 | 21,5 | 34,3 | 23,0 | 41,5 | 60,0 | 0 | 3 | 0 % | |
Chiroptères | 11,0 | 12,5 | 13,3 | 14,0 | 14,5 | 15,0 | 0 | 3 | 0 % | |
Mammifères | 8,0 | 8,5 | 9,7 | 9,0 | 10,5 | 12,0 | 0 | 3 | 0 % | |
Reptiles | 3,0 | 4,0 | 4,3 | 5,0 | 5,0 | 5,0 | 0 | 3 | 0 % | |
Amphibiens | 0,0 | 2,0 | 2,7 | 4,0 | 4,0 | 4,0 | 0 | 3 | 0 % | |
Arachnides | 3 | 3 | 100 % | |||||||
Mollusques | 3 | 3 | 100 % | |||||||
Poissons | 3 | 3 | 100 % | |||||||
Bretagne | Flore | 148,0 | 148,0 | 148,0 | 148,0 | 148,0 | 148,0 | 0 | 1 | 0 % |
Insectes | 40,0 | 40,0 | 40,0 | 40,0 | 40,0 | 40,0 | 0 | 1 | 0 % | |
Oiseaux | 37,0 | 37,0 | 37,0 | 37,0 | 37,0 | 37,0 | 0 | 1 | 0 % | |
Mammifères | 3,0 | 3,0 | 3,0 | 3,0 | 3,0 | 3,0 | 0 | 1 | 0 % | |
Amphibiens | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 0 | 1 | 0 % | |
Reptiles | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 0 | 1 | 0 % | |
Mollusques | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0 | 1 | 0 % | |
Arachnides | 1 | 1 | 100 % | |||||||
Chiroptères | 1 | 1 | 100 % | |||||||
Poissons | 1 | 1 | 100 % | |||||||
Centre-Val de Loire | Flore | 41,0 | 89,8 | 121,2 | 124,5 | 156,0 | 195,0 | 0 | 4 | 0 % |
Oiseaux | 33,0 | 35,2 | 45,5 | 45,0 | 55,2 | 59,0 | 0 | 4 | 0 % | |
Insectes | 11,0 | 26,0 | 29,5 | 32,5 | 36,0 | 42,0 | 0 | 4 | 0 % | |
Chiroptères | 0,0 | 4,5 | 7,5 | 7,0 | 10,0 | 16,0 | 0 | 4 | 0 % | |
Mammifères | 2,0 | 3,5 | 4,8 | 4,5 | 5,8 | 8,0 | 0 | 4 | 0 % | |
Amphibiens | 0,0 | 1,0 | 2,0 | 2,0 | 3,0 | 4,0 | 1 | 4 | 25 % | |
Reptiles | 0,0 | 1,0 | 2,0 | 2,0 | 3,0 | 4,0 | 1 | 4 | 25 % | |
Arachnides | 4 | 4 | 100 % | |||||||
Mollusques | 4 | 4 | 100 % | |||||||
Poissons | 4 | 4 | 100 % | |||||||
Corse | Flore | 120,0 | 124,5 | 129,0 | 129,0 | 133,5 | 138,0 | 0 | 2 | 0 % |
Oiseaux | 31,0 | 37,5 | 44,0 | 44,0 | 50,5 | 57,0 | 0 | 2 | 0 % | |
Insectes | 26,0 | 32,5 | 39,0 | 39,0 | 45,5 | 52,0 | 0 | 2 | 0 % | |
Chiroptères | 9,0 | 10,2 | 11,5 | 11,5 | 12,8 | 14,0 | 0 | 2 | 0 % | |
Reptiles | 4,0 | 4,8 | 5,5 | 5,5 | 6,2 | 7,0 | 0 | 2 | 0 % | |
Mammifères | 3,0 | 4,0 | 5,0 | 5,0 | 6,0 | 7,0 | 0 | 2 | 0 % | |
Amphibiens | 1,0 | 1,8 | 2,5 | 2,5 | 3,2 | 4,0 | 0 | 2 | 0 % | |
Arachnides | 2 | 2 | 100 % | |||||||
Mollusques | 2 | 2 | 100 % | |||||||
Poissons | 2 | 2 | 100 % | |||||||
Grand Est | Flore | 120,0 | 136,5 | 152,7 | 153,0 | 169,0 | 185,0 | 1 | 4 | 25 % |
Oiseaux | 41,0 | 48,5 | 55,7 | 56,0 | 63,0 | 70,0 | 1 | 4 | 25 % | |
Insectes | 9,0 | 17,2 | 20,5 | 22,5 | 25,8 | 28,0 | 0 | 4 | 0 % | |
Chiroptères | 3,0 | 5,5 | 7,7 | 8,0 | 10,0 | 12,0 | 1 | 4 | 25 % | |
Mammifères | 2,0 | 3,5 | 5,0 | 4,0 | 5,5 | 10,0 | 0 | 4 | 0 % | |
Reptiles | 1,0 | 1,8 | 1,8 | 2,0 | 2,0 | 2,0 | 0 | 4 | 0 % | |
Amphibiens | 0,0 | 0,0 | 0,2 | 0,0 | 0,2 | 1,0 | 0 | 4 | 0 % | |
Arachnides | 4 | 4 | 100 % | |||||||
Mollusques | 4 | 4 | 100 % | |||||||
Poissons | 4 | 4 | 100 % | |||||||
Guadeloupe | Flore | 151,0 | 151,0 | 151,0 | 151,0 | 151,0 | 151,0 | 0 | 1 | 0 % |
Oiseaux | 21,0 | 21,0 | 21,0 | 21,0 | 21,0 | 21,0 | 0 | 1 | 0 % | |
Chiroptères | 6,0 | 6,0 | 6,0 | 6,0 | 6,0 | 6,0 | 0 | 1 | 0 % | |
Amphibiens | 4,0 | 4,0 | 4,0 | 4,0 | 4,0 | 4,0 | 0 | 1 | 0 % | |
Reptiles | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 0 | 1 | 0 % | |
Arachnides | 1 | 1 | 100 % | |||||||
Insectes | 1 | 1 | 100 % | |||||||
Mammifères | 1 | 1 | 100 % | |||||||
Mollusques | 1 | 1 | 100 % | |||||||
Poissons | 1 | 1 | 100 % | |||||||
Guyane | Oiseaux | 51,0 | 51,0 | 51,0 | 51,0 | 51,0 | 51,0 | 0 | 1 | 0 % |
Amphibiens | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 0 | 1 | 0 % | |
Reptiles | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 0 | 1 | 0 % | |
Mammifères | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0 | 1 | 0 % | |
Arachnides | 1 | 1 | 100 % | |||||||
Chiroptères | 1 | 1 | 100 % | |||||||
Flore | 1 | 1 | 100 % | |||||||
Insectes | 1 | 1 | 100 % | |||||||
Mollusques | 1 | 1 | 100 % | |||||||
Poissons | 1 | 1 | 100 % | |||||||
Hauts-de-France | Flore | 207,0 | 207,0 | 207,0 | 207,0 | 207,0 | 207,0 | 0 | 1 | 0 % |
Oiseaux | 78,0 | 78,0 | 78,0 | 78,0 | 78,0 | 78,0 | 0 | 1 | 0 % | |
Insectes | 74,0 | 74,0 | 74,0 | 74,0 | 74,0 | 74,0 | 0 | 1 | 0 % | |
Chiroptères | 13,0 | 13,0 | 13,0 | 13,0 | 13,0 | 13,0 | 0 | 1 | 0 % | |
Amphibiens | 6,0 | 6,0 | 6,0 | 6,0 | 6,0 | 6,0 | 0 | 1 | 0 % | |
Mammifères | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 0 | 1 | 0 % | |
Reptiles | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 0 | 1 | 0 % | |
Arachnides | 1 | 1 | 100 % | |||||||
Mollusques | 1 | 1 | 100 % | |||||||
Poissons | 1 | 1 | 100 % | |||||||
La Réunion | Flore | 24,0 | 31,0 | 38,0 | 38,0 | 45,0 | 52,0 | 0 | 2 | 0 % |
Oiseaux | 12,0 | 12,5 | 13,0 | 13,0 | 13,5 | 14,0 | 0 | 2 | 0 % | |
Mammifères | 4,0 | 4,0 | 4,0 | 4,0 | 4,0 | 4,0 | 1 | 2 | 50 % | |
Insectes | 3,0 | 3,0 | 3,0 | 3,0 | 3,0 | 3,0 | 1 | 2 | 50 % | |
Amphibiens | 1,0 | 1,5 | 2,0 | 2,0 | 2,5 | 3,0 | 0 | 2 | 0 % | |
Chiroptères | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 0 | 2 | 0 % | |
Reptiles | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 0 | 2 | 0 % | |
Arachnides | 2 | 2 | 100 % | |||||||
Mollusques | 2 | 2 | 100 % | |||||||
Poissons | 2 | 2 | 100 % | |||||||
Martinique | Flore | 65,0 | 65,0 | 65,0 | 65,0 | 65,0 | 65,0 | 0 | 1 | 0 % |
Oiseaux | 15,0 | 15,0 | 15,0 | 15,0 | 15,0 | 15,0 | 0 | 1 | 0 % | |
Insectes | 10,0 | 10,0 | 10,0 | 10,0 | 10,0 | 10,0 | 0 | 1 | 0 % | |
Chiroptères | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 5,0 | 0 | 1 | 0 % | |
Amphibiens | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 0 | 1 | 0 % | |
Reptiles | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 0 | 1 | 0 % | |
Mammifères | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0 | 1 | 0 % | |
Arachnides | 1 | 1 | 100 % | |||||||
Mollusques | 1 | 1 | 100 % | |||||||
Poissons | 1 | 1 | 100 % | |||||||
Normandie | Flore | 240,0 | 240,0 | 240,0 | 240,0 | 240,0 | 240,0 | 0 | 1 | 0 % |
Oiseaux | 60,0 | 60,0 | 60,0 | 60,0 | 60,0 | 60,0 | 0 | 1 | 0 % | |
Insectes | 49,0 | 49,0 | 49,0 | 49,0 | 49,0 | 49,0 | 0 | 1 | 0 % | |
Chiroptères | 14,0 | 14,0 | 14,0 | 14,0 | 14,0 | 14,0 | 0 | 1 | 0 % | |
Amphibiens | 7,0 | 7,0 | 7,0 | 7,0 | 7,0 | 7,0 | 0 | 1 | 0 % | |
Mammifères | 6,0 | 6,0 | 6,0 | 6,0 | 6,0 | 6,0 | 0 | 1 | 0 % | |
Reptiles | 4,0 | 4,0 | 4,0 | 4,0 | 4,0 | 4,0 | 0 | 1 | 0 % | |
Arachnides | 1 | 1 | 100 % | |||||||
Mollusques | 1 | 1 | 100 % | |||||||
Poissons | 1 | 1 | 100 % | |||||||
Nouvelle-Aquitaine | Flore | 56,0 | 93,0 | 137,9 | 125,0 | 183,5 | 240,0 | 2 | 25 | 8 % |
Oiseaux | 15,0 | 30,0 | 39,1 | 39,0 | 47,5 | 61,0 | 2 | 25 | 8 % | |
Insectes | 5,0 | 22,2 | 36,0 | 33,5 | 52,2 | 67,0 | 1 | 25 | 4 % | |
Chiroptères | 1,0 | 5,8 | 9,4 | 10,0 | 13,0 | 15,0 | 1 | 25 | 4 % | |
Mammifères | 1,0 | 3,0 | 4,9 | 5,0 | 7,0 | 9,0 | 0 | 25 | 0 % | |
Reptiles | 1,0 | 2,0 | 2,4 | 2,0 | 3,0 | 5,0 | 0 | 25 | 0 % | |
Amphibiens | 0,0 | 0,0 | 2,3 | 1,0 | 3,0 | 8,0 | 0 | 25 | 0 % | |
Arachnides | 25 | 25 | 100 % | |||||||
Mollusques | 25 | 25 | 100 % | |||||||
Poissons | 25 | 25 | 100 % | |||||||
Nouvelle-Calédonie | Flore | 35,0 | 35,0 | 35,0 | 35,0 | 35,0 | 35,0 | 0 | 1 | 0 % |
Oiseaux | 14,0 | 14,0 | 14,0 | 14,0 | 14,0 | 14,0 | 0 | 1 | 0 % | |
Amphibiens | 1 | 1 | 100 % | |||||||
Arachnides | 1 | 1 | 100 % | |||||||
Chiroptères | 1 | 1 | 100 % | |||||||
Insectes | 1 | 1 | 100 % | |||||||
Mammifères | 1 | 1 | 100 % | |||||||
Mollusques | 1 | 1 | 100 % | |||||||
Poissons | 1 | 1 | 100 % | |||||||
Reptiles | 1 | 1 | 100 % | |||||||
Occitanie | Flore | 66,0 | 130,0 | 175,4 | 178,0 | 201,0 | 311,0 | 1 | 22 | 5 % |
Insectes | 11,0 | 34,0 | 51,1 | 51,0 | 60,5 | 133,0 | 0 | 22 | 0 % | |
Oiseaux | 21,0 | 35,8 | 46,1 | 49,0 | 51,8 | 73,0 | 0 | 22 | 0 % | |
Poissons | 12,0 | 12,0 | 12,0 | 12,0 | 12,0 | 12,0 | 21 | 22 | 95 % | |
Chiroptères | 3,0 | 4,0 | 8,2 | 7,0 | 10,0 | 20,0 | 1 | 22 | 5 % | |
Mammifères | 0,0 | 4,0 | 5,2 | 5,5 | 7,0 | 9,0 | 0 | 22 | 0 % | |
Mollusques | 2,0 | 2,5 | 3,0 | 3,0 | 3,5 | 4,0 | 20 | 22 | 91 % | |
Amphibiens | 0,0 | 1,2 | 3,0 | 2,5 | 5,0 | 6,0 | 0 | 22 | 0 % | |
Reptiles | 1,0 | 2,0 | 3,0 | 3,0 | 3,8 | 7,0 | 0 | 22 | 0 % | |
Arachnides | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 1,0 | 21 | 22 | 95 % | |
Pays de la Loire | Flore | 115,0 | 118,5 | 121,3 | 122,0 | 124,5 | 127,0 | 0 | 3 | 0 % |
Oiseaux | 13,0 | 24,0 | 30,7 | 35,0 | 39,5 | 44,0 | 0 | 3 | 0 % | |
Insectes | 0,0 | 12,0 | 21,7 | 24,0 | 32,5 | 41,0 | 0 | 3 | 0 % | |
Chiroptères | 6,0 | 9,0 | 10,0 | 12,0 | 12,0 | 12,0 | 0 | 3 | 0 % | |
Reptiles | 4,0 | 4,5 | 4,7 | 5,0 | 5,0 | 5,0 | 0 | 3 | 0 % | |
Mammifères | 0,0 | 2,0 | 4,3 | 4,0 | 6,5 | 9,0 | 0 | 3 | 0 % | |
Amphibiens | 0,0 | 1,0 | 2,0 | 2,0 | 3,0 | 4,0 | 0 | 3 | 0 % | |
Arachnides | 3 | 3 | 100 % | |||||||
Mollusques | 3 | 3 | 100 % | |||||||
Poissons | 3 | 3 | 100 % | |||||||
Provence-Alpes-Côte d'Azur | Flore | 50,0 | 101,8 | 122,8 | 125,5 | 148,2 | 172,0 | 5 | 17 | 29 % |
Insectes | 7,0 | 39,0 | 63,8 | 48,0 | 73,0 | 178,0 | 2 | 17 | 12 % | |
Oiseaux | 13,0 | 32,5 | 37,1 | 37,5 | 39,2 | 63,0 | 1 | 17 | 6 % | |
Chiroptères | 2,0 | 6,0 | 8,9 | 8,0 | 11,5 | 18,0 | 2 | 17 | 12 % | |
Mammifères | 1,0 | 2,0 | 4,1 | 4,0 | 6,0 | 9,0 | 2 | 17 | 12 % | |
Reptiles | 1,0 | 2,0 | 3,8 | 3,0 | 5,0 | 8,0 | 1 | 17 | 6 % | |
Amphibiens | 0,0 | 0,0 | 1,6 | 1,0 | 3,0 | 5,0 | 1 | 17 | 6 % | |
Arachnides | 17 | 17 | 100 % | |||||||
Mollusques | 17 | 17 | 100 % | |||||||
Poissons | 17 | 17 | 100 % | |||||||
Île-de-France | Flore | 180,0 | 180,0 | 180,0 | 180,0 | 180,0 | 180,0 | 0 | 1 | 0 % |
Insectes | 52,0 | 52,0 | 52,0 | 52,0 | 52,0 | 52,0 | 0 | 1 | 0 % | |
Oiseaux | 35,0 | 35,0 | 35,0 | 35,0 | 35,0 | 35,0 | 0 | 1 | 0 % | |
Mammifères | 6,0 | 6,0 | 6,0 | 6,0 | 6,0 | 6,0 | 0 | 1 | 0 % | |
Chiroptères | 3,0 | 3,0 | 3,0 | 3,0 | 3,0 | 3,0 | 0 | 1 | 0 % | |
Reptiles | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 2,0 | 0 | 1 | 0 % | |
Amphibiens | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0 | 1 | 0 % | |
Arachnides | 1 | 1 | 100 % | |||||||
Mollusques | 1 | 1 | 100 % | |||||||
Poissons | 1 | 1 | 100 % |
5.6 Demande de dérogation espèces protégées
Seulement 15 projets ont fait une demande de dérogation pour espèces protégées.
5.7 Incidences Natura 2000
On dénombre 68 projets indiquant des évaluation d’incidences sur des sites Natura 2000.
5.8 Habitats
Les typologies relatives aux habitats étant différentes en Outre-mer, les analyses sur les habitats ne portent que sur les projets localisés en Hexagone.
Les codes EUNIS utilisés sont ceux de la version datant de 2012.
Voir le code
# on sépare les combinaisons d'habitats
habitats_sep <- habitats |>
# on retire les informations qui ne sont plus appropriées
subset(select = -c(SURF_HAB_INITIALE, PERTE_SURF_HAB, HIC)) |>
separate_rows(CODE_EUNIS,
sep = " x ")
# on créé une colonne pour réduire les habitats au niveau 3
habitats_niv3 <- habitats_sep |>
mutate(EUNIS_NIV3 = str_replace(CODE_EUNIS,
"(\\..).*",
"\\1"))
# on joint la table des codes EUNIS
habitats_eunis <- habitats_niv3 |>
left_join(subset(code_eunis, select = c(LB_CODE, NIVEAU)), by = c("EUNIS_NIV3" = "LB_CODE")) |>
# on re-rajoute les surfaces initiales et perdues des habitats et les HIC
left_join(subset(habitats, select = c(ID, ID_UNIQUE, HABITAT, CODE_EUNIS, HIC, SURF_HAB_INITIALE, PERTE_SURF_HAB)), by = c("ID", "ID_UNIQUE", "HABITAT", "CODE_EUNIS"))
# on précise si les habitats sont des codes EUNIS ou pas
habitats_hic <- habitats_eunis |>
filter(is.na(HIC)) |>
mutate(HIC2 = ifelse(CODE_EUNIS %in% corresp_eunis_hic$EUNIS_code, TRUE, FALSE))
# on raccroche ces infos pour avoir la table final
habitats_final <- habitats_eunis |>
left_join(subset(habitats_hic, select = c(ID, ID_UNIQUE, HABITAT, CODE_EUNIS, REGION, NB_HAB, EUNIS_NIV3, HIC2)), by = c("ID", "ID_UNIQUE", "HABITAT", "CODE_EUNIS", "REGION", "NB_HAB", "EUNIS_NIV3")) |>
mutate(HIC = coalesce(HIC, HIC2)) |>
select(-c(HIC2))5.8.1 Nombre d’habitats associés aux projets photovoltaïques
Les habitats sont étudiés au niveau 3 des codes EUNIS. Les habitats de niveau 1 et 2 ont été identifiés au niveau 3 à l’aide du guide de détermination des habitats EUNIS. De plus, les habitats en mosaïque (combinaisons de codes EUNIS ) ont été séparés pour comptabiliser chacun des codes individuellement.
Au total, sur les 94 projets photovoltaïques en Hexagone (6 projets étant localisés en Outre-mer), 124 habitats différents uniques (d’après les codes EUNIS uniques de niveau 3) ont été répertoriés.
5.8.1.1 Nombre d’habitats par projets photovoltaïques
Le nombre d’habitats inventoriés sur les sites des projets photovoltaïques a été calculé à partir des intitulés des habitats et non à partir des codes EUNIS, afin de rester fidèle au nombre d’habitats identifiés dans les études d’impact.
Le nombre minimal d’habitats identifiés sur les sites des projets est de 1 pour le projet photovoltaïque de Varages (ID : VARAGES_070) et le nombre maximal est de 38 pour le projet photovoltaïque de Cressin-Rochefort (ID : CRESSIN-ROCHEFORT_002). En moyenne, les projets ont 11 habitats différents (Fig 14 ; Table 44).
Voir le code
data_pv |>
filter(!(REGION %in% c("La Réunion", "Nouvelle-Calédonie", "Guadeloupe", "Guyane", "Martinique"))) |>
ggplot(aes(x = NB_HAB)) +
geom_histogram(position = "identity",
fill = "#E2EFD9",
col = "#70AD47",
linewidth = 1) +
labs(x = "Nombre d'habitats par projet",
y = "Nombre de projets") +
theme_publish()
Voir le code
data_pv |>
filter(!(REGION %in% c("La Réunion", "Nouvelle-Calédonie", "Guadeloupe", "Guyane", "Martinique"))) |>
summarise(Min = min(NB_HAB, na.rm = TRUE),
Q1 = quantile(NB_HAB, na.rm = TRUE)[2],
Moyenne = mean(NB_HAB, na.rm = TRUE),
Mediane = median(NB_HAB, na.rm = TRUE),
Q3 = quantile(NB_HAB, na.rm = TRUE)[4],
Max = max(NB_HAB, na.rm = TRUE),
N_NA = sum(is.na(NB_HAB)),
N_projet = length(unique(ID_UNIQUE)),
pct_NA = paste0(round((N_NA / N_projet) * 100, 0), " %")) |>
mutate(across(c(Min, Q1, Moyenne, Mediane, Q3, Max), ~ifelse(is.infinite(.), NA, .))) |>
arrange(desc(Moyenne)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("Min" = "Minimum",
"Q1" = "1er Quartile",
"Mediane" = "Médiane",
"Q3" = "3e Quartile",
"Max" = "Maximum",
"N_NA" = "# de NAs",
"N_projet" = "# de projets",
"pct_NA" = "% de NAs") |>
colformat_num(big.mark = "\U00A0", digits = 0) |>
colformat_double(big.mark = "\U00A0", digits = 1) |>
set_table_properties(layout = "autofit") Minimum | 1er Quartile | Moyenne | Médiane | 3e Quartile | Maximum | # de NAs | # de projets | % de NAs |
|---|---|---|---|---|---|---|---|---|
1 | 7,0 | 11,4 | 10,0 | 15,0 | 38 | 0 | 94 | 0 % |
Voir le code
data_pv |>
filter(!(REGION %in% c("La Réunion", "Nouvelle-Calédonie", "Guadeloupe", "Guyane", "Martinique"))) |>
subset(select = c(ID_UNIQUE, NB_HAB)) |>
arrange(desc(NB_HAB)) |>
flextable() |>
theme_vanilla() |>
set_header_labels(
ID_UNIQUE = "Identifiants des projets",
NB_HAB = "Nombre d'habitats") |>
autofit() |>
merge_v(j = "ID_UNIQUE")Identifiants des projets | Nombre d'habitats |
|---|---|
CRESSIN-ROCHEFORT_002 | 38 |
MONTIGNY_008 | 30 |
CAHUZAC-ADOUR_031 | 28 |
CHANTENAY_006 | 26 |
ESQUAY_017 | 24 |
RION-DES-LANDES_086 | 22 |
CHAZE-HENRY_058 | 22 |
VALDEROURE_068 | 22 |
VINS-SUR-CARAMY_071 | 22 |
ORADOUR_024 | 20 |
CALES_085 | 20 |
MEILHAN_087 | 19 |
NEUILLY-SUR-SUIZE_056 | 18 |
BESSENS_076 | 18 |
SERRIERES-DE-BRIORD_005 | 17 |
GENTE_019 | 17 |
TERRES-HAUTE-CHARENTE_028 | 17 |
ST-JEAN-LESPINASSE_040 | 17 |
PALAJA_078 | 17 |
AURIAC-DU-PERIGORD_094 | 17 |
HAUCONCOURT_014 | 16 |
BAYET_061 | 16 |
DURANCE_091 | 16 |
BRIGUEUIL_018 | 15 |
RIVAILLES_022 | 15 |
KERAMBRIS_007 | 14 |
TOUVERAC_029 | 13 |
ROCHEBRUNE_047 | 13 |
TROUHAUT_052 | 13 |
PERSAC_093 | 13 |
COLONZELLE_001 | 12 |
LA-COURTINE_021 | 12 |
LA-SAUVETAT_080 | 12 |
BATIE-ROLLAND_003 | 11 |
TAPONNAT_027 | 11 |
ST-JEAN-ILLAC_090 | 11 |
ST-ANTONIN-NOBLE-VAL_083 | 11 |
PIA_039 | 11 |
ETAMPES_016 | 11 |
SOLARO_010 | 10 |
VILLERS-ST-SEPULCRE_015 | 10 |
AUBIGNOSC_042 | 10 |
MONTFORT_045 | 10 |
REVEST-ST-MARTIN_046 | 10 |
ST-CALAIS_049 | 10 |
VITRY-EN-CHAROLLAIS_051 | 10 |
LACHAPELLE-AUZAC_035 | 10 |
OROIX_038 | 10 |
VILLEMOLAQUE_077 | 10 |
LUSSAC_023 | 9 |
MONDRAGON_067 | 9 |
LEVENS_072 | 9 |
LA-COUVERTOIRADE_082 | 9 |
GRASSAC_020 | 8 |
BACH_030 | 8 |
CIZOS_032 | 8 |
CONDOM_033 | 8 |
JEGUN_034 | 8 |
STE-TULLE-MOULIN_048 | 8 |
LARAMIERE_036 | 8 |
DURTAL_057 | 8 |
LE-POUZIN_060 | 8 |
NOGENT_009 | 8 |
MONTELEGER_059 | 8 |
MEZOS_088 | 8 |
MIGNE-AUXANCES_092 | 8 |
ECHIRE_095 | 8 |
CINTEGABELLE_081 | 7 |
DAIGNY_013 | 7 |
GRIGNAN_063 | 7 |
CERE_069 | 7 |
FONTENET_089 | 7 |
ST-SULPICE-LE-GUERETOIS_025 | 6 |
MOISSAC-BELLEVUE_066 | 6 |
LE-MONTSAUGEONNAIS_055 | 6 |
BLYES_062 | 6 |
SENAS_064 | 6 |
MALLEMORT_073 | 6 |
POGGIO-DI-NAZZA_074 | 5 |
AUBIGNOSC_041 | 5 |
MONTFORT_044 | 5 |
LA-TOUR-BLANCHE-CERCLES_096 | 5 |
BRAS_043 | 5 |
BOURDELAS_026 | 5 |
MARTIGUES_065 | 5 |
MASSEUBE_037 | 5 |
BRIARE_054 | 5 |
SAINT-ROMANS_004 | 5 |
LAISSAC_084 | 5 |
BOUSSES_097 | 5 |
SALIGNY-LE-VIF_053 | 4 |
STE-CHRISTIE_ROQUELAURE_075 | 4 |
PERPIGNAN_079 | 3 |
VARAGES_070 | 1 |
5.8.1.2 Nombre d’habitats par région
A contrario du calcul du nombre d’habitats par projet, le nombre d’habitats par région a été calculé à partir des codes EUNIS des habitats. Cela dans l’objectif de ne pas compter un même habitat plusieurs fois (c’est-à-dire que si un même habitat est présent dans deux projets d’une même région, il n’est compté qu’une seule fois).
Voir le code
ggplot() +
geom_sf(data = count_hab_region,
aes(fill = NB_TOT_HAB),
color = "black") +
scale_fill_gradient(low = "#e2efd9",
high = "#70ad47") +
geom_sf_text(data = count_hab_region,
aes(label = NB_TOT_HAB),
color = "black",
size = 4) +
ggtitle("Hexagone") +
labs(fill = "Nombre d'habitats \n des projets PV") +
theme_void() +
theme(legend.position = "none") 
Voir le code
habitats_final |>
group_by(REGION) |>
summarise(NB_TOT_HAB = length(unique(na.omit(EUNIS_NIV3)))) |>
arrange(desc(NB_TOT_HAB)) |>
flextable() |>
theme_vanilla() |>
set_header_labels(
REGION = "Région",
NB_TOT_HAB = "Nombre d'habitats") |>
autofit()Région | Nombre d'habitats |
|---|---|
Nouvelle-Aquitaine | 73 |
Occitanie | 71 |
Provence-Alpes-Côte d'Azur | 54 |
Auvergne-Rhône-Alpes | 52 |
Grand Est | 30 |
Bourgogne-Franche-Comté | 29 |
Centre-Val de Loire | 28 |
Pays de la Loire | 25 |
Normandie | 19 |
Bretagne | 12 |
Corse | 10 |
Île-de-France | 10 |
Hauts-de-France | 7 |
5.8.2 Habitats les plus récurrents
Rappelons que certains projets ont des mosaïques d’habitats (sous la forme de E5.1 x I1.5 par exemple), ces derniers ont été séparés pour que chaque habitat soit pris en compte individuellement.
Seulement les dix habitats les plus récurrents sont indiqués ci-dessous. L’habitat le plus récurrent sur les sites des projets photovoltaïques de l’échantillon est celui associé au code EUNIS F3.1, c’est-à-dire les fourrés tempérés, avec 160 occurrences (Table 47).
Voir le code
habitats_final |>
filter(!is.na(EUNIS_NIV3)) |>
group_by(EUNIS_NIV3) |>
summarise(Nombre = n()) |>
left_join(subset(code_eunis, select = c(LB_CODE, LB_HAB_FR, LB_HAB_EN)),
by = c("EUNIS_NIV3" = "LB_CODE")) |>
select(EUNIS_NIV3, LB_HAB_FR, Nombre) |>
arrange(desc(Nombre)) |>
slice(1:10) |>
flextable() |>
theme_vanilla() |>
set_header_labels(
EUNIS_NIV3 = "Code EUNIS",
LB_HAB_FR = "Intitulé du code") |>
autofit()Code EUNIS | Intitulé du code | Nombre |
|---|---|---|
F3.1 | Fourrés tempérés | 160 |
I1.5 | Friches, jachères ou terres arables récemment abandonnées | 76 |
E1.2 | Pelouses calcaires vivaces et steppes riches en bases | 71 |
E5.1 | Végétations herbacées anthropiques | 68 |
E2.2 | Prairies de fauche de basse et moyenne altitudes | 46 |
G1.A | Boisements mésotrophes et eutrophes à Quercus, Carpinus, Fraxinus, Acer, Tilia, Ulmus et boisements associés | 33 |
G3.7 | Pinèdes méditerranéennes planitiaires à montagnardes (hors Pinus nigra) | 33 |
J4.2 | Réseaux routiers | 32 |
E5.3 | Formations à Pteridium aquilinum | 29 |
G1.7 | Forêts caducifoliées thermophiles | 28 |
5.9 Nombre de projet avec des habitats d’intérêt communautaire
Comme expliqué précédemment, les combinaisons d’habitats (de la forme E2.1 x F3.2) ont été séparés afin de considérer chaque habitat individuellement. Or, les données relatives aux surfaces (surface initiale et surface perdue) et au caractère d’habitat d’intérêt communautaire étaient indiquées pour la combinaison d’habitats et non pour l’habitat individuel. Il a donc été décidé pour ces combinaisons de :
retirer les données relatives aux surfaces, car il n’était pas possible de définir la surface de chaque habitat individuellement,
et d’utiliser une table des correspondances5 entre les codes EUNIS 2008 (considérant que les données sont en code EUNIS 2012, un expert du sujet a été sollicité et a approuvé l’utilisation de cette table) et les HIC afin de préciser pour chaque habitat individuel des combinaisons s’il s’agissait d’un HIC ou non.
60 projets photovoltaïques ont sur leur site au moins un habitat d’intérêt communautaire (HIC).
Au total, 170 habitats d’intérêt communautaire ont été renseignés dans les projets. Cela représente une diversité de 94 HIC, d’après les codes EUNIS exact renseignés dans les études d’impact et non ceux arrondis au niveau 3.
Informations relatives aux surfaces :
95 (56 %) des 170 HIC ont une information sur leur surface initiale,
Sur ces 95 HIC, 21 (22 %) ont également une information sur leur perte de surface,
6 (29 %) de ces 21 HIC ne présentent aucune perte de surface.
Pour rappel, les surfaces des mosaïques d’habitats ont été supprimées.
5.10 Informations relatives aux surfaces des habitats
La surface initiale de l’habitat est donnée pour 666 habitats répertoriés (51 %). Parmi ces 666 habitats, la perte de surface d’habitat suite au projet n’est renseignée que pour 157 (24 %) habitats (3 habitats ont une perte de surface renseignée sans avoir de surface initiale, car cette dernière est renseignée sous forme de pourcentage pour les habitats de ce projet).
Il n’y a aucune perte d’habitat pour 61 (39 %) de ces 157 habitats. 11 (7 %) de ces 157 habitats ont perdu 100 % de leur surface initiale.
6 Analyses sur les mesures ERC des projets photovoltaïques
Cette section s’intéresse aux informations relatives aux mesures ERCAS (Évitement, Réduction, Compensation, Accompagnement et Suivi) proposées dans les dossiers d’étude d’impact des projets photovoltaïques.
Les mesures ERCA sont définies comme telles par le Ministère de la Transition écologique, de la Biodiversié et des Négociations internationales sur le climat et la nature :
Évitement : une mesure qui modifie un projet afin de supprimer un impact négatif identifié que ce projet engendrerait.
Réduction : une mesure définie après l’évitement et visant à réduire les impacts négatifs permanents ou temporaires d’un projet sur l’environnement, en phase chantier ou en phase d’exploitation.
Compensation : une mesure qui a pour objectif d’apporter une contrepartie aux effets négatifs notables, directs ou indirects du projet qui n’ont pu être évités ou suffisamment réduits. Les mesures de compensation sont mises en œuvre en priorité sur le site endommagé ou à proximité de celui-ci afin de garantir sa fonctionnalité de manière pérenne. Elles doivent permettre de conserver globalement et, si possible, d’améliorer la qualité environnementale des milieux.
Les mesures d’accompagnement et de suivi ne s’inscrivent pas dans un cadre réglementaire ou législatif obligatoire. Les mesures d’accompagnement peuvent être proposées en complément des mesures compensatoires mais ne sont pas suffisantes en elles-mêmes. Les mesures de suivi écologiques vont permettre d’effectuer un contrôle sur les mesures ERC misent en place.
Un guide d’aide à la définition des mesures ERC a été écrit par le Cerema en 2018. Il présente une typologie des mesures ERCAS. Dans le cadre de notre étude, nous avons fait le choix de reclassifier certaines mesures (notamment les mesures d’Évitement) qui ne nous semblaient pas correspondre à leur catégorie d’origine. Une nouvelle typologie, disponible en annexe de ce document, a donc été écrite.
6.1 Nombre de projets avec au moins une mesure ERC
L’ensemble des projets comporte au moins une mesure ERC. Si on regarde en fonction des catégories, selon la typologie nationale mise à jour :
80 projets ont au moins une mesure d’évitement (avant la reclassification des mesures, 91 projets avaient une mesure d’évitement),
100 projets (tous les projets) ont au moins une mesure de réduction,
23 projets ont au moins une mesure de compensation,
82 projets ont au moins une mesure d’accompagnement,
et 70 projets ont au moins une mesure de suivi.
6.2 Nombre total de mesures ERC par catégorie
Certaines mesures ERC peuvent avoir le même code selon la typologie nationale, c’est pour cela que le nombre de mesures est calculé à partir des intitulés des mesures et non de leur code (colonne INTITULE_MESURE dans la base). Par exemple, les mesures « Création de gîtes en faveur des insectes » et « Création de gîtes en faveur des reptiles » ont toutes les deux le code A3.1, représentant la sous-catégorie « Aménagement ponctuel (abris ou gîtes artificiels pour la faune) ». Ainsi, pour comptabiliser ces deux mesures séparément, l’utilisation de l’intitulé, et non le code, est nécessaire.
Au total, en additionnant les mesures ERC de tous les projets de l’échantillon, selon leur intitulé, 1419 mesures sont dénombrées. Et 69 des 96 sous-catégories de mesures de la typologie nationale mise à jour (i.e., codes) sont représentées par l’échantillon de projets.
Voir le code
erc |>
group_by(CATEGORIE_MESURE_MAJ) |>
summarise(n = n(),
pct = round(n / total_erc * 100, 0)) |>
ggplot(aes(x = reorder(CATEGORIE_MESURE_MAJ, -n), y = n)) +
geom_col(fill = "#EDEDED",
col = "#A5A5A5",
linewidth = 1) +
labs(x = "Catégories de mesures ERC",
y = "Nombre de mesures ERC") +
geom_text(aes(x = reorder(CATEGORIE_MESURE_MAJ, -n),
y = n + max(n) * 0.04,
label = paste(pct, " %")),
col = "black") +
theme_publish() 
Les pourcentages représentent le nombre de mesures de la catégorie X sur le nombre total de mesures des projets (i.e., 1419).
Voir le code
# on regarde le nombre de mesures par catégories
erc |>
# filter(!is.na(TYPO_ERC_MAJ) | !is.na(CATEGORIE_MESURE_MAJ)) |>
group_by(CATEGORIE_MESURE_INITIALE) |>
summarise(n = n(),
pct = round(n / total_erc * 100, 0)) |>
ggplot(aes(x = reorder(CATEGORIE_MESURE_INITIALE, -n), y = n)) +
geom_col(fill = "#EDEDED",
col = "#A5A5A5",
linewidth = 1) +
labs(x = "Catégories de mesures ERC",
y = "Nombre de mesures ERC") +
geom_text(aes(x = reorder(CATEGORIE_MESURE_INITIALE, -n),
y = n + max(n) * 0.04,
label = paste(pct, " %")),
col = "black") +
theme_publish() +
theme(axis.text.x = element_text(angle = 20, vjust = 1, hjust=1))
Les pourcentages représentent le nombre de mesures de la catégorie X sur le nombre total de mesures des projets (i.e., 1419).
Au total, 268 mesures ont été recatégorisées dans les études d’impact en comparaison à la typologie nationale et 39 n’avaient pas de catégorie initiale.
6.2.0.1 Flux
Le nombre de mesures passant d’une catégorie à l’autre apparaît en positionnant le curseur sur le flux.
Voir le code
# Diagramme de Sankey
# Calcul des flux
links <- erc |>
group_by(CATEGORIE_MESURE_INITIALE, CATEGORIE_MESURE_MAJ) |>
summarise(value = n(), .groups = "drop") |>
rename("source" = "CATEGORIE_MESURE_INITIALE") |>
rename("target" = "CATEGORIE_MESURE_MAJ") |>
mutate(source = ifelse(is.na(source), "NA", source),
target = ifelse(is.na(target), "NA", target))
# Conversion en dataframe
links <- as.data.frame(links)
# Caractérisation des flux
links$color <- ifelse(links$source == links$target,
"same",
"different")
# Ajout de préfixes pour différencier les catégories
links$source_modified <- paste0("Initiale_", links$source)
links$target_modified <- paste0("MNHN_", links$target)
# Création des nodes du diagrammes
nodes <- data.frame(name = c(as.character(links$source_modified),
as.character(links$target_modified)),
stringsAsFactors = FALSE)
# Les doublons sont retirés
nodes <- data.frame(name = unique(nodes$name))
# Modification de l'ordre des nodes pour suivre la séquence ERCAS
nodes <- nodes |>
arrange(factor(name,
levels = c("Initiale_EVITEMENT",
"Initiale_REDUCTION",
"Initiale_COMPENSATION",
"Initiale_ACCOMPAGNEMENT",
"Initiale_SUIVI",
"Initiale_NA",
"MNHN_EVITEMENT",
"MNHN_REDUCTION",
"MNHN_COMPENSATION",
"MNHN_ACCOMPAGNEMENT",
"MNHN_SUIVI")))
# Changement des noms affichés
nodes$display_name <- gsub("^Initiale_|^MNHN_", "", nodes$name)
# Changement des couleurs selon la catégorie des flux
nodes$category <- as.factor(c("my_unique_group"))
my_color <- 'd3.scaleOrdinal() .domain(["same", "different", "EVITEMENT", "REDUCTION","COMPENSATION", "ACCOMPAGNEMENT", "SUIVI", "NA"]) .range(["#A7D477", "#FF6868", "lightgrey", "lightgrey", "lightgrey", "lightgrey", "lightgrey", "lightgrey"])'
# Connection
links$IDsource <- match(links$source_modified, nodes$name) - 1
links$IDtarget <- match(links$target_modified, nodes$name) - 1
# Diagramme
sankeyNetwork(
Links = links,
Nodes = nodes,
Source = "IDsource",
Target = "IDtarget",
Value = "value",
NodeID = "display_name", # Use cleaned names
colourScale = my_color,
fontSize = 15,
LinkGroup = "color", # Use the color column for links
nodeWidth = 30,
nodePadding = 10,
iterations = 0
)6.2.0.2 Table
Voir le code
links |>
select(source, target, value) |>
arrange(factor(source,
levels = c("EVITEMENT",
"REDUCTION",
"COMPENSATION",
"ACCOMPAGNEMENT",
"SUIVI",
"NA")),
desc(value)) |>
flextable() |>
theme_vanilla() |>
set_header_labels(
source = "Catégories d'après les études d'impacts",
target = "Catégories selon la typologie nationale",
value = "Nombre de mesures") |>
autofit() |>
merge_v(j = "source")Catégories d'après les études d'impacts | Catégories selon la typologie nationale | Nombre de mesures |
|---|---|---|
EVITEMENT | REDUCTION | 152 |
EVITEMENT | 120 | |
SUIVI | 2 | |
ACCOMPAGNEMENT | 1 | |
REDUCTION | REDUCTION | 752 |
ACCOMPAGNEMENT | 20 | |
SUIVI | 5 | |
EVITEMENT | 4 | |
COMPENSATION | 2 | |
COMPENSATION | COMPENSATION | 43 |
ACCOMPAGNEMENT | 1 | |
ACCOMPAGNEMENT | ACCOMPAGNEMENT | 120 |
SUIVI | 30 | |
REDUCTION | 17 | |
COMPENSATION | 1 | |
SUIVI | SUIVI | 77 |
ACCOMPAGNEMENT | 33 | |
NA | REDUCTION | 31 |
ACCOMPAGNEMENT | 5 | |
SUIVI | 2 | |
EVITEMENT | 1 |
6.3 Nombre de mesure ERC des projets
6.3.1 Nombre total de mesures ERC des projets photovoltaïques
Comme pour la section précédente, le nombre de mesures ERCAS des projets est calculé en fonction du nombre de mesures renseignées par les études d’impact et non pas selon les codes de la typologie nationale mise à jour.
Les projets ont de 1 à 31 mesures ERC proposées dans leur dossier d’étude d’impact. Le projet avec les moins de mesures prescrites est celui de Maripasoula (ID : MARIPASOULA_098) tandis que ceux avec le plus de mesures sont les projets photovoltaïques d’Étampes (ID : ETAMPES_016), de Laramière (ID : LARAMIERE_036) et de La Sauvetat (ID : LA-SAUVETAT_080). Tous les projets ont donc au moins une mesure ERC et en moyenne un projet a 14 mesures ERC (Fig 19 ; Table 49).
Voir le code
erc |>
group_by(ID_UNIQUE) |>
summarise(n_mesures = n())|>
ggplot(mapping = aes(x = n_mesures)) +
geom_histogram(binwidth = 1,
position = "identity",
fill = "#EDEDED",
col = "#A5A5A5",
linewidth = 1) +
scale_x_continuous(breaks = seq(0, 30, by = 5)) +
labs(x = "Nombre de mesures ERC par projet",
y = "Nombre de projets") +
theme_publish()
Voir le code
erc |>
group_by(ID_UNIQUE) |>
summarise(n = n()) |>
arrange(desc(n)) |>
flextable() |>
theme_vanilla() |>
set_header_labels(
ID_UNIQUE = "Identifiants des projets",
n = "Nombre de mesures") |>
autofit() |>
merge_v(j = "ID_UNIQUE")Identifiants des projets | Nombre de mesures |
|---|---|
ETAMPES_016 | 31 |
LA-SAUVETAT_080 | 31 |
LARAMIERE_036 | 31 |
GRASSAC_020 | 26 |
BRIGUEUIL_018 | 25 |
CAHUZAC-ADOUR_031 | 24 |
CRESSIN-ROCHEFORT_002 | 23 |
SOLARO_010 | 23 |
ST-JEAN-ILLAC_090 | 23 |
DURANCE_091 | 22 |
LEVENS_072 | 22 |
MONTIGNY_008 | 22 |
SAINT-ROMANS_004 | 21 |
BATIE-ROLLAND_003 | 20 |
BOUSSES_097 | 20 |
GRIGNAN_063 | 20 |
STE-CHRISTIE_ROQUELAURE_075 | 20 |
BESSENS_076 | 19 |
CHANTENAY_006 | 19 |
CALES_085 | 18 |
CINTEGABELLE_081 | 18 |
GENTE_019 | 18 |
MOISSAC-BELLEVUE_066 | 18 |
SERRIERES-DE-BRIORD_005 | 18 |
STE-TULLE-MOULIN_048 | 18 |
AURIAC-DU-PERIGORD_094 | 17 |
BOURDELAS_026 | 17 |
REVEST-ST-MARTIN_046 | 17 |
SALIGNY-LE-VIF_053 | 17 |
TAPONNAT_027 | 17 |
VINS-SUR-CARAMY_071 | 17 |
BACH_030 | 16 |
BRIARE_054 | 16 |
LACHAPELLE-AUZAC_035 | 16 |
LE-POUZIN_060 | 16 |
MIGNE-AUXANCES_092 | 16 |
ORADOUR_024 | 16 |
RIVAILLES_022 | 16 |
ST-ANTONIN-NOBLE-VAL_083 | 16 |
ST-CALAIS_049 | 16 |
BRAS_043 | 15 |
COLONZELLE_001 | 15 |
LUSSAC_023 | 15 |
MEILHAN_087 | 15 |
MEZOS_088 | 15 |
RION-DES-LANDES_086 | 15 |
ROCHEBRUNE_047 | 15 |
LA-COURTINE_021 | 14 |
VALDEROURE_068 | 14 |
VARAGES_070 | 14 |
CONDOM_033 | 13 |
MONTELEGER_059 | 13 |
SENAS_064 | 13 |
ST-JEAN-LESPINASSE_040 | 13 |
AUBIGNOSC_041 | 12 |
BAIE-MAHAULT_011 | 12 |
CHAZE-HENRY_058 | 12 |
FONTENET_089 | 12 |
HAUCONCOURT_014 | 12 |
OROIX_038 | 12 |
PIA_039 | 12 |
TERRES-HAUTE-CHARENTE_028 | 12 |
VILLEMOLAQUE_077 | 12 |
BLYES_062 | 11 |
CERE_069 | 11 |
CIZOS_032 | 11 |
JEGUN_034 | 11 |
LAISSAC_084 | 11 |
LE-MONTSAUGEONNAIS_055 | 11 |
MONTFORT_044 | 11 |
TOUVERAC_029 | 11 |
TROUHAUT_052 | 11 |
AUBIGNOSC_042 | 10 |
ESQUAY_017 | 10 |
MASSEUBE_037 | 10 |
PALAJA_078 | 10 |
PERSAC_093 | 10 |
POGGIO-DI-NAZZA_074 | 10 |
VITRY-EN-CHAROLLAIS_051 | 10 |
LA-TOUR-BLANCHE-CERCLES_096 | 9 |
MONDRAGON_067 | 9 |
NOGENT_009 | 9 |
ST-SULPICE-LE-GUERETOIS_025 | 9 |
BOULOUPARIS_050 | 8 |
DAIGNY_013 | 8 |
KERAMBRIS_007 | 8 |
NEUILLY-SUR-SUIZE_056 | 8 |
PIERREFONDS_099 | 8 |
SAINT-PIERRE_R_012 | 8 |
VILLERS-ST-SEPULCRE_015 | 8 |
BAYET_061 | 7 |
LA-COUVERTOIRADE_082 | 7 |
PERPIGNAN_079 | 7 |
SAINT-PIERRE_M_100 | 7 |
ECHIRE_095 | 6 |
MALLEMORT_073 | 6 |
MONTFORT_045 | 6 |
DURTAL_057 | 5 |
MARTIGUES_065 | 3 |
MARIPASOULA_098 | 1 |
6.3.2 Nombre de mesures ERC des projets par catégorie
Le détail du nombre de mesures par projet selon les catégories de mesures (évitement, réduction, compensation, accompagnement et suivi) a également été regardé (Fig 20 ; Table 50).
Voir le code
erc |>
group_by(ID_UNIQUE, CATEGORIE_MESURE_MAJ) |>
summarise(n_mesures = n()) |>
ggplot(aes(x = n_mesures)) +
geom_histogram(binwidth = 1,
fill = "#EDEDED",
col = "#A5A5A5",
linewidth = 1) +
labs(x = "Nombre de mesure ERC par projet",
y = "Nombre de projets") +
facet_wrap(~ CATEGORIE_MESURE_MAJ, scales = "free") +
theme_publish()
Voir le code
## on calcule
erc |>
group_by(ID_UNIQUE, CATEGORIE_MESURE_MAJ) |>
summarise(n = n()) |>
arrange(ID_UNIQUE, desc(n)) |>
flextable() |>
theme_vanilla() |>
set_header_labels(
ID_UNIQUE = "Identifiants des projets",
CATEGORIE_MESURE_MAJ = "Catégories des mesures",
n = "Nombre de mesures") |>
merge_v(j = "ID_UNIQUE")Identifiants des projets | Catégories des mesures | Nombre de mesures |
|---|---|---|
AUBIGNOSC_041 | REDUCTION | 8 |
ACCOMPAGNEMENT | 3 | |
SUIVI | 1 | |
AUBIGNOSC_042 | REDUCTION | 7 |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
AURIAC-DU-PERIGORD_094 | REDUCTION | 7 |
COMPENSATION | 6 | |
EVITEMENT | 2 | |
SUIVI | 2 | |
BACH_030 | REDUCTION | 10 |
ACCOMPAGNEMENT | 4 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
BAIE-MAHAULT_011 | REDUCTION | 10 |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
BATIE-ROLLAND_003 | REDUCTION | 16 |
ACCOMPAGNEMENT | 3 | |
EVITEMENT | 1 | |
BAYET_061 | REDUCTION | 5 |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
BESSENS_076 | REDUCTION | 11 |
SUIVI | 3 | |
ACCOMPAGNEMENT | 2 | |
COMPENSATION | 2 | |
EVITEMENT | 1 | |
BLYES_062 | REDUCTION | 10 |
ACCOMPAGNEMENT | 1 | |
BOULOUPARIS_050 | REDUCTION | 6 |
ACCOMPAGNEMENT | 1 | |
COMPENSATION | 1 | |
BOURDELAS_026 | REDUCTION | 13 |
ACCOMPAGNEMENT | 3 | |
EVITEMENT | 1 | |
BOUSSES_097 | REDUCTION | 11 |
EVITEMENT | 6 | |
ACCOMPAGNEMENT | 2 | |
SUIVI | 1 | |
BRAS_043 | REDUCTION | 8 |
COMPENSATION | 5 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
BRIARE_054 | ACCOMPAGNEMENT | 8 |
REDUCTION | 7 | |
EVITEMENT | 1 | |
BRIGUEUIL_018 | REDUCTION | 19 |
EVITEMENT | 3 | |
SUIVI | 2 | |
ACCOMPAGNEMENT | 1 | |
CAHUZAC-ADOUR_031 | REDUCTION | 15 |
ACCOMPAGNEMENT | 5 | |
EVITEMENT | 3 | |
SUIVI | 1 | |
CALES_085 | REDUCTION | 14 |
ACCOMPAGNEMENT | 2 | |
SUIVI | 2 | |
CERE_069 | REDUCTION | 9 |
SUIVI | 2 | |
CHANTENAY_006 | REDUCTION | 13 |
ACCOMPAGNEMENT | 3 | |
SUIVI | 2 | |
EVITEMENT | 1 | |
CHAZE-HENRY_058 | REDUCTION | 7 |
COMPENSATION | 3 | |
ACCOMPAGNEMENT | 1 | |
SUIVI | 1 | |
CINTEGABELLE_081 | REDUCTION | 13 |
SUIVI | 3 | |
EVITEMENT | 2 | |
CIZOS_032 | REDUCTION | 6 |
EVITEMENT | 2 | |
ACCOMPAGNEMENT | 1 | |
COMPENSATION | 1 | |
SUIVI | 1 | |
COLONZELLE_001 | REDUCTION | 11 |
ACCOMPAGNEMENT | 2 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
CONDOM_033 | REDUCTION | 9 |
ACCOMPAGNEMENT | 3 | |
EVITEMENT | 1 | |
CRESSIN-ROCHEFORT_002 | REDUCTION | 17 |
COMPENSATION | 3 | |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
DAIGNY_013 | REDUCTION | 4 |
ACCOMPAGNEMENT | 2 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
DURANCE_091 | REDUCTION | 17 |
SUIVI | 3 | |
EVITEMENT | 2 | |
DURTAL_057 | REDUCTION | 4 |
EVITEMENT | 1 | |
ECHIRE_095 | REDUCTION | 4 |
ACCOMPAGNEMENT | 1 | |
SUIVI | 1 | |
ESQUAY_017 | REDUCTION | 7 |
ACCOMPAGNEMENT | 2 | |
SUIVI | 1 | |
ETAMPES_016 | REDUCTION | 26 |
EVITEMENT | 3 | |
ACCOMPAGNEMENT | 2 | |
FONTENET_089 | REDUCTION | 7 |
SUIVI | 2 | |
ACCOMPAGNEMENT | 1 | |
COMPENSATION | 1 | |
EVITEMENT | 1 | |
GENTE_019 | REDUCTION | 10 |
ACCOMPAGNEMENT | 6 | |
COMPENSATION | 1 | |
EVITEMENT | 1 | |
GRASSAC_020 | REDUCTION | 14 |
ACCOMPAGNEMENT | 8 | |
COMPENSATION | 3 | |
SUIVI | 1 | |
GRIGNAN_063 | REDUCTION | 13 |
ACCOMPAGNEMENT | 3 | |
COMPENSATION | 2 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
HAUCONCOURT_014 | REDUCTION | 7 |
ACCOMPAGNEMENT | 3 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
JEGUN_034 | REDUCTION | 8 |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
KERAMBRIS_007 | REDUCTION | 6 |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
LA-COURTINE_021 | REDUCTION | 8 |
ACCOMPAGNEMENT | 4 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
LA-COUVERTOIRADE_082 | REDUCTION | 4 |
SUIVI | 2 | |
EVITEMENT | 1 | |
LA-SAUVETAT_080 | REDUCTION | 22 |
SUIVI | 5 | |
EVITEMENT | 3 | |
ACCOMPAGNEMENT | 1 | |
LA-TOUR-BLANCHE-CERCLES_096 | ACCOMPAGNEMENT | 3 |
REDUCTION | 2 | |
SUIVI | 2 | |
COMPENSATION | 1 | |
EVITEMENT | 1 | |
LACHAPELLE-AUZAC_035 | REDUCTION | 13 |
EVITEMENT | 2 | |
ACCOMPAGNEMENT | 1 | |
LAISSAC_084 | REDUCTION | 6 |
ACCOMPAGNEMENT | 2 | |
SUIVI | 2 | |
EVITEMENT | 1 | |
LARAMIERE_036 | REDUCTION | 24 |
ACCOMPAGNEMENT | 3 | |
EVITEMENT | 3 | |
COMPENSATION | 1 | |
LE-MONTSAUGEONNAIS_055 | REDUCTION | 6 |
EVITEMENT | 2 | |
SUIVI | 2 | |
ACCOMPAGNEMENT | 1 | |
LE-POUZIN_060 | REDUCTION | 12 |
SUIVI | 2 | |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
LEVENS_072 | REDUCTION | 17 |
ACCOMPAGNEMENT | 3 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
LUSSAC_023 | REDUCTION | 11 |
ACCOMPAGNEMENT | 2 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
MALLEMORT_073 | REDUCTION | 5 |
ACCOMPAGNEMENT | 1 | |
MARIPASOULA_098 | REDUCTION | 1 |
MARTIGUES_065 | EVITEMENT | 2 |
REDUCTION | 1 | |
MASSEUBE_037 | REDUCTION | 8 |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
MEILHAN_087 | REDUCTION | 12 |
COMPENSATION | 2 | |
EVITEMENT | 1 | |
MEZOS_088 | REDUCTION | 9 |
SUIVI | 3 | |
COMPENSATION | 2 | |
EVITEMENT | 1 | |
MIGNE-AUXANCES_092 | REDUCTION | 8 |
EVITEMENT | 4 | |
ACCOMPAGNEMENT | 2 | |
SUIVI | 2 | |
MOISSAC-BELLEVUE_066 | REDUCTION | 9 |
SUIVI | 4 | |
ACCOMPAGNEMENT | 3 | |
COMPENSATION | 2 | |
MONDRAGON_067 | REDUCTION | 7 |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
MONTELEGER_059 | REDUCTION | 9 |
SUIVI | 2 | |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
MONTFORT_044 | REDUCTION | 8 |
ACCOMPAGNEMENT | 2 | |
SUIVI | 1 | |
MONTFORT_045 | REDUCTION | 3 |
ACCOMPAGNEMENT | 2 | |
EVITEMENT | 1 | |
MONTIGNY_008 | REDUCTION | 14 |
ACCOMPAGNEMENT | 7 | |
SUIVI | 1 | |
NEUILLY-SUR-SUIZE_056 | REDUCTION | 5 |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
NOGENT_009 | REDUCTION | 6 |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
ORADOUR_024 | REDUCTION | 13 |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
OROIX_038 | REDUCTION | 9 |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
PALAJA_078 | REDUCTION | 8 |
ACCOMPAGNEMENT | 1 | |
SUIVI | 1 | |
PERPIGNAN_079 | REDUCTION | 3 |
SUIVI | 2 | |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
PERSAC_093 | REDUCTION | 7 |
EVITEMENT | 3 | |
PIA_039 | REDUCTION | 10 |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
PIERREFONDS_099 | REDUCTION | 7 |
ACCOMPAGNEMENT | 1 | |
POGGIO-DI-NAZZA_074 | REDUCTION | 9 |
SUIVI | 1 | |
REVEST-ST-MARTIN_046 | REDUCTION | 8 |
SUIVI | 5 | |
ACCOMPAGNEMENT | 2 | |
COMPENSATION | 1 | |
EVITEMENT | 1 | |
RION-DES-LANDES_086 | REDUCTION | 7 |
COMPENSATION | 3 | |
EVITEMENT | 2 | |
SUIVI | 2 | |
ACCOMPAGNEMENT | 1 | |
RIVAILLES_022 | REDUCTION | 9 |
ACCOMPAGNEMENT | 5 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
ROCHEBRUNE_047 | REDUCTION | 12 |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
SAINT-PIERRE_M_100 | REDUCTION | 6 |
SUIVI | 1 | |
SAINT-PIERRE_R_012 | REDUCTION | 6 |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
SAINT-ROMANS_004 | REDUCTION | 14 |
ACCOMPAGNEMENT | 4 | |
EVITEMENT | 2 | |
SUIVI | 1 | |
SALIGNY-LE-VIF_053 | REDUCTION | 10 |
ACCOMPAGNEMENT | 4 | |
EVITEMENT | 2 | |
COMPENSATION | 1 | |
SENAS_064 | REDUCTION | 9 |
ACCOMPAGNEMENT | 2 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
SERRIERES-DE-BRIORD_005 | REDUCTION | 14 |
ACCOMPAGNEMENT | 2 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
SOLARO_010 | REDUCTION | 19 |
ACCOMPAGNEMENT | 2 | |
COMPENSATION | 1 | |
SUIVI | 1 | |
ST-ANTONIN-NOBLE-VAL_083 | REDUCTION | 10 |
ACCOMPAGNEMENT | 2 | |
EVITEMENT | 2 | |
SUIVI | 2 | |
ST-CALAIS_049 | REDUCTION | 14 |
ACCOMPAGNEMENT | 1 | |
SUIVI | 1 | |
ST-JEAN-ILLAC_090 | REDUCTION | 12 |
EVITEMENT | 5 | |
ACCOMPAGNEMENT | 2 | |
COMPENSATION | 2 | |
SUIVI | 2 | |
ST-JEAN-LESPINASSE_040 | REDUCTION | 8 |
EVITEMENT | 4 | |
SUIVI | 1 | |
ST-SULPICE-LE-GUERETOIS_025 | REDUCTION | 6 |
COMPENSATION | 1 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
STE-CHRISTIE_ROQUELAURE_075 | REDUCTION | 13 |
ACCOMPAGNEMENT | 3 | |
EVITEMENT | 2 | |
SUIVI | 2 | |
STE-TULLE-MOULIN_048 | REDUCTION | 11 |
EVITEMENT | 4 | |
ACCOMPAGNEMENT | 2 | |
SUIVI | 1 | |
TAPONNAT_027 | REDUCTION | 13 |
EVITEMENT | 2 | |
ACCOMPAGNEMENT | 1 | |
SUIVI | 1 | |
TERRES-HAUTE-CHARENTE_028 | REDUCTION | 6 |
SUIVI | 3 | |
ACCOMPAGNEMENT | 2 | |
EVITEMENT | 1 | |
TOUVERAC_029 | REDUCTION | 8 |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
SUIVI | 1 | |
TROUHAUT_052 | ACCOMPAGNEMENT | 5 |
REDUCTION | 5 | |
EVITEMENT | 1 | |
VALDEROURE_068 | REDUCTION | 8 |
ACCOMPAGNEMENT | 4 | |
COMPENSATION | 1 | |
EVITEMENT | 1 | |
VARAGES_070 | REDUCTION | 6 |
SUIVI | 5 | |
ACCOMPAGNEMENT | 2 | |
EVITEMENT | 1 | |
VILLEMOLAQUE_077 | REDUCTION | 7 |
SUIVI | 3 | |
ACCOMPAGNEMENT | 1 | |
EVITEMENT | 1 | |
VILLERS-ST-SEPULCRE_015 | REDUCTION | 7 |
EVITEMENT | 1 | |
VINS-SUR-CARAMY_071 | REDUCTION | 11 |
ACCOMPAGNEMENT | 2 | |
EVITEMENT | 2 | |
SUIVI | 2 | |
VITRY-EN-CHAROLLAIS_051 | REDUCTION | 8 |
EVITEMENT | 2 |
6.4 Nombre de mesures ERC par phase du projet
Il y a quatre phases dans les projets photovoltaïques :
Avant travaux,
Travaux,
Exploitation,
et démantèlement.
Le nombre de mesures ERC a été calculé en fonction de la phase du projet pour laquelle elles étaient prescrites. La majorité des mesures sont dédiées à la phase des travaux du projet (Fig 21).
Voir le code
erc |>
group_by(PHASE_PROJET) |>
summarise(nombre = n(),
pct = round(nombre / total_erc * 100, 0)) |>
ggplot(aes(x = reorder(PHASE_PROJET, -nombre), y = nombre)) +
geom_col(fill = "#EDEDED",
col = "#A5A5A5",
linewidth = 1) +
geom_text(aes(x = reorder(PHASE_PROJET, -nombre),
y = nombre + max(nombre) * 0.04,
label = paste(pct, " %"))) +
labs(x = "Phase du projet",
y = "Nombre de mesures") +
theme_publish() 
Les pourcentages représentent le nombre de mesures par phase de projet sur le nombre total de mesures.
Voir le code
erc |>
group_by(PHASE_PROJET, CATEGORIE_MESURE_MAJ) |>
summarise(nombre = n()) |>
ggplot(aes(x = reorder(PHASE_PROJET, -nombre), y = nombre)) +
geom_col(fill = "#EDEDED",
col = "#A5A5A5",
linewidth = 1) +
labs(x = "Phase du projet",
y = "Nombre de mesures") +
facet_wrap(~CATEGORIE_MESURE_MAJ) +
theme_publish() +
theme(axis.text.x=element_text(angle = 20, hjust = 1))
Voir le code
erc |>
group_by(PHASE_PROJET) |>
summarise(n_projets = length(unique(ID_UNIQUE)),
pct_projets = n_projets / total_projets * 100) |>
ggplot(aes(x = reorder(PHASE_PROJET, -n_projets),
y = n_projets)) +
geom_col(fill = "#EDEDED",
col = "#A5A5A5",
linewidth = 1) +
geom_text(aes(x = reorder(PHASE_PROJET, -n_projets),
y = n_projets + max(n_projets) * 0.04,
label = paste0(round(pct_projets, 0), " %"))) +
labs(x = "Phases des projets",
y = "Nombre de projets") +
theme_publish()
Les pourcentages représentent le nombre de projet avec au moins une mesure ERC par phase de projet sur le nombre total de projets.
Voir le code
erc |>
group_by(PHASE_PROJET, CATEGORIE_MESURE_MAJ) |>
summarise(n_projets = length(unique(ID_UNIQUE)),
pct_projets = n_projets / total_projets * 100) |>
ggplot(aes(x = reorder(PHASE_PROJET, -n_projets),
y = n_projets)) +
geom_col(fill = "#EDEDED",
col = "#A5A5A5",
linewidth = 1) +
geom_text(aes(x = reorder(PHASE_PROJET, -n_projets),
y = n_projets + max(n_projets) * 0.1,
label = paste0(round(pct_projets, 0), " %")),
size = 4) +
labs(x = "Phases des projets",
y = "Nombre de projets") +
facet_wrap(~CATEGORIE_MESURE_MAJ) +
theme_publish() +
theme(axis.text.x=element_text(angle = 20, hjust = 1))
Les pourcentages représentent le nombre de projet avec au moins une mesure ERC par phase de projet par catégorie sur le nombre total de projets.
6.5 Suivi des mesures
Sur les 1419 mesures référencées, des suivis sont programmés pour 289 (20 %) d’entre elles.
6.6 Mesures ERC les plus récurrentes
Les sous-catégories de mesures les plus récurrentes sont (par ordre décroissant) (Table 51) :
Adaptation de la période des travaux sur l’année (Réduction - R5.1),
Suivi écologique post-chantier (Suivi - S1.2),
Balisage préventif divers ou mis en défens (pour partie) ou dispositif de protection d’une station d’une espèce patrimoniale, d’un habitat d’une espèce patrimoniale, d’habitats d’espèces ou d’arbres remarquables (Réduction - R1.4).
Et par catégorie, les sous-catégories de mesures ERC les plus récurrentes sont (Table 52) :
Evitement et absence totale d’incidences sur des populations connues d’espèces protégés ou à fort enjeu et/ou de leurs habitats (E2.1) pour l’évitement,
l’adaptation de la période des travaux sur l’année (R5.1) pour la réduction,
la création ou renaturation d’habitats et d’habitats favorables aux espèces cibles et à leur guilde (C1.1) pour la compensation ;
la mise en place d’un comité de suivi des mesures (A6.2) pour l’accompagnement,
le suivi écologique post-chantier (S1.2) pour le suivi.
Notons qu’il s’agit du nombre d’occurrences des mesures et non pas du nombre de projets avec ces mesures. Ainsi, un même projet peut avoir plusieurs fois la même mesure ERC.
Voir le code
erc |>
group_by(TYPO_ERC_MAJ) |>
summarise(Nombre = n()) |>
arrange(desc(Nombre)) |>
left_join(typo_erc |> subset(select = c(CODE_MESURE, SOUS_CATEGORIE)), by = c("TYPO_ERC_MAJ" = "CODE_MESURE")) |>
mutate(TYPO_ERC_MAJ = ifelse(is.na(TYPO_ERC_MAJ), "NA", TYPO_ERC_MAJ),
SOUS_CATEGORIE = ifelse(is.na(SOUS_CATEGORIE), "NA", SOUS_CATEGORIE)) |>
select(TYPO_ERC_MAJ, SOUS_CATEGORIE, Nombre) |>
flextable() |>
theme_vanilla() |>
set_header_labels(
TYPO_ERC_MAJ = "Typologie MNHN",
SOUS_CATEGORIE = "Intitulé"
) |>
autofit()Typologie MNHN | Intitulé | Nombre |
|---|---|---|
R5.1 | Adaptation de la période des travaux sur l'année | 105 |
S1.2 | Suivi écologique post-chantier | 95 |
R1.4 | Balisage préventif divers ou mis en défens (pour partie) ou dispositif de protection d'une station d'une espèce patrimoniale, d'un habitat d'une espèce patrimoniale, d'habitats d'espèces ou d'arbres remarquables | 83 |
R4.17 | Gestion écologique des habitats dans la zone d'emprise du projet | 75 |
R3.7 | Dispositif de lutte contre les espèces exotiques envahissantes (actions préventives et curatives) | 72 |
R3.5 | Dispositif préventif de lutte contre une pollution et dispositif d'assainissement provisoire de gestion des eaux pluviales et de chantier | 60 |
A6.2 | Mise en place d'un comité de suivi des mesures | 52 |
E2.1 | Evitement et absence totale d'incidences sur des populations connues d'espèces protégés ou à fort enjeu et/ou de leurs habitats | 44 |
R4.13 | Plantations diverses : sur talus up-over ("tremplin vert") ou visant la mise en valeur des paysages | 44 |
R3.9 | Clôture et dispositif de franchissement provisoires adaptés aux espèces animales cibles | 43 |
NA | NA | 43 |
E2.4 | Limitation des emprises du projet et absence totale d'incidences sur les entités environnementales ciblées | 42 |
R3.12 | Dispositif de limitation des nuisances envers la faune | 42 |
R3.2 | Adaptation des modalités de circulation des engins de chantier | 41 |
R4.12 | Clôture spécifique (y compris échappatoire) et dispositif anti-pénétration dans les emprises | 40 |
R4.14 | Installation d'abris ou de gîtes artificiels pour la faune au droit du projet ou à proximité | 38 |
R1.2 | Limitation / adaptation des emprises des travaux et/ou des zones d'accès et/ ou des zones de circulation des engins de chantier | 32 |
A3.1 | Aménagement ponctuel (abris ou gîtes artificiels pour la faune) | 31 |
R3.1 | Absence de rejet dans le milieu naturel (air, eau, sol, sous-sol) | 29 |
R4.1 | Absence totale d'utilisation de produits phytosanitaires et de tout produit polluant ou susceptible d'impacter négativement le milieu | 28 |
A3.2 | Aide à la recolonisation végétale | 27 |
R3.10 | Dispositif permettant d'éloigner les espèces à enjeux et/ou limitant leur installation | 27 |
E2.2 | Evitement et absence totale d'incidences sur des sites à enjeux environnementaux et paysagers majeurs du territoire | 24 |
S1.1 | Suivi écologique du chantier | 21 |
A6.1 | Organisation administrative du chantier | 18 |
R3.15 | Prélèvement ou sauvetage avant destruction de spécimens d'espèces | 18 |
R3.16 | Gestion écologique temporaire des habitats dans la zone d'emprise des travaux | 15 |
C1.1 | Création ou renaturation d'habitats et d'habitats favorables aux espèces cibles et à leur guilde | 14 |
R3.8 | Dispositif limitant les impacts liés au passage des engins de chantier | 14 |
R4.5 | Dispositif de limitation des nuisances envers la faune | 13 |
E3.1 | Mesure d'orientation d'une installation ou d'optimisation de la géométrie du projet | 12 |
R3.4 | Optimisation de la gestion des matériaux (déblais et remblais) | 12 |
R1.1 | Positionnement du projet sur un secteur de moindre enjeu | 11 |
A5.2 | Action expérimentale de renforcement de population ou de transplantation d'individus / translocation manuelle ou mécanique | 10 |
R5.2 | Adapation des horaires des travaux (en journalier) | 10 |
C2.5 | Réouverture du milieu par débroussaillage d'espèces ligneuses, abattage d'arbres, etc. | 9 |
R1.3 | Limitation / adaptation des installations de chantiers | 9 |
R3.17 | Dispositif d'aide à la recolonisation du milieu | 9 |
R3.18 | Dispositif de repli du chantier | 8 |
C3.5 | Mise en place de pratiques de gestion alternatives plus respectueuses des milieux | 7 |
R3.3 | Mode particulier d'importation de matériaux et/ou d'évacuation des matériaux, déblais et résidus de chantier : transport fluvial, transport ferroviaire, etc. | 7 |
R3.6 | Dispositif préventif de lutte contre l'érosion des sols | 7 |
A5.1 | Action expérimentale de génie écologique | 6 |
A6.5 | Déploiement d'actions de sensibilisation | 6 |
R2.1 | Balisage définitif divers ou mise en défens définitive (pour partie) ou dispositif de protection définitif d'une station d'une espèce patrimoniale, d'un habitat d'une espèce patrimoniale, d'habitats d'espèces ou d'arbres remarquables | 6 |
A6.4 | Déploiement d'actions de communication | 5 |
C2.4 | Réensemencement de milieux dégradés, replantation, restauration de haies existantes mais dégradées | 5 |
C3.2 | Abandon ou forte réduction de toute gestion : îlot de senescence, autre | 5 |
R3.14 | Récupération et transfert d'une partie du milieu naturel | 5 |
R4.9 | Dispositif complémentaire au droit d'un passage faune (supérieur ou inférieur) afin de favoriser sa fonctionnalité | 5 |
R6.1 | Adaptation des périodes d'exploitation /d'activités / d'entretien sur l'année | 4 |
A2.1 | Mise en place d'un outil réglementaire du Code de l'Environnement ou du Code Rural et de la pêche maritime ou du Code de l'Urbanisme | 3 |
C1.2 | Aménagement ponctuel (abris ou gîtes artificiels pour la faune) | 3 |
E2.3 | Eloignement du projet et absence totale d'incidences vis-à-vis des sites sensibles | 3 |
A1.1 | Acquisition de parcelle sans mise en œuvre d'action écologique complémentaire | 2 |
A4.2 | Approfondissement des connaissances relatives à une espèce ou un habitat impacté, aux paysages, à la qualité de l'air et aux niveaux de bruit | 2 |
A4.5 | Contribution au financement de la réalisation de document d'action en faveur d'une espèce ou d'un habitat impacté par le projet | 2 |
A6.3 | Action de gestion de la connaissance collective | 2 |
R4.15 | Dispositif technique limitant les impacts sur la continuité hydraulique | 2 |
R4.2 | Redéfinition /Modifications / adaptations des choix d'aménagement, des caractéristiques du projet | 2 |
A4.4 | Contribution financière au déploiement d'actions prévues par un document couvrant le territoire impacté | 1 |
A6.6 | Dispositif de canalisation du public ou de limitation des accès | 1 |
C2.13 | Restauration de ripisylves existantes mais dégradées | 1 |
C2.6 | Restauration de corridor écologique | 1 |
C3.1 | Abandon ou forte réduction de tout traitement phytosanitaire | 1 |
C3.3 | Changement des pratiques culturales par conversion de terres cultivées ou exploitées de manière intensive | 1 |
C3.4 | Modification des modalités de fauche et/ou de pâturage ou modification de la gestion des niveaux d'eau | 1 |
R4.16 | Optimisation de la gestion des matériaux (déblais et remblais) | 1 |
R4.3 | Action sur les conditions de circulation (ferrovoaire, routier, aérien, maritime) | 1 |
R6.2 | Adaptation des horaires d'exploitation / d'activités / d'entretien (fonctionnement diurne, nocturne, tenant compte des horaires de marées) | 1 |
Voir le code
erc |>
group_by(CATEGORIE_MESURE_MAJ, TYPO_ERC_MAJ) |>
summarise(Nombre = n()) |>
arrange(factor(CATEGORIE_MESURE_MAJ,
levels = c("EVITEMENT",
"REDUCTION",
"COMPENSATION",
"ACCOMPAGNEMENT",
"SUIVI")),
desc(Nombre)) |>
left_join(typo_erc |> subset(select = c(CODE_MESURE, SOUS_CATEGORIE)), by = c("TYPO_ERC_MAJ" = "CODE_MESURE")) |>
select(CATEGORIE_MESURE_MAJ, TYPO_ERC_MAJ, SOUS_CATEGORIE, Nombre) |>
mutate(TYPO_ERC_MAJ = ifelse(is.na(TYPO_ERC_MAJ), "NA", TYPO_ERC_MAJ),
SOUS_CATEGORIE = ifelse(is.na(SOUS_CATEGORIE), "NA", SOUS_CATEGORIE)) |>
flextable() |>
theme_vanilla() |>
merge_v(j = "CATEGORIE_MESURE_MAJ") |>
set_header_labels(
TYPO_ERC_MAJ = "Typologie nationale",
CATEGORIE_MESURE_MAJ = "Catégorie de mesures",
SOUS_CATEGORIE = "Intitulé"
) |>
autofit()Catégorie de mesures | Typologie nationale | Intitulé | Nombre |
|---|---|---|---|
EVITEMENT | E2.1 | Evitement et absence totale d'incidences sur des populations connues d'espèces protégés ou à fort enjeu et/ou de leurs habitats | 44 |
E2.4 | Limitation des emprises du projet et absence totale d'incidences sur les entités environnementales ciblées | 42 | |
E2.2 | Evitement et absence totale d'incidences sur des sites à enjeux environnementaux et paysagers majeurs du territoire | 24 | |
E3.1 | Mesure d'orientation d'une installation ou d'optimisation de la géométrie du projet | 12 | |
E2.3 | Eloignement du projet et absence totale d'incidences vis-à-vis des sites sensibles | 3 | |
REDUCTION | R5.1 | Adaptation de la période des travaux sur l'année | 105 |
R1.4 | Balisage préventif divers ou mis en défens (pour partie) ou dispositif de protection d'une station d'une espèce patrimoniale, d'un habitat d'une espèce patrimoniale, d'habitats d'espèces ou d'arbres remarquables | 83 | |
R4.17 | Gestion écologique des habitats dans la zone d'emprise du projet | 74 | |
R3.7 | Dispositif de lutte contre les espèces exotiques envahissantes (actions préventives et curatives) | 70 | |
R3.5 | Dispositif préventif de lutte contre une pollution et dispositif d'assainissement provisoire de gestion des eaux pluviales et de chantier | 60 | |
R4.13 | Plantations diverses : sur talus up-over ("tremplin vert") ou visant la mise en valeur des paysages | 44 | |
R3.9 | Clôture et dispositif de franchissement provisoires adaptés aux espèces animales cibles | 43 | |
R3.12 | Dispositif de limitation des nuisances envers la faune | 42 | |
R3.2 | Adaptation des modalités de circulation des engins de chantier | 41 | |
R4.12 | Clôture spécifique (y compris échappatoire) et dispositif anti-pénétration dans les emprises | 40 | |
R4.14 | Installation d'abris ou de gîtes artificiels pour la faune au droit du projet ou à proximité | 38 | |
NA | NA | 37 | |
R1.2 | Limitation / adaptation des emprises des travaux et/ou des zones d'accès et/ ou des zones de circulation des engins de chantier | 32 | |
R3.1 | Absence de rejet dans le milieu naturel (air, eau, sol, sous-sol) | 29 | |
R4.1 | Absence totale d'utilisation de produits phytosanitaires et de tout produit polluant ou susceptible d'impacter négativement le milieu | 28 | |
R3.10 | Dispositif permettant d'éloigner les espèces à enjeux et/ou limitant leur installation | 27 | |
R3.15 | Prélèvement ou sauvetage avant destruction de spécimens d'espèces | 18 | |
R3.16 | Gestion écologique temporaire des habitats dans la zone d'emprise des travaux | 15 | |
R3.8 | Dispositif limitant les impacts liés au passage des engins de chantier | 14 | |
R4.5 | Dispositif de limitation des nuisances envers la faune | 13 | |
R3.4 | Optimisation de la gestion des matériaux (déblais et remblais) | 12 | |
R1.1 | Positionnement du projet sur un secteur de moindre enjeu | 11 | |
R5.2 | Adapation des horaires des travaux (en journalier) | 10 | |
R1.3 | Limitation / adaptation des installations de chantiers | 9 | |
R3.17 | Dispositif d'aide à la recolonisation du milieu | 9 | |
R3.18 | Dispositif de repli du chantier | 7 | |
R3.3 | Mode particulier d'importation de matériaux et/ou d'évacuation des matériaux, déblais et résidus de chantier : transport fluvial, transport ferroviaire, etc. | 7 | |
R3.6 | Dispositif préventif de lutte contre l'érosion des sols | 7 | |
R2.1 | Balisage définitif divers ou mise en défens définitive (pour partie) ou dispositif de protection définitif d'une station d'une espèce patrimoniale, d'un habitat d'une espèce patrimoniale, d'habitats d'espèces ou d'arbres remarquables | 6 | |
R3.14 | Récupération et transfert d'une partie du milieu naturel | 5 | |
R4.9 | Dispositif complémentaire au droit d'un passage faune (supérieur ou inférieur) afin de favoriser sa fonctionnalité | 5 | |
R6.1 | Adaptation des périodes d'exploitation /d'activités / d'entretien sur l'année | 4 | |
R4.15 | Dispositif technique limitant les impacts sur la continuité hydraulique | 2 | |
R4.2 | Redéfinition /Modifications / adaptations des choix d'aménagement, des caractéristiques du projet | 2 | |
R4.16 | Optimisation de la gestion des matériaux (déblais et remblais) | 1 | |
R4.3 | Action sur les conditions de circulation (ferrovoaire, routier, aérien, maritime) | 1 | |
R6.2 | Adaptation des horaires d'exploitation / d'activités / d'entretien (fonctionnement diurne, nocturne, tenant compte des horaires de marées) | 1 | |
COMPENSATION | C1.1 | Création ou renaturation d'habitats et d'habitats favorables aux espèces cibles et à leur guilde | 14 |
C2.5 | Réouverture du milieu par débroussaillage d'espèces ligneuses, abattage d'arbres, etc. | 9 | |
C3.5 | Mise en place de pratiques de gestion alternatives plus respectueuses des milieux | 7 | |
C2.4 | Réensemencement de milieux dégradés, replantation, restauration de haies existantes mais dégradées | 5 | |
C3.2 | Abandon ou forte réduction de toute gestion : îlot de senescence, autre | 5 | |
C1.2 | Aménagement ponctuel (abris ou gîtes artificiels pour la faune) | 3 | |
C2.13 | Restauration de ripisylves existantes mais dégradées | 1 | |
C2.6 | Restauration de corridor écologique | 1 | |
C3.3 | Changement des pratiques culturales par conversion de terres cultivées ou exploitées de manière intensive | 1 | |
ACCOMPAGNEMENT | A6.2 | Mise en place d'un comité de suivi des mesures | 52 |
A3.1 | Aménagement ponctuel (abris ou gîtes artificiels pour la faune) | 31 | |
A3.2 | Aide à la recolonisation végétale | 27 | |
A6.1 | Organisation administrative du chantier | 18 | |
A5.2 | Action expérimentale de renforcement de population ou de transplantation d'individus / translocation manuelle ou mécanique | 10 | |
A5.1 | Action expérimentale de génie écologique | 6 | |
A6.5 | Déploiement d'actions de sensibilisation | 6 | |
NA | NA | 6 | |
A6.4 | Déploiement d'actions de communication | 5 | |
A2.1 | Mise en place d'un outil réglementaire du Code de l'Environnement ou du Code Rural et de la pêche maritime ou du Code de l'Urbanisme | 3 | |
A1.1 | Acquisition de parcelle sans mise en œuvre d'action écologique complémentaire | 2 | |
A4.2 | Approfondissement des connaissances relatives à une espèce ou un habitat impacté, aux paysages, à la qualité de l'air et aux niveaux de bruit | 2 | |
A4.5 | Contribution au financement de la réalisation de document d'action en faveur d'une espèce ou d'un habitat impacté par le projet | 2 | |
A6.3 | Action de gestion de la connaissance collective | 2 | |
R3.7 | Dispositif de lutte contre les espèces exotiques envahissantes (actions préventives et curatives) | 2 | |
A4.4 | Contribution financière au déploiement d'actions prévues par un document couvrant le territoire impacté | 1 | |
A6.6 | Dispositif de canalisation du public ou de limitation des accès | 1 | |
C3.1 | Abandon ou forte réduction de tout traitement phytosanitaire | 1 | |
C3.4 | Modification des modalités de fauche et/ou de pâturage ou modification de la gestion des niveaux d'eau | 1 | |
R3.18 | Dispositif de repli du chantier | 1 | |
R4.17 | Gestion écologique des habitats dans la zone d'emprise du projet | 1 | |
SUIVI | S1.2 | Suivi écologique post-chantier | 95 |
S1.1 | Suivi écologique du chantier | 21 |
6.7 Focus sur les mesures de compensation
6.7.1 Mesures de compensation par région
Il n’y a aucune mesure de compensation dans les dossiers des projets localisés en territoires d’outre-mer et dans la moitié nord de l’Hexagone (Fig 25).
Voir le code
ggplot() +
geom_sf(data = count_compensation_hexagone,
aes(fill = n),
color = "black") +
scale_fill_gradient(low = "#ededed",
high = "#a5a5a5",
na.value = "white") +
geom_sf_text(data = count_compensation_hexagone,
aes(label = n),
color = "black",
size = 5) +
ggtitle("Hexagone") +
labs(fill = "Nombre de mesures \nde compensation") +
theme_void() +
theme(legend.position = "none") 
6.7.2 Cibles des mesures de compensation
Les mesures de compensation des projets peuvent avoir trois cibles :
les zones humides,
les espèces protégées,
ou les deux.
Au total, pour tous les projets de l’échantillon, on dénombre 46 mesures de compensation. Pour certaines mesures d’entre elles (22 %), la cible n’est pas indiquée. La majorité des mesures de compensation (65 %) ont pour cible les espèces protégées (Fig 26).
Voir le code
n_mc <- sum(erc$CATEGORIE_MESURE_MAJ == "COMPENSATION")
erc |>
filter(CATEGORIE_MESURE_MAJ == "COMPENSATION") |>
group_by(MC_CIBLE) |>
summarise(n_mesures = n()) |>
mutate(pct_mesures = n_mesures / n_mc * 100) |>
mutate(MC_CIBLE = ifelse(MC_CIBLE == "Espèces protégées ; Zones humides",
"Les deux",
MC_CIBLE)) |>
ggplot(aes(x = reorder(MC_CIBLE, -n_mesures), y = n_mesures)) +
geom_col(fill = "#EDEDED",
col = "#A5A5A5",
linewidth = 1) +
geom_text(aes(x = reorder(MC_CIBLE, -n_mesures),
y = n_mesures + max(n_mesures) * 0.1,
label = paste0(round(pct_mesures, 0), " %")),
size = 4) +
labs(x = "Cibles de la compensation",
y = "Nombre de mesures") +
theme_publish()
Les pourcentages représentent le nombre de mesures ayant la cible X sur le nombre total de mesures de compensation.
6.8 Pressions derrière les mesures ERC
Une pression est un phénomène physique, ondulatoire, chimique ou biologique, dérivé d’une activité humaine ou d’un phénomène naturel et pouvant engendrer un effet négatif sur au moins une composante de la biodiversité. Les pressions ciblées par les mesures ERC ont été définies à partir de la typologie PressRef.
La pression ciblée par les mesures ERC n’est pas indiquée pour 251 mesures (18 %). En effet, certaines mesures ne viennent pas répondre à un besoin de réduire une pression (ex : les mesures de suivi ou de pilotage de chantier). Pour les mesures pour lesquelles les pressions sont précisées, les plus récurrentes sont (Table 53) :
La perte physique permanente de l’habitat naturel ou semi-naturel (268 mesures, soit 19 %),
L’interaction physique non intentionnelle avec des espèces sauvages (166 mesures, soit 12 %),
et le dérangement des espèces sauvages (162 mesures, soit 11 %).
Voir le code
erc_pression <- erc |>
subset(select = c(ID_UNIQUE, CATEGORIE_MESURE_MAJ, PRESSION_CIBLE, REGION)) |>
mutate(PRESSION_CIBLE = ifelse(is.na(PRESSION_CIBLE),
"NA",
PRESSION_CIBLE)) |>
separate_rows(PRESSION_CIBLE,
sep = " ; ")
erc_pression |>
group_by(PRESSION_CIBLE) |>
summarise(n_mesures = n()) |>
mutate(pct_mesures = paste0(round(n_mesures / total_erc * 100, 0), " %")) |>
arrange(desc(n_mesures)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("PRESSION_CIBLE" = "Pressions",
"n_mesures" = "Nombre de mesures",
"pct_mesures" = "Pourcentage des mesures") |>
set_table_properties(layout = "autofit")Pressions | Nombre de mesures | Pourcentage des mesures |
|---|---|---|
Perte physique permanente de l'habitat naturel ou semi-naturel | 268 | 19 % |
Pas de pression ciblée | 250 | 18 % |
Interaction physique non intentionnelle avec des espèces sauvages | 166 | 12 % |
Dérangement des espèces sauvages | 162 | 11 % |
Introduction de substances chimiques dans le milieu | 160 | 11 % |
Modification permanente de type d'habitat naturel ou semi-naturel | 119 | 8 % |
Obstacle au mouvement des espèces sauvages | 114 | 8 % |
Introduction ou propagation d'espèces non indigènes - exotiques | 90 | 6 % |
Compression verticale du substrat | 35 | 2 % |
Abrasion du substrat | 21 | 1 % |
Introduction de déchets solides dans le milieu | 11 | 1 % |
Remaniement du substrat | 8 | 1 % |
Modification de la charge en particules | 7 | 0 % |
Prélèvement d'espèces sauvages | 5 | 0 % |
Extraction du substrat | 3 | 0 % |
Voir le code
erc_pression |>
group_by(REGION, PRESSION_CIBLE) |>
summarise(n_mesures = n()) |>
arrange(REGION, desc(n_mesures)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("REGION" = "Régions",
"PRESSION_CIBLE" = "Pressions",
"n_mesures" = "Nombre de mesures") |>
merge_v(j = 1) |>
set_table_properties(layout = "autofit")Régions | Pressions | Nombre de mesures |
|---|---|---|
Auvergne-Rhône-Alpes | Pas de pression ciblée | 29 |
Perte physique permanente de l'habitat naturel ou semi-naturel | 21 | |
Dérangement des espèces sauvages | 20 | |
Interaction physique non intentionnelle avec des espèces sauvages | 18 | |
Introduction de substances chimiques dans le milieu | 18 | |
Obstacle au mouvement des espèces sauvages | 14 | |
Introduction ou propagation d'espèces non indigènes - exotiques | 13 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 13 | |
Abrasion du substrat | 7 | |
Compression verticale du substrat | 6 | |
Modification de la charge en particules | 2 | |
Remaniement du substrat | 2 | |
Extraction du substrat | 1 | |
Bourgogne-Franche-Comté | Pas de pression ciblée | 7 |
Perte physique permanente de l'habitat naturel ou semi-naturel | 7 | |
Introduction de substances chimiques dans le milieu | 5 | |
Introduction ou propagation d'espèces non indigènes - exotiques | 5 | |
Dérangement des espèces sauvages | 4 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 4 | |
Obstacle au mouvement des espèces sauvages | 4 | |
Interaction physique non intentionnelle avec des espèces sauvages | 3 | |
Abrasion du substrat | 1 | |
Bretagne | Introduction de substances chimiques dans le milieu | 3 |
Interaction physique non intentionnelle avec des espèces sauvages | 2 | |
Dérangement des espèces sauvages | 1 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 1 | |
Pas de pression ciblée | 1 | |
Centre-Val de Loire | Pas de pression ciblée | 11 |
Modification permanente de type d'habitat naturel ou semi-naturel | 10 | |
Dérangement des espèces sauvages | 8 | |
Obstacle au mouvement des espèces sauvages | 8 | |
Interaction physique non intentionnelle avec des espèces sauvages | 7 | |
Introduction de substances chimiques dans le milieu | 7 | |
Introduction ou propagation d'espèces non indigènes - exotiques | 4 | |
Perte physique permanente de l'habitat naturel ou semi-naturel | 4 | |
Abrasion du substrat | 1 | |
Compression verticale du substrat | 1 | |
Extraction du substrat | 1 | |
Introduction de déchets solides dans le milieu | 1 | |
Prélèvement d'espèces sauvages | 1 | |
Corse | Introduction de substances chimiques dans le milieu | 7 |
Modification permanente de type d'habitat naturel ou semi-naturel | 6 | |
Perte physique permanente de l'habitat naturel ou semi-naturel | 5 | |
Pas de pression ciblée | 4 | |
Dérangement des espèces sauvages | 3 | |
Interaction physique non intentionnelle avec des espèces sauvages | 3 | |
Abrasion du substrat | 1 | |
Introduction de déchets solides dans le milieu | 1 | |
Introduction ou propagation d'espèces non indigènes - exotiques | 1 | |
Modification de la charge en particules | 1 | |
Obstacle au mouvement des espèces sauvages | 1 | |
Grand Est | Pas de pression ciblée | 9 |
Perte physique permanente de l'habitat naturel ou semi-naturel | 8 | |
Dérangement des espèces sauvages | 5 | |
Obstacle au mouvement des espèces sauvages | 5 | |
Introduction de substances chimiques dans le milieu | 3 | |
Introduction ou propagation d'espèces non indigènes - exotiques | 3 | |
Interaction physique non intentionnelle avec des espèces sauvages | 2 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 2 | |
Abrasion du substrat | 1 | |
Compression verticale du substrat | 1 | |
Guadeloupe | Dérangement des espèces sauvages | 3 |
Interaction physique non intentionnelle avec des espèces sauvages | 3 | |
Introduction de substances chimiques dans le milieu | 2 | |
Pas de pression ciblée | 2 | |
Compression verticale du substrat | 1 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 1 | |
Guyane | Dérangement des espèces sauvages | 1 |
Hauts-de-France | Perte physique permanente de l'habitat naturel ou semi-naturel | 2 |
Dérangement des espèces sauvages | 1 | |
Interaction physique non intentionnelle avec des espèces sauvages | 1 | |
Introduction de substances chimiques dans le milieu | 1 | |
Introduction ou propagation d'espèces non indigènes - exotiques | 1 | |
Obstacle au mouvement des espèces sauvages | 1 | |
Pas de pression ciblée | 1 | |
La Réunion | Introduction ou propagation d'espèces non indigènes - exotiques | 4 |
Dérangement des espèces sauvages | 3 | |
Interaction physique non intentionnelle avec des espèces sauvages | 3 | |
Introduction de substances chimiques dans le milieu | 3 | |
Pas de pression ciblée | 2 | |
Obstacle au mouvement des espèces sauvages | 1 | |
Martinique | Dérangement des espèces sauvages | 1 |
Interaction physique non intentionnelle avec des espèces sauvages | 1 | |
Introduction de substances chimiques dans le milieu | 1 | |
Introduction ou propagation d'espèces non indigènes - exotiques | 1 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 1 | |
Pas de pression ciblée | 1 | |
Perte physique permanente de l'habitat naturel ou semi-naturel | 1 | |
Normandie | Interaction physique non intentionnelle avec des espèces sauvages | 3 |
Modification permanente de type d'habitat naturel ou semi-naturel | 3 | |
Pas de pression ciblée | 2 | |
Introduction de substances chimiques dans le milieu | 1 | |
Introduction ou propagation d'espèces non indigènes - exotiques | 1 | |
Nouvelle-Aquitaine | Perte physique permanente de l'habitat naturel ou semi-naturel | 86 |
Pas de pression ciblée | 72 | |
Dérangement des espèces sauvages | 50 | |
Interaction physique non intentionnelle avec des espèces sauvages | 39 | |
Introduction de substances chimiques dans le milieu | 35 | |
Obstacle au mouvement des espèces sauvages | 34 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 25 | |
Introduction ou propagation d'espèces non indigènes - exotiques | 23 | |
Compression verticale du substrat | 10 | |
Remaniement du substrat | 4 | |
Introduction de déchets solides dans le milieu | 3 | |
Modification de la charge en particules | 3 | |
Abrasion du substrat | 2 | |
Prélèvement d'espèces sauvages | 1 | |
Nouvelle-Calédonie | Introduction de substances chimiques dans le milieu | 7 |
Modification permanente de type d'habitat naturel ou semi-naturel | 1 | |
Occitanie | Perte physique permanente de l'habitat naturel ou semi-naturel | 71 |
Pas de pression ciblée | 62 | |
Dérangement des espèces sauvages | 38 | |
Introduction de substances chimiques dans le milieu | 38 | |
Interaction physique non intentionnelle avec des espèces sauvages | 34 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 31 | |
Obstacle au mouvement des espèces sauvages | 27 | |
Introduction ou propagation d'espèces non indigènes - exotiques | 19 | |
Compression verticale du substrat | 10 | |
Abrasion du substrat | 3 | |
Introduction de déchets solides dans le milieu | 3 | |
Extraction du substrat | 1 | |
Modification de la charge en particules | 1 | |
Pays de la Loire | Perte physique permanente de l'habitat naturel ou semi-naturel | 8 |
Interaction physique non intentionnelle avec des espèces sauvages | 6 | |
Obstacle au mouvement des espèces sauvages | 5 | |
Pas de pression ciblée | 4 | |
Dérangement des espèces sauvages | 3 | |
Compression verticale du substrat | 2 | |
Introduction ou propagation d'espèces non indigènes - exotiques | 2 | |
Abrasion du substrat | 1 | |
Introduction de substances chimiques dans le milieu | 1 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 1 | |
Provence-Alpes-Côte d'Azur | Perte physique permanente de l'habitat naturel ou semi-naturel | 49 |
Pas de pression ciblée | 41 | |
Interaction physique non intentionnelle avec des espèces sauvages | 34 | |
Introduction de substances chimiques dans le milieu | 24 | |
Dérangement des espèces sauvages | 20 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 13 | |
Obstacle au mouvement des espèces sauvages | 13 | |
Introduction ou propagation d'espèces non indigènes - exotiques | 12 | |
Abrasion du substrat | 4 | |
Compression verticale du substrat | 3 | |
Introduction de déchets solides dans le milieu | 3 | |
Prélèvement d'espèces sauvages | 2 | |
Remaniement du substrat | 2 | |
Île-de-France | Interaction physique non intentionnelle avec des espèces sauvages | 7 |
Modification permanente de type d'habitat naturel ou semi-naturel | 7 | |
Perte physique permanente de l'habitat naturel ou semi-naturel | 6 | |
Introduction de substances chimiques dans le milieu | 4 | |
Pas de pression ciblée | 2 | |
Compression verticale du substrat | 1 | |
Dérangement des espèces sauvages | 1 | |
Introduction ou propagation d'espèces non indigènes - exotiques | 1 | |
Obstacle au mouvement des espèces sauvages | 1 | |
Prélèvement d'espèces sauvages | 1 |
6.8.1 Pressions par catégorie de mesures
Les pressions les plus récurrentes selon les catégories de mesures sont (Table 55) :
La perte physique permanente de l’habitat naturel ou semi-naturel avec 95 mesures (76 % des mesures d’évitement) pour l’évitement,
Le dérangement des espèces sauvages avec 160 mesures (17 % des mesures de réduction) pour la réduction,
La perte physique permanente de l’habitat naturel ou semi-naturel avec 26 mesures (57 % des mesures de compensation, en sachant que 2 % d’entre elles n’ont pas de pression cible) pour la compensation,
La perte physique permanente de l’habitat naturel ou semi-naturel avec 26 mesures (14 % des mesures d’accompagnement, en sachant que 72 % d’entre elles n’ont pas de pression cible) pour l’accompagnement,
et l’introduction ou propagation d’espèces non indigènes - exotiques avec 2 mesures (2 % des mesures de suivi, en sachant que 98 % d’entre elles n’ont pas de pression cible) pour le suivi.
Voir le code
erc_pression |>
group_by(CATEGORIE_MESURE_MAJ, PRESSION_CIBLE) |>
summarise(n_mesures = n()) |>
arrange(factor(CATEGORIE_MESURE_MAJ,
levels = c("EVITEMENT",
"REDUCTION",
"COMPENSATION",
"ACCOMPAGNEMENT",
"SUIVI")),
desc(n_mesures)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("CATEGORIE_MESURE_MAJ" = "Catégories",
"PRESSION_CIBLE" = "Pressions",
"n_mesures" = "Nombre de mesures") |>
merge_v(j = 1) |>
set_table_properties(layout = "autofit")Catégories | Pressions | Nombre de mesures |
|---|---|---|
EVITEMENT | Perte physique permanente de l'habitat naturel ou semi-naturel | 95 |
Interaction physique non intentionnelle avec des espèces sauvages | 14 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 10 | |
Obstacle au mouvement des espèces sauvages | 3 | |
Dérangement des espèces sauvages | 2 | |
Compression verticale du substrat | 1 | |
REDUCTION | Dérangement des espèces sauvages | 160 |
Introduction de substances chimiques dans le milieu | 155 | |
Interaction physique non intentionnelle avec des espèces sauvages | 150 | |
Perte physique permanente de l'habitat naturel ou semi-naturel | 121 | |
Obstacle au mouvement des espèces sauvages | 105 | |
Introduction ou propagation d'espèces non indigènes - exotiques | 84 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 83 | |
Compression verticale du substrat | 34 | |
Abrasion du substrat | 20 | |
Introduction de déchets solides dans le milieu | 11 | |
Remaniement du substrat | 8 | |
Modification de la charge en particules | 7 | |
Pas de pression ciblée | 6 | |
Prélèvement d'espèces sauvages | 5 | |
Extraction du substrat | 3 | |
COMPENSATION | Perte physique permanente de l'habitat naturel ou semi-naturel | 26 |
Modification permanente de type d'habitat naturel ou semi-naturel | 14 | |
Obstacle au mouvement des espèces sauvages | 3 | |
Interaction physique non intentionnelle avec des espèces sauvages | 2 | |
Pas de pression ciblée | 1 | |
ACCOMPAGNEMENT | Pas de pression ciblée | 129 |
Perte physique permanente de l'habitat naturel ou semi-naturel | 26 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 12 | |
Introduction de substances chimiques dans le milieu | 5 | |
Introduction ou propagation d'espèces non indigènes - exotiques | 4 | |
Obstacle au mouvement des espèces sauvages | 3 | |
Abrasion du substrat | 1 | |
SUIVI | Pas de pression ciblée | 114 |
Introduction ou propagation d'espèces non indigènes - exotiques | 2 |
Voir le code
erc_pression |>
group_by(CATEGORIE_MESURE_MAJ, REGION, PRESSION_CIBLE) |>
summarise(n_mesures = n()) |>
arrange(factor(CATEGORIE_MESURE_MAJ,
levels = c("EVITEMENT",
"REDUCTION",
"COMPENSATION",
"ACCOMPAGNEMENT",
"SUIVI")),
REGION,
desc(n_mesures)) |>
flextable() |>
theme_vanilla() |>
set_header_labels("CATEGORIE_MESURE_MAJ" = "Catégories",
"REGION" = "Régions",
"PRESSION_CIBLE" = "Pressions",
"n_mesures" = "Nombre de mesures") |>
merge_v(j = 1) |>
merge_v(j = 2) |>
set_table_properties(layout = "autofit")Catégories | Régions | Pressions | Nombre de mesures |
|---|---|---|---|
EVITEMENT | Auvergne-Rhône-Alpes | Modification permanente de type d'habitat naturel ou semi-naturel | 5 |
Perte physique permanente de l'habitat naturel ou semi-naturel | 5 | ||
Bourgogne-Franche-Comté | Perte physique permanente de l'habitat naturel ou semi-naturel | 3 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 1 | ||
Bretagne | Modification permanente de type d'habitat naturel ou semi-naturel | 1 | |
Centre-Val de Loire | Interaction physique non intentionnelle avec des espèces sauvages | 3 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 1 | ||
Grand Est | Perte physique permanente de l'habitat naturel ou semi-naturel | 4 | |
Obstacle au mouvement des espèces sauvages | 1 | ||
Guadeloupe | Modification permanente de type d'habitat naturel ou semi-naturel | 1 | |
Hauts-de-France | Perte physique permanente de l'habitat naturel ou semi-naturel | 1 | |
La Réunion | Dérangement des espèces sauvages | 1 | |
Nouvelle-Aquitaine | Perte physique permanente de l'habitat naturel ou semi-naturel | 35 | |
Interaction physique non intentionnelle avec des espèces sauvages | 5 | ||
Dérangement des espèces sauvages | 1 | ||
Obstacle au mouvement des espèces sauvages | 1 | ||
Occitanie | Perte physique permanente de l'habitat naturel ou semi-naturel | 28 | |
Interaction physique non intentionnelle avec des espèces sauvages | 4 | ||
Modification permanente de type d'habitat naturel ou semi-naturel | 1 | ||
Obstacle au mouvement des espèces sauvages | 1 | ||
Pays de la Loire | Perte physique permanente de l'habitat naturel ou semi-naturel | 1 | |
Provence-Alpes-Côte d'Azur | Perte physique permanente de l'habitat naturel ou semi-naturel | 15 | |
Interaction physique non intentionnelle avec des espèces sauvages | 2 | ||
Compression verticale du substrat | 1 | ||
Île-de-France | Perte physique permanente de l'habitat naturel ou semi-naturel | 3 | |
REDUCTION | Auvergne-Rhône-Alpes | Dérangement des espèces sauvages | 20 |
Interaction physique non intentionnelle avec des espèces sauvages | 18 | ||
Introduction de substances chimiques dans le milieu | 18 | ||
Perte physique permanente de l'habitat naturel ou semi-naturel | 14 | ||
Introduction ou propagation d'espèces non indigènes - exotiques | 13 | ||
Obstacle au mouvement des espèces sauvages | 13 | ||
Abrasion du substrat | 7 | ||
Compression verticale du substrat | 6 | ||
Modification permanente de type d'habitat naturel ou semi-naturel | 5 | ||
Modification de la charge en particules | 2 | ||
Pas de pression ciblée | 2 | ||
Remaniement du substrat | 2 | ||
Extraction du substrat | 1 | ||
Bourgogne-Franche-Comté | Introduction de substances chimiques dans le milieu | 5 | |
Dérangement des espèces sauvages | 4 | ||
Introduction ou propagation d'espèces non indigènes - exotiques | 4 | ||
Obstacle au mouvement des espèces sauvages | 4 | ||
Interaction physique non intentionnelle avec des espèces sauvages | 3 | ||
Perte physique permanente de l'habitat naturel ou semi-naturel | 3 | ||
Modification permanente de type d'habitat naturel ou semi-naturel | 2 | ||
Abrasion du substrat | 1 | ||
Bretagne | Introduction de substances chimiques dans le milieu | 3 | |
Interaction physique non intentionnelle avec des espèces sauvages | 2 | ||
Dérangement des espèces sauvages | 1 | ||
Centre-Val de Loire | Dérangement des espèces sauvages | 8 | |
Introduction de substances chimiques dans le milieu | 6 | ||
Modification permanente de type d'habitat naturel ou semi-naturel | 6 | ||
Obstacle au mouvement des espèces sauvages | 6 | ||
Interaction physique non intentionnelle avec des espèces sauvages | 3 | ||
Introduction ou propagation d'espèces non indigènes - exotiques | 3 | ||
Compression verticale du substrat | 1 | ||
Extraction du substrat | 1 | ||
Introduction de déchets solides dans le milieu | 1 | ||
Perte physique permanente de l'habitat naturel ou semi-naturel | 1 | ||
Prélèvement d'espèces sauvages | 1 | ||
Corse | Introduction de substances chimiques dans le milieu | 6 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 5 | ||
Perte physique permanente de l'habitat naturel ou semi-naturel | 5 | ||
Dérangement des espèces sauvages | 3 | ||
Interaction physique non intentionnelle avec des espèces sauvages | 3 | ||
Abrasion du substrat | 1 | ||
Introduction de déchets solides dans le milieu | 1 | ||
Introduction ou propagation d'espèces non indigènes - exotiques | 1 | ||
Modification de la charge en particules | 1 | ||
Obstacle au mouvement des espèces sauvages | 1 | ||
Pas de pression ciblée | 1 | ||
Grand Est | Dérangement des espèces sauvages | 5 | |
Obstacle au mouvement des espèces sauvages | 4 | ||
Introduction ou propagation d'espèces non indigènes - exotiques | 3 | ||
Perte physique permanente de l'habitat naturel ou semi-naturel | 3 | ||
Interaction physique non intentionnelle avec des espèces sauvages | 2 | ||
Introduction de substances chimiques dans le milieu | 2 | ||
Abrasion du substrat | 1 | ||
Compression verticale du substrat | 1 | ||
Modification permanente de type d'habitat naturel ou semi-naturel | 1 | ||
Guadeloupe | Dérangement des espèces sauvages | 3 | |
Interaction physique non intentionnelle avec des espèces sauvages | 3 | ||
Introduction de substances chimiques dans le milieu | 2 | ||
Compression verticale du substrat | 1 | ||
Pas de pression ciblée | 1 | ||
Guyane | Dérangement des espèces sauvages | 1 | |
Hauts-de-France | Dérangement des espèces sauvages | 1 | |
Interaction physique non intentionnelle avec des espèces sauvages | 1 | ||
Introduction de substances chimiques dans le milieu | 1 | ||
Introduction ou propagation d'espèces non indigènes - exotiques | 1 | ||
Obstacle au mouvement des espèces sauvages | 1 | ||
Pas de pression ciblée | 1 | ||
Perte physique permanente de l'habitat naturel ou semi-naturel | 1 | ||
La Réunion | Introduction ou propagation d'espèces non indigènes - exotiques | 4 | |
Interaction physique non intentionnelle avec des espèces sauvages | 3 | ||
Introduction de substances chimiques dans le milieu | 3 | ||
Dérangement des espèces sauvages | 2 | ||
Obstacle au mouvement des espèces sauvages | 1 | ||
Martinique | Dérangement des espèces sauvages | 1 | |
Interaction physique non intentionnelle avec des espèces sauvages | 1 | ||
Introduction de substances chimiques dans le milieu | 1 | ||
Introduction ou propagation d'espèces non indigènes - exotiques | 1 | ||
Modification permanente de type d'habitat naturel ou semi-naturel | 1 | ||
Perte physique permanente de l'habitat naturel ou semi-naturel | 1 | ||
Normandie | Interaction physique non intentionnelle avec des espèces sauvages | 3 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 2 | ||
Introduction de substances chimiques dans le milieu | 1 | ||
Introduction ou propagation d'espèces non indigènes - exotiques | 1 | ||
Nouvelle-Aquitaine | Dérangement des espèces sauvages | 49 | |
Interaction physique non intentionnelle avec des espèces sauvages | 34 | ||
Introduction de substances chimiques dans le milieu | 34 | ||
Perte physique permanente de l'habitat naturel ou semi-naturel | 32 | ||
Obstacle au mouvement des espèces sauvages | 30 | ||
Introduction ou propagation d'espèces non indigènes - exotiques | 23 | ||
Modification permanente de type d'habitat naturel ou semi-naturel | 17 | ||
Compression verticale du substrat | 10 | ||
Remaniement du substrat | 4 | ||
Introduction de déchets solides dans le milieu | 3 | ||
Modification de la charge en particules | 3 | ||
Abrasion du substrat | 2 | ||
Prélèvement d'espèces sauvages | 1 | ||
Nouvelle-Calédonie | Introduction de substances chimiques dans le milieu | 6 | |
Occitanie | Dérangement des espèces sauvages | 38 | |
Introduction de substances chimiques dans le milieu | 38 | ||
Perte physique permanente de l'habitat naturel ou semi-naturel | 36 | ||
Interaction physique non intentionnelle avec des espèces sauvages | 30 | ||
Modification permanente de type d'habitat naturel ou semi-naturel | 29 | ||
Obstacle au mouvement des espèces sauvages | 26 | ||
Introduction ou propagation d'espèces non indigènes - exotiques | 16 | ||
Compression verticale du substrat | 10 | ||
Abrasion du substrat | 3 | ||
Introduction de déchets solides dans le milieu | 3 | ||
Extraction du substrat | 1 | ||
Modification de la charge en particules | 1 | ||
Pays de la Loire | Interaction physique non intentionnelle avec des espèces sauvages | 6 | |
Obstacle au mouvement des espèces sauvages | 5 | ||
Perte physique permanente de l'habitat naturel ou semi-naturel | 4 | ||
Dérangement des espèces sauvages | 3 | ||
Compression verticale du substrat | 2 | ||
Introduction ou propagation d'espèces non indigènes - exotiques | 2 | ||
Abrasion du substrat | 1 | ||
Introduction de substances chimiques dans le milieu | 1 | ||
Modification permanente de type d'habitat naturel ou semi-naturel | 1 | ||
Provence-Alpes-Côte d'Azur | Interaction physique non intentionnelle avec des espèces sauvages | 31 | |
Introduction de substances chimiques dans le milieu | 24 | ||
Dérangement des espèces sauvages | 20 | ||
Perte physique permanente de l'habitat naturel ou semi-naturel | 19 | ||
Obstacle au mouvement des espèces sauvages | 13 | ||
Introduction ou propagation d'espèces non indigènes - exotiques | 11 | ||
Modification permanente de type d'habitat naturel ou semi-naturel | 7 | ||
Abrasion du substrat | 4 | ||
Introduction de déchets solides dans le milieu | 3 | ||
Compression verticale du substrat | 2 | ||
Prélèvement d'espèces sauvages | 2 | ||
Remaniement du substrat | 2 | ||
Île-de-France | Interaction physique non intentionnelle avec des espèces sauvages | 7 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 7 | ||
Introduction de substances chimiques dans le milieu | 4 | ||
Perte physique permanente de l'habitat naturel ou semi-naturel | 2 | ||
Compression verticale du substrat | 1 | ||
Dérangement des espèces sauvages | 1 | ||
Introduction ou propagation d'espèces non indigènes - exotiques | 1 | ||
Obstacle au mouvement des espèces sauvages | 1 | ||
Pas de pression ciblée | 1 | ||
Prélèvement d'espèces sauvages | 1 | ||
COMPENSATION | Auvergne-Rhône-Alpes | Modification permanente de type d'habitat naturel ou semi-naturel | 3 |
Obstacle au mouvement des espèces sauvages | 1 | ||
Perte physique permanente de l'habitat naturel ou semi-naturel | 1 | ||
Centre-Val de Loire | Interaction physique non intentionnelle avec des espèces sauvages | 1 | |
Corse | Modification permanente de type d'habitat naturel ou semi-naturel | 1 | |
Nouvelle-Aquitaine | Perte physique permanente de l'habitat naturel ou semi-naturel | 15 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 4 | ||
Obstacle au mouvement des espèces sauvages | 2 | ||
Pas de pression ciblée | 1 | ||
Nouvelle-Calédonie | Modification permanente de type d'habitat naturel ou semi-naturel | 1 | |
Occitanie | Perte physique permanente de l'habitat naturel ou semi-naturel | 3 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 1 | ||
Pays de la Loire | Perte physique permanente de l'habitat naturel ou semi-naturel | 3 | |
Provence-Alpes-Côte d'Azur | Modification permanente de type d'habitat naturel ou semi-naturel | 4 | |
Perte physique permanente de l'habitat naturel ou semi-naturel | 4 | ||
Interaction physique non intentionnelle avec des espèces sauvages | 1 | ||
ACCOMPAGNEMENT | Auvergne-Rhône-Alpes | Pas de pression ciblée | 18 |
Perte physique permanente de l'habitat naturel ou semi-naturel | 1 | ||
Bourgogne-Franche-Comté | Pas de pression ciblée | 5 | |
Introduction ou propagation d'espèces non indigènes - exotiques | 1 | ||
Modification permanente de type d'habitat naturel ou semi-naturel | 1 | ||
Perte physique permanente de l'habitat naturel ou semi-naturel | 1 | ||
Bretagne | Pas de pression ciblée | 1 | |
Centre-Val de Loire | Pas de pression ciblée | 9 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 3 | ||
Perte physique permanente de l'habitat naturel ou semi-naturel | 3 | ||
Obstacle au mouvement des espèces sauvages | 2 | ||
Abrasion du substrat | 1 | ||
Introduction de substances chimiques dans le milieu | 1 | ||
Introduction ou propagation d'espèces non indigènes - exotiques | 1 | ||
Corse | Introduction de substances chimiques dans le milieu | 1 | |
Pas de pression ciblée | 1 | ||
Grand Est | Pas de pression ciblée | 4 | |
Introduction de substances chimiques dans le milieu | 1 | ||
Modification permanente de type d'habitat naturel ou semi-naturel | 1 | ||
Perte physique permanente de l'habitat naturel ou semi-naturel | 1 | ||
Guadeloupe | Pas de pression ciblée | 1 | |
La Réunion | Pas de pression ciblée | 2 | |
Normandie | Modification permanente de type d'habitat naturel ou semi-naturel | 1 | |
Pas de pression ciblée | 1 | ||
Nouvelle-Aquitaine | Pas de pression ciblée | 36 | |
Modification permanente de type d'habitat naturel ou semi-naturel | 4 | ||
Perte physique permanente de l'habitat naturel ou semi-naturel | 4 | ||
Introduction de substances chimiques dans le milieu | 1 | ||
Obstacle au mouvement des espèces sauvages | 1 | ||
Nouvelle-Calédonie | Introduction de substances chimiques dans le milieu | 1 | |
Occitanie | Pas de pression ciblée | 31 | |
Perte physique permanente de l'habitat naturel ou semi-naturel | 4 | ||
Introduction ou propagation d'espèces non indigènes - exotiques | 1 | ||
Pays de la Loire | Pas de pression ciblée | 2 | |
Provence-Alpes-Côte d'Azur | Pas de pression ciblée | 17 | |
Perte physique permanente de l'habitat naturel ou semi-naturel | 11 | ||
Modification permanente de type d'habitat naturel ou semi-naturel | 2 | ||
Introduction ou propagation d'espèces non indigènes - exotiques | 1 | ||
Île-de-France | Pas de pression ciblée | 1 | |
Perte physique permanente de l'habitat naturel ou semi-naturel | 1 | ||
SUIVI | Auvergne-Rhône-Alpes | Pas de pression ciblée | 9 |
Bourgogne-Franche-Comté | Pas de pression ciblée | 2 | |
Centre-Val de Loire | Pas de pression ciblée | 2 | |
Corse | Pas de pression ciblée | 2 | |
Grand Est | Pas de pression ciblée | 5 | |
Martinique | Pas de pression ciblée | 1 | |
Normandie | Pas de pression ciblée | 1 | |
Nouvelle-Aquitaine | Pas de pression ciblée | 35 | |
Occitanie | Pas de pression ciblée | 31 | |
Introduction ou propagation d'espèces non indigènes - exotiques | 2 | ||
Pays de la Loire | Pas de pression ciblée | 2 | |
Provence-Alpes-Côte d'Azur | Pas de pression ciblée | 24 |
Notes de bas de page
La base de données, intitulée BDD_PV-ERC_v11052026, est disponible dans le dossier ZIP accompagnant ce document.↩︎
Cette typologie, intitulée Typologie_nationale_ERC_corigée et au format Microsoft Excel, est disponible dans le dossier ZIP accompagnant ce document.↩︎
Ce document, intitulé DESCRIPTION_BASE_PV-ERC_v10042026 et au format PDF, est disponible dans le dossier ZIP qui accompagne ce présent document.↩︎
In prep. Padilla↩︎
Cette table des correspondances, intitulée CRSP_EUNIS_2008_HIC et au format Microsoft Excel, est disponible dans le dossier ZIP qui accompagne ce présent document.↩︎