Ajout des données Environnement

Création d'une page Environnement (qui intègre les données de climat): pour cela on sort de prepare-data plusieurs objets qui viendront remplir les différentes sections :

• REALISEE : une section description des sols et de leur occupation pour laquelle on génère : un dictionnaire différents types de zones couvrant la circonscription et leur géolocalisation en vue de réaliser une carte (loc_occup_sols), un dictionnaire des espaces de la circonscription, et de leur proportion en France et dans la circonscription (nb_occup_sols) et 2 dictionnaires recensant les flux d'artificialisation et les mettant en relief avec des données socio-économiques en vue de 2 tableaux (tableau_artificialisation entre 2011 et 2021 et tableau_artificialisation_pop entre 2014 et 2020)
• _EXISTANTE : _la section climat ;
• NON REALISEE : une section risques naturels qui reprendrait les risques naturels définis par Georisques (inondation, risques côtiers, séisme, mouvement de terrain, retrait-gonflement des argiles, radon), et les risques liés à l'action de l'homme. On pensait alors en particulier à l'integration de la table retrait-gonflement des argiles, sujet qui avait fait l'objet d'une loi en avril 2023 (visant à mieux indemniser les dégâts sur les biens immobiliers causés par le retrait-gonflement de l'argile)une section impact anthropique et pollution avec notamment les données BASOL des sites pollués ou les données liées à l'artificialisation des sols.

Des objets ont été crées dans prepare-data qui peuvent être utilisé dans le web pour plusieurs visualisations :

• dictionnaire_sites_pollues : recense le point géographique des sites pollués (dans l'objectif de faire une carte)
• nb_sites_pollues_circo, nb_sites_pollues_dep, nb_sites_pollues_nat : des chiffres qui peuvent être cités;
• serie_tmp_artif : était crée pour réaliser un graphique de l'évolution des surfaces artificialisées (sauf que ne faudrait-il pas les cumuler... ? sachant qu'on n'a pas la valeur initiale des surfaces artificialisées en 2009, date de début des données, et que les différents postes de surface n'ont pas le même échelle : beaucoup moins de surface artificialisée pour les voies ferrées que pour l'habitat).

On a également :

• crée un notebook exploratoire ;
• préparé l'import des données des retrait gonflement des argiles, de risque radon et d'inondations. Il existe 4 risques (typologie expliquée dans la documentation du fichier zip).

ajout des sites et sols pollués : close #23 (closed) ajout du retrait gonflement des argiles close #20 (closed)

datacirco/modules_data/environnement_data.py

@@ -6,6 +6,8 @@ import json
 
 @dataclass()
 class DataEnvironnement:
+    occupation_sols = None
+    repertoire_occupation_circo = None
     dictionnaire_sites_pollues = None
     nb_sites_pollues_circo = None
     nb_sites_pollues_dep = None
@@ -29,6 +31,70 @@ class GetEnvironnement:
         self.circo = data.circo
         self.data.environnement.sources = utilitaires.get_sources("environnement")
 
+    def get_occupation_sols(self):
+        # Données cartographiques
+        utilitaires.db_exec(
+            self.db.mogrify(
+                f"""
+        SELECT t.libelle_fr, t.couleur, st_asgeojson(t.wkb_geometry)
+        FROM sdes_occupation_sols_2012 as t
+        LEFT JOIN zone_circo c 
+        ON st_intersects(t.wkb_geometry, c.wkb_geometry)
+        WHERE c.ref = '{self.circo}';"""
+            )
+        )
+        self.data.environnement.occupation_sols = [
+            {
+                "type_occupation": r[0],
+                "couleur": r[1],
+                "geojson": dict(
+                    type="Feature", properties=dict(), geometry=json.loads(r[2])
+                ),
+            }
+            for r in self.db.fetchall()
+        ]
+        # Données pour le tableau au niveau des circonscriptions
+        utilitaires.db_exec(
+            self.db.mogrify(
+                f"""SELECT tot_circo.nom_occupation, tot_circo.part_circo, tot_france.part_france FROM (
+WITH somme_aire_circo AS (
+    SELECT SUM(st_area(st_intersection(c1.wkb_geometry, oc1.wkb_geometry))) as somme_circo 
+    FROM sdes_occupation_sols_2012 as oc1
+    LEFT JOIN zone_circo c1
+    ON st_intersects(c1.wkb_geometry, oc1.wkb_geometry)
+    WHERE c1.ref = '{self.circo}')
+                SELECT oc.type_occupation, oc.nom_occupation, SUM(oc.aire_oc/somme_aire_circo.somme_circo) as part_circo
+                    FROM somme_aire_circo, (
+                        SELECT t.code_12 as type_occupation, t.libelle_fr AS nom_occupation,
+                        st_area(st_intersection(c.wkb_geometry,t.wkb_geometry)) as aire_oc
+                        FROM sdes_occupation_sols_2012 as t
+                        LEFT JOIN zone_circo c ON st_intersects(c.wkb_geometry, t.wkb_geometry)
+                        WHERE c.ref = '{self.circo}'
+                        ) as oc
+                    GROUP BY 1, 2
+                    ORDER BY part_circo
+
+) as tot_circo
+LEFT JOIN (
+    WITH somme_aire_france AS (SELECT SUM(area_ha) as somme FROM sdes_occupation_sols_2012)
+                SELECT o.code_12 as type_france, SUM(o.area_ha/somme_aire_france.somme) as part_france
+                    FROM sdes_occupation_sols_2012 as o, somme_aire_france
+                    GROUP BY 1
+) as tot_france
+ON tot_circo.type_occupation = tot_france.type_france;"""
+            )
+        )
+
+        self.data.environnement.nb_occup = [
+            {
+                "type_occupation": r[0],
+                "part_superficie_circo": float(r[1]),
+                "part_superficie_france": float(r[2]),
+            }
+            for r in self.db.fetchall()
+        ]
+        # Données pour ce type agricole au niveau français
+
     def get_sites_pollues(self):
         utilitaires.db_exec(
             db.mogrify(