Skip to content

120 zoogdieren #138

New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Merged
joost-vanoverbeke merged 9 commits into from
Nov 19, 2025
Merged

120 zoogdieren #138

Show file tree
Hide file tree
Changes from all commits
Commits
Show all changes
9 commits
Select commit Hold shift + click to select a range
d05ba4c
eerste aanpassingen
WimMertens Aug 21, 2025
c565fc5
eerste versie hst 12
WimMertens Aug 25, 2025
008e620
Revisie Oberon 26/08/2025
OberonGeunens Aug 26, 2025
dd443aa
eindversie na revisie van Oberon
WimMertens Aug 27, 2025
478b1c3
Nog een aanpassing gemaakt. Er werd verwezen naar Figuur 2 maar stond…
OberonGeunens Aug 28, 2025
ef04557
Eens te bekijken welke output je krijgt bij de grafieken.
OberonGeunens Aug 28, 2025
1196777
foute versie
WimMertens Aug 28, 2025
bef3f74
finale versie na opkuis van gitprobleempjes
WimMertens Sep 2, 2025
1977663
Merge pull request #137 from inbo/main
joost-vanoverbeke Nov 19, 2025
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
91 changes: 65 additions & 26 deletions moneos_2024/120_zoogdieren/10_zoogdieren_data.Rmd
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -23,7 +23,7 @@ options(knitr.kable.NA = '')

library(tidyverse)
library(rprojroot)
library(readxl)
# library(readxl)
library(lubridate)
library(kableExtra)

Expand All @@ -47,22 +47,46 @@ pad_tabellen <- maak_pad(params$hoofdstuk, "tabellen")
```{r data}
pad_data
(files <- list.files(pad_data, full.names = TRUE, ))
(rawfiles2024 <- files[str_detect(files, "xlsx")])
# two tables delivered from waarningen.be, one with standard data, one with for which observer had to give consent
# read the xlsx files

(rawfiles2025 <- files[str_detect(files, "csv")])
# two tables delivered from waarnemingen.be, one with standard data, one with for which observer had to give consent
# this year csv tables in stead of xlsx
# the format of the columns is not the same!
zoogdier_data <-
map(rawfiles2024, read_xlsx)

map(rawfiles2025, read_csv)
# check whether files have same structure
ncol(zoogdier_data[[1]]) == ncol(zoogdier_data[[2]]) # same number of columns
names(zoogdier_data[[1]]) == names(zoogdier_data[[2]]) # same column names

sum(names(zoogdier_data[[1]]) == names(zoogdier_data[[2]])) == ncol(zoogdier_data[[1]])
# combine list items to one tibble
# zoogdier_data <-
# zoogdier_data %>%
# list_rbind()
# rlang::last_trace()
str(zoogdier_data[[1]]) # col 1 is double, date columns are character
str(zoogdier_data[[2]]) # col 1 is character, date columns are date
# trying to force column type is difficult
zoogdier_data <-
zoogdier_data %>%
list_rbind()

map(rawfiles2025, read_csv, col_types = "cccdDDdccccnnnnccccccccDdcdccDdc")
problems(zoogdier_data[[1]]) # datum niet herlend
# problems(zoogdier_data[[2]]) => geen problemen

# we have to read both files apart
zoogdier_data_1 <-
read_csv(rawfiles2025[[1]])

zoogdier_data_1 <-
zoogdier_data_1 %>%
mutate(
unieke_id = as.character(unieke_id),
datum = dmy(datum),
invoerdatum = dmy(invoerdatum),
embargo_datum = dmy(embargo_datum),
aanleverdatum = dmy(aanleverdatum)
)
zoogdier_data_2 <-
read_csv(rawfiles2025[[2]])
zoogdier_data <-
bind_rows(zoogdier_data_1, zoogdier_data_2)
```

# Soorten in aangeleverde data
Expand All @@ -79,17 +103,32 @@ zoogdier_data %>%

# Jaren in aangeleverde data

De dataset bevat alle waarnemingen uit de periode 2010- 2023.
De dataset bevat alle waarnemingen uit de periode `r min(year(zoogdier_data$datum))`- `r max(year(zoogdier_data$datum))`

```{r jaren}
table(year(zoogdier_data$datum))
```

```{r filter2010tot2024}
zoogdier_data <-
zoogdier_data %>%
filter(between(year(datum), 2010, 2024))
```

We filteren op de jaren 2010 tot en met 2024.

```{r jaren2}
table(year(zoogdier_data$datum))
```

Het aantal waarnemingen per soort per jaar tot 2023 verschilt licht van de dataset van vorig jaar. Waarnemingen.be is een dynamisch systeem waarin ook historische data worden toegevoegd of aangepast.

```{r jarensoort}
table(year(zoogdier_data$datum), zoogdier_data$naam_nl) %>%
kable(caption = "Aantal waarnemingen per jaar per soort") %>%
kbl(caption = "Aantal waarnemingen per jaar per soort") %>%
kableExtra::kable_paper()
```
<br/>

# Gedrag in aangeleverde data

Expand All @@ -106,8 +145,8 @@ zoogdier_data %>%
zoogdier_data %>%
count(gedrag, Jaar = year(datum)) %>%
spread(key = Jaar, value = n) %>%
knitr::kable(caption = "Gedrag per jaar in dataset") %>%
kable_styling()
kbl(caption = "Gedrag per jaar in dataset") %>%
kable_paper()
```

# Methode in aangeleverde data
Expand All @@ -132,45 +171,45 @@ zoogdier_data %>%
# Combinatie gedrag - methode


Analyse is niet makkelijk voor bever. Combinatie gedrag - methode is niet echt logisch voor deze soort. Bv. de categorie gedrag "(nabij) nest/burcht" kan zowel de aanwezigheid van een burcht betekenen als een zichtwaarneming van een induvidu bij de burcht. Bij gedrag bestaat een categorie bezet nest en bij methode bestaat een categorie "verlaten nest". Wij gebruiken het als zichtwaarnemingen indien methode niet aangegevens wordt dat het om sporen of een burcht gaat (zie 20_zoogdieren_analyse.Rmd).
Analyse is niet makkelijk voor bever. Combinatie gedrag - methode is niet echt logisch voor deze soort. Bv. de categorie gedrag "(nabij) nest/burcht" kan zowel de aanwezigheid van een burcht betekenen als een zichtwaarneming van een induvidu bij de burcht. Bij gedrag bestaat een categorie bezet nest en bij methode bestaat een categorie "verlaten nest". Wij gebruiken het als zichtwaarnemingen indien methode niet aangegeven wordt dat het om sporen of een burcht gaat (zie 20_zoogdieren_analyse.Rmd).

```{r gedrag-methode}
zoogdier_data %>%
count(gedrag, methode) %>%
knitr::kable(caption = "Combinatie Gedrag-Methode in dataset") %>%
kbl(caption = "Combinatie Gedrag-Methode in dataset") %>%
kable_styling(full_width = FALSE, position = "left")
```

```{r gedrag-methode-bever}
zoogdier_data %>%
filter(str_detect(naam_nl, "Bever")) %>%
count(gedrag, methode) %>%
knitr::kable(caption = "Combinatie Gedrag-Methode voor bever") %>%
kbl(caption = "Combinatie Gedrag-Methode voor bever") %>%
kable_styling(full_width = FALSE, position = "left")
```


```{r gedrag-methode-nonspec}
zoogdier_data %>%
filter(str_detect(naam_nl, "Bever"),
(gedrag == "overige" & is.na(methode))|
(gedrag == "ter plaatse" & is.na(methode))|
(gedrag == "overige" & methode == "NULL")|
(gedrag == "ter plaatse" & methode == "NULL")|
(gedrag == "ter plaatse" & methode == "onbekend")
) %>%
count(gedrag, methode, jaar = year(datum)) %>%
knitr::kable(caption = ) %>%
kbl(caption = "Combinatie Gedrag-Methode-jaar voor bever ") %>%
kable_styling(full_width = FALSE, position = "left")

```


Er zijn `r nrow(zoogdier_data[zoogdier_data$naam_nl == "Europese Bever" & zoogdier_data$gedrag == "overige" & is.na(zoogdier_data$methode),]) + nrow(zoogdier_data[zoogdier_data$naam_nl == "Europese Bever" & zoogdier_data$gedrag == "ter plaatse" & is.na(zoogdier_data$methode),])` waarnemingen van bever zonder specificatie (combinaties (gedrag = "overige" en methode = na), (gedrag = "ter plaatse" en methode = na) op een totaal van `r nrow(zoogdier_data[,2] == "Europese Bever")` waarnemingen. Gedrag = "ter plaatse" is de standaard instelling in ObsMap. Dit kan dus betekenen da het dier ter plaatse bleef maar ook dat het veld gedrag door de waarnemer niet werd ingevuld. Na 2017 komt de combinatie gedrag = "ter plaatse" en methode = na niet meer voor omdat een waarde voor methode moest worden ingevoerd, de standaardwaarde is vanaf toen "onbekend".
Er zijn `r nrow(zoogdier_data[zoogdier_data$naam_nl == "Europese Bever" & zoogdier_data$gedrag == "overige" & zoogdier_data$methode == "NULL",]) + nrow(zoogdier_data[zoogdier_data$naam_nl == "Europese Bever" & zoogdier_data$gedrag == "ter plaatse" & zoogdier_data$methode == "NULL",])` waarnemingen van bever zonder specificatie (combinaties (gedrag = "overige" en methode = "NULL"), (gedrag = "ter plaatse" en methode = na) op een totaal van `r nrow(zoogdier_data[,2] == "Europese Bever")` waarnemingen. Gedrag = "ter plaatse" is de standaard instelling in ObsMap. Dit kan dus betekenen dat het dier ter plaatse bleef maar ook dat het veld gedrag door de waarnemer niet werd ingevuld. Na 2017 komt de combinatie gedrag = "ter plaatse" en methode = "NULL" niet meer voor omdat een waarde voor methode moest worden ingevoerd, de standaardwaarde is vanaf toen "onbekend".

```{r gedrag-methode-jaar}
zoogdier_data %>%
count(gedrag, methode, Jaar = year(datum)) %>%
spread(key = Jaar, value = n) %>%
knitr::kable() %>%
kbl() %>%
kable_styling()
```

Expand All @@ -179,9 +218,9 @@ zoogdier_data %>%
# Status

De meeste waarnemingen zijn op één of andere wijze gevalideerd (`r round(sum(str_detect(zoogdier_data$status, "Goed"))/count(zoogdier_data)*100, 0)` %).\
`r round(sum(zoogdier_data$status == "Onbehandeld")/count(zoogdier_data)*100, 0)` % van waarnemingen zijn niet gevalideerd, `r round(sum(str_detect(zoogdier_data$status, "Niet"))/count(zoogdier_data)*100, 1)` % van de waarnemingen zijn gecategoriseerd als "Niet te beoordelen".
`r round(sum(zoogdier_data$status == "Onbehandeld")/count(zoogdier_data)*100, 0)` % van waarnemingen zijn niet gevalideerd. De status "Niet te beoordelen" komt in de huidige dataset niet meer voor. De 37 waarnemingen uit de vorige dataset zijn verdeeld over de andere statuscategorieën.

Als we dit per soort bekeken valt op dat voor bever, otter (en bruinvis) een groot deel van de waarnemingen gevalideerd zijn. Voor gewone en grijze zeehond en 'zeehond onbekend' is (sinds 2016) een aanzienlijk deel van de waarnemingen onbehandeld. Dit geldt ook voor alle waarnemingen van bruinvis ná 2015, maar dat zijn er erg weinig. Gebrek aan goed bewijsmateriaal van deze laatste soorten is een mogelijke reden hiervoor, maar ook mindere aandacht van de personen die moeten valideren is een mogelijke reden, zeker gezien ook bij 'zeehond onbekend' het overgrote deel van de waarnemingen onbehandeld is.
Als we dit per soort bekijken valt op dat voor bever, otter (en bruinvis) een groot deel van de waarnemingen gevalideerd zijn. Voor gewone en grijze zeehond en 'zeehond onbekend' is (sinds 2016) een aanzienlijk deel van de waarnemingen onbehandeld. Dit geldt ook voor alle waarnemingen van bruinvis ná 2015, maar dat zijn er erg weinig. Gebrek aan goed bewijsmateriaal van deze laatste soorten is een mogelijke reden hiervoor, maar ook mindere aandacht van de personen die moeten valideren is een mogelijke reden, zeker gezien ook bij 'zeehond onbekend' het overgrote deel van de waarnemingen onbehandeld is.
<br/>

```{r status}
Expand Down Expand Up @@ -227,6 +266,6 @@ data weggeschreven naar `r paste0(pad_data, "template_data.csv")`
```{r wegschrijven-data}

zoogdier_data %>%
write_csv(paste0(pad_data, "zoogdier_data_2010_2023.csv"))
write_csv(paste0(pad_data, "zoogdier_data_2010_2024.csv"))

```
Loading