# Set options and load required libraries
knitr::opts_chunk$set(echo = TRUE)
library(FactoMineR)
library(factoextra)
## Loading required package: ggplot2
## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa
library(ggplot2)
library(psych)
## 
## Attaching package: 'psych'
## The following objects are masked from 'package:ggplot2':
## 
##     %+%, alpha
library(Factoshiny)
## Loading required package: shiny
## Loading required package: FactoInvestigate
library(shiny)
library(FactoInvestigate)
library(DataExplorer)
library(corrplot)
## corrplot 0.95 loaded
library(pander)
## 
## Attaching package: 'pander'
## The following object is masked from 'package:shiny':
## 
##     p
library(DT)
## 
## Attaching package: 'DT'
## The following objects are masked from 'package:shiny':
## 
##     dataTableOutput, renderDataTable
library(askpass)
library(explor)

Chargement des données

data_Onion_1 = read.csv(file = "Onion_all_yields_ACP_25.02.2024.csv", header = TRUE, sep = ";", quote = "\"", dec = ",", row.names = 1)
data_Onion_2 = read.csv(file = "Onion_all_yields_ACP_08.04.2024.csv", header = TRUE, sep = ";", quote = "\"", dec = ",", row.names = 1)
data_Jute = read.csv(file = "Jute all yields_ACP.csv", header = TRUE, sep = ";", quote = "\"", dec = ",", row.names = 1)

Onion_all_yields_ACP_25.02.2024

datatable(data_Onion_1, options = list(pageLength = 10, autoWidth = TRUE))

Onion_all_yields_ACP_08.04.2024.csv

datatable(data_Onion_2, options = list(pageLength = 10, autoWidth = TRUE))

Jute all yields_ACP.csv

datatable(data_Jute, options = list(pageLength = 10, autoWidth = TRUE))

Interpretation des resultats

Onion_all_yields_ACP_25.02.2024

resultat1 = PCA(data_Onion_1, scale.unit = T, ncp = 6, quali.sup = c(1) , graph = T)

fviz_pca_biplot(resultat1, repel = TRUE)

PCA_ind_plot(prepare_results(resultat1), xax = 1, yax = 2, ind_sup = FALSE, lab_var = NULL,
             ind_lab_min_contrib = 0, col_var = "soil_treat", labels_size = 9, point_opacity = 1,
             opacity_var = NULL, point_size = 50, ellipses = FALSE, transitions = TRUE,
             labels_positions = NULL, xlim = c(-3.81, 8.11), ylim = c(-5.93, 5.99))

A l’issue l’Analyse en composante principale appliquée a notre jeux de données correspondant au mesures effectuée en date du 25 février 2024, nous avons observé les resultats suivants :

Flat tillage et Half-moon :

  • Ces deux traitements présentent des sols avec de faible concentration en éléments minéraux (N, P, K).

  • La faible conductivité électrique (CE) corrobore ces observations, car la CE est un indicateur de la présence d’ions dissous.

  • Ces faibles concentrations en nutriments peut traduire une absorption rapide des nutriments par les plantes, ce qui pourrait être un indicateur positif si cela s’accompagne d’une croissance ou d’un rendement amélioré.

Zaï :

  • Le traitement Zaï montre une forte concentration en éléments minéraux et une CE élevée.

  • Cela suggère que la méthode Zaï favorise la rétention d’éléments nutritifs dans le sol.

Onion_all_yields_ACP_08.04.2024

resultat2 = PCA(data_Onion_2, scale.unit = T, ncp = 6, quali.sup = c(1) , graph = T)

fviz_pca_biplot(resultat2, repel = TRUE)

PCA_ind_plot(prepare_results(resultat2), xax = 1, yax = 2, ind_sup = FALSE, lab_var = NULL,
    ind_lab_min_contrib = 0, col_var = "soil_treat", labels_size = 9, point_opacity = 1,
    opacity_var = NULL, point_size = 64, ellipses = FALSE, transitions = TRUE,
    labels_positions = NULL, xlim = c(-3.15, 4.3), ylim = c(-3.41, 4.04))

A l’issue l’Analyse en composante principale appliquée a notre jeux de données correspondant aux mesures effectuée en date du 08 avril 2024, nous avons observé les resultats suivants :

Flat tillage et Half-moon :

Les résultats sont cohérents avec ceux de février : une faible concentration en éléments minéraux et une faible CE sont encore observées pour ces deux traitements. Cependant, pour le traitement de sol Flat tillage, on note :

  • Une température moyenne élevée ;

  • Un rendement et un pH relativelement faible.

Par ailleurs, pour le traitement de sol Half-moon, on note :

  • Un rendement et un pH supérieurs ;

  • Une température moyenne plus faible

Zaï :

Comme en février, le traitement Zaï continue de démontrer une forte concentration en éléments minéraux et une CE élevée, confirmant sa capacité à améliorer la fertilité et les conditions de croissance.

Les différences observées, bien que les apports soient identiques, confirment que la méthode de traitement du sol a une influence déterminante sur la disponibilité des nutriments et leur absorption par les plantes.

Jute all yields_ACP

resultat3 = PCA(data_Jute, scale.unit = T, ncp = 6, quali.sup = c(1,2,3), ind.sup = c(79,88) , graph = T)

fviz_pca_biplot(resultat3, repel = TRUE)

PCA_ind_plot(prepare_results(resultat3), xax = 1, yax = 2, ind_sup = FALSE, lab_var = NULL,
    ind_lab_min_contrib = 0, col_var = "soil_treat", labels_size = 9, point_opacity = 1,
    opacity_var = NULL, point_size = 64, ellipses = FALSE, transitions = TRUE,
    labels_positions = NULL, xlim = c(-4.73, 8.93), ylim = c(-6.95, 6.71))
PCA_ind_plot(prepare_results(resultat3), xax = 1, yax = 2, ind_sup = FALSE, lab_var = NULL,
    ind_lab_min_contrib = 0, col_var = "Date", labels_size = 9, point_opacity = 1,
    opacity_var = NULL, point_size = 64, ellipses = FALSE, transitions = TRUE,
    labels_positions = NULL, xlim = c(-4.73, 8.93), ylim = c(-6.95, 6.71))
PCA_ind_plot(prepare_results(resultat3), xax = 1, yax = 2, ind_sup = FALSE, lab_var = NULL,
    ind_lab_min_contrib = 0, col_var = "Date_soil_treat", labels_size = 9, point_opacity = 1,
    opacity_var = NULL, point_size = 64, ellipses = FALSE, transitions = TRUE,
    labels_positions = NULL, xlim = c(-4.73, 8.93), ylim = c(-6.95, 6.71))