Ordre d'apparition des feuilles (développement)

A- Les données traitées dans l'exemple

B- Le traitement des données sous le logiciel R : Le traitement des données nécessaire

1. Ouvrir le fichier (fonction setwd et read.table) 

2. Charger la librairie gplots ainsi que la fonction means

3. Récupérer le contenu de chaque colonne dans des objets : T_cumul, num_feuille, Type et Barquette

4. Utiliser la fonction means pour créer deux listes de résultats : l'un regroupant les températures cumulées moyennes et intervalles de confiance pour les feuilles de type "f" et pour chaque numéro de feuille, l'un regroupant le même type de données mais pour les feuilles de type "t".

#  Exemple

feuilles <- by(T_cumul[Type=="f"],num_feuille[Type=="f"],mean)

feuilles_ic <- by(T_cumul[Type=="f"],num_feuille[Type=="f"],int.ech) # Fonction int.ech() à aller récupérer en cliquant dessus.

1. Calculer le phyllochrone expérimental (il s'agit de l'intervalle moyen (en température cumulée) entre deux feuilles :

   1. Récupérer les valeurs de températures cumulées de 1 à n-1.

T_cumul1 = feuilles[1:(length(feuilles)-1)]

• 1. Récupérer les valeurs de températures cumulées de 2 à n pour créer T_cumul2 (s'inspirer de l'exemple précédent)

  2. Faire la différence entre T_cumul1 et T_cumul2 et en calculer la valeur moyenne, c'est le phyllochrone expérimental

2. S'inspirer du point précédent pour calculer le tallochrone expérimental

3. Calculer le phyllochrone modèle : 

• 1. Réaliser une régression linéaire sur les données mettant en relation l'apparition des feuilles (y) en fonction de la température cumulée (x)

  2. Récupérer le coefficient directeur de cette régression et en calculer l'inverse : il s'agit du phyllochrone modèle

# exemple

1/lm(names(feuilles)~feuilles)$coefficients[2]

4. S'inspirer des lignes précédentes pour calculer le tallochrone modèle 

C- Le tracé du graphique

1. Tracer les deux courbes avec barres d'erreur sur un même graphique en utilisant la fonction plotCI - certains paramètres seront à ajuster :

   • add

   • err

   • gap

   • pch

   • type = "l"

   • xlim et ylim

   • xlab et ylab

   • col

   • lwd

   • uiw : remarques les intervalles de confiance ont été calculés automatiquement dans feuilles_ic, pas besoin d'intervalles de confiance sur une proportion.

Attention : la température cumulée doit être en abscisse.

1. Superposer les deux droites de régression linéaire

2. Ajouter une légende