石川県クマ出没情報/出没予測マップの作成

「クマ共生ハッカソン」の記事です。これまでに、クマ出没マップでは、過去の出没情報を地図上に表示したものをウェブアプリにし、クマ出没予測マップでは、2025年の出没予測確率を3次メッシュで地図化しました。今回は両者を統合して、ひとつのウェブアプリにしました。

→ 石川県クマ出没マップ

データ

使用しているデータは、以下の2つです。

「いしかわオープンデータカタログ」の「石川県クマ出没データ」にて公開されている出没データを前処理したもの（kuma_data.parquet）
「石川県のクマ出没予測マップの作成」で作成した3次メッシュごとの出没予測確率（kuma_prediction.geojson）

Rコード

前回と同じく、RとShinyを使用しています。

Rのファイルは以下の3つです。

global.R: データ処理
ui.R: ユーザーインターフェイスの定義
server.R: 動作の定義

global.R

変更点を中心に簡単に解説します。

36〜39行目で予測確率データを読み込んでいます。GeoJSON形式になっているのでsfパッケージのst_read関数を使用します。

global.R

#
# This is the global settings of a Shiny web application.
#

library(tidyverse)

# Load the bear data from a parquet file
kuma_data <- file.path("data", "kuma_data.parquet") |>
  nanoparquet::read_parquet() |>
  # Select relevant columns and rename them for clarity
  dplyr::mutate(
    year = `出没年`,
    longitude = `経度`,
    latitude = `緯度`,
    type = case_match(
      `目撃痕跡種別`,
      "目撃" ~ "目撃",
      "痕跡" ~ "痕跡",
      .default = "人身被害・その他"),
    comment = stringr::str_c(
      year(`出没日`), "年", month(`出没日`), "月", day(`出没日`), "日 ",
      htmltools::htmlEscape(`時刻`),
      "<br />",
      if_else(`森林からの出没`, "【森林からの出没】", ""),
      if_else(`河川からの出没`, "【河川からの出没】", ""),
      if_else(`誘引物が原因の出没`, "【誘引物が原因の出没】", ""),
      if_else(`繁殖・分散行動による出没`, "【繁殖・分散行動による出没】", ""),
      if_else(`大量出没年に特有の出没`, "【大量出没年に特有の出没】", ""),
      "<br />",
      htmltools::htmlEscape(`備考`)
    ),
    .keep = "none"
  )

# Load the prediction data
prob_data <- file.path("data", "kuma_prediction.geojson") |>
  sf::st_read() |>
  dplyr::mutate(prob = pred * 100) |>   # percent
  sf::st_transform(crs = "WGS84")

# palette colors
pal_colors <- palette.colors(n = 8, palette = "Okabe-Ito")

ui.R

33〜46行目が予測確率表示のタイルの不透明度の設定です。

ui.R

#
# This is the user-interface definition of a Shiny web application. You can
# run the application by clicking 'Run App' above.
#
# Find out more about building applications with Shiny here:
#
#    https://shiny.posit.co/
#

library(shiny)
library(leaflet)

fillPage(

  # App title
  titlePanel("石川県クマ出没マップ"),
  
  sidebarLayout(
    sidebarPanel(
      # label for past incidents
      h3("過去の出没情報"),
      p("◎で表示しています"),
      # checkbox group for filtering by year
      checkboxGroupInput(
        inputId = "checkbox_year", 
        label = "年", 
        choices = as.character(2019:2024),
        selected = as.character(2019:2024),
        width = "95%"
      ),

      # label for prediction
      h3("2025年の出没予測確率"),
      #p("タイルで表示しています"),
      # slider for opacity of prediction
      sliderInput(
        inputId = "slider_opacity",
        label = "予測確率タイルの不透明度",
        min = 0,
        max = 1,
        value = 0.7,
        step = 0.1,
        width = "95%"
      ),
      width = 3
    ),
   
    # Show the map
    mainPanel(
      # c.f. https://blog.atusy.net/2019/08/01/shiny-plot-height/
      div (
        leafletOutput(
          outputId = "map",
          width = "95%",
          height = "100%"
        ),
        style = "height: calc(100vh  - 100px)"
      ),
      width = 9
    )
  ),
  padding = 10
)

server.R

18〜32行目が凡例です。出没タイプは右上に移動し、出没確率を右下に持ってきました。

60〜74行目で出没予測確率を表示しています。

server.R

#
# This is the server logic of a Shiny web application. You can run the
# application by clicking 'Run App' above.
#
# Find out more about building applications with Shiny here:
#
#    https://shiny.posit.co/
#

library(shiny)
library(leaflet)

function(input, output, session) {
  output$map <- renderLeaflet({
    leaflet() |>
      addTiles() |>
      setView(136.6, 36.8, zoom = 9) |>
      addLegend(
        position = "topright",
        title = "過去の出没タイプ",
        colors = pal_colors[c(6, 7, 1)],
        labels = c("目撃", "痕跡", "人身被害・その他"),
        data = kuma_data
      ) |>
      addLegend(
        position = "bottomright",
        title = "2025年出没確率(%)",
        pal = colorNumeric("YlOrRd", domain = c(0, 100)),
        values = c(0, 100),
        opacity = 1,
        data = prob_data
      )
  })

  # checkboxGroupInput is used to filter the data
  # and update the map based on selected years
  observeEvent(input$checkbox_year, {
    proxy <- leafletProxy(
      mapId = "map",
      data = kuma_data |>
        dplyr::filter(as.character(year) %in% input$checkbox_year)
    )
    proxy |>
      clearMarkerClusters() |>
      clearMarkers() |>
      addCircleMarkers(
        lng = ~longitude,
        lat = ~latitude,
        color = ~case_when(
          type == "目撃" ~ pal_colors[6],
          type == "痕跡" ~ pal_colors[7],
          .default = pal_colors[1]),
        opacity = 0.7,
        popup = ~comment,
        clusterOptions = TRUE
      )},
  ignoreNULL = FALSE)
  
  # sliderInput is used to set opacity of the prediction layer
  observeEvent(input$slider_opacity, {
    proxy <- leafletProxy(
      mapId = "map",
      data = prob_data
    )
    proxy |>
      clearShapes() |>
      addPolygons(
        fillColor = colorNumeric("YlOrRd",
                                 domain = c(0, 100))(prob_data$prob),
        fillOpacity = input$slider_opacity,
        stroke = FALSE,
        popup = sprintf("%2.1f%%", prob_data$prob)
      )
  })
}

おわりに

これでひとまずマップは完成でしょうか。