ArcGIS for Desktop

  • Documentation
  • Tarification
  • Support

  • My Profile
  • Aide
  • Sign Out
ArcGIS for Desktop

ArcGIS Online

La plateforme cartographique de votre organisation

ArcGIS for Desktop

Un SIG professionnel complet

ArcGIS for Server

SIG dans votre entreprise

ArcGIS for Developers

Outils de création d'applications de localisation

ArcGIS Solutions

Modèles d'applications et de cartes gratuits pour votre secteur d'activité

ArcGIS Marketplace

Téléchargez des applications et des données pour votre organisation.

  • Documentation
  • Tarification
  • Support
Esri
  • Se connecter
user
  • Mon profil
  • Déconnexion

Help

  • Accueil
  • Commencer
  • Carte
  • Analyser
  • Gérer les données
  • Outils
  • Plus...

Présentation de la méthode Krigeage de fenêtre en mouvement

Avant d'utiliser la méthode Krigeage de fenêtre en mouvement, vous devez créer une couche géostatistique à partir d'une méthode de krigeage autre que le co-krigeage et le krigeage bayésien empirique.

Vous pouvez ajuster les paramètres de krigeage ou conserver les valeurs par défaut initiales automatiquement déterminées par la méthode de krigeage. La logique du krigeage de fenêtre en mouvement consiste à recalculer les paramètres de plage, de pépite et de semi-variogramme de seuil partiel en fonction d'un voisinage plus restreint.

Lorsque les données ne sont pas stationnaires, vous pouvez estimer un semi-variogramme hétérogène. Autrement dit, utilisez une fenêtre en mouvement centrée sur l'emplacement à prévoir et créez un semi-variogramme pour chaque voisinage local.

La prévision à chaque point de la zone d'étude peut être cartographiée séquentiellement au fur et à mesure que la fenêtre se déplace dans la zone d'étude (figure 1). Dans cet exemple, les données sont isotropes ou invariantes lorsqu'elles sont soumises à des rotations. Pour cartographier intégralement chaque emplacement de la zone d'étude, des semi-variogrammes sont calculés pour chaque emplacement à prévoir. Dans chaque voisinage, il est supposé que les données sont stationnaires localement pour que les hypothèses de l'algorithme de krigeage soient respectées.

Alors que la fenêtre se déplace dans la zone d'étude, de nouveaux paramètres de semi-variogrammes sont calculés à l'aide de points voisins. Pour l'emplacement s1, les points bleus et verts sont spatialement corrélés ou dans les limites de distance, comme l'indique le rayon du cercle centré à cet emplacement. Pour l'emplacement s2, les points verts et rouges sont spatialement corrélés et pour l'emplacement sn, les points jaunes sont spatialement corrélés. Cette méthode vous permet de voir comment la structure spatiale des données change dans la zone d'étude. Si le semi-variogramme ne change pas beaucoup d'une fenêtre à une autre, cela indique que les données sont presque stationnaires et que vous devez utiliser des modèles de krigeage stationnaire. Toutefois, si le semi-variogramme change considérablement d'une fenêtre en mouvement à une autre, cela indique que les données ne sont pas stationnaires et qu'il ne faut pas utiliser de modèles de krigeage stationnaire.

Figure 1 : prévisions de semi-variogrammes hétérogènes
Prévisions de semi-variogrammes hétérogènes
Vous avez un commentaire à formuler concernant cette rubrique ?

ArcGIS for Desktop

  • Accueil
  • Documentation
  • Tarification
  • Support

ArcGIS Platform

  • ArcGIS Online
  • ArcGIS for Desktop
  • ArcGIS for Server
  • ArcGIS for Developers
  • ArcGIS Solutions
  • ArcGIS Marketplace

A propos d'Esri

  • A propos de la société
  • Carrières
  • Blog des initiés
  • Conférence des utilisateurs
  • Sommet des développeurs
Esri
© Copyright 2016 Environmental Systems Research Institute, Inc. | Confidentialité | Légal