Il est essentiel que la plupart des applications de système d'information géographique (SIG) puissent générer une surface continue permettant de représenter un attribut spécifique. Le type de surface le plus souvent utilisé est sans doute un modèle altimétrique numérique de MNT. Ces jeux de données sont disponibles à des échelles inférieures pour diverses parties du monde. Toutefois, presque toutes les mesures prélevées à des emplacements divers d'un paysage, d'une sous-surface ou de l'atmosphère permettent de générer une surface continue. Le principal défi que doivent relever la plupart des responsables de la modélisation SIG consiste à générer la surface la plus exacte possible à partir d'échantillons de données, et de caractériser l'erreur et la variabilité de la surface prévue. Des surfaces récemment générées sont utilisées dans les analyses et la modélisation SIG, ainsi que dans la visualisation 3D. En comprenant l'importance qu'a la qualité de ces données, vous pouvez considérablement améliorer l'utilité et l'objectif de la modélisation SIG.
Geostatistical Analyst utilise des points d'échantillonnage prélevés à divers emplacements d'un paysage et crée (interpole) une surface continue. Les points d'échantillonnage représentent les mesures d'un phénomène, telle qu'une fuite de radiations d'une centrale nucléaire, une fuite de mazout ou des hauteurs d'altitude. Geostatistical Analyst dérive une surface en utilisant les valeurs des emplacements mesurés pour prévoir des valeurs pour chaque emplacement du paysage.
Geostatistical Analyst propose deux groupes de techniques d'interpolation : déterministe et géostatistique. Toutes les méthodes reposent sur la similarité des points d'échantillonnage à proximité pour créer la surface. Les techniques déterministes font appel à des fonctions mathématiques pour l'interpolation. La géostatistique repose sur des méthodes statistiques et mathématiques qui permettent de créer des surfaces et d'évaluer l'incertitude des prévisions.
Geostatistical Analyst propose non seulement des techniques d'interpolation, mais également de nombreux outils connexes. Par exemple, avant les opérations de cartographie, des outils d'analyse exploratoire des données spatiales (ESDA) permettent d'évaluer les propriétés statistiques des données. Ainsi, après avoir exploré les données, vous pouvez créer divers types de cartes en sortie (par exemple, prévision, erreur de prévision, probabilité et de quantiles) en utilisant plusieurs variantes d'algorithmes de krigeage et de co-krigeage (ordinaire, simple, universel, indicateur, probabilité, disjonctif et bayésien empirique) et les outils associés (transformation des données, désagrégation et décomposition, par exemple). Si les données sont collectées dans des polygones, l'interpolation surfacique prend en compte la forme et la taille du polygone lors de l'établissement d'une prévision continue ou d'une surface d'erreur de prévision standard.
Présentation des méthodes géostatistiques
Les méthodes géostatistiques reposent sur des modèles statistiques qui comprennent l'auto-corrélation (relations statistiques entre les points mesurés). Ces techniques ont la capacité de produire des surfaces de prévision, mais elles permettent également d'obtenir une mesure de précision de ces prévisions.
Les étapes principales de la création d'un modèle géostatistique sont les suivantes :
- Examen des données (distribution, tendances, composants directionnels, points aberrants).
- Calcul des valeurs de semi-variogramme empirique ou de covariance.
- Adaptation d'un modèle aux valeurs empiriques.
- Génération des matrices d'équation de krigeage.
- Résolution de ces dernières pour obtenir une valeur prévue et l'erreur (incertitude) associée pour chaque emplacement de la surface en sortie.