Krigeage dans Geostatistical Analyst
Le krigeage suppose qu'une partie au moins de la variation spatiale observée dans les phénomènes naturels peut être modélisée par des processus aléatoires avec une auto-corrélation spatiale, et nécessite que l'auto-corrélation spatiale soit modélisée explicitement. Les techniques de krigeage peuvent être utilisées pour décrire et modéliser des modèles spatiaux, prédire des valeurs à des emplacements sans mesure et évaluer l'incertitude associée à une valeur de prédiction aux emplacements sans mesure.
L'Assistant géostatistique propose plusieurs types de krigeage, qui sont appropriés pour différents types de données et qui présentent des hypothèses sous-jacentes différentes :
Ces méthodes permettent de produire les surfaces suivantes :
- Cartes de valeurs de prédiction de krigeage
- Cartes des erreurs standard de krigeage associées aux valeurs de prédiction
- Cartes de probabilité, indiquant si un niveau critique prédéfini a été dépassé ou non
- Cartes de quantiles pour un niveau de probabilité prédéterminé
Il y a cependant des exceptions :
- Krigeage de type Indicateur ou Probabilité, qui produit les éléments suivants :
- Cartes de probabilité, indiquant si un niveau critique prédéfini a été dépassé ou non
- Cartes d'erreurs standard des indicateurs
- Interpolation surfacique, qui produit les éléments suivants :
- Cartes de valeurs de prédiction
- Cartes des erreurs standard associées aux valeurs de prédiction
Il existe plusieurs composants de modèles géostatistiques. Les opérations les plus importantes consistent à examiner les données par le biais de l'analyse exploratoire de données spatiales (ESDA) et de la variographie (voir Création de semi-variogrammes empiriques et Ajustement d'un modèle au semi-variogramme empirique), à créer un modèle de krigeage correspondant à vos besoins (voir Quels sont les différents modèles de krigeage ? et Quels types de surface en sortie peuvent être créés par les modèles de krigeage ?) et à vérifier que les résultats sont précis en effectuant une validation croisée et une validation et en comparant des modèles alternatifs pour choisir le meilleur.