Introduction aux réseaux d’échantillonnage/de surveillance

La conception de l’échantillonnage est une part essentielle de toute étude impliquant la modélisation et l’estimation basées sur des données qui sont échantillonnées à partir de ressources naturelles ou d’autres phénomènes se produisant dans le paysage. Les considérations statistiques associées à l’échantillonnage font partie d’un scénario plus vaste qui implique des connaissances théoriques, les modèles et comportement précédemment détectés du phénomène, les coûts, l’accessibilité aux sites d’échantillonnage, les stratégies, etc. L’algorithme de conception de l’échantillonnage doit par conséquent être assez flexible pour tenir compte des considérations externes.

Actuellement, ArcGIS propose certaines méthodes pour construire des conceptions d’échantillonnage :

• Échantillonnage aléatoire simple : les sites sont générés de façon indépendante, à l’aide de l’outil Créer des points aléatoires. Vous pouvez obtenir une sortie similaire avec l’outil Créer un raster aléatoire et une valeur de limite de la probabilité (notez que la version ArcGIS Spatial Analyst extension de l’outil Créer un raster aléatoire utilise un nombre aléatoire uniforme, tandis que la version de la boîte à outils Gestion des données de l’outil Créer un raster aléatoire prend en charge plusieurs distributions différentes). La méthode est simple et flexible, mais le résultat d’une réalisation peut inclure des zones où les échantillons sont agrégés et d’autres zones dénuées d’échantillons.
• Échantillonnage aléatoire stratifié : la zone d’étude est divisée en strates et des échantillons aléatoires sont générés dans chaque strate. Vous pouvez ajuster les strates en fonction des connaissances précédentes du phénomène (des cercles concentriques peuvent être agrandis par exemple à mesure que la distance par rapport à une émission source ponctuelle augmente), ce qui confère une structure spatiale à l’échantillon.

D’autres types de conceptions peuvent être générés relativement facilement avec de simples scripts ou modèles :

• Échantillonnage aléatoire systématique : un site d’échantillonnage initial est choisi de façon aléatoire et tous les autres sites sont sélectionnés de façon à être positionnés selon un modèle régulier (par exemple, sur les sommets des triangles équilatéraux, carrés, hexagones, etc). La méthode est simple et permet d’obtenir des conceptions bien équilibrées spatialement (bien distribuées dans l’espace).
• Échantillonnage aléatoire agrégé : la localisation d’un groupe de sites est sélectionnée de façon aléatoire et dans chaque groupe, les sites sont ensuite positionnés relativement près les uns des autres. Cette opération peut s’effectuer en générant des centres positionnés de façon aléatoire à l’aide de l’option Minimum Allowed Distance (Distance minimale autorisée) de l’outil Créer des points aléatoires et en allouant des échantillons supplémentaires à une distance spécifiée de chaque centre. Cette méthode est simple à mettre en pratique, car de nombreux échantillons sont collectés à partir de localisations à proximité (contrairement à un modèle aléatoire simple, où les sites d’échantillonnage peuvent se produire n’importe où dans la zone d’étude).

Ces méthodes ne tiennent pas facilement compte des variations dans la probabilité qu’un site soit sélectionné (à part la division de la zone d’étude en strates, qui nécessite généralement une inspection manuelle du site d’étude et une bonne connaissance du processus à l’étude). En outre, toutes ne garantissent pas que la conception de l’échantillonnage sera spatialement équilibrée (c’est-à-dire que la conception échantillonnera l’ensemble de la population, en raison du caractère aléatoire inhérent à la sélection d’un site à échantillonner). C’est pourquoi l’outil Créer des points spatialement équilibrés se trouve dans la boîte à outils Geostatistical Analyst. Vous trouverez une explication du fonctionnement de cet outil et les publications sur lesquelles il repose ici : Fonctionnement de l’outil Créer des points spatialement équilibrés.