Krigeage dans Geostatistical Analyst

Disponible avec une licence Geostatistical Analyst.

Le krigeage suppose qu’au moins une partie de la variation spatiale observée dans un phénomène naturel peut être modélisée par des processus aléatoires avec l’auto-corrélation spatiale et exige une modélisation explicite de l’autocorrélation spatiale. Les techniques de krigeage peuvent servir à décrire et modéliser des modèles spatiaux, à prévoir des valeurs à des localisations non mesurées et à évaluer l’incertitude associée à une valeur prévue aux localisations non mesurées.

L’assistant géostatistique propose plusieurs types de krigeage, qui conviennent à différents types de données et comportent différentes hypothèses sous-jacentes :

• Krigeage ordinaire
• Krigeage simple
• Krigeage universel
• Krigeage d’indicatrices
• Krigeage de probabilités
• Krigeage disjonctif
• Krigeage bayésien empirique
• Prévision de la régression EBK
• Krigeage bayésien empirique 3D
• Interpolation surfacique

Ces méthodes peuvent être utilisées pour produire les surfaces suivantes :

• Cartes de valeurs prévues de krigeage
• Cartes d’erreurs standard de krigeage associées aux valeurs prévues
• Cartes de probabilité, indiquant si un niveau critique défini a été dépassé ou non
• Cartes de quantiles pour un niveau de probabilité prédéterminé

Les exceptions sont les suivantes :

1. Krigeage de probabilités et krigeage d’indicatrices, qui produisent les résultats suivants :
   • Cartes de probabilité, indiquant si un niveau critique défini a été dépassé ou non
   • Cartes d’erreurs standard des indicatrices
2. Interpolation surfacique, qui produit les résultats suivants :
   • Cartes de valeurs prévues
   • Cartes d’erreurs standard associées aux valeurs prévues

Il existe plusieurs composants de modèles géostatistiques. Les étapes les plus importantes consistent à examiner interactivement les données sur la carte et avec la variographie, générer un modèle de krigeage qui répond à vos besoins (voir Quels sont les différents modèles de krigeage ?) et vérifier la précision des résultats en réalisant une validation croisée et une validation et en comparant les modèles pour choisir le meilleur.