Comprendre le krigeage simple

Disponible avec une licence Geostatistical Analyst.

Le krigeage simple le modèle suivant :

Z(s) = µ + ε(s)

• où µ est une constante connue

Par exemple, dans la figure suivante, qui utilise les mêmes données que pour les concepts de krigeage ordinaire et de krigeage universel, les données observées sont données par les cercles pleins :

Exemple de krigeage ordinaire avec une dimension spatiale

La constante connue, représentée par la ligne pointillée, est µ. Cette technique peut être comparée au krigeage ordinaire. Dans le cas du krigeage simple, puisque vous supposez que vous connaissez exactement µ, vous connaissez également ε(s) aux localisations de données. Dans le cas du krigeage ordinaire, vous aviez estimé µ, donc vous aviez également estimé ε(s). Si vous connaissez ε(s), vous pouvez mieux estimer l’auto-corrélation que si vous estimez ε(s). L’hypothèse selon laquelle vous connaissez la moyenne exacte µ est souvent non réaliste. Il est cependant parfois sensé de supposer qu’un modèle physique puisse donner une tendance connue. Vous pouvez alors prendre la différence entre ce modèle et les observations, appelées valeurs résiduelles, et utiliser le krigeage simple sur les valeurs résiduelles en supposant que la tendance de ces valeurs résiduelles est connue pour être égale à zéro.

Le krigeage simple peut utiliser des semi-variogrammes ou des covariances (formes mathématiques employées pour exprimer l’auto-corrélation), utiliser des transformations et autoriser l’erreur de mesure.