Disponible avec une licence Geostatistical Analyst.
Deux types de composants directionnels sont susceptibles d’affecter les prévisions dans votre surface en sortie : les tendances globales et les influences directionnelles sur le semi-variogramme/la covariance (phénomène également connu sous le nom d’anisotropie). Une tendance globale est un processus de remplacement qui affecte toutes les mesures d’une façon déterministe. La tendance globale peut être représentée par une formule mathématique (par exemple, un polynôme) et supprimée de l’analyse des points mesurés, mais réintégrée avant de réaliser les prévisions. Ce processus est désigné sous le nom de décomposition.
En savoir plus sur la décomposition
Tendance
Vous pouvez constater un exemple de tendance globale dans les effets des vents dominants sur la cheminée d’une usine. À l’image, les concentrations les plus élevées de pollution sont illustrées dans des couleurs chaudes (tons de rouge et jaune) et les concentrations les plus faibles dans des couleurs froides (tons de vert et bleu). Notez que les valeurs du polluant changent plus lentement dans la direction est-ouest que dans la direction nord-sud. Cela s’explique par le fait que la direction est-ouest s’aligne sur le vent, tandis que la direction nord-sud est perpendiculaire au vent.
La forme de la courbe de semi-variogramme/covariance peut également varier avec la direction (anisotropie) une fois la tendance globale supprimée ou en l’absence de tendance. L’anisotropie diffère de la tendance globale évoquée ci-dessus, car la tendance globale peut être décrite par un processus physique (les vents dominants) et modélisée par une formule mathématique. La cause de l’anisotropie (influence directionnelle) dans le semi-variogramme n’est généralement pas connue et est donc modélisée comme erreur aléatoire. Même sans en connaître la cause, les influences anisotropes peuvent être quantifiées et prises en compte.
Anisotropie
L’anisotropie n’est généralement pas un processus déterministe qui peut être décrit par une seule formule mathématique. Elle ne possède pas une source ou influence unique qui affecte de manière prévisible tous les points mesurés. L’anisotropie est une caractéristique d’un processus aléatoire qui présente une autocorrélation plus élevée dans une direction que dans une autre. L’image suivante offre une illustration conceptuelle du processus. Ici aussi, les concentrations les plus élevées de pollution sont illustrées dans des couleurs chaudes (tons de rouge et jaune) et les concentrations les plus faibles dans des couleurs froides (tons de vert et bleu). Le processus aléatoire présente des ondulations plus courtes dans une direction que dans une autre. Ces ondulations peuvent être le résultat de certains processus physiques inconnus ou non mesurables, mais sont modélisées en tant que processus aléatoire avec une autocorrélation directionnelle.
Lorsque vous utilisez une méthode de krigeage et choisissez de prendre en compte l’anisotropie, le semi-variogramme empirique présente une relation spatiale différente pour chaque direction. Dans cet exemple, la forme du semi-variogramme augmentera plus rapidement dans la direction nord-sud avant le nivellement (c’est la direction dans laquelle les concentrations changent plus rapidement). Les points du semi-variogramme empirique seront ajustés à l’aide des modèles de semi-variogrammes empiriques qui changent de forme en fonction de leur direction. Les pondérations de krigeage seront ajustées en fonction.
Les méthodes déterministes peuvent également tenir compte de l’anisotropie, même si elles ne fournissent pas de mesure empirique de sa force ou direction. Pour tenir compte de l’anisotropie, avec ces méthodes, vous devez évaluer le niveau d’anisotropie en fonction d’une analyse exploratoire des données spatiales et de votre connaissance du phénomène. Les pondérations d’interpolation seront ajustées en fonction de la configuration de l’ellipse du voisinage de recherche (les points de données situés le long du demi-grand axe recevront des pondérations plus élevées que ceux situés le long du demi-petit axe, pour des distances similaires par rapport à la localisation de prévision).
Vous avez un commentaire à formuler concernant cette rubrique ?