Fonctionnement de l’outil Densifier le réseau d’échantillonnage

Disponible avec une licence Geostatistical Analyst.

L’outil Densifier le réseau d’échantillonnage peut servir à déterminer les meilleurs endroits où ajouter de nouvelles localisations d’échantillonnage à un réseau de surveillance en fonction d’un critère de sélection prédéfini.

Plusieurs critères permettent de déterminer où ajouter une station, notamment l’incertitude maximale et la probabilité la plus élevée de dépassement d’une valeur de seuil spécifiée.

L’outil utilise une couche géostatistique existante, créée avec un modèle de krigeage ou de cokrigeage avec des mesures aux stations de surveillance existantes, afin de déterminer l’erreur standard de prévision, l’écart interquartile et la probabilité de dépassement d’un seuil spécifié pour chaque localisation en entrée. Dans ArcGIS Pro, seules les couches géostatistiques créées avec le krigeage bayésien empirique sont prises en charge dans cet outil.

Si l’erreur standard de prévision maximale, stderr(s), est utilisée comme critère, une nouvelle localisation d’échantillonnage est sélectionnée de façon à réduire stderr(s) et le critère d’optimalité O₀(s) peut s’exprimer sous la forme suivante :

O0(s) = maximum de stderr(s)

La probabilité de dépassement d’une valeur de seuil peut servir à pondérer l’erreur standard de prévision ou l’écart interquartile (l’écart interquartile Z_0.75(s) - Z_0.25(s) est souvent utilisé à la place de l’erreur standard de prévision si la distribution de prévision n’est pas symétrique). Par exemple, si cette probabilité est égale à 0.5, le critère d’optimalité O₁(s) est égal au maximum de l’erreur standard de prévision :

O1(s) = maximum de stderr(s)(1-2·abs(prob[Z(s)>Zseuil]-0.5))

La valeur du critère diminue à mesure que l’incertitude qui entoure le dépassement de la valeur de seuil décroît. L’ajout des localisations avec l’erreur standard de prévision pondérée la plus élevée O₀(s) au réseau de surveillance a pour effet d’améliorer les prévisions à proximité de la valeur de seuil.

Il est souvent utile de multiplier les critères d’optimisation par les valeurs de probabilité d’inclusion a priori (raster de pondération en entrée). Par exemple, les valeurs égales à 1 peuvent être attribuées aux zones où de nouvelles stations de surveillance sont autorisées et les valeurs 0 sont attribuées dans tous les autres cas.