Fonctionnement de l’outil Krigeage à fenêtre mobile

Disponible avec une licence Geostatistical Analyst.

Avant de réaliser un krigeage à fenêtre mobile, une couche géostatistique doit être créée à partir d’une méthode de krigeage autre que le cokrigeage et le krigeage bayésien empirique.

Vous pouvez ajuster les paramètres de krigeage ou laisser les valeurs par défaut initiales qui sont déterminées automatiquement par la méthode de krigeage. Le krigeage à fenêtre mobile a pour objectif de recalculer les paramètres du semi-variogramme de portée, pépite et seuil partiel selon un voisinage plus petit.

Lorsque les données ne sont pas stationnaires, vous pouvez estimer un semi-variogramme hétérogène. En d’autres termes, utilisez une fenêtre mobile centrée sur la localisation à prévoir et créez un semi-variogramme pour chaque voisinage local.

La prévision à chaque point dans la zone d’étude peut être appariée séquentiellement à mesure que la fenêtre se déplace dans la zone d’étude (figure 1). Dans cet exemple, les données sont isotropes ou invariables sous les rotations. Pour apparier complètement chaque localisation de la zone d’étude, des semi-variogrammes sont calculés pour chaque localisation à prévoir. Dans chaque voisinage, les données sont censées être stationnaires localement afin que les hypothèses de l’algorithme de krigeage soient respectées.

À mesure que la fenêtre progresse dans la zone d’étude, de nouveaux paramètres de semi-variogramme sont calculés à l’aide des points de voisinage. Pour la localisation s₁, les points bleus et verts sont spatialement corrélés ou dans la distance de portée comme indiqué par le rayon du cercle centré sur ce point. Pour la localisation s₂, les points verts et rouges sont spatialement corrélés et pour la localisation s_n, les points jaunes sont spatialement corrélés. Cette méthode vous permet de voir comment la structure spatiale des données évolue dans la zone d’étude. Si le semi-variogramme ne change pas beaucoup dans différentes fenêtres, cela indique que les données sont presque stationnaires. Il convient alors d’utiliser des modèles de krigeage stationnaire. Si toutefois, le semi-variogramme change significativement entre les fenêtres mobiles, cela indique que les données ne sont pas stationnaires. Il ne convient alors pas d’utiliser des modèles de krigeage stationnaire.

Prévisions de semi-variogrammes hétérogènes