Modélisation des tendances globales

Disponible avec une licence Geostatistical Analyst.

Une surface peut être constituée de deux composants principaux : une tendance globale fixe et une variation à court terme aléatoire. La tendance globale est également désignée sous le terme de structure moyenne fixe. La variation à court terme aléatoire (également appelée erreur aléatoire) peut être modélisée en deux parties : l’autocorrélation spatiale et l’effet de pépite.

Si vous constatez qu’une tendance globale est présente dans vos données, vous devez déterminer comment la modéliser. Le choix d’utiliser une méthode déterministe ou une méthode géostatistique pour créer une surface dépend de votre objectif. Pour modéliser la tendance globale et créer une surface lisse, vous pouvez utiliser une méthode d’interpolation polynomiale locale ou globale pour créer une surface finale. Cependant, vous pouvez aussi incorporer la tendance dans une méthode géostatistique (par exemple, supprimer la tendance et modéliser le composant restant en tant que variation à court terme aléatoire). Une tendance est principalement supprimée des géostatistiques pour satisfaire les hypothèses de stationnarité. Les tendances ne doivent être supprimées que si cela est justifié.

En savoir plus sur la suppression des tendances des données

Si vous supprimez la tendance globale dans une méthode géostatistique, vous modéliserez la variation à court terme aléatoire dans les valeurs résiduelles. Cependant, avant la réalisation d’une prévision réelle, la tendance est automatiquement réinsérée afin que vous obteniez des résultats raisonnables.

Si vous déconstruisez vos données en une tendance globale plus une variation à court terme, vous supposez que la tendance est fixe et que la variation à court terme est aléatoire. Ici, aléatoire ne veut pas dire imprévisible, mais plutôt qu’elle est régie par des règles de probabilité qui incluent la dépendance aux valeurs voisines (autocorrélation). La surface finale est la somme des surfaces fixes et aléatoires. Représentez-vous deux couches ajoutées : une qui ne change jamais et une autre qui change de façon aléatoire. Par exemple, supposons que vous étudiez la biomasse. Si vous deviez revenir 1 000 ans en arrière et tout recommencer jusqu’à aujourd’hui, la tendance globale de la surface de la biomasse serait inchangée. Toutefois, la variation à court terme de la surface de la biomasse changerait. La tendance globale constante peut être liée à des effets fixes, tels que la topographie. La variation à court terme pouvant être provoquée par des entités moins permanentes qu’il n’est pas possible d’observer dans le temps, telles que les précipitations, il est entendu qu’elle est aléatoire et probablement corrélée automatiquement.

Si vous pouvez identifier et quantifier la tendance, vous êtes à même de mieux comprendre les données et de prendre de meilleures décisions. Si vous supprimez la tendance, vous pouvez modéliser la variation à court terme aléatoire plus précisément, car la tendance globale n’aura pas d’incidence sur l’hypothèse de krigeage concernant la stationnarité des données.