Krigeage et cokrigeage, méthodes d’interpolation spatiale pour les systèmes d’information géographique

Abstract

Résumé: Tel que le notent si bien Oliver et al. (1990), la plupart des méthodes d’interpolation classiques sont basées sur les modèles des méthodes numériques différents des modèles probabilistes de variation spatiale. Les distributions des variables des données spatiales se comportent plus comme des variables aléatoires et la théorie des variables régionalisées comporte un ensemble de méthodes stochastiques pour les analyser. Le krigeage et le cokrigeage, basés sur cette théorie, expriment les variations spatiales de variables en termes de variogrammes et ils minimisent les erreurs de prédiction qui sont elles-mêmes estimées. Appliquées aux données des variables pédologiques des champs de la Station de recherches de Lennoxville, les méthodes ou techniques d’interpolation de la géostatistique: les krigeages et cokrigeages ordinaires, universels et par bloc, ainsi dénommées, sont explorées et comparées en vue d’en identifier la méthode appropriée intégrable dans un système d’information géographique, pour obtenir l’optimum de la modélisation, la présentation et celui de l’analyse spatiale. Les valeurs krigées et cokrigées des techniques choisies sont obtenues à l’aide de l’algorithme Cokri (Marcotte, 1991, 1993) et sont comparées aux valeurs initiales dont elles en sont les estimations. Des tests de similarité appliqués à ces données et résultats attestent la similarité de leurs distributions respectives. En d’autres termes, les types de krigeage et de cokrigeage examinés bénéficient de la même homogénéité des données qui est vérifiée par des outils de comparaison visuels et des traitements géostatistiques. De plus l’utilisation de ces méthodes donne des erreurs minimes proches de la réalité. Ainsi, selon la nature spécifique des données spatiales, en l’occurence les données homogènes sans structure spatiale particulière cachée, un estimateur linéaire simple ou la moyenne arithmétique de ces données, suffit pour représenter les variables étudiées.||Abstract: As Oliver et al. (1990) pointed it out so well, most of iraditional methods of interpolation are based on numerical method models as distinct from stochastic models of spatial variation. Spatially distributed data behave more like random variables, however, and regionalized variable theory provides a set of stochastic methods for analyzing them. Kriging and cokriging, based on that theory, depend on expressing spatial variation of the property in terms of variograms, and they minimize the prediction erros which are themselves estimated. Used on pedological parameters data, oridinary, universai and block krigings and cokrigings, geostatistical interpolation methods or techniques, are expiored and compared in order to identify the appropriate method which can be integrated into a Geographic Information System to provide optimum modelting, presentation and spatial analysis. Kriged and cokriged values are obtained by Cokri algorithm (Marcotte, 1991, 1993), and are compared to estimated initial data. Similarity tests applied to these data and values show that their respective distributions are similar. In othe words, the examined kriging and cokriging types perfom equally well. They ail take advantage of the data homogeneity, verified by visual comparison and geostatiatical tools or techniques, for providing doser minimum error terms. Thus, according to the special nature of spatial data, namely the homogeneous ones without a hiden particular spatial structure, a simple linear estimator, such as the data arithmetical mean, is sufficient for representing die variables under consideration.