Vous êtes sur la page 1sur 1

STRATÉGIE DE PRÉTRAITEMENT ET D’ANALYSE

DES MODÈLES NUMÉRIQUES D’ÉLÉVATION AVEC ArcGIS


OUMAR KA1, MICHEL C. NOLIN1, ÉLIZABETH PATTEY2, ATHYNA N. CAMBOURIS1 et MARIO DESCHÊNES1
1
Agriculture et Agroalimentaire Canada, Centre de recherche et de développement sur les sols et les grandes cultures, Agriculture et Agroalimentaire Canada, Centre de recherche sur les céréales et les oléagineuses, Édifice K.W.
2

Laboratoires de pédologie et d’agriculture de précision, 979 de Bourgogne, local #140, Québec, QC, G1W 2L4. Neatby, 960 AV CARLING, Pièce 2010, Ottawa, ON K1A 0C6

Analyse exploratoire des données Interpolation intégrant la tendance


Validation croisée : ‘avec la tendance’ vs ‘sans la tendance’

Fréquence de
distribution
Krigeage ordinaire

Analyse
interactive
Analyse du semi-variogramme
(autocorrélation spatiale)

Surface de tendance : fortes Test de normalité


tendances NE-SO et NO-SE

Nombre de voisins à inclure et rayon de recherche


Comme les erreurs moyennes ‘Mean’ sont plus près de 0,
‘Root Mean Square’ est plus petit et ‘Root-Mean-Square
Standardized’ est plus près de 1, démontrant que l’analyse
sans tendance génère la meilleure interpolation spatiale.
KRIGEAGE

Validation croisée : ‘entraînement/validation sans la Résumé des résultats du modèle utilisé


tendance’ vs ‘sans la tendance’ pour générer la surface d’élévation
Validation croisée

Interpolation sans la tendance


Enlever la
tendance

Pairage des Analyse


données interactive
Tendance globale

Nuage du semi-variogramme Types de krigeage disponibles


pour vérifier l’autocorrélation

Interpolation avec entraînement/validation sans la tendance


Erreur standard
MODÈLE NUMÉRIQUE D’ÉLÉVATION

NE-SO de l’interpolation
NO-SE Visualiser
la tendance

MNA Erreurs de
Validation des données prédits prédiction
d’entraînement

Analyse réalisée avec l’extension ‘Geostatistical Analyst’ de ArcGIS

SEMI-VARIOGRAMME
GÉOSTATISTIQUE

- Microbassin témoin du Bras d’Henri -