Académique Documents
Professionnel Documents
Culture Documents
Geostatistics Géostatistique
LAGTE3
IGS4
Master fondamentale en géologie
ALOUI T.
Geostatistics Géostatistique
1- Generalities 1- Généralités
2- Correlogram 2- Corrélogramme
3- Covariance 3- Covariance
4- Semi-variogram 4- Semi-variogramme
1
Faculté des Sciences Mathématiques
Physiques et Naturelles de Tunis
Geostatistics Géostatistique
1- Generalities 1- Généralités
2- Correlogram 2- Corrélogramme
3- Covariance 3- Covariance
4- Semi-variogram 4- Semi-variogramme
2
Regionalized variables Variables régionalisées
A variable that takes on values according to its Une variable qui prend des valeurs en fonction
spatial location is known as a regionalized de sa localisation spatiale est connue comme
variable. une variable régionalisée.
Considering a variable z measured at location
i, we can partition the total variability in z into Considérant une variable z mesurée à
three components: l'emplacement i, on peut partitionner la
variabilité totale de z en trois composantes :
z(i) = f(i) + s(i) + ε
z(i) = f(i) + s(i) + ε
Where:
Où :
f(i) is some coarse-scale forcing or trend in the data
s(i) is local spatial dependency f(i) est effet d’une grande échelle ou d’une
ε is error variance (presumed normal) tendance dans les données
s(i) est la dépendance spatiale locale
ε est la variance de l'erreur (présumé normal)
5
3
Regionalized variables Variables régionalisées
Remark Remarque
Observed data are a single realization of the Les données observées sont une réalisation
random field, Z(x). singulière du champ aléatoire Z(x).
Variogram Variogramme
The geostatistical measure that describes the La mesure géostatistique qui décrit le taux de
rate of change of the regionalized variable is variation de la variable régionalisée est
known as the semivariance or semivariogram. connue comme la semi-variance ou semi-
variogramme.
Semivariance is used for descriptive analysis
where the spatial structure of the data is La semi-variance est utilisée pour l'analyse
investigated using the semivariogram and for descriptive où la structure spatiale des
predictive applications where the données est étudiée en utilisant le semi-
semivariogram is fitted to a theoretical model, variogramme et pour des applications
parameterized, and used to predict the prédictives où le semi-variogramme est
regionalized variable at other non-measured équipé d'un modèle théorique, paramétré et
points (kriging). utilisé pour prédire la variable régionalisée à
d'autres points non mesurées (krigeage) .
4
Variogram Variogramme
Aims: Objectives :
Gives information about the nature and Fournir des informations sur la nature
structure of spatial dependency in a random et la structure de dépendance spatiale dans
field → must be es mated from the data un espace aléatoire → doit être es mée à
partir des données
Estimating a semivariogram:
1. Derive empirical estimate from data L'estimation d'un semivariogramme :
2. Fit theoretical semivariogram Tirer une estimation empirique à partir
model to empirical estimate de données
3. Evenness 1. Ajuster un modèle de variogramme
4. Passes through the origin théorique à une estimation
5. Conditionally negative-definite empirique
2. Régularité
3. Passe par l'origine
4. Conditionnellement négative
définitive
9
Variogram Variogramme
Stationarity : Stationnarité :
Autocorrelation assumes stationarity, meaning L’autocorrélation suppose la stationnarité, ce
that the spatial structure of the variable is qui signifie que la structure spatiale de la
consistent over the entire domain of the variable est homogène sur l'ensemble des
dataset. The stationarity of is second-order données. La stationnarité à un intérêt de
interest (weak) stationarity, requiring that: second ordre (faible), ce qui nécessite que :
1- the mean is constant over the region 1 - la moyenne est constante dans la région
2- variance is constant and finite; and 2 - la variance est constante et finie, et
3- covariance depends only on between- 3 - la covariance ne dépend que de la distance
sample spacing, entre les échantillons,
In many cases this is not true because of Dans de nombreux cas, ceci n'est pas vrai à
larger trends in the data cause des grandes tendances dans les données
In these cases, the data are often Dans ces cas, les données sont souvent
detrended before analysis. redressée avant l'analyse.
One way to detrend data is to fit a Une façon de redressement de données
regression to the trend, and use only the consiste à ajuster une régression à la tendance,
residuals for autocorrelation analysis et utiliser uniquement les résidus pour l'analyse 10
de l'autocorrélation
5
Variogram Variogramme
Isotropy: Isotropie :
Autocorrelation also assumes isotropy, L’autocorrélation suppose également
meaning that the spatial structure of the l’isotropie, ce qui signifie que la structure
variable is consistent in all directions. spatiale de la variable est uniforme dans
toutes les directions.
Often this is not the case, and the variable
exhibits anisotropy, meaning that there is a Ceci n’est pas souvent le cas, et la variable
direction-dependent trend in the data. montre une anisotropie, ce qui signifie qu'il y
a une tendance de dépendance à la direction
If a variable exhibits different ranges in dans les données.
different directions, then there is a geometric
anisotropy. Si un paramètre présente différentes
variations avec la direction, ceci implique qu’ il
For example, in a dune deposit, larger range in y a une anisotropie géométrique.
the wind direction compared to the range
perpendicular to the wind direction. Par exemple, dans un dépôt de dunes, le plus large
éventail coïncide avec la direction du vent comparé 11
à
celui qui lui est perpendiculaire.
Variogram Variogramme
The nugget (effect) is the semivariance at a La pépite (effet) est la semi-variance à une
distance (0, 0), (value at which the curve distance (0, 0), (valeur pour laquelle la courbe
intersects the y-axis) coupe l'axe y)
The sill is the value at which the Le seuil ou palier est la valeur à laquelle les
semivariogram levels off (asymptotic value) niveaux du semi-variogramme s’annulle
The range is the distance at which the (valeur asymptotique)
semivariogram levels off (the spatial extent of La portée est la distance en deçà de
structure in the data) laquelle la dépendance spatiale est apparente
(l'étendue spatiale de la structure dans les
données)
12
6
Kriging Krigeage
Kriging is a spatial interpolation technique Krigeage est une technique d'interpolation
based on semi-variograms. Unlike every other spatiale basée sur des semi-variogrammes.
spatial interpolation technique, kriging Contrairement à toutes les techniques
provides a map that shows you the d'interpolation spatiale, le krigeage fournit
uncertainty associated with the prediction. une carte qui vous montre l'incertitude
associée à la prédiction.
13
Spatial continuity
Continuité spatiale
One of the distinguishing characteristic of Une des caractéristiques qui distingue les de
earth science data sets is thier pattern of données des sciences de la terre est leur
spatial continuity. structure de continuité spatiale.
14
7
Integrating GIS and spatial statistics
Intégration des SIG et des statistiques spatiales
Role of space Rôle de l'espace
- an organizing dimension for information - Une dimension d'organisation de
- a source of context and linkage l'information
- an explanatory variable - une source de contexte et de liaison
- a problem it self - une variable exploratoire
- un problème en lui-même
Terminology
- lattice Terminologie
- gride - lattice
- support - grille
- drift - support
- topology - dérive
- layer - topologie
- coverage - couche
- region - couverture
-… - région
- ...
Software
Logiciels
(See software section) 15
(Consulter la section logiciels)
Spatial continuity
Continuité spatiale
Consider the following example: Prenons l'exemple suivant :
8
Spatial continuity
Continuité spatiale
2
Sand (%), sable (%) 1,5
Stream 1 1
Cours 1 0,5
0
0 20 40 60 80 100 120 140 160 180 200
Distance (m)
2
Sand (%), sable (%)
1,5
Stream 2 1
Cours 2 0,5
0
0 20 40 60 80 100 120 140 160 180 200
Distance (m) 17
Spatial continuity
Continuité spatiale
Stream 1
Cours 1
2
Sand (%), sable (%)
1,44
1,5 1,061,09 1,11 1,04
1,191,17
1,291,24
1,14
0,98 1,02 1 0,98
0,92 0,95 0,87 0,92 0,9 0,870,890,84
1 0,740,82 0,77 0,810,84 0,7 0,680,760,790,68
0,56 0,54
0,470,44 0,41
0,36 0,3
0,5 0,16
0
0 20 40 60 80 100 120 140 160 180 200
Distance (m)
Stream 2
Cours 2
2
Sand (%), sable (%)
1,5 1,061,04
1,2
1,29
1,06
1,16
1,04
1,12
1,24
0,98 1,01 0,940,92
0,92 0,89 0,86
0,82 0,77 0,81 0,840,810,83
1 0,54 0,6
0,8 0,76
0,66 0,71 0,720,69 0,71 0,740,67
0,490,52 0,53
0,43 0,43
0,5 0,17
0,29
0
0 20 40 60 80 100 120 140 160 180 200
Distance (m)
18
9
Classical statistics is La statistique classique
not able to detect n’est pas en mesure de
détecter les variations
spatial variations in spatiales de la
the distribution of répartition de la
sand fraction in the fraction sableuse dans
two rivers les deux cours d’eau
Geostatistics Géostatistique
19
Geostatistics Géostatistique
1- Generalities 1- Généralités
2- Correlogram 2- Corrélogramme
3- Covariance 3- Covariance
4- Semi-variogram 4- Semi-variogramme
20
10
Stream 1
Cours 1
Lag 1 statistcs
Statistique du lag 1
Sand, Sable Tail/Queue Head/Tête
0,74 0,74 0,82
0,82 0,82 0,92
0,92 0,92 0,95
0,95 0,95 1,06
1,06 1,06 1,09 2
Stream 1
Cours 1
Lag 2 statistcs
Statistique du lag 2
Sand, Sable Tail/Queue Head/Tête
0,74 0,74 0,92 2
Sand (%), sable (%)
11
Stream 1
Cours 1
Lag 3 statistcs
Statistique du lag 3
Sand, Sable Tail/Queue Head/Tête
0,74 0,74 0,95 2
n2=12 0
0 20 40 60 80 100 120 140 160 180 200
Distance (m)
n3=12 2
Sand (%), sable (%)
1,44
1,5 1,06 1,09 1,11 0,98 1,04
1,19 1,17
1,29 1,24
1,14
1,02 1 0,98
Moyenne _____ _____ 0,82
0,92 0,95 0,87
0,77 0,81 0,84
0,92 0,9 0,87 0,89 0,84
1 0,74 0,7 0,68 0,76
0,79
0,68
SD _____ _____ 0,56
0,47 0,44 0,41
0,54
0,36
R2 _____ 0,5 0,16
0,3
r _____ 0
0 20 40 60 80 100 120 140 160 180 200
Distance (m)
23
Stream 1
Cours 1
Lag 4 statistcs
Statistique du lag 4
Sand, Sable Tail/Queue Head/Tête
2
Sand (%), sable (%)
1,44
n1 1,5
0,92 0,95
1,06 1,09 1,11
0,98 0,92
1,04 1,02
1,19 1,17
1,29 1,24
1
1,14
0,98
0,87 0,9 0,87 0,89 0,84
0,82 0,77 0,81 0,84
1 0,74 0,7 0,68 0,76
0,79
0,68
0,56 0,54
0,47 0,44 0,41
0,36
0,5 0,16
0,3
n2 0
n=∑ 0 20 40 60 80 100 120 140 160 180 200
Distance (m)
n3
n4
Moyenne
SD
R2
_____ _____
_____ _____
_____
Last lag statistcs
Statistique du dernier lag
r _____
1,44
0,74 0,74 0,3 1,5 1,06 1,09 1,11 0,98 1,04
1,19 1,17
1,29 1,24
1,14
1,02 1 0,98
0,92 0,95 0,87 0,92 0,9 0,87 0,89 0,84
0,74 0,82 0,77 0,81 0,84
1 0,7 0,68 0,76
0,79
0,68
0,56 0,54
0,47 0,44 0,41
0,36
0,3 0,5 0,16
0,3
12
Stream 2
Cours 2
Lag 1 statistcs
Statistique du lag 1
Sand, Sable Tail/Queue Head/Tête
0,49 0,49 0,52
0,52 0,52 0,82
0,82 0,82 0,77
0,77 0,77 0,54
0,54 0,54 0,6 2
Stream 2
Cours 2
Lag 2 statistcs
Statistique du lag 2
Sand, Sable Tail/Queue Head/Tête
0,49 0,49 0,82 2
Sand (%), sable (%)
0,17
0,43
0,29
0,43
13
Stream 2
Cours 2
Lag 3 statistcs
Statistique du lag 3
Sand, Sable Tail/Queue Head/Tête
0,49 0,49 0,77 2
n2=12 0
0 20 40 60 80 100 120 140 160 180 200
Distance (m)
n3=12 2
Sand (%), sable (%)
_____ _____
1 0,54 0,6
0,76
0,66 0,71 0,720,69 0,71 0,74 0,67
SD 0,49 0,52 0,53
0,43 0,43
R2 _____ 0,5 0,17
0,29
r _____ 0
0 20 40 60 80 100 120 140 160 180 200
Distance (m)
27
Stream 2
Cours 2
Last lag statistcs
Statistique du dernier lag
0,43 2
Sand (%), sable (%)
0
0 20 40 60 80 100 120 140 160 180 200
Distance (m)
28
14
Consider values for the first 70 m: Prenons les mesures sur les premiers 70 m :
2 2
Sand (%), sable (%)
29
Stream 1
Cours 1
Correlogram
Corrélogramme
Correlation coefficient vs lag
Coéfficient de corrélation
1
1 0,8953 0,8195 0,7419
0,6453
0,5511
0,5
0
0 1 2 3 4 5
Lag
30
15
Stream 2
Cours 2
Correlogram
Corrélogramme
Correlation coefficient vs lag
Coéfficient de corrélation
1
1
0,5
0,0612 0,0295
0
0 1 2 3 4 5
-0,5 -0,1838 -0,0695 -0,1411
Lag
31
Correlogram
Corrélogramme
The correlogram clearly distinguishes Le corrélogramme distingue
profile 1 from profile 2 clairement le profile 1 du profile 2
Stream 1
Cours 1
Stream 2
Cours 2
32
16
Correlogram
Corrélogramme
33
Geostatistics Géostatistique
1- Generalities 1- Généralités
2- Correlogram 2- Corrélogramme
3- Covariance 3- Covariance
4- Semi-variogram 4- Semi-variogramme
34
17
The covariance function
La function de covariance
Soit S une série statistique à deux variables quantitatives discrètes X et Y de taille n∈ℕ∗ définie par
S={( , )}1≤ ≤n.
, = ( − ). ( − )
, = . − .
35
( )=ρ( ).σ . σ
Corrélogramme
Déviation standard (tête)
36
18
Faculté des Sciences Mathématiques
Physiques et Naturelles de Tunis
Geostatistics Géostatistique
1- Generalities 1- Généralités
2- Correlogram 2- Corrélogramme
3- Covariance 3- Covariance
4- Semi-variogram 4- Semi-variogramme
37
The semi-variogram
Le semi-variogramme
38
19
The semi-variogram
Le semi-variogramme
Y : :
M3 (x,y)=(x,x) •
2: 1: 1
M2•
x-y
=
d? • M (x,y)
1
X = .( − ) 39
The semi-variogram
Le semi-variogramme
= . − ⇔ = . − , 0
Consider the lag 1 scatter-plot Head=f(Tail) Considérons le graphique Tête=f(Queue) du Lag 1 du
from profile 1. Calculate the average squared profile 1. Calculons la moyenne des carrées des
distance from each point to the line x=y. distances par rapport à la droite x=y.
Generally,
= −% ; = −
Généralement,
Tail/Queue Head/Tête 2
Lag 1
1,5
= ( ) = −
Head/Tête
Regionalized variable 1
Variable régionalisée
Nbre de paires dont les points sont espacées de h 0,5
0
0 0,5 1 1,5
Semi-variogram / Semi-variogramme Tail / Queue 40
20
Semi-variogram
Semi-variogramme
The semi-variogram clearly Le semi-corrélogramme distingue
distinguishes profile 1 from profile 2 clairement le profile 1 du profile 2
Stream 1
Cours 1
Stream 2
Cours 2
41
1- Correlogram 1- Corrélogramme
.∑ . −∑ .∑
= −
. .
2- Covariance 2- Covariance
.∑ . −∑ .∑
= −
3- Semi-variogram 3- Semi-variogramme
( ) = −
42
21
General expression of the equations for spatial continuity
Expression générale des équations de la continuité spatiale
In a direction Dans une direction
1- Correlogram 1- Corrélogramme
.∑ . −∑ .∑
, = −
. .
2- Covariance 2- Covariance
.∑ . −∑ .∑
, = −
3- Semi-variogram 3- Semi-variogramme
( , ) = −
43
Semi-variogram
Semi-variogramme
For predictions, the empirical semivariogram is converted to Pour les prévisions, le semi-variogramme empirique est
a theoretic one by fitting a statistical model (curve) to converti en un semi-variogramme théorique en ajustant un
describe its range, sill, and nugget. modèle statistique (courbe) pour décrire sa portée, sa
variance totale et sa pépite.
Semivariance
(h) Correlated uncorrelated
Corrélées Non-corrélées
c-c0
Partial sill
Variance partielle
Total sill
Variance totale
c0
Nugget
pépite
a Distance (lag), h
Range
44
Portée
22
Semi-variogram
Semi-variogramme
Semivariance
(h) Correlated uncorrelated Portée a : Distance où deux
c+c0=2 Corrélées Non corrélées observations ne se ressemblent
c-c0
plus du tout en moyenne, elles ne
sont plus liées (covariance nulle)
Partial sill linéairement (non corrélés). À cette
Variance partielle distance, la valeur du variogramme
Total sill correspond à la variance de la
Variance totale variable aléatoire.
c0
Nugget Palier C-C0 =σ2 : Variance de la v.a
pépite (Var(Z(x)). Ecarts les plus grands, en
a Distance (lag), h moyenne entre deux v.a
Range
Portée
Effet de pépite C0 : Variation à très courte échelle, erreurs de localisation, erreurs d'analyse et précision analytique.
Exemple 1 : Une carotte fendue en deux moitiés analysés séparément ne fournira pas exactement les mêmes valeurs.
Exemple 2 : Un même paquet de poudre, séparé en deux parties pour analyse ne donnera pas exactement la même teneur. 45
Semi-variogram
Semi-variogramme
Par ordre d'irrégularité croissante on distinguera des semi-variogramme avec une :
allure parabolique qui caractérise une variable extrêmement régulière (très lissée). La variable est dérivable en moyenne
quadratique. Plus les points sont éloignés et plus les différences sont progressivement accentuées. Il y a donc un fort
gradient.
Semivariance
(h)
c-c0
c0
Distance (lag, h)
46
23
Semi-variogram
Semi-variogramme
allure linéaire qui représente une variable moins régulière et non dérivable.
Semivariance
(h)
c0
Distance (lag, h)
47
Semi-variogram
Semi-variogramme
à effet de pépite: h=0 est toujours estimée en extrapolant la tendance générale de la fonction. Cependant si on dispose de
plusieurs mesures instantanées cette valeur peut être obtenue par la variance de celles-ci. Si cette valeur est nulle cela sous
entend que le processus est régulier, et que la mesure n'est pas entachée d'une variabilité instrumentale ou de l'effet de la
microdistribution. Par contre une ordonnée à l'origine indique (c0=0) un effet de pépite. Souvent les valeurs du variogramme
se stabilisent autour d'une certaine valeur (pallier) après un certain intervalle h (portée). La portée est la limite de l'influence
d'une observation sur ses voisines.
Semivariance 1
(h)
c-c0
c0
Distance (lag, h)
48
24
Semi-variogram
Semi-variogramme
à pépite pur: la fonction fluctue autour d'une valeur constante ce qui signifie qu'il y a une indépendance totale des
observations.
En général, seules des variables ayant cette propriété sont susceptibles d'être traitées par la statistique classique.
Lorsqu'il n'y a aucune dépendance entre des observations, faire une cartographie à base d'interpolation n'a pas plus de sens
que de tracer une régression non-significative (r 0).
Semivariance
(h)
c-c0
c0
Distance (lag, h)
49
Semi-variogram
Semi-variogramme
There are four common models used to fit semivariograms: Il existe quatre modèles couramment utilisés pour s'adapter
semi-variogrammes :
1- Linear: 1- Linéaire : Semivariance 1
(h)
γ(d) co b.h Existe, mais rarement seul
2- Exponential: 2- Exponentiel : c+c0 3
2
h
4
γ(d) co c.1 e a Assez commun
3- Spherical: 3- Sphérique : c0
3.h h 3
Distance (lag, h)
co c. , h a
3 a
γ(d) 2.a 2.a
c c, h a Le plus fréquent Where: Où:
o c0 = pépite
c0 = nugget
4- Gaussian: 4- Gaussien : b = regression slope b = pente de la regression
2
h a = range a = portée
γ(d) co c.1 e a Peu frequent en mine
2
c0+ c = sill c0+ c = variance totale
50
25
Semi-variogram
Semi-variogramme
• Un gisement sédimentaire de fer présentera une portée plus grande parallèlement à la stratification que
perpendiculairement à celle-ci (anisotropie géométrique).
• La topographie peut présenter un variogrammetrès continu avec un comportement parabolique à l'origine et absence
d'effet de pépite.
Semi-variogram
Semi-variogramme
Exercice 1 Exercice 1
The prospecting of an ore gave the following results: La prospection d’un minerai a donné les résultats suivants :
h (km) 012 3 4 5 6
Série 1 (g/tonne) 0 1 2 3 2 1 0
0
Série 2 (g/tonne) 3 1 0 2 1 2 0
2 1 0
2 1
0 2
1
3
2 Série 1 Série 2
1 Moyenne 1,285714 1,285714
0
Variance 1,238095 1,238095
= = . = = . ( − )
52
26
Semi-variogram
Semi-variogramme
Ces deux séries ont même moyenne et même Série 1 Série 2
variance, toutefois clairement elles n'ont pas le h=1 km zi zi+h a=½(zi+h-zi)2 h=1 km zi zi+h a=½(zi+h-zi)2
même degré de continuité spatiale, la 1ère série 0 1 0,5 3 1 2
1 0 0,5
étant nettement plus continue que la seconde. 1 2 0,5
0 2 2
Voyons leur semi-variogramme: 2 3 0,5
2 1 0,5
3 2 0,5 1 2 0,5
2 1 0,5 2 0 2
1 0 0,5 =ā 1,25
=ā 0,5
h=2 km zi zi+h a=½(zi+h-zi)2 h=2 km zi zi+h a=½(zi+h-zi)2
0 0 2 2 3 0 4,5
2 1 0 0 1 0,5
2 2 0
2 1 1 0 0,5
0 2 2 0 2
1 1 2 0,5
3 1 3 2
2 2 0
2 3 1 2
=ā 1,2
1 =ā 1,6
0 h=3 km zi zi+h a=½(zi+h-zi)2 h=3 km zi zi+h a=½(zi+h-zi)2
0 3 4,5 3 2 0,5
3 0 4,5 2 0 2
=ā 53
1,25
=ā 4,5
Semi-variogram
Semi-variogramme
Le semi-variogramme de la 1ère série montre h (km) Série 1 Série 2
une croissance soutenue alors que la seconde 1 0,5 1,25
série montre un semi-variogramme à peu près 2 1,6 1,2
constant à un niveau près de la variance 3 4,5 1,25
expérimentale (V=1.23).
5
4,5
4
0 3
2 1 0
2 1
0 2 2
1 1,6
3 1,23 1 1,25 1,2 1,25
2 0,5
1 0
0 0 1 2 3 4
Distance, h (km)
54
27
Semi-variogram
Semi-variogramme
Theoretical semivariogram Semi-variogramme théorique
h
5
y = 0,1703.e1,0986.h Série 1 g= 0,1703.e1,0986.h γ(h) co c.1 e a
4 R² = 0,9989
3 C0=0, C=0,1703 et a= -0,91025
2
1 y = 1,2333 Série 2 g= V=1,23 γ(h) co b.h
R² = 0
0 C0=V=1,2333 et b=0
0 1 2 3 4
Distance, h (km)
0
2 1 0
2 1
0 2
1
3
2
1
0 55
Semi-variogram
Semi-variogramme
Le semi-variogramme de la 1ère série montre
une croissance soutenue alors que la seconde
5
série montre un semi-variogramme à peu près y = 0,1703e1,0986x
constant à un niveau près de la variance 4 R² = 0,9989
expérimentale (V=1.23). 3
0 1 y = 1,2333
2 1 0 R² = 0
2 0
0 1
1 2 0 1 2 3 4
3 Distance (km)
2
1
0
Variogrammes théoriques
h (km) Série 1 Série 2
1 0,5 1,25 Série 1 g= 0,1703e1,0986.h
2 1,6 1,2
3 4,5 1,25 Série 2 g= V=1,23 56
28