Vous êtes sur la page 1sur 76

La Géostatistique

Besoins mathématiques
et
Applications aux géosciences

Nicolas JEANNEE

Tél : 01 60 74 74 54
Email : jeannee@geovariances.com
Plan

l Qu’est-ce que la géostatistique ?


l Présentation de la société, champs d’application
l Concepts géostatistiques importants
l Activités de Recherche et Développement
l Besoins en mathématiques
l Collaborations et partenariats possibles

Page 2
Qu'est-ce que la géostatistique ?

GEO Application des sciences de la Terre

STATISTIQUE Branche des statistiques

Première définition de la géostatistique :


Traitement Statistique de Données Spatialisées
…mais pas seulement !!

Page 3
Quelques mots sur l'historique
l Les débuts (50's - 60's)
- Méthodes d'estimation pour l'industrie minière (Dr D.G. Krige)

l La deuxième ère (60's - 70's)


- Formalisation de la théorie de la géostatistique (Dr G. Matheron)

l géostatistique linéaire
l géostatistique non linéaire
l géostatistique non stationnaire
l simulations

l Troisième génération (80's ...)


- Développement des méthodes spécifiques pour des applications dans de nouveaux
domaines

l intégration de données ("hard" et "soft")


l modélisation géologique 3D des hétérogénéités

Page 4
Exemple introductif

l Objectif
- Pollution atmosphérique par le dioxyde d’azote (NO2) en Alsace.

- A partir des données disponibles, obtenir une carte des concentrations en


polluant sur une zone donnée.

- La carte devrait intégrer :


l les propriétés structurales de la variable étudiée,
l éventuellement, les informations auxiliaires disponibles.

- En outre, la précision de la carte devrait être quantifiée.

Page 5
Exemple introductif

Plan de position

(ASPA - Campagne régionale 2004, Source


d’information ASPA 05020802-ID)

Page 6
Exemple introductif
l Nombreuses méthodes d’interpolation déterministes
l Méthode du Plus Proche Voisin
5425

Valeur du point cible 5400

=
5375

donnée la plus proche Y (km) NO2


5350 50
45
40
5325
35
30
5300 25
20

5275 15
10
5
340350360370380390400410420430440
0
X (km) Page 7
Exemple introductif

l Carte obtenue à l’aide d’une


interpolation classique par
inverse de la distance au carré
n
Z * ( x0 ) = å li Z ( xi )
i =1

1
li = i = 1,..., n
d 2 ( x0 , xi )

Page 8
Exemple introductif
l Inverse des distances ou des carrés des distances ?

5425 5425

5400 5400

5375 5375
NO2 NO2
Y (km)

Y (km)
5350 50 5350 50
45 45
40 40
5325 5325
35 35
30 30
5300 25 5300 25
20 20

5275 15 5275 15
10 10
5 5
340350360370380390400410420430440 340350360370380390400410420430440
0 0
X (km) X (km)

Page 9
Exemple introductif

l Carte obtenue à l’aide d’une


interpolation géostatistique
(krigeage)
n
Z * ( x0 ) = å li Z ( xi )
i =1

Dépendent de la continuité
spatiale de la variable Z

Page 10
Exemple introductif
l Carte obtenue à l’aide d’une
interpolation géostatistique (cokrigeage),
en intégrant les informations auxiliaires :
émissions, altitude, occupation du sol, …

l Analyse de l’exposition potentielle des


populations au seuil de qualité de 40
µg/m3 en dioxyde d’azote :
[NO2] > 40 µg/m3
Résultat estimation 254 160 (14.7 %)
Quantile 10% 192 816 (11.1 %)
Quantile 50% 234 374 (13.5 %)
Moyenne 236 004 (13.6 %)
Ecart-type 34 295 (2.0 %)
Quantile 90% 281 194 (16.2 %)

Page 11
Exemple introductif

l Comparaison des cartes

Cokrigeage – 1/d2

Page 12
Exemple introductif

l La géostatistique permet de
produire une carte de
l'incertitude associée à
l’estimation par (co)krigeage

Ecart-type de l’erreur de
cokrigeage

Page 13
Limitation des statistiques classiques
Nb Ech : 40000
0.8 Minimum: 0.10
Maximum: 35.00
Moyenne: 1.69
0.7 Ec-Type: 2.34

0.6

Fréquences
0.5

0.4

0.3

0.2

0.1

0.0
0 10 20 30
Activité

• • • • • • • • • • • • • • • • • •

• • • • • • • • • • • • • • • • • •

• • • • • • • • • • • • • • • • • •

• • • • • • • • • • • • • • • • • •

• • • • • • • • • • • • • • • • • •

• • • • • • • • • • • • • • • • • •

La géostatistique fera la différence entre ces 3 phénomènes, à l’aide


d’outils supplémentaires permettant de décrire la variabilité spatiale

Page 14
La société Geovariances

- Société indépendante française


- Création en 1986 par trois chercheurs (Mines de Paris)
- Objectif initial : commercialiser les logiciels du Centre de
Géostatistique

Page 15
Page 16
Page 17
Page 18
Page 19
Page 20
Page 21
Page 22
Geovariances >> Marchés

• Industrie minière (depuis l’exploration jusqu’à


l’étude de pré-faisabilité et la production)
• Industrie pétrolière (depuis l'exploration
jusqu’aux étapes d'évaluation et de
développement d'un projet)
• Environnement (qualité de l’air, sites et sols
pollués, gestion des ressources naturelles)
• Génie civil, pêche, océanologie, agriculture,
sylviculture, finance, …

Page 23
Expertise Geovariances >> mine
• Évaluation des ressources
globales ou locales
• Classification des ressources
• Modélisation géologique
• Contrôle des teneurs et
réconciliation
Estimation de la
géométrie d’une
cheminée de
kimberlite (visualized
with Isatis 3D Viewer)
– Autorisation De
Beers

Page 24
Page 25
Expertise Geovariances >> Pétrole
• Traitement et filtrage de cubes
sismiques 3D
• Conversion temps-profondeur
• Estimation de volumes huile / gaz
• Simulation de faciès

Page 26
Page 27
Expertise Geovariances >> Environnement
• Optimisation d’échantillonnages
• Évaluation de populations exposées à une
pollution atmosphérique
• Caractérisation chimique / radiologique
• Estimation de volumes contaminés et
quantification des risques (sols, sédiments)
• Cartographie automatisée

Page 28
Page 29
Concepts géostatistiques
importants

- Caractérisation de la structure spatiale (Variographie)


- Estimation spatiale (Krigeage)
- Analyse de risque (Simulations)

Page 30
Le variogramme expérimental
l Plan d'implantation de n points

l Nuée variographique comportant [n x (n-1)]/2 points

Page 31
Le variogramme expérimental

De la nuée variogaphique… au variogramme expérimental :

Choix de :
• l (pas de calcul)
• dl (tolérance)
Page 32
Le modèle de variogramme

Page 33
Krigeage
l D’une information dispersée …

l le krigeage est une combinaison des données prenant en compte :


- Les distances entre les données

- Les distances entre les données et la cible

- La structure spatiale

- Et d’autres informations telles que la sismique, la géologiec

…amenant à une grille de résultats !

Page 34
Krigeage en un point
l Le krigeage Z*(x0) en un point x0 est un estimateur de Z(x0) ayant
les propriétés suivantes :
- Z*(x0) est une combinaison linéaire des données Z(xi)

– Z*(x0) est sans biais


E[Z*(x0)-Z(x0)]=0

– Z*(x0) est optimal


Var [Z*(x0)-Z(x0)] minimum

Page 35
Krigeage en un point
l Hypothèse intrinsèque
E [Zi-Zj]=0

g(h)=1/2 E[Z(x+h)-Z(x)]2

l Système de krigeage ordinaire

l Variance d’estimation

Page 36
Krigeage en un point
En notation matricielle, le système de krigeage s’écrit :

-g11 ... -g1n 1 l1 -g01

... ... ... ... ... ...


x =

-gn1 ... -g ln
nn 1 -gn0
m
1 ... 1 0 1

[A] x [L] = [B]


Le krigeage prend en compte la
Le krigeage prend en compte la
corrélation entre les données et
corrélation entre les données
la cible
Page 37
Propriétés du krigeage

l Le krigeage est le meilleur interpolateur linéaire sans biais.


l Il prend en compte :
- Le nombre et la configuration des données

- La position des données par rapport à la cible

- Les corrélations spatiales de la variable

Page 38
Effet de lissage du krigeage
l Le variogramme des valeurs krigées est plus régulier que
celui des données.

Page 39
Limitations du krigeage

Le krigeage lisse la variabilité réelle

Le krigeage ne peut être utilisé pour


prédire ce qui est au-dessus d’un seuil

Page 40
Exemple du câble téléphonique
l Quelle longueur de câble pour relier les deux villes ?

New York Lisbonne

Réalité 6767 Km
Krigeage 5381 Km Meilleur estimateur
1 simulation 6705 Km Simulation

2 Ecart-types de krigeage

Page 41
Dépassement d’un seuil

l Ne pas appliquer un seuil à une carte obtenue par


interpolation
l trop lisse : ne reproduit pas les valeurs extrêmes,
notamment les très fortes teneurs

l La géostatistique permet de produire des images


« possibles » du polluant
l même distribution et même comportement spatial
l simulations conditionnelles

Page 42
Dépassement d’un seuil

Différences entre estimation et simulations :


(co)krigeage 2 simulations

Page 43
Simulations Conditionnelles

UNE SOLUTION pour estimer le risque de dépassement d’un seuil :


l reproduisent la variabilité réelle du phénomène (au travers du
variogramme)
l sont calées aux données
l effectuées en grand nombre donnent accès à une analyse de risque

Principe : comparable à une approche type Monte Carlo, sauf que


l’on reproduit en plus la structure spatiale

Page 44
Simulations Conditionnelles
Variables continues Variables discrètes

Courtesy H. Beucher (CG)

Page 45
Activité R & D

Page 46
Principaux axes R & D
Défi : maintenir nos produits à la pointe de la technologie !

l Partenariat fort avec Mines ParisTech


l Consortiums : développements méthodologiques
l Projets ANR
l Encadrement de doctorants en contrat CIFRE
l Volonté marquée de valorisation scientifique des travaux

Page 47
Partenariat Mines ParisTech

l Contrat exclusif avec le Centre de Géostatistique de


Fontainebleau, un centre de recherche de Mines Paris Tech
- Elaboration de nouveaux algorithmes
- Développement de codes spécifiques
- Expertise ponctuelle

École des Mines de


Paris, boulevard
Saint Michel, Paris

Page 48
Consortiums
l Implication d’industriels dans des développements
méthodologiques

l Quelques exemples :
- M2RC : Multivariate Recoverable Resources Consortium (2007-2009)
l Exemples de développements :
- Conditionnement Uniforme Multivariable
- Cosimulations directes de blocs

l Compagnies partenaires : Anglogold Ashanti, Areva, BHP Billiton,


Codelco, Lihir Gold Mine, Newcrest, Riotinto

Page 49
Consortiums
l Consortiums en cours de lancement (2010-2011)
- D2GC : Geostatistical & Geological Domaining Consortium
- M-GS : Moving-Geostatistics

Page 50
G2DC Consortium: Contexte
l Estimation de ressources minérales usuellement découpée en :
1. Modélisation géologique et “domaining”
Le “domaining” consiste à partitionner le gisement en unités
distinctes et homogènes sur base de critères combinant géologie,
minéralogie et données de teneurs.
1. Etude géostatistique des teneurs par domaine
Les domaines géologiques servent à contraindre l’estimation de
ressources et permettent d’améliorer l’analyse (géo)statistique
(populations plus homogènes).

l L’incertitude globale associée à l’estimation des ressources est


sous-estimée si le risque d’erreur associé à l’estimation des
domaines est négligé…

Page 51
G2DC Consortium: Objectifs

l Appliquer des critères probabilistes sur l’interprétation


géologique afin d’estimer l’incertitude qui lui est associée.

l Développer des approches géostatistique (probabilistes) qui


complèteraient avantageusement les approches traditionnelles
(déterministes) de construction des domaines géologiques.

l Implémenter ces nouvelles méthodes dans un logiciel destiné aux


applications minières.

Page 52
G2DC Consortium: Exemple
4750 4750

4500 4500

4250 4250
Z (m)

Z (m)
4000 4000

3750 3750

3500 3500
29000 29500 30000 30500 29000 29500 30000 30500
X (m) X (m)

4225
4175
4200
4150
4175
4125
Z (m)

Z (m)
4150
4100
4125
4075
4100
4050
4075
4025
29350 29400 29450 29500 29550 29350 29400 29450 29500 29550
X (m) X (m)

l Coupes verticales illustrant deux modèles plausibles de veines minéralisées,


honorant tous deux les données.
l Des modèles équi-probables peuvent correspondre à des géométries
radicalement différentes !

Page 53
G2DC Consortium: Objectifs

Apporter de nouveaux outils au géologue afin de l’assister


dans la définition de ces domaines, afin de :

l Réduire l’importance donnée à des interprétations parfois


purement subjectives

l Réduire l’effort de travail associé à l’interprétation du modèle et


sa mise à jour.

Page 54
G2DC : Inteprétation géologique

l De nombreuses interprétations géologiques plausibles


peuvent être réalisées à partir d’un jeu de sondages.

Page 55
G2DC : Inteprétation géologique

A partir de 2 sondages seulement, il est impossible de choisir


parmi ces deux interprétations.

L’obtention d’un modèle 3D cohérent implique de travailler directement en 3D

Page 56
2
G DC : Concepts associés au
domaining
Concepts clés définissant le domaine :

l Les contacts, définis pour chaque sondage (les marqueurs


n’étant pas nécessairement basés sur les teneurs),

l La régularité (enveloppes),

l La connectivité, latérale et verticale.

Page 57
2
G DC : Concepts associés au
domaining
Régularité :
z

Peut être guidée par un modèle de variogramme

Page 58
2
G DC : Concepts associés au
domaining
Connectivité (latérale) :

Peut être guidée par un variogramme local ?

Page 59
G2DC Consortium: Programme

l Effectuer une revue des méthodes probabilistes existantes et


de leurs hypothèses.

l Analyser les pratiques habituelles des compagnies minières.

l Tester sur des données réelles quelques méthodes permettant


une évaluation des incertitudes, par exemple :
- intégration d’information liée à la connectivité,
- intégration de données auxiliaires (géophysique, indications géologiques
générales),
- application de paramètres géostatistiques locaux (M-GS).

Page 60
Consortium M-GS

Moving-GeoStatistics (M-GS) est une technologie développée


depuis 2007 par ESTIMAGES, dédiée à l’optimisation locale des
modèles géostatistiques basés sur des variogrammes.

ESTIMAGES & GEOVARIANCES ont un partenariat exclusif


concernant le développement logiciel de la technologie M-GS.

Montage en cours d’un consortium dédié au développement des


solutions M-GS pour l’industrie pétrolière/gazière.

Page 61
Consortium M-GS
l Exemple : Cartographie d’un attribut sismique

m/s

10 cdp

Data
(velocity residuals extracted within a time interval)

Page 62
Consortium M-GS
l Exemple : Cartographie d’un attribut sismique
- Approche conventionnelle

m/s

Variogram Model
Isotropic cubic fonction
Range = 14 cdp
Sill= 87
Kriging Results
Page 63
Consortium M-GS
l Exemple : Cartographie d’un attribut sismique
- Approche M-GS

m/s
cdp

M-Range
Isotropic model

Kriging Results
Page 64
Consortium M-GS
l Exemple : Cartographie d’un attribut sismique
- Amélioration 20% (Nord-Est)

m/s

Conventional M-GS
Standard deviation of errors Standard deviation of errors
10,3 8,2

Page 65
Consortium M-GS
l Exemple : Cartographie d’un attribut sismique
- Impact sur l’incertitude

m/s

Conventional sskrig
Conventional krig M-GS sskrig
M-GS krig

Page 66
Consortium M-GS
l Plusieurs approches possibles pour la détermination
des paramètres locaux :
- Validation croisée locale (données ponctuelles / sur grilles)

- Morphologie mathématique (données sur grilles)


Thèse lancée en 2009 par ESTIMAGES en collaboration avec le
Centre de Morphologie Mathématique (Mines ParisTech)
Objectif : caractéristion structurale d’images et conversion en
paramètres variographiques

Page 67
Consortium M-GS
l Exemple : Filtrage d’artefacts locaux

Data
Remove artefacts without modifying “clean” areas

Page 68
Consortium M-GS
l Exemple : Filtrage d’artefacts locaux

Filtered Data
Amplitudes are filtered by M-factorial kriging technique

Page 69
Consortium M-GS
l Exemple : Filtrage d’artefacts locaux

Extracted Noise

The footprint has been removed while preserving clean areas

Page 70
Consortium M-GS
Simulations examples, which can be performed on whatever Euclidian
grids or stratigraphic grids. They can be based on nested models
(several structures).

M-SGS
M-SGS
M-SGS
M-SGS

M-SIS
M-SIS

Page 71
Thèse en contrat CIFRE
l Elaboration de stratégies d’échantillonnage dans
les installations nucléaires
- Enjeux financiers et sanitaires très élevés !
- Thèse CIFRE Yvon Desnoyers (2008-2010)
- Collaboration CEA – Encadrement pédagogique Mines ParisTech
- Exemple : CEA ATUE Cadarache (Atelier D)

Catégorisation des déchets par local

Mesures du signal
émergent (cps) sur les
sols et murs de l’atelier D

Page 72
Besoins en mathématiques

Page 73
Compétences recherchées

l Statistiques / Géostatistique
l Analyse numérique
- Ex : résolution de gros systèmes de krigeage (soumission de
projets ANR en cours, notamment avec le BRGM)

l Algorithmique et parallélisation de codes


l Géométrie 3D
- Création de maillages sophistiqués
- Opérations booléennes sur enveloppes 3D

Page 74
Formations souhaitées

l La géostatistique reste peu enseignée, en dépit de son


importance pratique croissante :
- Essor des geo-modelers, SIG,
- Recours permanent à des interpolations / modélisations.

l Importance du lien avec le domaine d’application :


géologie, géophysique, …
- Double-compétences précieuses !

Page 75
Collaborations et partenariats
possibles recherche/industrie

Nous sommes ouverts à tout ! J

Merci !!!

Page 76

Vous aimerez peut-être aussi