Académique Documents
Professionnel Documents
Culture Documents
ET DE LA RECHERCHE SCIENTIFIQUE
Un Peuple-Un but-Une foi
RAPPORT DE geostastisque
Encadré par :
PhD en Hydrologie-géostatistique Salif Koné
Présenté par :
Mamoutou Ouattara
Tenin Moussa Diallo
Souleymane Sy
Mandé Doumbia
Table des matières
Introduction :..................................................................................................................................3
1. Objectif général :........................................................................................................................3
2. APPLICATION DE LA GEOSTATISTIQUE........................................................................................3
I. TRAVAUX PRATIQUES :...................................................................................................................4
1. Installation et chargement des modules :..................................................................................4
2. Importer et prétraitement des données du zinc (Zn).................................................................4
3. Elimination de certaines données :.............................................................................................5
4. Ajout d’un numéro unique d’échantillon au tableau de données :............................................5
5. Cartographie du plan d’échantillonnage et des quartiles :.........................................................5
6. Variogrammes expérimentaux et anisotropies...........................................................................6
7. Résultat de la visualisation du point de numéro 29....................................................................8
8. Variogrammes expérimentaux omnidirectionnels :....................................................................8
9. Variogrammes expérimentaux directionnels :..........................................................................10
10. Variogramme empirique dans la direction 60 :....................................................................10
11. Ajustement d’un modèle de variogramme au variogramme expérimental :........................11
II. ESTIMATION ET SIMULATION :.....................................................................................................12
1. Krigeage ordinaire sur une grille régulière...............................................................................12
2. Visualisations du champ krigé et de la variance d’erreur de krigeage (critère minimisé).........13
3. Visualisation de la variance d’erreurs :.....................................................................................13
4. Validation croisée.....................................................................................................................14
5. Krigeage aux points de validation.............................................................................................14
6. Visualisation graphique des résultats :.....................................................................................15
III. RESUME DES DIFFERENTES ETAPES DE LA MODELISATION......................................................16
1. INTERPRETATION......................................................................................................................16
IV. CONCLUSION :..........................................................................................................................17
Introduction :
La géostatistique est l’étude d’estimation des réserves des variables régionalisées, à la
frontière entre les mathématiques, les physiques et les sciences de la terre.
Son principal domaine d’utilisation a été l’estimation des gisements à travers le Krygeage
grâce au calcul de variogramme.
Ce rapport est un compte rendu des travaux pratiques de la géostatistique, dispensé par Dr.
Salif KONE à l’Ecole Nationale Abderhamane Baba Touré (ENI-ABT). Il est basé sur la
modélisation, l’estimation et la simulation des données spatiales ; effectuées à l’aide du «
logiciel R ».
1. Objectif général :
Habituer les étudiants à l’installation et l’utilisation du logiciel R pour estimation des
réserves.
Objectifs spécifiques :
2. APPLICATION DE LA GEOSTATISTIQUE
Elle est appliquée dans plusieurs domaines notamment :
Après avoir suivi les étapes de la création de la table, l’exécution de la commande (dim (jura)
nous donne les dimensions du tableau jura.
On ouvre un script
jura$xjura<-read.table("jura.txt", header=T)
jura$y
jura$Zn
dim(jura)
Names(jura)
dim (jura)
[1] 259 11
names (jura)
[1] "x" "y" "lu" "rt" "Cd" "Co" "Cr" "Cu" "Ni" "Pb" "Zn"
NB : La commande « names (jura) » donne les entêtes des colonnes du tableau.
On dénombre neuf (9) autres variables. Le nombre d’échantillons ou d’individus est de 259
pour chaque variable.
3. Elimination de certaines données :
Nous éliminerons les données de l’argovien.
La ligne de commande suivante a permis de supprimer les données de l’argovien :
jura<-jura[jura$rt!=1,]
Le nombre d’échantillons est 206
dim(jura)
[1] 206 12
nom<-1:length(jura[,1])
> jura<-cbind(jura,nom)
> dim(jura)
[1] 206 12
geojura<-as.geodata(jura,coords.col=1:2, data.col=11)
require(sgeostat)
par(mfrow=c(1,1))
jura.point<-point(jura, x= "x", y= "y" )
jura.pair<-pair(jura.point, num.lags=15, type= "isotropic", maxdist=3)
spacecloud(jura.point, jura.pair, "Zn", type="s", query.a="nom" )
require(sgeostat)
par(mfrow=c(1,1))
jura.point<-point(jura, x= "x", y= "y" )
jura<-jura[jura$Zn!=46.80,]
jura$Zn
numero<-1:length(jura[,1])
jura<-cbind(jura,numero)
dim(jura)
jura.point<-point(jura, x= "x", y= "y" )
jura.pair<-pair(jura.point, num.lags=15, type= "isotropic", maxdist=3)
spacecloud(jura.point, jura.pair, "Zn", type="s", query.a="numero" )
palette(terrain.colors(24))
plagecouleurs<-as.numeric(cut(jura$Zn,24))
plot(jura$x, jura$y, type='n')
points(jura$x, jura$y, pch=20, col=plagecouleurs)
var.Zn
var.Zn<-est.variogram(jura.point, jura.pair,"Zn")
var.Zn
plot(var.Zn$bins, var.Zn$classic)
Le script suivant permet d’apprécier l’effet de l’échantillon numéro 29 :
require(geoR)
bin1<-variog(geojura, uvec=seq(0,3,length=15))
bin1
bin1.env<-variog.mc.env(geojura,obj.var=bin1,nsim=99)
plot(bin1, envelope = bin1.env)
plot(bin2)
On ne peut pas conclure à une isotropie de la structure spatiale des données ; car la
distribution des points montre différents paliers et différentes composantes pépitiques
require(sgeostat)
plot(var.Zn$bins, var.Zn$med)
1. Model.Zn<-fit.exponential(var.Zn, 5, 60, 0.3, type='c', iterations=100,tolerance=1e-03,
echo=FALSE, plot.it=T, weighted=T)
2. Model.Zn<-fit.spherical(var.Zn,5, 40, 1, type='m', iterations=100, tolerance=1e-03,
echo=FALSE, plot.it=T, weighted=T)
3. Model.Zn<-fit.spherical(var.Zn, 5, 60, 1, type='c', iterations=0, tolerance=1e-06,
echo=FALSE, plot.it=T, weighted=T)
X<- seq(min(jura$x),max(jura$x),by=0.1)
Y<- seq(min(jura$y),max(jura$y),by=0.1)
x<-rep(X, length(Y))
y<-rep(Y, length(X))
y<-sort(y, decreasing=F)
Grid<-data.frame(x=x, y=y)
require(sgeostat)
Grid.point <- point(Grid, "x", "y")
Grid.point
Le nombre d’échantillons est alors de 2236 contre 206 pour jura.point. Cette grille résulte de
la discrétisation des données.
Script de la grille :
image(X,Y,matrix(Grid.krige1$zhat,length(X),length(Y),byrow=F),add=TRUE,
col=terrain.colors(24))
contour(X,Y,matrix(Grid.krige1$zhat,length(X),length(Y),byrow=F),add=TRUE)
points(jura$x,jura$y,col="red", pch=20, cex=0.7)
Extrapolation
plot(Grid$x,Grid$y,type='n')
image(X,Y,matrix(log(Grid.krige1$sigma2hat),length(X),length(Y),byrow=F),add=TRUE,
col=heat.colors(24))
contour(X,Y,matrix(Grid.krige1$sigma2hat,length(X),length(Y),byrow=F),add=TRUE)
ajouter les points de données
points(jura$x,jura$y,col="blue", pch=22, cex=0.7)
Les fortes valeurs de variance sont surtout observées en bordure de carte et où on note
l’absence de points de mesure. Par contre les endroits avec beaucoup de points mesure
présentent les faibles valeurs de variance (parfois nulles).
4. Validation croisée
Objectif : Réaliser une estimation sur des points de données non utilisés en modélisation :
analyse des erreurs d’estimation
validation<-read.table("validation.txt", header=T)
validation
dim(validation)
names(validation)
validation<-validation[validation$rt!=1,]
nom<-1:length(validation[,1])
validation<-cbind(validation,nom)
validation.point<-point(validation, x="x", y="y")
Les valeurs manquantes sont dues au fait qu’on a enlevé les valeurs de l’argovien dans la
table des données de validation.
5. Krigeage aux points de validation
validation.krige <-krige(validation.point,jura.point,'Zn',Model.Zn, maxdist=1,extrap=F)
validation.krige$zhat
validation.krige$sigma2hat
zhat<-validation.krige$zhat
sigma2hat<-validation.krige$sigma2hat
par(mfrow=c(1,2))
palette(terrain.colors(24))
plagecouleurs<-as.numeric(cut(validation$zhat,24))
plot(validation$x, validation$y, type='n')
points(validation$x, validation$y, pch=20, col=plagecouleurs)
palette(heat.colors(24))
plagecouleurs<-as.numeric(cut(validation$sigma2hat,24))
plot(validation$x, validation$y, type='n')
points(validation$x, validation$y, pch=20, col=plagecouleurs)
points(jura$x, jura$y, pch=20, col="blue")