Académique Documents
Professionnel Documents
Culture Documents
I- NOTIONS GENERALES
I.1 : Définition :
1
« Master I Hydrogéologie » Cours de géostatistique / Dr Drias T
la famille de toutes ces variables aléatoires est une fonction aléatoire (ou processus
stochastique, champ aléatoire). La relation entre une fonction aléatoire et une de ses
réalisations est la même que la relation entre une variable aléatoire et un de ses
tirages, si ce n’est que la réalisation d’une fonction aléatoire est une fonction
ordinaire, alors que le tirage d’une variable aléatoire est un nombre.
Une fonction aléatoire est caractérisée par sa loi spatiale, c’est-à-dire par l’ensemble
des lois simultanées de tout jeu de variables Z(x1), Z(x2), ..., Z(xk), pour tout k, et pour
tout point xI, x2, ..., xk. Bien entendu, il serait impossible de faire quoi que ce soit avec
ce modèle sans faire d’hypothèses sur les caractéristiques de ces lois. En particulier,
dans la mesure où, une seule réalisation est disponible, nous devons faire des
hypothèses concernant sa stationnarité. En rencontre le même problème avec les
variables aléatoires.
que pourrait-on dire d’une variable aléatoire sur la seule base d’une réalisation
Une fonction aléatoire est stationnaire, au sens strict si la loi spatiale (la variance
des incréments) est invariante par translation du vecteur h, de la même manière, une
fonction aléatoire stationnaire se répète elle-même dans l’espace. Dans ce cas les deux
variables aléatoires vectorielles à k composants :
(Z(x1), .....,Z(xk)) et (Z(x1+ h),....,Z(xk+ h)) présentent la même loi de distribution à k variables,
quel que soit le vecteur translation h. Cette hypothèse permet de résoudre le problème
posé par
11
2
« Master I Hydrogéologie » Cours de géostatistique / Dr Drias T
Dans son sens le plus strict, la stationnarité nécessaire que tous les moments soient
invariants par translation, mais comme cela ne peut être vérifié avec un nombre limité
de données expérimentales, on se contente généralement de demander que les deux
premiers moments (la moyenne et la covariance) soient invariants par translation. On
parle alors de stationnarité faible ou d’ordre 2.
Des fonctions aléatoires dont les incréments sont stationnaires d’ordre deux et de
moyenne nulle sont réputés satisfaire l’hypothèse intrinsèque, ce qui par abus de
langage a été qualifié de stationnarité intrinsèque dans la littérature statistique.
La fonction aléatoire Z(xi) est très souvent modélisée sous une hypothèse de
stationnarité de second ordre ou de stationnarité intrinsèque. C’est l’hypothèse la plus
courante, laquelle est définie pour des fonctions aléatoires stationnaires d’ordre deux
de moyenne μ (Wackernagel, 2004). Z(xi) étant la fonction aléatoire représentant la
variable étudiée. Elle est dite intrinsèque si :
- Pour tout vecteur h, l’accroissement ((x + h) − (x)) aura une variance finie qui ne
dépend pas de x.
12
3
« Master I Hydrogéologie » Cours de géostatistique / Dr Drias T
II : Analyse structurale :
Lorsque la dissemblance moyenne des valeurs est constante pour toutes les distances
jhj, il y a une absence complète de structuration spatiale des valeurs. A l’inverse, une
pente non nulle du variogramme près de l’origine indique une structuration des
données. Un changement soudain de la pente du variogramme indique le passage à
une structuration des valeurs de nature différente.
4
« Master I Hydrogéologie » Cours de géostatistique / Dr Drias T
Ces transitions seront d’abord modélisées par des variogrammes gigognes, puis les
différents types de structuration spatiale des valeurs pourront être visualisés
séparément sous forme de cartes en effectuant le krigeage de composantes spatiales.
Exercice. Suite à l'exercice qu'on a effectué dans la classe (cas d'une seule
dimension), maintenant on va calculer le variogramme dans deux directions
orthogonales. Calculer le variogramme expérimental suivant les deux axes principaux
"Est-Ouest et Nord-Sud" pour une distance (h= 5, h=10).
C’est-à-dire,
2
1
2
h varZ x Z x h Z x Z x h
1 2
L’existence de l’espérance des accroissements d’une fonction aléatoire intrinsèque
n’implique pas celle de l’espérance de la fonction aléatoire. Une fonction aléatoire
intrinsèque peut avoir une variance infinie, tout en ayant une variance des
accroissements finie pour tout vecteur h.
5
« Master I Hydrogéologie » Cours de géostatistique / Dr Drias T
6
« Master I Hydrogéologie » Cours de géostatistique / Dr Drias T
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.
b)- La forme linéaire : Qui représente une variable un peu moins régulière et non
dérivable.
Dans ce cas la fonction fluctue d’une valeur constante ce qui signifie qu’il y a
indépendance totale des observations. En principe, seules des variables ayant cette
propriété sont susceptibles d’être traitées par l’inférence statistique. Notons ici que
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.
a) - LE MODELE SPHERIQUE :
On peut montrer que le pallier d’un variogramme est égal à la variance totale de la
Le modèle sphérique est correct pour des courbes ayant l’allure (plus bruitée en
pratique) de celle de la figure (effet de pépite). Le modèle se définit par 3 paramètres,
C , C0 et a (la portée) :
1 h 1 h3
h C 3
C0 sih a
2 a 2 a
h C C0 sih a
0 0
8
« Master I Hydrogéologie » Cours de géostatistique / Dr Drias T
h h3
h 0.711.5 0.5 0.1sih 600
3
600 600
h 0.81
0 0
3 h 1 h3
● Le modèle sphérique : h C0 C1
3
2 a 2 a
h
● Le modèle exponentiel : h C0 C1 1 e a
h2
● Le modèle gaussien : h C0 C1 1 e
a
● Le modèle de puissance
II.3.3. Anisotropies
La continuité spatiale n'est pas nécessairement la même dans toutes les directions.
ex.
- gisement présentant une forme lenticulaire; on peut avoir une meilleure continuité selon
l'allongement principal des lentilles;
- gisement stratiforme; meilleure continuité parallèlement aux strates que perpendiculairement.
9
« Master I Hydrogéologie » Cours de géostatistique / Dr Drias T
Bien que dans la nature il existe une très grande variété d'anisotropies, en géostatistique, on ne
peut modéliser aisément que les anisotropies géométriques.
- Anisotropie géométrique
Caractéristiques :
- On observe dans diverses directions des paliers et des composantes pépitiques identiques
mais des portées différentes.
- Les portées maximales (ag) et minimales (ap) s'observent selon deux directions orthogonales.
On peut rendre les portées identiques (et égales à ag suivant toutes les directions en multipliant
la composante de la portée parallèle à ap par le facteur (ag/ap). Bref, les portées décrivent une
ellipse dont l'axe majeur est orienté parallèlement à ag.
Connaissant ag et ap, on peut trouver aθ , où θ désigne l'angle mesuré par rapport à la direction
où est rencontré ag.
10
« Master I Hydrogéologie » Cours de géostatistique / Dr Drias T
Calculer les variogrammes directionnels selon différentes directions (ex. 0°, 45°, 90°,
135°) ainsi que le variogramme omnidirectionnel (i.e. sans tenir compte de la
direction).
La géologie peut apporter une information précieuse dans le choix des directions et la
présence ou non d'anisotropies.
Vérifier les critères ci-dessus : N(h) ≥ 30, h < dmax/2
Si nécessaire, augmenter la tolérance angulaire ou le pas de calcul de façon à
augmenter N(h).
Déterminer s'il y a anisotropie (différences de palier ou de portées qui ne peuvent
raisonnablement être imputées à des fluctuations aléatoires du variogramme). Une
bonne méthode consiste d'abord à ajuster le variogramme omnidirectionnel et de
vérifier si ce modèle est acceptable pour les différents variogrammes directionnels.
L'effet de pépite et le palier en particulier devraient être estimés à l'aide du
variogramme omnidirectionnel et gardés constants lors de l'ajustement des
variogrammes directionnels. Si les paliers changent d’une direction à l’autre, on peut
soit essayer de modéliser une anisotropie zonale, soit adopter un palier compromis,
surtout si l’ajustement est adéquat à courte distance.
Procéder à l'ajustement d'un modèle anisotrope ou isotrope selon le cas
(habituellement par essai et erreur, bien que l'on puisse aussi obtenir ces ajustements
de façon automatique par régression (pondérée, et souvent, non-linéaire).
Chercher à respecter la règle de la parcimonie: adopter les modèles les plus simples
possibles qui permettent un ajustement adéquat. Comparer des modèles concurrents à
l'aide de la technique de validation croisée.
Note:
- Plus les classes sont larges, plus il y a de paires dans chaque classe, et plus le
variogramme expérimental est lisse (et donc facile à modéliser) mais moins on a de
définition pour connaître le comportement du variogramme, surtout à faible distance.
On cherche habituellement à avoir au moins trois ou quatre classes, et si possible
davantage, avant d'atteindre le palier.
- Pour les variogrammes directionnels, plus l'angle de tolérance est grand, plus on a
de paires pour chaque point du variogramme mais moins le variogramme
expérimental permettra de déceler les anisotropies. On ne devrait pas excéder 22.5
degrés de part et d'autre de la direction considérée. On peut descendre jusqu'à 0+
degrés si les données sont abondantes et sur une grille parfaitement régulière. Une
valeur typique pourrait être de 10 degrés de part et d'autre de la direction considérée.
On spécifie le calcul du variogramme omnidirectionnel en utilisant un angle de
tolérance de 90 degrés de part et d'autre d'une direction arbitraire, le choix de la
direction n'ayant dès lors aucune importance.
11