Etat des lieux des sous-bassins hydrographiques Tome III - Portail ...
Etat des lieux des sous-bassins hydrographiques Tome III - Portail ...
Etat des lieux des sous-bassins hydrographiques Tome III - Portail ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Etat</strong> <strong>des</strong> <strong>lieux</strong> <strong>des</strong> <strong>sous</strong>-<strong>bassins</strong> <strong>hydrographiques</strong> <strong>Tome</strong> <strong>III</strong> : méthodologie<br />
• Le modèle gaussien ( quelconque, )<br />
• Le modèle effet de pépite ( quelconque)<br />
Ce modèle correspond à l'absence totale de corrélation spatiale.<br />
La somme de ces modèles donne également <strong>des</strong> modèles vali<strong>des</strong>. Par exemple :<br />
avec .<br />
A partir <strong>des</strong> données expérimentales, il est dès lors possible de choisir le modèle le plus<br />
aproprié (càd celui minimisant les erreurs d'estimation). Ce choix se fait en combinant une<br />
certaine connaissance du phénomène à l'utilisation d'algorithmique. La première étape du<br />
calcul consiste à évaluer un estimateur de la covariance. Cet estimation dépend du nombre<br />
d'intervalles de distance choisi, du nombre de paires de points dans ces intervalles. A la vue<br />
de l'allure générale <strong>des</strong> points, il faut choisir un modèle. Les paramètres du modèle choisit<br />
sont alors ajustés par ([Bogaert(2004)]):<br />
• un ajustement à l'oeil (eye-fitting),<br />
• un ajustement par la méthode <strong>des</strong> moindres carrés,<br />
• un ajustement par la méthode du maximum de vraisemblance.<br />
Dans le cadre du projet Scaldit, le modèle de covariance est choisi après avoir calculé<br />
l'estimateur de la fonction de covariance. Ensuite, la librairie Matlab BMELib ([Christakos<br />
et al.(2002)Christakos, Bogaert, and Serre]) permet d'ajuster les modèles de covariance par<br />
une méthode itérative <strong>des</strong> moindres carrées pondérées.<br />
3.3.7 Krigeage<br />
Le krigeage est une procédure d'interpolation qui fournit, à partir <strong>des</strong> données disponibles,<br />
une estimation optimale, linéaire et non-biaisée de la propriété étudiée, dont l'erreur<br />
d'estimation est minimisée, in [Rentier(2002)].<br />
Le krigeage permet d'évaluer les poids de la fonction suivante :<br />
32