Nouveautés concernant ArcGIS Geostatistical Analyst 10

L'extension ArcGIS Geostatistical Analyst propose une large gamme de fonctions de modélisation spatiale et d'analyse performantes. Avec la version 10, Geostatistical Analyst fournit des améliorations en termes de performance et de nouveaux outils.

Nouveaux outils de géotraitement

ArcGIS Geostatistical Analyst 10 propose 11 nouveaux outils de géotraitement.

Parmi ces outils, 4 sont nouveaux et 7 autres étaient uniquement accessibles via l'Assistant géostatistique ou à partir de la barre d'outils Geostatistical Analyst.

Interpolation par diffusion avec barrières

Interpolation par diffusion avec barrières utilise un noyau qui est basé sur l'équation de chaleur et qui permet d'utiliser une combinaison de raster et de jeux de données d'entité pour jouer le rôle de barrières.

Interpolation par noyaux avec barrières

Interpolation par noyaux avec barrières est un prédicteur basé sur une fenêtre en mouvement qui utilise la distance la plus courte entre les points. L'illustration ci-dessous représente les chemins entre les emplacements des données (cercles noirs) et l'emplacement où une prévision (carré rouge) est requise.

Interpolation polynomiale globale

L'Interpolation polynomiale globale revient à prendre une feuille de papier et à la faire passer entre des points placés en hauteur (à la hauteur de la valeur). Cet outil est également connu sous le nom d'analyse de surface de tendance.

Interpolation polynomiale locale

L'Interpolation polynomiale locale convient à de nombreux modèles polynomiaux, chacun dans un voisinage de superposition spécifié. Cet outil offre une nouvelle fonctionnalité qui permet de créer une surface d'erreur de prévision standard. Il permet aussi d'inclure des programmes d'optimisation et de diagnostic.

IDW

L'interpolation IDW entérine l'hypothèse selon laquelle les choses qui sont proches l'une de l'autre se ressemblent davantage que celles qui sont éloignées l'une de l'autre. Cette fonction d'interpolation calcule la valeur pondérée des points en attribuant une valeur plus élevée aux points plus proches de l'emplacement de prévision qu'aux points plus éloignés, d'où le nom Pondération par l'inverse de la distance.

Fonctions de base radiale

Les Fonctions de base radiale correspondent à une série de techniques d'interpolation exactes, autrement dit, la surface doit traverser chaque valeur d'échantillonnage mesurée.

Création de points d'équilibre dans l'espace

L'outil Création de points d'équilibre dans l'espace génère un ensemble de points d'échantillonnage selon les probabilités d'inclusion à priori. L'échantillon ainsi généré est équilibré spatialement, ce qui signifie que l'indépendance spatiale entre les échantillons est optimisée, ce qui rend la création plus efficace que l'échantillonnage de la zone d'étude de manière aléatoire.

Densification du réseau d'échantillonnage

L'outil Densification du réseau d'échantillonnage est basé sur une couche de krigeage géostatistique prédéfinie. Il utilise, inter alia, la surface d'erreur de prévision standard pour déterminer à quel endroit les nouveaux emplacements sont requis ou lesquels peuvent être supprimés.

Extraction de valeurs vers une table

L'outil Extraction de valeurs vers une table extrait les valeurs de cellule d'un ensemble de raster, selon une classe d'entités surfaciques ou ponctuelles, vers une table. Si une classe d'entités ponctuelles est utilisée, la table en sortie inclut un enregistrement de chaque point et chaque raster contenant des données. Les données polygonales sont traitées comme des données ponctuelles ; le centre de cellule des rasters en entrée détermine le nombre de points et permet de savoir si la cellule est contenue dans le polygone ou pas. Cet outil peut servir à effectuer une analyse plus poussée des résultats de l'outil Gaussian Geostatistical Simulations.

Validation croisée

L'outil Validation croisée repose sur l'idée visant à supprimer un emplacement de données et à prévoir les données associées à l'aide des données des autres emplacements, en répétant ce processus pour les emplacements restants. Il est ainsi possible de comparer la valeur de prévision à la valeur observée et d'obtenir des informations utiles sur les décisions à prendre concernant le modèle.

Entités de sous-ensemble

L'outil Entités de sous-ensemble emploie l'une des méthodes les plus rigoureuses pour évaluer la qualité d'une surface en sortie en comparant les valeurs de prévision aux valeurs mesurées dans le champ. Une solution consiste à diviser le jeu de données d'origine en deux parties. Une partie sert à modéliser la structure spatiale pour produire une surface, et l'autre partie sert à comparer et à valider la surface en sortie.

Améliorations apportées à l'Assistant

L'Assistant géostatistique désigne un ensemble dynamique de pages conçues pour vous guider tout au long du processus de construction et d'évaluation de la performance d'un modèle d'interpolation.

Fenêtres redimensionnables

• Vous pouvez redimensionner la fenêtre toute entière.
• Vous pouvez redimensionner les écrans séparément.

Nouvelle mise en page de la boîte de dialogue et nouvelle fonctionnalité

• La validation croisée permet d'optimiser de nombreux paramètres de modèle.
• L'aide associée au paramètre est disponible sur la boîte de dialogue et depuis l'aide compilée si vous avez besoin d'une aide supplémentaire.

Assistant Geostatistical Analyst

Visualisation du semi-variogramme

• Les différents affichages comprennent les valeurs groupées d'origine, une valeur moyennée par groupe ainsi qu'une ligne lissée qui affiche la corrélation des données dans les différentes directions.

Aperçu de la surface

• L'aperçu de surface est modifié de manière à pouvoir activer/désactiver l'aperçu du jeu de données et l'aperçu de la surface.

Nouvelles méthodes d'interpolation

• Les deux outils de géotraitement individuel Diffusion interpolation With Barriers et Kernel Interpolation With Barriers constituent deux nouvelles méthodes d'interpolation proposées par l'Assistant. La capture reproduite ci-dessous représente la profondeur de limon dans un lac, la limite du lac contraint la recherche de voisinage.

Exemple de méthodes d'interpolation proposées par l'assistant

L'interpolation polynomiale locale propose désormais inter alia

• Les erreurs de prévision standard indiquent l'incertitude associée à la valeur de prévision pour chaque emplacement.
• Le nombre de condition affiche la variation par rapport à la stabilité du modèle numérique et fournit des informations supplémentaires sur l'incertitude de prévision, puisque la surface de l'erreur de prévision standard est créée en partant du principe que le modèle est correct et qu'il n'y a aucune raison pour que le modèle soit instable.
• Optimiser modèle modifie la bande passante, le numéro de condition spatiale et les valeurs de voisinage. Les statistiques de validation croisée servent à optimiser le modèle.

Autres améliorations

Nouveau champ Erreur de mesure de conditionnement

Un nouveau champ, Erreur de mesure de conditionnement, a été ajouté à l'outil Gaussian Geostatistical Simulations. Ce champ est utilisé lorsqu'il est possible de spécifier une erreur de mesure constante pour toutes les données en entrée dans le modèle de semi-variogramme en entrée. Toutefois, si les valeurs d'erreur de mesure ne sont pas identiques à chaque emplacement d'échantillonnage, vous pouvez les spécifier à l'aide de ce champ.

Prise en charge des jeux de données volumineux

• Certaines méthodes d'interpolation peuvent désormais gérer des jeux de données en entrée très volumineux.
• C'est ainsi qu'un IDW d'environ 2 milliards de points en entrée (contenus dans plus de 400 000 multi-points) a généré un raster en sortie de 250 colonnes sur 250 lignes en 20 heures environ.

Aide nouvelle et mise à jour

Par exemple, le chapitre Présentation rapide de Geostatistical Analyst a été ajouté.

Nouveaux didacticiels

Le Didacticiel Geostatistical Analyst d'ArcGIS a été mis à jour.