Untitled
Il est désormais possible de déterminer le TRI grâce à la méthode de l'interpolation linéaire à l'aide de la formule : VANTRI-VANA_VANB-VANA. TRI-TA.
Chapitre II Interpolation et Approximation
La formule (2.4) montre que l On calcule donc 1024 nouvelles valeurs du signal sur une période de 930 (par interpolation linéaire) ; leur transformée de.
6 LE BUDGET DES INVESTISSEMENTS
Le TRI est donc le taux pour qu'un projet soit jugé comme rentable. Sans calculatrice financière on calcule le TRI par interpolation linéaire. Le principe
Fiche savoir
interpolation linéaire entre deux les taux afin de trouver le taux pour Question : quel pourcentage faut-il ajouter à 4 % pour obtenir le TRI ? 2 ...
Commandes usuelles de R
approx(xy=) interpolation linéaire spline(x
Rapport de stage Master 1
— Interpolation linéaire : c'est une méthode d'interpolation qui consiste `a erreur d'interpolation (εinterp) avec la formule suivante : εinterp ...
Résumé Mots clefs:
→ De ce fait dans notre étude
Utilisation de fonctions formules et calculs dans SAP
6 mai 2011 • La régression linéaire avec interpolation des moindres carrés calcule les ... • Vous ne pouvez pas appliquer de tri à une formule qui utilise ...
Méthodes numériques dapproximation et de résolution en mécanique
ce qui équivaut à une interpolation géométrique linéaire tout comme l'interpolation en formule 6.27. À l'instant initial
Méthode des éléments finis
26 nov. 2008 Cette formule utilise la symétrie du tenseur des contraintes et les ... Figure 2.3 - Fonctions d'interpolation linéaires du triangle.
6 LE BUDGET DES INVESTISSEMENTS
Le TRI est donc le taux pour qu'un projet soit jugé comme rentable. Sans calculatrice financière on calcule le TRI par interpolation linéaire. Le principe est
Analyse Numérique
3.1.3 Erreur dans l'interpolation de Lagrange . 6.3 Analyse du conditionnement d'un système linéaire . ... D'après la formule de Taylor à l'ordre.
Méthodes de programmation Algorithmes de recherche tri et sélection
linéaire (O(N)). c?M.Mathieu L'indice m serait donné par une formule de type : m = ? x ? T[g] ... classique et de la recherche par interpolation.
Chapitre 2. Valeur temps de largent : arbitrage actualisation et
Quel est le taux de l'emprunt? => TRI. Faute d'avoir une formule simple il faut procéder soit par tâtonnement soit par interpolation linéaire. Fahmi
Interpolation spatiale
L'estimation globale du champ étudié est donc donné par la formule : FIG 16 - Interpolation linéaire : interprétation géométrique.
Régression multiple : principes et exemples dapplication
fait appel à l'analyse par régression linéaire multiple selon différentes logiques a Enfin le coefficient de corrélation est donné par la formule :.
Optimisation de têtes de détection pour mesurer les protons et
30 sept. 2020 ANNEXE B : Interpolation tri-linéaire pour le champ magnétique créé par ... D'après cette formule plus l'énergie du photon incident est ...
Mathématiques financières COURS
Chapitre 4 : Taux de rentabilité interne (TRI) et durée de récupération. Par interpolation linéaire on peut trouver une valeur approchée de d.
Commandes usuelles de R
filter(xfilter) application d'un filtre linéaire à chaque lower.tri(A) selection ... nls(formula) estimateur non-linéaire des moindres carrés.
ETUDE DE RENTABILITE: Le Taux de Rentabilité Interne
Ainsi le TRI est déterminé par interpolation linéaire Cependant on doit veiller à ce que la différence entre les deux taux ne dépasse pas 1 point ou 1 pas
Taux de rentabilité interne (TRI) : formule et interprétation
24 mar 2022 · En utilisant la méthode de l'interpolation linéaire ou avec la fonction TRI d'Excel le taux de rendement est facile à trouver après calcul ce
[DOC] Le taux de rentabilité interne (TRI) et durée de récupération I - Math93
Par interpolation linéaire on peut trouver une valeur approchée de d Méthode 1 : démonstration f(x) = (x-a) + f(a) a = 2
[PDF] interpolation lineaire - PREPA GESTION SORBONNE
Il est désormais possible de déterminer le TRI grâce à la méthode de l'interpolation linéaire à l'aide de la formule : VANTRI-VANA_VANB-VANA TRI-TA
Cours 74 - Tripdf - Taux De Rendement Interne Tri Module Préalable
(P/A;i1;n) < (P/A;TRI;n)
Taux de Rendement Interne (TRI) - PDF Free Download - DocPlayerfr
Calcul Pour trouver le TRI il faut recourir soit à la résolution mathématique 2 soit à l interpolation linéaire Il est possible de synthétiser cette
[PDF] Les calculs sur emprunts - LEMMA
Pour calculer un TRI avec Excel on peut utiliser la fonction « Goal Seek » ou bien estimer le TRI par interpolations linéaires successives
Comment calculer le TRI par interpolation linéaire ?
Il existe aussi une autre approche pour calculer le TRI de manière simple. Ici, le calcul est basé sur la somme initiale investie, le nombre d'années et la valeur finale. La formule est la suivante : TRI = (valeur finale/Montant investi) ^ (1/n) – 1.Comment utiliser la formule TRI ?
La fonction TRI prend en compte les mouvements de trésorerie dans l'ordre des valeurs. Veillez à taper les remboursements et les revenus dans l'ordre correct. Si une matrice ou une référence tapée comme un argument contient du texte, des valeurs logiques ou des cellules vides, ces valeurs ne sont pas prises en compte.Comment calculer le VAN et le TRI ?
Pour calculer la VAN, On appellera (I) le montant du capital investi en début de période 1 et (CF) les flux de trésorerie nets générés par le projet. La VAN correspond à la différence entre la somme des flux de trésorerie actualisés et l'investissement en début de période 1 .VANG, TRIG et IPG
1On calcule d'abord A en capitalisant chaque flux au taux de placement t. Pour un durée d'investissement n, on aura : flux1 x (1+t)n-1 + flux2 x (1+t)n-2 + … fluxn += A.2Ensuite on actualise cette annuité A au coût du capital en année 0 et on retranche la valeur l'investissement (I)
ENSG / DPTS
Interpolation spatiale
Pierre Bosser
(Pierre.Bosser@ensg.eu)Ecole Nationale des Sciences G´eographiques
D´epartement Positionnement Terrestre et SpatialAnn´ee Scolaire 2011-2012
ENSG / DPTS
ENSG / DPTS
INTERPOLATION SPATIALETable des mati`eres
Table des mati`eres
1 Introduction3
1.1 Objectifs du cours. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Notations. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Caract´eristiques des m´ethodes d"interpolation. . . . . . . . . . . . . 4
1.4 Repr´esentations. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Applications. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2 L"interpolation d´eterministe globale10
2.1 D´efinition. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Polygone de Thiessen. . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3 M´ethode des cellules. . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4 Conclusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3 L"interpolation d´eterministe locale15
3.1 Polygones de Thiessen. . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2 Interpolation `a partir d"une triangulation. . . . . . . . . . . . . . . . 16
3.2.1 D´efinition. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.2.2 Interpolation lin´eaire. . . . . . . . . . . . . . . . . . . . . . . 17
3.2.3 M´ethode d"Akima. . . . . . . . . . . . . . . . . . . . . . . . . 19
3.3 M´ethodes barycentriques. . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.1 Inverse des distances. . . . . . . . . . . . . . . . . . . . . . . 22
3.3.2 Interpolation bilin´eaire. . . . . . . . . . . . . . . . . . . . . . 24
3.4 Les surfaces de tendances. . . . . . . . . . . . . . . . . . . . . . . . . 25
Pierre Bosser 12011-2012
ENSG / DPTS
INTERPOLATION SPATIALETable des mati`eres
3.5 Les splines. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.5.1 G´en´eralit´es. . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.5.2 Spline d"interpolation. . . . . . . . . . . . . . . . . . . . . . . 27
3.5.3 Les splines de lissage. . . . . . . . . . . . . . . . . . . . . . . 29
3.6 Conclusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4 L"interpolation stochastique34
4.1 Notion de fonction al´eatoire. . . . . . . . . . . . . . . . . . . . . . . 34
4.1.1 D´efinition. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.1.2 Moments. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.2 Inf´erence statistique. . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.2.1 D´efinition. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.2.2 Ergodicit´e. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.2.3 Stationnarit´e. . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.2.4 Combinaisons lin´eaires autoris´ees. . . . . . . . . . . . . . . . 39
4.2.5 Conclusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.3 Analyse variographique. . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.3.1 Propri´et´es du variogramme. . . . . . . . . . . . . . . . . . . . 41
4.3.2 Inf´erence du variogramme. . . . . . . . . . . . . . . . . . . . 42
4.4 Le krigeage. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.4.1 Origine de la m´ethode. . . . . . . . . . . . . . . . . . . . . . 47
4.4.2 Principe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.4.3 Propri´et´es du krigeage. . . . . . . . . . . . . . . . . . . . . . 50
4.4.4 Impact du mod`ele de variogramme. . . . . . . . . . . . . . . 51
4.5 Conclusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
5 Conclusion53
Pierre Bosser 22011-2012
ENSG / DPTS
INTERPOLATION SPATIALE1 Introduction
1 Introduction
1.1 Objectifs du cours
A partir d"observations g´eor´ef´erenc´ees, pas n´ecessairement r´eparties r´eguli`erement,
on cherche `a estimer les valeurs prises par le param`etre observ´e en d"autres points de l"espace. On parle alors d"estimation spatiale: c"est une proc´edure consistant `a estimer la valeur d"une grandeur en un site `a partir de d"´echantillons de cette grandeur r´ecolt´es dans d"autres sites. Ce besoin s"applique `a de nombreux domaines o`u la connaissance de ladistribu-tion spatiale de ph´enom`enes est importante : altim´etrie, gravim´etrie, m´et´eorologie,
g´eologie, etc. Lors de ce cours, nous allons donc ´etudier les m´ethodes permettant l"estimation et l"interpolation de donn´ees g´eor´ef´erenc´ees. Ce cours sera une introduction aux diff´erentes m´ethodes existantes, mais pas une ´etude exhaustive (base pour des ´etudes plus approfondies). Les id´ees d´evelopp´ees ici sont largement inspir´ees des ouvrages suivants : -Akima, H.,?A method of bivariate interpolation and smooth surface fitting for values given at irregularly distributed points ?,OT Report 75-70, U.S. Department of Commerce. -Arnaud, M. &Emery, X.,?Estimation et interpolation spatiale : m´ethodes d´eterministes et g´eostatistiques ?,Hermes, 2000. -Baillargeon, S.,?Le krigeage : revue de la th´eorie et application `a l"inter- polation spatiale de donn´ees de pr´ecipitation ?,M´emoire de M. Sc., Universit´eLAVAL, 2005.
-Verdun, J.,?M´ethodes d"estimation et d"interpolation spatiales?,Cours donn´e aux IT2, ENSG, 2006.Pierre Bosser 32011-2012
ENSG / DPTS
INTERPOLATION SPATIALE1 Introduction
1.2 Notations
On d´efinit unevariable r´egionalis´eecomme ´etant une fonction num´erique prenant ses valeurs dans une r´egion limit´ee, appel´eechamp. Par la suite, on utilisera les notations suivantes : -z, la variable r´egionalis´ee. -D, le champ de la r´egionalisation, c"est `a dire le domaine dans lequel la variable r´egionalis´ee est d´efinie. En g´en´eral,D ?R,R2ouR3. -?s? D, le vecteur de coordonn´ees (x,y,z) qui indique la position d"un site dans le champD. -z(?s), la valeur prise par la variable r´egionalis´eezau site?s? D. -z(V), la valeur moyenne dezsur le domaineV? D. -n, le nombre de sites o`u la variable a ´et´e mesur´ee. -z(?s1),...,z(?sn), les valeurs prises parzaux sites d"observation?s1...?sn. - ˆz(?s0), une estimation dez(?s0) avec?s0? D.1.3 Caract´eristiques des m´ethodes d"interpolation
Dans le cas g´en´eral, la variable r´egionalis´ee ne peut ˆetre repr´esent´ee par une fonction
math´ematique explicite. Cependant, elle pr´esente une structuration spatiale bien d´efinie, avec une corr´elation des valeurs prises en deux sites proches. Ceci rend possible la pr´evision d"une valeur inconnue `a partir d"observations.On parle ainsi d"interpolation pour l"estimation de cette valeur. On parle d"extrapolation lorsque le site inconnu est situ´e hors des limites du domaine g´eographique engendr´e par l"´echantillonnage des sites d"observation. On s"int´eresse dans de ce cours `a ces m´ethodes de pr´evision. Elles se divisent usuelle- ment en deux groupes, selon les mod`eles math´ematiques sur lesquels elles reposent : -M´ethodes d´eterministes: elles reposent sur des propri´et´es purement math´ema- tiques, g´en´eralement g´eom´etriques, sans tenir compte du ph´enom`ene physique qui nous int´eresse. -M´ethodes stochastiques: elles font appel `a des mod`eles probabilistes et d´ecou- lent de l"analyse statistique des donn´ees consid´er´ees. On parle alors de techniques g´eostatistiques.Pierre Bosser 42011-2012
ENSG / DPTS
INTERPOLATION SPATIALE1 Introduction
Réalité PhysiqueModèle déterministeModèle probabiliste f 2 Dgz s s( )/f 2 DgZ s s( )/Variable régionaliséeFonction aléatoirePhénomène naturel
Valeurs régionalisées
Variables aléatoires
Interpolation spatiale
déterministeInterpolation spatiale stochastiquez s i n( ) = 1, ...,ipourZ s i n( ) = 1, ...,ipour FIG 1- M´ethodes d´eterministes et stochastiques : un ph´enom`ene physique observ´e en certains sites peut ˆetrees- tim´e en des sites quelconques via l"utilisation de m´ethodes d´eterministes (bas´ees sur de simples constats g´eom´etriques) ou de m´ethodes stochastiques (bas´ees sur des constats sta- tistiques). On diff´erencie ´egalement ces m´ethodes selon qu"elles soient globales ou locales. Une m´ethodeglobaleconsiste `a calculer la moyenne de la variable g´en´eralis´ee sur le champ `a partir de l"ensemble des observations disponibles; une m´ethodelocale r´ealise une estimation de cette moyenne sur une partie plus r´eduite du champ, voire en un site ponctuel. Une m´ethodeexacteconserve les valeurs des ´echantillons originaux, contrairement `a une m´ethodeapproch´ee. Enfin, on parle d"effet d"´ecranlorsqu"une observation commande l"impact d"une autre observation lors de l"interpolation. L"influence de l"observation ?´ecrant´ee?se- ra alors : - nulle dans le cas d"un ´ecran total, - peu ´elev´ee dans le cas d"un ´ecran partiel, - mod´er´ee dans le cas d"un ´ecran faible.Pierre Bosser 52011-2012
ENSG / DPTS
INTERPOLATION SPATIALE1 Introduction
S3 S2 S1 S6 S5 S0S7 FIG 2- Effet d"´ecran : le siteS7peut potentiellement mas- quer le siteS6; l"interpolateur va donner moins d"importance au site masqu´e,S6, par rapport au site masquantS7.1.4 Repr´esentations
A partir d"un champ dont on connait certaines valeurs prises par la variable r´egionali- s´ee, on veut d´eduire la repr´esentation d"ensemble de cette variable sur le champ. Cette repr´esentation peut se faire sous la forme : - de lignes de niveau, - de niveaux de couleur, - d"une perspective 3D, etc. On retrouve sur les figures suivantes diff´erents modes de repr´esentation du champ interpol´e.140160180200220240260280
120140
160
180
200
220
240
X Y FIG 3- Exemple de repr´esentation d"une variable r´e- gionalis´ee : sites d"observation.
Pierre Bosser 62011-2012
ENSG / DPTS
INTERPOLATION SPATIALE1 Introduction
140160180200220240260280
120140
160
180
200
220
240
X Y
140160180200220240260280
120140
160
180
200
220
240
X Y 500
550
600
650
700
FIG 4- Exemple de repr´esentation d"une variable r´e- gionalis´ee : repr´esentations planes. 140
160
180
200
220
240
260
280
120
140
160
180
200
220
240
400
500
600
700
800
Y X Z 140
160
180
200
220
240
260
280
120
140
160
180
200
220
240
400
500
600
700
800
Y X Z 140
160
180
200
220
240
260
280
120
140
160
180
200
220
240
400
500
600
700
800
Y X Z 500
550
600
650
700
FIG 5- Exemple de repr´esentation d"une variable r´e- gionalis´ee : perspectives.
Pierre Bosser 72011-2012
ENSG / DPTS
INTERPOLATION SPATIALE1 Introduction
1.5 Applications
L"interpolation spatiale est outil que l"on retrouve dans diff´erents domaines. Citons par exemple : - En m´et´eorologie : mesures sol du champ de pression, de temp´erature, d"humidit´e, de pluviom´etrie. - En g´eod´esie : mesures du champ de gravit´e, retards troposph´eriques et iono- sph´eriques, hauteur du g´eo¨ıde. - En g´eologie : teneur du sol en ´el´ements min´eraux. Les figures suivantes pr´esentent diff´erentes visualisations d"interpolation spatiale d"un jeu d"observation (pression, temp´erature, pluviom´etrie, retards troposph´eriqueGPS, anomalie de gravit´e).
FIG 6- Exemple d"observations interpol´ees spatialement : mesures de pression, temp´erature, pr´ecipitation ( ?M´et´eo-France).
Pierre Bosser 82011-2012
ENSG / DPTS
INTERPOLATION SPATIALE1 Introduction
FIG 7- Exemple d"observations interpol´ees spatialement : retards troposph´eriques GPS ( ?RGP / IGN), anomalies de gravit´e ( ?LAREG / IGN) et temp´erature `a 500 m de profondeur ( ?BRGM).Pierre Bosser 92011-2012
ENSG / DPTS
INTERPOLATION SPATIALE 2 L"interpolation d´eterministe globale2 L"interpolation d´eterministe globale
2.1 D´efinition
L"estimation globale vise `a estimer la moyenne arithm´etique d"une ensemble d"ob- servations (valeurs de la variable r´egionalis´ee) dans un domaine g´eographique (le champ). Cette estimation n"est pas triviale puisque les observationsne sont pasforc´ement repr´esentatives et peuvent pr´esenter une densit´e diff´erentes en fonction
de la zone du champ, donnant alors une influence trop importante `acertaines parties de la zone ´etudi´ee. Deux solutions sont alors envisageables. La premi`ere consiste enune s´election des donn´ees observ´ees. Le probl`eme r´eside alors dans le choix des observations `a prendre en compte. Aucun crit`ere objectif ne peut permettre d"ˆetre certain ni de la qua- lit´e ni de la pertinence des observations choisies. Une seconde solution consiste `a pond´erer l"ensemble des observations lors du calcul de la moyenne.Nous allons ici nous int´eresser `a des m´ethodes globales bas´ees sur cette solution.2.2 Polygone de Thiessen
Pour tous les points d"observation du champs, on d´efinit un polygone d"influence tel que chaque point du polygone est plus proche du point d"observationque de tout autre site : ??s? Pi,??sj? D?Pi,??si-?s????sj-?s? Dest alors partitionn´e en une famille de polygone convexes, nomm´espolygone de Thiessen(aussi appel´espolygones de Voronoioucellules de Dirichlet).Pierre Bosser 102011-2012
ENSG / DPTS
INTERPOLATION SPATIALE 2 L"interpolation d´eterministe globale S3 S 2 S 1S 6 S 5S 0FIG 8- Construction des polygones de Thiessen.
Les observations group´ees vont ainsi se voir affecter un polygone d"influence de petite surface, les donn´ees isol´ee un polygone de grande surface. Notons que le d´ecoupage de Thiessen d´epend uniquement de la configuration g´eom´etriqueet non pas des valeurs observ´ees. Les polygones ne sont pas n´ecessairementferm´es dans certaines directions de l"espace : il faut ainsi limiter la partition aux fronti`eres de D, ou fixer une distance d"influence limite. S3 S 2 S 1S 6 S 5 S0FIG 9- D´ecoupage en polygones de Thiessen.
Les surfaces des polygones de Thiessen ainsi obtenus vont alors permettre la pond´e- ration des observations pour le calcul de la moyenne de la variable r´egionalis´ee sur le champ d"´etude :ˆz(D) =n?
i=1|Pi| |D|z?si(1) O`u|Pi|est l"aire du polygonePiassoci´ee au site?siet|D|l"aire du champ : |D|=n? i=1|Pi|(2) Par construction, les zones `a observations denses sont les zones `a polygones de Thiessen de surface moindre : l"influence de ces zones est donc limit´ee.Pierre Bosser 112011-2012
ENSG / DPTS
INTERPOLATION SPATIALE 2 L"interpolation d´eterministe globale140160180200220240260280100
150200
250
X Y FIG 10- Exemple de d´ecoupage en polygones de Thiessen.
2.3 M´ethode des cellules
La m´ethode des cellules consiste `a diviser le champ en cellules rectangulaires de mˆeme taille, contenant chacune un nombre variable de sites d"observation. La pon- d´eration des observations lors de l"estimation globale est r´ealis´ee`a l"aide du nombre de sites contenus dans chaque cellule.La proc´edure d"estimation est la suivante :
1. On calcule la moyenne des sites d"observations contenus dans chaque cellule.
2. On calcule ensuite la moyenne des moyennes de toutes les cellules, sans pon-
d´eration. L"estimation globale du champ ´etudi´e est donc donn´e par la formule :ˆz(D) =1
NNα=1??
n iα=1?s(iα)??
(3) O`uNest le nombre de cellules de d´ecoupage du domaineDcontenant au moins un site d"observation,?s(iα) les sites d"observation localis´es dans la celluleα. En pratique, on r´ep`ete l"algorithme plusieurs fois (5 `a 10) avec diff´erents d´ecoupages dans le but d"obtenir une estimation globale ind´ependante du r´eseau.Pierre Bosser 122011-2012
ENSG / DPTS
INTERPOLATION SPATIALE 2 L"interpolation d´eterministe globale Notons que si la taille des cellules est trop petite, chacune contiendra au plus un site d"observation et les donn´ees auront toutes le mˆeme poids. Sila taille est trop grande, toutes les observations appartiendront `a la mˆeme celluleet auront donc le mˆeme poids. Dans ces 2 cas, l"estimation globale reviendra alors `a calculer la moyenne arithm´etique de toutes les observations.140160180200220240260280100
150200
250
X Y
FIG 11- Exemple de d´ecoupage en cellules.
2.4 Conclusion
Les m´ethodes d"estimation globale pr´esent´ees ici reposent uniquement sur la confi- guration g´eom´etrique des donn´ees. Elles permettent donc de quantifier la quantit´e totale ou moyenne d"un ensemble d"observations de r´epartition variable dans l"es- pace. Les m´ethodes abord´ees sont appliqu´ees sur un jeu de donn´ees test (tableau suivant). Mis `a part un cas (d´ecoupage en cellules de taille minimale), on observe que les r´esultats obtenus sont dans l"ensemble relativement homog`ene.Pierre Bosser 132011-2012
ENSG / DPTS
INTERPOLATION SPATIALE 2 L"interpolation d´eterministe globaleInterpolation ˆz(D)
Polygones de Thiessen 620.6693
Cellules, pas de 1 m 609.9030
Cellules, pas de 10 m 615.4803
Cellules, pas de 20 m 618.9132
Cellules, pas de 50 m 619.6649
Cellules, pas de 100 m 614.0666
TAB 1- Estimation globale par diff´erentes m´ethodes : esti- mation de l"altitude moyenne. Il est cependant plus important de pouvoir localiser / cartographier les zones de fortes valeurs et celles de valeurs moindres : c"est le but de l"estimation locale que nous allons voir par la suite.Pierre Bosser 142011-2012
ENSG / DPTS
INTERPOLATION SPATIALE 3 L"interpolation d´eterministe locale3 L"interpolation d´eterministe locale
Nous nous int´eressons ici aux m´ethodes d´eterministes pour l"estimation locale etponctuelle d"une valeur de la variable r´egionalis´ee. Cette estimationsera r´ealis´ee `a
partir de combinaisons lin´eaires des observations en tenant compte de leur dispo- sition les unes par rapport aux autres mais aussi de la distance entre le secteur `a estimer et les points de donn´ees.3.1 Polygones de Thiessen
Nous avons abord´e pr´ec´edemment l"utilisation des polygones de Thiessen dans le cas de l"estimation globale. L"interpolation par la m´ethode de Thiessen consiste `a affec- ter `a l"ensemble des points d"un polygone donn´e la valeur de la variabler´egionalis´ee correspondante (on parle aussi deplus proche voisin). On obtient alors une sur- face discontinue; ces discontinuit´es n"ont rien `a voir avec de possibles discontinuit´esr´eelles, mais sont simplement li´ees `a la configuration g´eom´etrique des observations.
On trouve dans la litt´erature diff´erentes m´ethodes pour palier ce probl`eme de discon- tinuit´es (m´ethode de Sibson par exemple bas´ee sur l"interpolationpar combinaison lin´eaire des valeurs aux sommets voisins). S? S3 S 2 S 1Squotesdbs_dbs28.pdfusesText_34[PDF] durée du jour ? l équateur
[PDF] durée d ensoleillement par jour
[PDF] pourquoi la durée du jour varie t elle
[PDF] variation de la durée du jour au cours de l année
[PDF] open office calc date automatique
[PDF] formule calcul heure openoffice
[PDF] libreoffice calc date format
[PDF] open office date automatique
[PDF] calc fonction date
[PDF] insertion date automatique open office
[PDF] tp détermination de la dureté de l'eau
[PDF] dosage complexometrique de la dureté de leau
[PDF] tp dureté de l'eau correction
[PDF] tp dureté de l'eau bac pro