L’interpolation spatiale est un processus crucial dans plusieurs domaines de travail et de recherche. Lorsque vous travaillez avec SIG et devoir évaluer des variables avec un composant spatial, le fait effectuer tout type d’interpolation spatiale est correctement critique pour la qualité de l’étude.
Cet article se concentre sur la définition de l’interpolation spatiale, quelles méthodes existent, comment elles sont classées et quels sont les plus appropriés. De même, différentes méthodes disponibles d’interpolation spatiale sont proposées pour comparer les résultats, en utilisant comme exemple un ensemble de données climatiques.
Quelle est l’interpolation spatiale?
est généralement considéré comme une interpolation spatiale en tant que partie intégrante du champ géostatistique. L’interpolation spatiale est basée sur le calcul ou l’estimation des valeurs inconnues d’une variable spatiale à partir d’autres valeurs dont la valeur est connue.
Les processus d’interpolation spatiale sont valables pour toute variable environnementale continue sur un territoire spécifique. Comme exemples, nous pouvons trouver des variables de température, d’humidité, de précipitations, de pression, de contamination acoustique, de contamination lumineuse …
Les variables climatiques sont celles qui nécessitent le plus souvent ce type d’analyse. Dans ces cas, l’interpolation spatiale est cruciale car il n’y a pas de stations météorologiques infinies qui permettent de connaître la valeur exacte de la température, de l’humidité ou de la précipitation sur chacun des points d’un territoire.
pour estimer le Les valeurs intermédiaires entre les points de mesure sont effectuées, des processus d’interpolation spatiale sont effectués. Les valeurs de mesure du réseau Seasons sont utilisées et un calcul de la valeur est effectué pour le reste du territoire.
Le résultat obtenu à travers le processus d’interpolation est généralement appelé surface statistique. Il est alors d’une surface continue avec des valeurs interpolées d’autres personnes précédemment connues.
Classification des méthodes d’interpolation
Même si toutes les méthodes d’interpolation spatiale ont le même principe de base , toutes les méthodes ne fonctionnent pas identique ou n’acceptent les mêmes locaux, pouvant retourner des résultats très disparates selon leurs propres caractéristiques.
La classification des méthodes d’interpolation peut être effectuée en fonction de plusieurs critères. Ainsi, nous pourrions parler de méthodes d’interpolation:
- global ou local ou local, selon qu’ils utilisent toutes les valeurs de la zone évaluées ou seulement une partie de celle-ci (sous-ensemble).
- progressivement ou abrupt, selon la continuité et la douceur de la surface résultante. Exact ou approximatif, selon qu’ils respectent les valeurs des mesures d’entrée exactes pour l’interpolation ou, d’autre part, elles peuvent être modifiées ou adoucies. Pour les ajuster au modèle défini.
univariat ou multivariés, selon que les valeurs de plusieurs variables d’entrée multiples pour générer le modèle et la surface d’interpolation. Dans SIG, généralement la distance est la variable admise pour les méthodes d’interpolation univarieuses.
déterminatif ou stochastique, selon qu’ils intègrent des variations aléatoires (incertitude) sur la surface interpolée. Les méthodes de détergent sont applicables lorsqu’il existe des mesures suffisantes pour la décrire mathématiquement, tandis que les stochastiques intègrent le concept de aléatoire en leur insuffisant.
Les méthodes d’interpolation spatiale dans QGIS
Les possibilités en termes de méthodes d’interpolation dans QGI sont assez larges, bien que surtout appartenant à la partie des méthodes déterministes définies ci-dessus.
De même, dans QGIS, nous pouvons adapter chacune des méthodes et ajuster ses paramètres en fonction des besoins lors de la fonction de géoprocession pour générer les couches d’interpolation en fonction de nos points avec des valeurs de mesure.
Les principales méthodes d’interpolation possibles recueillies dans les différentes bibliothèques dont ce bureau SIG est nourri sont les suivants.
voisin le plus proche (voisin le plus proche)
L’interpolation via la méthode du voisin le plus proche est basée sur la génération de polygones Voronoi. Les polygones de Voronoi sont la méthode la plus fondamentale et la plus simple d’interpolation de vecteur. La méthode est basée uniquement sur la distance euclidienne, évitant tout type de valeur attribué aux points d’échantillonnage.
Ce procédé d’interpolation vous permet de diviser l’espace en domaine équivalent ou à des zones d’influence pour chacun des points de mesure d’entrée. Les polygones de Voronoi ou de Thiessen sont définis par des lignes qui délimitent la région appartenant au point le plus proche. Le périmètre de chacune des régions généré est équidistant à tous les points voisins
enfin, la méthode attribue chaque polygone la valeur du point qu’il contient et à partir duquel il a été généré. Étant une méthode basée uniquement sur la distance, les variables interpolées peuvent être à la fois qualitatives et quantitatives.
Cette méthode est utile, par exemple, dans les études de géomarketing pour connaître des domaines d’influence éventuels, ou de faire des réglementations territoriales ou des divisions proportionnelles.
Réseau tiangulé)
Ce procédé d’interpolation retourne une surface triangulaire formée à partir de l’emplacement d’une série de sommets dont les valeurs sont connues. Les sommets sont connectés par des bords pour générer ledit réseau triangulaire.
Le résultat obtenu, la surface de l’étain, est un maillage ou un réseau de triangles interconnectés, où chacun représente une zone homogène aussi loin que la variable étudiée est concernée. La méthode de l’étain générera donc un ensemble de triangles sur l’espace qui optimisent le rapport de surface / périmètre.
Il est très habituel son utilisation avant tout pour les modèles terrestres basés sur des mesures d’élévation connues, bien qu’elle puisse être appliqué à d’autres mesures quantitatives de différentes variables environnementales.
IDW Interpolation (pondération inverse de la distance)
Utilisation de la méthode d’interpolation IDW Les points d’échantillonnage sont réfléchis lors de l’interpolation. De cette manière, l’influence d’un point par rapport aux autres est réduite ou diminuée à mesure que la distance entre eux augmente.
dans la méthode d’interpolation IDW, une valeur d’alimentation peut être définie, appelée Coefficient de P. Par défaut C’est 2. À une plus grande valeur de P, plus d’emphase ou de poids assigné à des points fermés à évaluer, ce qui entraîne une zone statistique plus abrupte. À une valeur inférieure de P, plus d’emphase sur l’ensemble de l’échantillon de valeurs, entraînant des surfaces plus ramollies.
est généralement utilisé dans les processus d’interpolation où l’ensemble de données disponible pour l’interpolation est abondant, il est distribué de manière homogène par l’espace et il n’y a pas de grandes distances entre leurs emplacements.
Interpolation via Spline
L’outil SPLINE utilise une méthode d’interpolation qui estime les valeurs à l’aide d’une fonction polynomiale qui minimise le général Curvature de la surface, entraînant une surface douce qui arrive exactement par les points d’entrée.
Comme nous l’avons déjà dit dans la section de classification, cette méthode, avec Kriging, est l’une des méthodes exactes de Interpolation existant qui n’admet pas d’approximations ni de lissage des valeurs d’entrée.
mathématiquement, l’outil de division utilise différentes fonctions polynomiales plus d’accords pour chaque section, s’adaptant ainsi à une surface plus douce, moins abrupte et uniforme.
Comment effectuer une interpolation dans QGIS d’un Couche de points
Toutes les méthodes d’interpolation disponibles dans QGIS appartiennent aux différentes bibliothèques utilisées par défaut: gdal, herbe et saga.
Les géoprocédés d’interpolation utilisés dans cet article pour chaque article Parmi les méthodes, ainsi que les paramètres spécifiés dans les images, ils sont les suivants:
- Proche voisine Méthode la plus proche: Grille (voisin le plus proche) de la bibliothèque GDAL
- Méthode IDW : IDW Interpolation de la bibliothèque QGIS.
- Méthode de l’étain: Interpolation de l’étain de la bibliothèque QGIS.
- Méthode de l’édifice de l’herbe: V.Surf.bspline herbe
Pour exécuter l’une de ces geoprocesses interpolation, nous pouvons les rechercher directement dans la boîte de Herrami. Vous déguisier.
Chacune des méthodes d’interpolation QGIS a sa propre forme unique pour spécifier les couches d’entrée et de sortie, ainsi que toute une série de paramètres à configurer pour convenir au modèle.
Vous pouvez télécharger ici les données climatiques utilisées dans cet article pour effectuer des tests d’interpolation avec les différentes variables stockées. Dans le cas de cet article, nous avons travaillé l’interpolation avec la variable du soleil au Royaume-Uni.
Il s’agit d’un ensemble de moyens de précipitation, de températures et d’heures de soleil dans un mois spécifique enregistré dans la principale météorologique stations du Royaume-Uni. Les données ont été obtenues à partir de l’agence d’État météorologique MetOffice.
Comment choisir la meilleure méthode d’interpolation dans QGIS?
Le choix de la méthode d’interpolation la plus appropriée dépendra de la nature même du jeu de données d’échantillonnage que nous souhaitons interpoler.
Donc, nous devrions savoir précédemment:
- Type de variable à interpoler: quantitatif ou qualitatif et la logique ou l’application de chaque méthode de chaque type de variable.
- Statistiques des exemples de statistiques: valeurs maximales, minimum, moyennes et médianes, standard Déviation … Vous pouvez vérifier l’article suivant pour savoir comment effectuer une analyse statistique exploratoire avec QGIS.
- Distribution spatiale des variables: l’homogénéité de l’espace de l’échantillonnage, la distance moyenne entre les points d’échantillonnage …
- Existence de valeurs anormales, de grappes et de points chauds ou de cris-froid pouvant déduire ou altérer le surface de l’interpolation.
Évaluation de la méthode et estimation d’interpolation DelError
Par la suite, il sera très utile de réaliser une évaluation de la méthode et de l’erreur obtenue dans L’interpolation.
pourrait être effectuée par, par exemple, la comparaison de certaines valeurs réelles soustraites à partir de l’échantillonnage des valeurs estimées obtenues par interpolation à ceux identiques.
Par la suite, la laconfiguration des paramètres de la méthode doit être réajustée au modèle le potentiel maximal aux valeurs des mesures réelles.