Interpoler les températures avec l’assistant géostatistique
Créer des histogrammes de distribution des données
Vous allez commencer par télécharger le paquetage de projet et utiliser les données stockées dans ce paquetage tout au long du didacticiel afin d’interpoler des températures à l’aide de l’assistant géostatistique.
- Téléchargez le paquetage de projet InterpolateTemperatures.
- Recherchez le fichier téléchargé sur votre ordinateur. Double-cliquez sur InterpolateTemperatures.ppkx pour l’ouvrir dans ArcGIS Pro.
Remarque :
Si vous n’êtes pas déjà connecté à ArcGIS Pro, un écran de connexion apparaît. Si vous êtes déjà connecté, le projet s’ouvre. N’effectuez l’étape 3 que si vous n’êtes pas connecté ; autrement, passez à l’étape 4. Si ArcGIS Pro est disponible sous licence sur le portail Enterprise, vous pouvez vous connecter avec ces identifiants de connexion. Dans le cas contraire, vous pouvez utiliser votre compte ArcGIS Online pour mettre ArcGIS Pro à disposition sous licence.
- Connectez-vous à votre compte d’organisation ArcGIS ou à ArcGIS Enterprise à l’aide d’un compte d’utilisateur nommé.
Remarque :
Si vous ne disposez pas d’un compte d’organisation, consultez les options disponibles pour accéder aux logiciels.
- Prenez un moment pour explorer visuellement la carte.
Les points sur la carte représentent des échantillons de température. Chaque point stocke des valeurs de température moyennes pour chaque mois. Vous allez examiner la distribution des données de certains de ces champs afin de déterminer lequel utiliser pour l’interpolation.
Remarque :
Vous trouverez le jeu de données complet dans ArcGIS Living Atlas of the World : World Historical Climate – Monthly Averages for GHCND Stations for 1981 - 2010.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit de la souris sur la couche Temperature (Température). Pointez le curseur de la souris sur Create Chart (Créer un diagramme) et choisissez Histogramme (Histogramme).
La fenêtre Chart Properties (Propriétés du diagramme) apparaît, ainsi qu’une vue de diagramme vide.
- Dans la fenêtre Chart Properties (Propriétés du diagramme), dans Number (Nombre), sélectionnez Jan Avg. Temp C (abréviation de January Average Temperature in Celsius [Températures moyennes de janvier en degrés Celsius]) et sélectionnez la case à cocher Show Normal distribution (Afficher la distribution normale).
La vue du diagramme s’actualise pour afficher un histogramme représentant les valeurs de température maximales à partir des données ponctuelles. Les valeurs sont comprises entre -10,2 et 30,1 °C. Les valeurs affichées sur l’axe peuvent varier selon la largeur de la fenêtre.
La courbe bleue représente la distribution normale du diagramme. Les données dont la distribution est normale présentent une courbe en forme de cloche. Vous pouvez constater que la distribution des températures moyennes en janvier n’est pas normale, mais qu’elle est inclinée vers la droite.
- Dans la fenêtre Chart Properties (Propriétés du diagramme), dans Number (Nombre), sélectionnez Aug Avg. Temp C (Températures moyennes d’août en degrés Celsius). L’histogramme est actualisé en fonction de la nouvelle valeur de champ.
Les températures en août présentent une distribution plus normale. L’efficacité des méthodes d’interpolation est optimale lorsque les données sont proches d’une distribution normale (en forme de cloche), et certaines méthodes géostatistiques exigent que les données soient distribuées normalement. Ainsi, vous allez utiliser Aug Avg. Temp C pour la suite de ce didacticiel.
Remarque :
Si vos données ne suivent pas une courbe en forme de cloche, vous pouvez appliquer une transformation pour les rapprocher d’une distribution normale. Pour en savoir plus sur ce processus, lisez la rubrique relative aux transformations Box-Cox, de l’arc sinus et logarithmique.
- Fermez la vue du diagramme.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit de la souris sur la couche Temperature (Température) et sélectionnez Symbology (Symbologie).
La fenêtre Symbology (Symbologie) apparaît.
- Dans Field (Champ), sélectionnez Aug Avg. Temp C (Températures moyennes d’août en degrés Celsius).
La carte est mise à jour pour afficher les températures d’août.
Créer des surfaces géostatistiques à l’aide de la pondération par l’inverse de la distance
À présent, vous allez créer des surfaces de valeurs de température prévues pour l’Afrique et le Moyen-Orient à l’aide des données d’échantillonnage.
En géostatistiques, vous pouvez partir de l’hypothèse que les objets qui sont les plus proches les uns des autres sont plus semblables que ceux qui sont éloignées les uns des autres. Par conséquent, un lieu inconnu aura probablement une valeur similaire aux lieux connus les plus proches de lui.
L’assistant géostatistique dans ArcGIS Pro propose plusieurs méthodes d’interpolation pour la création de surfaces prévues. En général, vous ne saurez pas laquelle utiliser tant que vous n’en aurez pas essayé plusieurs et comparé leurs résultats. La première méthode que vous allez essayer est la pondération par l’inverse de la distance, parfois aussi appelée IDW (Inverse Distance Weighted).
Il s’agit d’une méthode exacte. Cela signifie que la surface générée ne diffère pas des valeurs d’échantillonnage. C’est également l’une des méthodes les plus simples à exécuter. Pour en savoir plus sur la méthode IDW, lisez la rubrique relative au fonctionnement de la méthode d’interpolation Pondération par l’inverse de la distance.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit de la souris sur la couche Temperature (Température) et sélectionnez Properties (Propriétés).
La fenêtre Layer Properties: Temperature (Propriétés de la couche : Température) s’ouvre.
- Cliquez sur l’onglet Source.
- Faites défiler le contenu et cliquez sur Spatial Reference (Référence spatiale) pour développer la section.
Le premier paramètre dans la table est Projected Coordinate System (Système de coordonnées projetées).
Les géostatistiques s’appuient sur des mesures de distance. Pour limiter la distorsion de ces distances, vos données en entrée doivent utiliser un système de coordonnées projetées (plutôt que géographiques). Vous pouvez en indiquer un à l’aide de l’outil de géotraitement Projet.
Ces données utilisent une projection conique équidistante centrée sur l’Afrique. Aucune projection ne préserve parfaitement toutes les distances sur une carte ; toutefois, les projections équidistantes sont plus efficaces que d’autres. Le choix de la projection est plus important en cas d’appariement d’une zone étendue, telle un continent.
- Cliquez sur Cancel (Annuler) pour fermer la fenêtre Layer Properties (Propriétés de la couche).
- Sur le ruban, sous l’onglet Analysis (Analyse), dans le groupe Workflows (Processus), cliquez sur Geostatistical Wizard (Assistant géostatistique).
L’assistant Geostatistical Wizard (Assistant géostatistique) s’ouvre.
- Sous Deterministic methods (Méthodes déterministes), sélectionnez Inverse Distance Weighting (Pondération par l’inverse de la distance). (Il peut être nécessaire de faire défiler le contenu de la page pour afficher cette option.)
- Dans Data Field (Champ de données), sélectionnez Aug Avg. Temp C (Températures moyennes d’août en degrés Celsius).
- Cliquez sur Next (Suivant).
Dans cette page, vous pouvez changer les paramètres de la méthode de pondération par l’inverse de la distance de façon interactive et voir comment le modèle répond dans la carte d’aperçu. La section Identify Result (Identifier le résultat) indique la valeur prévue pour n’importe quel lieu.
- Dans l’assistant Geostatistical Wizard (Assistant géostatistique), cliquez sur différentes parties de la carte d’aperçu afin d’afficher la température prévue pour la zone sélectionnée dans la section Identify Result (Identifier le résultat).
- Sous General Properties (Propriétés générales), dans Neighborhood Type (Type de voisinage), sélectionnez Smooth (Lisse). L’option Smooth (Lisse) rend généralement la surface de prédiction plus lisse et moins irrégulière.
La carte d’aperçu s’actualise. Lorsque Neighborhood Type (Type de voisinage) a pour valeur Standard, la carte d’aperçu n’affiche qu’un seul cercle. Lorsque la valeur est Smooth (Lisse), trois cercles concentriques sont affichés.
Les cercles sur la carte d’aperçu représentent le voisinage de recherche. Pour prévoir une nouvelle valeur, seuls les points d’échantillonnage qui sont proches (c’est-à-dire dans le voisinage de recherche) sont pris en compte. Pour en savoir plus sur ce processus, notamment le type de voisinage lisse, consultez la rubrique Voisinages de recherche.
- Vérifiez que le paramètre Smoothing Factor (Facteur de lissage) a pour valeur 0,2.
- Cliquez sur Finish (Terminer).
- Dans Method Report (Rapport de méthode), cliquez sur OK.
Une nouvelle couche, qui représente une surface de température maximale pour la région Afrique, est ajoutée à la carte.
- Dans la page Contents (Contenu), sélectionnez Inverse Distance Weighting (Pondération par l’inverse de la distance) et appuyez sur la touche F2 du clavier pour pouvoir modifier le nom.
- Renommez la couche IDW Smooth (IDW lisse).
- Faites glisser Inverse Distance Weighting (Pondération par l’inverse de la distance) sur Oceans (Océans) et développez l’option.
À présent, la carte affiche des prévisions de température pour des lieux pour lesquels il n’existait pas de données de température.
À présent, vous allez créer une surface légèrement différente en utilisant les mêmes données et la même méthode.
- Ouvrez l’assistant Geostatistical Wizard (Assistant géostatistique).
Conseil :
Sur le ruban, dans l’onglet Analysis (Analyse), cliquez sur Geostatistical Wizard (Assistant géostatistique).
- Vérifiez que la méthode sélectionnée est Inverse Distance Weighting (Pondération par l’inverse de la distance) et que la valeur sélectionnée pour Data Field (Champ de données) est Aug Avg. Temp C (Températures moyennes d’août en degrés Celsius). Cliquez sur Next (Suivant).
- Pour Neighborhood Type (Type de voisinage), sélectionnez Smooth (Lisse).
- Cliquez sur le bouton Click to optimize (Cliquer pour optimiser) dans le paramètre Power (Puissance).
La valeur de Power (Puissance) devient 3,1076.
Les points dans le voisinage de recherche ne sont pas tous considérés comme égaux. Ceux qui sont plus proches du lieu pour lequel effectuer une prévision ont plus de poids dans le calcul.
Si Power (Puissance) a pour valeur 0, tous les points du voisinage sont pondérés de manière égale. Plus la puissance est élevée, plus les pondérations diminuent vite avec la distance. Une puissance plus élevée de 3,1 génère une surface plus localisée et moins générale, car les points qui sont loin ont moins d’influence.
- Développez Weights (Pondérations) et faites défiler la liste pour trouver des pondérations de différentes couleurs.
Cette liste répertorie tous les points dans votre rayon de recherche et inclut les pondérations qui leur sont affectées.
Cliquez sur des valeurs de la liste pour afficher les points sélectionnés sur la carte d’aperçu. Les points rouges ont plus d’influence sur la prévision que les verts.
- Réduisez Weights (Pondérations) et cliquez sur Next (Suivant).
La fenêtre Cross validation (Validation croisée) fournit des informations sur la fiabilité de l’interpolation.
Les informations contenues dans cette page vous permettent d’évaluer la précision de la surface de prévision. Pour ce faire, elle supprime un point unique du jeu de données et utilise tous les points restants pour prédire la valeur du point supprimé.
Le nuage de points compare les valeurs prévues (sur l’axe des x) aux valeurs mesurées (sur l’axe des y) et est considéré comme le plus précis lorsque la ligne grise coïncide avec la ligne épaisse bleue.
La valeur Mean (Moyenne) indique si le modèle est incliné vers des valeurs de prévision qui sont trop élevées ou trop faibles. Plus elle se rapproche de 0, meilleur est le résultat.
La valeur Root-Mean-Square (Moyenne quadratique) est presque de 2,5. Cela signifie qu’en moyenne, les valeurs de température prévues diffèrent des valeurs mesurées d’environ 2,5 °Celsius.
- Cliquez sur Finish (Terminer) et dans la fenêtre Method Report (Rapport de méthode), cliquez sur OK.
Une nouvelle couche s’ajoute à la carte.
- Renommez-la IDW Smooth Optimized (IDW lisse optimisée).
- Dans la page Contents (Contenu), désactivez la couche de points Temperature (Température).
- Désélectionnez et sélectionnez la couche IDW Smooth Optimized (IDW lisse optimisée) pour la comparer avec la couche IDW Smooth (IDW lisse).
La couche IDW Smooth Optimized (IDW lisse optimisée) (à gauche) est comparée à la couche IDW Smooth (IDW lisse) (à droite). Les deux couches sont similaires, mais la couche la plus récente présente plus de rouge. Laquelle est la meilleure ? Vous pouvez comparer la précision des deux couches pour prendre votre décision.
- Dans la fenêtre Contents (Contenu), sélectionnez IDW Smooth (IDW lisse) et IDW Smooth Optimized (IDW lisse optimisée).
Remarque :
Pour sélectionner plusieurs couches, maintenez la touche Maj enfoncée pendant que vous sélectionnez les couches.
- Cliquez avec le bouton droit et choisissez Cross Validation (Validation croisée).
Deux fenêtres Cross validation (Validation croisée) apparaissent pour chaque couche. Il y en a une qui masque l’autre.
- Déplacez-la de façon à voir les deux fenêtres simultanément.
Ces fenêtres Cross validation (Validation croisée) sont identiques à celles qui s’ouvrent dans l’assistant Geostatistical Wizard (Assistant géostatistique). Vous en avez déjà examinée une, mais les résultats sont parfois plus utiles lorsque vous les comparez avec plusieurs surfaces de prévision.
L’onglet Summary (Résumé) signale des erreurs numériques pour chaque surface. Plus la valeur Root-Mean-Square (Moyenne quadratique) est proche de 0, plus la surface créée est précise.
La couche IDW Smooth Optimized (IDW lisse optimisée) présente la valeur d’erreur la plus faible et peut donc être considérée comme la surface de prévision la plus fiable.
- Fermez les deux fenêtres Cross validation (Validation croisée).
- Dans la fenêtre Contents (Contenu), sélectionnez IDW Smooth (IDW lisse) seulement. Cliquez avec le bouton droit sur cette couche et choisissez Remove (Supprimer).
- Dans la barre d'outils en haut du ruban, cliquez sur le bouton Save (Enregistrer) .
La pondération par l’inverse de la distance est une méthode d’interpolation facile et rapide. Elle est idéale pour obtenir une image initiale du phénomène que vous appariez, et il est parfois nécessaire de l’utiliser car elle suit exactement les valeurs mesurées. Toutefois, elle peut également générer un effet d’anneau autour des îlots dans vos données.
Créer des surfaces géostatistiques à l’aide du krigeage
À présent, vous allez essayer le krigeage pour déterminer si vous pouvez obtenir des résultats plus précis. Le krigeage est une méthode géostatistique très souple. Cela signifie que vous pouvez l’adapter de diverses manières en fonction de vos données, mais aussi que vous devez effectuer un nombre de sélections beaucoup plus élevé.
- Ouvrez l’assistant Geostatistical Wizard (Assistant géostatistique).
- Sous Geostatistical methods (Méthodes géostatistiques), sélectionnez Kriging / CoKriging (Krigeage/Cokrigeage) et cliquez sur Next (Suivant).
- Sous Ordinary Kriging (Krigeage ordinaire), sélectionnez Prediction (Prévision) pour créer une surface de valeurs prévues similaire à celle que vous avez créée précédemment à l’aide de la méthode de pondération par l’inverse de la distance (IDW).
Pour commencer, vous allez créer une surface avec les paramètres par défaut du krigeage ordinaire.
- Cliquez sur Finish (Terminer), puis sur OK.
Une nouvelle couche s’ajoute à la carte.
- Renommez-la Kriging Default (Krigeage par défaut).
- Comparez Kriging Default (Krigeage par défaut) à IDW Smooth Optimized (IDW lisse optimisée).
La couche Kriging Default (Krigeage par défaut) (à gauche) est comparée à la couche IDW Smooth Optimized (IDW lisse optimisée) (à droite). Le schéma de la nouvelle couche est beaucoup plus général. Maintenant, vous allez changer certains paramètres pour essayer de créer une meilleure surface géostatistique.
- Ouvrez l’assistant Geostatistical Wizard (Assistant géostatistique).
- Vérifiez que la méthode sélectionnée est Kriging / CoKriging (Krigeage/Cokrigeage) et cliquez sur Next (Suivant).
- Sous Ordinary Kriging (Krigeage ordinaire), sélectionnez Prediction (Prévision) et cliquez sur Next (Suivant).
- Dans la page Semivariogram/Covariance Modeling (Modélisation du semi-variogramme/de la covariance), cliquez sur le bouton Optimize model (Optimiser le modèle).
Le bouton Optimize (Optimiser) permet de trouver les paramètres qui génèrent les erreurs de prévision les plus faibles. Vous remarquerez que la carte du semi-variogramme et certains paramètres ont changé. En l’occurrence, le changement est minimal.
- Cliquez sur Next (Suivant).
- Dans la page Searching Neighborhood (Recherche de voisinage), remplacez la valeur figurant dans Sector Type (Type de secteur) par 8 Sectors (8 secteurs).
L’augmentation du nombre de secteurs garantit que des voisins sont recherchés dans toutes les directions. Un grand agrégat de points proches dans une direction seulement n’aura pas une influence exclusive sur la valeur prévue.
- Cliquez sur Next (Suivant) et examinez les résultats dans la fenêtre Cross validation (Validation croisée). Le krigeage fournit beaucoup plus de valeurs que la pondération par l’inverse de la distance.
- Cliquez sur Finish (Terminer), puis sur OK.
Une autre couche est ajoutée à la carte.
- Renommez-la Kriging Modified (Krigeage modifié).
- Comparez les couches Kriging Modified (Krigeage modifié) et Kriging Default (Krigeage par défaut).
La couche Kriging Modified (Krigeage modifié) (à gauche) est comparée à la couche Kriging Default (Krigeage par défaut) (à droite) Elles sont très similaires.
- Dans la fenêtre Contents (Contenu), sélectionnez Kriging Default (Krigeage par défaut) et Kriging Modified (Krigeage modifié). Cliquez avec le bouton droit et choisissez Cross Validation (Validation croisée).
- Placez les fenêtres de sorte à les voir toutes les deux simultanément. Analysez les valeurs dans l’onglet Summary (Résumé).
Kriging Default (Krigeage par défaut)
Kriging Modified (Krigeage modifié)
Moyenne
-0,013
-0,024
Root-Mean-Square
2,294
2,283
Mean Standardized
0,001
0,003
Root-Mean-Square Standardized
0,854
0,841
Erreur standard moyenne
2,740
2,775
Les nombres proches de zéro indiquent une meilleure précision. Toutefois, il existe une exception : Root-Mean-Square Standardized (Moyenne quadratique standardisée). Dans ce cas, des valeurs proches de 1 sont souhaitables.
Ces valeurs ne permettent pas à première vue de déterminer quelle surface est la meilleure. La surface Kriging Default (Krigeage par défaut) présente de meilleures valeurs pour toutes les catégories sauf Root-Mean-Square (Moyenne quadratique). Cependant, cela ne signifie pas nécessairement qu’elle est la meilleure.
Si l’une de ces valeurs est trop éloignée, il est préférable d’éliminer la couche. Toutefois, dans ce scénario, les deux couches présentent des résultats de validation croisée satisfaisants ; par conséquent, vous pouvez utiliser la valeur Root-Mean-Square (Moyenne quadratique) pour les départager. Il est également souhaitable que les valeurs Root-Mean-Square (Moyenne quadratique) et Average Standard Error (Erreur standard moyenne) soient proches l’une de l’autre. Si ces valeurs sont très éloignées, cela peut signifier que la prévision est instable.
Le rapport Cross validation (Validation croisée) indique que la couche Kriging Modified (Krigeage modifié) est légèrement plus fiable que la couche Kriging Default (Krigeage par défaut).
- Ouvrez la fenêtre Cross validation (Validation croisée) pour IDW Smooth Optimized (IDW lisse optimisée).
Cette surface présente une valeur de 2,5 pour Root-Mean-Square (Moyenne quadratique). Elle est moins fiable que les surfaces de krigeage.
- Fermez les trois fenêtres Cross validation (Validation croisée).
- Retirez les couches IDW Smooth Optimized (IDW lisse optimisée) et Kriging Default (Krigeage par défaut) de la carte.
- Enregistrez le projet.
Le krigeage est une méthode plus avancée que la méthode de pondération par l’inverse de la distance (IDW) et exige que vous preniez des décisions. Toutefois, elle vous permet d’expérimenter les paramètres jusqu’à ce que vous trouviez ceux qui conviennent le mieux à vos données et à votre phénomène. Le krigeage propose également davantage d’outils permettant d’évaluer la précision des résultats, comme une carte des estimations d’erreur standard, que vous allez créer maintenant.
Apparier les estimations d’erreur standard
Jusqu’à présent, vous avez créé quatre surfaces différentes de températures pour l’Afrique et le Moyen-Orient. Chaque surface a été interpolée à partir des mêmes données, mais est différente. Ces prévisions sont clairement utiles, mais ne sont pas factuelles. Certaines parties de la surface (qui présentent beaucoup de points de données) peuvent être considérées comme plus précises et plus fiables que d’autres (où les données sont rares). Il est utile d’apparier ces degrés d’incertitude afin d’aider les décideurs.
- Dans la page Contents (Contenu), sélectionnez Kriging Modified (Krigeage modifié).
- Sur le ruban, sur l’onglet Geostatistical Layer (Couche géostatistique), pour Display Type (Type d’affichage), sélectionnez Standard Error (Erreur standard).
La carte change et devient presque entièrement rouge.
- Dans la fenêtre Contents (Contenu), activez Temperature (Température).
Les erreurs standard correspondent à des mesures d’incertitude pour les valeurs prévues. Les zones en rouge foncé sur la carte présentent des valeurs d’erreur standard plus élevées et par conséquent, des valeurs prévues plus incertaines. Les zones les plus claires sont celles dont les résultats sont les plus fiables. D’après cette carte, les résultats dont l’erreur standard est la plus élevée sont relatifs à l’océan. Cela est logique car aucune mesure d’échantillonnage n’a été réalisée dans l’océan (sauf sur certaines petites îles).
- Pour la couche Kriging Modified (Krigeage modifié), pour Display Type (Type d’affichage), sélectionnez à nouveau Prediction (Prévision).
Pour cette carte, seule la prévision des températures à la surface des continents vous intéresse ; par conséquent, l’océan peut être masqué.
- Dans la page Contents (Contenu), faites glisser la couche Oceans (Océans) sur Kriging Modified (Krigeage modifié).
- Enregistrez le projet.
Les géostatistiques peuvent vous aider à apparier de nombreux phénomènes sous forme de surfaces continues même si vous ne disposez que de données ponctuelles discontinues. Cela peut être très utile pour visualiser des schémas et effectuer des analyses. Il n’y a peut-être pas de station météorologique dans votre zone d’étude ; toutefois, un ensemble de stations météorologiques situées dans une région plus vaste peuvent fournir les données dont vous avez besoin pour comprendre et prévoir les températures partout.
L’assistant géostatistique propose de nombreuses méthodes d’interpolation, chacune possédant des paramètres qui peuvent être ajustés pour générer différents résultats. Pourquoi ? Selon le phénomène que vous appariez et les données disponibles, un modèle peut donner des résultats plus fiables qu’un autre. Si vous prévoyez de prendre des décisions en vous appuyant sur une surface interpolée, il est essentiel d’identifier le modèle le plus précis.
Vous pouvez comparer les résultats de la validation croisée afin de déterminer quelle est la méthode la plus adaptée à vos données. Une fois qu’une surface a été créée, certaines de ses parties présenteront des prévisions plus précises que d’autres. Vous pouvez visualiser la surface en fonction de son erreur de prévision standard pour comprendre à quel endroit la prévision est la plus fiable.
Les quatre cartes que vous avez créées sont toutes dérivées des mêmes données en entrée, mais sont différentes. Maintenant que vous savez comment les cartes qui utilisent des surfaces interpolées sont créées, que pensez-vous de leur fiabilité ? Les modèles géostatistiques peuvent être ajustés pour générer des résultats plus précis. En revanche, l’auteur de la carte peut vouloir promouvoir un agenda et peut ajuster les paramètres géostatistiques afin de souligner une tendance.
Ce projet contient cinq cartes supplémentaires, une pour chacun des autres continents. Vous les trouverez dans la fenêtre Catalog (Catalogue), dans l’onglet Project (Projet), dans le dossier Maps (Cartes).
Lancez-vous un défi supplémentaire et suivez à nouveau ce didacticiel en utilisant l’une de ces cartes. Pour l’Afrique et le Moyen-Orient, vous avez constaté que Aug Avg. Temp C (Températures moyennes d’août en degrés Celsius) était le meilleur champ et que Kriging Modified (Krigeage modifié) était la meilleure surface. Vous constaterez peut-être que des paramètres différents donnent de meilleurs résultats pour un autre continent.
Vous trouverez d’autres didacticiels dans la bibliothèque des didacticiels.
