Krigeage (compléments)

École Polytechnique- GML6402 Krigeage - D. Marcotte 1

Plan

Krigeage avec dérive sur la moyenne
 Estimation du variogramme des résidus

Krigeage avec dérive externe

Krigeage dual

Estimation d’une transformation linéaire de Z(x)

Poids négatifs dans le krigeage

École Polytechnique- GML6402 Krigeage - D. Marcotte 2

Krigeage avec dérive sur la moyenne
Moyenne non stationnaire

E[Z(x)]=m(x) dépend de la localisation

Krigeage
avec dérive

nc
1- m(x) fonction des coordonnées m( x ) = ∑ a k f k ( x )
k =1

2- m(x) fonction d’une autre variable m( x ) = a 0 + a1Y( x )

Krigeage avec
dérive externe
Exemples
1- m(x) fonction des coordonnées :

- gradient régional pour la charge hydraulique

- forme logarithmique induite par un pompage sur la charge
hydraulique
- pente le long du talus continental
- gradient géothermique

2- m(x) fonction d’une autre variable Y(x)

(Y(x) doit être connue en tout point)

- types de roches différents

- carte de « temps » sismiques à un réflecteur
- variable indicatrice indiquant la position par rapport à une
faille connue
- le temps (phénomène ayant une dérive dans le temps ou une
composante cyclique)
 nc
m( x ) = ∑ a k f k ( x )
k =1

-Les fk(x) sont des fonctions de bases (monômes, fonctions

trigonométriques, logarithme,…)
-Les coefficients ak sont inconnus. Ils peuvent être estimés soit
explicitement, soit implicitement (préférable)

Implicitement :
Il suffit d’imposer des contraintes assurant le non-bais
Ex.

Z( x 0 ) * = ∑ λ i Z i [ ]
E Z( x 0 )* = ∑ λ i E[Zi ] = ∑ λ i ∑ a k f k ( x i ) =∑ a k ∑ λ i f k ( x i )
i i i k k i

École Polytechnique- GML6402 Krigeage - D. Marcotte 5

 D’autre part :

E[Z( x 0 )] = ∑ a k f k ( x 0 )
k

Si l’on pose les conditions suivantes:

∑λ fi
i k (x i ) = f k (x 0 ) k = 1...nc

Alors on a l’égalité recherchée indiquant l’absence de biais :

E[Z(x0)*]=E[Z(x0)]

École Polytechnique- GML6402 Krigeage - D. Marcotte 6

 Contraintes additionnelles de non-biais
⇒ lagrangien augmenté
⇒ système d’équations linéaires à (n+nc) inconnues et (n+nc)
équations, nc: nombre de contraintes de non-biais
Solution unique si
• n ≥ nc
• les fk(xi) sont linéairement indépendantes

Sous forme matricielle:

K tλt = k t
σ 2kt = σ 2v − λ't k t

École Polytechnique- GML6402 Krigeage - D. Marcotte 7

avec
K s F λ   k s 
 F'    = 
 0  µ  f 

Kt λt kt

où F est la matrice n x nc des fonctions de base évaluées aux points xi

f est le vecteur nc x 1 des fonctions de bases évaluées à x0
µ est le vecteur nc x 1 des multiplicateurs de Lagrange

Exemple : 1
i- Le krigeage ordinaire (m(x)= m ) 1
F=  f =1
.

1
Exemple :
ii- Dérive linéaire en 1D : m(x)=a+b*x

1 x1 
1 x 
F= 2 1
1 .  f = 

1 x
 x 0 
 n

iii- Dérive linéaire en 2D : m(x)=a+b*x+c*y

1 x1 y1 
1 x y 2 
1
F= f =  x 0 
2

. . . 
 
1 x n yn   y 0 

École Polytechnique- GML6402 Krigeage - D. Marcotte 9

 iv- Dérive quadratique en 2D : m(x)=a+b*x+c*y+d*x2+e*x*y+f*y2

 1 
1 x1 y1 x12 x1y1 y12   x 
   0 
1 x2 y2 x 22 x 2 y2 y 22   y 
F= f =  02 
. . . . . .   x0 
  x 0 y0 
1 x n yn x 2n x n yn y 2n   2 
 y 0 

École Polytechnique- GML6402 Krigeage - D. Marcotte 10

 v- Écoulement régional (linéaire) + écoulement radial vers un puits :
m(x)=a+b*x+c*y+d*log((x-xpuits)2+ (y-ypuits)2)= a+b*x+c*y+d*ln(|hi,puits|)
où « hi,puits » est la distance entre le point et le puits

1 x 1 y1 ln(| h 1,puits |)   1 
1 x y2 ln(| h 2,puits |)   
x0
F=  
2

. .  f=
. .  y0 
   
1 x n yn ln(| h n ,puits |) ln(| h 0,puits |)

École Polytechnique- GML6402 Krigeage - D. Marcotte 11

 Influence de la dérive
Covariance sphérique sans effet de pépite avec a=10
10

7
K.U.1
6
K.S.m=5.6
Z(x)

5
K.S.m=4.6
K.O.
4
[Link]
3
K.U.2

0
-10 -5 0 5 10 15 20 25 30
x

École Polytechnique- GML6402 Krigeage - D. Marcotte 12

 À grande distance des données, l’estimation coïncide avec la dérive
estimée

Dérive linéaire Dérive quadratique

Sphérique c0=0 C=1 a=10 k=2

8 Sphérique c0=0 C=1 a=10 k=2

Krigeage
7
Dérive 5 Krigeage
Dérive
6
0
5
Z(x)

4 -5

Z(x)
3
-10
2

1 -15

0
-15 -10 -5 0 5 10 15 20 25
-20
x -15 -10 -5 0 5 10 15 20 25
x

École Polytechnique- GML6402 Krigeage - D. Marcotte 13

Parfois, l’inclusion d’une dérive aide à produire des cartes
plus fidèles à la physique du phénomène 3000
no-flow boundary
20.9

20.8

constant head boundary: h=20

constant head boundary: h=21

2500
20.7

20.6
2000

Exemple: carte de charge hydraulique

20.5

20.4
1500
20.3

20.2
1000
20.1

500 20

19.9

Différents krigeages avec 5 données

500 1000 1500 2000 2500 3000
no-flow boundary

K. ordinaire K. Dérive ordre 1

20.9
3000 3000
20.9 20.8

2500 20.8 20.7

2500
20.7 20.6
2000 20.6 2000 20.5
20.5
20.4
1500 20.4 1500
20.3
20.3
20.2
1000 1000
20.2
20.1
20.1
500 500 20
20
19.9
19.9
500 1000 1500 2000 2500 3000
500 1000 1500 2000 2500 3000

École Polytechnique- GML6402 Krigeage - D. Marcotte 14

K. dérive ordre 1 + dérive puits K. dérive ordre 1 + dérive puits +
3000 20.9 contrainte gradients aux frontières N et S
3000 20.9
20.8
2500 20.8
20.7
2500
20.7
20.6
2000 20.6
20.5
2000
20.5
20.4
1500
20.4
20.3 1500
20.3
20.2
1000
20.2
20.1 1000
20.1
500 20
500 20
19.9
19.9
500 1000 1500 2000 2500 3000
500 1000 1500 2000 2500 3000

no-flow boundary
3000 20.9

20.8
constant head boundary: h=20

constant head boundary: h=21

2500
20.7

2000
20.6

20.5
Réalité numérique
1500
20.4

20.3
avec frontières
1000
20.2 imperméables au
nord et au sud
20.1

500 20

19.9

500 1000 1500 2000 2500 3000

no-flow boundary
Krigeage avec dérive externe
Lorsque la dérive est liée à une autre variable

Exemple : variable indicatrice du type de roche

Type 1 Type 2

Z(x)
E[Z(x)] varie
selon le type
de roche

École Polytechnique- GML6402 Krigeage - D. Marcotte 16

 On peut écrire : m(x)= m + a I(x) (I(x)=0 si type 1, I(x)=1 si type 2)
1 0
1 0

3 points dans roche 1 1 0 1 1
F=  f =   ou  
3 points dans roche 2 1 1 0 1
1 1 X0 dans
 
1 1 roche 2
X0 dans
roche 1

8
Sans dérive ext.
6 Avec dérive ext.
4

0
0 5 10 15 20 25

École Polytechnique- GML6402 Krigeage - D. Marcotte 17

Modélisation de la covariance des résidus
Z(x) = m(x) + Y(x) => Cov(Z(x),Z(x+h)) = Cov(Y(x),Y(x+h))
⇒ Pour effectuer le krigeage avec dérive, on doit connaître
la covariance des résidus Y(x)

Méthodes :
i. Estimer la dérive, calculer les résidus puis le
variogramme des résidus (biais sur le variogramme,
surtout à grande distance => sous-estimation des
variances d’estimation)
ii. Calculer le variogramme selon une direction non affectée
par la dérive et supposer l’isotropie du modèle (ou
imposer une anisotropie ad hoc)
 iii. Initier un processus itératif : modèle => dérive => résidus =>
modèle…. Les changements au modèle se font par une
méthode de type gradient basée sur les résultats d’une
validation croisée.
iv. Lorsque la dérive est de faible amplitude, on peut utiliser
directement le variogramme de Z(x) à faible distance.

Note : krigeage simple => variogramme avec palier

krigeage ordinaire peut être réalisé avec variogramme
avec ou sans palier
krigeage avec dérive peut être réalisé avec fonction de
covariance, variogramme (avec ou sans palier) ou
« covariance généralisée »

École Polytechnique- GML6402 Krigeage - D. Marcotte 19

 Exemple: 1D, dérive linéaire + bruit blanc
16

14 Données
Vraie droite
12
Droite estimée
10

Z(x)
6

-2

-4
0 5 10 15
x
Variogramme
30

Z(x)
25
Y(x)
e(x) Y(x)=Z(x)-m(x)
20

15

10

e(x)=Z(x)-m(x)*
5

0
0 1 2 3 4 5 6 7 8 9 10

École Polytechnique- GML6402 Krigeage - D. Marcotte 20

Krigeage dual
K s F   λ  k s 
Krigeage primal :  F'    = 
 0  µ   f 
λ 
Valeur estimée : Z * = [Z ' 0] 
µ 
−1
K s F  k s  k s 
Z * = [Z ' 0] = [a' b '] 
 F' 0   f  f
avec
−1
a   K s F  Z 
b  =  F ' 0   0 
  

Forme
duale

École Polytechnique- GML6402 Krigeage - D. Marcotte 21

 Krigeage dual : a  K s
−1
F  Z 
b =  F' 0   0 
  

Le membre de droite ne dépend

pas de la localisation =>1seul
système à résoudre

k s  n nc
Expression
Z0 * = [a ' b ']  = ∑ a i Cov( Zi , Z0 ) + ∑ b k f k ( x 0 )
 f  i =1 k =1 analytique

Fonctions de Fonctions de
base locales base globales
(composante (composante
aléatoire) déterministe)

École Polytechnique- GML6402 Krigeage - D. Marcotte 22

Remarques
a) Effet pépite => discontinuité aux points échantillons de Cov(Zi,Z0)
n nc
à xi=x0 : Z 0 * = a i ( C 0 + C) + ∑ a Cov(Z , Z ) + ∑ b f
j=1, j≠ i
j j 0
k =1
k k (x 0 )
n nc
à xi=x0+ε : Z0 * = a i C + ∑ a Cov(Z , Z ) + ∑ b f
j=1, j≠ i
j j 0
k =1
k k (x 0 )

La discontinuité aux points échantillons est donc aiC0

b) Dans le cas du K. ordinaire sous forme duale

b1 = m* que l’on obtiendrait par KO de la moyenne

École Polytechnique- GML6402 Krigeage - D. Marcotte 23

b) Dans le cas d’un effet de pépite pur,
les coefficients b1, … bnc sont les mêmes que ceux
obtenus par n’importe quel programme de régression
le produit a*C0 donne les résidus de la régression

c) Pour une covariance générale,

les coefficients b1, … bnc sont les mêmes que ceux obtenus
par n’importe quel programme de régression généralisée
les résidus de la régression généralisée sont :
n
ai ( C 0 + C ) + ∑ a j Cov( Z j , Z 0 )
j =1, j ≠ i

École Polytechnique- GML6402 Krigeage - D. Marcotte 24

Exemple numérique en 1D
Coordonnée x Valeur Z(x)

0 0

5 0.2

10 1.1

Krigeage avec dérive linéaire, C(h) sphérique, C0=0.1, C=0.2, a=5

Solution duale:

a1=0.39 a2= -0.78 a3= 0.39 b1= -0.12 b2= 0.11

École Polytechnique- GML6402 Krigeage - D. Marcotte 25

 1.5

KO
0.5
Dérive
0

1.6
Krigeage avec dérive linéaire, Sph(a=8),C0=0.1,C=0.2

-0.5
+
1.4 -5 0 5 10 15
1.2

1 X poids duaux
0.8
Cov. sphérique
1.5
Z(x) ou Z(x)*

0.6
1.5

0.4

0.2 1 1

-0.2 0.5 0.5

-0.4

0 0
-5 0 5 10 15
x

-0.5 -0.5
-5 0 5 10 15 -5 0 5 10 15

= KO
1.5

0.5

-0.5
-5 0 5 10 15
 e) Toute transformation linéaire de Z0* s’évalue aisément (e.g. dérivée
directionnelle, intégration, intégration spatiale, gradient, Laplacien,…)
f) Facile d’imposer des contraintes d’égalité (e.g. imposer que 2 points
donnés aient la même valeur estimée)

Avantages du k. dual Désavantage du k. dual

+ rapide Ne peut calculer la variance de
krigeage
Expression analytique globale
- Facile d’imposer des contraintes
- Transformations

École Polytechnique- GML6402 Krigeage - D. Marcotte 27

Estimation optimale d’une transformation linéaire
Soit L(Z0) une transf. linéaire et l’estimation optimale L(Z0)* = ΣλiZi
Minimisant Var(L(Z0)-L(Z0)*)
Par la linéarité de l’opérateur « E » et de la transformation « L », on
obtient le système de krigeage suivant :
n

∑ nλ Cov[Z , Z ] + µ = L{Cov[Z , Z ]}
j=1
j i j 0 i ∀ i = 1...n

∑ λ F ( x ) = L(f ( x
j=1
j t j t 0 )) ∀ t = 1...nc

Sous forme matricielle: Kλ=L(k) => λ=K-1L(k)

L(Z0)* = [a’ b’] L(k) (forme duale)
L(Z0)* = L{[a’ b’] k}=L(Z0*)
=> L’estimateur optimal d’une transformation linéaire est égal à la
transformation appliquée à l’estimation obtenue par krigeage!

École Polytechnique- GML6402 Krigeage - D. Marcotte 28

 Exemple
Estimer dZ(x)/dx en 1D par KO avec Z(x)

dZ( x ) Z( x + ε ) − Z( x )
= lim
dx ε →0 ε

 dZ( x 0 )  Cov( Z i , Z( x 0 + ε)) − Cov( Z i , Z( x 0 )) C( h i 0 + ε ) − C( h i 0 )

Cov Z i ,  = lim = lim = dC(h i 0 ) / dh
 dx  ε→0 ε ε→0 ε

 n n

*  ∑ a i C( h i 0 + ε) − ∑ a i C(h i 0 ) 
 dZ( x 0 )  n
   Z( x 0 + ε)* − Z( x 0 )*  dZ( x 0 )*
  = ∑ a i dC(h i 0 ) / dh = lim
ε →0 
i =1 i =1
= lim  =
 dx  i =1 ε  ε →0
 ε  dx
 
 

École Polytechnique- GML6402 Krigeage - D. Marcotte 29

 Krigeage de Z(x)
60

50

40

30

20

10
0 5 10 15 20 25 30

Krigeage de la dérivée dZ(x)/dx

2

-2

-4

-6

-8
0 5 10 15 20 25 30
x

École Polytechnique- GML6402 Krigeage - D. Marcotte 30

 Poids négatifs avec le krigeage
Certains des poids du krigeage peuvent être négatifs
⇒ Des estimés de teneur peuvent être négatifs !
⇒ Nécessaires pour l’extrapolation au delà des valeurs mesurées

Exemple : Z0* = -0.4*Z1 + 0.9*Z2 + 0.5*Z3

=> Z0*= 0.9*(Z2-Z1) + 0.5*Z1 + 0.5*Z3

Z(x)

x1 x2 x0 x3
 Facteurs influençant le nombre et/ou l’importance des poids négatifs

- Effet de pépite important

diminuent l’occurrence de
- Structure linéaire à l’origine poids négatifs
- Données peu regroupées

École Polytechnique- GML6402 Krigeage - D. Marcotte 32