<\/HEAD>
Je souhaite partager un article important écrit par deux de mes collègues, @Konstantin Krivoruchko et @Kevin Butler. C'est une lecture incontournable pour ceux qui travaillent avec des DEM, en particulier ceux qui recherchent une approche supplémentaire\/alternative de création de DEM avec un pouvoir explicatif considérable.<\/P>
<\/P>
Pour vous mettre en appétit à partir de l'article :<\/P>
"Les modèles numériques d'élévation (DEM) basés sur des rasters sont à la base de certains des flux de travail SIG les plus importants : modélisation hydrologique, adéquation du site et analyse du chemin de coût. Bien qu'il existe plusieurs techniques pour générer des modèles numériques d'élévation (DEM), aucune ne peut produire une surface d'élévation véritable. L'erreur de mesure variable localement et l'imprécision des méthodes d'interpolation contribuent à l'incertitude de l'estimation du modèle de la véritable valeur d'élévation. Les modèles de krigeage et les simulations géostatistiques disponibles dans l'extension Geostatistical Analyst pour ArcGIS 10.1 for Desktop permettent de quantifier l'incertitude spatiale variable d'un DEM dérivé des données lidar. ...<\/P>
<\/P>
Une alternative aux algorithmes déterministes, les méthodes d'interpolation statistiques probabilistes telles que le krigeage, présentent plusieurs avantages par rapport aux méthodes déterministes. « Empirical Bayesian Kriging : Implémenté dans ArcGIS Geostatistical Analyst », un article du numéro d'automne 2012 du magazine ArcUser discute ces avantages en détail."<\/P>
<\/P>
Pour lire davantage et contacter directement les auteurs, veuillez trouver la pièce jointe.<\/P>
<\/P>
Bon krigeage !<\/P><\/BODY><\/HTML>
