#1 Sat 19 December 2020 12:25
- langv26
- Juste Inscrit !
- Date d'inscription: 19 Dec 2020
- Messages: 4
Methodes des plus proches voisins, donnees packees
Bonjour à tous.
Je vous écris car je suis sur un projet universitaire sur QGIS principalement, et je suis à mes dernières questions.
Nous avons été amenés à choisir un jeu de données contenant des bruits, et ainsi réaliser un projet dessus.
Notre jeu de données est TRES particulier, car les points sont sous formes de "paquet" comme vous pouvez le voir ci-dessous.
https://zupimages.net/viewer.php?id=20/51/nhdc.png
Notre professeur nous a demandé de faire de l'interpolation déterministes par la méthode TIN et IDW.
J'ai donc réalisé cela sur mes données "brutes". Et j'obtiens les quatres images suivantes (Les deux premières sont de la méthode TIN, le premier étant une vue globale, et le deuxième étant une vue rapproché, pareil pour le IDW) :
TIN :
https://zupimages.net/viewer.php?id=20/51/93bk.png
https://zupimages.net/viewer.php?id=20/51/w25z.png
IDW :
https://zupimages.net/viewer.php?id=20/51/bqqq.png
https://zupimages.net/viewer.php?id=20/51/1djq.png
Je pense que vous conviendrez qu'il ne s'agit pas de bons résultats pour la méthode des plus proches voisins.
Le problème étant que je n'arrive pas à voir comment améliorer ces résultats.
Est-ce que je dois faire un échantillonage des données pour avoir des méthodes des plus proches voisins plus "fluides" ?
Est-ce que je dois changer des paramètres ?
Tout aide ou conseils serait la bienvenue !
Merci, Cordialement
Hors ligne
#2 Sat 19 December 2020 14:38
- Yves Egels
- Participant assidu
- Lieu: Paris
- Date d'inscription: 29 Sep 2011
- Messages: 256
- Site web
Re: Methodes des plus proches voisins, donnees packees
Bonjour,
Pour ce qui est des TIN (triangular irregular network), si vous voulez avoir les surfaces de plus proche voisins,
il faut prendre le dual de la triangulation, les polygones de Voronoï.
Voir par exemple https://fr.wikipedia.org/wiki/Diagramme … e_Delaunay
Ça, c'est la théorie. Comment faire avec QGIS, je n'en sais rien... je suis plutôt théoricien!
Bonne journée
Ingénieur géographe honoraire
École nationale des sciences géographiques
Société française de photogrammétrie et télédétection
Hors ligne
#3 Sat 19 December 2020 15:31
- langv26
- Juste Inscrit !
- Date d'inscription: 19 Dec 2020
- Messages: 4
Re: Methodes des plus proches voisins, donnees packees
Hello !
Merci beaucoup pour le retour.
J'ai un peu retravaillé sur ce dit projet. Et après avoir regardé plus en profondeur, j'ai remarqué que les IDW donné des résultats plus "lisses". Donc, j'ai décidé de regarder plus en profondeur.
J'ai donc refais un IDW sur les données globales, et j'ai obtenu ceci :
[img]https://zupimages.net/up/20/51/9rl9.png[/img]
Je me suis donc dis que globalement, c'est bien cool. Que ça a l'air de mieux marcher.
Toutefois, j'ai remarqué qu'il y a quand même quelques points qui rentrent en conflit dans les paquets, comme ceux-là.
[img]https://zupimages.net/up/20/51/taqr.png[/img]
Je me suis dis en voyant ça "Tiens, et si je venais sélectionner des points aléatoires dans ce jeux de données pour faire une analyse "générale". En pensant que les données les moins présentes partiraient et ça donnerait une vue un peu plus globale de la situation.
J'ai donc fais une sélection aléatoire de 300 points de l'ensemble de mon jeux de données, et j'ai fais une interpolation IDW sur ces dits-points. J'obtiens donc ceci :
[img]https://zupimages.net/up/20/51/rlse.png[/img]
D'un point de vue personnelle, je trouve ça un peu plus propre.
Mais j'aimerai l'avis d'autres personnes par rapport à ce que j'ai fais pour voir si je en fonces pas dans le mur. Etant donné que c'est une note complète de module. Je préfère éviter.
Merci pour votre aide !
Hors ligne
#4 Sun 20 December 2020 19:36
- dominique.lys
- Participant assidu
- Date d'inscription: 5 Oct 2006
- Messages: 473
- Site web
Re: Methodes des plus proches voisins, donnees packees
Si votre objectif est de grouper les points en fonction de leur proximité géographique alors il faut vous tourner vers les algos de clustering type K-means qui permet de classifier une distribution 2d. Si c'est plutôt pour représenter la densité alors aller voir du côté de Kernel Density Estimation qui correspond à un calcul de probabilité sur la distribution 2D. Mais à mon sens IDW répond à une autre objectif : obtenir une donnée continue à partir d'un ensemble de points. D'ailleurs en général quand à l'issue d'une interpolation IDW et on obtient cet effet de cluster c'est signe que le coefficient de pondération par la distance a été mal choisi. Ce coef est tellement pénible à déterminer que mon seul conseil est de fuir cette méthode.
Dans tous les cas c'est difficile de répondre sans avoir une idée du phénomène représente et de la question à laquelle doit répondre la représentation. Par exemple vous n'avez pas préciser si les couleurs sur vos points correspondent à des catégories ou des quantités et si cette info devait être mobilisée dans le traitement.
Hors ligne
#5 Sun 20 December 2020 21:29
- langv26
- Juste Inscrit !
- Date d'inscription: 19 Dec 2020
- Messages: 4
Re: Methodes des plus proches voisins, donnees packees
Bonjour,
Tout d'abord, merci pour votre retour.
Mon projet est un projet universitaire, et hélas, je n'ai pas réellement le choix sur mes choix d'interpolations etc. Ma professeur souhaite que je fasse une interpolation IDW, TIN et des plus proches voisins.
J'en profiterai d'ailleurs pour vous demander quels sont les méthodes et les modèles sous jacents de ces interpolations :S ?
D'ailleurs, après avoir travaillé plus en profondeur, j'ai finalement réussi à obtenir un IDW de la sorte :
[img]https://zupimages.net/up/20/51/wudd.png[/img]
Ce qui je trouve n'est pas mal.
Pour vous expliquer, il s'agit de données discrète numérique, il s'agit de bruits qui sont générés par des ICPE (Donc les valeurs sont en dB). Les points blancs sont des points qui tourne autour de 50 décibels. Et les points plus foncés (Noir) sont des points qui sont à 75 dB.
Les données sont donc logiquement concentrées car il s'agit d'ICPE comme j'ai énoncé donc des installations.
Bien cordialement
Hors ligne
#6 Tue 22 December 2020 12:19
- dominique.lys
- Participant assidu
- Date d'inscription: 5 Oct 2006
- Messages: 473
- Site web
Re: Methodes des plus proches voisins, donnees packees
Pour moi ce que vous cherchez à représenter n'est pas clair, s'agit-il de faire une carte de bruit sur la zone ou bien de mettre visuellement en évidence les hotspot sonores? Ce qui me semble évident c'est qu'une interpolation entre 2 sources sonores a peu de chance de vous donner une valeur de décibel cohérente considérant que chaque source subit une atténuation dans l’atmosphère en fonction de la distance suivant une échelle log, et que des sources sonores proches se combinent (et sans parler des obstacles qui influent sur la propagation)
Après tâtonnement, vous dites que vous obtenez un résultat qui vous convient, mais visiblement votre principal critère est d'ordre visuel / esthétique. Le raster que vous obtenez en sortie représente des décibels, aussi, via la légende, le lecteur pourra déterminer qu'à tel endroit il y a x décibels, or quelle crédibilité donner à ces valeurs si le modèle physique associé est à côté de la plaque et qu'en plus il obéit a une décision arbitraire et subjectif (la valeur du paramètre P de l'algo IDW). Pour le dire autrement, à partir du moment où un paramètre du traitement est fixé en fonction du résultat qui vous arrange cela revient à déformer le message de la carte en fonction de vos désirata, de vos a-priori ou même de vos fantasmes.
Bref pour une carte de bruits vous aurez certainement de meilleurs résultats en appliquant les équations acoustiques. S'il s'agit plutôt d'identifier les hotspot et comme visiblement la plupart des mesures sont relatives à une ICPE donnée, une approche plus juste pourrait être de représenter une métrique statistique par ICPE (db moyen par ex).
Hors ligne