Le portail francophone de la géomatique

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

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.

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).