Nous devons garder à l'esprit que ces données sont des échantillons de domaines lithologiques discrets. Souvent, la frontière entre deux de ces domaines ne peut pas être identifiée sur le terrain et il n'est donc pas valide de s'attendre à ce que de nombreux emplacements d'échantillonnage se situent précisément le long des frontières. Une solution correcte sera une partition de la zone d'étude et chaque polygone dans cette partition pourrait (et souvent va) s'étendre au - delà des emplacements des échantillons qui la déterminent. À l'exception des approximations brutes, cela exclut toute approche qui utilise les emplacements d'échantillonnage comme sommets des polygones résultants .
Pour un travail de haute qualité, la meilleure méthode consiste à adapter un modèle spatial linéaire généralisé pour un processus multinomial. C'est une procédure qui nécessite une expertise et des efforts considérables. En tant que substitut, vous pouvez envisager d' étendre chaque point d'échantillon dans son polygone d'influence (alias le polygone de Thiessen, le polygone de Voronoi ou la cellule de Dirichlet). Limiter l'expansion aux zones terrestres est une bonne idée; cela peut être fait avec une grille de masque.
Pour illustrer, considérons cet ensemble de données beaucoup plus petit (de 14 136 points) représentant 12 classes lithologiques distinguées par la couleur:
Voici un détail du centre du lobe oriental, montrant les positions irrégulières des points et les changements relativement rapides de lithologie. Le traçage manuel serait une procédure difficile et arbitraire:
J'ai accompli l'expansion en convertissant ces points en une grille (environ 800 lignes et 1000 colonnes) et en calculant leur allocation euclidienne , en utilisant un masque qui limitait le calcul aux terres non glaciaires. (La palette de couleurs des deux figures suivantes diffère de celle de la précédente.)
A titre de comparaison, voici une carte lithologique détaillée de la même zone dessinée à la même échelle avec la même symbolisation:
Avec un ensemble de données vraiment volumineux ou une zone d'étude alambiquée, il peut être rapide de mosaïquer la région et d'effectuer cette procédure séparément sur chaque mosaïque, en mosaïquant les résultats dans un raster en sortie si vous le souhaitez. Pour que cela fonctionne, les carreaux doivent se chevaucher légèrement pour éviter les effets de bord (et doivent ensuite être coupés uniformément avant de mosaïquer).
Les principales raisons de passer à une représentation raster sont (1) son calcul rapide et facile et (2) les solutions vectorielles précises seront difficiles à trouver. Si vous essayez des tampons, des coques convexes, des coques concaves ou quoi que ce soit, vous constaterez qu'ils se croisent tous et qu'ils laissent encore des lacunes: en d'autres termes, ils ne produiront pas une partition topologiquement cohérente de l'espace en domaines lithologiques distincts.
Une méthode basée sur un vecteur qui volonté travail est de calculer une contrainte Voronoi tessellation des points ( bonnes méthodes prennent O (n * log (n)) pour n points), fusion spatialement les cellules Voronoi en fonction des attributs lithologiques de leur associés points, puis séparez les multi-polygones résultants en leurs composants connectés (si vous le souhaitez). Cependant, si vous n'avez besoin que d'une sortie vectorielle , il est plus facile de regrouper par région le résultat raster et de le convertir au format vectoriel.