Géodésie

Choix optimal d’un modèle analytique

de covariance pour la validation
des mesures gravimétriques
par la méthode de Collocation
(Application : Nord de l’Algérie)
BENAHMED DAHO S. A. - SAHEL C. - ZEGGAI A.

La validation des données est une procédure extrêmement stricte qui garantit la
mots-clés
qualité et l’intégrité de la banque de données gravimétriques. Elle est appliquée
Collocation, Modèle
systématiquement, avant intégration dans la banque, à tout ensemble de données.
global de potentiel,
Son principe consiste à faire une comparaison entre les valeurs observées et procédure de
prédites, estimées par une technique puissante telle que la méthode de la validation.
Collocation. Cependant, la difficulté majeure dans son application réside dans la
détermination de sa fonction de covariance empirique et par conséquent, la sélection de sa
représentation analytique correspondante capable de décrire le comportement local du champ de
gravité. Ainsi, l’objectif principal de cet article est de proposer une procédure pour la sélection du
modèle analytique approprié de covariance à des fins de validation. Plusieurs fonctions locales
analytiques de covariance couramment utilisées en géodésie physique ont été testées en vue de
sélectionner dans la zone test, à partir d’une procédure statistique, le modèle adéquat. Pour ce but, les
données de gravité fournies par le B.G.I. composées de 2041 mesures de gravité couvrant la partie nord
de l’Algérie entre les limites [34°, 37°] en latitude et [-2°, 8°] en longitude, ainsi que le modèle
géopotentiel optimal OSU91A développé jusqu’au degré et ordre 360, ont été utilisé pour tester la
méthodologie conçue. La validation a été appliquée aux anomalies à l’air libre réduites de l’effet du
modèle géopotentiel de référence OSU91A. Le taux d’erreur détecté en utilisant cette technique
représente 2.16% qui reste insignifiant relativement au nombre de mesures utilisées et prouve que les
mesures de gravité fournies par le B.G.I. sont de bonne qualité et peuvent être employées en
conséquence dans le calcul du géoide Algérien. En outre, ce travail montre l’inhomogénéité des données
de gravité dans la zone expérimentale et l’insuffisance de leur précision.

Cependant et face à cet avantage, le problème crucial dans

L
es problèmes de géodésie physique relatifs à la détermi-
nation par voie gravimétrique de la forme réelle de la terre l’application de cette méthode demeure dans le calcul de sa
sont formulés et résolus en termes d’intégrales étendues fonction de covariance empirique et par conséquent, la sélec-
sur la terre entière. Ceci requiert la connaissance d’une manière tion de sa représentation analytique correspondante. Cette
continue la valeur de la pesanteur en tout point de la surface de fonction devrait être utilisée pour exprimer la dépendance sta-
la terre. En pratique, on mesure la pesanteur en quelques tistique entre les quantités mesurées et celles à prédire qui
points seulement, donc il va falloir prédire la valeur de la pesan- peuvent être de même nature ou de nature différente.
teur aux points autres que les points de mesure par le moyen
L’objectif de cet article est de proposer une méthodologie et des
d’interpolation et/ou d’extrapolation en utilisant une technique
procédures permettant de choisir, parmi les modèles de cova-
puissante telle que la Collocation par les moindres carrés.
riance existants, un modèle local de covariance optimum dans
Cette méthode à caractère statistique est considérée comme la zone expérimentale, de comparer les résultats de prédictions
la seule technique capable de fournir, en plus de la valeur de obtenus par divers modèles de covariance proposés dans la lit-
prédiction, l’erreur sur cette estimation qui constitue une térature afin de tester la sensibilité de la méthode de la collo-
information capitale pour procéder à une analyse fiable et
rigoureuse des résultats de prédiction obtenus.
cation par les moindres carrés aux modèles utilisés, et enfin de
valider l’ensemble des mesures gravimétriques utilisées dans ...
Revue XYZ • N° 108 – 3e trimestre 2006 45
 Géodésie

... cette étude. Dans ce contexte, les données de gravité fournies

par le B.G.I. composées de 2041 mesures couvrant la partie
miner de manière à minimiser chacun des termes diagonaux
de la matrice de covariance de l’erreur (ε = ^s - s), telle que :
nord de l’Algérie ainsi que le modèle géopotentiel OSU91A ont Cεε = Cov (ε , ε) = E {ε.εT} = E {(^s - s).(^s - s)T}
été utilisés pour tester la méthodologie développée. Les termes diagonaux de cette matrice représentent les
variances σ 2k de l’erreur, telle que :
Enfin, il faut noter qu’aujourd’hui, le choix de ce modèle,
σ2k = E {ε2k} = E {(^s - sk)2}
comme les procédés d’ajustement des modèles aux données
L’expression du produit ε.εT est donnée par :
sont encore des problèmes scientifiques ouverts et nécessi-
ε.εT = (H.l - s)(H.l - s)T = [Link] - [Link] - [Link]+ [Link],
tent en revanche une attention particulière.
dont l’espérance mathématique fournit la matrice de cova-
riance de l’erreur :
Méthode de Collocation Cεε = E {ε.εT} = H.E{.lT}HT = E{[Link]}HT-H.E{.sT}+E{[Link]} (2)
= [Link] - [Link] - [Link] + Css (3)
On rappelle, dans ce paragraphe, le principe de la collocation
Cεε = Css - Csl . Cll-1 . Cls + (H - Csl . Cll-1). Cll.(H - Csl . Cll-1)T
avec utilisation d’une fonction de covariance. Pour une des-
ceci depuis la relation :
cription complète de cette méthode, nous conseillons aux lec-
Cls = CTsi = E {.sT}
teurs de consulter l’ouvrage de Moritz (1980).
L’expression (3) est constituée d’une partie constante A et une
La collocation est une méthode d’estimation optimale appli-
partie B qui dépend de H telles que :
cable notamment aux “signaux gravimétriques”. L’estimation
A = Css - Csl . [Link]
d’un signal scalaire S(P) va devoir être effectuée à partir de :
B = (H - Csl . Cll-1).Cll.(H - Csl . Cll-1)T
• mesures li d’origines pouvant être diverses, effectuées en La matrice B est définie positive et par conséquents ses
des points Qi et tel que : li = Lis (i = l, …, q) termes diagonaux sont toujours positifs. Pour que la variance
Li est un opérateur linéaire pouvant comporter des dériva- de l’erreur de la matrice Cεε soit minimale, il faut choisir B=0,
tions par rapport aux coordonnées du point P. et on aura : H = Csl . Cll-1
L’écriture matricielle est : l = L.s Sous ces conditions, l’estimation optimale de s est donnée
Où L et l sont deux vecteurs de q composantes. par la formule :
• une fonction de covariance du signal aléatoire S. ^s = H.l = Csl . Cll-1.l (4)

Collocation par les moindres carrés et sa matrice de covariance se réduit à :

La méthode de la collocation par moindres carrés ne nécessite Cεε = Css - Csi . [Link] (5)
pas la connaissance d’un modèle mathématique précis auquel
Prédiction des anomalies de gravité
S obéirait. Cette particularité est intéressante en gravimétrie où
Le problème d’interpolation ou d’extrapolation par les
les perturbations (ζ, η, T, N, Δg, …) dues aux accidents de relief
moindres carrés des anomalies de gravité (Heiskanen and
sont considérées comme des quantités aléatoires.
Moritz, 1967, sec. 7-6) peut être considéré comme une appli-
La méconnaissance du modèle mathématique est palliée par cation de la présente méthode de prédiction. En effet, si on
une exploitation des propriétés statistiques de S. On considère désigne par I = (Δg1, Δg2, ..., Δgn)T le vecteur des anomalies de
∼
à priori le signal S et les mesures li comme des grandeurs gravité aux points d’observation pi, et par S = Δgp la valeur
aléatoires de valeur moyenne nulle. prédite d’anomalie de gravité au point P, alors les équations
Soient : l = (l1, l2, …, lq)T le vecteur des observations, et (4) et (5) deviennent :
-1
S = (S1, S2, …, Sm)T le vecteur des signaux, deux quantités aléa- C11 c12 . . . C1n Δg1
toires centrées. C21 c12 . . . C2n Δg2
∼
Δgp = (Cp1, Cp2, ... Cpn) . . . . . . x . (6)
On considère également, les matrices de covariance suivantes :
. . . . . . .
Cll = Cov (l , l) = E {.lT} : Matrice auto-covariance des observa-
Cn1 Cn2 . . Cnn Δgn
tions, de dimension q x q,
et
Csl = Cov (s , l) = E {[Link]} : Matrice des covariances croisées entre
-1
l et s, de dimension m x q C11 c12 . . . C1n Cp1
Css = Cov (s , s) = E {[Link]} :Matrice auto-covariance du signal, de C21 c12 . . . C2n Cp2
dimension m x m Cεpεp =C0 - (Cp1, Cp2, ... Cpn) . . . . . . x . (7)
Où E {.} représente l’espérance mathématique. . . . . . . .
Cn1 Cn2 . . Cnn Cpn
Le problème consiste à trouver la meilleure estimation ^s du
signal s sur la base des données disponibles sachant que la avec εp désigne l’erreur de prédiction, Cij = C(Δgi, Δgj) = C(dij),
dépendance entre l et s n’est pas exprimée par un modèle CPi = C(ΔgP, Δgj) = C(dPi), et C0 = C(ΔgP, Δgj) = C(0).
fonctionnel, mais uniquement par le biais des matrices de Les formules (6) et (7) sont identiques, aux notations près, aux
variance-covariance. équations établies dans le cas de la prédiction des anomalies
Une estimation linéaire du vecteur s sera de la forme : ^s =H.l (1) de gravité par les moindres carrés (Heiskanen and Moritz,
Où H est une matrice rectangulaire de dimension m x q à déter- 1967, sec. 7-6).

46 Revue XYZ • N° 108 – 3e trimestre 2006

Toutes les covariances CPi et Cij sont obtenues à partir de la
même fonction de covariance des anomalies de pesanteur
C(d) que nous supposons qu’elle est isotrope et qu’elle
dépend uniquement de la distance horizontale entre les points
considérés.

Procédure de calcul
La méthodologie générale adoptée, dans le cadre de ce tra-
vail, pour le choix optimal d’un modèle analytique de cova-
riance à des fins de validation, est décrite par les étapes suc-
cessives suivantes :
organisation
• Calcul de la fonction de covariance empirique et son ajuste-
des
ment sur les modèles analytiques locaux de covariance,
données
• validation de l’ensemble des mesures gravimétriques de la
zone expérimentale.

A cet effet, un programme en langage Fortran a été élaboré

à la Division de Géodésie du Centre National des
Techniques Spatiales. Il permet de calculer la fonction de
covariance empirique, de sélectionner sa représentation
analytique correspondante et ceci par ajustement des
valeurs empiriques de covariance sur les modèles locaux
existants, et d’effectuer une interpolation ponctuelle et de
générer une grille régulière.

Description des différents modules du programme

Le programme principal comporte trois modules essentiels
décrits ci-dessous qui font appel à d’autres subroutines
nécessaires pour l’organisation et le traitement des don-
nées.

COVAR_EMPIRIQUE : Ce module permet le calcul de la fonc-

Sélection
tion de covariance empirique, et ses deux paramètres empi-
des points
riques essentiels à savoir, la variance C0 et la distance de cor-
de voisinage
rélation ζ.
pour
Paramètres d’entrée : (Pas d’échantillonnage, Nombres
chaque
d’intervalles, fichier de données)
point à
Paramètres de sortie : (variance C0, distance de corrélation
prédire
ζ et le vecteur des covariances)

ADJUST : Ce programme est établi pour ajuster la fonction

de covariance empirique sur les modèles analytiques de
covariance en utilisant la méthode itérative des moindres
carrés où la solution approchée n’est autre que les para-
mètres empiriques C0 et ζ.
Paramètres d’entrée : (C0 et ζ empiriques, vecteur des cova-
riances empiriques et option de covariance avec ou sans
pondération)
Paramètres de sortie : (valeurs ajustées des paramètres (C0,
ζ), vecteur des covariances analytiques pour chaque
modèle).
PREDICTION : Le module de prédiction inséré dans le pro-
gramme est une partie extraite du programme GEOGRID du
logiciel GRAVSOFT (Tscherning et al., 1992) largement prédiction
éprouvé et validé par l’IGeS ( International Geoid Service,
D.I.I.A.R. - Politecnico di milano), et qui a été modifiée et
adaptée pour le besoin de cette étude. Figure 1 : Organisation et structuration des données. ...
Revue XYZ • N° 108 – 3e trimestre 2006 47
 Géodésie

... Paramètres d’entrée : fichier de données, rang de la donnée

à prédire, nombre de point par quadrant, distance de corré- et
lation en km, précision de la mesure, prédiction (grille ou
ponctuelle), fichier des points de prédiction, modèle appro-
prié de covariance - Calcul du rang de la cellule dans le vecteur
Paramètres de sortie : fichier des prédictions
Deux types de prédiction sont possibles :
• Prédiction ponctuelle : Elle peut être utilisée soit pour estimer
la valeur de la mesure aux points autres que les points d’ob- - sélection
servation, soit pour prédire sa valeur en des points où la En fonction de la position du point à interpoler, le nombre
mesure est déjà faite pour procéder à sa validation. Cependant, maximum de points par quadrant et la distance maximale,
et étant donné que cette prédiction dépend uniquement du voi- le programme procède à la sélection des points de son voi-
sinage immédiat, il est donc indispensable que tous les points sinage qui interviennent dans la prédiction.
à prédire doivent être inclus dans la zone d’étude.
La recherche des points se fait par un balayage de la grille
A cet effet, le module PREDICTION commence par la vérifica- par une fenêtre de 3 x 3. En cas d’insuffisance du nombre de
tion de l’appartenance de la zone de calcul à celle des donnés points par quadrant et quand la distance le permet, cette
en se basant sur les valeurs limites de la zone. Dans le cas fenêtre sera élargie en conséquence. L’affectation d’un point
contraire un filtrage est effectué pour ne retenir que les points à un quadrant est basée sur les signes de Δϕ et Δλ
inclus. La figure 1 illustre l’organigramme général de la ges-
tion et l’organisation des données utilisées dans le module
PREDICTION. Δϕ Δλ quadrant
+ + I

- Organisation des données - + II

En fonction de ses valeurs limites en latitude et longitude, la
- - III
zone de données est organisée en cellules de dimensions dϕ,
dλ telles que : + - IV

et
• Génération de grille : En plus de la prédiction ponctuelle,
le programme permet la génération d’une grille régulière
Où Nϕ et Nλ représentent respectivement le nombre de lignes
à partir des mesures ponctuelles dont les pas et les limites
et de colonnes, et qui se calculent par les formules suivantes :
en latitude et en longitude sont laissés au choix de l’utili-
et sateur. La prédiction aux nœuds de la grille s’effectue par
la même procédure et les mêmes critères que la prédiction
ponctuelle.
avec

np n’est autre que le nombre total des points retenus.

En fonction de ces éléments, le module transforme la matrice
Tests numériques
des cellules en vecteur et détermine le nombre de points par Données utilisées
cellule.
Présentation de la zone d’étude
- Calcul des indices ligne colonne de la cellule qui contient le La zone choisie pour notre application comporte 2041
point P points, située au nord de l’Algérie elle s’étend de [34° à 37°]
en latitude et de [-2° à 8°] en longitude. Ce choix est condi-
tionné par la densité relativement élevée des mesures. Les
données de gravité contenues dans cette zone, dont la pré-
cision à priori est de 5 mGals et rattachées au Système de
Référence Géodésique GRS67, ont été fournies par le
Bureau Gravimétrique International (B.G.I.).

Toutes ces mesures ont été transformées du système

GRS67 au système GRS80. Enfin, on a appliqué une cor-
rection atmosphérique recommandée par l’Association
Internationale de Géodésie afin d’éliminer l’influence des
masses atmosphériques. La répartition géographique de
ces mesures est représentée sur la figure 2.

48 Revue XYZ • N° 108 – 3e trimestre 2006

 Traitements et résultats
Fonction de covariance empirique
La fonction de covariance empirique de l’anomalie réduite a
été calculée avec le programme COVAR_EMPIRIQUE en utili-
sant la formule suivante :

La somme est effectuée pour toutes les combinaisons des

points Qi et Qj dont la distance ψij est comprise entre (ψ - Δψ/2)
et (ψ + Δψ/2). N est le nombre de combinaisons et Δψ repré-
sente la dimension de l’intervalle d’échantillonnage prise
égale à 5’ dans notre cas. Le choix de cette valeur dépend du
pas de la grille à utiliser.

Fonction de covariance analytique

Après avoir calculer la fonction de covariance empirique, il
Figure 2 : Répartition géographiques des mesures
va falloir trouver une expression de la fonction analytique
sélectionnées.
de covariance dont la courbe des valeurs épouse le mieux
possible celle des valeurs empiriques correspondantes
Modèle géopotentiel
avec le minimum d’écarts. Dans ce travail, nous avons testé
La collocation est en général appliquée localement, et on
cinq modèles analytiques isotropes de covariance généra-
traite alors des quantités résiduelles (observations et signal)
lement utilisés en géodésie physique dans le but de sélec-
par rapport à une représentation en harmoniques sphériques
tionner le modèle de covariance approprié capable de
du potentiel disponible jusqu’à un degré et ordre donnés.
décrire le comportement local du champ de gravité. Il s’agit
Dans le contexte de ce travail, le modèle géopotentiel global
des modèles de : Hirvonen, Gauss-Markov, Exponentiel,
OSU91A (Rapp et al., 1991), développé jusqu’au degré et
Cosinus et Triangulaire.
ordre 360, a été utilisé pour réduire les anomalies de gravité
observées de leurs contributions des grandes longueurs Le problème d’ajustement consiste donc à estimer les
d’ondes calculées dans l’approximation sphérique par la for- valeurs du vecteur des paramètres composé de la variance
mule suivante : des anomalies réduites (C0) et de la distance de corrélation
(ζ) afin de se rapprocher le plus possible des valeurs empi-
(8)
riques. Une procédure itérative par moindres carrés
Où θ, λ sont les coordonnées sphériques du point de calcul, (Algorithme de Gauss-Newton) est utilisée pour l’estima-
– –
C mm , S mm sont les coefficients normalisés du modèle géo- tion de ces derniers, en prenant comme solution approchée
–
potentiel du potentiel perturbateur, P mm sont les fonctions les paramètres empiriques. Les résultats de l’ajustement de
–
associées normalisées de Legendre et N max désigne le degré la fonction de covariance empirique sur les différents
maximum du modèle géopotentiel utilisé. modèles ont été obtenus par le programme ADJUST. Les
Les anomalies réduites Δgred sont obtenues en retirant les fonctions de covariance empirique et analytique de chaque
anomalies de gravité du modèle géopotentiel Δgm calculées modèle sont illustrées par la figure 3.
par (8) à partir des anomalies de gravité observées Δgobs :
La comparaison des valeurs des erreurs moyennes qua-
Δgred = Δgobs - Δgm (9 )
dratiques des résidus (EMQ), l’analyse des ces représen-
Ces anomalies reflètent les caractéristiques locales de la zone tations graphiques et la comparaison des valeurs ajustées
–
en question puisque les contributions des grandes longueurs des paramètres C0 et ζ– des différents modèles avec celles
d’onde sont éliminées. Les statistiques, en mGals, des don- des paramètres empiriques, montrent que le modèle
nées observées et réduites sont résumées dans la table 1. Exponentiel est optimum dans la zone expérimentale.
Après l’opération de retrait, on obtient des anomalies réduites L’accord entre les deux courbes est parfait jusqu’à une dis-
beaucoup plus lisses que les anomalies gravimétriques tance sphérique de 0°.30 (~ 30 km). Cependant, il faut
observées. La déviation standard des données se réduit de noter que ces résultats restent proches de ceux obtenus
29.767 mGals à 23.243 mGals et leur moyenne passe de 27.894 par le modèle analytique de covariance de Gauss-Markov,
mGals à 0.358 mGals. et par conséquent, plusieurs tests sont indispensables
pour les départager et de se prononcer, ainsi, sur le
Anomalies Min. Max. Moyenne Sd
modèle adéquat.
Δgobs -82.59 136.20 27.894 29.767 En outre, et compte tenu des valeurs analytiques fournies par
les modèles Cosinus et triangulaire qui sont loin d’être repré-
Δgred -67.75 123.46 0.359 23.243

Tableau 1 : Statistiques, en mGals, des anomalies réduites.

sentatives de la covariance empirique, on a décidé de rejeter
ces modèles pour la suite des traitements de prédiction. ...
Revue XYZ • N° 108 – 3e trimestre 2006 49
 Géodésie

... Modèle
–
C0
(mGal**2)
–ζ
(Degrés)
EMQ
(mGal**2)
Modèles Hirvonen Gauss-Markov Exponentiel
Minimum -14.12 -18.51 -20.55
Hirvonen 591.0521 0.11630 26724.175
Maximum 12.73 7.47 20.78
Gauss-Markov 586.2543 0.07723 12843.620
Moyenne 0.031 0.035 -0.023
Exponentiel 557.1991 0.15044 8645.287
Déviation
1.851 1.185 3.497
Cosinus 98.9413 0.17493 464467.670 Standard

Triangulaire 184.0560 0.67518 361338.865 -5 ^ écart ^ 5 1997 2025 1774

Tableau 2 : Paramètres analytiques des différents Pourcentage 97.8 99.3 86.9

modèles.
-10 ^ écart ! 10 2034 2038 1999
Pourcentage 99.7 99.9 97.9

Tableau 3 : Statistiques, en mGals, des écarts entre les

prédictions obtenues par chaque modèle et les
anomalies réduites observées.

tés C0, ζ, montrent que les valeurs de ces modèles C(d) pour d
^ ζ sont pratiquement les mêmes, et que deux différentes fonc-
tions donnent presque les mêmes erreurs d’interpolation ;
puisque la variance C0 détermine l’échelle des erreurs de pré-
diction, et la longueur de corrélation ζ décrit leur comportement
pour des distances moyennes de l’ordre de ζ .

Min. Max. Moy. Dév. St. -5 ^ écart ^ 5

(%)
Hirvonen - -4.32 5.45 0.004 0.870 99.9
Figure 3 : Fonctions de covariance empirique et Gauss-Markov
analytique des anomalies de gravité réduites. Exponentiel -
-13.47 13.5 0.012 2.723 92.1
Gauss-Markov
Prédictions Tableau 4 : Statistiques, en mGals, des différences entre
les prédictions obtenues par chaque modèle et celles
Afin de se prononcer sur la méthodologie que nous avons
calculées à partir du modèle approprié (Gauss-Markov).
adoptée pour le choix définitif du modèle approprié, deux tests
ont été effectués et qui visent, d’une part, à valider le modèle
Cependant, et afin d’évaluer l’effet de cette différence sur la
choisi et à tester la sensibilité des résultats de prédictions obte-
surface du géoïde, nous avons généré au premier lieu deux
nus aux différents modèles locaux de covariance, et d’autres
grilles des anomalies réduites de résolution 5’ x 5’ avec les
part, à valider l’ensemble de données gravimétriques utilisées.
modèles Exponentiel et Gauss-Markov (Cas le plus défavo-
Une première prédiction de l’ensemble des points de la zone
rable en termes d’extremums, voir la Table 4). Pour chaque
d’étude est faite pour chaque modèle en utilisant ses para-
grille, la valeur prédite de chaque nœud a été estimée à par-
mètres ajustés. Les statistiques des écarts sont résumées
tir des points les plus proches de son voisinage en utilisant les
dans la Table 3. Leur analyse montre que des forts pourcen-
paramètres ajustés des modèles analytiques de covariance
tages des écarts pour l’ensemble des modèles se trouvent
correspondants.
situer dans l’intervalle [-10 à +10] mGals, et font ressortir le
modèle de Gauss-Markov comme modèle approprié. Ensuite, les deux grilles des anomalies réduites résultantes
ont été transformées en ondulations résiduelles du géoïde par
Les statistiques des différences entre le modèle approprié et les
intégration numérique de la formule de Stockes en utilisant la
autres modèles sont regroupées dans laTable 4. Elles montrent
technique de Transformée de Fourrier Rapide (FFT) implé-
que les résultats de prédictions obtenus ne sont pas trop sen-
mentée dans le programme FFTGEOID (Sideris, 1994) acquis
sibles aux modèles théoriques de covariance utilisés. On
auprès de l’IGeS (International Geoid Service). La grille 5’ x 5’
constate que plus de 92,1% des écarts sont compris dans l’in-
des différences des hauteurs résiduelles du géoïde sur la zone
tervalle [-5 à +5] mGals.
test est représentée sur la figure 4. La table 5 résume les sta-
Delà on peut conclure que les tests effectués pour les divers tistiques correspondantes. On notera, que la moyenne des
modèles locaux de covariance C(d) avec leurs paramètres ajus- hauteurs résiduelles du géoide est de l’ordre de 40cm et leur

50 Revue XYZ • N° 108 – 3e trimestre 2006

 former les altitudes ellipsoidiques purement géométriques
issues du GPS en altitudes orthométriques et rendre par voie
de conséquence opérationnel le procédé du Nivellement par
GPS. En Algérie et compte tenu de l’état actuel du réseau
national, cette alternative reste la seule issue à entreprendre
pour espérer de couvrir, dans un avenir proche, l’ensemble du
territoire national en repère de nivellement.
Anomalies Min. Max. Moyenne Déviation
Standard
Δgred -57.87 123.46 -0.032 22.387
Figure 4 : Géoide résiduel (mètres). Prédictions (Δgpred) -46.90 121.66 0.064 19.979
Différences
déviation standard est égale à 32cm. Elles sont maximum le -19.80 19.89 -0.096 6.394
(Δgred - Δgpred)
long des côtes et dans les régions dépourvues des données,
et d’environ 10cm à 20cm le long des levés gravimétriques. Tableau 6 : Statistiques (en mGals) des données validées.
Ces écarts sont signifiants pour une détermination précise du
géoide. Figure 5 : Distribution géographique des deux ensembles.

Minimum Maximum Moyenne Déviation Standard

-0.25 1.590 0.400 0.320

Tableau 5 : Statistiques, en mètre, des hauteurs

résiduelles du géoïde.

A et B - A (en Bleu), B (en Rouge).

La seconde étape consiste à valider l’ensemble de données
gravimétriques utilisées dans le cadre de cette étude pour
Figure 6 : Distribution géographique des données.
pouvoir les intégrer, ultérieurement, dans une base de don-
nées gravimétriques qui sera conçue ultérieurement.

La procédure de validation a été appliquée en utilisant la

méthode de collocation par les moindres carrés dans laquelle,
le modèle de Gauss-Markov avec ses paramètres ajustés a été
adopté comme modèle local de covariance pour exprimer la
corrélation entre les données utilisées et les signaux à esti-
mer. Les données contenues dans la zone test ont été divisées
en deux ensembles disjoints A et B, à condition qu’ils aient la validées - Points acceptés (+), Points douteux (+).
même distribution. Pour ce faire, un échantillonnage avec un
pas de 5’ (~ 10 km) sur les données contenues dans cette zone
a été effectué (il ne s’agit pas de valeurs moyennes). La dis-
tribution géographique des deux ensembles A et B est repré-
Conclusion
sentée dans la figure 5. Ensuite, les valeurs prédites des ano- La méthode utilisée dans le cadre de ce travail n’est pas
malies de gravité de l’ensemble B ont été estimées à partir des récente dans son principe, mais elle est d’un intérêt majeur
données de l’ensemble A, puis comparées aux observations pour la validation des mesures gravimétriques ; type de
de l’ensemble B. Cependant, si la différence entre Δgred et données utilisées généralement dans la modélisation du
Δgpred est supérieure au seuil fixé à posteriori en fonction de champ de pesanteur local et dans plusieurs applications en
la précision de la donnée utilisée (20 mGals dans notre cas), géodésie et en géophysique.
alors cette observation est considérée comme suspecte et elle L’objectif de ce travail était de mettre en œuvre une métho-
sera rejetée automatiquement. De même pour les données de dologie et des procédures permettant le choix optimum
l’ensemble A à partir de l’ensemble B. Les statistiques des d’un modèle local de covariance à des fins de validation.
mesures validées sont regroupées dans la table 6. Le taux Le programme développé dans le cadre de cette étude, per-
d’erreur détecté en utilisant cette procédure est de l’ordre de met de calculer la fonction de covariance empirique et ses
2.16% et il permet de confirmer que les données fournies par paramètres, de l’ajuster sur les différents modèles locaux
le B.G.I. sont de bonne qualité, et par conséquent, elles peu- de covariance afin d’en déduire le modèle approprié, et
vent être exploitées pour la détermination du géoïde d’effectuer des prédictions ponctuelles et de générer des
Algérien ; surface de référence nécessaire pour pouvoir trans- grilles régulières.

Revue XYZ • N° 108 – 3e trimestre 2006 51

 Géodésie

... L’application de cette méthodologie aux données gravimé-

triques d’une zone test située au nord de l’Algérie et consi-
Moritz H., 1980. Advanced physical geodesy. Edition Herbert
Wichmann Velag, Karlsruhe.
dérée comme la plus dense, a permis de ressortir le modèle Heiskanen, W.A., H. Moritz, 1984. Physical Geodesy. 2e edition
de Gauss-Markov comme modèle approprié. Cependant, il Institute of Physical Geodesy, Technical University Graz, Austria.
faut noter que le résultat obtenu reste tributaire de la qua- Heiskanen, W.A. and H. Moritz, 1967. Physical Geodesy. W.H.
lité et de la densité des données utilisées dans le cadre de
Freeman and Company, San Francisco.
cette application. Rapp R. H., Y.M. Wang, and N.K. Pavlis, 1991. The Ohio State
1991 Geopotential and Sea Surface Topography Harmonic
Dans ce même contexte et afin de se prononcer sur la
Coefficient Models. Report N° 410, Department of Geodetic
méthodologie adoptée pour le choix définitif du modèle
Science and Surveying, The Ohio State University, Columbus.
optimum de covariance et de comparer les prédictions
Tscherning, C. C., Forsberg, R., Knudsen, P., 1992. Description
obtenues par différents modèles analytiques de covariance, of the GRAVSOFT package for geoid determination, Proceedings
une prédiction est faite, pour chaque modèle en utilisant ses of First Continental Workshop on the Geoid in Europe, Prague,
paramètres ajustés, sur l’ensemble des points appartenant pp327 - 334.
à la zone d’étude. Les résultats obtenus présentent, en fonc- Sediris, G., 1994. Geoid determination by FFT Techniques.
tion du modèle utilisé, des écarts extremums plus au moins Lecture notes for the international school for the determination
importants. L’analyse des statistiques montre que des forts and use of the Geoid. International Geoid service. DIIAR. Milan.
pourcentages des écarts pour tous les modèles se trouvent
situer dans l’intervalle [-10 à +10] mGals et a permis de
conclure que le modèle de Gauss-Markov est le modèle
approprié. En outre, la comparaison des résultats de pré-
diction obtenus par les différents modèles avec ceux esti-
més par le modèle approprié de Gauss-Markov, a montré ABSTRACT
que les résultats sont presque identiques et prouve que les
prédictions ne sont pas trop sensibles aux modèles théo- Keywords: Collocation, Geopotential model, validation
riques de covariance utilisés, notamment, lorsqu’il s’agit de procedure.
prédire des quantités similaires aux données employées. The validation is an extremely strict procedure that
guarantees quality and integrity of the gravity data
Enfin, et afin de répondre à l’un des objectifs de cette étude, bank. It is applied systematically to all sets of data
nous avons procédé, en utilisant le modèle de Gauss- before being integrated into the data bank. Its
Markov avec ses paramètres ajustés, à la validation de l’en- principle consists of comparing the observed value and
semble des données contenues dans la zone test. Le taux the predicted one estimated by a powerful technique
d’erreur détecté est de l’ordre de 2.16% et nous laisse like Collocation method. Nevertheless, the difficult step
confirmer que les données fournies par le B.G.I. sont de in its application is the determination of the empirical
bonne qualité et peuvent être intégrées dans le calcul du covariance function and subsequently the selection of
its corresponding analytic representation capable to
géoïde Algérien. Néanmoins, il faut signaler la présence de
describe the local behaviour of the gravity field.
graves lacunes dans la couverture gravimétrique du pays Therefore, the main goal of this paper is to propose a
notamment dans sa partie sud qu’il conviendrait de com- procedure for the selection of the optimal analytical
bler aussi bien pour satisfaire les besoins de la géodésie covariance model for the validation purposes. Several
que ceux de la géophysique et de la géologie. ● local analytical covariance functions broadly used in
physical geodesy were tested and the most suitable will
be selected in test area from a statistical procedure.
Remerciements For this purpose, the gravity data provided by the
B.G.I., consisting of 2041 gravity measurements
Les auteurs tiennent à remercier le Prof. C. C. Tscherning covering the north part of Algeria between the limits
(secrétaire général de l’A.I.G.) et le Prof. R. Forsberg de [34°, 37°] in latitude; and [-2°, 8°] in longitude,
l’université de Copenhague pour leur avoir fourni le logiciel and the tailored geopotential model OSU91A complete
GRAVSOFT, et le Prof G. Balmino pour avoir mis à leur to degree and order 360, have been used to test the
disposition les données gravimétriques sur l’Algérie. developed methodology. The validation was applied to
predict free air gravity anomalies reduced from the
effect of the spherical harmonic coefficient set OSU91A
The error ration detected using this technique represent
Contacts 2.16% which remains small with regard to the number
BENAHMED DAHO S. A., SAHEL C., ZEGGAI A. of measures used, and proves that the gravity data
measurements provided by B.G.I. are good quality and
Centre National des Techniques Spatiales,
subsequently, can be used for the Algerian geoid
Division de Géodésie - BP 13 Arzew - 31200 - Algérie. computation. Furthermore, this work shows also the
d_benahmed@[Link] non-homogeneity of the gravity data in experimental
area and their insufficient accuracy.
Références bibliographiques

52 Revue XYZ • N° 108 – 3e trimestre 2006