Está en la página 1de 20

Universidad Tecnolgica Metropolitana

Facultad de Humanidades y Tecnologas de la Comunicacin


Social
Escuela de Cartografa
Electivo de Formacin General: Geoestadstica aplicada

Geoestadstica en las
areas de Prospeccin
de Yacimientos, Medio
Ambiente y Modelos de
Elevacin.
Victoria Herrera.
4 ao, 19 de julio del 2010

INTRODUCCIN

Las ciencias estn divididas en variadas areas pero la que nos importa es las
llamadas geociencias, todas ellas tienen como factor comn el estudio de fenmenos con
variables que se encuentran distribuidas espacialmente. Es por ello que se ha vuelto una
necesidad tener procedimientos geoestadsticos de estimacin o simulacin para poder
estudiarlos.
La idea principal de la Geoestadstica, es que a travs de un conjunto de muestras
en terreno se pueda realizar una descripcin y caracterizacin de las variables, basados
en dos principios; entregar valores estimados del lugar y que estos valores posean iguales
caractersticas que la dispersin original.
La geologa y la minera son las reas por excelencia de la Geoestadstica La
evaluacin de reservas minerales, fue la actividad que motiv en la dcada del 50, la
aplicacin de la teora de Funciones Aleatorias, al reconocimiento y estimacin de
fenmenos. Termino creado por G. Matheron a partir de trabajos anteriores.
Esta se desarrolla y consolida en los ltimos 30 aos como ciencia aplicada y que
da respuesta a necesidades prcticas y concretas.

GEOESTADSTICA

El trmino Geoestadstica fue acuado por G. Matheron (1962), definindolo


como la aplicacin del formalismo de las funciones aleatorias al reconocimiento y
estimacin de los fenmenos naturales. Dichos fenmenos los caracterizamos por la
distribucin espacial de una o ms variables, proponiendo minimizar la varianza del error
de estimacin, obtenindose el mejor estimador, como por ejemplo: las leyes de un
depsito o las cotas de una superficie topogrfica, estas fueron denominadas variables
regionalizadas.
Desde hace dcadas que la revolucin tanto cientfica como tecnolgica a crecido
bruscamente, lo que ayuda notablemente a aumentar el ritmo de extraccin y utilizacin
de la materia prima mineral y en todo lo relacionado con la minera, en la actualidad no es
en la nica rea en que se a aplicada la Geoestadstica, mas adelante se hablara de otras
reas en que ha sido utilizada esta ciencia aplicada.
Algunos ejemplos de datos que pueden ser tratados con esta metodologa son: Niveles de
un contaminante en diferentes sitios de una parcela, contenidos aurferos de una mina,
valores de precipitacin en diferentes estaciones meteorolgicas en un mes dado. En los
ejemplos anteriores es claro que hay continuidad espacial, puesto que en cualquier sitio
de la parcela, de la mina pueden ser medias las correspondientes variables. Es
importante resaltar que en Geoestadstica el propsito esencial es la interpolacin y si no
hay continuidad espacial pueden hacerse predicciones carentes de sentido. Por ejemplo
si la variable medida es produccin de caf, hacer interpolacin espacial y realizar un
mapa de distribucin de la produccin puede ser carente de sentido porque podran
hacerse predicciones sobre reas urbanas o no cultivadas con caf. Adems de lo
anterior las mediciones, no obstante sean georreferenciadas, corresponden a una
agregacin espacial (finca) ms que a un punto del espacio
La aplicacin de la teora de los procesos al azar a los problemas de evaluacin de
reservas de distintos tipos de materias primas minerales y en general a las ciencias
naturales en el anlisis de datos distribuidos espacial y temporalmente (Christakos y
Raghu, 1996) dio origen a lo que hoy se conoce como Geoestadstica.
Aunque la aplicacin de la herramienta Geoestadstica es bastante reciente, son
innumerables los ejemplos en los que se ha utilizado esta tcnica en estudios ambientales
con el nimo de predecir fenmenos espaciales. La columna vertebral del anlisis
geoestadstico es la determinacin de la estructura de autocorrelacin entre los datos y su
uso en la prediccin a travs de las tcnicas conocidas como kriging y cokriging. Otros
temas importantes dentro del estudio de informacin georreferenciada son el diseo de
redes de muestreo. La geoestadstica es solo una las reas del anlisis de datos
3

espaciales. Es importante reconocer cuando la informacin georreferenciada es


susceptible de ser analizada por medio de dicha metodologa.
La Geoestadstica surge con el objetivo de obtener mayor precisin en la
estimacin de las reservas minerales. Los fenmenos distribuidos en el espacio, la
mineralizacin en un yacimiento mineral por ejemplo, presenta un carcter mixto, un
comportamiento catico o aleatorio a escala local, pero a la vez estructural a gran escala.
Y existiendo como ciencia aplicada que da respuesta a necesidades prcticas y
concretas. Se reconoce como una rama de la estadstica tradicional, que parte de la
observacin de que la variabilidad o continuidad espacial de las variables distribuidas en
el espacio tienen una estructura particular, desarrollndose herramientas matemticas
para el estudio de estas variables dependientes entre si, llamadas segn Matheron
variables regionalizadas.
La Geoestadstica, se construye asumiendo condiciones de estacionalidad y se
define como el estudio de las variables numricas distribuidas en el espacio, o variables
regionalizadas, porque a cada valor observado o desconocido est asociada una posicin
en el espacio. La Geoestadstica opera bsicamente en dos etapas: la primera es el
anlisis estructural, en la cual se describe la correlacin entre puntos en el espacio. En la
segunda fase se hace prediccin en sitios de la regin no muestreados por medio de la
tcnica kriging (captulo 4).
Su punto de partida son los fenmenos distribuidos en el espacio: la
mineralizacin, por ejemplo, presentan un carcter mixto, un comportamiento catico o
aleatorio a nivel local; pero a la vez estructural a gran escala, de donde se puede sugerir
la idea de interpretar este fenmeno en trminos de Funcin Aleatoria (FA), es decir, a
cada punto x del espacio se le asocia una Variable Aleatoria (VA) Z(x), para dos puntos
diferentes x e y, se tendrn dos VAs Z(x) y
Z(y) diferentes pero no independientes, y es
precisamente su grado de correlacin el
encargado de reflejar la continuidad de la
mineralizacin o de cualquier otro fenmeno
en estudio o de cualquier otro fenmeno en
estudio, de modo que el xito de esta tcnica
es la determinacin de la funcin de
correlacin espacial de los datos.
El estimador, Kriging, tiene como objetivo encontrar el Mejor Estimador Lineal
Insesgado a partir de la informacin disponible, y en efecto, el valor estimado obtenido
Z*(x) de un valor real y desconocido Z(x), consiste en una combinacin lineal de pesos
asociados a cada localizacin donde fue muestreado un valor Z(xi) (i = 1,In) del
fenmeno estudiado, observando dos condiciones fundamentales:

1.- que el estimador sea insesgado. E[Z* - Z] = 0, y


2.- que la varianza Var[Z* - Z] sea mnima, consiguindose de este modo
minimizar la varianza de error de estimacin. A diferencia de otros mtodos de
interpolacin, como por ejemplo, el inverso de la distancia, el Kriging, utiliza en la
estimacin las caractersticas de variabilidad y correlacin espacial del fenmeno
estudiado, por lo que su uso implica un anlisis previo de la informacin, con el objetivo
de definir o extraer de esta informacin inicial un modelo que represente su continuidad
espacial, una vez logrado esto, estamos en condiciones de obtener a travs del Kriging el
mejor valor posible en cada localizacin o bloque a estimar, acompaadas de la varianza
Kriging como medida del error de la estimacin realizada.
La forma de la informacin es muy diversa, la Geoestadstica se construye
asumiendo condiciones de estacionaridad. Por lo que es necesario aceptar el
cumplimiento de ciertas hiptesis sobre el carcter de la funcin aleatoria o procesos al
azar estudiados, llamadas Hiptesis de la Geoestadstica. Estas son segn Journel y
Huijbregts y David: La Estacionaridad Estricta, La Estacionaridad de Segundo Orden, La
Hiptesis Intrnseca y los Procesos Cuasiestacionarios (no se explica cada uno por que
no es el objetivo del presente)

Variable Aleatoria Regionalizada


Una variable aleatoria puede tomar cualquier valor dentro de un rango determinado. Esta
es la caracterstica fundamental que distingue a este tipo de variable, adems de su valor,
una posicin en el espacio, hecho ste al que Matheron denomin Variable Aleatoria
Regionalizada, la cual est presente en la mayor parte de los estudios geolgicos y
fenmenos naturales. Plantea que la variable distribuida en el espacio es puramente
descriptiva y envuelve una interpretacin probabilstica, refirindose a que, desde el punto
de vista matemtico una variable regionalizada es simplemente una funcin f(x) que toma
valores en todos los puntos x de coordenadas (xi, yi, zi) en el espacio tridimensional. Sin
embargo, es muy frecuente que estas funciones varen tan irregularmente en el espacio
que impide un estudio matemtico directo, y se hace necesario realizar un anlisis de
variabilidad de la informacin disponible, sugiriendo un estudio profundo de la funcin
variograma como veremos ms adelante. Al extender el concepto de funcin aleatoria al
espacio de una o ms dimensiones, aparece la nocin aleatoria y estructural de una
variable regionalizada: primero Z(x) como VA y segundo que las VAs Z(x) y Z(x+h) no son
en general independientes, si no que estn relacionadas por la estructura espacial de la
variable regionalizada original Z(x).
En el caso de que las mediciones sean hechas en una superficie, entonces Z(x)
puede interpretarse como la variable aleatoria asociada a ese punto del plano (x
representa las coordenadas, planas o geogrficas, y Z la variable en cada una de ellas).
5

Conocimiento Del Problema


Antes del estudio geoestadsticos hay que conocer todos los elementos que
aporten al problema, la estructura geolgica en que se desarrolla la mineralizacin o el
fenmeno en estudio, organizacin y muy importantes es la verificacin de la informacin
disponible y finalmente realizar el anlisis exploratorio de los datos.
Una vez obtenido los datos, es necesario verificar su exactitud y/o
representatividad. Es importante que se est familiarizado con los datos, discutir todos los
elementos necesarios a fin de conocer el problema a resolver. En la minera los
resultados son muy sensibles al nivel de informacin usado, cualquier modificacin
involuntaria se refleja durante todo el estudio.
Con el objetivo de conocer la informacin disponible se puede hacer un anlisis de
la estadstica descriptiva. A continuacin se presenta un resumen de los conceptos
necesarios de estadstica bsica. Como los clculos estadsticos o estadstica descriptiva
que permiten determinar si la distribucin de los datos es normal, lognormal, o si no se
ajustan a una distribucin estadstica lo cual implica tener conocimiento de: nmeros de
clases, rango de distribucin, media, moda, mediana, varianza, desviacin estndar,
cieficientede asimetra, error estndar, etc. O tambin enfocados desde la construccin
de grficos estadsticos: estos grficos permiten ilustrar y entender las distribuciones de
los datos, identificar datos errados, valores extremos, los mismos incluyen: Mapa base,
seccin cruzada y vista en perspectiva, Histogramas, Frecuencia acumulativa.
Funciones de Correlacin Espacial
La primero es un anlisis geoestadstico, la determinacin de la dependencia
espacial entre los datos medidos de una variable. Esta fase es tambin conocida como
anlisis estructural. Para llevarla a cabo, con base en la informacin muestral, se usan
tres funciones: El semivariograma, el covariograma y el correlograma.
El clculo del semivariograma experimental es la herramienta Geoestadstica ms
importante en la determinacin de las caractersticas de variabilidad y correlacin espacial
del fenmeno, tener conocimiento de como la variable cambia de una localizacin a otra,
representando el til ms importante de que dispone el geoestadsticos para el anlisis
del fenmeno mineralizado o de la variable de distribucin espacial en estudio. Este
anlisis tiene como condicionantes: la distribucin estadstica, la existencia de valores
aberrantes o anmalos, la presencia de zonas homogneas o posibles zonaciones en la
distribucin de las leyes.
Puede ser calculado inicialmente el semivariograma medio, global; proporcionando
una idea inicial de la variabilidad espacial de los datos, siendo el mejor para representar u
obtener una estructura clara y definida. Posteriormente deben ser calculados los
semivariogramas en diferentes direcciones, puede ser calculado en 4 direcciones
separadas 45 hasta encontrar la
6

direccin de mxima o mnima variabilidad; pueden ser calculados tambin, ms


especficamente, en 8 direcciones separadas por 22.5.
El semivariograma experimental obtenido no es utilizado en el proceso de
estimacin, debe ser ajustado a ste uno a varios modelos tericos, obtenindose un
modelo o funcin analtica que caracteriza la continuidad espacial de la variable
estudiada. Los modelos de variograma terico utilizado en el proceso de estimacin o
simulacin deben satisfacer ciertas condiciones, es decir tienen que ser definido positivo
o de tipo positivo de lo contrario puede existir el riesgo de encontrar varianzas negativas
que no tienen sentido.

Los parmetros del semivariograma caracterizan tres elementos importantes en la


variabilidad de un atributo que son: la discontinuidad en el origen (existencia de efecto de
pepita), el valor mximo de variabilidad (meseta), y el rea de influencia de la correlacin
(alcance). Los modelos tericos de semivariogramas admisible o autorizados ms
utilizados en la prctica se presentan atendiendo a las dos caractersticas ms
importantes en el modelado de semivariogramas que son segn Journel y Huijbregts
(1978): 1.- Su comportamiento en el origen, el cual puede ser linear, parablico y con
Efecto de Pepita y 2.- La presencia o ausencia de meseta. Estos modelos son: Efecto de
Pepita, Modelo Esfrico, Modelo Exponencial, Modelo Gaussiano, Modelo con funcin
potencia.

PROSPECCIN MINERA

La bsqueda, prospeccin, exploracin y evaluacin de yacimientos minerales


tiles es la actividad fundamental en la minera, destacndose entre otras tareas: el
pronstico cientfico en la localizacin de los yacimientos minerales tiles, la elaboracin
de mtodos eficaces para la exploracin y la evaluacin gelogo econmico de los
yacimientos para su explotacin. Todo esto condicionado al agotamiento de los recursos
producto de la explotacin y a las fluctuaciones de las cotizaciones del mercado. Los
trabajos de bsqueda y exploracin se dividen en estadios que son resultado de la
aplicacin de un principio importante del estudio del subsuelo, el Principio de
Aproximaciones Sucesivas; el cual consiste en estudiar primero las regularidades
geolgicas ms generales e importantes del objeto, y slo despus, comenzar una
investigacin detallada de sus propiedades. Cada uno de los estadios culmina con la
determinacin lo ms aproximada posible de los recursos minerales del yacimiento,
actividad fundamental de las empresas gelogo - mineras conocida como clculo de
recursos y reservas, operacin de alta responsabilidad, que determina en gran medida
el valor industrial de un yacimiento mineral.
Existen dos formas de realizar el clculo de reservas, los mtodos clsicos y los
modernos. Como clsicos se pueden nombrar, el de Bloques Geolgicos y el de
Perfiles Paralelos, stos se caracterizan por el uso de valores medios o media
ponderadas de los contenidos de la exploracin en bloques definidos convenientemente.
Estos mtodos son eficientes cuando la informacin disponible presenta determinada
regularidad, pero en la prctica, la gran cantidad de formas de los datos ha llevado a la
utilizacin de tcnicas matemticas y estadsticas para resolver un nico problema,
estimar valores desconocidos a partir de los conocidos, para la estimacin y
caracterizacin de los recursos y reservas. Se usan tcnicas de regresin y correlacin,
siendo resultado de la aplicacin de la teora de funciones aleatorias al reconocimiento y
estimacin de fenmenos naturales En los ltimos aos muchas investigaciones se han
desarrollado con este fin. Claro est, no existe un mtodo por muy sofisticado que sea,
que permita obtener resultados exactos.

GEOESTADSTICA APLICADA A LA EXPLORACIN GEOQUMICA MINERA


La exploracin Geoqumica minera ha sido un rea que con el tiempo ha ampliado
su aplicacin y gracias a la informacin que se obtiene mediante el anlisis de roca, suelo,
sedimentos de arroyo, gases, fluidos, etc., permite la obtencin de informacin que se
puede correlacionar con el subsuelo por efecto de movilidad de elementos y lixiviacin.
Para poder detectar anomalas geoqumicas en alguna zona especfica, se ocupan
diferentes mtodos. El mtodo comnmente empleado para visualizar las anomalas en
2D, mediante un mapa de isoconcentracin, donde es vital la utilizacin de software
especializado que se fundamenta en Geoestadstica (matemticas aplicadas), segn el
elemento estudiado (Au, Ag, Cu, Zn, Pb, Fe, etc.) o elementos afines (Au/Ag, Cu/Mo,
Pb/Zn), los cuales nos entregan indicadores proximales y nos permiten establecer zonas
de inters, adems de realizar anlisis por superposicin de geologa (litologa,
estructuras, alteracin hidrotermal, etc.), geofsica (gravimetra, magnetometra, etc.) u
otro. Este mtodo es ptimo hasta el punto en que se desean definir zonas de inters,
pero cuando se desea observar alguna tendencia anmala, sea sta lineal o de superficie,
el mapa 2D, tambin en la tendencia que hay cuando se obtiene la media, moda, valores
de concentracin, interpolacin y lo ms importante la cuestin estadstica, que
corresponde con el tamao de malla y cantidad de puntos de muestreo. Como comentario
adicional es y ser de suma importancia el muestreo (tcnica de muestreo), el cual
asegurar que los datos sean sustentados. Lo cual representara una xito tanto para
encontrar zonas de inters o descartar zonas que no fueron de inters.
Objetivo general del proyecto: Diseo de un sistema cartogrfico que permita
representar en un plano2D, los resultados de los anlisis geoqumicos de muestras
correspondientes a roca, sedimentos de arroyo, suelo, agua, etc.
Se elaborar un modelo topogrfico-geoqumico, con la diferencia que en la
coordenada Z se ubica el valor de concentracin del mineral entregado por el laboratorio.
Esto permitir visualizar las posibles anomalas o zonas en contraste de concentraciones
que sean de inters econmico.

Se tiene un prospecto minero en un rea determinada en zona cercana a un


Yacimiento Mineral conocido, ubicado en el Estado de Hidalgo, donde se explotan
actualmente minerales polimetlicos, minerales con mena de Zn, Cu, Pb, Fe, como
subproducto se obtienen concentraciones de Ag y Au, lo que hace ms atractiva a la
9

explotacin del yacimiento. Los trabajos consisten en estudiar zonas de inters mediante
el anlisis de suelos y roca, estos estudios sern determinantes para delimitar y restringir
dichas zonas en particular para la programacin de estudios geofsicos y de barrenacin
posteriormente. El rea aproximada es de dos kilmetros cuadrados con una topografa
accidentada, de all la importancia de tener dentro del rea zonas particulares de inters.
Los datos reales del anlisis de suelos dan un total de 586 datos que
corresponden a puntos de muestreo, en donde se cuantifican elementos mayores,
elementos menores y REE (tierras raras). Para este problema en especfico solo se
utilizaran seis parmetros (Ag, Au, Zn, Cu, Pb y Fe), adicionalmente de los datos de
coordenadas (X, Y, Z) de cada una de las muestras. Los datos obtenidos tienen una
distribucin sobre lneas con distanciamiento de 50 metros y con separacin de cada
punto a 25 metros de forma tentativa.
Con la informacin obtenida mediante el procesado qumico, y mediante la
aplicacin del software GS+ GeoStatistics for the Environmental Sciences, realizar el
Variograma, Anlisis, Autocorrelacin por elemento y Krigeaje de las variables (Ag, Au,
Zn, Cu, Pb y Fe).Con este anlisis y el mapeo de distribucin por concentraciones o
isoconcentraciones se apreciara la correspondencia entre estos elementos. Lo que
permitir realizar la bsqueda, exploracin y evaluacin del yacimiento mineral. Sern
seleccionadas las zonas con mayor concentracin de estos elementos, por lo tanto sitios
de inters, para la posterior aplicacin y planteamiento de otros estudios, como algn tipo
de estudio geofsico y barrenaci

La figura 1, corresponde a la representacin


grfica de los puntos de muestreo (586), a
travs de sus coordenadas geogrficas.

La figura 2, muestra en 3D la representacin del


desnivel topogrfico de la zona y corresponde al
modelo de la superficie terrestre en esa zona.
10

La figura 3, muestra para la misma zona,


la distribucin y concentraciones de Fe
en ppm, mediante anlisis por ICP-MS.

La figura 8, muestra para la misma zona, la


distribucin y concentraciones de Zn en ppm,
mediante anlisis por ICP-MS.

Concluciones del Proyecto: Con el anlisis de la informacin y la aplicacin del GS+ se


puede apreciar la correspondencia entre estos elementos (Ag, Au, Cu, Zn, Pb y Fe), se
aprecia que el Fe, es el elemento que presenta una mayor dispersin y concentraciones
mayores en el rea. Con la informacin grfica es fcil definir la o las zonas de inters,
para este caso en especfico, se tiene una zona que corresponde a un bajo topogrfico, la
cual resulta ser el sitio con mayor concentracin de estos elementos y por lo tanto se
11

restringe el rea total, para la programacin de estudios Geofsicos a detalle y


barrenacin exploratoria, estas tcnicas permitirn conocer el comportamiento de la
mineralizacin a profundidad, con lo cual se podr obtener un volumen estimado y
concentraciones de los elementos de inters econmico, dentro de la evaluacin
geolgico-econmico para el yacimiento mineral.

MEDIO AMBIENTE

Uno de los principales problemas comunes a las diferentes disciplinas que


conforman las Ciencias de la Tierra y las Ciencias del Medio Ambiente reside en la
eleccin del tamao de unidades representativas de la variabilidad espacial. As, en
Edafologa, al menos desde una perspectiva conceptual, se admite que las unidades en
las que se realiza un muestreo, debe de ser seleccionada de tal forma que contenga el
mximo de informacin sobre los atributos objeto de estudio, es decir, que sea
representativa. Por lo tanto, conforme aumenta la heterogeneidad del suelo, la precisin
con que pueden conocerse sus propiedades y el comportamiento del mismo tiende a
decrecer.
Inicialmente la geoestadstica se aplic en Fisica de suelos, en donde se conocan
bien los problemas planteados por la variabilidad espacial (el ejemplo ms conspicuo es el
flujo de agua), as como la influencia del denominado efecto de escala sobre la
determinacin de diversos parmetros. Con posterioridad la geoestadstica se aplic a la
evaluacin de suelos y ms tarde a la fertilidad y al anlisis de problemas de
contaminacin.
La utilidad potencial de los mtodos geoestadsticos en Edafologa fue reconocida
por vez primera mediada la dcada de los aos setenta por los grupos de trabajo de las
universidades de Davis (California) y Oxford (Inglaterra) interesados en estudiar la
variabilidad del suelo. El trabajo pionero en este campo fue la tesis doctoral de D. J.
Giltrap defendida en Oxford en 1977. Las primeras publicaciones cientficas debidas a las
escuelas de Oxford y Davis datan del ao 1980. La geoestadstica como herramienta para
el anlisis de la variabilidad facilita resultados que dependen de la frecuencia e intensidad
de las observaciones o puede ser utilizada como ayuda para disear una red de
muestreo, pero los datos que proporciona no contribuyen necesariamente a explicar la
accin de los factores de formacin. Se ha observado con frecuencia una ausencia de un
anlisis crtico de los mtodos empleados para la obtencin del importante volumen de
datos que requieren los estudios geoestadstico.
La variabilidad de las propiedades del suelo de un punto a otro del paisaje tiene
orgenes diversos, pudiendo provenir bien de las caractersticas inherentes a los procesos
12

de formacin predominantes, o bien de los factores de formacin, es decir, la litologa, el


clima, la topografa, la actividad biolgica y la accin humana. Algunos de los procesos y
factores de formacin que inducen la variacin espacial afectan a pequeos volmenes
de suelo e introducen heterogeneidad en distancias cortas; otros, por el contrario,
provocan dependencia espacial de ms largo alcance. Aunque la formacin del suelo
pueda ser descrita en trminos deterministas, no obstante, los modelos operativos que
desde el punto de vista de la Geoestadstica se usan para describir las propiedades del
mismo se basan en la aparente aleatoriedad de la variabilidad espacial (Webster, 2000;
Ulloa Guitin, 2002).
Aplicacin de la Geoestadstica al estudio de las propiedades del suelo.
La cuenca estudiada, de aproximadamente 25 ha de superficie se denomima
Pelamios y se localiza en el Centro de Investigciones Agrarias de Mabegondo (provincia
de Corua, Espaa). En esta cuenca se realiz un muestreo al azar, intentando en lo
posible que estuviesen representados todos los tipos de suelos y parcelas con diferente
manejo presentes en la misma. El principal criterio utilizado para disear las redes de
muestreo de las dos unidades estudiadas fue la toma de datos a diferentes escalas de
distancia. Este procedimiento es el recomendado cuando se desconoce la escala de
dependencia espacial de los atributos estudiados. Se tomaron muestras en 79 puntos, lo
que supone una densidad de muestreo de 3.2 muestras/ha. La distancia entre los puntos
ms prximos era de 0.5 m y la de los ms alejados 60 m.

Las muestras se tomaron entre 0-30 cm de profundidad con una sonda de 5 cm de


dimetro. En todos los puntos se determinaron sus coordenadas geogrficas con una
estacin topogrfica total. Posteriormente, los puntos de muestreo se localizaron sobre un
modelo de elevacin digital de la cuenca estudiada. Las muestras se analizaron de
acuerdo con mtodos rutinarios.

Se resumen los parmetros de los modelos tericos que se ajustaron a los tres
semivariogramas experimentales de las tres fracciones texturales: arena, limo y arcilla. Se
puede observar que arean y limo presentan una estructura espacial, es decir, se aprecia
autocorrelacin, pero no as la arcilla. El semivariograma del contenido en arcilla present
un efecto pepita puro; esto equivale a decir que la semivarianza se mantiene constante y
prxima a la varianza muestral para sucesivas distancias. Este resultado significa que
dicha propiedad, el contenido en arcilla, muestra una ausencia total de autocorrelacin a
la escala estudiada y se comporta como una funcin aleatoria, es decir, que los valores de
dos puntos prximos no se parecen ms que los de otros que estn a mayor distancia, y
segn la Estadstica Clsica, el mejor estimador de esta propiedad en un punto del rea
sera la media aritmtica.

13

(C0=efecto pepita; C0+C1=meseta; %C0=porcentaje del efecto pepita respecto a la meseta; a=alcance (en m);
VM=varianza muetralfactor de escala; WSS=suma de cuadrados ponderados; ECM=error cuadrtico medio;
ECMA= error cuadrtico medio adimensional; vec.=n de vecinos recomendado para el krigeado).

Para las propiedades que presentaban dependencia espacial, arena y limo, se


pueden apreciar en la Tabla diversos parmetros usados habitualmente en el anlisis
geostadtico. El efecto pepita (C0), el valor de la meseta (C0+C1), la relacin entre efecto
pepita/meseta que es un parmetro importante porque da idea del grado de dependencia
espacial (%C0), el alcance (a) expresado en metros y el valor de la varianza muestral
(VM) que se utiliza para escalonar los semivariogramas. En la misma tabla tambin se
presenta a continuacin el valor de los principales parmetros utilizados para elegir y
validar el modelo terico, es decir, la suma de cuadrados ponderados (WSS), la varianza
de los errores absolutos (ECM) y la varianza de los errores relativos (ECMA); hay que
insistir que este ltimo se considera el criterio principal a la hora de decidir la expresin
terica. Adems, tambin se indica el nmero de vecinos con los que se consiguieron los
valores de estos parmetros y, por tanto, el nmero ptimo de vecinos recomendados
para realizar el krigeado
Se elaboraron los siguientes mapas de cada una de las propiedades estudiadas:
- distribucin de valores estimados por krigeado puntual y krigeado por bloques y valores
simulados
- varianza de error de estimacin obtenido por krigeado puntual y krigeado por bloques.

14

En la Figura se presentan los mapas obtenidos por krigeado puntual, krigeado por
bloques y simulacin condicionada para el contenido en limo. Para interpretar los
resultados hay que tener en cuenta que, contrariamente a la que ocurre con la simulacin,
el krigeado permite obtener un mapa de los errores de estimacin o errores de
interpolacin; dicho mapa puede ser utilizado para evaluar la incertidumbre de las
predicciones efectuadas. Por el contrario, la simulacin condicionada, que en este trabajo
se llev cabo mediante 100 realizaciones individuales, no proporciona informacin sobre
la incertidumbre de los valores estimados.

15

Tanto la interpolacin por krigeado como la simulacin requiere el anlisis previo de la


dependencia espacial, y la elaboracin de un modelo de semivariograma terico que se
ajuste a los datos, dicho de otro modo, el krigeado y la simulacin condicionada se
pueden utilizar si existe autocorrelacin espacial. Adems, los resultados obtenidos por
estos mtodos son ms precisos cuando los datos analizados se ajustan a una
distribucin normal. En definitiva, como mtodo de interpolacin, la simulacin condicional
gaussiana presenta, en relacin con el krigeado, la ventaja de que genera mapas que
reproducen la variabilidad de tal modo que los hace parecer reales (el krigeado, por el
contrario, tiende a suavizar o alisar los valores extremos) y al mismo tiempo, da cuenta
de los valores medios. De lo anterior se desprende que si se combinan los resultados de
la simulacin con la estimacin de los errores de krigeado se debe de obtener la ventaja
de conocer simultneamente la variabilidad real de la propiedad estudiada junto a la
incertidumbre de la estimacin.
Los mapas de distribucin del contenido en limo obtenidos por krigeado puntual y
krigeado por bloques son prcticamente similares en la cuenca de Pelamios. Entre ambos
mapas existen pequeas diferencias en cuanto a los valores mximos y mnimos; sin
embargo, estas diferencias prcticamente nunca son apreciables a simple vista, de modo
que a efectos prcticos resulta una superposicin total de los resultados de interpolacin
mediante krigeado puntual y krigeado por bloques. Este resultado se debe al efecto
conjunto de diversos factores entre los que se pueden citar: a) la pequea dimensin de
los bloques utilizados, de 5x5 m, con frecuencia menor que la distancia mnima entre
pares de puntos vecinos y b) la magnitud relativamente importante del efecto pepita.

Conclusion; De las tres fracciones texturales estudiadas en Pelamios, la arena y el limo


presentaban dependencia espacial, pero no as la arcilla. Tres tipos diferentes de mapas
de distribucin espacial elaborados tras interpolacin mediante krigeado puntual y
krigeado por bloques y por simulacin condicional proporcionan resultados muy similares
entre s para el contenido en limo. Al comparar los mapas de varianza del error de
estimacin se aprecia que el krigeado por bloques proporciona estimas con umbrales de
error inferiores a los de krigeado puntual.

16

MODELOS DIGITALES DE ELEVACIN (MDE)


En este caso la palabra elevacin enfatiza el concepto de medicin de altura con
respecto a un datum y la generacin por parte del modelo de valores absolutos de altura.
Este trmino se utiliza con frecuencia en los Estados Unidos para describir un arreglo
rectangular o exagonal de puntos con valores de elevacin obtenidos por mtodos
fotogramtricos o cartogrficos.
La informacin espacial, en forma de coberturas temticas asociadas a un Sistema
de Informacin Geogrfica (SIG) e imgenes provenientes de sensores remotos, es usada
en forma creciente en la modelacin de sistemas ecolgicos (Kyriakidis y Dungan 2001).
Los datos topogrficos, como los valores de las curvas de nivel, son utilizados
frecuentemente para generar modelos que representan diferentes caractersticas del
terreno como altura, pendientes, exposiciones, visibilidad, entre otros, mientras que los
datos dasomtricos son utilizados para la estimacin de la productividad y las existencias
de productos (Burrough y McDonnell 1998, Corvaln et al. 2000).
En este proceso de anlisis comnmente se emplean algoritmos de interpolacin
espacial que estn implementados en programas asociados a Sistemas de Informacin
Geogrfica (SIG) de uso comercial, permitiendo crear superficies continuas que pueden
tener resoluciones espaciales variables.
La exactitud de los resultados obtenidos por interpolacin est asociada
principalmente a las estrategias de muestreo y al cumplimiento de las hiptesis
estadsticas de los modelos utilizados, en especial aquellas relacionadas con la estructura
espacial de los atributos en estudio. Estos aspectos comnmente son tratados a travs
del anlisis estadstico exploratorio, cuyo objetivo es describir las caractersticas globales
del conjunto de datos y detectar patrones de regularidad espacial (Kitanidis 1997).
Interpolacin espacial: La interpolacin espacial es un procedimiento matemtico utilizado
para predecir el valor de un atributo en una localidad precisa a partir de valores obtenidos
de puntos vecinos, ubicados al interior de la misma rea de estudio. La interpolacin se
utiliza para transformar un nmero finito de observaciones, por ejemplo cotas de terreno,
en un espacio continuo de manera que su patrn espacial sea comparable con aquel
presentado por las observaciones puntuales de base (Burrough y McDonnell 1998).

17

Importancia del anlisis estadstico exploratorio en el proceso de interpolacin


espacial: caso de estudio Reserva Forestal Valdivia
El estudio se ha localizado al interior de la Reserva Nacional Valdivia, ubicada a 20
km de la ciudad de Valdivia en la X Regin de Los Lagos, Chile. Dicho sector tiene una
superficie de 9.727 ha, presentando una topografa poco abrupta caracterstica de la
Cordillera de la Costa, con altitudes que van desde los 100 a 650 m s.n.m.

Mapas de distribucin de puntos de muestreo: a) altitud y b) rea basal de rboles.


Anlisis univariado: En una primera etapa, el anlisis se orient a describir el tipo de
distribucin de frecuencias y su grado de similitud con relacin a una distribucin normal
que presentan los datos de altitud y rea basal. Para esto se utiliz el anlisis grfico,
medidas de la amplitud, de tendencia central, de variabilidad y de estructura.
Anlisis espacial: En una segunda etapa, el anlisis se orient a describir la estructura y el
grado de dependencia espacial que presentan los atributos altitud y rea basal y a
observar su variacin en diferentes escalas
Respecto a la tendencia central de los datos, donde para una distribucin normal
la relacin mediana/media alcanza el valor 1, se observa que para la altitud y rea basal
toma valores de 1,097 y 0,98 respectivamente. Esto muestra una diferencia de 9,7% y 2%
frente a un valor ideal de normalidad, lo que por s solo no es suficiente para decidir si los
datos presentan o no una distribucin normal. Este aspecto ser retomado en la
discusin.

18

Con relacin a la variabilidad de los datos respecto a su tendencia central, se


observa que la altitud presenta menos variabilidad que el rea basal (coeficiente de
variacin de 26,7% y de 41,3% respectivamente). Este hecho puede ser explicado por las
caractersticas naturales de los atributos o por problemas de representatividad de los
datos.

Histograma y funcin de densidad para atributos altitud y rea basal.


Conclusin proyecto: Con este estudio se ha mostrado que con el anlisis estadstico
exploratorio es posible describir la estructura espacial de los atributos altitud y rea basal,
lo que puede ser extensivo a otros del mbito de recursos naturales. Adems, ha
permitido la verificacin de los supuestos bsicos para una interpolacin (existencia de
dependencia espacial) y, por otro lado, ha ayudado a la deteccin de problemas de
representatividad de los datos. Finalmente, el anlisis estadstico exploratorio se ha
definido como un conjunto de herramientas del mbito univariado y espacial, de fcil
implementacin e interpretacin, que es la primera etapa para la obtencin de buenos
resultados en cualquier proceso de interpolacin espacial.

19

CONCLUSIN
La Geoestadstica nace como una ciencia aplicada para resolver problemticas en
la estimacin principalmente de reservas minerales donde ha sido ampliamente utilizada,
probando su superioridad entre tantos mtodos de estimacin, y que se ha implementado
ampliamente en las ciencias de la tierra. Es importante mencionar que la Geoestadstica
trabaja con mtodos de interpolacin por lo que es la versin estimada de un fenmeno,
esto se realiza por distintos mtodos de interpolacin, pero el principal y mas utilizado es
el krigeage que utiliza la continuidad espacial del fenmeno.
El desarrollo de la Geoestadstica en la ltima dcada ha estado relacionado con
el avance los medios de cmputo, los cuales permiten su prctica a travs de una amplia
gama de programas profesionales. Finalmente, podemos plantear que el xito de la
Geoestadstica est relacionado con el uso de informacin estructural en el proceso de
estimacin. En la actualidad se utiliza tambin se utiliza en la cartografia para modelar
datos espaciales generando representaciones de la realidad en las cuales se plasman
variables propias de ellas.

BIBLIOGRAFA

http://www.ciget.pinar.cu/No.%202000-2/GEOESTADISTICA.htm

www.monografias.com, Elementos de Geoestadstica, Dr. C. Jos Quintn


CUADOR GIL, Departamento de Informtica, Universidad de Pinar del Ro, Cuba,
cuador@info.upr.edu.cu

Documentos de los distintos proyectos, en internet

20