GEOESTAD

GEOESTAD

STICA
STICA
APLICADA
APLICADA
Tema:
Tema:
Estimaci
Estimaci

n Espacial
n Espacial
Instructores:
Dr. Martn A. Daz Viera (mdiazv@imp.mx)
Dr. Ricardo Casar Gonzlez (rcasar@imp.mx)
2009
UNIVERSIDAD NACIONAL AUT UNIVERSIDAD NACIONAL AUT NOMA NOMA
DE M DE M XICO XICO
03/04/2009 CG6-Estimacin Espacial 2
Contenido
Introduccin
Ecuaciones del Kriging
Clasificacin del Kriging
Tipos de Kriging lineal ms usuales
Kriging Simple
Kriging Ordinario
Kriging Universal
Kriging Residual
Kriging Indicador
Aspectos prcticos del Kriging
03/04/2009 CG6-Estimacin Espacial 3
Introduccin
x
x
x
x
x
x
x
x
x
x
x
x
x
Problema: A partir de informacin
conocida de una propiedad, medida
en ciertas ubicaciones, estimar el
valor en localizaciones en donde se
desconoce o se carece de muestreo,
usualmente en una malla.
En geoestadstica el mtodo de
estimacin espacial que se usa es el
Kriging
Nodos Muestra x
Malla
Celda
03/04/2009 CG6-Estimacin Espacial 4
Introduccin
El Kriging es un trmino que ha sido acuado
para designar al mejor estimador lineal
insesgado (BLUE, en ingls).
Esta es una tcnica de estimacin espacial
desarrollada por G. Matheron en los sesentas a
partir de los trabajos de D. G. Krige quin
fue pionero en el uso de la correlacin
espacial para propsitos de prediccin.
Matheron le asigna el nombre de Kriging en
honor a Krige.
03/04/2009 CG6-Estimacin Espacial 5
Introduccin
El estimador Kriging se considera ptimo
ya que:
1. Es insesgado, es decir, el valor esperado del
error es cero.
2. Garantiza la mnima varianza de la
estimacin, es decir, reduce al mnimo la
varianza del error de la estimacin.
03/04/2009 CG6-Estimacin Espacial 6
Ecuaciones del Kriging

Estimador
Estimador

Mejor
Mejor

Lineal
Lineal

Insesgado
Insesgado

*
0
1
N
i i
i
Z Z
=
=

{ }
*
0 0
m i n V a r Z Z
(

*
0
Z
*
0 0
E Z E Z
( (
=

B L U E
03/04/2009 CG6-Estimacin Espacial 7
Ecuaciones del Kriging
Dada una FA estacionaria de segundo orden
y definida en ciertos puntos
Valor esperado
Funcin de covarianzas
Variograma
( ) { }
, 1,...,
i
Z x i n =
( )
; E Z x m x = (

( ) ( ) ( )
2
C h E Z x h Z x m = + (

[ ]
( ) 1 2 ( ) ( ) h Var Z x h Z x = +
03/04/2009 CG6-Estimacin Espacial 8
Ecuaciones del Kriging
Condicin de insesgadez (valor esperado del
error igual a cero)
Esto implica que
Entonces
( ) ( ) ( )
*
1
n
k i k i
i
E Z x E Z x E Z x m
=
(
(
= = = (
(

( )
1
n
i i
i
m
E Z x m
=
= (

1 1
1
n n
i i
i i
m m
= =
= =

03/04/2009 CG6-Estimacin Espacial 9
Ecuaciones del Kriging
Condicin de que la varianza del error sea mnima
La varianza de la estimacin se expresa de la
siguiente manera:
Entonces, para satisfacer la condicin de insesgadez
hay que minimizar la siguiente funcin objetivo:
- un multiplicador de Lagrange
( )
2
2 * *
e k k k k
Var Z Z E Z Z
(
(
= =

(

2
1
2 1
n
e i
i
F
=
| |
=
|
\

03/04/2009 CG6-Estimacin Espacial 10

Ecuaciones del Kriging
Derivando a F respecto a
i
y resulta el
sistema de ecuaciones del Kriging:
( )
1
1
2 2 2 0, 1,...,
1 0
donde , covarianza
n
ki j ij
j
i
n
i
i
i j ij
F
i n
F
C x x

=
=

= + = =

= =

03/04/2009 CG6-Estimacin Espacial 11

Ecuaciones del Kriging
Finalmente se escribe como:
1
1
2 2
1
, 1,...,
1
Varianza del error de la estimacin
n
j ij ki
j
n
i
i
n
e i ki
i
i n

=
=
=

= =

= +

03/04/2009 CG6-Estimacin Espacial 12

Ecuaciones del Kriging
En forma matricial:
Observacin: bajo la hiptesis intrnseca las
covarianzas pueden ser reemplazadas por las
semivarianzas
11 12 1 1 1
21 22 2 2 2
1 2
... 1
... 1
... ... ... ... ... ... ...
... 1
1 1 ... 1 0 1
n k
n k
n n nn n kn

( ( (
( ( (
( ( (
( ( ( =
( ( (
( ( (
( ( (

2
ij ij
=
03/04/2009 CG6-Estimacin Espacial 13
Clasificacin del Kriging
Segn el soporte de la
medicin de los datos
puntual
por bloques
z
1
z
2
z
4
z
3
Z*
z
1
z
2
z
4
z
3
Z*
03/04/2009 CG6-Estimacin Espacial 14
Clasificacin del Kriging
Segn la forma del estimador
lineales:
Simple
Ordinario
Universal
Residual
no lineales:
Disyuntivo
Indicador
Probabilstico
03/04/2009 CG6-Estimacin Espacial 15
Clasificacin del Kriging
Segn el supuesto de la distribucin de
probabilidad
paramtrico:
Multigaussiano
Disyuntivo
Lognormal
no paramtrico:
Simple, Ordinario
Universal, Residual
Indicador
03/04/2009 CG6-Estimacin Espacial 16
Tipos de Kriging lineales
Kriging Simple
Kriging Ordinario
Kriging Universal
Kriging Residual
03/04/2009 CG6-Estimacin Espacial 17
Kriging Simple
Kriging lineal con valores esperados conocidos
Requisitos:
Conocer valores esperados de la funcin
aleatoria .
Conocer la funcin de covarianzas de la funcin
aleatoria .
( )
( ) , 0,...,
i i
m x E Z x i n = = (

ij

03/04/2009 CG6-Estimacin Espacial 18

Kriging Simple
Sistema de ecuaciones:
Estimador:
Varianza de la estimacin:
( ) ( )
' '
0
1
0 0
1
, 1,...,
n
j ij i
j
n
i i
i
i n
m x m x


=
=

= =

*
0 0
1
( )
n
i i
i
Z Z x
=
= +

2 ' '
00 0
1
S
n
K i i
i

=
=

03/04/2009 CG6-Estimacin Espacial 19

Kriging Ordinario
Kriging lineal con valor esperado estacionario
pero desconocido
Requisitos:
El valor esperado de la funcin aleatoria sea
constante
Conocer la funcin de covarianzas o el
semivariograma de la funcin aleatoria
( )
( ) , 1,...,
i i
m x E Z x m i n = = = (

,
ij ij

03/04/2009 CG6-Estimacin Espacial 20
Kriging Ordinario
Sistema de ecuaciones:
Estimador:
Varianza de la estimacin:
0
1
1
, 1,...,
1
n
j ij i
j
n
i
i
i n

=
=

= =

*
0
1
( )
n
i i
i
Z Z x
=
=

2
00 0
1
O
n
K i i
i

=
= +

03/04/2009 CG6-Estimacin Espacial 21

Kriging Universal
Kriging lineal en presencia de tendencia
Requisitos:
Conocer la forma de la tendencia expresada
usualmente mediante polinomios.
Conocer la funcin de covarianzas o el
semivariograma de la funcin aleatoria sin
tendencia, es decir
( ) ( ) ( )
l l
l
m x E Z x a x = = (


( ) ( )
{ }
, para
ij ij
Z x m x
03/04/2009 CG6-Estimacin Espacial 22
Kriging Universal
Sistema de ecuaciones:
Estimador:
Varianza del error:
( )
( ) ( )
0
1 1
0
1
, 1,...,
, 1,...,
n L
i j ij l l i
j l
n
i i l l
i
x i n
x x l L


= =
=

= =

= =

( )
*
0
1
n
i i
i
Z Z x
=
=

( )
2
0 00 0
1 1
U
n L
K i i l l
i l
x
= =
= +

03/04/2009 CG6-Estimacin Espacial 23
Kriging Universal
Dificultades prcticas
El orden del polinomio que mejor describe
o explica la tendencia m(x) nunca es
conocido, hay que adivinarlo.
El variograma tampoco es conocido y hay
que estimarlo a partir de los residuales
R(x) (datos deriva)
03/04/2009 CG6-Estimacin Espacial 24
Kriging Residual
Kriging Residual fue propuesto por
Gambolati y Volpi (1978 y 1979).
Es una alternativa para manejar la no
estacionaridad.
El modelo consiste
donde m(x) - tendencia, R(x) - residuos
La deriva o tendencia m(x) se estima
usando mnimos cuadrados ordinarios
A los residuos R(x) sin tendencia se les
aplica el Kriging Ordinario.
( ) ( ) ( )
Z x m x R x = +
03/04/2009 CG6-Estimacin Espacial 25
Kriging Residual
El algoritmo se puede resumir en los siguientes pasos:
Obtener el orden k del polinomio que mejor representa a
la deriva o tendencia.
Ajustar la deriva mediante MCO
Calcular los residuos
Estimar y modelar el semivariograma de los residuos.
Aplicar kriging ordinario a los residuos usando el
semivariograma obtenido.
Se obtiene la estimacin en un punto no observado como
( ) ( ) ( )
* * *
k
Z x m x R x = +
( )
*
k
m x
( ) ( ) ( )
*
k
R x Z x m x =
03/04/2009 CG6-Estimacin Espacial 26
Kriging Indicador
Funcin Indicador de una FA
z
c
- valor de corte
La distribucin espacial
F. de distribucin de Z
1, ( )
( , )
0, ( )
c
c
c
si Z x z
I x z
si Z x z

=

>

( ) ( )
1
, ,
c c
x A
A z I x z d x
A

=

[ ] [ ]
1 1
( , ) ( , ) ( , )
c c c
x A x A
E A z E I x z d x E I x z d x
A A

(
= =
(
(


[ ] [ ] [ ] { }
1
( , ) (1) Pr ( ) (0) Pr ( )
c c c
x A
E A z Z x z Z x z d x
A

= + >

[ ] [ ]
( , ) Pr ( ) ( )
c c Z c
E A z Z x z F z = =
03/04/2009 CG6-Estimacin Espacial 27
Kriging Indicador
La distribucin de probabilidad de variables indicador es
una distribucin de Bernoulli y sus momentos estn dados
por:
a) Valor esperado
b) Fun. de covarianzas
c) Varianza
d) Fun. de semivarianzas
[ ]
( , ) ( )
c Z c
E I x z F z =
( ) ( ) ( ) { }
2
,
, ,
I c x x h c c Z c
C h z F z z F z
+
=
[ ] [ ]
( , ) ( ) 1 ( )
c Z c Z c
Var I x z F z F z =
( ) ( )
,
, ( ) ,
I c Z c x x h c c
h z F z F z z
+
=
03/04/2009 CG6-Estimacin Espacial 28
Kriging Indicador
Variograma Indicador
Se estiman para cada valor de corte y son menos sensibles
a la presencia de valores extremos (outliers)
a) El variograma indicador siempre alcanza una meseta
b) S(z
c
) es una funcin creciente en (-, z
M
),
c) S(z
c
) es una funcin decreciente en (z
M
,),
(donde z
M
- es la mediana)
d) Una vez conocida la meseta S(z
c
) del variograma se
puede calcular la funcin de probabilidad acumulativa:
( ) (0, )
c I c
S z C z =
( ) ( )
0.5 0.25 ( )
Z c c M c
F z signo z z S z = +
03/04/2009 CG6-Estimacin Espacial 29
Kriging Indicador
Uno de los propsitos de usar la variable indicador es para
estimar la funcin de probabilidad acumulativa.
Las funciones de probabilidad estimadas se obtienen
mediante combinaciones lineales de la funcin indicador.
Esta funcin es la proporcin exacta de valores menores
que el valor de corte de una variable, dentro de un rea A.
El valor estimado mediante kriging indicador representa la
probabilidad de que el valor estimado de la funcin
aleatoria sea menor que el valor de corte .
El Kriging indicador genera un mapa por cada valor de
corte (categora indicador), en donde se muestran regiones
con diferente probabilidad de ocurrencia para dicho valor
de corte (categora indicador).
( )
( )
c
Z x z
03/04/2009 CG6-Estimacin Espacial 30
Kriging Indicador
La forma del estimador
con la condicin para el no sesgo
El kriging simple puede ser aplicado para hallar los
pesos usando las variables indicador y el variograma
indicador.
Las ecuaciones del Kriging indicador se resuelven en la
prctica para un nmero finito, usualmente menor que 10,
de valores de corte .
Si la estimacin de cada valor de se realiza por separado
no se puede garantizar que se cumplan las relaciones de
orden de una funcin de distribucin vlida.
*
1
( , ) ( ) ( , )
n
c c c
A z z i x z

=
=

1
( ) 1
n
c
z

=
=

03/04/2009 CG6-Estimacin Espacial 31

Kriging Indicador
Alternativas (Myers, 1984)
1. Resolver el sistema de ecuaciones para el valor de corte
correspondiente a la mediana (z
c
= z
M
) y luego utilizar los
mismos pesos obtenidos en el kriging para otros valores
de corte z
c
.
2. Utilizar Cokriging Indicador, es decir el estimado se
obtiene a partir de los indicadores i(x

,z

), =1,,n y
=1,, N. Esta alternativa es ms exacta pero a la vez es
ms costosa en cuanto a cmputo.
03/04/2009 CG6-Estimacin Espacial 32
Aspectos prcticos del Kriging
1.- Definir una
malla de estimaci
malla de estimaci

n
n:
Si bien no hay restricciones para la malla de
estimacin usualmente se eligen mallas regulares
debido a que su geometra facilita la
representacin grfica de los resultados en forma
de mapas de contornos, relieves, etc.
Una recomendacin prctica respecto al tamao
de la celda de la malla es que debe ser de un
orden aproximadamente igual a la distancia
mnima de separacin de los datos, puesto que
sta es la resolucin de la informacin que se
dispone.
03/04/2009 CG6-Estimacin Espacial 33
Aspectos prcticos del Kriging
Ejemplo de malla de estimacin rectangular:
x
x
x
x x

x
x
x
x
x
x
celda

y
y
x
x -puntos
muestrales
nodos
de la
estimacin
x
x
x
03/04/2009 CG6-Estimacin Espacial 34
Aspectos prcticos del Kriging
2.- Definir una
vecindad de b
vecindad de b

squeda
squeda:
La vecindad de bsqueda se define con respecto
al punto a estimar y determina cuales puntos
vecinos potencialmente sern tomados en la
estimacin.
Caso isotrpico: tomar una circunferencia con
centro en el punto a estimar y radio igual o menor
al alcance del variograma.
Caso anisotrpico: tomar una elipse con centro en
el punto a estimar y semiejes iguales o menores a
los alcances del variograma anisotrpico.
03/04/2009 CG6-Estimacin Espacial 35
Aspectos prcticos del Kriging
Ejemplo de vecindad de bsqueda para el caso anisotrpico
Radio de
bsqueda:
Igual al rango
Mayor que el
rango no tiene
sentido, ya no
existe correlacin
03/04/2009 CG6-Estimacin Espacial 36
Aspectos prcticos del Kriging
3.- Definir
cantidad de puntos
cantidad de puntos de la estimacin:
Una vez definida la vecindad de bsqueda hay
que especificar cuantos puntos intervendrn en la
estimacin. Esto determina el tamao de la matriz
del Kriging.
Para toda la vecindad se pueden tomar como
valores prcticos:
Mnimo de puntos: entre 4 y 6 puntos.
Mximo de puntos: entre 10 y 25 puntos.
Tambin se pueden establecer cantidades min. y
mx. por cuadrante, octante, etc.
03/04/2009 CG6-Estimacin Espacial 37
Aspectos prcticos del Kriging
03/04/2009 CG6-Estimacin Espacial 38
Aspectos prcticos del Kriging
03/04/2009 CG6-Estimacin Espacial 39
Aspectos prcticos del Kriging
03/04/2009 CG6-Estimacin Espacial 40
Aspectos prcticos del Kriging
03/04/2009 CG6-Estimacin Espacial 41
Aspectos prcticos del Kriging
03/04/2009 CG6-Estimacin Espacial 42
Aspectos prcticos del Kriging
03/04/2009 CG6-Estimacin Espacial 43
Caractersticas del estimador Kriging
Es un interpolador exacto
Incorpora el modelo de variabilidad espacial (obtenido mediante
el anlisis estructural o variogrfico).
Proporciona una medida de la precisin de la estimacin
mediante la varianza de estimacin.
La varianza de estimacin tiene aplicaciones: diseo de
muestreo.
La precisin depende de varios factores: del nmero de
muestras, su localizacin, la distancia entre las muestras y el
punto o bloque a estimar, de la calidad del modelo de variacin
espacial (variograma).