Curso de Geoestadística

APLICACIONES CON GSLIB

• Análisis estadístico/exploratorio de datos

• Variograma
 Metodología
APLICACIONES CON GSLIB
• Introducción
• Paso a paso por todos los programas
 ¿Qué es GSLIB?
• GSLIB es el acrónimo para Geostatistical Software LIBrary:
una colección de programas geoestadísticos desarrollados por
estudiantes y profesores de la Universidad de Stanford
durante
• Deutsch, C. and Journel, A. (1998). Geostatistical Software Library and
User´s Guide, Oxford University Press, New York

• Existe varias interfaces de ventanas para GSLIB

• WinGSLib by Clayton Deutsch, André Journel and Manu Schnetzler, (1999),
Center for Computational Geostatistics at the University of Alberta
(http://www.gslib.com)

• SGEMS (Stanford Geostatistical Modeling Software) by Nicolas Remy (2002)

(http://sgems.sourceforge.net)
 Programas en GSLIB
• Utilidades
• Visualización de datos
• Histogramas, diagramas de dispersión, de cuantiles, de probabilidad
• Variogramas
• Simples y cruzados para cualquier número de variables
• En 1D, 2D y 3D para datos regular e irregularmente espaciados
• Diferentes medidas de continuidad espacial
• Estimación (Krigeado)
• En 1D, 2D y 3D, validación cruzada y jackknife
• Distintos tipo de Krigeado: KS, KO, KT, KDE
• Krigeado indicador
• Simulación Estocástica
• Métodos Gausianos
•Métodos indicadores
• Simulación por campos de probabilidades
• Simulación por recocido
NOTACIÓN GSLIB. MALLAS REGULARES

(xmn,ymn)
ny=4
5-8

ysiz
1-4

xsiz
Nuestro origen de malla

• Tamaños: xsiz, yziz,zsiz

• Número de pixeles
• Orígen malla GSLIB
• Numeración Pixeles
Formato de archivos de entrada y salida de GSLIB

Ejemplo de archivo de datos en 2D

2
Variable 1
Variable 2
4.693 0.791
4.041 0.642
2.885 0.539
2.255 0.538
...
 Ejemplo archivo de parámetros
Parameters for GAM
*****************
START OF PARAMETERS:
../data/true.dat \ file with data
2 1 2 \ number of variables, column numbers
-1.0e21 1.0e21 \ trimming limits
gam.out \ output file
1 \ grid or realization number
50 0.5 1.0 \ nx, xmn, xsiz
50 0.5 1.0 \ ny, ymn, ysiz
1 0.5 1.0 \ nz, zmn, zsiz
2 10 \ number of directions, number of lags
1 0 0 \ ixd(1), iyd(1), izd(1)
0 1 0 \ ixd(1), iyd(1), izd(1)
1 \ standarize sill? (0=no, 1=yes)
5 \ number of variograms
1 1 1 \ tail variable, head variable, variogram type
1 1 1 \ tail variable, head variable, variogram type
Análisis estadístico/exploratorio de datos

OBJETIVOS

• Organizar y “explorar” los datos

• Condensar la información disponible
• Calcular los estadísticos de los datos

TIPOS

• Descripción univariada
• (Descripción bivariada)
• (Descripción multivariada)
Descripción univariada
Histograma Histograma acumulado
P1 P2

P1
P2

Estadísticos Útiles para...

• Media • Describir/Agrupar
• Varianza/ Desviación • Control de calidad
• Quantiles • Poblaciones
Descripción univariada
muy sensible a valores altos de Z,
especialmente si n es bajo
n

∑
1
• media : m= z(α )
n α =1
n 2

∑ (z(α ) − m )
1
• varianza : σ =
2
n α =1

• desviación estándar : σ= σ 2

todavía peor
Descripción univariada. Cuartiles

Qu
Q0=mínimo

Qm Q100=máximo
de MIS datos
Ql

75 200
50
Descripción univariada. Modelos
Histograma muestral Histograma exhaustivo

Modelo
probabilístico

?
EJERCICIO PRÁCTICO GSLIB
Se supone conocida la realidad
 HISTOGRAMAS EXHAUSTIVOS

Histograma exhaustivo (HISTPLT) Zoom

NOS PASAMOS A LA VIDA REAL

45

40

35

30

25

20

15

10

5 10 15 20 25 30 35 40 45

• Campaña 1 de medidas: 97 puntos (aleatoriamente distrib.)

• Campaña 2: 43 adicionales en puntos de conc. máx. 1ª camp.
 Histograma muestral

n Media Desv. Mín Q25 Q50 Q75 Máx

Reales 2500 2.58 5.15 0.01 0.34 0.96 2.56 102.7
Med. 140 4.35 6.7 0.06 0.69 2.12 5.35 58.32
 Histograma muestral de los datos de la primera campaña

n Media Desv. Mín Q25 Q50 Q75 Máx

Reales 2500 2.58 5.15 0.01 0.34 0.96 2.56 102.7
Med. 140 4.35 6.7 0.06 0.69 2.12 5.35 58.32
M1C 97 2.21 3.17 0.06 0.33 1.02 2.54 18.78
 Histograma muestral de los datos declusterizados

n Media Desv. Mín Q25 Q50 Q75 Máx

Reales 2500 2.58 5.15 0.01 0.34 0.96 2.56 102.7
Med. 140 4.35 6.7 0.06 0.69 2.12 5.35 58.32
M1C 97 2.21 3.17 0.06 0.33 1.02 2.54 18.78
DEC. 140 2.52 4.56 0.06 0.34 1.19 2.75 58.32
 Ajuste de un modelo estadístico al campo “real”

1) Superposición de histograma (pdf) muestral con pdf modelo

2) Lo más típico. Dibujo un papel de probabilidad normal /
lognormal
Ajuste de un modelo estadístico de la pdf de medidas
Análisis del variograma
OBJETIVOS

• Cuantificar la variabilidad espacial del campo

N(h )

∑ (x − yi )
1
γ (h ) =
2
i
2 N(h ) i =1

Cabeza (head)
a g)
h( l

Cola (tail)
 ¿Como cuento los pares?
Eje Y (Norte) n d a
ba
o de
n ch 5. 0
A =
2.0 n dw
ol= b a
x lt 0E
lag N 6
ia or
ran c ect
le 6 V
to Lag
ang=60º
5
Lag
4
Lag lag
3 n cia
2 Lag i s ta
Lag D
= 4 .0
a g
xl

toler. ang. atol=22.5 Eje X (Este)

Definición de anisotropías y giros en el variograma

Dirección principal. Eje Y

Eje Y rotado (N30E)
(Norte)

20 30º ang=30
rango=aa=20
anis=10/20=0.5<1

Eje X
(Este)
10

Eje X rotado (N120E)

Variogramas modelo en GSLIB

⎧ ⎡ 3 h 1 ⎛ h ⎞3 ⎤
⎛ h ⎞ ⎪c ⋅ ⎢ − ⎜ ⎟ ⎥ si h ≤ a
1 Esférico γ (h ) = c ⋅ Sph⎜ ⎟ = ⎨ ⎢ 2 a 2 ⎝ a ⎠ ⎥
⎝a⎠ ⎪ ⎣ ⎦
⎩ c si h ≥ a

⎛h⎞ ⎡ ⎛ h ⎞⎤
2 Exponenc. γ (h ) = c ⋅ Exp⎜ ⎟ = c ⋅ ⎢1 − exp⎜ − ⎟ ⎥
⎝a⎠ ⎣ ⎝ a ⎠⎦

⎡ ⎛ h 2 ⎞⎤
3 Gaussiano γ (h ) = c ⋅ ⎢1 − exp⎜⎜ − 2 ⎟⎟ ⎥
⎢⎣ ⎝ a ⎠ ⎥⎦

4 Potencias γ (h ) = c ⋅ h a
Variograma campo REAL

Meseta=25.0
Pepita=9.0

Alcance=8.0
Ajuste variograma campo REAL
Variograma 140 medidas

Meseta=20

Alcance=10

Pepita 0.3 – 0.5

Variograma 140 medidas
 Curso de Geoestadística

APLICACIONES CON GSLIB

• Kriging
Archivo de parámetros

Parameters for KTB3D

********************

START OF PARAMETERS:
DATOS.DAT \ARCHIVO CON LAS MEDIDAS
1 2 0 3 \COLUMNAS CON X,Y,Z Y VARIABLE
-1.0e21 1.0e21 \LIMITES DE CORTE
ESTIM.OUT \ARCHIVO DE RESULTADOS
1 \NIVEL DE DEBUGGING: 0,1,2,3
CHECK.DBG \ARCHIVO DE DEBUGGING

Hasta aquí, lo típico

Archivo
Archivodedeparámetros
parámetros
50 0.5 1.0 \NX,XMN,XSIZ
50 0.5 1.0 \NY,YMN,YSIZ Geometría de la
1 0.5 1.0 \NZ,ZMN,ZSIZ malla a estimar

2 2 1 \PUNTOS DE DISCRETIZACIÓN DE UN BLOQUE

Puntos donde krigeo

Punto de estimación
Archivo
Archivo
dede
parámetros
resultados

KTB3D ESTIMATES WITH: Clustered 140

2
Estimate
EstimationVariance
4.693 0.791
4.041 0.642
2.885 0.539
2.255 0.538
...
 Archivo de resultados

BLOCK: 1 1 1 at 0.5000000 0.5000000 0.5000000

Lagrange : -0.170163970157926
BLOCK EST: x,y,z,vr,wt
2.500 1.500 0.500 3.330 0.634
5.500 1.500 0.500 0.060 0.118
0.500 7.500 0.500 12.740 0.095
0.500 8.500 0.500 6.490 0.031
1.500 8.500 0.500 20.350 -0.010
2.500 8.500 0.500 8.900 -0.015
0.500 9.500 0.500 15.770 0.049
1.500 9.500 0.500 7.560 0.016
2.500 9.500 0.500 6.260 0.021
3.500 9.500 0.500 7.920 0.062
estimate, variance 4.692778 0.7912890
Estimación
Varianza de estimación