Geoestadística: Análisis espacial de fenómenos

Geoestadística
1. La geoestadística es una rama de la estadística que

trata fenómenos espaciales (Journel & Huijbregts,
1978).
2. Su interés primordial es la estimación, predicción y
simulación de dichos fenómenos (Myers, 1987).
3. Esta herramienta ofrece una manera de describir la
continuidad espacial, que es un rasgo distintivo
esencial de muchos fenómenos naturales, y proporciona
adaptaciones de las técnicas clásicas de regresión
para tomar ventajas de esta continuidad (Isaaks &
Srivastava, 1989).
4. Petitgas (1996), la define como una aplicación de la
teoría de probabilidades a la estimación estadística
de variables espaciales.
Heber Hernández G. - Nube Minera - 2017

Geoestadística
Cuando el objetivo es hacer predicción, la
geoestadística opera básicamente en “dos etapas”. La
primera es el “análisis estructural”, en la cual se
describe la correlación entre puntos en el espacio.
En la segunda fase se hace predicción en sitios de
la región no muestreados por medio de la técnica
“kriging”.
Este es un proceso que calcula un promedio ponderado
de las observaciones muéstrales. Los pesos asignados
a los valores muéstrales son apropiadamente
determinados por la estructura espacial de
correlación establecida en la primera etapa y por la
configuración de muestreo (Petitgas, 1996).

Geoestadística
Análisis Estructural Interpolación (Kriging)
1 2

Análisis Estructural
Semivariograma Experimental Semivariograma Estructural

Historia de la geoestadística
El estudio de fenómenos con correlación
espacial, por medio de métodos geoestadísticos,
surgió a partir de los años sesenta,
especialmente con el propósito de predecir
valores de las variables en sitios no
muestreados.

Como antecedentes suelen citarse trabajos de Sichel
(1947; 1949) y Krige (1951).
El primero observó la naturaleza asimétrica de la
distribución del contenido de oro en las minas
sudafricanas, la equiparó a una distribución de
probabilidad lognormal y desarrolló las fórmulas
básicas para esta distribución. Ello permitió una
primera estimación de las reservas, pero bajo el
supuesto de que las mediciones eran independientes,
en clara contradicción con la experiencia de que
existen “zonas” más ricas que otras.

Una primera aproximación a la solución de este problema
fue dada por G. Krige que propuso una variante del
método de medias móviles, el cual puede considerarse
como el equivalente al krigeado simple que, como se verá
más adelante, es uno de los métodos de estimación lineal
en el espacio con mayores cualidades teóricas.

La formulación rigurosa y la solución al
problema de predicción (estimación en muchos
textos geoestadísticos) vino de la mano de
Matheron (1962) en la escuela de minas de París.
George Matheron fue el fundador de la
Geoestadística.
Georges François Paul Marie Matheron (December 2,
1930 – August 7, 2000) was a
French mathematician and geologist, known as the
founder of geostatistics and a co-founder (together
with Jean Serra) of mathematical morphology.

En los años sucesivos la teoría se fue
depurando, ampliando su campo de validez y
reduciendo las hipótesis necesarias (Samper y
Carrera, 1990). De la minería las técnicas
geoestadísticas, se han "exportado" a muchos
otros campos como hidrología, física del suelo,
ciencias de la tierra y más recientemente al
monitoreo ambiental y al procesamiento de
imágenes de satélite.

1. La palabra “geoestadística” fue inventada por Georges
Matheron en 1962.El prefijo “Geo” alude a las ciencias de
la tierra, que ha sido históricamente la disciplina donde
la geoestadística se ha desarrollado.
2. Los campos de aplicación actuales alcanzan los dominios
más variados, como la evaluación de recursos naturales
(mineros, forestales, gas, petróleo, etc.), ciencias del
suelo y medio-ambientales, topografía, oceanografía,
geofísica, agricultura y análisis de imágenes, por nombrar
algunos.
3. El término “Estadistica” se refiere al uso de herramientas
estadísticas y probabilísticas.
4. Con respecto a la estadística clásica, la geoestadística
busca tomar en cuenta las “dependencias” entre las
observaciones disponibles, considerando que ellas están
ubicadas en el espacio.

Figura. Muestras tomadas en un sector (datos conocidos)

Introducción
La caracterización de los diferentes sectores de un
deposito, de acuerdo a sus atributos geológicos y
estadísticos mas relevantes, así como la discriminación
de poblaciones, de acuerdo a sus litologías,
mineralogías, grados de alteración, y contenidos en
mineral, constituye la fase mas crucial en el análisis
de yacimientos.
Evaluación de recursos y negocios mineros, Edmundo Tulcanaza, 1999.

Introducción
La discriminación de poblaciones geológico
estadísticas, da paso a la delineación de zonas
de mineral con características propias:
1. Zonas intrínsecamente homogéneas constituyen, por lo
general, sectores continuos, extensos y coherentes
muy estrechamente asociados a zoneamientos geológicos
con identidad propia.
2. Zonas geo estadísticamente heterogéneas, conforman
áreas de naturaleza mas bien fraccional, no
consolidadas, las cuales se distribuyen erráticamente
en el espacio.

Discriminación Poblacional
La discriminación poblacional de la información
base tiene por objeto facilitar la delineación
de zonas o campos estacionarios al interior del
deposito de los cuales modelos y parámetros
estadísticos (contenidos medios y varianza) no
sufren cambios significativos con una traslación
espacial.
Su propósito es limitar la extensión espacial de
características locales asociadas a sectores de
naturaleza geo estadísticamente diferente.

Discriminación Poblacional
Figura. Establecimiento de poblaciones para el análisis de clasificación

Variabilidad Espacial
La discriminación de unidades geo estadísticas
dentro de un contexto 3D posibilita la
identificación de uno de los atributos
fundamentales de la mineralización bajo estudio:
Variabilidad espacial.
Figura. Modelo de bloques (variabilidad de las leyes)

Variabilidad Espacial
En un deposito de caliza es importante detectar
la presencia de sectores ricos en SiO2 (oxido de
silicio) de aquellos mas pobres.
Si no hay una definición precisa de las
fronteras de esas unidades, en el espacio, se
corre el riesgo de privilegiar artificialmente
una variabilidad conjunta en el deposito, con lo
cual se tiende a exagerar la homogeneidad de la
mineralización, despreciando la arquitectura
espacial de zonas de distinta naturaleza.

Definiciones:
La información obtenida a partir de trabajos de
exploración posee tres características
esenciales. Esta información es regionalizada,
multivariable y localmente definida.
1. Regionalizada: Significa que la información

esta impregnada de dos características
complementarias: su arquitectura espacial y su
aleatoriedad. El carácter de aleatorio traduce
los aspectos de variabilidad y dispersión,
reflejando así la incertidumbre.

Variable Regionalizada
Consiste en una función numérica que representa
un atributo en cada lugar del espacio, denotada
𝑧(𝑥) donde 𝑥 es la posición. Muchas veces es
difícil determinarla completamente y de forma
exacta, debido a su variabilidad en el espacio.
La ley de metal es un ejemplo de variable
regionalizada.

Definiciones:
2. Multivariable: Significa que la característica
bajo estudio, por ejemplo el contenido en CaO
(oxido de calcio) en un punto de coordenadas
(x, y , z), puede presentarse asociado
localmente a otras características, tales como
los contenidos de SiO2 (oxido de silicio) u
otro.
Ejemplo características
multivariable
Se representa el caso de varios atributos mineralógicos que se
discriminan en grupos, de acuerdo a características similares:
Oxido de manganeso
Oxido de manganeso
Cobalto, Molibdeno, Plomo, Uranio, Renio

Figura. Clasificación de muestras en 4 grupos.
Definiciones:
3. Localmente definida: Significa que el volumen
sobre el cual se estudia o mide el atributo de
interés, ejerce un rol básico en su
caracterización.
Figura. Bloques de un modelo tridimensional (volumen)

Ejemplo del concepto
“localmente definida”
Caso: Efecto del tamaño y posición de bloques en el tonelaje extraíble a
una ley de corte de 10.
Teoría de las Variables Regionalizadas
En términos mineros se define la geo estadística

como la aplicación de la teoría de las variables
regionalizadas a la estimación de las reservas.
“Una variable regionalizada es una función que

representa el desplazamiento en el espacio de
una cierta magnitud asociada a un fenómeno
natural”.

Las variables aleatorias que exhiben relaciones de

estructura en el espacio se denominan variables
regionalizadas.
Las bases y el subsecuente desarrollo teórico, para
la aplicación de las variables regionalizadas a las
ciencias de la tierra, fueron establecidas por
George Matheron, un ingeniero de minas y matemático
francés a principios de los años 60.
Una variable regionalizada es una función que
representa el desplazamiento en el espacio de una
cierta magnitud asociada a un fenómeno natural.
En geo estadística se utiliza la notación

condensada, donde un punto del espacio se
representa por la letra x. La ley en este punto
se representa por z(x). Por consiguiente, z(x=)
puede significar:

Las denominadas variables regionalizadas son

aquellas cuyos valores (realizaciones) están Z(xi) Z(xi+h)
relacionados con ubicaciones precisas en el h
tiempo o espacio (variables geo-
referenciadas).
▪ Z(xi): Variable 1
Es de esperar que dos valores contiguos ▪ Z(xi+h): Variable
Z(xi) y Z(xi+h), separados a una distancia 1 desplazada a
h, estén relacionados entre sí
(autocorrelación), es decir que sus valores una distancia “h”
sean dependientes el uno del otro; esto
debido a que casi siempre toda variable
tiene un patrón de distribución (o
estructura, como se le llama en
geoestadística), ya que nada es al azar en
la naturaleza.

Ej: V.R. Unidimensional

Ej: V.R. Bidimensional

Ej: V.R. Tridimensional

Ej: V.R. no Minera

Los ejemplos anteriores nos muestran que una
variable regionalizada es simplemente una
función z(x) del punto x.
Sin embargo, esta función no se comporta como

las funciones que se estudian en matemáticas:
en general z(x) es muy desordenada en su
variación espacial y no se podrá expresar z(x)
como un polinomio.

Campo y Soporte
1. Se llama campo a la zona en la cual
se estudia la variable regionalizada.
2. El soporte es el volumen de la
muestra. A menudo el soporte es un
cilindro.
3. Z(x) será entonces la ley del volumen
de muestra localizado en el punto x.
4. En el ejemplo N° 4 anterior, el
soporte de la variable regionalizada
z(x) es un cuadrado de lado 100 m.
Campo y Soporte
En general en el estudio de variables
regionalizadas no es bueno mezclar soportes
diferentes.

La Compositación iguala soportes

Objetivos de la Teoría de
Variables Regionalizadas
1. Expresar las características estructurales

mediante una forma matemática adecuada.
2. Resolver, de manera satisfactoria, el problema

de la estimación de una variable
regionalizada a partir de un conjunto de
muestras, asignando errores a las
estimaciones.

Objetivos de la Teoría de
Variables Regionalizadas
Estos dos objetivos están relacionados. El error
de estimación depende de las características
estructurales (continuidad, anisotropías) y se
tendrá un error mayor si la variable
regionalizada es mas irregular y discontinua en
su variación espacial.

El Variograma
La función, que mide el promedio de las discrepacncias cuadráticas
entre valores asociados a un atributo perteneciente a pares de puntos
separados por una distancia cualquiera “h”, se llama variograma.
El variograma se identifica con la expresión Es el
semivariograma sin embargo, el que en la practica
normalmente recibe el nombre de “variograma”.
El Semivariograma
El Semivariograma
El concepto de variabilidad espacial es entendida como la discrepancia en atributos
cualitativos (geológicos) y cuantitativos (estadísticos) entre pares de puntos en el
espacio 3D.
Esta discrepancia es mínima cuando la distancia entre pares de puntos tiende a
cero, y alcanza su máximo valor (meseta) a una distancia “a” conocida como
alcance.
Específicamente mas allá del alcance “a”, la discrepancia entre las características
asociadas con pares de puntos superados por distancias es máxima y se transforma
en “independiente”.
E. Isaaks & R.M. Srivastava (1989),

Características del semivariograma

Características del semivariograma

Efecto pepita

Efecto pepita
Cuando una discontinuidad se
presenta en las vecindades
del origen, reflejando con
esto un traspaso de un cierto
tipo de valores a otro, a una
muy pequeña distancia (como
es el caso de una pepita de
alta ley inserta en una
regionalización de estéril),
se esta en presencia
justamente de un efecto
pepita. Figura. Semivariograma con y sin efecto pepita.

Efecto pepita
1. En un cuerpo masivo, la presencia de venillas
o micro fracturas ricas en mineral puede dar
nacimiento a un efecto de esta naturaleza.
2. En un yacimiento de oro las leyes en mineral

de dos muestras muy vecinas pueden diferir
notablemente si una de esta proporciona por
azar un alto contenido.

Grado de asociación y
Semivariograma
Comportamiento de la variable
en el espacio
Comportamiento de la variable
en el espacio
Semivariogramas Mina Uchucchacua
(Perú)
Se pueden observar diferentes tipos de anisotropías ligadas a la existencia de

direcciones privilegiadas o de zonalidades que pueden en general interpretarse según
criterios geológicos. Se distingue la anisotropía geométrica (los variogramas
difieren solo en el alcance, manteniendo iguales sus mesetas) y la anisotropía zonal
(mesetas diferentes). En este ultimo caso, la continuidad presenta variaciones
importantes en una dirección determinada. La geo estadística aporta así una
herramienta analítica para apoyar algunos estudios relacionados con las
características estructurales de la mineralización.
Ej: Características
estructurales irregulares
Dirección predominante en dirección semi horizontal

Semivariograma Isotropico
“El análisis estructural posee un similar

alcance en las 2 direcciones de búsqueda”.

Semivariograma Isotropico
▪ Es importante señalar que el análisis geológico
es crucial en un estudio geo estadístico.
▪ De este modo, si dos sectores son

geológicamente similares y no existen
características litológicas que los hagan a
ellos diferentes, la continuidad de la variable
bajo estudio debería reflejar a través del
variograma, esa homogeneidad geológica en el
espacio.

Semivariograma Anisotropico
“El análisis estructural posee un alcance de

búsqueda diferente en las 2 direcciones”.

Se denota mayor
continuidad
La anisotropía se caracteriza por un fenómeno que se extiende de

preferencia en ciertas direcciones.

Tipos de Anisotropía
Anisotropía Geométrica Anisotropía Zonal
Variogramas difieren solo en el alcance, Variogramas difieren en la meseta.

manteniendo la misma meseta
La continuidad posee variaciones

importantes en una dirección determinada.

Anisotropía Geométrica
Se produce cuando los diversos variogramas pueden reducirse a un
variograma isotrópico mediante una transformación lineal de las
coordenadas. El caso más común en la práctica es cuando los
variogramas presentan un mismo valor de meseta pero diferentes
alcances:

Anisotropía Zonal
Es aquella en la que el variograma en distintas
direcciones presenta el mismo rango pero diferente sill
(Meseta).

Mapa del variograma
Los valores del variograma experimental en función de la
separación (distancia y orientación). Permite visualizar
las tendencias de las direcciones principales de mayor y
menor continuidad de ésta.

Ejemplo Anisotropía
En el azimut 45º para el vector, se aprecia mayor continuidad

(dirección 2 color azul)
Fenómeno de transición
El traspaso de cierto tipo de valores (esteril o
mineralización tipo A) a otro (mineral o
mineralización tipo B) se refleja también en el
variograma.
Supongamos un manto de mineral. El variograma en la

horizontal (1) será continuo. En cambio en la vertical
(2) será discontinuo.

Fenómeno de transición
En el caso anterior, el espesor del manto, se
puede medir en función de la discontinuidad del
variograma de pasar de una región a otra.

Comportamiento del variograma
en el origen

Interpretaciones del
semivariograma por tamaño de lag
Distancias Pequeñas de Lag (h) Distancias Grandes de Lag (h)

Casos hipotéticos para (h) pequeños



Casos hipotéticos para (h) Grandes



Ejemplo del semivariograma experimental en
una malla regular bidimensional

Variograma resultante

Variograma resultante
Se observa una clara
anisotropía que nos indica
que el fenómeno es mas
regular en la dirección EW
que en la NS.
Esto se puede comprobar al

mirar como varían las leyes
en esas direcciones.

Ejemplo II: Mina de Fierro

Variograma Omnidireccional

Ejercicio Bidimensional Propuesto

Semivariograma de malla irregular
En la siguiente figura se
puede observar un muestreo
en una malla irregular y
la pregunta es ¿Cómo se
calcula el variograma en
este caso?.
En este caso, se propone
la siguiente metodología
de búsqueda de muestras a
considerar:

Pasos para la selección de
muestras:
1. Se define el azimut del vector de

búsqueda.
2. Definición de tolerancia angular ΔƟ
(Angulo que considera incluir datos
válidos para el cálculo).
3. Selección de la distancia del Lag o
Paso.
4. Definición de tolerancia en el Lag(h) o
Paso (Δp). Esta se utiliza para incluir
muestras que se encuentran a distancias
mayores/menores, con respecto al Lag
definido.
5. Ancho de banda horizontal (ΔhH): banda
dentro la cual se consideran válidos
los datos para el cálculo del
variograma; se mide en forma
perpendicular al azimut definido

Tolerancia angular y ancho de banda

Modelo teórico (estructural)

Modelo estructural: Efecto
pepita puro
Este modelo considera ausencia total de
correlación espacial:

Modelo estructural: Esférico
Forma de variograma comúnmente encontrada. El alcance
corresponde al parámetro a, la meseta al parámetro C.

Modelo estructural: Exponencial

Modelo estructural: Gaussiano

Figura. Representación de modelos teóricos

Modelos anidados
Para obtener modelos más complejos, se puede sumar
varios variogramas elementales. En este caso, se habla
de “Variogramas Anidados”. Permite modelar cambios de
pendiente en el variograma.

Consideraciones de ajuste de
los semivariogramas
1. El ajustamiento debe ser lo mejor posible para
los primeros puntos mas conocidos del
semivariograma. Los puntos subsecuentes,
generalmente, fluctúan bastante.
2. No es siempre necesario ajustar todo el
variograma, si no mas bien una porción de el
sobre una distancia que será la distancia de
trabajo.
3. Se ajusta e efecto de pepita por
prolongamiento de los primeros puntos del
semivariograma experimental.

Ajuste de un semivariograma
experimental a uno teórico
Consideremos el siguiente ejemplo de variograma experimental,
calculado a lo largo de las direcciones principales de anisotropía
en el espacio de tres dimensiones.

¿Principales características que se pueden
apreciar del semivariograma experimental?

Antes de ajustar un modelo, empecemos con determinar
(visualmente) las principales características del
variograma experimental:
1. El variograma tiene un efecto pepita de meseta

0.1 aproximadamente.
2. En la primera dirección (D1), el variograma tiene
un alcance cercano a 200m y una meseta cercana a
1.0.
3. En la segunda dirección (D2), el variograma tiene
un alcance cercano a 120m y una meseta cercana a
1.3.
4. En la tercera dirección (D3), el variograma tiene
un alcance cercano a 50m y una meseta cercana a 1.5.
5. En cada dirección, aparte del efecto pepita, el
comportamiento en el origen es lineal, lo que
sugiere utilizar modelos anidados de tipo esférico o
exponencial.

Ajuste teórico
Dado que el modelo será la suma de modelos
básicos (variograma anidado), se va a ir sumando
contribuciones positivas a medida que se agregan
los modelos anidados.
Por esta razón, el modelamiento se realizará

yendo “desde abajo hacia arriba” en el eje de
ordenada correspondiente al variograma.

Ejemplo ajuste estructural del
semivariograma – Fruta del Norte Project


Geoestadística: Análisis espacial de fenómenos

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Geoestadística: Análisis espacial de fenómenos

Cargado por

Copyright:

Formatos disponibles

Geoestadística

1. La geoestadística es una rama de la estadística que

Heber Hernández G. - Nube Minera - 2017

Heber Hernández G. - Nube Minera - 2017

Análisis Estructural Interpolación (Kriging)

Heber Hernández G. - Nube Minera - 2017

Semivariograma Experimental Semivariograma Estructural

Heber Hernández G. - Nube Minera - 2017

Heber Hernández G. - Nube Minera - 2017

Heber Hernández G. - Nube Minera - 2017

Heber Hernández G. - Nube Minera - 2017

Heber Hernández G. - Nube Minera - 2017

Heber Hernández G. - Nube Minera - 2017

Heber Hernández G. - Nube Minera - 2017

Heber Hernández G. - Nube Minera - 2017

Evaluación de recursos y negocios mineros, Edmundo Tulcanaza, 1999.

Evaluación de recursos y negocios mineros, Edmundo Tulcanaza, 1999.

Evaluación de recursos y negocios mineros, Edmundo Tulcanaza, 1999.

Figura. Establecimiento de poblaciones para el análisis de clasificación

Figura. Modelo de bloques (variabilidad de las leyes)

Evaluación de recursos y negocios mineros, Edmundo Tulcanaza, 1999.

1. Regionalizada: Significa que la información

Evaluación de recursos y negocios mineros, Edmundo Tulcanaza, 1999.

Heber Hernández G. - Nube Minera - 2017

Cobalto, Molibdeno, Plomo, Uranio, Renio

Figura. Bloques de un modelo tridimensional (volumen)

En términos mineros se define la geo estadística

“Una variable regionalizada es una función que

Heber Hernández G. - Nube Minera - 2017

Las variables aleatorias que exhiben relaciones de

En geo estadística se utiliza la notación

Heber Hernández G. - Nube Minera - 2017

Las denominadas variables regionalizadas son

Heber Hernández G. - Nube Minera - 2017

Heber Hernández G. - Nube Minera - 2017

Heber Hernández G. - Nube Minera - 2017

Heber Hernández G. - Nube Minera - 2017

Heber Hernández G. - Nube Minera - 2017

Sin embargo, esta función no se comporta como

Heber Hernández G. - Nube Minera - 2017

Heber Hernández G. - Nube Minera - 2017

Heber Hernández G. - Nube Minera - 2017

1. Expresar las características estructurales

2. Resolver, de manera satisfactoria, el problema

Heber Hernández G. - Nube Minera - 2017

Heber Hernández G. - Nube Minera - 2017

E. Isaaks & R.M. Srivastava (1989),

Heber Hernández G. - Nube Minera - 2017

Heber Hernández G. - Nube Minera - 2017

Heber Hernández G. - Nube Minera - 2017

Heber Hernández G. - Nube Minera - 2017

2. En un yacimiento de oro las leyes en mineral

Heber Hernández G. - Nube Minera - 2017

Se pueden observar diferentes tipos de anisotropías ligadas a la existencia de

Dirección predominante en dirección semi horizontal

“El análisis estructural posee un similar

Heber Hernández G. - Nube Minera - 2017

▪ De este modo, si dos sectores son

Heber Hernández G. - Nube Minera - 2017

“El análisis estructural posee un alcance de

Heber Hernández G. - Nube Minera - 2017

La anisotropía se caracteriza por un fenómeno que se extiende de

Heber Hernández G. - Nube Minera - 2017