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).
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.
Heber Hernández G. - Nube Minera - 2017
Historia de la geoestadística 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.
Heber Hernández G. - Nube Minera - 2017
Historia de la geoestadística 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.
Heber Hernández G. - Nube Minera - 2017
Historia de la geoestadística 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.
Heber Hernández G. - Nube Minera - 2017
Historia de la geoestadística 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.
Heber Hernández G. - Nube Minera - 2017
Historia de la geoestadística 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.
Heber Hernández G. - Nube Minera - 2017
Figura. Muestras tomadas en un sector (datos conocidos)
Heber Hernández G. - Nube Minera - 2017
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.
Evaluación de recursos y negocios mineros, Edmundo Tulcanaza, 1999.
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.
Evaluación de recursos y negocios mineros, Edmundo Tulcanaza, 1999.
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.
Evaluación de recursos y negocios mineros, Edmundo Tulcanaza, 1999.
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.
Evaluación de recursos y negocios mineros, Edmundo Tulcanaza, 1999.
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.
Heber Hernández G. - Nube Minera - 2017
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”.
Heber Hernández G. - Nube Minera - 2017
Teoría de las Variables Regionalizadas
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. Teoría de las Variables Regionalizadas
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:
Heber Hernández G. - Nube Minera - 2017
Teoría de las Variables Regionalizadas
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.
Heber Hernández G. - Nube Minera - 2017
Ej: V.R. Unidimensional
Heber Hernández G. - Nube Minera - 2017
Ej: V.R. Bidimensional
Heber Hernández G. - Nube Minera - 2017
Ej: V.R. Tridimensional
Heber Hernández G. - Nube Minera - 2017
Ej: V.R. no Minera
Heber Hernández G. - Nube Minera - 2017
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.
Heber Hernández G. - Nube Minera - 2017
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. Heber Hernández G. - Nube Minera - 2017 Campo y Soporte En general en el estudio de variables regionalizadas no es bueno mezclar soportes diferentes.
Heber Hernández G. - Nube Minera - 2017
La Compositación iguala soportes
Heber Hernández G. - Nube Minera - 2017
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.
Heber Hernández G. - Nube Minera - 2017
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.
Heber Hernández G. - Nube Minera - 2017
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
Heber Hernández G. - Nube Minera - 2017
Características del semivariograma
Heber Hernández G. - Nube Minera - 2017
Efecto pepita
Heber Hernández G. - Nube Minera - 2017
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.
Heber Hernández G. - Nube Minera - 2017
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.
Heber Hernández G. - Nube Minera - 2017
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”.
Heber Hernández G. - Nube Minera - 2017
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.
Heber Hernández G. - Nube Minera - 2017
Semivariograma Anisotropico
“El análisis estructural posee un alcance de
búsqueda diferente en las 2 direcciones”.
Heber Hernández G. - Nube Minera - 2017
Se denota mayor continuidad
La anisotropía se caracteriza por un fenómeno que se extiende de
preferencia en ciertas direcciones.
Heber Hernández G. - Nube Minera - 2017
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.
Heber Hernández G. - Nube Minera - 2017
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:
Heber Hernández G. - Nube Minera - 2017
Anisotropía Zonal Es aquella en la que el variograma en distintas direcciones presenta el mismo rango pero diferente sill (Meseta).
Heber Hernández G. - Nube Minera - 2017
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.
Heber Hernández G. - Nube Minera - 2017
Ejemplo Anisotropía
En el azimut 45º para el vector, se aprecia mayor continuidad
(dirección 2 color azul) Heber Hernández G. - Nube Minera - 2017 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.
Heber Hernández G. - Nube Minera - 2017
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.
Heber Hernández G. - Nube Minera - 2017
Comportamiento del variograma en el origen
Heber Hernández G. - Nube Minera - 2017
Heber Hernández G. - Nube Minera - 2017 Interpretaciones del semivariograma por tamaño de lag
Distancias Pequeñas de Lag (h) Distancias Grandes de Lag (h)
Heber Hernández G. - Nube Minera - 2017
Casos hipotéticos para (h) pequeños
Heber Hernández G. - Nube Minera - 2017
Casos hipotéticos para (h) pequeños
Heber Hernández G. - Nube Minera - 2017
Heber Hernández G. - Nube Minera - 2017 Casos hipotéticos para (h) pequeños
Heber Hernández G. - Nube Minera - 2017
Casos hipotéticos para (h) Grandes
Heber Hernández G. - Nube Minera - 2017
Casos hipotéticos para (h) Grandes
Heber Hernández G. - Nube Minera - 2017
Casos hipotéticos para (h) Grandes
Heber Hernández G. - Nube Minera - 2017
Ejemplo del semivariograma experimental en una malla regular bidimensional
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 Variograma resultante
Heber Hernández G. - Nube Minera - 2017
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.
Heber Hernández G. - Nube Minera - 2017
Ejemplo II: Mina de Fierro
Heber Hernández G. - Nube Minera - 2017
Heber Hernández G. - Nube Minera - 2017 Variograma Omnidireccional
Heber Hernández G. - Nube Minera - 2017
Ejercicio Bidimensional Propuesto
Heber Hernández G. - Nube Minera - 2017
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:
Heber Hernández G. - Nube Minera - 2017
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
Heber Hernández G. - Nube Minera - 2017
Tolerancia angular y ancho de banda
Heber Hernández G. - Nube Minera - 2017
Modelo teórico (estructural)
Heber Hernández G. - Nube Minera - 2017
Heber Hernández G. - Nube Minera - 2017 Heber Hernández G. - Nube Minera - 2017 Modelo estructural: Efecto pepita puro Este modelo considera ausencia total de correlación espacial:
Heber Hernández G. - Nube Minera - 2017
Modelo estructural: Esférico Forma de variograma comúnmente encontrada. El alcance corresponde al parámetro a, la meseta al parámetro C.
Heber Hernández G. - Nube Minera - 2017
Modelo estructural: Exponencial
Heber Hernández G. - Nube Minera - 2017
Modelo estructural: Gaussiano
Heber Hernández G. - Nube Minera - 2017
Figura. Representación de modelos teóricos
Heber Hernández G. - Nube Minera - 2017
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.
Heber Hernández G. - Nube Minera - 2017
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.
Heber Hernández G. - Nube Minera - 2017
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.
Heber Hernández G. - Nube Minera - 2017
¿Principales características que se pueden apreciar del semivariograma experimental?
Heber Hernández G. - Nube Minera - 2017
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.
Heber Hernández G. - Nube Minera - 2017
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.
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 Ejemplo ajuste estructural del semivariograma – Fruta del Norte Project
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