Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Geoestadística en las
aéreas de Prospección
de Yacimientos, Medio
Ambiente y Modelos de
Elevación.
Victoria Herrera.
4° año, 19 de julio del 2010
1
INTRODUCCIÓN
Las ciencias están divididas en variadas aéreas pero la que nos importa es las
llamadas geociencias, todas ellas tienen como factor común el estudio de fenómenos con
variables que se encuentran distribuidas espacialmente. Es por ello que se ha vuelto una
necesidad tener procedimientos geoestadísticos de estimación o simulación para poder
estudiarlos.
Esta se desarrolla y consolida en los últimos 30 años como ciencia aplicada y que
da respuesta a necesidades prácticas y concretas.
2
GEOESTADÍSTICA
Desde hace décadas que la revolución tanto científica como tecnológica a crecido
bruscamente, lo que ayuda notablemente a aumentar el ritmo de extracción y utilización
de la materia prima mineral y en todo lo relacionado con la minería, en la actualidad no es
en la única área en que se a aplicada la Geoestadística, mas adelante se hablara de otras
áreas en que ha sido utilizada esta ciencia aplicada.
Algunos ejemplos de datos que pueden ser tratados con esta metodología son: Niveles de
un contaminante en diferentes sitios de una parcela, contenidos auríferos de una mina,
valores de precipitación en diferentes estaciones meteorológicas 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 Geoestadística el propósito esencial es la interpolación y si no
hay continuidad espacial pueden hacerse predicciones carentes de sentido. Por ejemplo
si la variable medida es producción de café, hacer interpolación espacial y realizar un
mapa de distribución de la producción puede ser carente de sentido porque podrían
hacerse predicciones sobre áreas urbanas o no cultivadas con café. Además de lo
anterior las mediciones, no obstante sean georreferenciadas, corresponden a una
agregación espacial (finca) más que a un punto del espacio
3
espaciales. Es importante reconocer cuando la información georreferenciada es
susceptible de ser analizada por medio de dicha metodología.
4
1.- que el estimador sea insesgado. E[Z* - Z] = 0, y
Una variable aleatoria puede tomar cualquier valor dentro de un rango determinado. Esta
es la característica fundamental que distingue a este tipo de variable, además de su valor,
una posición en el espacio, hecho éste al que Matheron denominó Variable Aleatoria
Regionalizada, la cual está presente en la mayor parte de los estudios geológicos y
fenómenos naturales. Plantea que la variable distribuida en el espacio es puramente
descriptiva y envuelve una interpretación probabilística, refiriéndose a que, desde el punto
de vista matemático una variable regionalizada es simplemente una función 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 varíen tan irregularmente en el espacio
que impide un estudio matemático directo, y se hace necesario realizar un análisis de
variabilidad de la información disponible, sugiriendo un estudio profundo de la función
variograma como veremos más adelante. Al extender el concepto de función aleatoria al
espacio de una o más dimensiones, aparece la noción 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 están 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 geográficas, y Z la variable en cada una de ellas).
5
Conocimiento Del Problema
Antes del estudio geoestadísticos hay que conocer todos los elementos que
aporten al problema, la estructura geológica en que se desarrolla la mineralización o el
fenómeno en estudio, organización y muy importantes es la verificación de la información
disponible y finalmente realizar el análisis exploratorio de los datos.
7
PROSPECCIÓN MINERA
Existen dos formas de realizar el cálculo de reservas, los métodos clásicos y los
modernos. Como clásicos se pueden nombrar, el de “Bloques Geológicos” y el de
“Perfiles Paralelos”, éstos se caracterizan por el uso de valores medios o media
ponderadas de los contenidos de la exploración en bloques definidos convenientemente.
Estos métodos son eficientes cuando la información disponible presenta determinada
regularidad, pero en la práctica, la gran cantidad de formas de los datos ha llevado a la
utilización de técnicas matemáticas y estadísticas para resolver un único problema,
estimar valores desconocidos a partir de los conocidos, para la estimación y
caracterización de los recursos y reservas. Se usan técnicas de regresión y correlación,
siendo resultado de la aplicación de la teoría de funciones aleatorias al reconocimiento y
estimación de fenómenos naturales En los últimos años muchas investigaciones se han
desarrollado con este fin. Claro está, no existe un método por muy sofisticado que sea,
que permita obtener resultados exactos.
8
GEOESTADÍSTICA APLICADA A LA EXPLORACIÓN GEOQUÍMICA MINERA
Los datos reales del análisis 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 específico solo se
utilizaran seis parámetros (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
distribución sobre líneas con distanciamiento de 50 metros y con separación de cada
punto a 25 metros de forma tentativa.
11
restringe el área total, para la programación de estudios Geofísicos a detalle y
barrenación exploratoria, estas técnicas permitirán conocer el comportamiento de la
mineralización a profundidad, con lo cual se podrá obtener un volumen estimado y
concentraciones de los elementos de interés económico, dentro de la evaluación
geológico-económico para el yacimiento mineral.
MEDIO AMBIENTE
La variabilidad de las propiedades del suelo de un punto a otro del paisaje tiene
orígenes diversos, pudiendo provenir bien de las características inherentes a los procesos
12
de formación predominantes, o bien de los factores de formación, es decir, la litología, el
clima, la topografía, la actividad biológica y la acción humana. Algunos de los procesos y
factores de formación que inducen la variación espacial afectan a pequeños volúmenes
de suelo e introducen heterogeneidad en distancias cortas; otros, por el contrario,
provocan dependencia espacial de más largo alcance. Aunque la formación del suelo
pueda ser descrita en términos deterministas, no obstante, los modelos operativos que
desde el punto de vista de la Geoestadística se usan para describir las propiedades del
mismo se basan en la aparente aleatoriedad de la variabilidad espacial (Webster, 2000;
Ulloa Guitián, 2002).
Aplicación de la Geoestadística al estudio de las propiedades del suelo.
Se resumen los parámetros de los modelos teóricos 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
autocorrelación, pero no así la arcilla. El semivariograma del contenido en arcilla presentó
un efecto pepita puro; esto equivale a decir que la semivarianza se mantiene constante y
próxima a la varianza muestral para sucesivas distancias. Este resultado significa que
dicha propiedad, el contenido en arcilla, muestra una ausencia total de autocorrelación a
la escala estudiada y se comporta como una función aleatoria, es decir, que los valores de
dos puntos próximos no se parecen más que los de otros que están a mayor distancia, y
según la Estadística Clásica, el mejor estimador de esta propiedad en un punto del área
sería la media aritmética.
13
(C0=efecto pepita; C0+C1=meseta; %C0=porcentaje del efecto pepita respecto a la meseta; a=alcance (en m);
VM=varianza muetral–factor de escala–; WSS=suma de cuadrados ponderados; ECM=error cuadrático medio;
ECMA= error cuadrático medio adimensional; vec.=nº de vecinos recomendado para el krigeado).
14
En la Figura se presentan los mapas obtenidos por krigeado puntual, krigeado por
bloques y simulación condicionada para el contenido en limo. Para interpretar los
resultados hay que tener en cuenta que, contrariamente a la que ocurre con la simulación,
el krigeado permite obtener un mapa de los errores de estimación o errores de
interpolación; dicho mapa puede ser utilizado para evaluar la incertidumbre de las
predicciones efectuadas. Por el contrario, la simulación condicionada, que en este trabajo
se llevó cabo mediante 100 realizaciones individuales, no proporciona información sobre
la incertidumbre de los valores estimados.
15
Tanto la interpolación por krigeado como la simulación requiere el análisis previo de la
dependencia espacial, y la elaboración de un modelo de semivariograma teórico que se
ajuste a los datos, dicho de otro modo, el krigeado y la simulación condicionada se
pueden utilizar si existe autocorrelación espacial. Además, los resultados obtenidos por
estos métodos son más precisos cuando los datos analizados se ajustan a una
distribución normal. En definitiva, como método de interpolación, la simulación condicional
gaussiana presenta, en relación 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 simulación con la estimación de los errores de krigeado se debe de obtener la ventaja
de conocer simultáneamente la variabilidad real de la propiedad estudiada junto a la
incertidumbre de la estimación.
Los mapas de distribución del contenido en limo obtenidos por krigeado puntual y
krigeado por bloques son prácticamente similares en la cuenca de Pelamios. Entre ambos
mapas existen pequeñas diferencias en cuanto a los valores máximos y mínimos; sin
embargo, estas diferencias prácticamente nunca son apreciables a simple vista, de modo
que a efectos prácticos resulta una superposición total de los resultados de interpolación
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 pequeña dimensión de
los bloques utilizados, de 5x5 m, con frecuencia menor que la distancia mínima entre
pares de puntos vecinos y b) la magnitud relativamente importante del efecto pepita.
16
MODELOS DIGITALES DE ELEVACIÓN (MDE)
17
Importancia del análisis estadístico exploratorio en el proceso de interpolación
espacial: caso de estudio Reserva Forestal Valdivia
Respecto a la tendencia central de los datos, donde para una distribución normal
la relación mediana/media alcanza el valor 1, se observa que para la altitud y área 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 sí solo no es suficiente para decidir si los
datos presentan o no una distribución normal. Este aspecto será retomado en la
discusión.
18
Con relación a la variabilidad de los datos respecto a su tendencia central, se
observa que la altitud presenta menos variabilidad que el área basal (coeficiente de
variación de 26,7% y de 41,3% respectivamente). Este hecho puede ser explicado por las
características naturales de los atributos o por problemas de representatividad de los
datos.
Conclusión proyecto: Con este estudio se ha mostrado que con el análisis estadístico
exploratorio es posible describir la estructura espacial de los atributos altitud y área basal,
lo que puede ser extensivo a otros del ámbito de recursos naturales. Además, ha
permitido la verificación de los supuestos básicos para una interpolación (existencia de
dependencia espacial) y, por otro lado, ha ayudado a la detección de problemas de
representatividad de los datos. Finalmente, el análisis estadístico exploratorio se ha
definido como un conjunto de herramientas del ámbito univariado y espacial, de fácil
implementación e interpretación, que es la primera etapa para la obtención de buenos
resultados en cualquier proceso de interpolación espacial.
19
CONCLUSIÓN
BIBLIOGRAFÍA
• http://www.ciget.pinar.cu/No.%202000-2/GEOESTADISTICA.htm
20