ANALISIS VARIOGRAFICO

MG.ING. ARMANDO CALCINA COLQUI

CONTINUIDAD ESPACIAL
 La mayoría de fenómenos naturales
poseen una continuidad espacial: los datos
contiguos muestran mayor similitud a que
si estos estuvieran alejados. Al observar la
posición de datos se nota que existe un
cierto orden, una cierta continuidad. Así,
un valor pobre tiene a estar situado cerca
de otro valor pobre; y viceversa, un valor
alto tendrá a situarse cerca de otro valor
alto.

Esencialmente existen tres funciones que

resumen la continuidad espacial: el
correlograma ρ(h), la covarianza C(h) y el
variograma (h). todas estas funciones
describen el comportamiento espacial de
la variable regionalizada en función de la
distancia y la dirección. El variograma es el
más utilizado en minería.
 Correlograma

Una primera manera de medir la correlación espacial consiste en calcular el

coeficiente de correlación de las nubes de correlación diferida.

Al reportar el valor de este coeficiente de correlación en función de la distancia de

separación, se obtiene lo que se denomina el correlograma experimental de los datos.
Generalmente, se trata de una función decreciente de la distancia; tiende a cero
cuando ésta se vuelve muy grande.
 Correlograma
Ilustración
 Covarianza
En lugar de visualizar el coeficiente de correlación, se visualiza la covarianza en
función de la distancia de separación.
 Variograma
El variograma experimental se obtiene al visualizar el momento de inercia de
las nubes de correlación diferida (distancia cuadrática promedio a la diagonal
principal) en función de la distancia de separación.

Generalmente, se trata de una función creciente de la distancia; se anula

cuando ésta vale cero.

Existe una relación entre todas las herramientas variográficas. En general, se

prefiere utilizar el variograma en lugar de la covarianza o del correlograma.
 Variograma
Ilustración
 EL VARIOGRAMA
DEFINICIÓN
Esta función define la correlación espacial entre los valores muestreados. El
variograma se obtiene calculando, para cada distancia de separación entre las
muestras en una determinada dirección, la diferencia al cuadrado de los valores de
dichas muestras. Es decir, para cada separación “h” se calcula el valor de *(h).

Siendo la Variable Regionalizada z(x) una realización de una función aleatoria

estacionaria Z(x), por definición de (h):
Donde:
Z(xi) = Muestras localizadas en los puntos xi
Z((xi+h) = Valor de la muestra (V.R) tomada a una distancia “h” de “i”
N(h) = Número de pares de muestras separadas por el vector h.

PROPIEDADES DE LOS VARIOGRAMAS

(0) = 0
(h) ≥ 0
(-h) = (h) es decir que: (z1 – z2)2 = (z2 – z1)2, siendo z1 y z2 los datos de las
muestras 1 y 2 distantes del vector h
 Objetivo del análisis variográfico

Describir las principales propiedades de la distribución espacial de la variable

regionalizada en estudio, más allá de un simple reporte de los valores (perfiles,
mapas).

¿Qué tan continua es la variable en el espacio?

Ejemplos de Construcción de Variogramas
Veamos un ejemplo: sean N datos: z1,z2,…,zN dispuestos regularmente a la
distancia d:
Estos resultados pueden graficarse obteniéndose:
 Ejemplo
Consideremos las siguientes observaciones espaciadas cada 100 m

5 3 6 4 2 1 1 2 4 3 2
1
ˆ (100m)  (2 2  3 2  2 2  2 2  12  0 2  12  2 2  12  12 )  1.45
2  10
1
ˆ (200m)  (12  12  4 2  3 2  12  12  3 2  12  2 2 )  2.39
29

1
ˆ (300m)  (12  12  5 2  3 2  0 2  3 2  2 2  0 2 )  3.06
28
1
ˆ (400m)  (32  22  52  22  22  22  12 )  3.64
27

1
ˆ (500m)  ( 42  22  42  02  12  12 )  3.17
26
 ANALISIS ESTRUCTURAL

Consideremos las siguientes observaciones espaciadas cada 100 m

a) Valores muy regulares y continuos

Es decir que para h pequeño,
(h) tiende a ser cero. En
El comportamiento de las estas condiciones el
variograma muestra un
leyes es tan homogéneo que
comportamiento parabólico
los valores de dos muestras en el origen, mostrando un
distantes entre si por “d” son fenómeno muy regular.
prácticamente las mismas.
b) Continuidad Media:
En un diagrama de leyes (grafico de la izquierda), donde la diferencia de leyes
para dos muestras distantes de “d” es significativa: El variograma
correspondiente, tiene un comportamiento lineal en el origen, poniendo de
manifiesto un fenómeno de cierta regularidad, más o menos estacionaria.
c) Presencia de micro d
b
estructuras:
En este caso, el
variograma registra todas
microvariaciones, tanto a
la escala aproximada “d”
como las variaciones a la
escala “b”.

Existirá un salto de la curva en el

origen, debido a la
microvariabilidad, hasta h = d c0
para luego crecer
moderadamente siguiendo la
variabilidad mayor. d
Si las microestructuras son del orden de decímetros y la estructura
mayor está por las decenas de metros, entonces el variograma tendrá
la apariencia del gráfico adjunto.

A la discontinuidad
aparente que se observa
cerca del origen (debido
a la presencia de
microestructuras) se
conoce como el efecto
pepita C0. Este nombre
c0 singular tiene sus raíces
justamente en los
yacimientos auríferos de
África del Sur.

b 2b 3b
d) Ausencia de Estructura
Este modelo traduce la irregularidad total de un fenómeno. Hay ausencia de
estructura, cualquiera que fuera la escala las leyes de dos muestras son
independientes. γ(h) = 0 para h = 0

El gráfico “Ley” en función de la distancia “x” sería:

Se dice que el variograma presenta

Ley un efecto de pepita puro: γ(h) = 0 y
γ(h) = C para todo h ≠ 0

c0