Mono 200967371

UNIVERSIDAD AUTÓNOMA GABRIEL RENÉ MORENO
FACULTAD DE CIENCIAS EXACTAS Y TECNOLOGÍA

CARRERA DE INGENIERÍA CIVIL
EXAMEN DE GRADO
A TRAVÉS DE CURSOS DE CAPACITACIÓN PROFESIONAL
GESTIÓN Y ANÁLISIS ESPACIAL DE DATOS GEOTÉCNICOS PARA LA

CARACTERIZACIÓN DEL SUELO DE SANTA CRUZ DE LA SIERRA
Presentado por:
Jhon Petter Virgós De los Ríos
Santa Cruz de la Sierra, Bolivia

2023
DEDICATORIA
Este trabajo está dedicado a:

La belleza de las matemáticas, la profundidad de la
filosofía y la expresión del arte.
AGRADECIMIENTOS
Un agradecimiento especial a mis padres, Emilio y Gladys, y a toda mi familia por su apoyo.
A la Universidad Autónoma Gabriel René Moreno y al laboratorio de Ingeniería Civil,

Docentes y Compañeros, por el ambiente y las herramientas académicas proporcionadas para
desarrollar este trabajo.
Agradecer especialmente a Paul Chávez, que colaboró en la revisión de este trabajo.
En resumen, mi gratitud a todos los que contribuyeron de alguna manera a la realización de

esta monografía.
i
RESUMEN
Este estudio se enfoca en describir las prácticas que puedan mejorar la recopilación,
almacenamiento y análisis de datos geotécnicos para su aplicación en proyectos de ingeniería.
Comenzamos explorando la geotecnia y su importancia en proyectos de construcción, así
como las técnicas de organización y análisis de datos geotécnicos. Luego, en la sección de
análisis espacial de datos, se presentan técnicas estadísticas que permiten explorar y analizar
datos para realizar predicciones en áreas sin observaciones directas.
Para ejemplificar estas técnicas, presentamos un caso de aplicación centrado en la

caracterización de datos geotécnicos. Utilizamos un conjunto de ensayos SPT para analizar las
relaciones espaciales en la distribución de granulometría e índices de plasticidad en diversas
profundidades, lo que nos permite estimar estos valores en ubicaciones de interés y
caracterizar el suelo en esas áreas específicas.
El estudio concluye con una propuesta para establecer un sistema de registro

geotécnico en Santa Cruz. Este sistema tiene como objetivo principal mejorar la comprensión
de las características geotécnicas de la región, optimizar futuros estudios geotécnicos,
respaldar la planificación y construcción de proyectos, fomentar la investigación académica en
geotecnia y contribuir al desarrollo urbano sostenible al proporcionar información valiosa
sobre el suelo de la ciudad, lo que promovería una construcción más segura y un uso más
eficiente del espacio.
ii
ÍNDICE DE CONTENIDO
DEDICATORIA............................................................................................................................
AGRADECIMIENTOS.................................................................................................................
RESUMEN................................................................................................................................... i
ÍNDICE DE CONTENIDO.........................................................................................................ii
ÍNDICE DE FIGURAS..............................................................................................................iii
1 INTRODUCCIÓN....................................................................................................................1
2 ANTECEDENTES Y PLANTEAMIENTO DEL PROBLEMA.............................................1
3 OBJETIVOS.............................................................................................................................2
3.1 Objetivo general.............................................................................................................. 2
3.2 Objetivos específicos.......................................................................................................2
4 JUSTIFICACIÓN.....................................................................................................................3
4.1 Justificación Social.......................................................................................................... 3
4.2 Justificación Económica.................................................................................................. 3
4.3 Justificación Técnica....................................................................................................... 3
4.4 Justificación Ambiental................................................................................................... 4
5 DESCRIPCIÓN DEL PROBLEMA........................................................................................ 4
6 GEOTECNIA........................................................................................................................... 5
6.1 Geotecnia en Proyectos de Construcción........................................................................ 6
6.2 Parámetros geotécnicos................................................................................................... 6
6.3 Suelos y Rocas.................................................................................................................7
6.3.1 Suelos..................................................................................................................... 8
6.3.2 Rocas...................................................................................................................... 9
6.4 Caracterización Geotécnica........................................................................................... 10
6.5 Sistema Unificado de Clasificación de Suelos (SUCS).................................................11
7 GESTIÓN DE DATOS GEOTÉCNICOS.............................................................................. 12

ii
7.1 Gestión de datos geotécnicos.........................................................................................12

7.1.1 Organización de datos.......................................................................................... 14
7.1.2 Almacenamiento de datos.....................................................................................14
7.1.3 Análisis de datos...................................................................................................15
8 ANÁLISIS ESPACIAL DE DATOS...................................................................................... 17

8.1 Análisis exploratorio de datos (AED)........................................................................... 18
8.1.1 Estadísticas Descriptivas...................................................................................... 20
8.1.2 Gráficos Descriptivos........................................................................................... 22
8.2 Análisis Estructural....................................................................................................... 25
8.2.1 Correlación y Autocorrelación............................................................................. 26
8.2.2 Patrones de Dispersión......................................................................................... 26
8.2.3 Semivariograma....................................................................................................27
8.2.3.1 Gráfico de Semivariograma.........................................................................27
8.2.3.2 Procedimiento para construir un Semivariograma Experimental................28
8.2.3.3 Selección de un Semivariograma Teórico................................................... 29
8.2.3.4 Ejemplo de construcción de un Semivariograma........................................ 30
8.3 Predicción Espacial....................................................................................................... 33
8.3.1 Interpolación por vecino más cercano.................................................................. 33
8.3.2 Interpolación por inverso de la distancia ponderada............................................ 33
8.3.3 Interpolación por Kriging..................................................................................... 33
9 EJEMPLO DE APLICACIÓN.............................................................................................. 35
9.1 Análisis Exploratorio de Datos (AED)..........................................................................37
9.1.1 Visualización Espacial..........................................................................................37
9.1.2 Distribución de Granulometría............................................................................. 37
9.1.3 Curvas de Granulometría por Profundidad...........................................................37
9.1.4 Cuadro de Plasticidad de los Datos...................................................................... 47
9.2 Análisis Estructural....................................................................................................... 48
9.2.1 Matriz de Correlación entre Variables.................................................................. 48
9.2.2 Semivariograma....................................................................................................49
ii
9.3 Predicción Espacial....................................................................................................... 51
10 PROPUESTA DE UN SISTEMA DE REGISTRO GEOTÉCNICO EN LA CIUDAD DE

SANTA CRUZ.......................................................................................................................... 61
10.1 Características Geológicas y Geotécnicas de Santa Cruz de la Sierra........................ 61
10.2 Contexto y necesidad de gestión de datos geotécnicos............................................... 61
10.3 Metodología.................................................................................................................63
10.3.1 Recopilación de Datos Geotécnicos................................................................... 63
10.3.2 Almacenamiento de Datos Geotécnicos............................................................. 63
10.3.3 Desarrollo de Plataforma online para usuarios...................................................64
10.3.4 Capacitación y Soporte Técnico......................................................................... 65
10.4 Estrategias para Fomentar la Colaboración Institucional............................................ 65
10.5 Beneficios del Sistema de Registro Geotécnico.......................................................... 66
10.6 Consideraciones Éticas................................................................................................ 67
11 CONCLUSIONES Y RECOMENDACIONES................................................................... 68
11.1 Conclusiones................................................................................................................68
11.2 Recomendaciones........................................................................................................ 68
12 OPINIÓN PERSONAL........................................................................................................ 69
13 REFERENCIAS BIBLIOGRÁFICAS................................................................................. 70
14 ANEXOS.............................................................................................................................. 71
iii
ÍNDICE DE FIGURAS
Figura 1. Formas de Distribuciones de datos………………………….….…………………... 19

Figura 2. Estadísticas descriptivas, media, mediana y moda.………………………………... 20
Figura 3. Gráficos descriptivos.………………………….…………………………………... 24
Figura 4. Características de un diagrama de cajas………………………….………………... 25
Figura 5. Patrones de dispersión de datos………………………………………………..…... 26
Figura 6. Gráfico de Semivariograma………………………….………………………...…... 27
Figura 7. Modelos de Semivariogramas teóricos………………………….……………..…... 30
Figura 8. Ejemplo de construcción de un Semivariograma……………………………...…... 32
Figura 9. Resumen del conjunto de datos [‘A’, ‘B’, ‘C’].………………………………..…... 35
Figura 10. Conjunto de datos [‘A’, ‘B’, ‘C’]. Ensayo: [‘SPT’].………………………….…... 36
Figura 11. Gráficos de ubicación y perfil estratigráfico. Pozos: [‘A’, ‘B’, ‘C’].……………... 38
Figura 12. Curva de Granulometría. Pozos: [‘A’, ‘B’, ‘C’].………………………….…..…... 39
Figura 13. Distribución de Probabilidad - Granulometría. Pozos: [‘A’, ‘B’, ‘C’].……….…... 40
Figura 14. Curva de Granulometría. Pozos: [‘A’, ‘B’, ‘C’]. Profundidad: [1] m.………..…... 41
Figura 20. Cuadro de Plasticidad. Pozos [‘A’, ‘B’, ‘C’], Profundidad: [1-8] m………...…... 47
Figura 21. Matriz de Correlación. Pozos [‘A’, ‘B’, ‘C’], Profundidad: [1-8] m………...…... 48
Figura 22. Semivariograma, Variable: [‘0.075mm’], Profundidad: [1] m……………….…... 50
Figura 23. Interpolación Kriging. Variable: [‘0.075mm’], Profundidad: [1-6] m..…………... 52
Figura 24. Curva de Granulometría, Estimación: [‘Xi’], Profundidad: [1] m………………... 53
iii

Figura 30. Perfil Estratigráfico, Estimación: [‘Xi’], Profundidad: [1-6]m……………...…... 59
Figura 31. Mapa de Zonificación, Parámetro: [‘SUCS’], Profundidad: [1] m……..........…... 59
Figura 32. Mapas de Zonificación, Parámetro: [‘SUCS’], Profundidad: [1-6] m..…………... 60
Figura 33. Mapas geológicos de América del Sur y Santa Cruz……………………………... 62
1
1 INTRODUCCIÓN
La geotecnia se enfoca en comprender las propiedades y el comportamiento de los

suelos y rocas bajo diversas cargas y condiciones. En proyectos de construcción, una
investigación geotécnica previa es esencial para planificar y ejecutar cimientos de manera
segura y evitar problemas asociados a la inestabilidad y asentamientos inesperados, que ponen
en peligro tanto la seguridad de las estructuras como la de las personas.
Esta investigación se centra en la gestión de datos geotécnicos, generados a partir de

diversas pruebas realizadas al suelo para evaluar los parámetros geotécnicos utilizados en la
construcción. Estos datos proporcionan información sobre la capacidad de carga, estabilidad y
respuesta del suelo a fuerzas externas, factores que determinan la selección de materiales y
métodos constructivos más adecuados. En este contexto la infraestructura juega un papel
importante en el desarrollo urbano y la seguridad pública, este estudio se propone analizar la
importancia de administrar estos datos de manera eficiente y explorar herramientas que
contribuyan a una planificación y ejecución más efectiva de proyectos que dependen de esta
información.
2 ANTECEDENTES Y PLANTEAMIENTO DEL PROBLEMA
Los avances tecnológicos han desempeñado un papel importante en el avance de

nuestra comprensión de las propiedades del suelo. La creación de instrumentos más precisos
para la obtención de datos, junto con la capacidad de almacenar, procesar y analizar grandes
conjuntos de datos han transformado la forma que exploramos y aprovechamos esta
información.
Sin embargo, uno de los desafíos que se tiene cuando estudiamos el suelo radica en la
limitada información que se dispone, en parte debido a los costos asociados con la realización
de estudios de suelos. Existe también un riesgo de no recopilar suficiente información cuando
no se cuenta con puntos de referencia o antecedentes que indiquen qué aspectos del suelo son
más críticos o relevantes en una determinada área. En otras palabras, la falta de un registro
histórico o de referencia hace que la recopilación de nueva información sea más "a ciegas" y
2
dificulta identificar dónde se deben enfocar los esfuerzos de recopilación de datos y qué
características del suelo son las más importantes para estudiar.
En los últimos años, la actividad constructiva en la ciudad de Santa Cruz de la Sierra

ha generado una gran cantidad de información geotécnica valiosa para proyectos futuros. Sin
embargo, el aprovechamiento integral de esta información enfrenta desafíos debido a la
dispersión de estos datos en diversos formatos y ubicaciones. En esta investigación se plantea
recopilar, estandarizar y centralizar estos datos para una gestión integral, que permita su uso
en futuros proyectos de la región.
3 OBJETIVOS
3.1 Objetivo general
Evaluar la eficacia de la gestión y el análisis espacial de datos geotécnicos para la

caracterización del suelo en Santa Cruz de la Sierra, con el propósito de mejorar la calidad de
la información utilizada en proyectos de construcción.
3.2 Objetivos específicos
a. Describir métodos y prácticas de gestión de datos geotécnicos aplicados a la

caracterización del suelo en la región de Santa Cruz de la Sierra.
b. Describir técnicas y métodos utilizados en el análisis espacial de datos geotécnicos

para comprender su aplicabilidad y ventajas en el contexto de la construcción.
c. Proponer un Sistema de Registro Geotécnico específico para Santa Cruz de la Sierra,

que permita la recolección, organización y análisis efectivo de datos geotécnicos.
3
4 JUSTIFICACIÓN
Comprender el comportamiento del suelo orienta la selección adecuada de

cimentaciones y métodos de construcción que garanticen la seguridad y estabilidad de las
estructuras. Además, la disponibilidad de datos geotécnicos beneficia en múltiples áreas:
4.1 Justificación Social
Facilita la identificación de áreas con suelos apropiados para proyectos de

construcción, mejora la planificación urbana al permitir un mejor uso del espacio y contribuye
a la seguridad pública al proveer información que evita la construcción de infraestructura que
sobrepase las capacidades del suelo y detectar zonas con riesgos geológicos.
4.2 Justificación Económica
El acceso a datos geotécnicos cercanos al sitio donde se planea construir permite

planificar mejor la cantidad y ubicación de los puntos de muestreo óptimos estimados para
futuras exploraciones geotécnicas, así como relevar las características más relevantes del suelo
de la región, reduciendo los costos relacionados con los estudios de suelo y modificaciones
posteriores en los proyectos de construcción futuros.
4.3 Justificación Técnica
La integración de datos geotécnicos de diversas fuentes y ensayos proporciona una

visión completa de las propiedades del suelo. Esto, junto con herramientas de análisis y
visualización, facilita la identificación temprana de problemas durante las etapas de
construcción y operación, mejorando la toma de decisiones y la prevención de inconvenientes
en el desarrollo del proyecto.
4
4.4 Justificación Ambiental
Conocer las características del suelo de una región contribuye en la planificación de

proyectos de construcción y desarrollo urbano, permitiendo una selección más adecuada de
materiales y técnicas constructivas, optimizando el uso de recursos y espacios. Esto promueve
la reducción de la huella ambiental de las obras y una gestión más sostenible de los recursos
naturales, manteniendo la integridad del entorno natural.
5 DESCRIPCIÓN DEL PROBLEMA
En la ciudad de Santa Cruz, a lo largo de los años, se ha generado una cantidad

significativa de datos geotécnicos derivados de diversos estudios de suelo realizados en toda la
ciudad. Sin embargo, este valioso recurso se encuentra disperso en diversos formatos y
ubicaciones, lo que dificulta su acceso y uso.
Esta dispersión y falta de estandarización representan un desafío para la comprensión

completa de las características del suelo en diferentes áreas urbanas. Además, existe el riesgo
de no recopilar información suficiente cuando no se dispone de puntos de referencia o
antecedentes que orienten la recopilación de nuevos datos, lo que a su vez conlleva a una
recopilación menos precisa y dificulta la identificación de las áreas y características del suelo
más relevantes para el estudio. Estos obstáculos son especialmente notables en proyectos de
gran envergadura e infraestructura que abarcan múltiples ubicaciones, donde la falta de una
visión integral de las condiciones geotécnicas puede resultar en decisiones ineficientes y
evaluaciones de riesgos inadecuadas.
5
6 GEOTECNIA
La geotecnia es una disciplina en la ingeniería que estudia las propiedades del suelo y
su aplicación en proyectos de construcción. Desde viviendas, caminos y edificios hasta
complejas infraestructuras como puentes, presas y túneles. Su objetivo principal es
comprender la interacción entre el suelo y las estructuras, en esta interacción el suelo actúa
como soporte y transmite las cargas, distribuyendolas gradualmente hacia capas más
profundas de la Tierra.
Las cargas se transmiten a través del suelo principalmente por dos mecanismos:
compresión y fricción. La compresión ocurre cuando las partículas del suelo son comprimidas
bajo la carga, lo que provoca una redistribución de las fuerzas en el suelo. La fricción, por otro
lado, se refiere a la resistencia que ofrece el suelo al movimiento de las partículas. Ambos
mecanismos juegan un papel crucial en la transmisión de cargas y en la capacidad del suelo
para soportar estructuras.
La capacidad del suelo para soportar estructuras se determina a través de una serie de
estudios y pruebas geotécnicas. Todo comienza con la caracterización del suelo, que implica
recopilar datos y llevar a cabo pruebas de campo y ensayos de laboratorio. Durante este
proceso de caracterización, se obtienen propiedades como granulometría, plasticidad,
permeabilidad y otros parámetros que permiten clasificar el suelo. Utilizando esta información
y considerando factores como resistencia al corte, ángulo de fricción interna, cohesión y
profundidad del estrato del suelo, entre otros, se calcula la capacidad de carga del suelo.
En las siguientes secciones de este capítulo, exploraremos las diferencias y similitudes

entre suelos y rocas, describiremos los parámetros geotécnicos relevantes en el proceso de
caracterización y clasificación del suelo, y examinaremos aplicaciones prácticas de la
geotecnia en proyectos de construcción.
6
6.1 Geotecnia en Proyectos de Construcción
En proyectos de construcción, la geotecnia evalúa la idoneidad del terreno para

soportar una estructura específica. Este campo abarca una amplia gama de actividades, que
van desde la caracterización de propiedades del suelo, como composición y densidad, hasta el
diseño de cimentaciones capaces de resistir asentamientos excesivos. Comprender el
comportamiento del suelo es esencial en cualquier proyecto de construcción, ya que permite
estimar cómo reaccionará el suelo durante y después de la edificación, evitando problemas
que puedan poner en peligro la estabilidad y seguridad de las estructuras. En resumen, el suelo
es la base de prácticamente todos los proyectos de construcción, y en algunos casos, incluso se
utiliza como material de construcción en sí (como en diques, terraplenes, carreteras, etc.)
Es importante tener en cuenta que no todos los tipos de suelo reaccionan de la misma
manera frente a las condiciones impuestas por una construcción o el entorno circundante. Esto
se debe a las diferencias en tipos de suelos, su estructura, origen, composición y su historia
geológica.
6.2 Parámetros geotécnicos
En esta sección, exploraremos los parámetros geotécnicos, que son propiedades de los suelos
y las rocas utilizadas en la ingeniería para evaluar la capacidad de carga del suelo, la
estabilidad de las estructuras y la mitigación de riesgos geotécnicos.
● Granulometría: Se refiere a la distribución de tamaños de partículas en el suelo. La

granulometría afecta directamente la permeabilidad y la compacidad del suelo, lo que a
su vez influye en su capacidad de drenaje y su resistencia a las cargas. Los métodos de
análisis de granulometría, como el tamizado y la sedimentación, permiten conocer la
composición de partículas en un suelo.
● Plasticidad: Es una propiedad relacionada con la capacidad del suelo para cambiar de
forma sin romperse. Se determina a través de ensayos como el límite líquido y el límite
plástico. La plasticidad influye en la compactación de los suelos, su resistencia al corte
y su comportamiento en condiciones de carga.
7
● Compresibilidad y Contracción: Se refiere a la capacidad del suelo para reducir su

volumen bajo cargas aplicadas. Por otro lado, la contracción se relaciona con la
pérdida de humedad y el encogimiento del suelo. Ambos parámetros son importantes
en la evaluación de asentamientos y deformaciones en estructuras.
● Cohesión y Ángulo de Fricción: La cohesión y el ángulo de fricción interna son
parámetros que describen la resistencia del suelo a las cargas. La cohesión se refiere a
la fuerza de unión entre partículas de suelo, mientras que el ángulo de fricción interna
describe la resistencia interna del suelo al deslizamiento.
● Permeabilidad: La permeabilidad se relaciona con la capacidad del suelo para
permitir el flujo de agua a través de él. Este parámetro es esencial en la gestión de
aguas subterráneas, diseño de sistemas de drenaje y en la evaluación de riesgos de
inundaciones.
● Resistencia al corte: Es un parámetro que permite evaluar la estabilidad de taludes,
cimentaciones y muros de contención. Se mide mediante ensayos de laboratorio, como
el ensayo de corte directo o el ensayo de corte triaxial.
● Consolidación y Compresión: La consolidación y la compresión se refieren a la
respuesta del suelo a cargas aplicadas a lo largo del tiempo. Estos parámetros son
fundamentales para comprender los asentamientos del suelo y se utilizan en el diseño
de estructuras para minimizar efectos perjudiciales.
● Relaciones de Esfuerzo-Deformación: Las relaciones de esfuerzo-deformación
describen cómo el suelo responde a las cargas aplicadas. Estas relaciones sirven para
predecir el comportamiento de las estructuras bajo diferentes condiciones de carga y
para garantizar la seguridad y la durabilidad de las mismas.
6.3 Suelos y Rocas
En esta sección, se aborda de manera general la distinción entre suelos y rocas. La

razón principal de esta distinción es debido a las diferencias significativas en sus propiedades
y comportamientos bajo cargas. Si bien es cierto que ambos se componen de partículas
minerales, materia orgánica, agua y aire, las rocas se caracterizan por ser materiales
consolidados, lo que les otorga rigidez y resistencia, mientras que los suelos son no
8
consolidados, lo que los hace más comprensibles y deformables. Comprender las diferencias y
similitudes entre estos materiales es importante para su aplicación en proyectos de
construcción y diseño de cimentaciones. Para una comprensión más profunda, exploraremos
cómo se forman estos materiales y las propiedades físicas y mecánicas que los distinguen.
6.3.1 Suelos
Los suelos son materiales no consolidados que se originan a partir de la

descomposición física y química de las rocas a lo largo de extensos períodos geológicos. Están
compuestos por partículas minerales, materia orgánica, agua y aire. La formación de suelos es
el resultado de procesos naturales como la meteorización, la actividad biológica y la erosión,
que transforman las rocas en partículas más pequeñas y las mezclan con materia orgánica.
Comparados con las rocas, los suelos son menos densos y cohesivos. Presentan una
mayor porosidad, lo que les confiere una capacidad superior para retener agua. Debido a su
falta de consolidación, los suelos son más compresibles y deformables bajo cargas. Algunas
de las características más notables de los suelos son:
● Granulometría: Refleja la distribución de tamaños de partículas en el suelo y afecta

propiedades como la permeabilidad y la compactación. Suelos con partículas finas,
como arcilla, pueden retener agua más fácilmente, lo que los hace menos permeables.
● Plasticidad: Determina la capacidad del suelo para cambiar de forma bajo presión,
esta característica influye en su resistencia a la deformación. Suelos plásticos, como la
arcilla, son más propensos a la compresión y al asentamiento.
● Compresibilidad: Mide la respuesta del suelo a la compresión bajo carga para evaluar
asentamientos. Los suelos compresibles pueden experimentar asentamientos más
significativos bajo cargas.
● Coherencia: Se refiere a la capacidad del suelo para mantener su forma y resistir la
deformación bajo una carga aplicada. La coherencia se relaciona con la firmeza del
suelo, su capacidad para mantenerse unido y su resistencia a la deformación. Puede ser
influenciada por la cohesión, pero también por otros factores, como la fricción entre
9
partículas. Suelos coherentes, como la arcilla, pueden soportar cargas, pero también
pueden sufrir deformaciones si se excede su capacidad
● Permeabilidad: Indica la capacidad del suelo para permitir el flujo de agua. Esta
característica es útil para aplicaciones de drenaje y cimentaciones cuando se requiere
transportar el agua lejos de las estructuras.
6.3.2 Rocas
En contraste con los suelos, las rocas son materiales consolidados con una cohesión
interna significativa. Se forman a través de procesos de compactación y cementación de
partículas minerales o por la solidificación de material fundido, en un contexto geológico que
abarca eones de tiempo.
Las rocas son más densas, rígidas y resistentes en comparación con los suelos.
Experimentan una consolidación sustancial que les otorga rigidez y fuerza. Tienen una menor
porosidad, lo que limita su capacidad para retener agua. Las rocas son menos deformables
bajo cargas y exhiben una mayor resistencia a la compresión y a la fractura.
Algunas características más relevantes de las rocas incluyen:
● Textura: Se refiere a la disposición y el tamaño de los granos minerales que componen

la roca.
● Mineralogía: Describe la composición mineral de la roca, que influye en su resistencia
y durabilidad. Algunos minerales pueden ser más resistentes que otros, lo que afecta la
resistencia general de la roca.
● Dureza: Indica la resistencia de la roca a la deformación y la fractura bajo cargas.
● Fracturación: Evalúa la presencia de fracturas, fisuras o discontinuidades en la roca.
Estas discontinuidades pueden permitir la infiltración de agua, debilitar la roca y
afectar su estabilidad.
● Porosidad: Cuantifica la cantidad de espacios vacíos en la roca. Influye en su
capacidad para retener agua y puede afectar la erosión y la resistencia a la intemperie
de la roca.
10
6.4 Caracterización Geotécnica
La caracterización geotécnica es un proceso que implica una evaluación detallada de

las propiedades y el comportamiento de los suelos y rocas en un lugar específico. Este proceso
permite comprender cómo estas formaciones geológicas interactúan con las estructuras que se
construirán sobre ellas. La caracterización geotécnica implica la interpretación de parametros
geotécnicos medidos en condiciones controladas de laboratorio o campo siguiendo
procedimientos y normas establecidas para su ejecución
Este proceso de caracterización geotécnica se lleva a cabo en varias etapas:
● Exploración del sitio: Comienza con una exploración del lugar donde se llevará a
cabo el proyecto de construcción. Durante esta etapa, se realiza un levantamiento
detallado del terreno, se analizan datos geológicos disponibles y se identifican las
características topográficas relevantes. Esta exploración proporciona una visión
general de la geología del área.
● Ensayos de Campo: Se realizan ensayos en el lugar debido a su capacidad para
capturar las condiciones reales del sitio de construcción. Proporcionan información
valiosa que abarca desde las variaciones estacionales y temporales, como los niveles
de agua subterránea, hasta las características de las distintas capas del suelo a
diferentes profundidades. Un ejemplo de esto es el "Ensayo de Penetración Estándar
(SPT)" que evalúa la resistencia y características del suelo a diferentes profundidades.
● Muestreo de Suelos y Rocas: En esta etapa, se recolectan una cantidad suficiente de
muestras representativas del suelo y las rocas para su análisis en laboratorio. Se
emplean diversas técnicas de muestreo, cada método se elige según la naturaleza del
suelo y las necesidades específicas del proyecto.
● Ensayos de Laboratorio: Las muestras recopiladas se someten a ensayos de
laboratorio, que incluyen la determinación de propiedades como granulometría,
plasticidad, resistencia y permeabilidad. Estos ensayos proporcionan datos
cuantitativos sobre las características de los suelos y las rocas.
● Interpretación de Datos: Los datos recopilados se interpretan para comprender las
propiedades del suelo y las rocas.
11
6.5 Sistema Unificado de Clasificación de Suelos (SUCS)
El Sistema Unificado de Clasificación de Suelos (SUCS) es una herramienta que permite

organizar y describir de manera sistemática los diferentes tipos de suelos y rocas según sus
propiedades físicas y mecánicas. El SUCS se basa en criterios específicos, como el tamaño de
las partículas y la plasticidad. A través de este sistema es posible comunicar de manera
efectiva las características del suelo
El SUCS divide los suelos en varias categorías principales, que incluyen:
● Gravas (G): Suelos con partículas predominantemente gruesas y poca finura.

● Arenas (S): Suelos compuestos principalmente por partículas de tamaño medio.
● Limos (M): Suelos con partículas finas y propiedades plásticas.
● Arcillas (C): Suelos altamente plásticos y de grano fino.
● Suelos Orgánicos (O): Suelos que contienen una cantidad significativa de material
orgánico.
Dentro de cada categoría principal, el SUCS proporciona subdivisiones adicionales para

refinar la clasificación. Estas subdivisiones consideran propiedades específicas, como la
plasticidad, la densidad y la textura. Por ejemplo, un suelo clasificado como "CL" es una
arcilla con baja plasticidad, mientras que un suelo "SP" es una arena pobremente graduada.
● Pobremente graduado (P): Suelos con tamaños de partículas uniformes.

● Bien graduado (W): Suelos con tamaños de partículas diversos.
● Alta plasticidad (H): Suelos muy maleables y que se deforman fácilmente cuando se
someten a presión.
● Baja plasticidad (L): Suelos poco maleables y resistentes a la deformación bajo
cargas.
El uso del SUCS facilita la comunicación entre profesionales de la construcción, al permitir un

lenguaje común para referirse a los suelos y rocas, brindando una comprensión inicial
simplificada de las principales características del suelo.
12
7 GESTIÓN DE DATOS GEOTÉCNICOS
En este capítulo, exploramos la gestión de datos geotécnicos como un proceso que

garantiza que la información sobre las propiedades y el comportamiento de los suelos y rocas
se utilice de manera efectiva en proyectos de construcción y desarrollo urbano. La gestión de
datos es también una herramienta útil para tomar decisiones informadas.
Datos Geotécnicos: Representan información cuantitativa y cualitativa obtenida a

través de pruebas de campo y laboratorio que caracterizan las propiedades físicas y mecánicas
de los suelos y rocas en una ubicación específica. Estos datos son de naturaleza observacional
y reflejan mediciones reales extraídas de muestras de suelo. Los datos geotécnicos sirven
como la base inicial de información en la geotecnia.
7.1 Gestión de datos geotécnicos
La gestión de datos geotécnicos implica administrar la información obtenida en

exploraciones geotécnicas. Esto abarca la recopilación, organización, almacenamiento,
análisis, aplicación y mantenimiento de estos datos para su uso efectivo y seguro. En pocas
palabras, es el proceso completo de trabajar con datos geotécnicos para asegurarse de que sean
precisos y estén disponibles cuando se necesiten en proyectos de construcción y desarrollo
urbano.
Su utilidad radica en respaldar decisiones informadas en proyectos de construcción,

proporcionando información sobre el terreno y otros parámetros usados en el estudio de la
interacción entre el suelo y las estructuras. La gestión de datos geotécnicos es importante, ya
que asegura que la información sea precisa y accesible, lo que a su vez contribuye a la
seguridad, eficiencia y sostenibilidad de proyectos de construcción y desarrollo urbano.
Los procesos involucrados en la gestión de datos geotécnicos son los siguientes:
Recopilación: Este proceso se centra en la adquisición de datos a través de mediciones

en campo y laboratorio. Requiere estandarización y la garantía de calidad de los datos, lo que
incluye registrar meticulosamente la ubicación, fechas y métodos utilizados.
13
Organización: La organización se refiere a la clasificación y estructuración de datos

de manera coherente. Su objetivo es facilitar el acceso y permitir la integración con otros
conjuntos de datos para análisis y comparaciones. Es esencial para asegurar la coherencia y la
utilidad de la información.
Almacenamiento: En este proceso, se busca conservar los datos de manera segura

para mantener su integridad y accesibilidad. El objetivo es protegerlos contra pérdidas, daños
o accesos no autorizados.
Análisis: Aquí los datos adquieren significado. Este proceso implica la aplicación de
herramientas y técnicas para realizar cálculos, identificar patrones, tendencias y visualizar la
información de manera efectiva. Es la etapa en la que se extraen conocimientos útiles.
Difusión y compartición: Facilitar el acceso y opciones para compartir datos es

importante para promover la colaboración y el avance en el campo de la geotecnia. Sin
embargo, es esencial respetar las normativas de privacidad y propiedad intelectual para evitar
conflictos legales y proteger la confidencialidad de la información. La difusión y compartición
deben ser éticas y legales.
Actualización y mantenimiento: La actualización y mantenimiento constante de los

datos garantizan que la información se mantenga relevante y precisa. Este proceso incluye la
eliminación de información obsoleta y la adición de nuevos datos cuando sea necesario.
Formación y capacitación: Para garantizar que los procesos de gestión se lleven a

cabo de manera eficiente y precisa, es necesario proporcionar capacitación al personal
involucrado en la gestión de datos. Esto incluye la formación en técnicas de recolección,
organización, análisis y el uso de herramientas especializadas.
Se exploran a continuación con más detalle los procesos de organización,

almacenamiento y análisis de datos.
14
7.1.1 Organización de datos
La organización de datos es el proceso de estructurar y categorizar la información de

manera que sea fácilmente accesible y analizable. Esta práctica tiene como objetivo principal
crear una estructura lógica y coherente para los datos, lo que facilita la identificación y
recuperación rápida de información específica cuando sea necesario.
A continuación, se describen los aspectos clave de la organización de datos:
Categorización: Implica agrupar los datos en categorías lógicas según su tipo o

naturaleza. Esto incluye la creación de categorías y subcategorías para diferentes tipos de
datos. La categorización tiene como objetivo principal facilitar la identificación y
recuperación rápida de datos específicos cuando sea necesario.
Normalización: Consiste en eliminar redundancias y asegurar que los datos se

almacenen de forma única, evitando duplicidades y errores. La normalización también
garantiza que los datos se ajusten a un formato estándar, lo que facilita su análisis y
comparación.
Relaciones: Consiste en establecer conexiones y relaciones entre diferentes conjuntos

de datos. Por ejemplo, un ensayo de laboratorio puede estar relacionado con una ubicación
geográfica específica o asociado a un proyecto en particular. Estas relaciones permiten
contextualizar los datos y brindan una visión más completa de la información.
Documentación: Implica registrar información sobre cómo se recopilaron los datos,

las unidades de medida, las fechas y otros detalles importantes. También sirve como referencia
para futuros profesionales, asegurando que los datos sigan siendo comprensibles y útiles.
7.1.2 Almacenamiento de datos
El almacenamiento de datos busca asegurar tanto el acceso eficiente como la seguridad

de la información recolectada. Algunos aspectos clave del almacenamiento de datos en este
contexto incluyen:
15
Accesibilidad: Los datos almacenados deben ser de fácil acceso, permitir la consulta
remota y colaborativa. Esto es especialmente importante en proyectos geotécnicos que
involucran equipos de campo y personal técnico en distintas ubicaciones. La elección de
plataformas de almacenamiento en la nube, sistemas de acceso a datos basados en la web y la
implementación de protocolos de acceso seguro son estrategias útiles para garantizar el acceso
a los datos.
Seguridad: Dado que los datos geotécnicos pueden contener información sensible, se
necesitan medidas de seguridad para protegerlos contra accesos no autorizados, pérdida o
daño. Esto incluye la encriptación de datos para proteger la información sensible, el control de
acceso para garantizar que solo personas autorizadas puedan acceder y la implementación de
salvaguardias para evitar pérdidas y daños.
Backup y Recuperación: En proyectos a largo plazo, se requieren copias de seguridad

regulares y procedimientos de recuperación para asegurar la disponibilidad continua de datos.
Esto asegura que los datos estén respaldados en caso de fallos del sistema o pérdida
accidental,
Integración: Los datos deben poder integrarse fácilmente con otras herramientas y
sistemas utilizados en proyectos de construcción. Esto incluye la interacción con equipos de
laboratorio, software de ingeniería y sistemas de planificación. La estandarización de formatos
de datos y la adopción de normativas de intercambio de datos geotécnicos pueden simplificar
la integración y mejorar la eficiencia en proyectos multidisciplinarios.
7.1.3 Análisis de datos
El análisis de datos en geotecnia es un proceso esencial para interpretar y utilizar

eficazmente la información recopilada durante investigaciones geotécnicas. Este análisis
implica la identificación de patrones, tendencias y relaciones en los datos para obtener una
comprensión más profunda de las propiedades del suelo y las rocas. Aquí se exploran algunas
técnicas y herramientas fundamentales utilizadas en el análisis de datos geotécnicos:
16
Estadísticas Descriptivas: Estas herramientas resumen y ayudan a comprender los

datos, incluyendo medidas como la media, la mediana, la desviación estándar y el rango para
describir la tendencia central, la dispersión y la distribución de los datos.
Histogramas y Gráficos de Frecuencia: Son herramientas útiles para identificar

patrones en los datos, como agrupaciones o dispersión.
Distribuciones de Probabilidad: Estas herramientas matemáticas permiten modelar

cómo se distribuyen las probabilidades de ciertos eventos o valores en un conjunto de datos.
Análisis Espacial: Permite identificar patrones espaciales en los datos y estimar

propiedades del suelo en áreas donde no se dispone de información detallada.
17
8 ANÁLISIS ESPACIAL DE DATOS
En este capítulo, exploramos el análisis espacial de datos, un conjunto de herramientas

y técnicas que nos permite comprender y predecir cómo las variables cambian en relación con
el espacio y el tiempo. A través del uso de métodos estadísticos se modela la estructura
espacial de los datos y se estima los valores que toma la variable en lugares donde no se ha
realizado una medición directa.
La metodología del análisis espacial se basa en la premisa de que los valores de una
variable tienden a ser similares en ubicaciones cercanas en comparación con ubicaciones
distantes. Esta similitud se deriva de factores geográficos, geológicos y ambientales
compartidos en áreas próximas que influyen en las similitudes de los datos observados. Por
ejemplo, en geotecnia, propiedades como el tamaño de partículas o la composición mineral
suelen tener valores más parecidos en áreas cercanas debido a estas influencias comunes.
Para estimar el valor de una variable en ubicaciones no muestreadas, seguimos tres

etapas:
a) Análisis Exploratorio de Datos (AED): En esta etapa, se exploran los datos para
identificar patrones, tendencias y características significativas. Se utilizan herramientas
estadísticas como gráficos y estadísticas descriptivas para comprender la estructura de
los datos, detectar valores atípicos y abordar datos faltantes.
b) Análisis Estructural: Esta etapa, se centra en comprender la relación espacial entre
los datos. Se investiga cómo las variables se relacionan entre sí en función de su
ubicación, examinando aspectos como la correlación espacial, patrones de dispersión y
dependencia espacial. Se utilizan técnicas como el cálculo de semivariogramas y la
creación de mapas de calor para visualizar estas relaciones.
c) Predicción Espacial: El objetivo de esta etapa es estimar valores en ubicaciones no
muestreadas. Esto se logra mediante modelos estadísticos basados en información
previamente obtenida, generando mapas que representan la distribución estimada de la
variable de interés.
18
8.1 Análisis exploratorio de datos (AED)
El Análisis Exploratorio de Datos (EDA) es una fase inicial de investigación que

utiliza resúmenes numéricos y visualizaciones para comprender los datos. Su objetivo es
identificar patrones, tendencias y relaciones entre las variables antes de aplicar análisis
estadísticos más avanzados. El EDA se enfoca en varios aspectos:
● Explorar la Distribución de Variables: Se busca comprender la forma, el sesgo y las

tendencias de la distribución de los datos.
● Analizar Relaciones entre Variables: Se investigan posibles conexiones y
dependencias entre las variables, como la correlación y autocorrelación.
● Detectar Valores Atípicos: Se identifican valores inusuales que pueden indicar
problemas en la calidad de los datos. o resaltar observaciones inusuales.
● Evaluación de Datos Ausentes: Se analiza la cantidad y naturaleza de datos faltantes,
y su impacto en el análisis.
● Evaluación de Supuestos Fundamentales: Se verifica si se cumplen supuestos
estadísticos. Algunos supuestos como la normalidad, linealidad y homocedasticidad
son necesarios para la aplicación de técnicas más avanzadas.
○ Normalidad: Aborda la forma de distribución de los datos, idealmente
siguiendo una forma de campana (distribución de Gauss). Implica que la
mayoría de los datos se concentran alrededor de la media, y los valores atípicos
son poco comunes.
○ Linealidad: Examina la relación entre las variables, sugiriendo que los
cambios en una variable están directamente relacionados con los cambios en
otra de manera proporcional y constante.
○ Homocedasticidad: Se refiere a la constancia de la variabilidad de los errores
en un modelo estadístico a lo largo de todas las observaciones. La
homocedasticidad es un aspecto deseable en modelos estadísticos, ya que
proporciona estimaciones más fiables y coherentes.
19
Figura 1.
Formas de distribución de datos
A)
simétrica, acampanada, unimodal bimodal
sesgada a la derecha (sesgo positivo) sesgada a la izquierda (sesgo negativo)
uniforme
B) C)
Linealidad y no linealidad Heterocedasticidad Homocedasticidad
Nota. A) Formas de distribución de frecuencias. B) Relación lineal y no lineal de dos variables. C) Variabilidad
Heterocedástica y Homocedástica. Fuente: Elaboración propia
20
8.1.1 Estadísticas Descriptivas
Estadísticas descriptivas son herramientas que nos permiten comprender y resumir datos.
Estas medidas ofrecen una visión general de la distribución, tendencia central y dispersión de
un conjunto de datos. Exploramos algunas estadísticas descriptivas a continuación.
Media (µ): La media es el valor promedio de un conjunto de datos y proporciona una

estimación del valor típico. Se calcula sumando todos los valores y dividiendo la suma por el
número total de observaciones.
Mediana (Md): La mediana es el valor que se encuentra en el centro de un conjunto

de datos ordenados. Es resistente a valores atípicos y proporciona una medida de tendencia
central.
Moda (Mo): La moda es el valor que aparece con mayor frecuencia en un conjunto de
datos. En ocasiones, puede haber múltiples modas si varios valores tienen la misma frecuencia
máxima. La moda es especialmente relevante para variables categóricas o discretas.
Figura 2.
Estadísticas descriptivas, media, mediana y moda.
Nota. Estadísticas descriptivas en diferentes distribuciones de probabilidad. Fuente: Elaboración propia

21
Rango (R): El rango es la diferencia entre el valor máximo y el valor mínimo en un

conjunto de datos, lo que proporciona una medida de la amplitud de los datos.
Quartiles (Q1, Q2, Q3): Los cuartiles dividen un conjunto de datos ordenados en
cuatro partes iguales y son útiles para analizar la distribución y detectar valores atípicos.
● Primer Cuartil (Q1): Este valor se ubica en el lugar donde el 25% de los datos
está por debajo de él.
● Segundo Cuartil (Q2): Coincide con la mediana y divide el conjunto de datos
en dos mitades iguales, lo que significa que el 50% de los datos se encuentra
por debajo de este valor.
● Tercer Cuartil (Q3): Representa el valor en el cual el 75% de los datos están
por debajo.
Rango Intercuartil (IQR): El IQR es la diferencia entre el tercer cuartil (Q3) y el

primer cuartil (Q1), una medida de dispersión menos sensible a valores atípicos.
Varianza (σ²): Mide cuánto se desvían los valores individuales respecto a la media
(μ), es una medida de dispersión. Se calcula como la media de los cuadrados de las diferencias
entre cada dato y la media.
𝑛
1
σ² = 𝑛
∑ (𝑥𝑖 − µ)²
𝑖=1
Donde:
● σ2: Varianza.
● n: Número de datos en la muestra.
● xi: Cada valor en la muestra.
● μ: Media de la muestra.
Desviación Estándar (σ): La desviación estándar es la raíz cuadrada de la varianza y

también mide la desviación de los valores individuales con respecto a la media.
σ = σ²
22
Covarianza (Cov): La covarianza evalúa la relación entre dos variables y cómo

cambian juntas, mide la tendencia de dos variables a aumentar o disminuir simultáneamente.
La covarianza no tiene una escala específica, lo que dificulta su interpretación directa. Por lo
tanto, se usa principalmente para comparar la dirección de la relación entre dos variables en
lugar de su fuerza.
𝑛
1
𝐶𝑜𝑣(𝑋, 𝑌) = 𝑛
∑ (𝑋𝑖 − 𝑋)(𝑌𝑖 − 𝑌)
𝑖=1
Donde:
● 𝐶𝑜𝑣(𝑋, 𝑌): Covarianza entre X e Y.
● 𝑛: Número de observaciones
● 𝑋𝑖 y 𝑌𝑖 : Observaciones individuales de X e Y.
● 𝑋 y 𝑌: Medias de X e Y, respectivamente.
Coeficiente de Correlación: Este coeficiente cuantifica la fuerza y dirección de la

relación lineal entre dos variables, variando de -1 a 1, donde -1 indica una correlación
negativa perfecta, 1 indica una correlación positiva perfecta y 0 representa la ausencia de una
correlación lineal.
𝑛
∑ (𝑋𝑖 −𝑋)(𝑌𝑖−𝑌)
𝑐𝑜𝑣(𝑋,𝑌) 𝑖=1
ρ𝑋,𝑌 = 𝑐𝑜𝑟𝑟(𝑋, 𝑌) = σ𝑋·σ𝑌
=
𝑛 𝑛
∑ (𝑋𝑖−𝑋)²· ∑ (𝑌𝑖−𝑌)²
𝑖=1 𝑖=1
Donde:
● ρ𝑋,𝑌 = 𝑐𝑜𝑟𝑟(𝑋, 𝑌) : Coeficiente de correlación de Pearson.
● n : Número de observaciones.
● Xi y Yi: Observaciones individuales de X e Y.
● 𝑋 y 𝑌 : Medias de X e Y, respectivamente.
8.1.2 Gráficos Descriptivos
Los gráficos descriptivos son herramientas visuales que simplifican y resumen información
sobre la distribución, tendencia central y dispersión de datos. Estas representaciones visuales
23
facilitan la comprensión de las características de los datos, como la forma de la distribución, la

presencia de valores atípicos y las relaciones entre variables. Aquí se describen algunas de las
herramientas de visualización más comunes utilizadas:
● Gráfico de Barras
● Gráfico de línea
● Histogramas
● Gráficos de Dispersión
● Diagramas de Caja
Gráficos de Barras: Estos gráficos representan la cantidad o frecuencia de

observaciones en diferentes categorías o grupos. Cada categoría se muestra en el eje
horizontal, y una barra vertical representa la cantidad o frecuencia asociada con esa categoría.
Los colores y etiquetas se utilizan para destacar las barras y hacer que el gráfico sea más
legible. Son efectivos para comparar diferencias entre categorías y resaltar patrones en datos
categóricos o cualitativos.
Gráficos de Línea: Estos gráficos muestran la relación y el cambio en datos

numéricos a lo largo de un eje horizontal. Consisten en una serie de puntos conectados por
líneas rectas. Son útiles para mostrar cómo diferentes variables se relacionan entre sí y cómo
cambian en función de la variable en el eje horizontal.
Histogramas: Representan la distribución de una variable numérica dividiéndola en

intervalos y mostrando la frecuencia o densidad en cada intervalo. Son útiles para comprender
la forma y tendencia central de una variable, así como para identificar patrones, como la
simetría y la dispersión.
Gráficos de Dispersión: Muestran la relación entre dos variables numéricas mediante

puntos en un plano cartesiano. Cada punto representa una observación o un par de valores de
las dos variables. Son útiles para identificar patrones, tendencias y correlaciones entre
variables.
24
Figura 3.
Gráficos descriptivos.
A) Gráfico de barras B) Gráfico de líneas
C) Histogramas D) Gráficos de dispersión
Distribución asimétrica negativa Distribución simétrica Distribución asimétrica positiva

E) Diagramas de cajas
Nota. Gráficos descriptivos. Fuente: Elaboración propia

25
Diagramas de Caja: Estas herramientas visuales muestran la distribución de una

variable numérica, resumiendo estadísticas como la mediana, la dispersión de los datos, su
simetría y valores atípicos. En los diagramas de caja, la parte inferior de la caja representa el
primer cuartil, la parte superior de la caja indica el tercer cuartil, y la distancia entre estos
cuartiles se llama rango intercuartílico (IQR). Los valores mínimo y máximo de la muestra se
representan como líneas ("bigotes") que salen de la caja. Los valores atípicos, en ocasiones, se
representan como puntos aislados en línea con los bigotes.
Figura 4.
Características de un diagrama de cajas
Nota. Fuente: Elaboración propia
Los diagramas de caja son especialmente útiles para:

● Identificar valores atípicos en un conjunto de datos.
● Visualizar la dispersión y la variabilidad de los datos.
● Comparar la distribución de datos entre diferentes grupos o categorías.
● Comprender la simetría y la forma de la distribución de los dato
8.2 Análisis Estructural
El Análisis Estructural se centra en la comprensión de cómo las observaciones de datos

están relacionadas espacialmente. Durante esta fase, se examina la distribución espacial de los
datos y se identifican patrones que podrían afectar las estimaciones, evitando así sesgos.
26
En esta sección, se explorarán los siguientes conceptos como correlación y

autocorrelación, que miden la relación entre diferentes variables y consigo misma, los
patrones de dispersión que describen cómo se distribuyen los valores de una variable en
términos de uniformidad, aleatoriedad o agrupamiento. Y el Semivariograma, una herramienta
que permite cuantificar la variabilidad espacial de una variable en función de la distancia.
veremos los pasos para construir uno, las características del gráfico y veremos un ejemplo
práctico.
8.2.1 Correlación y Autocorrelación
● La correlación se emplea para medir la relación entre dos o más variables diferentes
observadas en las mismas ubicaciones.
● La autocorrelación se centra en la relación espacial de una variable con ella misma en
diferentes ubicaciones.
8.2.2 Patrones de Dispersión
Estos patrones describen cómo se distribuyen los valores de una variable. Pueden ser
uniformes (dispersión homogénea), aleatorios (sin patrón aparente) o agrupados
(conglomeración en áreas específicas). La identificación de estos patrones ofrece información
valiosa sobre la distribución de datos.
Figura 5.
Patrones de dispersión de datos
Dispersión uniforme Dispersión aleatoria Dispersión agrupada

27
8.2.3 Semivariograma
El Semivariograma es una herramienta que ayuda a comprender cómo varía una

variable en función de su ubicación. Cuantifica la variabilidad o semivarianza de pares de
observaciones a una distancia específica (h), lo que nos permite identificar dependencias
espaciales. La fórmula de la semivarianza es la siguiente:
𝑛(ℎ)
1
γ(ℎ) = 2𝑛(ℎ)
∑ [𝑍(𝑥𝑖) − 𝑍(𝑥𝑖 + ℎ)]²
𝑖=1
Donde:
● γ(h): Semivarianza a una distancia h en el espacio.
● n(h): Número de pares de observaciones a una distancia h.
● Z(xi) y Z(xi+h) : Valores de la variable en las ubicaciones xiy xi+h, respectivamente.
8.2.3.1 Gráfico de Semivariograma
Figura 6.
Gráfico de Semivariograma

28
Eje Vertical (γ): Representa la semivarianza, cuantifica la variabilidad en función de

la distancia y dirección entre dos ubicaciones geográficas.
Eje Horizontal (h): Mide la distancia entre ubicaciones geográficas, expresada en la

misma unidad que la variable analizada (por ejemplo, metros o kilómetros).
Efecto Pepita: Refleja la variabilidad no explicada por la distancia entre ubicaciones y

se representa en el valor más cercano al origen en el gráfico del variograma.
Alcance: Indica la máxima distancia a la cual dos ubicaciones están correlacionadas

espacialmente, más allá de la cual la correlación se considera insignificante.
Meseta: Representa la máxima dependencia espacial entre ubicaciones y se alcanza

cuando la distancia entre ubicaciones es significativamente grande.
Covarianza "C": Calculada como la diferencia entre la meseta y el efecto pepita,

refleja la contribución de la dependencia espacial a la variabilidad total en función de la
distancia.
En el gráfico de semivariograma, se observa que la curva inicia con un efecto pepita,

luego aumenta gradualmente hasta alcanzar la meseta (representando la dependencia espacial
máxima), y finalmente se estabiliza en la meseta a medida que la distancia aumenta más allá
del alcance.
El variograma experimental es una representación de la variabilidad espacial real en

los datos, pero no es una función suave que se pueda utilizar directamente para
interpolaciones. Por lo tanto, hay que seleccionar un variograma teórico que se ajuste mejor al
variograma experimental. Existen varios modelos teóricos, como el esférico, el exponencial o
el gaussiano, que se pueden ajustar a los datos experimentales, a continuación veremos
algunos.
8.2.3.2 Procedimiento para construir un Semivariograma Experimental
Para construir un Semivariograma experimental se siguen los siguientes pasos:

29
Eliminación de Comportamiento Tendencial: Antes de calcular el semivariograma,

se elimina cualquier tendencia global en los datos para centrarse en la variabilidad espacial
real.
Selección de h (lag) y Ángulo (si es aplicable): Se elige la distancia h (lag) a la que

se desea evaluar la dependencia espacial entre puntos. En algunos casos, especialmente
cuando se trabaja con variogramas direccionales, se puede considerar un ángulo de dirección.
Estos valores determinarán la separación entre los pares de puntos que se compararán en el
semivariograma.
Creación del Semivariograma Experimental: Se calcula la variabilidad entre pares

de puntos a la distancia h (lag) seleccionada. El resultado es un conjunto de puntos en el
semivariograma experimental que representa cómo varía la semivarianza en función de la
distancia.
Selección de un Semivariograma Teórico: Se elige un modelo teórico que se ajuste

mejor al semivariograma experimental.
8.2.3.3 Selección de un Semivariograma Teórico
En esta etapa, se elige un modelo teórico para el semivariograma que se ajuste mejor al
semivariograma experimental. La elección del modelo adecuado es esencial para el proceso de
interpolación. A continuación, se describen los modelos teóricos comunes más utilizados:
a) Modelo Esférico. Este modelo representa una dependencia espacial limitada y alcanza
una meseta, donde la variabilidad espacial se estabiliza, a medida que la distancia
supera un valor definido como el alcance. Es adecuado cuando se sabe que la
dependencia espacial tiene un límite y que más allá del alcance, la correlación espacial
es insignificante. Este modelo se caracteriza por un rápido aumento a la meseta y luego
un comportamiento constante en la meseta.
b) Modelo Exponencial. En este modelo, la dependencia espacial disminuye
exponencialmente con la distancia y no alcanza una meseta. En lugar de un límite
máximo, la correlación espacial disminuye continuamente a medida que la distancia se
30
aleja. Es adecuado cuando la correlación se reduce gradualmente con la distancia, en

lugar de alcanzar un valor máximo. En este modelo la variabilidad se atenúa
exponencialmente.
c) Modelo Gaussiano. El modelo Gaussiano es similar al esférico, pero con una
transición más suave. En lugar de un salto abrupto a la meseta, tiene una disminución
más gradual. Se utiliza cuando la dependencia espacial alcanza un nivel estable, pero
con una transición menos marcada. Este modelo es adecuado cuando se espera que la
correlación espacial se extienda a una distancia moderada antes de estabilizarse.
d) Modelo de Potencias. A diferencia de los modelos anteriores, no incluye un alcance
específico ni una meseta definida. En su lugar, la dependencia espacial disminuye
constantemente a medida que la distancia aumenta. Este modelo se aplica cuando no se
identifica un alcance claro y la relación entre ubicaciones sigue un patrón sublineal.
Figura 7.
Modelos de Semivariogramas teóricos
a) Modelo esférico b) Modelo exponencial
c) Modelo gaussiano d) Modelo de potencias
8.2.3.4 Ejemplo de construcción de un Semivariograma
En este ejemplo, ilustraremos el proceso de construcción de un semivariograma

usando un conjunto de datos. El semivariograma es una herramienta que nos permite
31
comprender la variabilidad espacial de una variable de interés en relación con la distancia

entre puntos de muestreo.
Para comenzar, examinamos cómo varía el valor de la variable de estudio a medida

que cambia la distancia entre los puntos de muestreo. Esto lo representamos visualmente en la
Figura 8-A, que muestra un gráfico que relaciona la variable de interés con la distancia entre
los puntos de muestreo. Observamos cómo la variable fluctúa a medida que aumenta o
disminuye la distancia entre los puntos.
Para calcular el semivariograma, utilizamos dos tablas explicativas:
Tabla 1: Datos del conjunto. En esta tabla, presentamos los datos del conjunto, que
incluyen las observaciones de la variable de estudio y las coordenadas de los puntos de
muestreo.
Tabla 2: Construcción del Semivariograma. Esta tabla guía el proceso de

construcción del semivariograma. Comenzamos con un lag (h) inicial, que representa una
distancia entre puntos de muestreo. En la Figura 8-B, se muestra gráficamente la variabilidad
espacial de la variable en función de diferentes distancias.
Para calcular la semivarianza experimental, evaluamos todas las posibles

combinaciones de pares de observaciones que están separadas por el lag (h) especificado.
Luego, calculamos la semivarianza para cada distancia y la registramos en la tabla. A medida
que aumentamos el lag (h), repetimos este proceso para obtener una variedad de
semivarianzas en función de diferentes distancias. Estos valores se utilizan para trazar el
semivariograma experimental, que proporciona información sobre la estructura espacial de la
variable de estudio.
32
Figura 8.
Ejemplo de construcción de un Semivariograma
A) B)
Tabla 1
valor
0.30 0.35 0.40 0.42 0.45 0.40 0.70 0.65 0.72 0.75 0.70 0.75
variable
h 1 2 3 4 5 6 7 8 9 10 11 12
𝑛(ℎ)
1
γ(ℎ) = 2𝑛(ℎ)
∑ [𝑍(𝑥𝑖) − 𝑍(𝑥𝑖 + ℎ)]²
𝑖=1
Tabla 2
N(h) Desarrollo de la ecuación γ(ℎ)
h=1 11 1
[(0. 30 − 0. 35)² + (0. 40 − 0. 42)² +... + (0. 70 − 0. 75)²] 0.00510
2*11
h=2 10 1
[(0. 30 − 0. 40)² + (0. 40 − 0. 45)² +... + (0. 75 − 0. 75)²] 0.00768
2*10
h=3 9 1
[(0. 30 − 0. 42)² + (0. 42 − 0. 70)² +... + (0. 72 − 0. 75)²] 0.01395
2*9
… … … …
h=11 1 1
[(0. 30 − 0. 75)²] 0.10125
2*1

33
8.3 Predicción Espacial
La interpolación espacial abarca una variedad de técnicas utilizadas para estimar

valores intermedios entre los puntos de muestreo. Existen muchos métodos de interpolación,
como la ‘Interpolación por vecinos más cercanos’, ‘Interpolación por inverso de la distancia
ponderada’, ‘Kriging’, y otras más. Estas técnicas permiten generar superficies continuas que
representan la distribución espacial de las propiedades del suelo y facilitan la visualización de
patrones y tendencias.
8.3.1 Interpolación por vecino más cercano
La interpolación por vecino más cercano es una técnica simple que estima los valores
en ubicaciones no muestreadas basándose en los valores de los puntos de muestreo más
cercanos. Se asume que los valores en una ubicación no muestreada son iguales o similares a
los valores de la ubicación muestreada más cercana. Aunque es rápida y fácil de aplicar, esta
técnica puede ser sensible a valores atípicos y no considera la estructura de correlación
espacial en los datos.
8.3.2 Interpolación por inverso de la distancia ponderada
La interpolación por inverso de la distancia ponderada es una técnica que estima los
valores en ubicaciones no muestreadas teniendo en cuenta la distancia a los puntos de
muestreo y el valor de la variable en esos puntos. En esta aproximación, se asigna más peso a
los puntos más cercanos y menos peso a los puntos más lejanos, lo que permite considerar una
estructura de correlación espacial. Sin embargo, esta técnica puede ser sensible a la elección
de parámetros y la densidad de muestreo.
8.3.3 Interpolación por Kriging
El kriging es una técnica de interpolación espacial que tiene en cuenta la estructura de

correlación espacial de los datos. Utiliza un modelo basado en el semivariograma para asignar
34
pesos a observaciones cercanas según su distancia y dirección. Existen diferentes formas de

kriging, como el kriging ordinario (OK) y el kriging universal (UK):
● Kriging Ordinario (OK):

○ Simplicidad: Supone una media constante en todo el dominio y se centra en
modelar la estructura de correlación espacial.
○ Estacionariedad: Se basa en la suposición de que la variabilidad o estructura
de correlación espacial es constante en todo el dominio.
○ Uso: Útil cuando la media de la variable no varía significativamente en
diferentes ubicaciones.
● Kriging Universal (UK):

○ Flexibilidad: Permite variaciones en la media local y es adecuado cuando se
espera que la media cambie en diferentes partes del dominio.
○ No Estacionariedad: No asume una constante variabilidad en todo el dominio,
lo que lo hace más adecuado para datos con variaciones significativas en la
media.
○ Uso: Aplicado en situaciones donde se sabe o se espera que la media varíe en
diferentes áreas del dominio debido a características específicas de la región o
tendencias locales.
35
9 EJEMPLO DE APLICACIÓN
Este capítulo presenta un ejemplo de aplicación que demuestra cómo la gestión de datos y
técnicas estadísticas se utilizan para estimar valores de variables en ubicaciones no
muestreadas directamente. En este caso, se emplean datos de 3 ensayos SPT en Santa Cruz. El
análisis se enfoca en estimar los parámetros geotécnicos de Granulometría y Límites de
Atterberg en los puntos [‘X1’, ‘X2’, ‘X3’, …, ‘X9’] y luego clasificar los resultados en el
sistema SUCS. El proceso se divide en tres etapas:
1. Análisis Exploratorio de Datos (AED): Comienza explorando los datos mediante

medidas estadísticas y gráficas. En esta etapa, se filtran los datos según las variables de
interés y profundidad. Ver tabla 4.1.
2. Análisis Estructural: Se presenta una matriz de correlación que muestra las relaciones
entre las variables y se construye un semivariograma para comprender la dependencia
espacial de los datos.
3. Predicción Espacial: Finalmente, utilizando técnicas estadísticas y el modelo
matemático desarrollado en la etapa de análisis estructural se realiza la predicción
espacial. Se utilizan estos métodos para estimar los parámetros geotécnicos en los
puntos no muestreados y se muestra un perfil estratigráfico que refleja la clasificación
de suelos a diferentes profundidades.
Figura 9.
Resumen del conjunto de datos [‘A’, ‘B’, ‘C’]
Conjunto Pozos Profundidad Variables de interés
A ‘a1’, ‘a2’ 6.00 ‘id’, ‘latitud’, ‘longitud’,

‘profundidad’, ‘SUCS’,
B ‘b1’, ‘b2’, ‘b3’ 4.00 ‘4.75’, ‘2.00’, ‘0.425’,
‘0.250’, ‘0.075’,
C ‘c1’, c2’, ‘c3’, ‘c4’, ‘c5’, ‘c6’ 6.00 ‘LL’, ‘IP’

36
Figura 10.
Conjunto de datos [‘A’, ‘B’, ‘C’]. Ensayo: [‘SPT’]
id x y z prof NF SUCS w N°4 N°10 N°40 N°60 N°200 LL IP ϕ c ϒ Nspt
1 a1 … … … 0.50 … CL 21.4 99.60 98.10 97.20 97.00 96.50 43.4 18.9 0 0.07 1.83 8
2 a1 … … … 1.50 … CL 21.4 100.00 100.00 97.70 92..80 87.90 27.6 10.5 0 0.06 1.83 7
3 a1 … … … 2.50 … ML 27.1 100.00 99.20 91.70 76.30 60.90 NP NP 0 0.07 1.83 7
… … … … … … … … … … … … … … … …. … … … …
72 c6 … … … 6.50 … SM 17.7 97.67 96.98 80.22 59.35 16.85 NP NP 30 0.31 1.93 3
73 c6 … … … 7.50 … CL 17.2 100.00 99.73 93.37 85.27 58.23 27.2 10 3 0.31 1.82 13
id: Identificación única para cada conjunto de datos. N°4: porcentaje de partículas de suelo que pasa a través del tamiz N°4
x: coordenada de longitud geográfica. N°10: porcentaje de partículas de suelo que pasa a través del tamiz N°10
y: coordenada de latitud geográfica. N°40: porcentaje de partículas de suelo que pasa a través del tamiz N°40
z: altitud o elevación sobre el nivel del mar del punto de muestreo N°60: porcentaje de partículas de suelo que pasa a través del tamiz N°60
prof: profundidad desde la superficie del suelo hasta el intervalo de N°200: porcentaje de partículas de suelo que pasa a través del tamiz
interés N°200
SUCS: Clasificación del suelo en el sistema SUCS. LL: límite líquido del suelo
w: contenido de humedad natural. IP: índice de plasticidad del suelo.
ϕ: Ángulo de fricción interna del suelo
c: Cohesión del suelo
ϒ: Peso específico del suelo, (ton/m3).
Nspt: Número de golpes del ensayo SPT

37
9.1 Análisis Exploratorio de Datos (AED)
En este contexto, el AED es utilizado para examinar datos geotécnicos recopilados de

ensayos SPT en la región de Santa Cruz. Su objetivo es proporcionar una visión inicial de los
datos y resumir sus características antes de realizar análisis más avanzados y modelos
predictivos.
9.1.1 Visualización Espacial
En esta sección se busca visualizar la distribución espacial de los puntos de muestreo y

los lugares donde se desean realizar interpolaciones. La Figura 11 ofrece un mapa que muestra
la ubicación de los puntos de muestreo, resaltando los puntos de interpolación. Asimismo, se
incluye una tabla con las distancias entre los puntos de muestreo y los puntos de interpolación.
Estas distancias resultan valiosas al construir el semivariograma en el análisis estructural de
los datos. También, se presenta un perfil estratigráfico que refleja la clasificación de suelos en
diferentes profundidades.
9.1.2 Distribución de Granulometría
En la Figura 12 presenta las curvas de granulometría de todo el conjunto de datos,

agrupadas por sus respectivos conjuntos (A, B, C). Esta visualización permite comprender
cómo se distribuyen los datos en diferentes ubicaciones.
En la Figura 13, se muestra un gráfico de distribución de probabilidad y un diagrama

de cajas. Además, se calculan algunas medidas estadísticas, como la media, mediana, moda,
varianza, desviación estándar y rangos intercuartiles, para resumir la variabilidad de los datos.
9.1.3 Curvas de Granulometría por Profundidad
En las Figuras 14 a 19 se presentan las curvas de granulometría de los datos, filtrados

según los niveles de profundidad. Estos gráficos permiten un análisis más detallado de cómo
las características granulométricas varían a diferentes profundidades. Por ejemplo, se destacan
38
las diferencias en la distribución de tamaños de partículas entre conjuntos a diferentes

profundidades.
Figura 11
Gráficos de ubicación y perfil estratigráfico. Pozos: [‘A’, ‘B’, ‘C’]
Distancias calculadas:
p1| p2 Distancia
(m)
a1 a2 30.71
b1 b2 30.71
c1 c2 46.07
c1 c4 46.07
X1 X2 76.78
X1 X4 76.78
… … …
… … …
a1 c1 291.65
a1 b1 308.25
a1 b3 308.33
a1 c6 370.91
b1 c5 377.84
b1 c4 400.68

39
Figura 12.
Curva de Granulometría. Pozos: [‘A’, ‘B’, ‘C’]
Pozos [‘a1’, ‘a2’], Profundidad: [1, 2, 3, 4, 5, 6, 7]

Leyenda:
id Profund SUCS 0.075mm
(%)
a2 2 CL 97.1
a1 1 CL 96.5
a2 1 CL 96.5
… … … …
… … … …
a1 4 SM 23.5
a1 7 SP-SM 10.7
a2 7 SP-SM 10.5
Pozos [‘b1’, ‘b2’, ‘b3’], Profundidad: [1, 2, 3, 4]

Leyenda:
(%)
b3 2 ML 53.6
b2 2 ML 51.8
b1 2 ML 50.1
… … … …
… … … …
b1 3 SM 19.4
b2 3 SM 17.5
b3 3 SM 15.8
Pozos [‘c1’, ‘c2’, ‘c3’, ‘c4’, ‘c5’, ‘c6’], Profundidad: [1, 2, 3, 4, 5, 6, 7, 8]

Leyenda:
(%)
c1 7CL 73.34
c3 8CL 67.23
c1 8CL 66.37
… … … …
… … … …
c4 5SP 4.74
c5 5SP 4.62
c2 4SP 3.73

40
Figura 13.
Distribución de Probabilidad - Granulometría. Pozos: [‘A’, ‘B’, ‘C’]
Variable media moda mediana varianza desv std L sup L inf Q1 Q3 IQR
0.075mm 34.25 96.50 24.48 701.21 26.48 97.1 3.7 12.47 57.33 44.86
0.250mm 69.30 31.68 71.22 248.13 15.75 98.2 31.7 54.89 83.58 28.70
0.425mm 89.27 82.55 91.77 55.10 7.42 99.6 69.0 83.55 94.68 11.13

41
Figura 14.
Curva de Granulometría. Pozos: [‘A’, ‘B’, ‘C’]. Profundidad: [1] m
Leyenda:
id SUCS 0.075mm
(%)
a1 CL 96.50
a2 CL 96.50
c6 SM 41.46
b1 SM 33.30
b3 SM 33.20
b2 SM 32.00
c1 SM 28.61
c2 SM 25.73
c5 SM 14.90
c4 SM 14.51
c3 SP-SM 11.53
id Profundidad SUCS 4.75mm 2.00mm 0.425mm 0.250mm 0.075mm LL IP

(m) (%) (%) (%) (%) (%) (%) (%)
a1 1.0 CL 99.60 98.10 97.20 97.00 96.50 43.4 18.9
a2 1.0 CL 99.60 98.70 98.30 97.40 96.50 18.6 18.6
b1 1.0 SM 100.00 99.40 77.60 55.45 33.30 NP NP
b2 1.0 SM 100.00 99.00 78.30 55.15 32.00 NP NP
b3 1.0 SM 100.00 98.90 79.60 56.40 33.20 NP NP
c1 1.0 SM 100.00 100.00 92.83 76.08 28.61 NP NP
c2 1.0 SM 100.00 100.00 91.22 74.23 25.73 NP NP
c3 1.0 SP-SM 100.00 100.00 82.55 56.78 11.53 NP NP
c4 1.0 SM 100.00 99.67 90.63 71.70 14.51 NP NP
c5 1.0 SM 100.00 99.82 91.84 72.79 14.90 NP NP
c6 1.0 SM 100.00 100.00 84.37 56.75 41.46 NP NP

42
Figura 15.
Leyenda:
id SUCS 0.075mm
(%)
a2 CL 97.1
a1 CL 87.9
b3 ML 53.6
b2 ML 51.8
b1 ML 50.1
c1 SM 36.68
c2 SM 15.62
c5 SM 13.24
c4 SM 12.23
c3 SP-SM 10.51
c6 SP-SM 8.18

(m) (%) (%) (%) (%) (%) (%) (%)
a1 2.0 CL 100.0 100.0 97.7 92.8 87.9 27.6 10.5
a2 2.0 CL 100.0 99.8 99.3 98.2 97.1 34.4 14.2
b1 2.0 ML 100.0 100.0 84.0 67.05 50.1 NP NP
b2 2.0 ML 100.0 100.0 83.4 67.6 51.8 NP NP
b3 2.0 ML 100.0 100.0 97.7 75.65 53.6 NP NP
c1 2.0 SM 100.0 100.0 94.47 80.47 36.68 NP NP
c2 2.0 SM 100.0 100.0 87.78 60.57 15.62 NP NP
c3 2.0 SP-SM 100.0 99.58 77.42 50.47 10.51 NP NP
c4 2.0 SM 100.0 100.0 92.78 82.46 12.23 NP NP
c5 2.0 SM 100.0 100.0 92.87 75.0 13.24 NP NP
c6 2.0 SP-SM 100.0 100.0 82.99 54.37 8.18 NP NP

43
Figura 16.
Leyenda:
id SUCS 0.075mm
(%)
a2 ML 79.60
a1 ML 60.90
c1 SM 28.17
b1 SM 19.40
b2 SM 17.50
c3 SM 16.04
b3 SM 15.80
c4 SM 15.76
c2 SM 14.76
c5 SP-SM 9.63
c6 SP-SM 7.67

(m) (%) (%) (%) (%) (%) (%) (%)
a1 3.0 ML 100.0 99.2 91.7 76.3 60.9 NP NP
a2 3.0 ML 100.0 99.8 98.5 89.05 79.6 NP NP
b1 3.0 SM 100.0 100.0 79.4 49.4 19.4 NP NP
b2 3.0 SM 100.0 100.0 77.4 47.45 17.5 NP NP
b3 3.0 SM 100.0 100.0 75.1 45.45 15.8 NP NP
c1 3.0 SM 100.0 100.0 89.81 67.77 28.17 NP NP
c2 3.0 SM 100.0 100.0 92.09 72.82 14.76 NP NP
c3 3.0 SM 100.0 100.0 87.77 65.77 16.04 NP NP
c4 3.0 SM 100.0 100.0 90.05 31.68 15.76 NP NP
c5 3.0 SP-SM 100.0 100.0 97.85 75.98 9.63 NP NP
c6 3.0 SP-SM 100.0 100.0 97.8 75.46 7.67 NP NP

44
Figura 17.
Leyenda:
id SUCS 0.075mm
(%)
a2 SM 33.10
c1 SM 25.45
a1 SM 23.5
b1 SM 21.1
b3 SM 19.6
b2 SM 19.5
c3 SM 18.57
c6 SP-SM 11.13
c4 SP-SM 6.41
c5 SP 4.75
c2 SP 3.73

(m) (%) (%) (%) (%) (%) (%) (%)
a1 4.0 SM 100.0 100.0 86.1 54.8 23.5 NP NP
a2 4.0 SM 100.0 100.0 99.6 66.35 33.1 NP NP
b1 4.0 SM 100.0 100.0 74.5 47.8 21.1 NP NP
b2 4.0 SM 100.0 100.0 77.7 48.6 19.5 NP NP
b3 4.0 SM 100.0 100.0 84.7 52.15 19.6 NP NP
c1 4.0 SM 100.0 100.0 92.6 70.75 25.45 NP NP
c2 4.0 SP 100.0 100.0 82.55 51.26 3.73 NP NP
c3 4.0 SM 100.0 100.0 88.14 68.55 18.57 NP NP
c4 4.0 SP-SM 100.0 95.3 92.71 75.9 6.41 NP NP
c5 4.0 SP 100.0 100.0 95.91 80.69 4.75 NP NP
c6 4.0 SP-SM 100.0 100.0 79.82 56.31 11.13 NP NP

45
Figura 18.
Leyenda:
id SUCS 0.075mm
(%)
a2 CL 73.60
a1 ML 59.30
c3 SM 46.77
c1 SM 15.84
c6 SP-SM 6.76
c2 SP-SM 6.01
c4 SP 4.74
c5 SP 4.62

(m) (%) (%) (%) (%) (%) (%) (%)
a1 5.0 ML 100.0 99.6 90.8 75.05 59.3 NP NP
a2 5.0 CL 100.0 99.8 97.5 85.55 73.6 28.1 11.5
c1 5.0 SM 100.0 100.0 85.93 50.62 15.84 NP NP
c2 5.0 SP-SM 100.0 100.0 78.65 45.39 6.1 NP NP
c3 5.0 SM 100.0 100.0 92.67 79.55 46.77 NP NP
c4 5.0 SP 100.0 100.0 85.48 53.8 4.74 NP NP
c5 5.0 SP 100.0 100.0 93.27 72.43 4.62 NP NP
c6 5.0 SP-SM 100.0 99.89 79.66 52.41 6.76 NP NP

46
Figura 19.
Leyenda:
id SUCS 0.075mm
(%)
a2 CL 76.30
a1 CL-ML 59.80
c5 SC-SM 43.27
c1 SM 37.84
c2 SM 13.18
c3 SM 10.22
c4 SP-SM 8.55
c6 SP-SM 5.04

(m) (%) (%) (%) (%) (%) (%) (%)
a1 6.0 CL-ML 100.0 99.8 98.8 79.3 59.8 18.4 4.9
a2 6.0 CL 100.0 99.8 99.1 87.7 76.3 22.7 7.5
c1 6.0 SM 100.0 100.0 86.04 67.39 37.84 NP NP
c2 6.0 SM 100.0 100.0 84.8 65.61 13.18 NP NP
c3 6.0 SM 100.0 100.0 83.35 53.83 10.22 NP NP
c4 6.0 SP-SM 100.0 99.92 88.12 64.45 8.55 NP NP
c5 6.0 SC-SM 100.0 99.79 94.75 86.13 43.27 NP NP
c6 6.0 SP-SM 100.0 99.05 69.0 40.51 05.04 NP NP

47
9.1.4 Cuadro de Plasticidad de los Datos
La Figura 20 presenta un cuadro de plasticidad que muestra información específica

para cada punto de muestreo. Los datos incluyen el nombre del pozo, la profundidad a la que
se obtuvieron los datos, la clasificación unificada de suelos (SUCS), el límite líquido (LL) y el
índice de plasticidad (IP). Este cuadro brinda una visión detallada de las características de los
suelos en diferentes ubicaciones y profundidades.
Figura 20.
Cuadro de Plasticidad. Pozos [‘A’, ‘B’, ‘C’], Profundidad: [1-8] m
Pozo Profundidad SUCS LL IP

a1 6 CL-ML 18.40 4.90
c5 7 CL-ML 21.15 6.62
c3 7 CL 21.52 8.13
c4 7 CL 22.62 7.06
c2 7 CL 22.64 9.60
a2 6 CL 22.70 7.50
c4 8 CL-ML 23.43 6.77
… … … … …
a2 2 CL 34.40 14.20
a1 1 CL 43.40 18.90
a2 1 CL 44.50 18.60

48
9.2 Análisis Estructural
En esta etapa se realiza un análisis estructural de los datos recopilados. El objetivo

principal es comprender la relación espacial entre las observaciones y evaluar si existen
patrones, tendencias y dependencias espaciales que puedan influir en la predicción de valores
en ubicaciones no muestreadas. Dos técnicas utilizadas son la matriz de correlación entre
variables y el semivariograma.
9.2.1 Matriz de Correlación entre Variables
La Figura 21 muestra una matriz de correlación que representa las relaciones entre las
variables analizadas en el estudio. Los valores de correlación oscilan entre -1 y 1. Una
correlación de -1 indica una correlación negativa perfecta, 1 indica una correlación positiva
perfecta y 0 indica la ausencia de correlación. Los elementos en la diagonal principal de la
matriz tienen un valor de 1, ya que representan la correlación de cada variable consigo misma.
Figura 21.
Matriz de Correlación. Pozos [‘A’, ‘B’, ‘C’], Profundidad: [1-8] m
Abertura de
Malla
tamiz (mm)
#4 4.75
# 10 2.00
# 40 0.425
# 60 0.250
# 200 0.075

49
Por ejemplo, la correlación de 0.42 entre "latitud" y "0.425mm" sugiere una

correlación positiva moderada. Esto significa que a medida que nos desplazamos hacia el
norte (incremento en latitud), es probable que el valor de "0.425mm" también aumente, y
viceversa. Por otro lado, la correlación de -0.51 entre "longitud" y "0.075mm" indica una
correlación negativa moderada, lo que significa que cuando nos desplazamos hacia el este
(incremento en longitud), es probable que el valor de "0.075mm" disminuya, y viceversa.
9.2.2 Semivariograma
En la Figura 22 se presenta el semivariograma, que nos permite analizar la

dependencia espacial de la variable "0.075mm". El semivariograma cuantifica la variabilidad
o semivarianza de pares de observaciones a distancias específicas (lags) en el espacio. En este
contexto, los lags representan diferentes distancias entre puntos de muestreo.
El cuadro de variograma resultante muestra el semivariograma experimental, donde los

lags se representan en el eje de las abscisas (horizontal) y las semivarianzas en el eje de las
ordenadas (vertical). Este gráfico nos proporciona información sobre la autocorrelación
espacial de los datos, es decir, cómo los valores de "0.075mm" están relacionados entre sí a
diferentes distancias.
En el siguiente paso, se selecciona un modelo teórico de semivariograma que mejor se

ajuste a los datos experimentales. Los parámetros de este modelo, son utilizados mas adelante
en la interpolación.
50
Figura 22.
Semivariograma, Variable: [‘0.075mm’], Profundidad: [1] m
Punto Punto 0.075 mm 0.075 mm

Distance Lag Varianza Lag Semi-
(1) (2) (1) (2)
1 a1 a2 30.71 30 96.50 96.50 0.0 distancia varianza
1 30 382.32
2 c4 c5 46.07 50 14.51 14.90 0.15
3 c3 c6 46.07 50 11.53 41.46 895.8 2 50 176.90
4 c2 c5 46.07 50 25.73 14.90 117.29 3 60 319.83
5 c1 c4 46.07 50 28.61 14.51 198.81 4 70 29.07
6 c2 c3 46.07 50 25.73 11.53 201.64 5 90 319.15
… … … … … … … … 6 100 210.27
… … … … … … … … 7 260 3670.71
17 a2 c1 263.34 260 96.50 28.61 4609.05 8 280 5327.06
18 a2 c2 283.32 280 96.50 25.73 5008.39
9 290 2807.05
19 a1 c1 291.65 290 96.50 28.61 4609.05
Modelo teórico que mejor se ajusta: ‘Gaussiano’

Sill: 4900.00 | Range: 270.00

51
9.3 Predicción Espacial
En esta etapa, nos enfocamos en la predicción espacial de los valores de las diferentes
variables de interés, como '4.75mm', '2.00mm', '0.425mm', '0.250mm', '0.075mm', 'LL' e 'IP', a
diferentes profundidades. La técnica de interpolación utilizada para este propósito es el
Kriging.
En la Figura 23, se presentan seis imágenes, cada una correspondiente a una

profundidad de interés. Cada imagen muestra un mapa de calor que representa las variaciones
de la variable "0.075mm" en la región de estudio. Estos mapas proporcionan una visualización
de cómo se espera que cambien los valores de la variable en diferentes ubicaciones y
profundidades.
Las Figuras 24 a 29 presentan la distribución de partículas en los puntos interpolados

para cada metro de profundidad. Además, se proporciona una tabla con los valores estimados
para estos puntos en todas las variables de interés, junto con su clasificación en el sistema
SUCS. Estas visualizaciones permiten una comprensión detallada de cómo se distribuyen las
partículas del suelo en diferentes profundidades y ubicaciones.
La Figura 30 muestra un perfil estratigráfico de los puntos interpolados, coloreados de

acuerdo con el tipo de suelo. Esto proporciona una representación gráfica de cómo cambia la
clasificación de suelos a diferentes profundidades en la región de estudio.
En la Figura 31, se presenta una representación de la región de estudio con un

diagrama de Voronoi que incluye tanto los puntos de muestreo como los puntos de
interpolación. El diagrama de Voronoi divide el espacio en regiones que están más cerca de un
punto de muestreo o interpolación específico que de cualquier otro punto.
La Figura 32 expande la visualización de los diagramas de Voronoi, mostrando cómo

varía la distribución de los suelos a diferentes profundidades, desde 1 hasta 6 metros.
52
Figura 23.
Interpolación Kriging. Variable: [‘0.075mm’], Profundidad: [1-6] m
Profundidad: [1] m. Profundidad: [2] m.

53
Figura 24.
Curva de Granulometría, Estimación: [‘Xi’], Profundidad: [1] m
Leyenda:
id SUCS 0.075mm
(%)
X1 CL 71.90
X4 CL 63.14
X7 CL-ML 51.23
X2 CL 50.15
X5 SC-SM 40.93
X3 SM 36.12
X8 SM 30.34
X6 SM 28.66
X9 SM 17.40

(m) (%) (%) (%) (%) (%) (%) (%)
X1 1 CL 94.81 93.94 90.66 87.51 71.90 31.25 13.24
X2 1 CL 93.40 92.68 84.94 77.06 50.15 18.70 7.88
X3 1 SM 94.97 94.21 80.71 66.25 36.12 NP NP
X4 1 CL 95.33 95.11 92.15 86.41 63.14 26.09 10.44
X5 1 SC-SM 94.02 93.66 86.15 75.77 40.93 14.39 5.73
X6 1 SM 95.58 94.91 81.63 64.59 28.66 NP NP
X7 1 CL-ML 97.41 97.41 93.41 83.68 51.23 15.90 6.20
X8 1 SM 96.52 96.46 87.42 73.28 30.34 NP NP
X9 1 SM 97.58 97.22 80.82 58.86 17.40 NP NP

54
Figura 25.
Leyenda:
id SUCS 0.075mm
(%)
X4 CL 85.42
X1 CL 82.00
X7 CL 73.67
X2 CL-ML 73.36
X5 CL-ML 70.12
X3 ML 63.02
X6 ML 57.80
X8 ML 53.10
X9 SM 38.98

(m) (%) (%) (%) (%) (%) (%) (%)
X1 2.0 CL 95.09 94.92 91.28 82.00 82.00 22.80 9.21
X2 2.0 CL-ML 93.57 93.39 87.21 73.26 73.26 13.98 5.70
X3 2.0 ML 95.05 94.92 86.05 69.78 63.02 NP NP
X4 2.0 CL 95.55 95.21 93.59 85.42 85.42 23.84 10.39
X5 2.0 CL-ML 94.15 93.82 89.85 73.19 70.12 13.36 5.85
X6 2.0 ML 95.63 95.37 92.99 70.59 57.80 NP NP
X7 2.0 CL 97.54 97.27 94.88 85.29 73.67 15.74 7.01
X8 2.0 ML 96.58 96.25 88.49 67.34 53.10 NP NP
X9 2.0 SM 97.59 97.16 87.58 60.27 38.98 NP NP

55
Figura 26.
Leyenda:
id SUCS 0.075mm
(%)
X4 ML 71.87
X7 ML 62.74
X1 ML 60.59
X5 ML 50.97
X2 SM 47.16
X8 SM 42.57
X3 SM 32.87
X6 SM 32.18
X9 SM 26.88

(m) (%) (%) (%) (%) (%) (%) (%)
X1 3.0 ML 95.09 94.81 85.65 85.65 60.59 NP NP
X2 3.0 SM 93.57 93.44 78.67 78.67 47.16 NP NP
X3 3.0 SM 95.05 95.02 75.52 64.96 32.87 NP NP
X4 3.0 ML 95.55 95.55 89.84 89.84 71.87 NP NP
X5 3.0 ML 94.15 94.15 80.12 80.12 50.97 NP NP
X6 3.0 SM 95.63 95.63 74.49 65.65 32.18 NP NP
X7 3.0 ML 97.54 97.54 89.99 89.59 62.74 NP NP
X8 3.0 SM 96.58 96.58 82.37 82.16 42.57 NP NP
X9 3.0 SM 97.59 97.59 76.9 64.0 26.88 NP NP

56
Figura 27.
Leyenda:
id SUCS 0.075mm
(%)
X7 SM 41.04
X4 SM 39.08
X5 SM 32.15
X8 SM 30.34
X1 SM 28.94
X2 SM 27.07
X9 SM 26.92
X6 SM 26.26
X3 SM 23.88

(m) (%) (%) (%) (%) (%) (%) (%)
X1 4.0 SM 95.09 95.09 88.67 55.11 28.94 NP NP
X2 4.0 SM 93.57 93.57 84.8 51.69 27.07 NP NP
X3 4.0 SM 95.05 95.05 82.02 50.39 23.88 NP NP
X4 4.0 SM 95.55 95.55 95.55 66.68 39.08 NP NP
X5 4.0 SM 94.15 94.15 93.84 59.24 32.15 NP NP
X6 4.0 SM 95.63 95.63 91.02 57.36 26.26 NP NP
X7 4.0 SM 97.54 97.54 97.54 70.14 41.04 NP NP
X8 4.0 SM 96.58 96.58 93.32 60.65 30.34 NP NP
X9 4.0 SM 97.59 97.59 91.94 62.64 26.92 NP NP

57
Figura 28.
Leyenda:
id SUCS 0.075mm
(%)
X6 ML 96.34
X3 ML 95.06
X9 ML 87.38
X2 ML 86.88
X5 ML 86.57
X4 CL 80.83
X1 ML 77.65
X8 ML 67.64
X7 CL 60.51

(m) (%) (%) (%) (%) (%) (%) (%)
X1 5.0 ML 97.67 97.4 92.73 84.02 77.65 NP NP
X2 5.0 ML 100.0 99.68 93.12 89.03 86.88 NP NP
X3 5.0 ML 100.0 100.0 95.37 95.37 95.06 NP NP
X4 5.0 CL 96.41 96.41 96.34 84.74 80.83 29.64 12.13
X5 5.0 ML 97.31 97.23 94.6 87.75 86.57 NP NP
X6 5.0 ML 100.0 100.0 96.6 96.6 96.34 NP NP
X7 5.0 CL 97.4 97.4 92.99 69.91 60.51 26.22 10.73
X8 5.0 ML 97.66 97.66 91.46 75.71 67.64 NP NP
X9 5.0 ML 100.0 100.0 96.58 93.69 87.38 NP NP

58
Figura 29.
Leyenda:
id SUCS 0.075mm
(%)
X4 CL-ML 71.63
X7 CL-ML 66.08
X1 CL-ML 56.25
X5 SM 42.51
X8 SM 37.35
X2 SM 30.60
X6 SP-SM 7.42
X9 SP-SM 6.01
X3 SP 0.00

(m) (%) (%) (%) (%) (%) (%) (%)
X1 6.0 CL-ML 97.67 97.67 95.04 74.42 56.25 15.1 4.18
X2 6.0 SM 100.0 100.0 91.54 57.22 30.6 9.24 1.62
X3 6.0 SP 100.0 100.0 87.49 33.41 0.00 NP NP
X4 6.0 CL-ML 96.41 96.41 93.03 81.98 71.63 15.66 5.71
X5 6.0 SM 97.31 97.31 89.66 65.08 42.51 8.81 2.67
X6 6.0 SP-SM 100.0 100.0 85.37 41.23 7.42 NP NP
X7 6.0 CL-ML 97.4 97.4 89.46 77.76 66.08 10.31 4.1
X8 6.0 SM 97.66 97.66 87.42 65.27 37.35 NP NP
X9 6.0 SP-SM 100.0 100.0 83.48 43.22 06.01 NP NP

59
Figura 30.
Perfil Estratigráfico, Estimación: [‘Xi’], Profundidad: [1-6]m
Figura 31.
Mapa de Zonificación, Parámetro: [‘SUCS’], Profundidad: [1] m

60
Figura 32.
Mapas de Zonificación, Parámetro: [‘SUCS’], Profundidad: [1-6] m
Profundidad: [2] m.
Profundidad: [1] m.

61
10 PROPUESTA DE UN SISTEMA DE REGISTRO GEOTÉCNICO EN LA CIUDAD

DE SANTA CRUZ.
Este capítulo introduce la propuesta de implementación de un Sistema de Registro

Geotécnico (SRG) en la ciudad de Santa Cruz de la Sierra. El SRG es una plataforma digital
diseñada para recopilar, almacenar y gestionar datos geotécnicos de diversas fuentes y
ubicaciones. Su objetivo es proporcionar acceso a información del suelo para el estudio de las
propiedades geotécnicas y apoyar la toma de decisiones en construcción y desarrollo urbano.
10.1 Características Geológicas y Geotécnicas de Santa Cruz de la Sierra
Santa Cruz de la Sierra se encuentra en la región morfológica conocida como Llanura

Chaco-Beniana (Figura 33), caracterizada por su relieve bajo y su ubicación geográfica entre
las Sierras Chiquitanas y el Escudo Brasilero al este, y las Sierras Subandinas al oeste.
Durante el Cuaternario, esta región se llenó de sedimentos, lo que resultó en suelos
compuestos principalmente por depósitos aluviales, eólicos y palustres, compuestos en su
mayoría por arenas y limos saturados.
10.2 Contexto y necesidad de gestión de datos geotécnicos
El crecimiento constante de la actividad constructiva en Santa Cruz ha generado una

cantidad significativa de información geotécnica a lo largo de los años. Esta información es
fundamental para comprender la naturaleza del suelo en diferentes áreas de la ciudad y para
planificar proyectos de construcción de manera segura y eficiente. El capítulo enfatiza que el
SRG no busca reemplazar el reconocimiento detallado en proyectos específicos, sino que sirve
como una herramienta para la etapa de anteproyecto y estudios preliminares.
La recopilación de datos geotécnicos de múltiples puntos en la ciudad contribuye a

comprender la variabilidad del suelo y los riesgos geológicos asociados, lo que influye en la
planificación de cimentaciones y estructuras subterráneas y, en última instancia, en la
seguridad y estabilidad de las edificaciones.
62
Figura 33.
Mapas geológicos de América del Sur y Santa Cruz.
A)
B)
Nota. A) Mapa geológico de América del Sur. – B) Mapa geológico de Santa Cruz.
Adaptado de Gómez, J., Schobbenhaus, C. & Montes, N.E., compilers. 2019. Geological Map of South
America 2019. Commission for the Geological Map of the World (CGMW), Colombian Geological Survey
and Geological Survey of Brazil. Paris.
63
10.3 Metodología
La implementación de un Sistema de Registro Geotécnico (SRG) requiere un enfoque

estructurado que abarque desde la recopilación de datos hasta su almacenamiento y gestión. A
continuación, se detallan los pasos y las tecnologías para llevar a cabo esta implementación:
10.3.1 Recopilación de Datos Geotécnicos
La recopilación de datos geotécnicos es la parte más importante, se plantea llevar a

cabo en colaboración con instituciones, laboratorios y universidades para obtener datos
antiguos y nuevos. Algunas metodologías que pueden ser usadas para la recopilación de datos:
● Estandarización de Datos: Implica establecer estándares y protocolos para la

recopilación de datos, esto es fundamental para garantizar la interoperabilidad de la
información recopilada.
● Bases de Datos y Plataforma online de registro y consulta: Esta plataforma debe
ser capaz de gestionar los volúmenes de información requeridos y ofrecer
funcionalidades de búsqueda y consulta.
● Registro de Datos Antiguos y Recolección de Nuevos Datos: Se debe recopilar tanto
datos geotécnicos existentes como nuevos. Para ello, es esencial establecer
colaboraciones sólidas con diversas instituciones, laboratorios de suelos, universidades
y empresas de ingeniería. La colaboración con estas entidades garantiza la obtención
de datos actualizados y confiables. La recopilación de datos antiguos implica buscar y
digitalizar información geotécnica de proyectos y estudios previos. La recolección de
nuevos datos involucra la participación activa de las instituciones colaboradoras en la
generación y aporte de información reciente.
10.3.2 Almacenamiento de Datos Geotécnicos
La gestión eficaz de datos geotécnicos requiere una infraestructura de almacenamiento

robusta y segura para garantizar la integridad y la confidencialidad de la información. A
continuación, se describen los criterios clave para el almacenamiento de datos geotécnicos:
64
● Almacenamiento en Servidores y/o la Nube: Los datos geotécnicos deben ser

almacenados en servidores seguros y confiables, ya sea en un entorno local o en la
nube. Al optar por el almacenamiento en la nube, se garantiza la accesibilidad y
disponibilidad de los datos desde cualquier ubicación. Esto permite que los usuarios
autorizados accedan a la información de manera oportuna y eficiente, lo que es
esencial para proyectos y decisiones en tiempo real.
● Base de Datos Relacional: Se puede utilizar una base de datos relacional para
organizar y gestionar los datos geotécnicos. Este enfoque permite establecer relaciones
entre diferentes conjuntos de datos, lo que facilita la búsqueda y la consulta de
información específica.
● Protocolos de Seguridad: Deben establecerse protocolos de seguridad para proteger

la información de accesos no autorizados. Algunas medidas de seguridad clave
incluyen el cifrado de datos, la autenticación de usuarios y la implementación de
políticas de acceso y control.
10.3.3 Desarrollo de Plataforma online para usuarios
La creación de una plataforma en línea es esencial para que los usuarios puedan
acceder y utilizar eficazmente el (SRG). Esta plataforma debe ser diseñada de manera que
facilite la búsqueda, visualización y descarga de datos. A continuación, se describen las
principales características que deben incluirse:
● Acceso a Datos: Los usuarios deben poder acceder fácilmente a los datos geotécnicos
específicos que necesitan. La plataforma debe ofrecer una función de búsqueda que
permita a los usuarios buscar datos por ubicación, tipo de suelo, profundidad u otras
categorías relevantes. Además, se deben establecer permisos de acceso para garantizar
que los usuarios solo puedan acceder a la información autorizada.
● Visualización de Datos: La plataforma debe incluir herramientas de visualización de

datos, como gráficos y mapas, que permitan a los usuarios representar los datos
geotécnicos de manera clara y comprensible. Los mapas interactivos pueden ser
65
especialmente útiles para mostrar la distribución espacial de las propiedades del suelo.
Esto facilita la identificación de patrones y tendencias.
● Descarga de Datos: Para permitir un mayor análisis y uso de los datos, la plataforma
debe permitir a los usuarios descargar datos en diferentes formatos. El formato CSV es
ampliamente aceptado y permite que los datos se utilicen en diversas aplicaciones y
herramientas de análisis.
10.3.4 Capacitación y Soporte Técnico
Capacitación y soporte técnico para garantizar que los usuarios puedan utilizar
eficazmente el sistema y resolver cualquier problema que puedan encontrar. Estas son las
áreas clave a considerar:
Capacitación: Se debe proporcionar capacitación a los usuarios, tanto en el uso de la

plataforma en línea como en la interpretación de los datos. Esto puede incluir la realización de
talleres, tutoriales y documentación.
Soporte Técnico: Debe existir un mecanismo de soporte técnico que permita a los
usuarios resolver cualquier problema que puedan encontrar al utilizar la plataforma.
Documentación: Es fundamental proporcionar documentación detallada que explique

el funcionamiento de la plataforma, cómo acceder a los datos, cómo interpretarlos y cómo
utilizar las herramientas de visualización.
Actualizaciones y Mejoras: La plataforma debe mantenerse actualizada con

regularidad para incorporar mejoras, corregir errores y agregar nuevas funcionalidades.
10.4 Estrategias para Fomentar la Colaboración Institucional
La colaboración institucional es crucial para la implementación exitosa del Sistema de

Registro Geotécnico. Aquí se presentan algunas estrategias para promover y planificar la
colaboración efectiva con diversas instituciones:
66
● Reconocer y recompensar contribuciones: Para fomentar la colaboración, se pueden

implementar incentivos que reconozcan y recompensen las contribuciones de
instituciones, laboratorios de suelos, universidades y empresas de ingeniería. Esto
podrían ser herramientas avanzadas de análisis y gestión de datos.
● Facilitar el intercambio de datos: Facilitar el intercambio de datos entre
instituciones. Esto puede lograrse mediante la implementación de estándares de
interoperabilidad que faciliten la transferencia de información.
● Alianzas Estratégicas: Se pueden establecer alianzas estratégicas con instituciones
que tengan un interés en la recopilación y el uso de datos geotécnicos, instituciones
como los Municipios y la Gobernación.
10.5 Beneficios del Sistema de Registro Geotécnico
La implementación del Sistema de Registro Geotécnico (SRG) en la ciudad de Santa

Cruz conlleva varios beneficios significativos para la comunidad y los profesionales
involucrados en proyectos de construcción y desarrollo urbano.
● Acceso Rápido: Se pueden acceder rápida y fácilmente a datos geotécnicos, lo que

agiliza sus proyectos y evita la pérdida de tiempo en la búsqueda de información.
● Información Actualizada: La disponibilidad de datos geotécnicos actualizados
garantiza que las decisiones se basen en información precisa, lo que resulta en una
mayor precisión en la planificación y ejecución de proyectos de construcción.
● Reducción de Riesgos: Al comprender mejor las características del suelo, se pueden
llevar a cabo construcciones más seguras, minimizando los riesgos asociados con
problemas geotécnicos.
● Ahorro de Costos: Facilita una planificación más precisa de las ubicaciones de
muestreo al utilizar información geotécnica existente, lo que permite la selección de
puntos estratégicos para obtener resultados representativos. Además, brinda la
capacidad de estimar con mayor precisión la cantidad necesaria de estudios
geotécnicos para proyectos específicos en ubicaciones determinadas, lo que se traduce
en ahorros significativos tanto en tiempo como en recursos.
67
● Planificación Eficiente: Contribuye a la planificación urbana sostenible al

proporcionar información valiosa sobre el suelo, lo que facilita el diseño de
infraestructuras más eficientes y respetuosas con el entorno.
● Colaboración: La plataforma promueve la colaboración entre instituciones, lo que
resulta en una recopilación más completa y actualizada de datos geotécnicos y en un
mayor apoyo a proyectos de construcción.
10.6 Consideraciones Éticas
● Privacidad de los Propietarios de Datos: Es importante destacar que los datos

geotécnicos pueden abarcar información sensible relacionada con propiedades
privadas o áreas de importancia ambiental. Se deben respetar las leyes y regulaciones
de privacidad al recopilar, almacenar y compartir estos datos.
● Consentimiento y Acceso a Datos: Cuando se recopilan datos geotécnicos, es
fundamental obtener el consentimiento adecuado de los propietarios de las tierras o
áreas involucradas. Además, se deben definir claramente los términos de acceso a los
datos para garantizar que se utilicen de manera ética y responsable.
● Uso Responsable de la Información: Se debe destacar la importancia de utilizar la
información geotécnica de manera responsable y ética. Esto incluye no utilizar los
datos para fines fraudulentos, así como respetar la confidencialidad de los datos
cuando sea necesario.
68
11 CONCLUSIONES Y RECOMENDACIONES
11.1 Conclusiones
Una gestión adecuada de datos geotécnicos es un factor relevante en la mejora de la

comprensión de las características del suelo en diferentes regiones. Facilita el acceso a la
información y permite la aplicación de técnicas avanzadas de análisis. Un ejemplo relevante
de su impacto es el uso de datos geotécnicos gestionados eficazmente en proyectos de
infraestructura, lo que lleva a diseños más seguros y eficientes.
La colaboración entre instituciones como laboratorios, universidades, constructoras y

otras instituciones, es esencial para el desarrollo de una visión integral de las propiedades
geotécnicas en Santa Cruz de la Sierra.
11.2 Recomendaciones
Se recomienda la elaboración de estándares y protocolos de recopilación y

almacenamiento de los datos para asegurar la calidad e interoperabilidad de la información
registrada. Estos estándares y protocolos pueden ir ajustándose a medida que más información
se obtenga de las características del suelo de diferentes regiones.
69
12 OPINIÓN PERSONAL
En esta monografía, hemos explorado la gestión de datos geotécnicos y su importancia

en el proceso de toma de decisiones en proyectos de construcción. Hemos explorado técnicas
y métodos para el análisis espacial de datos, comprendiendo su aplicabilidad y ventajas en el
contexto de la construcción.
La información que proviene de diversos estudios de suelo es valiosa y, cuando se

gestiona de manera conjunta, ofrece una perspectiva más completa. La propuesta de establecer
un sistema de registro geotécnico para la ciudad de Santa Cruz de la Sierra representa un
avance hacia una planificación más informada en proyectos de construcción.
El uso de técnicas y métodos de análisis espacial nos permite estimar la cantidad y

ubicación óptimas de puntos de muestreo, resaltando los parámetros geotécnicos críticos que
requieren un estudio detallado. Es necesario recordar que estos análisis espaciales ofrecen
estimaciones y no sustituyen la necesidad de estudios geotécnicos específicos para cada
proyecto.
Para mejorar la precisión de estas estimaciones, se requiere una cantidad significativa

de datos representativos de la región en cuestión. A medida que acumulamos más información
sobre el suelo, se facilita la tarea de determinar la densidad y distribución necesaria de nuevas
exploraciones geotécnicas, esto aumenta la precisión en las estimaciones.
Dada la extensión de la superficie de la ciudad y los costos asociados a los estudios de

suelo, el trabajo en colaboración se convierte en un aspecto esencial para el éxito de la gestión
de datos geotécnicos en la región. Esta colaboración promete beneficios, como el desarrollo
del conocimiento geotécnico de la región y el uso eficiente de los recursos del suelo y el
espacio.
70
13 REFERENCIAS BIBLIOGRÁFICAS
Caputo, Homero Pinto. (s.f.). – Mecânica dos solos e suas aplicações – (6a ed., Vol. 1).
Das, Braja M. (s.f.). – Fundamentos de ingeniería geotécnica. – (4a ed).
Fratelli, Maria Graciela (s.f.). – Suelos, fundaciones y muros. – (n/d ed).
Moya, Rufino., & Saravia, Gregorio. (s.f.). – Probabilidad e Inferencia Estadística – (2a ed).
71
14 ANEXOS

Mono 200967371

Cargado por

Información del documento

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

Mono 200967371

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD AUTÓNOMA GABRIEL RENÉ MORENO

FACULTAD DE CIENCIAS EXACTAS Y TECNOLOGÍA

GESTIÓN Y ANÁLISIS ESPACIAL DE DATOS GEOTÉCNICOS PARA LA

Santa Cruz de la Sierra, Bolivia

Este trabajo está dedicado a:

A la Universidad Autónoma Gabriel René Moreno y al laboratorio de Ingeniería Civil,

Agradecer especialmente a Paul Chávez, que colaboró en la revisión de este trabajo.

En resumen, mi gratitud a todos los que contribuyeron de alguna manera a la realización de

Para ejemplificar estas técnicas, presentamos un caso de aplicación centrado en la

El estudio concluye con una propuesta para establecer un sistema de registro

2 ANTECEDENTES Y PLANTEAMIENTO DEL PROBLEMA.............................................1

5 DESCRIPCIÓN DEL PROBLEMA........................................................................................ 4

7 GESTIÓN DE DATOS GEOTÉCNICOS.............................................................................. 12

7.1 Gestión de datos geotécnicos.........................................................................................12

8 ANÁLISIS ESPACIAL DE DATOS...................................................................................... 17

9.3 Predicción Espacial....................................................................................................... 51

10 PROPUESTA DE UN SISTEMA DE REGISTRO GEOTÉCNICO EN LA CIUDAD DE

Figura 1. Formas de Distribuciones de datos………………………….….…………………... 19

Figura 28. Curva de Granulometría, Estimación: [‘Xi’], Profundidad: [5] m………………... 57

La geotecnia se enfoca en comprender las propiedades y el comportamiento de los

Esta investigación se centra en la gestión de datos geotécnicos, generados a partir de

2 ANTECEDENTES Y PLANTEAMIENTO DEL PROBLEMA

Los avances tecnológicos han desempeñado un papel importante en el avance de

En los últimos años, la actividad constructiva en la ciudad de Santa Cruz de la Sierra

3.1 Objetivo general

Evaluar la eficacia de la gestión y el análisis espacial de datos geotécnicos para la

3.2 Objetivos específicos

a. Describir métodos y prácticas de gestión de datos geotécnicos aplicados a la

b. Describir técnicas y métodos utilizados en el análisis espacial de datos geotécnicos

c. Proponer un Sistema de Registro Geotécnico específico para Santa Cruz de la Sierra,

Comprender el comportamiento del suelo orienta la selección adecuada de

4.1 Justificación Social

Facilita la identificación de áreas con suelos apropiados para proyectos de

4.2 Justificación Económica

El acceso a datos geotécnicos cercanos al sitio donde se planea construir permite

4.3 Justificación Técnica

La integración de datos geotécnicos de diversas fuentes y ensayos proporciona una

4.4 Justificación Ambiental

Conocer las características del suelo de una región contribuye en la planificación de

5 DESCRIPCIÓN DEL PROBLEMA

En la ciudad de Santa Cruz, a lo largo de los años, se ha generado una cantidad

Esta dispersión y falta de estandarización representan un desafío para la comprensión

En las siguientes secciones de este capítulo, exploraremos las diferencias y similitudes

6.1 Geotecnia en Proyectos de Construcción

En proyectos de construcción, la geotecnia evalúa la idoneidad del terreno para

6.2 Parámetros geotécnicos

● Granulometría: Se refiere a la distribución de tamaños de partículas en el suelo. La

● Compresibilidad y Contracción: Se refiere a la capacidad del suelo para reducir su

6.3 Suelos y Rocas

En esta sección, se aborda de manera general la distinción entre suelos y rocas. La

Los suelos son materiales no consolidados que se originan a partir de la

● Granulometría: Refleja la distribución de tamaños de partículas en el suelo y afecta

Algunas características más relevantes de las rocas incluyen:

● Textura: Se refiere a la disposición y el tamaño de los granos minerales que componen

6.4 Caracterización Geotécnica

La caracterización geotécnica es un proceso que implica una evaluación detallada de

Este proceso de caracterización geotécnica se lleva a cabo en varias etapas:

6.5 Sistema Unificado de Clasificación de Suelos (SUCS)

El Sistema Unificado de Clasificación de Suelos (SUCS) es una herramienta que permite

El SUCS divide los suelos en varias categorías principales, que incluyen:

● Gravas (G): Suelos con partículas predominantemente gruesas y poca finura.

Dentro de cada categoría principal, el SUCS proporciona subdivisiones adicionales para

● Pobremente graduado (P): Suelos con tamaños de partículas uniformes.

El uso del SUCS facilita la comunicación entre profesionales de la construcción, al permitir un