06 – Análisis de continuidad espacial

Variogramas

• La estimación y simulación geoestadística se basa en sacar provecho de la

continuidad espacial de la variable
• El variograma, la covarianza y el correlograma miden dicha continuidad espacial
• La idea básica consiste en encontrar la relación que existe entre pares de datos
separados por una cierta distancia h
• El estudio se repite para todas las distancias de separación h
1.00
Variogram : Gaussian

0.75

0.50

0.25

0.00
0

100

200

300

400

500

600

700

UNSCH Distance (m)

Objetivo

• Describir las principales propiedades de la distribución espacial de la variable

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

¿Qué tan continua en el espacio es la variable?

UNSCH
Ejemplo

UNSCH
Nubes de correlación diferida
• Observemos las nubes de correlación diferida para varias distancias de
separación (datos de leyes de cobre en un yacimiento):

UNSCH
Nubes de correlación diferida

• La dispersión de la nube aumenta con la distancia de separación.

• El examen de las nubes de correlación diferida indica cuán semejantes son dos
datos en función de la distancia que las separa. Es decir, permite apreciar la
correlación espacial de (las variables aleatorias que representan) los valores de la
variable regionalizada

UNSCH
Correlograma experimental

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

coeficiente de correlación de las nubes de correlación diferida.

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

separación, se obtiene lo que se denomina el correlograma experimental de los
datos. Generalmente, se trata de una función decreciente de la distancia; tiende a
cero cuando ésta se vuelve muy grande.

UNSCH
 Correlograma experimental

• Definición matemática:

Ĉ(h)
ˆ (h) 
ˆ  (h) ˆ  (h)
con:
N (h )
1
Cˆ (h)  
N (h) i1
z (u i ) z (u i  h)  m (h) m (h)
N (h )
1 1 N (h )
ˆ 2 (h)  
N (h) i1
z (u i ) 2
 m 2
 (h ) m (h)  
N (h) i1
z (u i )
N (h )
1 1 N (h )
ˆ 2 (h)  
N (h) i1
z (u i  h ) 2
 m 2
 (h ) m (h)  
N (h) i1
z (u i  h)

UNSCH
Correlograma experimental

• Ilustración

UNSCH
Covarianza experimental

• En lugar de visualizar el coeficiente de correlación, se puede visualizar la

covarianza en función de la distancia de separación

UNSCH
Variograma experimental

• El variograma experimental se obtiene al visualizar el momento de inercia de las

nubes de correlación diferida (distancia promedio a la diagonal principal) en
función de la distancia de separación:

1 N (h )
ˆ (h)   i
2 N (h) i1
[ z (u )  z (u i  h )]2

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

ésta vale cero.

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

prefiere utilizar el variograma, puesto que su cálculo no hace intervenir los valores
de las medias m+(h) y m-(h).

UNSCH
Variograma experimental

• Ilustración

UNSCH
Variograma experimental

• El variograma muestra características importantes de la variable regionalizada:

• el crecimiento indica la velocidad con la cual se “desestructura” la variable

en el espacio
• la distancia para la cual se estabiliza el variograma representa la “zona de
influencia” de un dato. Se llama alcance
• el comportamiento cerca del origen indica qué tan semejantes son dos
datos muy cercanos, o sea, refleja la continuidad o regularidad de la
variable en a pequeña escala
• el cálculo del variograma puede hacerse a lo largo de distintas direcciones
del espacio y evidenciar una anisotropía

UNSCH
Variograma experimental

• Ilustración del concepto de regularidad espacial

UNSCH
Variograma experimental

• Ilustración del concepto de anisotropía

UNSCH
Estimador del variograma

• Variograma: 1
 (x1 , x 2 )  varianza Z (x1 )  Z (x 2 ) 
2

pero en el caso estacionario: E ( Z (x)  Z (x  h) 2  0

1

 x, h  E Z (x )  Z (x  h)2
2

• El estimador del variograma es:
N (h )
1
 (h) 
*
 z (x )  z (x  h)2

2 N (h)  1

UNSCH
 Propiedades del variograma

• Simétrico  h     h 
• Se anula en el origen  0  0
• Positivo o nulo  h   0
• En el infinito, crece más lento que una parábola
• Toda suma de variogramas es un variograma
• El producto de variogramas no es necesariamente un
variograma

UNSCH
Ejemplo de cálculo
n (h )
1 M e d ia d e lo s p r im e r o s
 m cola 
n (h )
 
  1
z(x  )
v a lo r e s e n lo s p a r e s .
n (h )
1 M e d ia d e lo s s e g u n d o s
 m cabeza 
n (h )
   1
z(x   h )
v a lo r e s e n lo s p a r e s .
n (h )
1 V a r ia n z a d e lo s p r im e r o s
 s 2
cola 
n (h )  1
  z ( x
  1
 )  m cola 2 v a lo r e s e n lo s p a r e s .
1 n (h ) V a r ia n z a d e lo s
 s 2
cabeza 
n (h )  1
  z ( x   h )  m cabeza 2 s e g u n d o s v a lo r e s e n lo s
  1 p a re s .
C o v a ria n z a e n tr e lo s
1 n (h ) p r im e r o s y s e g u n d o s
 C (h ) 
n (h )  1
  z ( x  )  m cola   z ( x   h )  m cabeza  v a lo r e s s e p a r a d o s a u n a
  1 d is ta n c ia h .
C o v a r ia n z a
C o e fic ie n te d e
C (h ) c o r r e la c ió n e n tre lo s
 r(h )  p r im e r o s y s e g u n d o s
s s
cabeza cola v a lo r e s .
C o r r e lo g r a m a
1 n (h ) V a r io g r a m a
 z ( x  h )
2
  (h )    )  z(x  d e m u e s tra s s e p a ra d a s
2  n (h )   1 a u n a d is ta n c ia h .

UNSCH
 Ejemplo de cálculo
h n(h) mcabeza mcola s2cabeza s2cola C(h) r(h) (h)
0 10 6,300 6,300 11,344 11,344 11,344 1,00 0,000
1 7 7,286 6,143 10,950 9,476 7,619 0,75 2,859
2 6 7,500 6,500 13,900 13,100 4,300 0,32 8,167
3 6 7,333 6,333 13,867 19,067 -1,733 -0,11 15,667

Variograma de muestras de zinc Covarianza de muestras de zinc

Variograma de muestras de zinc Covarianza de muestras de zinc

18,00 12,000
15,67 11,344 18,00 12,000
16,00 10,000 15,67 11,344
16,00 10,000
14,00
8,000 7,619 14,00
12,00 Varianza 8,000 7,619

C(h)
(h)

=11,344 6,000 12,00 Varianza

10,00 8,17 =11,344 6,000
4,300 10,00 8,17

(h)
8,00 4,000

C(h)
8,00 4,000 4,300
6,00 2,000
2,86 6,00 2,000
4,00 2,86
0,000 4,00
2,00 0,00 0,000
-2,000 0 1 2 3 -1,733 4 2,00 0,00
0,00
0,00 -2,000 0 1 2 3 -1,733 4
0 1 2 3 4 -4,000
0 1 2 3 4 -4,000
Distancia h (m) Distancia h (m)
Distancia h (m) Distancia h (m)

Correlograma de muestras de zinc

Correlograma de muestras de zinc
1,20
1,20
1,00 1,00
1,00 1,00
0,80
0,75
0,80
r(h)

0,60 0,75
0,60

r(h)
0,40
0,32 0,40
0,20 0,32
0,20
0,00
0 1 2 3 -0,11 4 0,00
-0,20
0 1 2 3 -0,11 4
Distancia h (m) -0,20
Distancia h (m)

UNSCH
 Cálculo de variogramas experimentales

• El variograma se calcula para diferentes pasos y direcciones:

• Difícil encontrar pares exactamente separados por una distancia dada en cierta
dirección
• Se introducen tolerancias en el paso y en el ángulo

Y axis (North)

ce
r an
To le
g
La Bandwidth
4
Azimuth L ag
3
L ag
ce
an
ist 2
g D L ag Azimuth
La
tolerance
1
L ag
X axis (East)

UNSCH
 Cálculo de variogramas experimentales
• Paso p: distancia a la que se calculan los puntos del variograma experimental
• Número de pasos np: depende del tamaño del dominio
• Tolerancia del paso Dp: tolerancia en la separación, de manera que los puntos puedan
encontrarse a una distancia mayor o menor al paso
• Azimut q: dirección en la que se calcula el variograma medida en un plano horizontal
respecto al norte, en el sentido de los punteros del reloj
• Tolerancia angular en el azimut Dq: ángulo dentro del que se considera válido un punto,
para el cálculo de la diferencia
• Ancho de banda en el azimut DhH: banda dentro de la cual se consideran válidos los datos
para el cálculo del variograma, y se mide perpendicular a la dirección del azimut

p

hH


E
Paso 0 Paso 1 Paso 2 Paso 3 Paso 4

UNSCH
Cálculo de variogramas experimentales
• Inclinación j: dirección, medida en el plano vertical del azimut, en la que se calcula el
variograma.
• Inclinación de 0º  dirección horizontal
• Inclinación positiva  “hacia arriba”
• Inclinación negativa  “hacia abajo”
• Tolerancia angular en la inclinación Dj: ángulo dentro del cual se considera válido un
punto, para el cálculo de la diferencia, en el mismo plano vertical en que se definió la
inclinación
• Ancho de banda en la inclinación DhV: dimensión vertical de la banda dentro de la cual
se consideran los datos válidos para calcular el variograma
• Número de pares mínimo: se puede considerar que un punto del variograma es válido si
su cálculo se hizo con un número de pares superior a este parámetro

p

hH


E
Paso 0 Paso 1 Paso 2 Paso 3 Paso 4

UNSCH
 Cálculo de variogramas experimentales

• Datos 2-D o 3-D, regular o irregularmente espaciados

• Especificación de Dirección (regular):

UNSCH
 Cálculo de variogramas experimentales

• Especificación de dirección (irregular):

Y axis (North)

e
anc
r
le
To
g
La 4
Bandwidth
L ag
Azimuth

g3
La
nce
a
i st
D g2
g La Azimuth
La
tolerance
g1
La X axis (East)

UNSCH
Cálculo de variogramas experimentales

Ejemplo: Comienzo con una separación (#4)

1
 (h)   [
2 N (h) N ( h )
z (u )  z (u  h )]2

Comenzar en un nodo y comparar

su valor con todos los nodos que
caigan dentro del la tolerancia de
separación y tolerancia angular.
...

UNSCH
Cálculo de variogramas experimentales

1
 (h)   [
2 N (h) N ( h )
z (u )  z (u  h )]2

Ir al siguiente nodo.

...

UNSCH
Cálculo de variogramas experimentales

1
 (h)   [
2 N (h) N ( h )
z (u )  z (u  h )]2

Ir al siguiente nodo.

...

UNSCH
Cálculo de variogramas experimentales

Ahora repetir para todos los nodos

Y repetir para todas las separaciones

Variograma g(h)

Sin correlación

Variabilidad
En aumento
...

Distancia de separación (h)

UNSCH
Interpretación de variogramas
 Interpretación de variogramas experimentales

Variograma Vertical
Meseta

Efecto pepita
Alcance

Distancia

• Meseta = la varianza (1.0 si los datos están estandarizados)

• Alcance = la distancia a la cual el variograma alcanza la meseta (95%)
• Efecto pepita = suma de variabilidad debida a microestructuras geológicas y error de medición
• Cualquier error en la medición del valor o la posición asignada a la medida se traduce en un efecto
pepita mas alto.
• Cuando los datos son escasos el efecto pepita aparece más alto de lo esperado

UNSCH
 Deriva

Datos con deriva Ejemplo Variograma Vertical

3.0
Vertical

g Meseta

0.0

-3.0

Distancia
Horizontal

• Indica una tendencia (Cambio ascendente en compactación, …)

• Modelar a la meseta teórica, los datos asegurarán que la deriva aparezca en el
modelo final.
• Puede tener que considerarse la deriva explícitamente más adelante
(simulación/modelamiento)

UNSCH
 Ciclidad

Datos Cíclicos Ejemplo Variograma Vertical

meseta
3.0

g
Vertical

0.0

-3.0

Horizontal Distancia

• La ciclicidad puede estar vinculada a la periodicidad geológica

• Podría deberse a información limitada / mala elección de parámetros de cálculo
• Preocuparse del efecto pepita y una estimación razonable del alcance

UNSCH
 Anisotropía geométrica

Ejemplo con anisotropía geométrica

Variograma Vertical Meseta
3.0

g
Vertical

0.0 Variograma Horizontal

-3.0
Distancia (h)
Horizontal

Alcances diferentes en direcciones diferentes

Explicado por:
• Dirección de flujo preferencial de los fluidos mineralizantes
• Depositación en direcciones preferenciales (gradiente en temperatura, PH,…)
Muy común en la vertical y común en la horizontal
UNSCH
 Anisotropía zonal

Ejemplo con anisotropía zonal

Meseta
3.0 Variograma Vertical

g Meseta aparente
Vertical

Variograma Horizontal
0.0

-3.0
Distancia (h)
Horizontal

• Comparar la meseta vertical con la meseta horizontal

• Cuando el variograma vertical alcanza una meseta más alta:
• Presumiblemente por varianza adicional de la estratificación
• Cuando el variograma vertical alcanza una meseta más baja:
• Presumiblemente por una diferencia significativa en el valor promedio en cada zona  el
variograma horizontal tiene varianza adicional entre zonas
UNSCH
Modelamiento de variogramas
Motivación

El variograma experimental requiere ser modelado:

• es imperfecto: los puntos obtenidos están sujetos a imprecisiones
• es incompleto: se calculó para un número finito de distancias y de direcciones del
espacio

→Se ajusta un modelo de variograma, definido en todas las direcciones del

espacio y para todas las distancias, en torno al variograma experimental
obtenido. Se usará este modelo como si fuera el “verdadero” variograma de la
función aleatoria que representa la variable en estudio

UNSCH
Motivación

Variograma experimental:

1 N (h )
ˆ (h)  
2 N (h) i1
[ z (u i )  z (u i  h)]2

Variograma teórico:

1
 (h)  var{Z (u  h)  Z (u)} u  D
2
1
 E{[Z (u  h)  Z (u)]2 }
2
→ El variograma experimental estima el variograma teórico sin sesgo

UNSCH
Propiedades del variograma

Un modelo de variograma debe satisfacer varias restricciones matemáticas:

• Función positiva: g(h)  0
• Función par: g(h) = g(-h)
• Nulidad en el origen: g(0) = 0
• En el infinito, crece más lentamente que una parábola
• Función de tipo negativo condicional:

k k k
1 ,... k R/ i  0,u1 ,...u k ,  i  j  (u i  u j )  0
i1 i1 j 1

UNSCH
Propiedades del variograma

Los rasgos importantes de un variograma son:

• El comportamiento en el origen: suave / continuo / discontinuo

• El comportamiento al infinito: alcance / meseta
• El comportamiento direccional: isótropo / anisótropo
• Otros: ciclicidad, efecto de hoyo

UNSCH
Propiedades del variograma

En la práctica, se modela el variograma experimental a partir de funciones básicas

preestablecidas que cumplen con las restricciones matemáticas de un variograma:
• modelo discontinuo en el origen: efecto pepita
• modelos lineales en el origen: esférico, exponencial…
• modelos parabólicos en el origen: Gaussiano…
• modelos sin meseta: potencia…
• modelos cíclicos: seno cardinal…

UNSCH
Efecto pepita

0 si h  0
 ( h)  
C en caso contrario

Este modelo se traduce en una ausencia total de correlación en el espacio: dos

muestras distintas tienen valores independientes

UNSCH
Efecto pepita

Las causas del efecto pepita son:

• La presencia de “micro-estructuras” (variabilidad a escala muy pequeña
en comparación con la escala de observación)
• La presencia de errores de medición (errores fundamental, de
segregación, delimitación, extracción, preparación y análisis químico)
• La presencia de errores en la ubicación de los datos (coordenadas
equivocadas)
• Soporte de la medición es muy pequeño (efecto de soporte)
• Muestreo preferencial en zonas de altas leyes (y de alta variabilidad
debido al efecto proporcional)

UNSCH
Modelo esférico

  3 h 1 h3 
C   3  si h  a
 ( h)    2 a 2 a 
C en caso contrario

Forma de variograma comúnmente encontrada. El alcance corresponde al parámetro
a, la meseta al parámetro C.

UNSCH
Modelo esférico

• La terminología “variograma esférico” se explica porque C – g(h) es proporcional

al volumen de la intersección de dos esferas de diámetro a, separadas por h:

 a 3  3 h 1 h3 
 1    si 0  h  a
volumen   6  2 a 2 a 3 
0 si h  a


UNSCH
Modelo exponencial

  3h  
 (h)  C 1 exp   
  a 

UNSCH
Modelo exponencial

• Modelo similar al esférico pero asciende más abruptamente, tiene más curvatura y
alcanza la meseta C sólo en forma asintótica

• El alcance práctico está donde g(h) vale 0.95 C y corresponde al parámetro a

UNSCH
Modelo Gaussiano

  3h 2  
 (h)  C 1 exp  2  
  a 

UNSCH
Modelo Gaussiano

• El modelo implica continuidad de corta escala debido a su comportamiento

parabólico en el origen.

• Adecuado para variables como elevaciones o espesor

• El alcance práctico se define cuando g(h) vale 0.95 C y corresponde al parámetro a

UNSCH
Modelo potencia

 (h)  C h 

Este modelo se asocia a fractales (movimientos Brownianos fraccionarios). Está

definido por una potencia 0<q<2 y una pendiente positiva C.

UNSCH
Modelo seno cardinal

 a  h 
 (h)  C 1 sen   
 h  a 

alcance práctico = 20.4 a, semi-período = 4.5 a, meseta = C

UNSCH
 Modelos anidados

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

 (h)  1 (h)   2 (h)  ...   S (h)

UNSCH
Modelos anidados

La presencia de una micro-estructura se traduce experimentalmente en un efecto

pepita

UNSCH
 Modelos en 2-D y 3-D

• Más difícil que modelos 1-D ya que el modelo debe ser legítimo (del punto de vista
matemático) en todas las direcciones.

• Comúnmente calculamos variogramas experimentales en direcciones ortogonales

principales: direcciones vertical, horizontal mayor y horizontal menor.

• Un modelo de variograma isótropo (que sólo depende de la distancia, no de la

orientación de h) es poco frecuente

• Los tipos de anisotropía más comunes son la anisotropía geométrica y la

anisotropía zonal

UNSCH
Anisotropía geométrica

• El mapa variográfico dibuja elipses (2D) o elipsoides (3D). El modelamiento sólo

requiere especificar las direcciones principales (ortogonales entre sí) y los
alcances correspondientes.

UNSCH
Anisotropía geométrica

Consejos de modelamiento:
• Seleccionar la pepita de la dirección
vertical (o de la dirección mejor
informada)
• Escoger una constante pepita baja
• Determinar el número y tipo de
modelos de variogramas
• Prueba-y-error para establecer los
parámetros
• Hay software flexible disponible

UNSCH
Anisotropía zonal

• El mapa variográfico dibuja bandas. Se trata de un caso límite de anisotropía

geométrica, donde el alcance en una dirección se vuelve muy grande. A la escala
de trabajo, la meseta cambia según la dirección.

UNSCH
Anisotropías complejas

• Se obtiene formas más complejas de anisotropía al mezclar anisotropías

geométricas y/o zonales de orientación y razón diferentes

UNSCH
Reglas de ajuste

• El modelo de variograma debe ser consistente en las distintas direcciones, es decir,

tener el mismo efecto pepita y el mismo número y tipo de estructuras anidadas.
• Por ejemplo, si el variograma fuera de tipo esférico en una dirección y exponencial en
otra, ¿cuál sería su expresión en las direcciones diagonales?

• ¿Cómo asegurar un modelo consistente?

• Tomar un único (el más bajo) efecto pepita isótropo
• Escoger el mismo número de estructuras anidadas para todas las direcciones, basado en
la dirección más compleja
• Asegurar que el mismo parámetro de meseta se use para todas las estructuras anidadas
en todas las direcciones
• Permitir un alcance diferente en cada dirección
• Modelar una anisotropía zonal definiendo un alcance muy grande en una o más de las
direcciones principales

UNSCH
 Reglas de ajuste

Ejemplo: proponer un modelo para el

siguiente variograma suponiendo que
las direcciones principales
corresponden a los ejes de
coordenada

UNSCH
Reglas de ajuste

Regla:
1) Determinar el efecto pepita
2) Determinar los alcances y mesetas en
cada dirección
3) Determinar la cantidad y los tipos de
modelos que se anidarán para el ajuste

UNSCH
 Reglas de ajuste
Empezamos con un efecto pepita de amplitud
(meseta) 0.1
g(h) = 0.1 pepa

+ 0.9 exp(200m,120m,50m)

Luego se agrega una estructura (exponencial) que + 0.3 exp(,120m,50m)

llega a la primera meseta, con alcances propios
en cada dirección + 0.2 exp(,,50m)

Luego se agrega una segunda estructura para llegar a

la segunda meseta, dejando infinito el alcance
en la dirección 1

Finalmente se agrega una tercera estructura para

llegar a la meseta total, dejando infinitos los
alcances en las direcciones 1 y 2

UNSCH
 Consideraciones prácticas

• Buscar anisotropías simples con 2 ó 3 direcciones principales, ortogonales

entre sí
•  identificar la elipse o el elipsoide que mejor se acerca al mapa variográfico
• El variograma experimental es poco confiable para distancias muy grandes
• No existe un modelo único
• La meseta del variograma (varianza teórica) puede diferir de la varianza del
histograma (varianza empírica)
• Se debe prestar atención a la representatividad de los puntos
experimentales, a la información disponible sobre la variable y a la escala
de trabajo
• Desconfiar de los ajustes automáticos

UNSCH
Fin

Gracias

UNSCH