Este documento presenta los fundamentos de la geostadística, incluyendo la construcción de semivariogramas para modelar la variabilidad espacial de variables, y técnicas como el kriging para interpolar valores en puntos no muestreados. Discute conceptos como anisotropía, estacionariedad y continuidad espacial, y cómo la geostadística puede usarse para entender las interacciones entre especies y sus recursos en ambientes heterogéneos.
Este documento presenta una introducción a los conceptos básicos de estadística y geoestadística. Cubre temas como estadística clásica vs geoestadística, medidas descriptivas como media, mediana y varianza, y distribuciones de probabilidad como normal y lognormal. El objetivo es familiarizar a los estudiantes con estas herramientas para resolver problemas geológicos y estimar recursos en yacimientos minerales.
Estimación de la resistencia del macizo rocoso (ensayo), y analizando las 14 formulas desarrolladas por Hoek-Brown. ademas de análisis de un estudio al macizo rocoso realizado en una mina (EL Teniente ubicado en Chile), y de como se determino la resistencia de este macizo usando las formulas ya dichas.
Geoestadistica aplicacion de kriging en mina de Au.(caso practico)Joel Ccalla Aparicio
En la minería subterránea (Underground Mining) o minería superficial (Open Pit Mining) es imprescindible el uso de la Geoestadistica, para predecir la mineralizacion (leyes) en los ejes (x,y,z) de un respectivo yacimiento económicamente rentable. En esta presentación se expone que: para estimar la ley en un determinado punto de coordenadas (x,y,z) se hace uso de la Geoestadistica (Kriging) apoyado con potentes herramientas del álgebra lineal para su respectiva solución. (caso practico aplicado en mina de oro).
Estimación Empírica y Analítica de Sobre ExcavaciónIvo Fritzler
Este documento presenta información sobre el halo de daño o zona plástica alrededor de excavaciones subterráneas. Explica conceptos como elipsoide de deformación, metodologías para estimar el halo de daño como Kirsch y Martin et al., y contiene ejemplos y ejercicios resueltos. El objetivo es estimar la extensión de la zona dañada alrededor de túneles y pilares para dimensionar correctamente el soporte de excavaciones.
Este documento describe la prospección geoquímica, que es una herramienta esencial para la exploración de recursos minerales. La prospección geoquímica implica el muestreo sistemático y análisis químico de materiales como rocas, suelos y sedimentos para identificar distribuciones anómalas de elementos que puedan indicar la presencia de depósitos minerales. El documento explica los objetivos, definiciones, pasos y tipos de muestras involucrados en una exploración geoquím
El documento presenta información sobre la geología de una zona ubicada en la Cordillera Occidental de los Andes en el departamento de Cajamarca. Se describe la ubicación, accesibilidad, clima, drenaje y metodología utilizada para el estudio de la zona. Además, se mencionan los estudios previos realizados y se brinda información sobre la geología histórica y regional del área. Finalmente, se detallan los objetivos del estudio, que incluyen la identificación de las formaciones, unidades litológicas,
Este documento presenta los conceptos básicos de la geoestadística. Introduce el concepto de variable regionalizada y función aleatoria, y explica que la geoestadística se aplica al análisis y modelado de la variabilidad espacial de fenómenos naturales mediante el uso de funciones aleatorias. También define los momentos de primer y segundo orden de una función aleatoria, y distingue entre funciones aleatorias estacionarias y no estacionarias. Finalmente, resume brevemente las tres etapas clave de un análisis
Este documento presenta una introducción a los conceptos básicos de estadística y geoestadística. Cubre temas como estadística clásica vs geoestadística, medidas descriptivas como media, mediana y varianza, y distribuciones de probabilidad como normal y lognormal. El objetivo es familiarizar a los estudiantes con estas herramientas para resolver problemas geológicos y estimar recursos en yacimientos minerales.
Estimación de la resistencia del macizo rocoso (ensayo), y analizando las 14 formulas desarrolladas por Hoek-Brown. ademas de análisis de un estudio al macizo rocoso realizado en una mina (EL Teniente ubicado en Chile), y de como se determino la resistencia de este macizo usando las formulas ya dichas.
Geoestadistica aplicacion de kriging en mina de Au.(caso practico)Joel Ccalla Aparicio
En la minería subterránea (Underground Mining) o minería superficial (Open Pit Mining) es imprescindible el uso de la Geoestadistica, para predecir la mineralizacion (leyes) en los ejes (x,y,z) de un respectivo yacimiento económicamente rentable. En esta presentación se expone que: para estimar la ley en un determinado punto de coordenadas (x,y,z) se hace uso de la Geoestadistica (Kriging) apoyado con potentes herramientas del álgebra lineal para su respectiva solución. (caso practico aplicado en mina de oro).
Estimación Empírica y Analítica de Sobre ExcavaciónIvo Fritzler
Este documento presenta información sobre el halo de daño o zona plástica alrededor de excavaciones subterráneas. Explica conceptos como elipsoide de deformación, metodologías para estimar el halo de daño como Kirsch y Martin et al., y contiene ejemplos y ejercicios resueltos. El objetivo es estimar la extensión de la zona dañada alrededor de túneles y pilares para dimensionar correctamente el soporte de excavaciones.
Este documento describe la prospección geoquímica, que es una herramienta esencial para la exploración de recursos minerales. La prospección geoquímica implica el muestreo sistemático y análisis químico de materiales como rocas, suelos y sedimentos para identificar distribuciones anómalas de elementos que puedan indicar la presencia de depósitos minerales. El documento explica los objetivos, definiciones, pasos y tipos de muestras involucrados en una exploración geoquím
El documento presenta información sobre la geología de una zona ubicada en la Cordillera Occidental de los Andes en el departamento de Cajamarca. Se describe la ubicación, accesibilidad, clima, drenaje y metodología utilizada para el estudio de la zona. Además, se mencionan los estudios previos realizados y se brinda información sobre la geología histórica y regional del área. Finalmente, se detallan los objetivos del estudio, que incluyen la identificación de las formaciones, unidades litológicas,
Este documento presenta los conceptos básicos de la geoestadística. Introduce el concepto de variable regionalizada y función aleatoria, y explica que la geoestadística se aplica al análisis y modelado de la variabilidad espacial de fenómenos naturales mediante el uso de funciones aleatorias. También define los momentos de primer y segundo orden de una función aleatoria, y distingue entre funciones aleatorias estacionarias y no estacionarias. Finalmente, resume brevemente las tres etapas clave de un análisis
Este documento describe los diferentes tipos de yacimientos minerales de origen magmático, incluyendo yacimientos magmáticos iniciales y tardíos, yacimientos de segregación magmática (ortomagmáticos), yacimientos pegmatíticos, hidrotermales y volcanogénicos. Explica los procesos geológicos como la cristalización fraccionada, inmiscibilidad líquida y metasomatismo que conducen a la formación de estos yacimientos y los minerales que contienen
Las rocas sedimentarias se forman a partir de la consolidación y transformación de rocas y minerales preexistentes debido a la acción de agentes como la gravedad, la atmósfera y organismos vivos. Se clasifican en detríticos como areniscas, en carbonatados como calizas y dolomitas, y en fosforitas. Cada yacimiento sedimentario se caracteriza por su fuente de materiales, modo de transporte y ambiente de deposición.
Este documento discute los objetivos, desafíos y metodologías de la estimación de recursos mineros. Explica las etapas de una estimación de recursos, incluyendo la preparación de datos, análisis exploratorio, modelado geostatístico, métodos de estimación, validación y categorización de recursos. También cubre temas como equipos de trabajo, criterios de categorización y desafíos comunes en la estimación de recursos.
Elaboración de Laminas Delgadas y Secciones PulidasIsrael Silva
Este documento describe los procesos de elaboración de láminas delgadas para observar minerales bajo un microscopio. Las láminas deben tener un espesor de 0.03 mm. El proceso implica la selección y corte de muestras, su embebido en resina, corte y pulido hasta alcanzar el espesor deseado para su análisis bajo el microscopio.
Este documento presenta un resumen de las alteraciones hidrotermales. Explica que las alteraciones se producen cuando las soluciones hidrotermales, originadas a partir de magmas, reaccionan con las rocas. Estas soluciones pueden transportar metales formando complejos iónicos y causan cambios mineralógicos en las rocas, dando lugar a distintos tipos de alteración dependiendo de la composición de la solución y la temperatura. Finalmente, el documento indica que el estudio de las alteraciones proporciona información sobre la génesis de
Ejercicios de Criterio de Falla & KirschIvo Fritzler
Para comprender la forma de aplicación de estás dos temáticas, además contempla el análisis de estabilidad, el cual permitirá determinar si una zona será estable bajo ciertas condiciones impuestas.
Exposiciones Capacitación Práctica para asegurar la calidad de los Inventarios de Recursos Minerales, Gob. Regionales y Univ. locales del 26 al 29 de noviembre 2013
Expositores: Ing. Andrés Zuloaga- Ing. Italo Rodriguez
La geología minera estudia la ubicación, formación y posibilidades económicas de los depósitos minerales. Un depósito mineral es una concentración de minerales metálicos y no metálicos útiles. Existen diferentes métodos de muestreo como por canales, galerías, chimeneas y tajos para recolectar muestras que luego son analizadas en laboratorio.
Análisis de información de campo, cuyos resultados químicos corresponden a un analizador portátil de fluorescencia de rayos X (AP_FRX). Los datos fueron tomados in-situ. Se compara los mapas obtenidos de manera automática y los que se llevan aplicando una metodología de análisis espacial y estadístico.
Propiedades Fisico Mecanicas En Macizos Rocososutplcbcm1
Este documento discute las propiedades físico-mecánicas de los macizos rocosos. Explica que las propiedades del macizo rocoso están determinadas por las discontinuidades, no solo por la roca intacta. También clasifica las rocas según su textura, e introduce índices como la porosidad, densidad, velocidad de ondas y resistencia para caracterizar las rocas. Finalmente, presenta la clasificación de Bieniawski para evaluar la calidad del macizo rocoso.
Caracterización geoquímica: Un manual básicoAIDA_Americas
Presentación de Ann Maest, de Buka Environmental/E-Tech International, en el taller "Minería metálica a gran escala y recursos hídricos: Aspectos técnicos fundamentales en los estudios de impacto ambiental, medidas de prevención y monitoreo ambiental", realizado en mayo de 2017 en Lima, Perú.
Este documento trata sobre el muestreo de depósitos minerales. Explica que el muestreo es una de las operaciones más importantes en la prospección y exploración de yacimientos minerales ya que es el único método para determinar la calidad de las menas. Describe los diferentes tipos de muestreo, como el muestreo aleatorio simple, sistemático y estratificado, así como factores que determinan el tipo y cantidad de muestra necesaria como el tipo de depósito, distribución del mineral, etapa de investigación y costos. Finalmente, explic
SEDIMENTOLOGÍA Y ESTRATIGRAFÍA DE LA FORMACIÓN CARHUÁZ EN EL DISTRITO DE LA E...NathalieBonifaz
Este documento presenta la tesis de grado de Reiner Alí Balcázar Rojas para optar el título de Ingeniero Geólogo en la Universidad Nacional de Cajamarca. El estudio se enfoca en determinar las características sedimentológicas y estratigráficas de la Formación Carhuáz en el distrito de La Encañada a través del análisis y descripción de estratos. Se identificaron cinco facies y siete secuencias que permitieron delimitar los ambientes lacustres que dieron origen a la formación. El document
Este capítulo introduce el modelado 3D en geología. Explica que un modelo geológico 3D representa la geología y mineralización de un yacimiento usando información predictible. Los modelos son útiles para el diseño y operación de minas. Se puede modelar cuerpos de vetas, litología, fallas, distribución de leyes y variables geológicas, superficies, labores mineras, anomalías y métodos de minado. El proceso general incluye crear un proyecto, cargar datos, compositar muestras, model
Propiedades de Roca y Ensayos de LaboratorioIvo Fritzler
Este documento resume el Capítulo 3 del libro "Mecánica de Rocas: Una Introducción" que trata sobre las propiedades de la roca intacta y los ensayos de laboratorio. Explica las técnicas para extraer muestras de roca intacta en el campo y prepararlas para ensayos, incluyendo la perforación rotatoria y los diferentes tamaños de barrenos. También describe los ensayos comunes realizados en laboratorio como la resistencia a la compresión uniaxial y los parámetros para evaluar la calidad de la ro
Los yacimientos minerales son concentraciones naturales de minerales que se forman a través de diversos procesos geológicos como la intrusión de magmas, la acción de soluciones hidrotermales, el metamorfismo y la meteorización. Estos procesos pueden dar lugar a yacimientos ígneos como los pegmatíticos, hidrotermales como los filonianos y diseminados, o metamórficos como los de contacto. La comprensión de la formación de yacimientos es fundamental para la exploración y explotación
Este documento presenta los conceptos básicos del método gravimétrico. Explica que este método mide variaciones en la gravedad para detectar cambios en la densidad de materiales debajo de la superficie. Describe las correcciones aplicadas a las mediciones de gravedad, incluyendo correcciones por latitud, altura, mareas y Bouguer. También define conceptos como gravedad absoluta, relativa y anomalías gravimétricas.
El Perú posee diversos yacimientos de metales como plata, cobre, oro y zinc, los cuales se formaron por procesos geológicos ocurridos en diferentes épocas. Estos yacimientos se agrupan en 7 provincias metalogenéticas que se extienden de oeste a este a lo largo de la Cordillera de los Andes peruanos. Algunos ejemplos notables son los yacimientos de porfidos cupríferos, skarns de cobre-oro y depósitos epitermales.
El documento describe el sistema de clasificación RMR (Rock Mass Rating) para evaluar la calidad de la roca y determinar los parámetros de resistencia necesarios para el diseño de obras subterráneas. El sistema RMR evalúa seis parámetros de la roca como la resistencia a la compresión, RQD, espaciamiento de discontinuidades, condición de las discontinuidades, presencia de agua y orientación de las discontinuidades para asignar un índice RMR que indica la calidad de la roca y los requerimientos de soporte. El
El documento describe cómo estimar la potencia en un punto X0 a partir de los valores en puntos X1 y X2, usando un modelo de variograma. Se resuelven ecuaciones para determinar los parámetros λ1, λ2 y μ del modelo. Usando estos parámetros y los valores en X1 y X2, se estima la potencia en X0 como 2.55m. También se calcula el error de la estimación como 2.684.
The document provides a tutorial on using the gstat R package to perform geostatistical analysis on the meuse dataset. It summarizes the meuse dataset, demonstrates how to calculate variograms and fit models to them, and perform kriging and conditional simulation. Directional variograms are also calculated to account for anisotropy in the spatial distribution of zinc concentrations.
Este documento describe los diferentes tipos de yacimientos minerales de origen magmático, incluyendo yacimientos magmáticos iniciales y tardíos, yacimientos de segregación magmática (ortomagmáticos), yacimientos pegmatíticos, hidrotermales y volcanogénicos. Explica los procesos geológicos como la cristalización fraccionada, inmiscibilidad líquida y metasomatismo que conducen a la formación de estos yacimientos y los minerales que contienen
Las rocas sedimentarias se forman a partir de la consolidación y transformación de rocas y minerales preexistentes debido a la acción de agentes como la gravedad, la atmósfera y organismos vivos. Se clasifican en detríticos como areniscas, en carbonatados como calizas y dolomitas, y en fosforitas. Cada yacimiento sedimentario se caracteriza por su fuente de materiales, modo de transporte y ambiente de deposición.
Este documento discute los objetivos, desafíos y metodologías de la estimación de recursos mineros. Explica las etapas de una estimación de recursos, incluyendo la preparación de datos, análisis exploratorio, modelado geostatístico, métodos de estimación, validación y categorización de recursos. También cubre temas como equipos de trabajo, criterios de categorización y desafíos comunes en la estimación de recursos.
Elaboración de Laminas Delgadas y Secciones PulidasIsrael Silva
Este documento describe los procesos de elaboración de láminas delgadas para observar minerales bajo un microscopio. Las láminas deben tener un espesor de 0.03 mm. El proceso implica la selección y corte de muestras, su embebido en resina, corte y pulido hasta alcanzar el espesor deseado para su análisis bajo el microscopio.
Este documento presenta un resumen de las alteraciones hidrotermales. Explica que las alteraciones se producen cuando las soluciones hidrotermales, originadas a partir de magmas, reaccionan con las rocas. Estas soluciones pueden transportar metales formando complejos iónicos y causan cambios mineralógicos en las rocas, dando lugar a distintos tipos de alteración dependiendo de la composición de la solución y la temperatura. Finalmente, el documento indica que el estudio de las alteraciones proporciona información sobre la génesis de
Ejercicios de Criterio de Falla & KirschIvo Fritzler
Para comprender la forma de aplicación de estás dos temáticas, además contempla el análisis de estabilidad, el cual permitirá determinar si una zona será estable bajo ciertas condiciones impuestas.
Exposiciones Capacitación Práctica para asegurar la calidad de los Inventarios de Recursos Minerales, Gob. Regionales y Univ. locales del 26 al 29 de noviembre 2013
Expositores: Ing. Andrés Zuloaga- Ing. Italo Rodriguez
La geología minera estudia la ubicación, formación y posibilidades económicas de los depósitos minerales. Un depósito mineral es una concentración de minerales metálicos y no metálicos útiles. Existen diferentes métodos de muestreo como por canales, galerías, chimeneas y tajos para recolectar muestras que luego son analizadas en laboratorio.
Análisis de información de campo, cuyos resultados químicos corresponden a un analizador portátil de fluorescencia de rayos X (AP_FRX). Los datos fueron tomados in-situ. Se compara los mapas obtenidos de manera automática y los que se llevan aplicando una metodología de análisis espacial y estadístico.
Propiedades Fisico Mecanicas En Macizos Rocososutplcbcm1
Este documento discute las propiedades físico-mecánicas de los macizos rocosos. Explica que las propiedades del macizo rocoso están determinadas por las discontinuidades, no solo por la roca intacta. También clasifica las rocas según su textura, e introduce índices como la porosidad, densidad, velocidad de ondas y resistencia para caracterizar las rocas. Finalmente, presenta la clasificación de Bieniawski para evaluar la calidad del macizo rocoso.
Caracterización geoquímica: Un manual básicoAIDA_Americas
Presentación de Ann Maest, de Buka Environmental/E-Tech International, en el taller "Minería metálica a gran escala y recursos hídricos: Aspectos técnicos fundamentales en los estudios de impacto ambiental, medidas de prevención y monitoreo ambiental", realizado en mayo de 2017 en Lima, Perú.
Este documento trata sobre el muestreo de depósitos minerales. Explica que el muestreo es una de las operaciones más importantes en la prospección y exploración de yacimientos minerales ya que es el único método para determinar la calidad de las menas. Describe los diferentes tipos de muestreo, como el muestreo aleatorio simple, sistemático y estratificado, así como factores que determinan el tipo y cantidad de muestra necesaria como el tipo de depósito, distribución del mineral, etapa de investigación y costos. Finalmente, explic
SEDIMENTOLOGÍA Y ESTRATIGRAFÍA DE LA FORMACIÓN CARHUÁZ EN EL DISTRITO DE LA E...NathalieBonifaz
Este documento presenta la tesis de grado de Reiner Alí Balcázar Rojas para optar el título de Ingeniero Geólogo en la Universidad Nacional de Cajamarca. El estudio se enfoca en determinar las características sedimentológicas y estratigráficas de la Formación Carhuáz en el distrito de La Encañada a través del análisis y descripción de estratos. Se identificaron cinco facies y siete secuencias que permitieron delimitar los ambientes lacustres que dieron origen a la formación. El document
Este capítulo introduce el modelado 3D en geología. Explica que un modelo geológico 3D representa la geología y mineralización de un yacimiento usando información predictible. Los modelos son útiles para el diseño y operación de minas. Se puede modelar cuerpos de vetas, litología, fallas, distribución de leyes y variables geológicas, superficies, labores mineras, anomalías y métodos de minado. El proceso general incluye crear un proyecto, cargar datos, compositar muestras, model
Propiedades de Roca y Ensayos de LaboratorioIvo Fritzler
Este documento resume el Capítulo 3 del libro "Mecánica de Rocas: Una Introducción" que trata sobre las propiedades de la roca intacta y los ensayos de laboratorio. Explica las técnicas para extraer muestras de roca intacta en el campo y prepararlas para ensayos, incluyendo la perforación rotatoria y los diferentes tamaños de barrenos. También describe los ensayos comunes realizados en laboratorio como la resistencia a la compresión uniaxial y los parámetros para evaluar la calidad de la ro
Los yacimientos minerales son concentraciones naturales de minerales que se forman a través de diversos procesos geológicos como la intrusión de magmas, la acción de soluciones hidrotermales, el metamorfismo y la meteorización. Estos procesos pueden dar lugar a yacimientos ígneos como los pegmatíticos, hidrotermales como los filonianos y diseminados, o metamórficos como los de contacto. La comprensión de la formación de yacimientos es fundamental para la exploración y explotación
Este documento presenta los conceptos básicos del método gravimétrico. Explica que este método mide variaciones en la gravedad para detectar cambios en la densidad de materiales debajo de la superficie. Describe las correcciones aplicadas a las mediciones de gravedad, incluyendo correcciones por latitud, altura, mareas y Bouguer. También define conceptos como gravedad absoluta, relativa y anomalías gravimétricas.
El Perú posee diversos yacimientos de metales como plata, cobre, oro y zinc, los cuales se formaron por procesos geológicos ocurridos en diferentes épocas. Estos yacimientos se agrupan en 7 provincias metalogenéticas que se extienden de oeste a este a lo largo de la Cordillera de los Andes peruanos. Algunos ejemplos notables son los yacimientos de porfidos cupríferos, skarns de cobre-oro y depósitos epitermales.
El documento describe el sistema de clasificación RMR (Rock Mass Rating) para evaluar la calidad de la roca y determinar los parámetros de resistencia necesarios para el diseño de obras subterráneas. El sistema RMR evalúa seis parámetros de la roca como la resistencia a la compresión, RQD, espaciamiento de discontinuidades, condición de las discontinuidades, presencia de agua y orientación de las discontinuidades para asignar un índice RMR que indica la calidad de la roca y los requerimientos de soporte. El
El documento describe cómo estimar la potencia en un punto X0 a partir de los valores en puntos X1 y X2, usando un modelo de variograma. Se resuelven ecuaciones para determinar los parámetros λ1, λ2 y μ del modelo. Usando estos parámetros y los valores en X1 y X2, se estima la potencia en X0 como 2.55m. También se calcula el error de la estimación como 2.684.
The document provides a tutorial on using the gstat R package to perform geostatistical analysis on the meuse dataset. It summarizes the meuse dataset, demonstrates how to calculate variograms and fit models to them, and perform kriging and conditional simulation. Directional variograms are also calculated to account for anisotropy in the spatial distribution of zinc concentrations.
Las variables regionalizadas permiten a los desarrolladores definir valores para propiedades en función de la región del usuario. Esto permite personalizar la experiencia del usuario en función de su ubicación geográfica. Por ejemplo, una aplicación podría mostrar precios en la moneda local o idioma preferido de una región en particular. Las variables regionalizadas son una forma efectiva de adaptar aplicaciones a audiencias globales.
This document provides a user manual for gstat, a program for geostatistical modeling, prediction, and simulation of spatial data in one, two or three dimensions. Gstat allows for variogram modeling, kriging (prediction), and simulation using a variety of methods. It supports many data formats and provides a flexible command language for controlling geostatistical analyses. The manual describes the capabilities and proper use of the gstat program.
El presente trabajo describe una metodología desarrollada con la finalidad de considerar la variabilidad espacial de las propiedades de los materiales geológicos. Inicialmente se aplica el modelamiento implícito (a través de la utilización del software Leapfrog) en la construcción de los sólidos de las capas que conforman el subsuelo donde se ha planeado construir una obra civil de gran porte.
Este documento presenta los resultados de un análisis geoestadístico realizado con datos simulados. Incluye algoritmos desarrollados en Visual Basic 6.0 para simular 1000 variables aleatorias, ordenarlas de forma creciente y decreciente, y calcular el variograma. También contiene gráficos del histograma resultante de la simulación. El objetivo es aprender conceptos básicos de geoestadística como el variograma y su aplicación para el análisis espacial de datos.
Geoestadistica aplicada a la gran mineriaEduardo Mera
Este documento trata sobre la aplicación de la geoestadística en la minería. Explica conceptos como la estimación de recursos, el código JORC para reportar recursos y reservas mineras, el kriging en vetas y cuerpos, y los criterios para el cálculo de reservas mineras subterráneas y a tajo abierto. También incluye ejemplos de cómo aplicar estas técnicas geoestadísticas para estimar leyes en tajos y bloques.
Este documento introduce los conceptos básicos de la estimación de reservas minerales. Explica que las reservas se estiman a partir de una pequeña fracción de muestras de todo el yacimiento, lo que conlleva un alto grado de dificultad e incertidumbre. También define los contactos geológicos, mineralógicos y económicos, y describe métodos clásicos como el método de los polígonos para proyectar leyes y estimar volúmenes. Además, destaca la importancia de considerar factores como la diluc
El documento trata sobre la evaluación de yacimientos mineros. Explica brevemente la geoestadística y su objetivo de estimar reservas a partir de muestras tomadas. Luego describe los objetivos de construir un modelo geológico para incorporar información cualitativa y cuantitativa que mejore la evaluación del yacimiento. Finalmente, detalla los pasos para construir un modelo de bloques que incluya variables como leyes de metales, litología y recuperación metalúrgica, y así realizar una estimación sólida de las reservas
Este documento trata sobre la ley de mineral y su valor económico. Explica conceptos como ley mineral, unidades de equivalencia, fórmulas de recuperación, y cómo calcular el valor económico de un mineral. Además, incluye ejemplos numéricos para ilustrar estos conceptos.
USO DE TECNICAS DE MODELADO TRIDIMENSIONAL Y GEOESTADISTICA EN CIA. MINERA AT...David F. Machuca-Mory
Presentation for the "V Congreso Nacional de Minería" showing the work I did with my company, T-Matrix S.A.C., between 2003 and 2004 at the Atacocha Mine in central Peru
El documento presenta el cálculo de la ley de corte para un proyecto minero. Explica que la ley de corte define el límite económico de explotación basado en un modelo de beneficio nulo para la última expansión marginal. Luego detalla los pasos para calcular la ley de corte analíticamente usando costos de mina, planta y venta, y gráficamente usando intervalos de ley, tonelajes y beneficios. Finalmente, aplica los métodos al Proyecto El Zorro y obtiene una ley de corte
La ley de corte es la ley mínima de un mineral que hace que su extracción sea económicamente viable. Se calcula considerando los ingresos por la venta del producto y los costos de extracción, procesamiento y venta, de modo que cubra costos y proporcione una ganancia mínima. Se usa para definir qué áreas de un yacimiento contienen reservas y cuáles son estériles, y para determinar el plan minero óptimo que maximice el valor del proyecto.
El documento trata sobre la importancia de la escala espacial en el análisis ecológico. Explica que la heterogeneidad ecológica depende de la escala y que los objetivos analíticos de los ecólogos son determinar la distribución de la variación de los fenómenos a lo largo de las escalas espaciales y establecer cómo cambia la covariación entre parámetros con la escala. También introduce el Análisis de Coordenadas Principales de Matrices de Vecinos como un método para desglosar la varianza
APLICACIONES GEOESTADISTICA II - VICTORIA HERRERAEduardo Mera
Este documento presenta una introducción a la geoestadística y sus aplicaciones. La geoestadística surgió para mejorar la precisión en la estimación de reservas minerales mediante el análisis de variables espaciales. Se utiliza para predecir fenómenos espaciales en áreas como la prospección de yacimientos, el medio ambiente y la creación de modelos de elevación. La geoestadística se basa en el análisis de la estructura de autocorrelación espacial de los datos para realizar estimaciones
Este documento describe un estudio realizado en un bosque denso de hayas en el Parque Natural del Señorío de Bertiz en Navarra, España. El objetivo del estudio fue encontrar la relación entre variables dasométricas de campo (densidad, espesura, altura dominante, área basimétrica) e índices de textura extraídos del análisis espectral de Fourier de semivariogramas y correlogramas de fotogramas georrectificados. Los resultados mostraron que los índices de textura podían explicar el 67% del área
Variabilidad de las propiedades quimicas del suelo y su uso en el diseño de e...Jhonny Marca Omonte
La variabilidad espacial de las propiedades químicas en los suelos es un problema al que se enfrentan los investigadores que trabajan la agricultura de precisión; sobre todo cuando se desea saber cómo se distribuye la concentración de nutrimentos o algunas otras variables químicas útiles para la experimentación. En el presente trabajo se caracterizó la variabilidad espacial de las propiedades químicas del suelo, pH, materia orgánica (MO), nitrógeno total (Nt), fósforo disponible (P-Olsen)
y potasio intercambiable (K), utilizando el enfoque estadístico clásico (varianza y coeficiente de variación)
y el de la geoestadística (semivarianza), para la obtención de valores representativos y mapas que muestren su comportamiento. Se realizó un muestreo de suelos a una profundidad de 0-20 cm en cuadrícula, con equidistancias de 25 m y se obtuvieron 182 muestras en una tabla agrícola con una superficie de 12.7 ha. Con estos datos se analizó la variabilidad espacial desde el enfoque de la estadística clásica y se obtuvieron los siguientes valores medios, coeficientes de variación (CV) y número mínimo de determinaciones a realizar para obtener su valor medio con 95% de confianza (n), 6.97, 3.7%, y 2 para pH; 2.3%, 25.5%y 103 paraMO; 0.115%, 24.3%y 93 para Nt; 21.34 mg kg-1, 53.6% y 451 para P-Olsen, 215.97 mg kg-1, 70.0% y 768 para K. Al aplicar el enfoque geoestadístico se encontró que todas las variables presentaron estructura espacial, manifestada en el semivariograma experimental, y se ajustaron a los modelos teóricos esférico, gaussiano lineal, lineal y efecto de agujero, para pH, MO, Nt, P y K, respectivamente. Se obtuvieron mapas de distribución de las variables aplicando el método de kriging y se ubicaron zonas con diferentes gradientes y patrones de variabilidad importantes para el establecimiento de experimentos y la práctica de la agricultura de precisión.
Este documento presenta los resultados de simulaciones de variables aleatorias y cálculos de variogramas y histogramas para diferentes agrupaciones de datos. Se simularon 10,000 variables aleatorias entre las leyes 2 y 9 y se calcularon promedios y variogramas para grupos de 1 en 1, 5 en 5, 10 en 10, etc. hasta 200 en 200. Los resultados muestran que la media se mantiene constante pero la varianza y desviación estándar disminuyen a medida que aumenta el tamaño del grupo.
Este documento presenta los conceptos fundamentales de la geoestadística. Introduce la noción de variables aleatorias regionalizadas y explica cómo la geoestadística surgió para estimar valores desconocidos a partir de datos espacialmente correlacionados, minimizando la varianza del error. También define conceptos clave como el semivariograma y el krigeaje, que utiliza la estructura espacial de los datos para proveer la mejor estimación posible en cada localización.
Geoestadistica aplicada a la edafologiaEduardo Mera
Este documento presenta un ejemplo de la aplicación de la geoestadística al estudio de las propiedades del suelo en una pequeña cuenca agrícola en España. Se tomaron muestras de suelo en 79 puntos y se analizaron tres fracciones texturales (arena, limo y arcilla) usando semivariogramas, kriging y simulación condicional. Los resultados mostraron que la arena y el limo presentaban dependencia espacial, mientras que la arcilla no lo hacía. El kriging permitió mapear los errores de estimación,
Este documento presenta una introducción a la geoestadística lineal. Explica conceptos clave como variables regionalizadas, campo y soporte. Detalla los objetivos de la teoría de variables regionalizadas, que son expresar las características estructurales de una variable mediante un modelo matemático y resolver el problema de estimación a partir de muestreos. Finalmente, introduce el modelo matemático de funciones aleatorias para modelar el comportamiento localmente aleatorio pero globalmente estructurado de las variables regionalizadas.
Este documento presenta una introducción a la geoestadística. Explica que la geoestadística utiliza el formalismo matemático de las funciones aleatorias para reconocer y estimar fenómenos naturales espaciales. También describe las etapas clave de un proyecto minero e introduce conceptos como variables aleatorias, procesos estocásticos y variables regionalizadas, que son fundamentales para la geoestadística.
APLICACIONES GEOESTADISTICA IV - MAXIMO CORTESEduardo Mera
Este documento presenta un informe sobre la aplicación de la geoestadística en tres áreas: 1) La prospección de yacimientos, donde se usa para modelar sectores y predecir lugares factibles para excavación mediante muestreo y análisis estadístico. 2) El medio ambiente, por ejemplo para estudiar la distribución espacial de plaguicidas. 3) Los modelos digitales de elevación, que usan interpolación geoestadística para generar mapas topográficos. El objetivo es que el estudiante rel
Este documento describe las escalas espaciales en ecología. Explica que la heterogeneidad ecológica depende de tres dimensiones de escala: ecológica, de muestreo y analítica. Define la escala ecológica como la dimensión física real de un objeto o proceso, y la escala de muestreo y analítica como las dimensiones usadas para medir y analizar los fenómenos ecológicos. Los objetivos del análisis de escala son determinar cómo varía un fenómeno a lo largo de las
Este documento discute el uso de métodos geoestadísticos para determinar el espaciamiento óptimo entre muestras de exploración. Explica que realizando pruebas de "robustez" entre conjuntos de datos a diferentes distancias de muestreo, se puede identificar la distancia anterior al colapso de la rigidez en parámetros como la media, varianza y variograma. Esta distancia será la más apropiada para el muestreo. También cubre conceptos como el análisis variográfico y la varianza de estimación, herramientas
Este documento describe el uso de variogramas para determinar el tamaño medio de las copas de pino silvestre en imágenes aéreas digitales. Explica que los variogramas experimentales se pueden utilizar para analizar la estructura espacial de los bosques. El rango de los variogramas ajustados a modelos teóricos está relacionado con el tamaño medio de las copas, mientras que la meseta está relacionada con la cobertura del dosel. El objetivo del estudio fue analizar esta relación entre los parámetros de los variogram
infografia geoestadistica, te explica parShinMiyuki
La geoestadística combina la estadística y la geografía para predecir el comportamiento de variables en una región específica en función del tiempo y el espacio. Puede usarse para estudiar los efectos del cambio climático y generar información útil para las autoridades sobre desastres naturales, permitiendo planificar acciones en áreas vulnerables. El variograma mide el grado de similitud entre pares de muestras separadas por distancias, lo que permite analizar la independencia de los datos en un espacio y zonas de influencia.
Este documento describe los conceptos y métodos básicos de la econometría espacial. Explica que la econometría espacial asume que las observaciones tienen una estructura espacial y pueden estar relacionadas entre sí debido a su proximidad geográfica. Describe la matriz de pesos espaciales que mide estas relaciones y los modelos espaciales autorregresivos que capturan la dependencia espacial. También presenta estadísticos globales y locales para medir la autocorrelación espacial en los datos.
2017 soberon model de nicho y model de areas de distribuciónUlises Romero Méndez
Este documento discute las diferencias conceptuales entre modelación de nichos ecológicos (ENM) y modelación de áreas de distribución de especies (SDM). La ENM modela el nicho de una especie en un espacio ambiental multidimensional, mientras que la SDM modela el área de distribución geográfica, que depende de factores como la presencia de otras especies y la dispersión histórica, no solo del nicho fundamental. El diagrama BAM ilustra cómo los factores ambientales, bióticos y de accesibilidad
En los siguientes párrafos se darán a conocer algunos
conceptos centrales de la morfometría geométrica
que la distinguen de la morfometría tradicional,
así como las técnicas que utiliza y sus aplicaciones
en biología, para incrementar el interés en este tipo
de estudios.
Este documento describe la aplicación de la geoestadística en las ciencias ambientales y la edafología. La geoestadística incluye técnicas como el variograma y el kriging que permiten analizar y predecir la distribución espacial de variables. El documento presenta ejemplos de cómo se han utilizado estas técnicas para estudiar la distribución espacial de plagas e identificar las propiedades del suelo.
Este estudio evaluó la variabilidad espacial de dos suelos contrastantes en Venezuela con el fin de optimizar el diseño de muestreo para el monitoreo a largo plazo del efecto de prácticas de manejo. Los datos muestran que las propiedades del suelo como contenido de carbono orgánico, pH y fósforo disponible presentaron una dependencia espacial moderada, con un alcance de variación de 14-32 metros en un suelo arenoso y 21-55 metros en un suelo arcilloso. Este análisis de variabil
Los puentes son estructuras esenciales en la infraestructura de transporte, permitiendo la conexión entre diferentes
puntos geográficos y facilitando el flujo de bienes y personas.
TIA portal Bloques PLC Siemens______.pdfArmandoSarco
Bloques con Tia Portal, El sistema de automatización proporciona distintos tipos de bloques donde se guardarán tanto el programa como los datos
correspondientes. Dependiendo de la exigencia del proceso el programa estará estructurado en diferentes bloques.
Estilo Arquitectónico Ecléctico e Histórico, Roberto de la Roche.pdfElisaLen4
Un pequeño resumen de lo que fue el estilo arquitectónico Ecléctico, así como el estilo arquitectónico histórico, sus características, arquitectos reconocidos y edificaciones referenciales de dichas épocas.
1. Revisiones
Gallardo A. 2006. Geostadística . Ecosistemas. 2006/3
(URL: http://www.revistaecosistemas.net/articulo.asp?Id=431&Id_Categoria=1&tipo=portada)
Geostadística
A. Gallardo
Departamento de Ecología y Biología Animal. Facultad de Biología, Campus de Lagoas-Marcosende, Universidad de Vigo, 36310 Vigo.
Departamento de Sistemas Físicos, Químicos y Naturales, Universidad Pablo de Olavide, Ctra. Utrera km. 1, 41013 Sevilla (gallardo@uvigo.es)
Geostadística. En esta mini-revisión se presentan los fundamentos de la geostadística, desde la construcción de un semivariograma hasta la
interpolación de puntos en el espacio mediante la técnicas de kriging y cokriging. Mediante la revisión de los principales modelos de
semivariogramas utilizados en geostadística, se presentan los parámetros que se pueden extraer del semivariograma, que son los que van a
definir la continuidad espacial de la variable de nuestro interés, y los que van a ser utilizados para la interpolación de puntos no muestreados en
el espacio. Además se presenta la manera de abarcar un comportamiento anisotrópico de la variable, y la asunción más importante para el uso
de técnicas geostadísticas: la estacionariedad. Se discute también la utilización de más de una variable para la descripción y la estimación de
valores en el espacio (variograma cruzado y cokriging), y la utilización de técnicas de jacknife para el estudio del efecto que los métodos
empleados tienen sobre la interpolación de puntos (validación cruzada).
Palabras clave: Semivariograma, kriging, cokriging, anisotropía, estacionariedad, continuidad espacial.
Geostatistics. In this mini-review the fundamentals of geostatistics are described, from the basic approach to the semivariogram to spatial
interpolation methods, as kriging and cokriging. The most common mathemathical functions in semivariogram modelling are reviewed, with a
description of the parameters extracted from these models which are used to quantify the spatial continuity of a spatial phenomenom and to
interpolate values at unsampled points. The different behavior of a variable in different space directions (anisotropy), and the most important
assumption in geostatistics (stationarity) are also discussed. In the final part, we explore the use of one or several other variables to improve
the knowledge and the interpolation of one spatial phenomenom (cross variogram and cokriging). Finally, cross-validation, a jacknife method to
check the model assumptions used in the kriging is discussed.
Key words: Semivariogram, kriging, cokriging, anisotropy, estacionarity, spatial continuity.
Introducción
La heterogeneidad espacial a escala de ecosistema y de paisaje ha sido reconocida desde el comienzo del desarrollo de la
ecología. La ecología del paisaje en sí no es más que el reconocimiento explícito de esta heterogeneidad. La fitosociología se
desarrolló también con la intención de simplificar, en realidad convertir en unidades discretas, la heterogeneidad espacial
observada en las comunidades vegetales. En contraste a la fitosociología, la ecología ha desarrollado una serie de técnicas
más encaminadas al reconocimiento de la continuidad en las comunidades vegetales, sin olvidar la existencia de
discontinuidades, y de todo ello ha surgido el estudio de los análisis de gradientes, fronteras, ecotonos etc. La necesidad de
cuantificar estadísticamente el grado y la escala espacial en que cambian las comunidades vegetales no ha sido prioritario,
entre otras cosas porque esta heterogeneidad era percibida visualmente, y por ello era espacialmente predecible. Sin
embargo, los geólogos e ingenieros de minas en la segunda mitad del siglo XX se encontraron con la necesidad de desarrollar
herramientas estadísticas que cuantificaran el grado y escala de variación espacial de recursos mineros que no podían
percibir visualmente, pero cuyo patrón espacial necesitaban conocer para incrementar la eficiencia en la explotación de dichos
recursos. Este desarrollo llevó a la creación de la geostadística, que pronto fue utilizada por otras ciencias para cuantificar la
heterogeneidad espacial de variables no fácilmente perceptibles. El uso de geostadística en ecología fue introducida por
primera vez de forma explícita por Robertson (1987): “Geostatistics in ecology: interpolating with known variance'; aunque fue
desarrollada con mayor detalle por Rossi et al., (1992): “Geostatistical tools for modeling and interpreting ecological spatial
dependence”. Junto a estos dos trabajos ya clásicos hay también que incluir el trabajo de Legendre y Fortin (1989): “Spatial
1
2. pattern and ecological analysis”, que aunque no es específico de geostadística, si la incluye como una de las herramientas
para la descripción de patrones espaciales en ecología.
La geostadística ha permitido cuantificar la escala y grado de variación espacial de recursos para plantas y animales y su
relación con la distribución de los organismos. Esta variación espacial es clave para explicar procesos ecológicos a diferentes
escalas espacio-temporales. Uno de los procesos más claros es la relación entre diversidad y heterogeneidad espacial. Por
ejemplo, una especie de crecimiento rápido puede llegar a sombrear y desplazar competitivamente a algún vecino de otra
especie de crecimiento más lento. El resultado de la competencia, estimado en condiciones homogéneas de laboratorio,
siempre sería el mismo: la especie de mayor crecimiento desplaza a su vecina de menor crecimiento. Sin embargo, en
condiciones naturales algunos individuos de la especie de crecimiento más rápido podrían haber germinado en sitios (o
micrositios) deficientes en recursos, igualando en crecimiento a la especie más lenta y permitiendo la coexistencia de ambas
especies en un espacio relativamente pequeño. El uso de geostadística en ecología pretende en último término entender las
interacciones entre las especies y sus recursos en ambientes heterogéneos.
¿Para qué es útil la geostadística?
La geostadística es una manera de describir la continuidad espacial de cualquier fenómeno natural. Con ello llegamos a
conocer la forma en que varía cualquier variable continua en el espacio (patrón espacial) a una o varias escalas seleccionadas,
con un nivel de detalle que permite cuantificar la variación espacial de la variable en distintas direcciones del espacio. La
geostadística utiliza funciones para modelar esta variación espacial, y estas funciones son utilizadas posteriormente para
interpolar en el espacio el valor de la variable en sitios no muestreados. La fortaleza de la geostadística es que esta
interpolación (conocida como kriging) es considerada una estima muy robusta ya que se basa en la función continua que
explica el comportamiento de la variable en las distintas direcciones del espacio, y que en contraste con otros métodos de
interpolación (como por ejemplo interpolar un punto usando los valores de los puntos que le rodean ponderados por la
distancia que los separa) permite asociar la variabilidad de la estima (conocido como grado de incertidumbre). La
geostadística permite por tanto responder a las siguientes preguntas: ¿Cuál es el patrón espacial de mis variables de interés?
¿A qué escala se repite este patrón espacial?¿Existe covariación espacial entre las distintas variables de interés?¿Cuál es la
mejor representación gráfica de la continuidad de mi variable?¿Cual es el grado de incertidumbre de estas estimas? Las
respuestas a estas preguntas son siempre dependientes de la escala espacial elegida. Por ejemplo, si queremos relacionar la
distribución de especies de plantas con el contenido en humedad del suelo, los resultados serán distintos si muestreamos en
un cuadrado de 5 x 5 m que si lo hacemos en un cuadrado de 100 x 100 m. Nos encontraremos dos diferentes patrones
espaciales (aunque el mayor engloba, y a veces oculta al menor) y dos diferentes grados de incertidumbre que podremos
asociar a la respuesta a nivel de individuo a la variación en humedad (parcela pequeña) o a la respuesta de poblaciones o
comunidades a dicha variación (parcela grande).
El semivariograma empírico
La función básica que describe la variabilidad espacial de un fenómeno de interés se conoce como semivariograma. El
semivariograma responde a la siguiente pregunta ¿Cómo de parecidos son los puntos en el espacio a medida que estos se
encuentran más alejados? Imaginemos la parcela de la Figura 1.
2
3. Se ha muestreado un cuadrado de 20 x 20 metros alrededor del tronco de una encina en una Dehesa de Sevilla, tomándose
muestras de suelo cada 2 m, y en cuatro cuadrados aleatorios dentro de la parcela, muestras separadas por 0,5 m (Gallardo
et al., 2000). Para cualquier variable analizada, podemos calcular la varianza encontrada entre todos los pares de puntos
separados por 0.5 m, englobando tanto los separados por esta distancia en el eje N-S como en el eje E-O. En segundo lugar
podríamos calcular la varianza encontrada entre todos los pares de puntos separados por 2 m, 4 m, y así sucesivamente
hasta calcular la varianza encontrada entre todos los pares separados 20 m (que serían tan solo 4). También podríamos
intercalar las distancias entre muestras separadas en diagonal; la más pequeña sería la hipotenusa del cuadrado de 0,5 x 0,5
m, y la más grande la hipotenusa del cuadrado 20 x 20 m (del que sólo habría dos pares). La representación gráfica de todas
estas varianzas en función de la distancia que separa a las muestras es el semivariograma (o variograma), y el cálculo de la
varianza entre pares separados por intervalos de distancia se conoce como semivarianza (γ), estimada como:
Donde, γ(h) es la semivarianza para todas las muestras localizadas en el espacio separado por el intervalo de distancia h. N
(h), es el número total de pares de muestras separados por un intervalo de distancia h. Z(x)
es el valor de la muestra en una
localización x. Z(x+h)
es el valor de la muestra a la distancia de intervalo h desde x.
La representación del semivariograma para la concentración de materia orgánica en el suelo en el ejemplo anterior se observa
en la Figura 2. Como se puede apreciar, esta figura no representa todos los intervalos de distancia posibles, ya que solo
llega a 12 m, siendo la parcela de 20 x 20 m. Este aspecto es importante, ya que como regla general sólo se representa en el
semivariograma distancias aproximadas a la mitad de la dimensión de la parcela. La razón se puede encontrar en lo ya visto,
el número de pares a las distancias mayores desciende y la semivarianza puede llegar a mostrar un comportamiento errático.
Esto nos lleva a otra regla general: el número mínimo de pares para representar un punto en el semivariograma debe ser
superior a 30. La tercera regla general es que el número de puntos en el espacio objeto de estudio no debería ser inferior a 50.
Estas reglas generales sirven de guía, pero no deben ser tomadas como un dogma insalvable. Se encuentran trabajos
publicados con menos de 50 puntos en el espacio (aunque no muchos menos), y con semivariogramas que recogen
distancias que superan el 50% de la dimensión de la parcela sin mostrar comportamiento anómalo.
Figura 1. Localización de puntos de muestreo en una parcela de 20 x 20 metros.
Las muestras fueron tomadas cada dos metros en toda la parcela y cada 50 cm
en cuatro parcelas situadas aleatoriamente en un diseño anidado.
3
4. La Figura 2 ya nos da bastante información del comportamiento espacial de la variable, los valores de la muestra separados
por intervalos de distancia entre 0 y 1 m son más parecidos que aquellos separados por 2 m, 3 m etc. La semivarianza
aumenta a medida que aumenta la distancia que separa las muestras hasta que se llega a un intervalo de distancia
aproximada de 8 m, a partir del cual la semivarianza alcanza un máximo y no aumenta más. Este nivel máximo de
semivarianza debe coincidir con la varianza de la población. En este caso, los valores de semivarianza del eje Y se
corresponden al logaritmo de la materia orgánica, transformación realizada para ajustar los valores a una distribución normal.
Aunque la transformación de la variable no es imprescindible para construir un semivariograma, si lo es para el uso del
semivariograma en la interpolación de valores de la variable, ya que todas las técnicas de interpolación son sensibles a
valores extremos.
Ajuste de una función al semivariograma
El semivariograma de la Figura 2 proporciona bastante información del comportamiento espacial de la variable. Sin embargo,
es necesario ajustar una función para cuantificar el grado y escala de variación espacial. Existen numerosos modelos que se
utilizan en geostadística, siendo los más comúnmente usados el modelo esférico, el modelo exponencial, el modelo
gaussiano y el modelo lineal. Estos modelos se pueden observar en la Figura 3, en donde se han ajustado a los datos del
semivariograma empírico de la Figura 2. El ajuste a una función permite extraer una serie de parámetros que son los que van
a ser usados para la interpolación geostadística (kriging) y que definen el grado y escala de variación espacial. Estos
parámetros son el rango (A0
), el nugget (C0
), el sill (C0
+C), y la proporción de la varianza explicada por el espacio (C/C0
+C), a
menudo expresada en porcentaje (Fig. 4). El rango (A0
) es la distancia a la que la semivarianza deja de aumentar. El rango,
por tanto, indica la distancia a partir de la cual las muestras son espacialmente independientes unas de otras, y representa el
tamaño de grano o mancha que representa la variable (Paramá, 2006). Por ejemplo, en el caso de la materia orgánica de la
parcela de Dehesa (Fig. 2 y 3), el rango es aproximadamente de unos 8 m, coincidiendo con el diámetro de la copa de una
encina que ocupa una parte de la parcela, y que condiciona los niveles de materia orgánica en el suelo. El nugget (C0
) es la
varianza no explicada por el modelo, y se calcula como la intercepción con el eje Y. Se conoce también como varianza error
puesto que la varianza de dos puntos separados por 0 metros (la intercepción con el eje Y) debería ser cero. Es por ello que
esta varianza está normalmente indicando variabilidad a una escala inferior a la muestreada. Además, los errores analíticos o
de muestreo también contribuyen a la aparición de la varianza error. La máxima semivarianza encontrada entre pares de
puntos se conoce como sill y debe coincidir con la varianza de la población. C/(C0
+ C) nos da el grado de variación espacial,
y por tanto el grado de incertidumbre a la hora de interpolar puntos en el espacio. Un alto cociente nos indica una variable
Figura 2. Semivariograma empírico mostrando la semivarianza de valores de
materia orgánica del suelo separados por distancias crecientes.
4
6. Las ecuaciones de los modelos más empleados son las siguientes:
Modelo esférico:
Donde γ(h) es la semivarianza en el intervalo de distancia h, y a es el rango (A0
). Este modelo tiene un comportamiento lineal
a distancias de separación pequeñas cerca del origen pero se va aplanando a mayores distancias y alcanza el sill en la
distancia a.
Modelo exponencial:
Este modelo tiende a alcanzar el sill asintóticamente. El rango a es definido como la distancia a la cual el valor del variograma
alcanza el 95% del sill.
Modelo gaussiano:
Al igual que el modelo exponencial, el modelo tiende a alcanzar el sill asintóticamente, y el rango se define como la distancia
a la cual el variograma alcanza el 95% del sill.
Figura 3. Ajuste del semivariograma empírico de la figura 2 a cuatro funciones
matemáticas.
Figura 4. Parámetros utilizados en el ajuste del semivariograma a funciones matemáticas.
6
7. Modelo lineal:
Donde C0
es el nugget y b la pendiente de la recta.
¿Cuál es el mejor modelo para mis variables?
Los criterios para seleccionar un modelo u otro dependen de los objetivos del trabajo. Si el objetivo es encontrar el modelo que
mejor se ajuste al semivariograma empírico para cada variable, y no tenemos información a priori, podemos dejar que un
determinado software nos ajuste automáticamente el mejor modelo basado, bien en el mínimo de la suma de los cuadrados
de los residuales, bien en el R2
de la ecuación. Si tenemos información a priori del comportamiento de nuestra variable, puede
ser interesante realizar un ajuste manual de los modelos al semivariograma empírico, lo que permiten algunos programas de
software. De esta forma el investigador puede fijar el nugget, el sill o el rango dependiendo del tipo de información que tenga
de su variable y ajustar los parámetros de los que no tiene información. Aquí hay que notar que el ajuste automático basado
en los menores residuales o en los mayores R2
no necesariamente producen modelos con mayor significado biológico que el
ajuste manual. A veces pequeñas diferencias en los menores residuales o en el R2
no justifican la elección de un modelo u
otro. Si el objetivo del trabajo es comparar los parámetros de los semivariogramas entre distintas variables o cambios en el
semivariograma con el tiempo o en el espacio, la utilización de modelos diferentes resulta poco útil. Hay que tener en cuenta
que, por ejemplo, los rangos del modelo esférico y el exponencial no son directamente comparables. El modelo esférico es el
único que tiene un sill verdadero, ya que tanto el modelo exponencial como el gausiano alcanzan el sill de forma asintótica, o
lo que es lo mismo, no lo alcanza nunca. Estos tres modelos anteriores se conocen como modelos transicionales porque en
ellos se puede estimar el sill, sea verdadero o no. El modelo lineal (al igual que otros modelos aquí no considerados) ni
siquiera tiene sill, no es un modelo transicional. Los rangos (la distancia a la que se alcanza el sill) no son, por lo
anteriormente expuesto, directamente equivalentes entre modelos. En este caso, es más conveniente elegir, cuando sea
posible, un único modelo con motivo de comparar semivariogramas. El modelo esférico es el más usado, porque tiene
verdadero sill. En segundo lugar el exponencial sobre el gausiano, porque aunque este último refleja muy bien la continuidad
espacial, la interpolación de puntos basada en este modelo es muy exigente con respecto a los valores de entrada,
produciendo frecuentemente representaciones gráficas alejadas de la realidad. Por último el modelo lineal es usado para
reflejar una pobre estructura espacial, o una estructura espacial cuya dimensión supera la de la parcela de estudio (por
ejemplo, la parcela está dentro de un gradiente direccional).
Isotropía y anisotropía
Hasta ahora en los semivariogramas vistos se considera que la variación del valor de nuestra variable con el espacio es igual
en todas las direcciones de éste (semivariograma omnidireccional). Si esto ocurre decimos que la variable tiene un
comportamiento isotrópico. Pero no siempre es así, y puede ser que la variación espacial sea diferente en las distintas
direcciones del espacio (anisotropía). Si tras una inspección visual sospechamos que puede ocurrir este fenómeno es
interesante realizar semivariogramas considerando por separado varias direcciones del espacio (semivariogramas
direccionales). Así en la Figura 1 podríamos sólo considerar los pares de puntos separados por distancias en el eje N-S, NE-
SO, E-O y NO-SE para realizar cuatro semivariogramas diferentes y observar la posible existencia de anisotropía. La
construcción de semivariogramas anisotrópicos requiere un ángulo de tolerancia, de forma que todos los puntos de la parcela
sean usados. Por ejemplo, si realizamos cuatro semivariogramas correspondientes a 0º, 45º, 90º y 135º, y añadimos un
ángulo de tolerancia de 22.5º, todos los puntos de las parcelas son usados en uno u otro semivariograma. El resultado lo
podemos ver en la Figura 5.
7
8. De esta figura se extraen dos conclusiones. Primero, no existe un claro comportamiento anisotrópico en la distribución de
materia orgánica en la escala muestreada, ya que los rangos y nuggets son aproximadamente similares. A pesar de ello, en
las direcciones NE-SO (45º) y E-O (90º) el sill alcanza valores menores que en las otras dos direcciones, siendo también su
comportamiento en las distancias mayores diferente. Si el sill disminuye, pero los nugget son similares el porcentaje de
varianza explicada por el espacio (C/C0
+C) también disminuye en las direcciones 45º y 90º. Siendo así, los puntos situados
en esas direcciones deberían tener un peso menor a la hora de la interpolación que puntos situados en las otras dos
direcciones. En segundo lugar, los semivariogramas direccionales presentan peor ajuste que el omnidireccional, lo que es de
esperar debido al menor número de pares de puntos. Por tanto, si el número de puntos muestreados no es lo suficientemente
grande, el aumento de información que supone los semivariogramas direccionales desaparece debido a la dificultad de
encontrar modelos que recojan fielmente la variabilidad espacial de cada dirección. Cuando los rangos se mantienen
aproximadamente igual en distintas direcciones del espacio pero el sill varía se denomina anisotropía zonal. El caso inverso
se conoce como anisotropía geométrica. En esta última está más justificada la utilización de un modelo isotrópico que agrupe
todas las direcciones, ya que se considera que todas estas siguen el mismo modelo básico de continuidad espacial. En la
práctica es común encontrar una mezcla de ambas anisotropías.
Estacionariedad
El empleo de técnicas geostadísticas requiere la asunción de estacionaridad de segundo orden, es decir, al menos la varianza
debe ser igual en las diferentes zonas del área de estudio. La falta de estacionariedad puede deberse bien a la existencia de
anomalías en el espacio, bien a la existencia de una tendencia o gradiente espacial cuya dimensión es mayor que el área de
estudio. La estacionariedad puede ser un problema a la hora de la interpolación de puntos en el espacio pero no justifica el
abandono de la geostadística a favor de otras técnicas de interpolación (como la técnica del inverso de la distancia) ya que
son igualmente sensibles a la falta de estacionariedad (Isaaks y Srivastava, 1989). Existen varias formas de evitar que la no
estacionariedad de los datos afecte a la estima de puntos en la parcela. Puede que esta falta de estacionariedad se deba a la
existencia detectable de dos poblaciones dentro del mismo espacio de muestreo. En este caso, lo más conveniente es dividir
el espacio en estas dos poblaciones, realizar semivariogramas e interpolaciones para cada una de ellas para después unir el
resultado en un único mapa. Otra aproximación al problema es restringir el radio de búsqueda de vecinos que ayuden a
interpolar un valor en una zona no muestreada. Esta aproximación se basa a que en la mayoría de los casos la
estacionariedad es “global” pero no se encuentra estacionariedad “local” con lo que restringiendo el uso de vecinos a
distancias convenientemente cortas puede llevar a estimaciones robustas de la variable en el espacio. Por último, si la
estacionariedad está provocada por una tendencia espacial más que por la existencia de dos poblaciones, se puede eliminar
dicha tendencia (detrending) y realizar el semivariograma solo con los residuales. Hay que tener en cuenta que una tendencia
espacial puede enmascarar la heterogeneidad local de nuestra área de estudio. Es esta heterogeneidad local en la que
normalmente se centra nuestro interés. Si conocemos el origen de esta tendencia (por ejemplo una fuerte pendiente o un
Figura 5. Semivariogramas mostrando las diferencias en continuidad espacial de la
materia orgánica del suelo en cuatro direcciones del espacio.
8
9. gradiente de inundación) y podemos modelizarla (tendencia externa), tan solo hay que sustraer a los datos espaciales dicha
tendencia, interpolar puntos usando el semivariograma de los residuales y añadir la tendencia al resultado final. También se
puede explorar la tendencia a partir de los propios datos de la parcela (tendencia interna) mediante la sustracción de
polinomios de primer y segundo grado, lo que realizan una buena parte del software geostadístico disponible. Un ejemplo del
efecto que puede tener una tendencia espacial sobre la estimación de puntos se puede ver en la Figura 6, que se
corresponde con el contenido en materia orgánica en el suelo de un bosque de inundación (redibujado de Gallardo, 2003). En
el gráfico de la izquierda (a) se puede apreciar un gradiente de materia orgánica que aumenta en la dirección SO-NE. Este
gradiente se debe a que la probabilidad de inundación aumenta a medida que se acerca a una masa de agua situada al NE de
la parcela, lo que produce frecuentes condiciones anaeróbicas donde la materia orgánica se acumula. Sin embargo, este
mapa no es del todo correcto, ya que la interpolación de los puntos se ha realizado partiendo del semivariograma con los
valores brutos de la variable. El mapa refleja bien el gradiente, pero enmascara heterogeneidad local producida por pequeñas
depresiones microtopográficas donde el agua y las condiciones anaeróbicas permanecen por más tiempo, siendo también
probable encontrar mayor acumulación de materia orgánica. Estas condiciones sí se reflejan de forma más certera en el
gráfico de la derecha (b). Aquí el mapa se ha construido a partir de un semivariograma con los residuales resultantes de
sustraer a los valores brutos la recta que relaciona los valores de materia orgánica con la distancia a la masa de agua
(tendencia externa). Al final de la interpolación se le ha añadido dicha tendencia, con lo cual el mapa refleja tanto el patrón de
heterogeneidad global (tendencia) como la local (microtopografía).
Kriging
Kriging es la técnica de interpolación utilizada en geostadística, con la que se ha estimado los mapas de la Figura 6. Su
fortaleza estriba en el conocimiento del comportamiento de la variable en el espacio. Así, la forma del semivariograma nos
indica la capacidad predictora que tiene cada punto en función de la distancia que lo separa con otro punto. Los puntos más
allá del rango, es decir cuando el semivariograma se vuelve plano, tienen la mínima capacidad predictora. A la hora de realizar
un kriging hay que, además de suministrar los parámetros del semivariograma isotrópico o los anisotrópicos, decidir la
estrategia adecuada para la selección de puntos para la interpolación. Si el número de valores en el espacio es suficiente,
disminuir el radio de búsqueda de puntos puede ser la mejor estrategia, ya que evita problemas de estacionariedad, aunque
hay que procurar que el radio de búsqueda no sea inferior al rango, ya que no se utilizaría toda la información que proporciona
el semivariograma. Otra decisión a tomar es el tipo de interpolación: puntual o por bloques. Mientras que la interpolación
puntual es la estima del valor de la variable en un punto del espacio, en la interpolación por bloques esta estima se
corresponde con la media de un área predeterminada que rodea a ese punto. En la mayoría de los casos la interpolación por
bloques (que produce un “suavizado” de las estimas) correlaciona mejor con los valores verdaderos, siendo generalmente más
exacta que la interpolación puntual (Isaaks y Srivastava, 1989). El resultado final del kriging es un mapa con los valores
interpolados de la variable. Sin embargo, a diferencia de otras técnicas, la geostadística permite que cada interpolación lleve
asociado un grado de incertidumbre que puede también ser representado en el espacio (en forma de varianza o desviación
estándar). Por tanto a cada punto del espacio interpolado se le puede asociar una distribución teórica, lo que además permite
Figura 6. Mapa producto de la interpolación de valores de materia orgánica en un bosque de inundación.
a) Interpolación a partir de un semivariograma construidos con los valores de materia orgánica. El mapa
refleja sobre todo un gradiente SO-NE. b) Interpolación a partir de un semivariograma de los residuales
resultantes de sustraer una tendencia espacial (distancia a la masa de agua). El mapa refleja tanto el
gradiente espacial como fuentes de heterogeneidad local.
9
10. la posibilidad de realizar simulaciones probabilísticas, representando el resultado del kriging como la probabilidad de que la
variable alcance un determinado valor.
Variograma cruzado y cokriging
Hasta ahora se ha tratado de modelar la variación de un fenómeno espacial a partir de los valores de esa variable tomados del
espacio. Sin embargo, es posible aprovechar la información espacial que contiene otra variable que covarie con la primera. De
esta forma se puede construir un semivariograma en donde la varianza representada no sea entre puntos de la misma variable
sino de una variable con respecto a otra. Esta representación se conoce como variograma cruzado. Si el variograma cruzado
da una estructura interpretable, esta información puede usarse para la predicción de la primera variable en una técnica que se
conoce como cokriging. La información que tiene una variable sobre otra es siempre menor que la que tiene una variable sobre
si misma. Por ello el cokriging rara vez mejora la predicción del kriging salvo que una de las dos variables haya sido
muestreada con menor intensidad que la otra. En este caso el cokring puede ser muy útil. Por ejemplo, cuando todo lo
demás es igual (sobre todo la textura), la humedad del suelo va a depender del contenido de materia orgánica del mismo. La
humedad del suelo es relativamente fácil de medir, mientras que la materia orgánica requiere de recogida de suelos y un
posterior esfuerzo analítico en el laboratorio. Una estrategia no exenta de riesgos podría ser muestrear con menos intensidad
la materia orgánica para posteriormente ayudarse de la variación espacial de la humedad del suelo utilizando el cokriging.
Validación cruzada
Existe un forma de comprobar el efecto de todas las decisiones tomadas en los métodos de estimación de la variable en el
espacio. El método se conoce como validación cruzada y consiste en eliminar un valor de la variable, calcular el
semivariograma correspondiente y estimar el valor eliminado a partir de dicho semivariograma (es una técnica de jacknife). Si
esto lo hacemos uno por uno con todos los valores de las variables, finalmente podremos representar todos los valores
interpolados frente a sus valores reales (Fig. 7). El beneficio real de una validación cruzada es el de señal de aviso. El estudio
de los resultados de la validación cruzada debe concentrarse en los aspectos negativos, como en errores muy abultados o
áreas con evidente sobre o subestimación. No se debe utilizar los residuales de la validación cruzada para la mejora
automática del modelo de variograma, ya que podría llevar a un modelo “mejorado” que realmente produce resultados peores.
Para algunos autores es siempre preferible el ajuste de los variogramas usando información cualitativa que este tipo de ajuste
automático (Isaaks and Srivrastava 1989).
10
11. Referencias
Gallardo, A., Rodríguez-Saucedo J.J., Covelo, F., Fernández-Alés, R. 2000. Soil nitrogen heterogeneity in a Dehesa
ecosystem. Plant and Soil 222: 71-82.
Gallardo, A. 2003. Spatial Variability of Soil Properties in a Floodplain Forest in Northwest Spain. Ecosystems 6: 564 – 576.
Isaaks, E.H., Srivastava R.M. 1989. An introduction to applied geostatistcs. Oxford University Press, Nueva York.
Legendre, P., Fortin M-J. 1989. Spatial pattern and ecological analysis. Vegetatio 80: 107-138.
Paramá, R. 2006. Heterogeneidad Espacial de Nutrientes del Suelo en Ecosistemas Terrestres. Tesis Doctoral. Universidad
de Vigo.
Robertson, G.P. 1987. Geostatistics in ecology: interpoliating with known variance. Ecology 68: 744-748.
Rossi R.E., Mulla, D.J., Journel, A.G. y Franz, E.H. 1992. Geostatistical tools for modeling and interpreting ecological spatial
dependence. Ecological Monographs 62: 277-314.
Figura 7. Relación entre los valores reales y los valores interpolados
utilizando un validación cruzada.
11