Anda di halaman 1dari 27

Redalyc

Sistema de Informacin Cientfica


Red de Revistas Cientficas de Amrica Latina, el Caribe, Espaa y Portugal

Legr Lobaina, Arstides Alejandro; Atanes Beatn, Dulce Mara Variogramas adaptativos: un mtodo prctico para aumentar la utilidad del error de estimacin por kriging Minera y Geologa, vol. 26, nm. 4, octubre-diciembre, 2010, pp. 53-78 Instituto Superior Minero Metalrgico de Moa 'Dr Antonio Nuez Jimnez' Holgun, Cuba
Disponible en: http://redalyc.uaemex.mx/src/inicio/ArtPdfRed.jsp?iCve=223515971005

Minera y Geologa ISSN (Versin impresa): **** revistamg@ismm.edu.cu Instituto Superior Minero Metalrgico de Moa 'Dr Antonio Nuez Jimnez' Cuba

Cmo citar?

Nmero completo

Ms informacin del artculo

Pgina de la revista

www.redalyc.org Proyecto acadmico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto

53

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010 / p. 53-78

ISSN 1993 8012

Variogramas adaptativos: un mtodo prctico para aumentar la utilidad del error de estimacin por kriging
Arstides Alejandro Legr Lobaina Dulce Mara Atanes Beatn

Resumen Se propone el uso de variogramas adaptativos con respecto a su alcance, meseta, efecto pepita y a su modelo, los que permiten obtener correcciones locales del modelo de la variabilidad de la variable que se estudia. A partir de estos variogramas se obtiene una importante consecuencia: la varianza de estimacin por kriging no solo depende de la posicin espacial de los datos, sino tambin, de los valores de la variable que se estudia en esos datos. Finalmente, se enuncian procedimientos prcticos para implementar los variogramas adaptativos y evaluar con precisin el error probable de una estimacin. Palabras clave Estimacin, kriging, varianza de estimacin, variograma.

Recibido: 4 diciembre 2009 / Aceptado: 14 septiembre 2010

54

Minera y Geologa / v.26 n.4 / October-December / 2010 / p. 53-78

ISSN 1993 8012

Adaptive variogram: a practical method to enhance the application of kriging error prediction
Abstract It is proposed the application of adaptive variograms based on their range, sill, nugget effect and model type; which allows a local correction of the variability model of the variable under study. Based on these variograms, an important consequence is obtained: the estimation variance using the kriging method is not only dependent on the spatial position of data but also on the values of the variable studied in the data. Lastly, practical procedures are identified to implement adaptive variograms and assess potential error of an estimate more accurately.

Key words Estimation, kriging, estimation variance, variogram.

Received: 4 December 2009 / Accepted: 17 September 2010

55

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

INTRODUCCIN La estimacin por kriging constituye uno de los principales elementos de la Geoestadstica y defini una nueva era en las tareas de pronstico en las ciencias geolgicas, mineras y otras que han empleado los conceptos y procedimientos de esta rama aplicada de las Matemticas. Sin embargo, el triunfo de la Geoestadstica dentro de la prctica geolgica y minera todava es ensombrecido por el hecho de que la varianza de estimacin -parmetro que se optimiza al aplicar el mtodo- solo depende, a travs del variograma, de la posicin geomtrica de los datos con respecto al punto o panel donde se estima la variable que se estudia, es decir, que esta varianza no est relacionada funcionalmente con los valores particulares de la variable en los puntos. El presente trabajo tiene el objetivo de mostrar una solucin a ese problema mediante la introduccin de los variogramas adaptativos respecto a ciertos parmetros. Definicin clsica de la estimacin por kriging Segn David (1977), la estimacin por kriging parte del conocimiento de los valores de la variable W en un conjunto de n puntos Pi, o sea, se conocen los datos (Pi,Wi) con i=1,2,,n. Se supone estudiada la variabilidad del comportamiento de W en el dominio D que se investiga, y esta variabilidad se expresa por el variograma (h) que es una funcin de la distancia euclidiana h definida entre puntos del dominio D. La expresin analtica de este variograma, usualmente se obtiene mediante el ajuste de uno o varios modelos tericos a un variograma experimental y debe cumplir cierta restriccin, basada en la necesidad de que la varianza de cualquier estimacin debe ser nula o positiva. La estimacin por kriging del valor de W en un panel A se define como:

We = W ( A) = aiW ( Pi )
i =1

Donde debe anotarse que son considerados k puntos (kn) para realizar esta estimacin.

56

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

Se quieren encontrar valores adecuados de ai (conocidos como pesos o ponderadores) tales que se cumplan dos condiciones: 1.

a
i =1

= 1 , si la media no es conocida.

2. Se minimice la varianza de estimacin:

= 2 ai ( Pi , A) ai a j ( Pi , Pj ) ( A, A)
2 e i =1 i =1 j =1

Donde (Pi ,A) indica la variabilidad de cada punto Pi con respecto al panel A. El valor (Pi ,Pj) es la variabilidad entre los puntos Pi y Pj . Finalmente (A ,A) es la variabilidad total del panel A. O sea, que la varianza de estimacin depende de la relacin de las muestras con el panel A, de la relacin entre las muestras, y de la variacin de calidad dentro del panel a estimar (Clark 1977, pg. 88). Aplicando el mtodo de los multiplicadores de Lagrange (David 1977) se ha demostrado que los valores ai se determinan resolviendo el sistema de ecuaciones siguiente:

11a1 a 21 1 ... a k1 1 a1

+ 12 a2 + 22 a2 ... + k 2 a2 + a2

... + 1k ak + ... + 2 k ak + ... ... ... + kk ak + ... + ak

= 1A = 2A ... = kA =1

Donde se ha simplificado la notacin tomando ij = (Pi ,Pj) y tomando iA = (Pi ,A) . El valor auxiliar es el multiplicador de Lagrange. La varianza de estimacin ahora queda determinada por la expresin:

e2 = ai ( Pi , A) + ( A, A)
i =1

Manteniendo el mismo variograma para todo el dominio D y asumiendo constantes el tamao y la forma del panel A, se tiene que para un conjunto dado de k puntos la varianza de estimacin solo depende de

57

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

la posicin geomtrica de los puntos Pi ya que son las distancias entre cada dato usado y el panel los que determinan los valores de cada trmino (Pi ,A) y de cada peso ai. O sea, 2e no depende de los valores particulares W(Pi), i=1,2,,k. De esta formulacin puede derivarse el caso de la estimacin puntual considerando idealmente el panel A con las dimensiones de un punto Pe. La expresin (Pi ,A) se reduce a (Pi ,Pe,) y (A ,A) = 0. Existe una importante propiedad de la estimacin por kriging que resulta indispensable recordar: el efecto screen (David 1977). A medida que la variabilidad de los valores de W tiende a ser independiente de la distancia entre los puntos, o sea, el comportamiento de W tiende a ser completamente aleatorio, entonces los valores de ai tienden a 1/K y tiende a 2 /K (2 es la varianza de W en los datos). Elementos bsicos en la prctica del kriging La prctica de la estimacin por kriging tiene mucho de arte: hay que conocer profundamente sus aspectos tcnicos, es indispensable la prctica y adems, es necesaria cierta dosis de inspiracin. Todos los autores reconocen que lo primario es realizar un correcto anlisis variogrfico, que consiste bsicamente en determinar los siguientes elementos:
Efecto pepita. Alcance. Meseta. Anisotropa. Zona de Influencia. Tipo de variograma.

Luego, teniendo en cuenta las caractersticas particulares del problema, establecer el tipo de kriging que se utilizar, as como sus parmetros (forma y dimensiones de los paneles, estrategias de bsqueda, tratamiento de los pesos negativos, etc.) En la bibliografa referida al final de este trabajo (y en otras), han sido profusamente tratadas las caracterizaciones y los procedimientos para determinar dichos parmetros, por lo que este artculo concentra la atencin en la

58

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

influencia que tienen stos, y otros elementos, en el valor estimado We y en el valor de la varianza de estimacin 2e. Efecto Pepita: desde el punto de vista numrico esta variable que generalmente se denota Co , toma valores no negativos y en la medida que aumenta, desde cero hasta el valor de la varianza de los datos 2, se tiene que: a. Los valores de los pesos ai tienden al valor 1/K. b. El valor estimado We tiende a la media aritmtica de los datos W(Pi) con i=1,2,,k. c. El valor de aumenta y tiende a 2/K. d. El valor de 2e aumenta hasta 2/K cuando se trata de kriging de bloque y hasta 2+ 2/k cuando es kriging puntual. Alcance: para un variograma simple y transitivo, en la medida que el alcance aumenta desde cero hasta el valor de la mayor distancia entre dos puntos pertenecientes a los datos, se produce un cambio importante en el modelo de la variabilidad expresado mediante el variograma. Se tiene que: a. Para variogramas no decrecientes, al aumentar el alcance disminuye el valor puntual del variograma para cada una de las distancias menores que el nuevo alcance. En la prctica esto significa que el valor de 2e disminuye cuando aumenta el alcance. b. Las variaciones de We en general no estn correlacionadas con los cambios del valor del alcance. Para valores relativamente altos de este ltimo con respecto a las distancias entre los puntos relacionados con una estimacin, los cambios del alcance definen pocas variaciones en el valor de We . Cuando se trata de variogramas anidados y se ha considerado una anisotropa global, los cambios en el alcance de cualquiera de las estructuras que forman a los variogramas producen efectos anlogos. Meseta: en el caso de variogramas simples (no compuestos), cuando el resto de los elementos permanece invariables, al aumentar el valor de la meseta:

59

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

a. Permanece constante el valor estimado We. b. Aumenta el valor de la varianza de estimacin 2e. Vale decir que para variogramas anidados el valor de We no permanece constante. Anisotropa: la isotropa o anisotropa del fenmeno estudiado se determina mediante el anlisis de los variogramas direccionales. Algunos autores (Bleines et al. 2001, pg. 395) definen la anisotropa como la diferencia de la variabilidad de un fenmeno en las diferentes direcciones del espacio. Un fenmeno se considera isotrpico cuando las caractersticas numricas (efecto pepita, alcance, meseta) y el tipo de todos los variogramas direccionales son semejantes. Hace tres dcadas, la doctora Isobel Clark (1977, pg. 112) planteaba que: la anisotropa era el problema ms sencillo de acometer. Esta idea ha evolucionado como consecuencia del desarrollo de la teora geoestadstica y con la experiencia prctica de su aplicacin. Hoy en da puede considerarse que la anisotropa es el aspecto ms complicado de comprender y de resolver en cada caso particular, ya que su determinacin visual (examinando los variogramas direccionales) o automatizada (Hart & Rudman, 1997) debe corresponderse con una realidad que generalmente es muy compleja. Se conocen dos tipos de anisotropa: a. Geomtrica. Para variogramas obtenidos en diferentes direcciones, sus alcances son diferentes y otras caractersticas coinciden. Si en una direccin el alcance es mximo (Amax), entonces se debe considerar una extensin mayor de la zona de influencia en esa direccin; un dato situado en esa direccin a una distancia Amax deber tener el mismo peso en la estimacin que uno situado a la distancia Amin en la direccin de menor alcance Amin. En estos casos el fenmeno anisotrpico es considerado durante la estimacin como un fenmeno isotrpico, corrigiendo las distancias entre los puntos mediante una expresin matemtica, lo cual significa en la prctica que el alcance de todos los variogramas direccionales ser el mismo. Este asunto conduce a una pregunta. Qu valor tomar como

60

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

alcance general: Amin, Amax, otro? La respuesta a esta pregunta es definitoria para el rango de los valores de 2e por tanto, el anlisis de los mismos debe hacerse cuidadosamente ya que, como se sabe, aumentan si disminuye el alcance. b. Zonal. Existen zonas del dominio tal que los variogramas direccionales que apuntan a esas zonas se diferencian marcadamente de los dems (por ejemplo, el caso de una mineralizacin estratiforme). La anisotropa zonal ms distinguida por muchos autores es aquella donde se presentan diferentes mesetas y coinciden otras caractersticas. Estas anisotropas son modeladas mediante modelos anidados con anisotropas locales segn cada estructura. En la actualidad algunos autores se refieren a la anisotropa efecto pepita (Deutsch & Journel 1998, pg. 25) pero esto parece ser una condicin impuesta por casos reales que se encuentran en muy pocas ocasiones. Ms bien puede pensarse que este tipo de anisotropa se ha tomado a partir de la necesidad prctica del ajuste de variogramas anidados. Otro fenmeno interesante relacionado con un comportamiento direccional de la variabilidad es el llamado efecto proporcional donde los variogramas presentan el mismo alcance y diferentes mesetas, pero stas son una funcin de la media de W en cada direccin. El efecto proporcional puede ser directo (cuando aumenta la meseta junto con las medias) o inverso, y se determina mediante un grfico en el plano de las varianzas direccionales contra las medias direccionales. La solucin bsica de estos casos est ligada con la divisin de cada variograma por su respectiva media direccional (David 1977, pg. 172). Zona de influencia y geometra de los puntos de estimacin: cuando se va estimar se procede a seleccionar los puntos que sern utilizados: pueden utilizarse todos los datos en cada estimacin (lo cual significa un trabajo ms laborioso) o seleccionar algunos datos cuya relacin con el panel a estimar haga aconsejable su uso. Existen varias estrategias de bsqueda de los puntos que se utilizarn en cada estimacin, entre las ms conocidas (Deutsch & Journel 1998) estn los siguientes:

61

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

a. Para cada panel donde se estimar puede establecerse una zona de influencia con centro en el centro del panel. Generalmente la forma y tamao de la zona de influencia se fijan para todas las estimaciones a partir de los resultados del estudio realizado considerado todos los datos, pero su posicin cambia segn el panel donde se estima W. Los datos que pertenecen a la frontera o al interior de la zona de influencia del panel a estimar son los que se utilizarn para realizar la estimacin ya que son los que tienen influencia en la determinacin del valor de W en el panel. Como zona de influencia se utiliza en muchas ocasiones una elipse en el plano y un elipsoide en el espacio. b. Fijar un valor Nmax de puntos a usar. Se seleccionarn los puntos tomando los de menores distancias al panel donde se estima. c. Bsqueda por octantes: se divide la vecindad del panel en zonas espaciales de interseccin nula a las que llamaremos octantes. Se selecciona cierto nmero de puntos en cada una de estas zonas aunque en algunos octantes los puntos estn muy cercanos y en otros no. Los algoritmos de bsqueda son variados, Deutsch & Journel (1998) explican tres de ellas: exhaustiva, super bloque y espiral. La geometra de los puntos seleccionados ejerce una importante influencia en la estimacin por kriging. Consideremos cuatro aspectos: a. La varianza de estimacin global 2e (conocida tambin como error de cualidad y ligada a la extrapolacin de informacin desde un punto de muestreo hasta un panel o un dominio) aumenta en la medida en que aumenta la irregularidad geomtrica de la red. Tal como explica (Garca-Guerra 1988, pgs. 98-99), el valor de 2e1 en una red aleatoria pura es mayor que el valor de 2e2 en una red aleatoria estratificada y este ltimo valor 2e2 es mayor que el valor 2e3 para una red regular. b. Segn Diehl & David (1982, pg. 5) en general el valor de 2e decrece: i. Cuando aumente el nmero de datos alrededor del panel. ii.Cuando decrece la distancia media de los datos con respecto al centro del panel.

62

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

iii. Cuando se incrementa la distancia media entre los datos que se usan (o sea, cuando estos datos estn regularmente distribuidos). c. Cuando los datos tienen buena regularidad geomtrica, vara poco el nmero k de puntos seleccionados para cada estimacin por estar dentro de la zona de influencia correspondiente, pero si los datos estn distribuidos irregularmente puede suceder que se produzcan grandes variaciones de k durante la estimacin de los paneles. Esta situacin puede ser contraproducente cuando se estiman paneles situados en una zona de grandes concentraciones de puntos (en este caso se presentarn sistemas de ecuaciones lineales SEL- de un alto orden y aumenta la probabilidad de que se produzca el fenmeno de apantallamiento) y cuando se estiman paneles en zonas con pocas muestras (en este caso se estimarn valores de W a partir de unos pocos datos y en ocasiones con una posicin geomtrica desfavorable con respecto al panel). Se han estudiado varias soluciones matemticas para este problema entre las que se pueden citar la simulacin discutible en nuestra opinin- de nuevos datos (Estvez & Cuador 2003) para las zonas de datos escasos y la clusterizacin para las zonas de muestreos muy densos (David 1977, pgs. 162-163). Otra solucin prctica para este tercer aspecto puede ser fijar el nmero de puntos que se usarn en las estimaciones y variar el tamao de la zona de influencia, aumentando o disminuyendo proporcionalmente sus dimensiones hasta que se tenga dentro de la zona aproximadamente el nmero deseado. d. Apantallamiento: este fenmeno se produce cuando se tienen dos datos o ms cuyos puntos estn alineados en una misma direccin con respecto al panel donde se estima. El mtodo kriging asigna pesos mayores a los puntos ms cercanos al panel, mientras que a los ms alejados, apantallados por los ms cercanos, se les asigna pesos menores, pudiendo aparecer en ocasiones valores negativos.

63

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

Cuando se presenta la situacin explicada en el cuarto aspecto y aparecen pesos ai con valores negativos, puede considerarse la eliminacin de los pesos negativos o su transformacin en pesos no negativos. Kasuo-Yamamoto (2000) explica el Mtodo de Froidevaux (anula los pesos negativos), el Mtodo de Journel y Rao y el Mtodo de Deutsch (estos dos ltimos estandarizan los pesos en el intervalo [0,1]). El Mtodo de Deutsch asegura adems el insesgamiento (Deutsch 1996). Otra forma de resolver el problema puede ser eliminar del conjunto de puntos usados en la estimacin aquel que tenga menor peso negativo. Si es repetida esta operacin hasta que todos los puntos tengan sus pesos no negativos, entonces se tiene un conjunto de puntos adecuados para la estimacin, considerando la zona de influencia y el variograma definidos. Para ambos mtodos se precisa de un tiempo de clculo significativo, pero admisible. Mediante experimentos numricos hemos encontrado que para aquellos variogramas que en todo su dominio de definicin tienen signo no positivo en su segunda derivada respecto a h, se cumple que si es aumentado el nmero de puntos usados en estimaciones puntuales, entonces el valor de 2e disminuye. En estos casos debe buscarse una estrategia de clculo que permita, sin aumentar demasiado el orden de los SEL, tomar un nmero suficiente de puntos. Tipo de variograma: el modelo debe responder a la realidad y esto es lo ms importante. La calificacin de un modelo se basa en: a. El conocimiento que se tiene del fenmeno real. b. La apreciacin visual de la correspondencia entre el variograma experimental y el modelo que ajustamos. c. Criterios numricos, tales como IGF (Indicative Goodness to Fit), propuesto por Pannatier (1994); la validacin cruzada (Deutsch & Journel 1998, Bleines et. al. 2001); ajustes mnimos cuadrados clsicos (Jian et al. 1996); programacin lineal (Chen & Jiao 2001); ajustes condicionados a pasar por ciertos puntos (LegrLobaina 1999); mtodo de los momentos (Pardo-Igzquiza & Dowd 2001), entre otros.

64

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

En la actualidad el tipo de variograma de uso ms general es el anidado con anisotropas globales y locales (Deutsch & Journel 1998, Bleines et al. 2001). Los mismos tienen la expresin matemtica general siguiente:

(h) = C0 + k (h, Anisotrop ak )


k =1

NE

Donde NE es el nmero de estructuras y se asume que para cada una de stas se define el tipo, los valores de sus parmetros numricos y una anisotropa local que permite un tratamiento diferenciado de las distancias h en cada estructura. Este tipo de modelo es verstil y prcticamente cubre cualquier necesidad de modelos de variogramas, sin embargo, obtener un modelo variogrfico de este tipo es complejo y precisa de un software adecuado para su definicin y uso. Para un variograma anidado con anisotropas locales es bastante difcil predecir qu cambios se producirn cuando las estructuras locales cambian pero para todo el modelo se cumple lo ya explicado: el valor de 2e vara junto con la variabilidad expresada en el variograma. Caractersticas del panel: siguiendo la exposicin de Diehl & David (1982, pg.5) se conoce que en general el valor de 2 e obtenido por kriging de bloque decrece cuando las dimensiones del panel crecen. La forma del panel y su orientacin espacial influyen tambin en el valor de 2e pero de forma bastante compleja. Intuitivamente se puede asumir que es conveniente definir la forma y orientar espacialmente a los paneles teniendo en cuenta la anisotropa del fenmeno. En conclusin puede reiterarse que el modelo de variograma que se ajuste al variograma experimental obtenido a partir de todos los datos, la anisotropa, la zona de influencia y las caractersticas del panel de estimacin, tienen influencia decisiva en la estimacin por kriging y en el valor de la varianza de estimacin.

65

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

PROPUESTA DE VARIOGRAMAS ADAPTATIVOS Para el anlisis de la fiabilidad de la estimacin Kasuo-Yamamoto (2000) ha propuesto la varianza de interpolacin, cuya definicin para un punto P es:

S e2 =

i =1

a i [W i W ( P )] 2

. Donde se exige que ai0.

Esta medida de la fiabilidad cumple su cometido y, como seala su creador, su valor aumenta al aumentar la dispersin de los valores Wi y, adems, usa indirectamente los resultados del anlisis estructural a travs de los pesos ai. Pero deben ser considerados otros dos aspectos: An cuando la regin de estudio parezca suficientemente homognea respecto al comportamiento de una variable W, su variabilidad en muy pocas ocasiones podr ser representada con buena precisin en todas las partes del dominio D por el modelo del variograma ajustado, ya que l no es otra cosa que un modelo de la variabilidad media de W en la regin. O sea, conocer bien la fiabilidad de una estimacin no garantiza que se aumenta la fiabilidad de dicha estimacin. Por otra parte, no es la varianza de interpolacin el parmetro que se optimiza cuando se estima por kriging. Para lograr una mayor fiabilidad en la estimacin por kriging y al mismo tiempo obtener valores de la varianza de estimacin que reflejen para cada clculo no solo la geometra de los datos utilizados en el mismo, sino que adems, reflejen las caractersticas particulares de los valores de W(Pi) en esos datos es necesario pasar del concepto del variograma general y nico (h) que es solo funcin de la distancia, a la idea del variograma como funcin de la distancia y de las caractersticas del panel A. Estos variogramas pueden llamarse adaptativos y denominarse como: (h,A) Para mostrar su viabilidad es conveniente establecer algunos procedimientos prcticos para la definicin de los variogramas adaptativos.

66

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

Teniendo en cuenta lo explicado anteriormente pueden proponerse las siguientes reglas: 1. Los nmeros mnimo Kmin y mximo Kmax de puntos para realizar la estimacin sern prefijados. 2. La zona de influencia ser dinmica respecto a sus dimensiones. Para realizar cada estimacin se escogern los k datos que estn dentro de la zona de influencia del panel y si no se cumpliera la relacin Kmin k Kmax entonces se variar convenientemente las dimensiones de la zona de influencia. Es obvio que el valor medio de Kmin y Kmax debe ser suficientemente grande para que al obtenerse k se garantice la creacin de un variograma experimental. 3. Se obtendr el valor de la varianza de W y un nuevo variograma experimental para los k datos seleccionados para cada estimacin. En este nuevo variograma, la distancia mxima entre los puntos no debe superar el duplo del mayor alcance obtenido en los variogramas direccionales. 4. Se particularizar para cada estimacin el variograma. Esto podr hacerse siguiendo una de las siguientes estrategias: a. Cambiar la meseta original por una nueva meseta que puede estar definida por la varianza de los k datos escogidos para la estimacin. En este caso el valor Co del efecto pepita deber variarse en el mismo rango que la meseta y si toma valor negativo entonces se le asigna el valor cero. b. Cambiar los valores de la meseta, del alcance y del efecto pepita. En este caso si k es un valor insuficiente para obtener un buen variograma experimental conviene obtener la meseta como la varianza de los k datos, ajustar visual o analticamente el alcance y finalmente establecer Co. c. Ajustando un nuevo variograma para cada estimacin. La desventaja de esta estrategia es que probablemente sean insuficientes los k puntos usados en la estimacin para obtener un buen variograma experimental pero tiene la ventaja de que este nuevo variograma debe ser sencillo, ya que es un modelo de la variabilidad local.

67

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

Estos procedimientos deben estar complementados con algn tratamiento a los pesos negativos ya que los mismos tienden a suavizar los valores de 2e . Como resultado de lo explicado pueden proponerse heursticamente dos importantes tesis: I. Se conoce que cuando se aplica el mtodo de validacin cruzada (Deutsch y Journel 1998) para cada punto Pi de los datos se calcula por kriging los valores Wi y 2ei . La suficiencia de los datos y la calidad del modelo variogrfico y del diseo del kriging se mide bsicamente mediante el anlisis de las diferencias W(Pi) Wi ya que debe existir una correspondencia zonal general entre la variabilidad de estas diferencias y la variabilidad de W. La primera tesis es que desde el punto de vista de la variabilidad zonal los parmetros 2ei y W(Pi) Wison equivalentes y ambas reproducen la variabilidad local de W excepto en aquellas zonas donde se producen fuertes variaciones puntuales de Wi (esto es equivalente a decir: donde hay insuficiencia de informacin local). II. La segunda tesis que se establece es: los valores de 2e constituyen un criterio consistente para evaluar la fiabilidad de una estimacin particular. Esto tiene un efecto positivo en la eficacia de los mtodos de estudio de racionalizacin de redes de muestreo (Vera & Legr 2001) y de estudios de recursos y reservas basados en los valores de 2e (Diehl & David 1982). CASO DE ESTUDIO Se ha considerado sobre el plano XY el promedio de la concentracin, en por ciento, de Ni en los recursos minerales promedios de un bloque cuadrado, de 300 m de lado, del yacimiento latertico de Moa, provincia de Holgun, Cuba. Se tienen como datos 308 puntos de una red regular (de intervalo igual a 16,166 m) los cuales se muestran en la Figura 1.

68

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

300

1.10 1.14 1.01

1.21 1.40 1.13 1.35 0.98 1.06 0.87 0.93 1.04 1.31

1.72 1.58 1.17 1.10 0.80 1.48 0.99 0.68

0.78 0.81 1.16 1.19 0.59 1.10

0.86 0.91 0.74 0.64 1.09 0.83 1.02

0.71 0.57 0.77 0.84 0.68 0.76

0.52 0.63 1.07 0.50 0.60 0.83 0.75

0.44 0.71 0.74 0.52 0.76 0.83 0.90 0.65 0.80 0.94 0.93 0.94 1.05 1.03 0.97 0.95 0.89 1.17

0.79 0.73 0.53 0.66 0.65 0.91 0.90 0.76 0.86

0.91 0.50 0.58 0.73 0.72 0.50 0.68 0.98 0.90 0.93

0.88 0.47 0.76 0.73 0.89 0.71 0.37 0.77 0.87 1.00 0.97 0.57

0.79 0.61 0.95 0.81 0.87 0.92 0.60 0.77

0.60 0.76 0.68 0.68 0.84 0.93 0.77 0.98

0.77 0.61 0.58 0.80 0.86 0.82 0.84 0.88 0.87

0.85 0.64 0.95 0.63 0.53 0.87 0.69 1.01 1.04 0.93 0.86 0.67 0.81 0.87

1.13 0.86 0.97 0.98 0.76 0.90 0.84 0.89 0.81 0.87 0.77 0.67 0.86 0.89 0.77

1.34 1.38 0.86 1.00 0.87 1.02 1.00 0.68 0.69 0.68 0.80 0.79 0.54 0.77 1.72 0.87 0.83 0.91

1.34 0.90 1.06 1.05 1.08 0.68 0.74 0.73 0.73 0.77 0.82 0.84 0.79 0.80 0.69 0.70 0.96 0.91 0.73

1.08 1.17 1.43 1.23 0.82 1.25 0.91 0.91 0.77 0.73 0.93 0.75 0.66 0.99 0.88 0.98 0.75 0.96 0.95

250

1.36 1.24 1.20

200

0.87 0.85 1.06

0.95 1.13 0.93 1.24 1.50 1.37

0.67 0.72 0.97 1.09 0.96 1.16 0.94 1.55 0.98 1.09 1.24 1.16

0.64 0.76 0.90 0.90 1.01 0.97 1.08 1.16 1.09 1.20 0.87

150

1.26 0.99

1.06 1.38

1.38 1.18

0.86 0.89 0.74 0.97

0.90 0.70 1.46 0.83 0.81 0.75 0.62 0.88 0.88

0.88 0.57 0.92 0.88 1.39 0.71 0.64 0.69 0.87

0.94 0.94 0.89 0.84 1.11 1.03 0.87 0.83 0.85

0.90 0.79 1.04 0.83 0.83 0.77 0.77 0.83

100

1.16 0.99 0.92

1.24 1.06 0.76 0.88

1.33 1.32 0.99 0.97 0.99 1.05 1.09 1.46 0.84 1.65 0.94 1.05

1.07 1.02 1.12 1.20 0.89 0.87

0.87 0.97 0.81 0.72 0.76

0.98 0.89 1.03 0.92 0.82 0.93

50
1.04 0.74

0.74 0.94 0.64 0.89

0.98 0.62 0.48

0.97 1.08

1.08 1.03

1.16 1.05

0.83 0.94

0.92 0.77

0.90 0.94

0.72 1.43

50

100

150

200

250

300

Figura 1. Valores promedios de la concentracin de Ni (%) para un bloque de exploracin.

Se calcul que la distancia mnima entre dos puntos es de aproximadamente 16 m y la mxima de aproximadamente 400 m. La distancia media es de aproximadamente 157 m y la moda de las distancias es de aproximadamente 83 m. Tomando como lag el valor de 17,69 m y computando las distancias no mayores de 305 m, se obtuvo el variograma omnidireccional y los variogramas direccionales (tomando sectores angulares de 30). Para el variograma omnidireccional se ajust un Modelo Esfrico de Matheron Modificado (Legr-Lobaina, 1999):
para h = 0 g = 0 g = 0,0250335 + (0,0339665) * (3 * h/(2 * 280) - (h/280) * sqr(h/280)/2) para 0 < h 280 g = 0,0250335 + (0,0339665) para h > 280

El IGF tiene el valor 0,0015. Grficamente tiene el aspecto que se muestra en la Figura 2.

69

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

Figura 2. Variograma de la concentracin de Ni.

La anisotropa fue analizada a partir de los variogramas direccionales (Figura 3) y como resultado se obtuvieron los siguientes parmetros de la elipse de anisotropa: Radio Mayor: 292,68 m Radio Menor: 208,61 m ngulo : 135

Figura 3. Variogramas direccionales.

70

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

Con estos resultados y fijando entre 7 y 13 el nmero de puntos a utilizar en las estimaciones puntuales obtenidas mediante el software Tierra (Legr-Lobaina 2003), se utiliz el criterio de eliminar los puntos que generan pesos negativos (mediante la variacin de las dimensiones de la zona de influencia). Bajo estas condiciones se procedi a obtener tres grficos de isolneas que permitieran comparar visualmente los resultados de la Varianza de Estimacin (VE), de la Varianza de Interpolacin (VI) y del valor absoluto de las diferencias entre la concentracin de Ni medida y la estimada por el Mtodo de Validacin Cruzada (VC). En los dos primeros casos se obtuvieron tablas de 441 filas y en el ltimo, una tabla de 345 datos. Las isolneas (Figuras 4, 5 y 6) fueron dibujadas con el software Surfer (Golden Software 1999) mediante el Mtodo de Interpolacin Lineal con Triangulacin, usando una rejilla de 100x100 puntos. RESULTADOS En las Figuras 4, 5 y 6 se muestran, respectivamente, las isolneas de la varianza de estimacin, de la varianza de interpolacin, y del mdulo de las diferencias por validacin cruzada.
300

250

200

150

100

50

0 0 50 100 150 200 250 300

Figura 4. Isolneas de la Varianza de Estimacin (diferencias entre de nivel igual a 0,005%).

curvas

71

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

300

250

200

150

100

50

0 0 50 100 150 200 250 300

Figura 5. Isolneas de la Varianza de Interpolacin (diferencias entre curvas de nivel igual a 0,005%).
300

250

200

150

100

50

0 0 50 100 150 200 250 300

Figura 6. Isolneas del mdulo de las diferencias por validacin cruzada (diferencias entre curvas de nivel igual a 0,05%).

72

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

Si comparamos las tres figuras se puede observar que la informacin cualitativa que proporciona la figura 4 no coincide con las que proporcionan las figuras 5 y 6, en las cuales coinciden varias de las zonas de mayor variabilidad. Esto ilustra la ineficacia de la varianza de estimacin clsica para estudiar la fiabilidad de las estimaciones. Al realizar los mismos procedimientos utilizando los variogramas adaptativos, tomando en cada estimacin como valor de la meseta del variograma la varianza de los puntos que intervienen en esa estimacin, los valores del alcance y del efecto pepita se obtuvieron proporcionalmente a los correspondientes valores originales, utilizando como factor de proporcionalidad la relacin (cociente) entre la meseta actual y la meseta del variograma general. Los resultados se muestran en las Figuras 7, 8 y 9.
300

250

200

150

100

50

0 0 50 100 150 200 250 300

Figura 7. Isolneas de Varianza de Estimacin usando Variogramas Adaptativos (diferencias entre curvas de nivel igual a 0,01%).

73

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

300

250

200

150

100

50

0 0 50 100 150 200 250 300

Figura 8. Isolneas de Varianza de Interpolacin usando Variogramas Adaptativos (diferencias entre curvas de nivel igual a 0,01%).
300

250

200

150

100

50

0 0 50 100 150 200 250 300

Figura 9. Isolneas del mdulo de las diferencias por validacin cruzada usando Variogramas Adaptativos (diferencias entre curvas de nivel igual a 0,05%).

74

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

Al comparar las figuras 5 y 8 se observa que no se han producido grandes cambios respecto a las zonas de mayor variabilidad de la varianza de interpolacin cuando se usan variogramas adaptativos en lugar del variograma esttico. Si comparamos las figuras 6 y 9 se puede afirmar algo semejante respecto a las diferencias por validacin cruzada. Son obvias las grandes diferencias entre la varianzas de estimacin obtenidas mediante variogramas adaptativos con respecto a las varianzas obtenidas mediante el variograma esttico (Figuras 4 y 7). Para analizar si existen correlaciones entre las varianzas de estimacin y las varianzas de interpolacin vase la Tabla 1.
Tabla 1. Medias Aritmticas, Coeficiente de Variacin (cociente entre la desviacin estndar y la media aritmtica) y Matriz de Correlacin entre las variables: Varianza de Estimacin con Variograma Esttico, Varianza de Estimacin con Variograma Adaptativo, Varianza de Interpolacin con Variograma Esttico y Varianza de Interpolacin con Variograma Adaptativo Variable VE con VaVE con VaVI con Va- VI con VaMedia Aritriograma Esriogranas riograma Esriogramas mtica y Cottico Adaptativos ttico Adaptativos eficiente de Variacin VE con Variograma Esttico

0,028523

0,035763

-0,010688

0,172312 0,048142

VE con Variogranas Adaptativos

0,028523

0,749885

0,656701

0,158732 0,241418

VI con Variograma Esttico

0,035763

0,749885

0,816471

0,028327 0,741953

VI con Variogramas Adaptativos

-0,010688

0,656701

0,816471

0,025874 0,884094

75

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

Pueden destacarse cuatro aspectos: a. La correlacin entre la VE con variograma esttico y las otras variables es muy baja. b. Existe una aceptable correlacin entre la VE con variograma adaptativo y las dos variables relacionadas con la VI. c. La varianza de interpolacin ha sido invariante ante el cambio del tipo de variograma. d. La media aritmtica de la VE con variograma adaptativo es ligeramente inferior a la media aritmtica de la VE con variograma direccional lo cual muestra que el primer mtodo de estimacin presupone que en general se obtienen mejores resultados. Las Figuras 10 y 11 aportan informacin importante sobre el comportamiento de las variables VE con variograma esttico y VE con variograma adaptativo.

Figura 10. Comportamiento de las frecuencias de las varianzas de estimacin con variograma esttico.

76

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

Figura 11. Comportamiento de las frecuencias de las varianzas de estimacin con variograma adaptativo.

A pesar de que las medias aritmticas de los resultados obtenidos para ambas varianzas de estimacin, las Figuras 10 y 11 muestran que para los variogramas adaptativos las varianza de estimacin son menores que las que se obtienen con el variograma esttico. Adems pueden notarse que en ambos casos se perciben dos poblaciones pero tienen formas diferentes. Puede considerarse que la distribucin de las frecuencias en la Figura 10 est determinada porque el error depende fundamentalmente de las distancias entre los puntos y, por tanto, los errores pequeos abundan ms, al igual que las distancias pequeas. Los resultados de la Figura 11 permiten considerar que las varianzas de estimacin tambin dependen considerablemente de las variaciones de las concentraciones porcentuales de Ni, expresadas en las variaciones de la meseta, alcance y efecto pepita del variograma adaptativo. En este caso de estudio se ha mostrado que usando el variograma adaptativo, la varianza de estimacin puede ser perfectamente utilizada como un criterio para evaluar la fiabilidad de las estimaciones. En este ejemplo, al realizar cada estimacin, solo han variado la meseta, el alcance y el parmetro de efecto pepita del variograma; tambin pueden ser asumidos valores particulares para la anisotropa y la zona de influencia.

77

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

CONCLUSIONES Mediante el uso de variogramas adaptativos (h,A) se refleja en el parmetro 2e la variabilidad local de las diferencias probables entre los valores reales W(P) y los valores estimados We(P) cuando se tiene suficiente informacin local. Esto es equivalente a decir que para evaluar la fiabilidad de las estimaciones por kriging, adems de la varianza de interpolacin S2e ,tambin puede usarse la varianza de estimacin 2e , y que en ese caso la calidad de la evaluacin depende de la suficiencia informativa de los datos, del adecuado modelo variogrfico y de la forma en que el kriging sea realizado. El resultado de este trabajo proporcionar mayor eficacia a los mtodos de estudio de racionalizacin de redes de muestreo y a los mtodos de estudios de recursos y reservas basados en los valores de 2e . REFERENCIAS B LEINES , C.; D ERAISME J.; G EFFROY , F.; PARSEVAL , S.; R AMBERT , F.; R ENARD , D. &. T OUFFAIT , Y. 2001: ISATIS Software Manual. Geovariance and Ecole des Mines de Paris. Paris, January, 531 p. CHEN, YONGLIANG & JIAO, XIGUO 2001: Semivariogram fitting with linear programming. Computers & Geosciences 27(1): 71-76 CLARK, ISOBEL 1977: Practical Geostatistics. Geostokos Limited, United Kingdom. Versin digital. Consulta: 28/09/2009 Disponible en: http://uk.geocities.com/drisobelclark/PG1979. 119 p. DAVID, MICHEL 1977: Geostatistical ore reserve estimation. Elsevier Scientific Publishing Company. New York, 364 p. DIEHL, P & DAVID, M. 1982: Classification of Ore reserve/resources based on Geostatistical Methods. Bulletin CIM, February :1-10. DEUTSCH, CLAYTON V. &. JOURNEL, ANDR G. 1998: GSLIB: Geoestatistical software library and Users Guide. Oxford University Press, New York, 369 p. DEUTSCH, CLAYTON V. 1996: Correcting for negative weights in ordinary kriging. Computers & Geosciences 22(7): 765-773. ESTVEZ, E. Y CUADOR-GIL, J.Q. 2003: El kriging indicador y el control de la ley en el yacimiento Oro Castellano. V Congreso de Geologa y Minera. La Habana, Cuba, 19-24 marzo. Memorias [CD-ROM].

78

Minera y Geologa / v.26 n.4 / octubre-diciembre / 2010

ISSN 1993 8012

GARCA-GUERRA, P. A. 1988: Geoestadstica Operacional. Departamento Nacional de Produccin Mineral, Ministerio de Minas y Energa, Repblica Federativa de Brasil, Brasilia DF, 145 p. GOLDEN SOFTWARE, INC 1999: Surfer Version 7. User Manual. USA. HART, D. & RUDMAN, A. J. 1997: Least-squares fit of an ellipse to anisotropic polar data: application to azimuthal resistivity surveys in Karst regions. Computers & Geosciences 23(2):189-194. JIAN, X., OLEA, R. A. & YUN-SHENG, Y 1996: Semivariogram modeling by weighted least squares. Computers & Geosciences 22(4): 387-397. KASUO-YAMAMOTO, J. 2000: An Alternative Measure of the Reliability of Ordinary Kriging Estimates. Mathematical Geology 32(4): 489-509. LEGR-LOBAINA, A. A. 2003: Software Tierra, Versin 2.0. Instituto Superior Minero Metalrgico. Moa. LEGR-LOBAINA, A. A. 1999: Metodologa para el Pronstico, Planificacin y Control Integral de la Minera en Yacimientos Laterticos. Instituto Superior Minero Metalrgico. Moa [Tesis Doctoral] 187 p. P ANNATIER , Y VAN 1994: VarioWin 2.1. Phd Project. University of Laussanne, Laussanne, Switzerland, 102 p. P ARDO -IGZQUIZA, E. & DOWD, P.A. 2001: VARIOG2D: a computer program for estimating the semi-variogram and its uncertainty. Computers & Geosciences 27(5): 549-561. VERA, L. O. & LEGR A.A. 2001: Racionalizacin de redes en la exploracin de los yacimientos laterticos cubanos. Minera y Geologa [en lnea] 18 (1) Consulta: 25 enero 2010. Disponible en www.ismm.edu.cu/revistamg

Arstides Alejandro Legr Lobaina Profesor Auxiliar. Doctor en Ciencias Tcnicas. Centro de Estudios de Energa y Tecnologa Avanzada. Instituto Superior Minero Metalrgico. Moa, Cuba. Dulce Mara Atanes Beatn Profesora Asistente. Departamento de Hidrulica. Facultad de Civil. Universidad de Oriente. Santiago de Cuba, Cuba

alegra@ismm.edu.cu

atanes@fco.uo.edu.cu

Anda mungkin juga menyukai