UNIVERSIDAD NACIONAL DE CAJAMARCA

FACULTAD DE INGENIERA

ESCUELA ACADMICO PROFESIONAL DE INGENIERA GEOLGICA

ANLISIS DE DATOS Y VARIOGRAFA

PRESENTADO POR:

ALAYA CHACON, Rocio

AYALA VILLA, Zarelita
GUTIERREZ TELLO, Deysi
HUATAY QUILICHE, Jhon
SALAZAR MATARA, Jessica

DOCENTE:

Ing. Jorge Snchez Espinoza

CAJAMARCA PER
2016
Contenido

RESUMEN ....................................................................................................................... 4
I. INTRODUCCIN .................................................................................................... 5
II. PROYECTO DE INVESTIGACION .................................................................... 5
III. PLANTEAMIENTO DEL PROBLEMA .............................................................. 5
IV. FORMULACIN DEL PROBLEMA .................................................................. 6
V. JUSTIFICACIN DEL PROBLEMA .................................................................. 6
VI. OBJETIVOS .......................................................................................................... 6
CAPITULO I: ASPECTOS TEORICOS ......................................................................... 7
1.1. Variable Regionalizada. ........................................................................................... 7
1.2. Estacionariedad .......................................................................................................... 7
1.3. Varianza ..................................................................................................................... 8
CAPITULO II: DESARROLLO DEL TEMA ................................................................. 9
2.1. Variografa: variograma ............................................................................................ 9
2.2. Parmetros o elementos de un variograma .............................................................. 10
2.3. Variogramas en una dimensin ............................................................................... 12
2.4. Variograma a dos dimensiones ................................................................................ 15
2.5. Modelamiento de variogramas ................................................................................ 18
Variograma de Matheron o Modelo Esfrico .......................................................... 20
Variograma de Formery o Modelo Exponencial ..................................................... 21
Modelo Gaussiano ................................................................................................... 21
Modelo lineal o Pepita Puro. ................................................................................... 21
2.6. Isotropa y anisotropa ............................................................................................. 22
CAPITULO III: PROGRAMAS COMERCIALES APLICADOS AL TEMA ............. 25
A. Software Geoestadstico SGeMS ............................................................................... 25
B. VULCAN ................................................................................................................... 27
C. VARIOWIN ............................................................................................................... 28
Conclusiones................................................................................................................... 30
Referencias bibliogrficas .............................................................................................. 30

2
ndice de figuras.

Figura 1: Funcin de la variable regionalizada ................................................................ 7

Figura 2: Elementos del Variograma .............................................................................. 10
Figura 3: Representacin del comportamiento tpico de un variograma acotado con una
representacin de los parmetros bsicos encontrado en el proyecto minero Toromocho,
para el Molibdeno. .......................................................................................................... 11
Figura 4: Secuencia de muestras n equidistantes espaciadas, xi denota la ubicacin y
f(xi) denota el valor en la ubicacin xi. ........................................................................... 12
Figura 5: Leyes de plomo de muestras tomadas a intervalos 2 m. ................................. 14
Figura 6: Mtodo de clculo de variograma para un paso de un espaciamiento de
muestra. .......................................................................................................................... 14
Figura 7: Representacin esquemtica de los intervalos y la tolerancia para el clculo
del variograma muestras en dos dimensiones................................................................. 16
Figura 8: Medidas de Cadmio en sus respectivas posiciones. ........................................ 16
Figura 9:Variograma omnidireccional para la variable Cadmio, Los valores numricos
indican el nmero de parejas que intervienen en el clculo. .......................................... 17
Figura 10:Variograma omnidireccional para la variable Cadmio, reduciendo la longitud
de la distancia para realizar mejor la similitud a un modelo experimental de variograma.
........................................................................................................................................ 17
Figura 11:Localizacin 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. .................................................................................... 18
Figura 12: Variograma emprico mostrando la semivarianza de valores de materia
orgnica del suelo separados por distancias crecientes. ................................................. 19
Figura 13: Ajuste del variograma emprico de la figura11 a cuatro funciones
matemticas. ................................................................................................................... 20
Figura 14: Comparacin de los modelos exponencial, esfrico y Gaussiano. La lnea
punteada vertical representa el rango en el caso del modelo esfrico y el rango efectivo
en el de los modelos exponencial y gaussiano. Este tiene un valor de 210, respecto a una
escala simulada entre 0 y 300. El valor de la meseta es 30 y el de la pepita 0. El 95% de
la meseta es igual a 28.5. ................................................................................................ 22
Figura 15: Semivariogramas mostrando las diferencias en continuidad espacial de la
materia orgnica del suelo en cuatro direcciones del espacio. ....................................... 23
Figura 16: Archivo de datos en formato Geo-EAS, backscat. Dat. ................................ 28
Figura 17: Parmetros (por defecto) para el clculo del variograma experimental........ 29
Figura 18: Variograma experimental omnidireccional de la variable microwave. ........ 29

3
 RESUMEN

Para llegar a una correcta elaboracin e interpretacin de variogramas es necesario el

estudio concreto del tema enfocado en la geoestadstica, es por ello que para la
elaboracin del presente trabajo se utiliz una serie de referencias bibliogrficas que nos
ayudaron con el anlisis del proceso de seleccin de datos, la posterior elaboracin de
variogramas experimentales y finalmente el modelamiento de estos enfocado en un
modelo terico.

El trabajo abarca el tema de la variografa y se incluyen los captulos: Primero, que abarca
aspectos tericos; capitulo Segundo, en el cual se desarrolla el tema especfico y
finalmente el captulo Tercero en el que se describen algunos programas comerciales
aplicados a la variografa.

Agradecemos a Dios, nuestros padres, a la Universidad Nacional de Cajamarca sobre todo

a la Escuela de Ingeniera Geolgica y al docente del curso por el empeo de querer
enriquecer nuestros conocimientos.

4
 I. INTRODUCCIN

La estadstica y la geologa son unas de las ciencias afines a la Geoestadstica, pero eso
no quiere decir que esta ltima sea la fusin de las dos. Es por ello que nos vemos en la
necesidad de entender correctamente los fundamentos, definiciones y alcances de la
geoestadstica. El problema de modelar un macizo rocoso acompaa siempre a la
actividad minera, por ello la necesidad de un mejor modelado para lograr una operacin
minera eficiente. Entonces, cul de las herramientas matemticas existentes puede
ofrecernos la solucin? En cuanto a los fenmenos naturales, la imposibilidad de explicar
el porqu del valor de una ley en un determinado punto de muestra est fuera de nuestro
alcance, de ah que trabajamos con variables aleatorias (cada caso tiene la misma
probabilidad de ocurrir) y que las leyes tienen cierto grado de interdependencia. Adems,
la geoestadstica es el tratado de variables regionalizadas.

II. PROYECTO DE INVESTIGACION

Anlisis de datos y variografa.

III. PLANTEAMIENTO DEL PROBLEMA

La necesidad de llevar a cabo un estudio geolgico con la aplicacin de la geoestadstica,

trabajando con variables regionalizadas, no es un tema sencillo, porque las tcnicas
metodolgicas de la geoestadstica, trae consigo ciertas definiciones, parmetros, reglas
que debemos de tener en cuenta, ya que quiz nunca han sido estudiados estadstica
bsica.

Es por ello que nace la iniciativa de llevar a cabo el anlisis de datos con el estudio de la
variografa, enfocndonos en este caso en definiciones lo ms concretas posibles, adems
en los distintos parmetros del variograma, variogramas en una dimensin, variogramas
en dos dimensiones, modelamiento de variogramas, y as como tambin en la
comparacin de modelos de variogramas para tener un alcance ms amplio sobre la
variografa.

5
 IV. FORMULACIN DEL PROBLEMA

Cules son los alcances (definiciones, parmetros, mtodos) a fin de conocer para lograr
obtener un conocimiento slido sobre la variografa en geoestadstica?

V. JUSTIFICACIN DEL PROBLEMA

La importancia del estudio de la variograma radica en que es una herramienta que permite
analizar el comportamiento espacial de una variable sobre una zona dada y modela como
dos valores en el espacio se ponen en correlacin. Entonces podemos decir que es un
estimador de la varianza poblacional. Desde este punto de vista podemos afirmar la
eficacia de su conocimiento y aplicacin hacia las variables regionalizadas, siendo estas
referidas directamente al campo minero.

VI. OBJETIVOS

OBJETIVO GENERAL

Estudiar los Anlisis de datos y la Variografa.

OBJETIVOS ESPECFICOS

Interpretar los resultados de las grficas para comprender las diferencias entre los
parmetros estadsticos y la utilidad de la geoestadstica
Analizar la Variografa y sus diferentes aplicaciones.

6
 CAPITULO I: ASPECTOS TEORICOS

1.1. Variable Regionalizada.

La teora de la variable regionalizada considera al valor observado como una

realizacin de la variable aleatoria, incluyendo su posicin de ubicacin en una regin
o espacio Rn, que define una Funcin Aleatoria Z(x). Las realizaciones de dicha
Funcin presentan una distribucin que puede ser modelable.

Figura 1: Funcin de la variable regionalizada

1.2. Estacionariedad

` El empleo de tcnicas geostadsticas requiere de la estacionariedad de segundo orden,

es decir, al menos la varianza debe ser igual en las diferentes zonas del rea de
estudio. La falta de estacionariedad puede deberse bien a la existencia de anomalas
en el espacio, bien a la existencia de una tendencia o gradiente espacial cuya dimensin
es mayor que el rea de estudio. Existen varias formas de evitar que la no
estacionariedad de los datos afecte a la estima de puntos en el cuerpo. Puede que esta

7
 falta de estacionariedad se deba a la existencia detectable de dos poblaciones dentro
del mismo espacio de muestreo. En este caso, lo ms conveniente es dividir el espacio
en estas dos poblaciones, realizar semivariogramas e interpolaciones para cada una de
ellas para despus unir el resultado en un nico mapa. Otra aproximacin al problema
es restringir el radio de bsqueda de vecinos que ayuden a interpolar un valor en una
zona no muestreada. Esta aproximacin se basa a que en la mayora 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 ltimo, si la estacionariedad
est provocada por una tendencia espacial ms que por la existencia de dos
poblaciones, se puede eliminar dicha tendencia (detrending) y realizar el variograma
solo con los puntos residuales.

1.3. Varianza

Describe la variabilidad de la distribucin. Es la medida de la desviacin o dispersin

de la distribucin y se calcula por:

8
 CAPITULO II: DESARROLLO DEL TEMA

2.1. Variografa: variograma

El variograma es una herramienta que permite analizar el comportamiento espacial de

una variable sobre una zona dada, y modela como dos valores en el espacio se ponen
en correlacin. Es un estimador de la varianza poblacional, por lo tanto, debe tener una
tendencia de estacionaridad y es un soporte para las tcnicas del Kriging ya que permite
representar cuantitativamente la variacin de un fenmeno regionalizado en el espacio.
El variograma est relacionado con la direccin y la distancia (h). Se ve limitado
porque es un estadstico de dos puntos y adems porque es extremadamente sensible a
valores extremos. A esta funcin denotada por 2(h) se le denomina variograma.
Utilizando la definicin terica de la varianza en trminos del valor esperado de una
variable aleatoria, tenemos:

La mitad del variograma (h), se conoce como la funcin de semivarianza y caracteriza

las propiedades de dependencia espacial del proceso. Dada una realizacin del
fenmeno, la funcin de semivarianza es estimada, por el mtodo de momentos, a
travs del semivariograma experimental, que se calcula mediante (Wackernagel,
1995):

donde Z(x) es el valor de la variable en un sitio x, Z(x+h) es otro valor muestral

separado del anterior por una distancia h y n es el nmero de parejas que se encuentran
separadas por dicha distancia. La funcin de semivarianza se calcula para varias
distancias h. En la prctica, debido a irregularidad en el muestreo y por ende en las
distancias entre los sitios, se toman intervalos de distancia y el semivariograma
experimental corresponde a una distancia promedio entre parejas de sitios dentro de

9
 cada intervalo y no a una distancia h especfica. Obviamente el nmero de parejas de
puntos n dentro de los intervalos no es constante.

Para interpretar el semivariograma experimental se parte del criterio de que a menor

distancia entre los sitios mayor similitud o correlacin espacial entre las observaciones.
Por ello en presencia de autocorrelacin se espera que para valores de h pequeos el
semivariograma experimental tenga magnitudes menores a las que esta toma cuando
las distancias h se incrementan.

2.2. Parmetros o elementos de un variograma

Antes de entrar a considerar los elementos de un variograma, merece la pena sealar

que, como puede apreciarse en la figura, el variograma es una funcin montona no
decreciente, ya que a medida que aumenta la distancia h, al menos tericamente,
aumenta el valor medio de la diferencia cuadrtica de los valores de la funcin aleatoria
(y(h)). Este comportamiento est perfectamente en consonancia con la ley de Tobler
(Tobler, 1973), que hace referencia a que las cosas que estn ms cercanas se parecen
ms entres s que aquellas otras que estn ms distantes. Ello implica que los
incrementos (x(s+h)-x(s)) eleven su variabilidad con la distancia.

El variograma est formado por los siguientes elementos:

Figura 2: Elementos del Variograma

Fuente: Geoestatistics for Natural Resources Evaluation, Goovaerts. Autor: Evelyn Vliz

10
 Figura 3: Representacin del comportamiento tpico de un variograma acotado con una representacin de los
parmetros bsicos encontrado en el proyecto minero Toromocho, para el Molibdeno.

EFECTO NUGGET (Co): Por lo general, el variograma no tiende a cero

como lo hace la distancia h, el efecto nugget es una discontinuidad de salto
en el origen conocido tambin como efecto Pepita, representa la
discontinuidad en el variograma para distancias que sean menores que la
menor distancia dada entre los puntos muestrales. Esta discontinuidad se
puede dar tambin debido a errores en la medicin o a una pobre precisin
analtica.

2.4.2 SILL (C): El sill conocido tambin como La Meseta es el valor

mximo que alcanza el semivariograma cuando la variable es estacionaria.
Tericamente, la meseta coincide con el valor de la varianza y por tanto un
buen estimador de la misma ser la varianza experimental de los datos.

RANGO (a): Conocido tambin como Alcance, el Rango es la distancia a

la cual el variograma se estabiliza y las muestras se relacionan
espacialmente.

ESCALA (Ct): Es el valor tal que: Co + C = Sill. Un valor de escala

pequeo es indicativo de que solo existe correlacion para distancias muy
cercanas, pudiendo haber incluso poca correlacion para observaciones

11
 relativamente cercanas. Un valor de escala grande pone de manifiesto un
fenmeno poco estructurado, en el sentido de que a peque;as distancias la
correlacion existente es escasa y adems esta decrece paulatinamente con la
distancia.

Un variograma constante para todo h es indicativo de la usencia de

dependencia espacial, mientras que un variograma con pendiente distinta de
cero cerca del origen indica la existencia de tal dependencia. Un cambio
brusco de pendiente anuncia el paso a una estructuracin distinta en el
espacio.

Los variogramas experimentales se pueden calcular a partir de una sucesin lineal de

puntos, como por ejemplo a lo largo de un taladro de perforacin (variograma
monodimensional); tambin se pueden calcular a partir de un conjunto de datos ubicados
en un mismo plano (variograma bidimensional), como por ejemplo una veta, un manto
angosto, un banco o una seccin cualquiera.

En la actualidad existen programas que permiten el clculo de variogramas a partir de una

distribucin tridimensional (variograma 3D), lo que antes slo se poda realizar
subdividiendo en cuerpo tridimensional en tajadas (bancos o secciones).

2.3. Variogramas en una dimensin

Considere una secuencia de n muestras espaciadas a igual distancia, d, a lo largo

de una lnea de longitud L. Cuando el valor de una variable, como la ley, depende
de su posicin, la variable se denomina variable regionalizada.

La Figura muestra la disposicin de n muestras a lo largo de la lnea:

Figura 4: Secuencia de muestras n equidistantes espaciadas, xi denota la ubicacin y f(xi) denota el valor en la
ubicacin xi.

12
 Las muestras pueden ser de cualquier tipo, pero se asume que todas ellas tienen el
mismo soporte (es decir, la misma orientacin, volumen y forma geomtrica); por
ejemplo, la lnea puede representar un testigo de perforacin diamantina (DDH)
cortado en fragmentos de aproximadamente las mismas longitudes d o una lnea
de muestras de canal de longitudes d tomadas a lo largo de un pilar.

El variograma para un espaciamiento de muestra d es la mitad de la diferencia

promedio al cuadrado entre todos los pares de muestras separadas por una
distancia d, cuya representacin es (d)

1
() = {[(1 ) (2 )]2 + [(2 ) (3 )]2 + [(3 ) (4 )]2 + [(1 ) ( )]2 }
2()

O en notacin abreviada:

1
1
() = [( ) (+1 )]2
2()
=1

Para un espaciado de 2d, el variograma es:

1
(2) = {[(1 ) (3 )]2 + [(2 ) (4 )]2 + [(3 ) (5 )]2 + [(2 ) ( )]2 }
2( 2)

O en notacin abreviada:

2
1
(2) = [( ) (+2 )]2
2( 2)
=1

En general, para espaciados de muestra m (es decir, distancia m*d), el variograma

es:

1
() = [( ) (+ )]2
2( )
=1

13
 Ntese que el resultado sera el mismo si el clculo empezara con la muestra
( )al final de la lnea y se realizara en sentido inverso hacia la primera muestra
(1 )

A modo de ejemplo, considere las leyes de las muestras de plomo en la figura

siguiente tomadas a intervalos de 2 m a lo largo de un pilar.

Figura 5: Leyes de plomo de muestras tomadas a intervalos 2 m.

Un mtodo simple de calcular el variograma en forma manual es copiando dos veces la

lnea de muestras. Para un espaciamiento de 2 m, coloque las dos lneas de muestras la
una junto a la otra y mueva una de ellas hacia la derecha, de modo que las muestras
espaciadas a 2 m de distancia queden alineadas, tal como se muestra en la figura:

Figura 6: Mtodo de clculo de variograma para un paso de un espaciamiento de muestra.

El variograma para un espaciamiento de d=2 m es dado por:

1
(2 ) = {[0.5 0.3]2 + [0.7 0.5]2 + [0.4 0.7]2 + [0.2 0.4]2 }
2(91)

(2 ) = 0.038

Poniendo como ejemplo una serie de leyes en una direccin, que podran ser leyes
de una galera o leyes de un sondaje, se tiene:

14
 1
(4 ) = 2(81) {[0.3 0.7]2 + [0.5 0.4]2 + [0.7 0.2]2 + [0.8 0.2]2 }

(4 ) = 0.087

(6 ) = 0.039

(8 ) = 0.003

(10 ) = 0.039

(12 ) = 0.085

(14 ) = 0.025

Estos valores pueden graficarse tal como se muestra en la siguiente figura para
obtener una representacin grfica del variograma.

2.4. Variograma a dos dimensiones

En dos o tres dimensiones es necesario definir tambin un ngulo de tolerancia

alrededor de la direccin definida por el vector h ya que la consideracin de
intervalos de distancia es en general insuficiente para garantizar un numero de
pares grande debido a que los puntos generalmente no estn alineados. La figura
nos muestra esquemticamente como se procede en el plano para calcular el
variograma experimental.

15
Figura 7: Representacin esquemtica de los intervalos y la tolerancia para el clculo del variograma muestras en
dos dimensiones.

Ejemplo: Los siguientes grficos presentan los valores del semivariograma a partir de las
observaciones de la variable contenido de Cadmio correspondiente al conjunto de datos
presentado. Los tres primeros grficos fueron obtenidos con el programa VARIOWIN.

Figura 8: Medidas de Cadmio en sus respectivas posiciones.

En la figura 9 se presenta el semivariograma clsico omnidireccional que es una

herramienta muy utilizada en geoestadstica para obtener estimaciones de las
caractersticas de los variogramas: el alcance, la meseta y el efecto pepita. Para obtener

16
el semivariograma clsico omnidireccional se considera la direccin de 0 con una
tolerancia angular de 90 a ambos lados de la direccin especificada, de esta manera
permite que se incluyan todas las parejas de puntos independientemente de la direccin.
Esto, maximiza el nmero de parejas en cada clase de distancia, pero produce un
suavizado del variograma.

Figura 9:Variograma omnidireccional para la variable Cadmio, Los valores numricos indican el nmero de
parejas que intervienen en el clculo.

El soporte del grafico anterior es de 0 hasta la distancia mxima entre las parejas, es
decir hasta 302.362 pies. En general, los variogramas no son vlidos ms all de la mitad
de dicha distancia. La figura presenta el variograma emprico correspondiente a 10
intervalos de clases de distancia con una longitud de 15 pies cada uno.

Figura 10:Variograma omnidireccional para la variable Cadmio, reduciendo la longitud de la distancia para
realizar mejor la similitud a un modelo experimental de variograma.

17
 2.5. Modelamiento de variogramas

El variograma de la figura 12 proporciona bastante informacin del comportamiento

espacial de la variable. Sin embargo, es necesario ajustar una funcin para cuantificar el
grado y escala de variacin espacial. Existen numerosos modelos que se utilizan en
geostadstica, siendo los ms comnmente usados el modelo esfrico, 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 variograma emprico de la Figura
2. El ajuste a una funcin permite extraer una serie de parmetros que son los que van a
ser usados para la interpolacin geostadstica (kriging) y que definen el grado y escala de
variacin espacial.

Figura 11:Localizacin 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.

18
Figura 12: Variograma emprico mostrando la semivarianza de valores de materia orgnica del suelo separados por
distancias crecientes.

19
 Figura 13: Ajuste del variograma emprico de la figura 11 a cuatro funciones matemticas.

Variograma de Matheron o Modelo Esfrico

Donde (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 separacin pequeas cerca del
origen pero se va aplanando a mayores distancias y alcanza el sill en la distancia a. Su
expresin matemtica es la siguiente:

En donde C1 representa la meseta, a el rango y h la distancia

20
 Variograma de Formery o Modelo Exponencial

Este modelo se aplica cuando la dependencia espacial tiene un crecimiento exponencial

respecto a la distancia entre las observaciones. El valor del rango es igual a la distancia
para la cual el variograma toma un valor igual al 95% de la meseta. Este modelo es
ampliamente usado. Su expresin matemtica es la siguiente:

Siendo y a = parmetro relacionado con el alcance

Modelo Gaussiano

Al igual que en el modelo exponencial, la dependencia espacial se desvanece solo en una

distancia que tiende a infinito. El principal distintivo de este modelo es su forma
parablica cerca al origen. Su expresin matemtica es:

Modelo lineal o Pepita Puro.

Es indicativo de carencia de correlacin espacial entre las observaciones de una variable.

Es comn sumar este modelo a otro modelo terico de semivarianza, para obtener lo que
se conoce como semivariograma anidado. Lo anterior se sustenta enuna propiedad de los
variogramas que dice que cualquier combinacin lineal de variogramas con coeficientes
positivos es un variograma. Su expresin matemtica es:

21
 Figura 14:Comparacin de los modelos exponencial, esfrico y Gaussiano. La lnea punteada
vertical representa el rango en el caso del modelo esfrico y el rango efectivo en el de los
modelos exponencial y gaussiano. Este tiene un valor de 210, respecto a una escala simulada
entre 0 y 300. El valor de la meseta es 30 y el de la pepita 0. El 95% de la meseta es igual a
28.5.

El modelo esfrico es el ms usado, porque tiene verdadero sill. En segundo lugar el

exponencial sobre el gausiano, porque aunque este ltimo refleja muy bien la continuidad
espacial, la interpolacin de puntos basada en este modelo es muy exigente con respecto
a los valores de entrada, produciendo frecuentemente representaciones grficas alejadas
de la realidad. Por ltimo, el modelo lineal es usado para reflejar una pobre estructura
espacial, o una estructura espacial cuya dimensin supera la de la parcela de estudio (por
ejemplo, la parcela est dentro de un gradiente direccional).

2.6. Isotropa y anisotropa

Hasta ahora en los variogramas vistos se considera que la variacin del valor de nuestra
variable con el espacio es igual en todas las direcciones de ste (variograma
omnidireccional). Si esto ocurre decimos que la variable tiene un comportamiento
isotrpico. Pero no siempre es as, y puede ser que la variacin espacial sea diferente en
las distintas direcciones del espacio (anisotropa). Si tras una inspeccin visual
sospechamos que puede ocurrir este fenmeno es interesante realizar variogramas
considerando por separado varias direcciones del espacio (variogramas direccionales).

22
Para estudiar la presencia de anisotropa es necesario calcular el variograma en varias
direcciones, lo cual suele requerir una cantidad de datos muy superior a lo normalmente
disponible. Si esto es posible, puede dibujarse cada variograma separadamente, si los
variogramas son marcadamente distintos, hay que pensar en la presencia de anisotropa.

La construccin de semivariogramas anisotrpicos requiere un ngulo de tolerancia, de

forma que todos los puntos sean usados. Por ejemplo, si realizamos cuatro
semivariogramas correspondientes a 0, 45, 90 y 135, y aadimos un ngulo de
tolerancia de 22.5, todos los puntos de las parcelas son usados en uno u otro
semivariograma. El resultado lo podemos ver en la Figura 15.

Figura 15: Semivariogramas mostrando las diferencias en continuidad espacial de la materia orgnica
del suelo en cuatro direcciones del espacio.

De esta figura se extraen dos conclusiones: Primero, no existe un claro comportamiento

anisotrpico en la distribucin de materia orgnica en la escala muestreada, ya que los
rangos y nuggets son aproximadamente similares. A pesar de ello, en las direcciones NE-
SO (45) y E-O (90) el sill alcanza valores menores que en las otras dos direcciones,
siendo tambin su comportamiento en las distancias mayores diferente. Si el sill
disminuye, pero los nugget son similares el porcentaje de varianza explicada por el
espacio (Ct) tambin disminuye en las direcciones 45 y 90. Siendo as, los puntos
situados en esas direcciones deberan tener un peso menor a la hora de la interpolacin
que puntos situados en las otras dos direcciones. En segundo lugar, los variogramas

23
direccionales presentan peor ajuste que el omnidireccional, lo que es de esperar debido al
menor nmero de pares de puntos. Por tanto, si el nmero de puntos muestreados no es
lo suficientemente grande, el aumento de informacin que supone los variogramas
direccionales desaparece debido a la dificultad de encontrar modelos que recojan
fielmente la variabilidad espacial de cada direccin. Cuando los rangos se mantienen
aproximadamente igual en distintas direcciones del espacio, pero el sill vara se denomina
anisotropa zonal. El caso inverso se conoce como anisotropa geomtrica. En esta
ltima est ms justificada la utilizacin de un modelo isotrpico que agrupe todas las
direcciones, ya que se considera que todas estas siguen el mismo modelo bsico de
continuidad espacial. En la prctica es comn encontrar una mezcla de ambas
anisotropas.

24
 CAPITULO III: PROGRAMAS COMERCIALES APLICADOS AL TEMA

Se tiene un conjunto de SOFTWARE que son aplicados la tema desarrollado:

GEMCOM GEMS
SURPAC
VULCAN 3D
MINE SITGH
DATAMINE
LEAPFROG 3D
GEOSTAT
ISATIS
Etc.

El uso inteligente y estratgico independiente o integrado de software libre, puede suplir

eficientemente al software comercial. Rompiendo las barreras de la limitacin econmica
(inclusive Ahorrando los costos de implementacin).

A. Software Geoestadstico SGeMS

SGeMS = (The Stanford Geostatistical Modeling Software) Creado por Nicols Remy de
la universidad de Stanford, ofrece una interfaz en 3D, contiene casi todas las herramientas
de estimacin por kriging, y simulacin geoestadstica.

Limitaciones: No contiene herramientas para el modelamiento geolgico previo a la

estimacin de recursos.

Qu puedo hacer con SGeMS?

En RecMin, se puede compositar la muestras,disear el mdelo de bloques y

limitarlos a uncuerpo slido.
A los compsitos se les puede realizar un estudioexploratorio de muestras en
SGeMS.

25
 Y se puede estimar bloques aplicando algoritmoskriging en SGeMS.
Se puede realizar el Estudio Variogrfico y Estimacin

26
 B. VULCAN

VulcanGeostatsModeller es una completa configuracin para realizar anlisis

geoestadsticos, crear modelos de recursos y determinar recursos geolgicos precisos. Su
Mdulo Geostatmodeller (Base Geostatistics):

Calcula variogramas experimentales

Modela variogramas incluyendo el modo interactivo 3D y modelado

automatizado

Estudio de perfiles de contacto y desagrupamiento mediante celdas, estimacin

global o prismas

La estimacin de leyes utiliza tcnicas

tales como, vecino ms cercano por inverso de la distancia, kriging simple, kriging
ordinario, kriging de indicadores y simulacin de indicadores

Muestras y bloques pueden filtrarse y utilizar fronteras blandas entre diferentes

dominios

El post proceso de distribuciones de kriging de indicador permite mltiples salidas

simultneas

Los parmetros de interpolacin pueden crearse o editarse via interfaz

categorizada o mediante un asistente o Wizard

La ejecucin de interpolaciones va un archivo de proceso por lotes facilita la

actualizacin en mltiples dominios y categoras

Anlisis y validacin de tamao del bloques (SMU)

Mdulo Unfolding incorporado

27
 C. VARIOWIN

VARIOWIN se utiliza para el anlisis espacial de datos y modelado del variograma en

dos dimensiones. Consta de la siguiente coleccin de cuatro programas (archivos de
extensin .exe) que deben ser ejecutados separadamente y en un cierto orden:
Prevar2D, genera un archivo de distancias.pcf para todos los posibles pares de datos
existentes en un archivo de datos de extensin .dat.
Vario2D, utiliza el archivo de comparacin de a pares.pcf originado por el Prevar2D para
hacer un anlisis variogrfico exploratorio en 2D.
Model, permite realizar de manera interactiva el ajuste a un modelo terico del
variograma experimental obtenido previamente por Vario2D.
Grid Display, sirve para exhibir archivos de grilla (formato ASCII.grd) como mapas de
pixels.
Los archivos de datos para VARIOWIN requieren de un formato especfico (Geo-EAS,
Englund y Sparks, 1991), comn a varios softwares estadsticos, con extensin .dat y con
un mximo de ocho caracteres para su nombre, caso contrario ste ser truncado. La
primera fila del archivo debe contener el ttulo, la segunda, cantidad de variables incluidas
las coordenadas X e Y, las siguientes, los nombres de las variables, las columnas de datos
y la ltima en blanco. La Figura exhibe un archivo de datos basado en dicho formato.

Figura 16: Archivo de datos en formato Geo-EAS, backscat. Dat.

La opcin ms importante del programa Vario 2D es Calculate/Directional

Variogram que permite calcular el variograma experimental.

28
La terminologa adoptada en VAROWIN es variograma, siendo el termino correcto
semivariograma.

Figura 17: Parmetros (por defecto) para el clculo del variograma experimental

Figura 18: Variograma experimental omnidireccional de la variable microwave.

El software VARIOWIN permite un anlisis estructural completo de datos espaciales.

Adems del anlisis grfico, brinda en forma de tablas informacin numrica del anlisis
de estimaciones resultante del clculo del variograma experimental y de la superficie de
variograma, contribuyendo a una mejor eleccin del modelo y parmetros a ajustar.
Variowin est diseado tanto para iniciar al principiante en el uso de los mtodos
geoestadsticos de una manera fcil, como para proporcionar al usuario experimentado
Suficiente potencia y flexibilidad para resolver problemas reales. Constituye un buen
complemento de otros programas informticos aplicados a la geoestadstica.

29
 Conclusiones

En el primer captulo de este trabajo se presentaron los fundamentos tericas

desde el enfoque geoestadstica, en forma clara y sencilla para el mejor
entendimiento del tema desarrollado.
El variograma es una herramienta que permite analizar el comportamiento
espacial de una propiedad o variable sobre una zona dada. Adems que, el modelo
esfrico es el ms usado, porque tiene verdadero valor en el parmetro sill.
El procedimiento para efectuar una estimacin geoestadstica de reservas puede
dividirse en dos partes: La primera etapa: Se refiere a la investigacin y modelaje
de la estructura fsica y estadstica del depsito mineral que se est estimando. Los
conceptos de continuidad quedan incluidos en los variogramas que se construyen
durante esta primera etapa. La segunda etapa: se refiere al proceso de estimacin
en s, el krigeage, que depende enteramente de los variogramas construidos en la
primera etapa.
Se tiene un conjunto de SOFTWARE que son aplicados al tema desarrollado. El
uso inteligente y estratgico independiente o integrado de estos softwares (libre),
puede suplir eficientemente al software comercial, ahorrndonos bsicamente la
inversin econmica.

Referencias bibliogrficas

Canchaya Moya, S. (2005). Introduccion a la Geoestadstica.

Giraldo Henao, R. (s.f.). Introduccin a la Geoestadstica. Colombia: Universidad
Nacional de Colombia.
Nicolas Funes, H. (2004). Mtodos Estadsticos en problemas espaciales. San
Miguel de Tucumn.
Perez Navarro, A., Botella Plana, A., Mu, oz Bollas, A., Olivella Gozales, R.,
Olmedillas Hernandez, J. C., & Rodriguez Lloret, J. (2011). Introduccion
a los sitemas de informacion geografica y geotelematica. Editorial UOC:
Barcelona.

30