Cálculo de la correlación espacial entre actividades industriales y la actividad sísmica

Mishelle Natalia Riaño Bernal

Fernelis Arrieta Camaño

Danny Alexander Grajales

23 De Noviembre del 2018

Resumen

Presentamos el programa __ utilizando el lenguaje de Matlab como herramienta para llevar a cabo

el objetivo del programa que busca mostrar la relación espacio- temporal entre los pozos de

inyección de agua en el Estado de Oklahoma y los sismos presentados en el mismo.

El programa puede utilizar para relacionar otras variables cuyo interés sea encontrar una

correlación espacial entre las mismas.

Introducción.

La correlación espacial es un método que se utiliza para relacionar una o más variables en el

espacio. Esto permite evaluar la relación aparente entre la existencia de un variable en

determinado territorio y la ocurrencia o frecuencia de otra u otras variables de las cuales se

sospecha están relacionadas con la primera.

Este método, a pesar de que no permite generar resultados definitivos, si nos genera una

aproximación de la relación general entre las variables y permite una interpretación moderada

de los datos de interés.

Por otro lado, la regresión lineal se utiliza como medio de relación matemática entre variables

independientes con dependientes, de las cuales estas últimas normalmente son de nuestro

interés. Es muy utilizado para predecir eventos con datos presentes, y también para entender la

relación entre un evento y su causa. Se dice que una relación es positiva cuando ambas variables

crecen o decrecen, negativa cuando las variables son inversamente proporcional o no tienen

relación cuando no se encuentra ningún patrón al graficar la nube de puntos relacionados de las

variables. Algunos ejemplos de su aplicabilidad en entornos reales según (Conceptos básicos

del análisis de regresión—Ayuda | ArcGIS for Desktop, Desktop.arcgis.com):

 Modelar las altas tasas de retención escolar para entender mejor los factores que

ayudan a mantener los niños en la escuela.

 Modelar los accidentes de tráfico como una función de velocidad, condiciones de

carretera, clima, etc., para informar la política que apunta a disminuir los accidentes.

En este informe se presenta un programa que busca mostrar la relación espacial que existe entre

los volúmenes de inyección de agua en el estado de Oklahoma con los sismos producidos en el

mismo, con la ayuda complementaria de un método estadístico muy utilizado actualmente

llamado regresión lineal, describiendo brevemente la estructura del programa y la metodología

seguida. Al final del informe se presentan las conclusiones del producto y posibles mejoras que

se pueden hacer a futuro.

Metodología

El programa para relacionar variables espacialmente ESCOFAV, está desarrollado en el

lenguaje de alto nivel Matlab y determina que tan dependiente es una variable con respecto a la

otra.

En el programa ESCOFAV el modelo se define por medio de matrices que contienen toda la

información de la ubicación correspondiente a las dos variables que se quieren relacionar

espacialmente. Luego se estima respecto a una variable un parámetro longitudinal hacia los dos

ejes (longitud y latitud) tanto positivos como negativos, generando un área o unos límites de

búsqueda alrededor de la ubicación de dicha variable. Un ejemplo más claro de lo planteado lo

muestra la siguiente imagen.

Donde la x azul representa la variable

1, y los cuadros verdes representan la
variable 2

Teniendo ya claro nuestro parámetro longitudinal, se definen unos límites específicos para cada

punto coordenado i que se encuentra en la matriz de la variable 1 para la longitud (X) y latitud

(Y); estos límites se guardarán en una matriz con dimensiones definidas, en donde Xmin y

Xmáx serán los valores de frontera en la longitud del punto coordenado de la variable y Ymin

y Ymáx serán los valores de frontera en la latitud.

Después de esto, se comparan los valores coordenados de la variable 2 para verificar cuantos

objetos entran según su ubicación dentro de los limites generados anteriormente en la matriz.

Esto se haría de la siguiente forma:

Xmin<X2<Xmáx; Ymin<Y2 <Ymáx

En caso de que el punto coordenado de dicha variable cumpla con las condiciones anteriores,

se suma como 1 a la primera columna y fila (según la ubicación de la coordenada) de una matriz

en la cual estará el número de elementos relacionados espacialmente de la variable 2 respecto

a la variable 1.

Después de haber finalizado este paso, se realiza una regresión lineal entre el número de

elementos relacionados espacialmente entre la variable 2 y 1 con la magnitud del evento de la

variable 1. Con esta regresión lineal podremos ver si existe relación espacialmente entre las

variables trabajadas.

Para finalizar se repetirá el proceso subdividiendo la variable 1 entre los diferentes tipos que

esta tiene, comparando cuál de ellos presenta una mayor relación analizando los valores de R y

a (pendiente)
Ejecución del programa

1- Se leen los datos de entrada en formato csv delimitado por comas.

2- Se determinan la distancia de búsqueda y se calculan los límites de búsqueda espacial.

3- Se crea la matriz que cuenta los valores relacionados y los inserta en la primera columna y

luego inserta en la segunda columna la variable dependiente a analizar.

4- Se grafica un ejemplo de la correlación espacial para el primer evento, ubicado en la primera

fila de la matriz de entrada.

5- Se realiza la regresión lineal y se grafica la recta acomodada a la nube de puntos.

Resultados

Para verificar la implementación del código ESCOFAV se compararon los resultados de la

regresión lineal en MatLab con soluciones arrojadas por el programa Excel insertando los datos

de la matriz generada en MatLab, en el cual pudimos verificar la ecuación de la recta, además

de observar el coeficiente de correlación lineal R.

Tipo prueba Distancia de búsqueda R2

Volumen inyectado filtrado vs. sismos 10 0.0244

Volumen inyectado filtrado 2 vs. sismos 10 0.0184

Volumen inyectado filtrado 3 vs. sismos 10 0.0079

Volumen inyectado vs. sismos 10 0.0121

Pozos todos vs. Magnitud 10 0.0005

Pozos 2D vs. Magnitud 10 1E-5

 Pozos 2R vs. Magnitud 10 3E-5

Pozos 2RSI vs. Magnitud 10 0.0067

Pozos CDW vs. Magnitud 10 0.0003

Pozos GS vs. Magnitud 10 0.0011

En la tabla se muestran los resultados obtenidos en MatLab para diferentes casos de prueba

cambiando el parámetro Dist (Distancia de búsqueda en Kilometros)

Distancia de
Tipo prueba Pendiente Intercepto
búsqueda

5 -6.6785E-4 3.2967

10 3.3018
-3.3254E-4
Pozos todos vs. magnitud
30 3.3318
-1.5407E-4
50 3.3277
-5.093E-5
5 3.2811
0.0032
10 3.2946
-1.0859E-4
Pozos 2D vs. magnitud
30 3.331
-2.5993E-4
50 3.3391
-1.1489E-4
5 3.2941
-1.226
10 3.2984
-0.1190
Pozos 2RSI vs. magnitud
30 3.2893
0.0066
50 3.3
-0.0047
 5 3.2957
-0.0015
10 3.2941
-1.5912E-4
Pozos 2R vs. magnitud
30 3.3094
-1.9949E-4
50 3.3078
-6.3719E-5
5 3.2963
-0.0160
10 3.2887
0.0037
Pozos CDW vs. Magnitud
30 3.3049
-0.0011
50 3.264
9.5995E-4
5 3.2939
-0.002
10 3.2952
-0.001
Pozos GS vs. Magnitud
30 3.2939
0.002
50 3.2939
0.002
5 0.0637
6.3015E-8
10 0.2518
1.9962E-7
Volumen inyectado vs. Sismos
30 2.4
1.9774E-6
50 6.6903
5.0679E-6
5 0.0843
5.8606E-8
Volumen inyectado filtrado vs. 10 0.3739
1.6432E-7
Sismos 30 5.7412
1.0072E-6
50 16.3235
2.3176E-6
5 0.898
-8.3536E-8
Volumen inyectado filtrado 2 vs.
10 2.1416
-1.5035E-7
Sismos
30 15.559
-8.12E-7
 50 37.9166
-1.7856E-6
5 0.9369
-9.0795E-8
Volumen inyectado filtrado 3 vs. 10 1.9801
-1.2022E-7
Sismos 30 12.9274
-3.212E-7
50 34.9048
-1.2239E-6

Número de Depredadores en función de la cantidad de presas disponibles.

Para verificar el uso del código en otros ámbitos de correlación espacial, se generaron unos

archivos de prueba para relacionar el número de manadas de presas disponibles en una región

con el número de depredadores en dicha región.

Para esto se formularon unos datos de ubicación en kilómetros aleatorios, los cuales no están

basados en información real, ya que para motivos de la prueba se toman como ejemplo para

verificación del uso del código y no como un estudio real de esta variable.

Los resultados obtenidos para esta prueba fueron los siguientes.

Distancia de
Tipo de Prueba Pendiente Intercepto
Búsqueda

Numero de

Depredadores vs.
20 km 2.100 -4.200
Numero de Manadas

de Presa
Conclusiones

1- Al realizar la relación espacial entre el número de pozos de inyección que existen alrededor

de un evento sísmico y su magnitud, se encuentra que no hay una relación directa entre estas

variables, además se realizó el análisis subdividiendo los pozos por tipos, obteniendo

resultados similares.

Es decir que basados en la información arrjada por el codigo, no se puede concluir que estas

variables estén directamente relacionadas, ya que la nube de puntos no sigue un patrón y

los R2 no se aproximan a 1.

2- Al realizar la relación espacial entre los volúmenes de inyección en litros de los pozos y el

número de eventos sísmicos ocurridos alrededor del mismo, se puede apreciar que no existe

una relación directa evidente entre las variables, a pesar de que el valor de R 2 fue mayor

para esta prueba, aún se encuentra muy lejos de 1 y la nube de puntos sigue teniendo una

distribución similar. El mismo patrón se observó al filtrar los datos disponibles de los

volúmenes de extracción como se explica en el archivo “Glosario”

3- Hemos comprobado que el código es efectivo para realizar correlaciones espaciales entre

dos variables aleatorias que podrían estar relacionadas. Esto se corroboro con la

implementación del código para un caso de prueba imaginario que nosotros mismos

planteamos. (Ver el archivo “Glosario”)

Bibliografia

- R. Elmasri and S. Navathe. Fundamentals of Database Systems. Addison

Wesley 3d. Ed., 2000.
- P. Rigaux, M. Scholl, and A. Voisard. Spatial Databases. Morgan Kaufmann,
2002.
- S. Shekhar, M.Coyle, B. Goyal, D. R. Liu, and S. S. Sarkar. Experiences with
data models in geographic information systems. Communications of the ACM,
40(4), 1997.

- S. Montoya Noguera and Y. Wang. Bayesian identification of multiple seismic change

points and varying seismic rates caused by induced seismicity, 2016