Beruflich Dokumente
Kultur Dokumente
geoestadísticos aplicados a la
Hidrogeología
Hidrogeología
Luís Ribeiro
Investigador PROMETEO, ESPOL,Guayaquil, Ecuador
Profesor Asociado, IST, Universidad de Lisboa, Portugal
2015
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
2
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Contenido
• 1 INTRODUCCIÓN
• 2 ANÁLISIS EXPLORATORIO DE DATOS
• 3 ANÁLISIS ESTRUCTURAL
• 3.1 Variable Regionalizada
• 3.2 Variograma
o 3.2.1 Definiciones e hipótesis
o 3.2.2 Análisis de variograma en el origen y en largas distancias
o 3.2.3 Anisotropía
o 3.2.4 Otros patrones de variograma
o 3.2.5 Modelos
• 4 ESTIMACIÓN
• 4.1 Definición y propiedades
• 4.2 Krigeado Ordinario
o 4.2.1 Ecuaciones y cálculo
o 4.2.2 Validación cruzada
• 4.3 Krigeado Universal
• 4.4 Krigeado Lognormal
• 4.5 Krigeado de Indicadores
• 5 BIBLIOGRAFÍA
3
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
1. INTRODUCCIÓN
La Geoestadística es una rama de la estadística aplicada que se especializa en el análisis,
modelación y predicción de la variabilidad espacial de fenómenos en Ciencias de la Tierra.
El estudio de fenómenos con correlación espacial, por medio de métodos
geoestadísticos, surgió a partir de los años sesenta, especialmente con el propósito de predecir
valores de las variables en sitios no muestreados.
La formulación rigurosa y la solución al problema de estimación vinieron de la mano de
Matheron en la Escuela de Minas de París. Matheron formalizó y generalizó matemáticamente
un conjunto de técnicas desarrolladas por D. G. Krige que explotaban la correlación espacial
para hacer predicciones en la evaluación de reservas de las minas de oro en Sudáfrica.
Matheron definió a la Geoestadística como "la aplicación del formalismo de las
funciones aleatorias al reconocimiento y estimación de fenómenos naturales”.
En los años sucesivos la teoría se fue depurando y ampliando su campo de aplicación.
De la minería, las técnicas geoestadísticas se han "exportado" a muchos otros campos como
batimetría, hidrología, hidrogeología, ciencia del suelo, monitoreo ambiental, procesamiento de
imágenes de satélite, etc.
1 Análisis exploratorio de los datos. Se estudian los datos muestreados sin tener en cuenta su
distribución geográfica. Es una etapa de aplicación de la estadística. Se comprueba la
consistencia de los datos, eliminando los erróneos e identificando las distribuciones de las que
provienen.
2 Análisis estructural. Estudio de la continuidad espacial de la variable. Se calcula el variograma,
u otra función que explique la variabilidad espacial, y se ajusta al mismo un variograma teórico.
4
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
5
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
6
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
muchas técnicas resistentes, tales como los percentiles y los procedimientos de prueba no
paramétrica son invariantes a la escala de medición.
La razón principal para probar si los datos siguen una distribución normal es determinar
si los procedimientos paramétricos de prueba se pueden emplear.
Para comprobar si un conjunto de datos de una variable se distribuye normalmente
varias pruebas se pueden realizar. Entre las más usadas están las pruebas de Chi-cuadrado, de
Shapiro-Wilk y de Kolmogorov-Smirnov. Además hay una prueba gráfica que consiste en
construir un diagrama de probabilidad, en el que los cuartiles de los datos de la muestra se
trazan contra cuartiles de la distribución teórica estandarizada.
estándar de la muestra (s) por la raíz cuadrada del tamaño de la muestra (n)
7
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
s
σe =
n
Un intervalo de confianza ofrece un rango estimado de valores en que es probable que incluya
un parámetro poblacional desconocido. El rango estimado se calcula a partir de un
determinado conjunto de datos de la muestra. El ancho del intervalo de confianza da una idea
del grado de incertidumbre en la estimación del parámetro desconocido.
Si se suponen que los datos se distribuyen normalmente, las expresiones siguientes se pueden
utilizar para calcular los límites superior e inferior de confianza del 95%, en que el valor 2
corresponde aproximadamente al cuartil 0,95 de la distribución normal:
−
Limite Superior = x + 2σ e
−
Limite Inferior = x − 2σ e
8
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
99 %
95 %
68 %
3. ANALISIS ESTRUCTURAL
9
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
3.2 Variograma
10
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
hipótesis intrínseca. Esta hipótesis supone que el incremento es estacionario de segundo orden
en la FA.
La nueva FA intrínseca se caracteriza por los siguientes momentos:
γ (h) es llamado (semi)-variograma y se puede definir como la diferencia cuadrática media entre
pares de valores separados de una distancia h. El variograma está vinculado a la covarianza por
la relación
γ ( h ) = C ( 0) − C ( h ) (6)
1 n( h)
∗
γ (h) =
2n(h) i =1
[
⋅ ∑ Z ( xi + h) − Z ( xi ) ]
2
i = 1,..., n (7)
11
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
La convención para cálculo de los variogramas direccionales es: 0 ° a lo largo del eje X y
90 ° a lo largo del eje Y. Es necesario definir la distancia h y la tolerancia, que representa el
tamaño del ángulo de la ventana para el variograma experimental. La ventana se define por dos
límites superior e inferior:
Así la amplitud angular de la ventana será dos veces la tolerancia. Por ejemplo, la
tolerancia predeterminada de 90° coge todas las direcciones y el variograma correspondiente
calculado es llamado variograma omni-direccional.
Un valor cuantitativo del paso especifica el incremento de la distancia h en una
dirección especificada y un valor medio del variograma es calculado para un grupo de n pares
de puntos. Así, se construye un grafico en el que en las abscisas están las distancias h y en las
ordenadas los valores de los variogramas. Cabe anotar que el aspecto del grafico depende del
amplitud del distancia h escogida.
La práctica muestra que es recomendable experimentar varias distancias h para obtener
los variogramas más adecuados en las direcciones probadas.
12
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
100
90
80
70
Variogram (m^2)
60
50
40
30
20
10
0
0 2000 4000 6000 8000 10000 12000 14000 16000 18000 20000 22000
Lag Distance (m)
2500
2000
Variogram (m ^2)
1500
1000
500
0
0 5000 10000 15000 20000 25000
Lag Distance (m)
13
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
40
35
30
25
Variogram (l/s/m)^2
20
15
10
0
0 5000 10000 15000 20000 25000 30000 35000 40000 45000 50000 55000
Lag Distance (m)
160
140
120
100
Variogram (m^2)
80
60
40
20
0
0 2000 4000 6000 8000 10000 12000 14000 16000 18000 20000 22000
Lag Distance (m)
14
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
cual los valores de la variable no están correlacionados. Esta distancia se llama el rango y ofrece
la zona de influencia de una muestra.
El efecto de pepita cuantifica los errores de muestreo y la variabilidad a corta escala de
ocurrencia, en otras palabras es la variación espacial más corta que la distancia entre la
muestra. El efecto de pepita se calcula por la discontinuidad en el origen del variograma
experimental.
Como se verá más adelante, la influencia del efecto de pepita en la etapa de estimación es la
siguiente: cuanto mayor sea su magnitud más el estimador de krigeado se convierte en un
interpolador que suaviza la realidad desconocida.
El efecto de pepita puede ser considerado como la suma de dos componentes: una varianza
de error y una micro-varianza
La varianza del error cuantifica la magnitud de los errores en las operaciones de monitoreo
de las variables. La micro-varianza es una medida de la variación que ocurre en distancias h
menores que la distancia mínima entre puntos de muestreo y detecta la microestructura del
fenómeno.
180
160
140
meseta
120
Variogram (m^2)
100
80
60
40
20
Efecto
pepita 0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000
Lag Distance (m)
rango
15
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
3.2.3 Anisotropía
1 Geométrica: La meseta es constante, más el rango varía con la dirección del variograma (Fig.
7)
meseta
variograma en la dirección 2
Variograma en la dirección 1
variograma en la dirección 1
16
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
máximos de los dos principales variogramas direccionales es calculada, y el ángulo α entre los
ejes de la elipse construida con las direcciones principales también es calculado. Una
transformación lineal debe ser utilizada para convertir las coordenadas originales ( X ,Y ) a las
nuevas ( X ',Y ') mediante la expresión siguiente:
17
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Column C: Piez
Direction: -150.0 Tolerance: 30.0
2500
2000
1500
Variogram
1000
500
0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000
Lag Distance
Figura 9 – Un variograma exhibiendo estructuras anidadas, que revela la variabilidad espacial en dos escalas
diferentes
3.2.5 Modelos
Para los propósitos de estimación los variogramas experimentales deben ajustarse los
modelos teóricos y validados con los datos experimentales.
Sin embargo, los tipos de modelos que pueden ser utilizados están limitados, porque
tienen que cumplir ciertas condiciones:
1) Por definición −γ (h) debe ser condicionalmente positiva. Significa que para cualquier
conjunto de puntos x1, x2 ,..., xn y para cualquier conjunto de valores λ1 ,..., λn que
satisfacen ∑λi =0 la expresión
18
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
se debe cumplir.
3) El variograma deberá aumentar en una magnitud más baja que h2 de manera que se
satisfaga el principio de estacionariedad :
γ (h)
Lim h → ∞ =0
h2 (10)
Hay varios modelos teóricos disponibles para ayustar a la gran mayoría de los
fenómenos de transición mostrados por el variograma que cumplen estas condiciones.
3 h 1 h 3
γ (h) = C − if h < a
2 a 2 a
γ ( h ) = C if h ≥ a (11)
19
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
100
90
80
70
Variogram (m^2)
60
C
50
40
30
|
20
|a
|
10
} C0
0
0 2000 4000 6000 8000 10000 12000 14000 16000 18000 20000 22000
Lag Distance (m)
En este caso el variograma exhibe un comportamiento lineal cerca del origen y alcanza la
meseta a una distancia h igual a a.
El exponencial:
h
−
γ (h) = Λ(1 − e a ) (12)
h
−
sill = limΛ(1 − e ) = Λ a
h→∞ (13)
El gaussiano:
− 2
2
h
γ (h) = Λ (1 − e a )
(14)
20
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
− 2
2
h
Los dos últimos modelos se utilizan a veces para representar los fenómenos con un
comportamiento muy regular. Sin embargo, en la mayoría de los casos, su utilización puede
provocar problemas numéricos en la fase de estimación.
4 ESTIMACIÓN
21
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
De entre las varias versiones del krigeado las más utilizadas son:
n
Z ( x0 ) = ∑λ
i =1
i ⋅ Z ( xi ) for all i = 1,..., n
∑λ i =1 (16)
En que λi son los pesos atribuidos a los valores de la variable observados en los puntos
xi y n es el número de datos utilizados en el krigeado
22
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
∑λ
i =1
i ⋅ γ ( xi − x j ) + µ = γ ( xi − x0 ) para i = 1,..., n
n
(18)
∑λ
i =1
i =1
n
σ 2 k = ∑λi ⋅ γ ( xi − x0 ) + µ (19)
i =1
0 γ 12 γ 13 ... γ 1n 1 λ1 γ 10
γ γ 23 ... γ 2 n 1 λ2 γ
21 0 20
γ 31 γ 32 0 ... γ 3n 1 λ3 γ 30
. = (20)
... ... ... ... ... ... ... ...
γ n1 γ n 2 γ n3 ... 0 1 λn γ n0
1 1 1 ... 1 0 µ 1
Entre las notables propiedades del interpolador de Krigeado es obligatorio destacar las
siguientes:
23
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Se produce siempre una medida del error de estimación, la varianza de krigeado, que
permite el cálculo de un intervalo de confianza de las estimaciones. Por ejemplo, si se
supone que la distribución de los errores es normal, se puede afirmar que hay 95% de
confianza que el valor estimado se integre en el intervalo Z* ± 2σ ;
Para el primero caso, las ecuaciones de krigeado son escritas como se sigue:
∑λ
i =1
i ⋅ γ ( x i − x j ) + µ = γ ( x i − A0 ) para todos i = 1,..., n
n
∑λ i =1
i =1 (21)
24
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
1
A0 ∫A0
γ ( xi , A0 ) = γ ( xi − x)dx
(22)
n
σ 2k = ∑λi ⋅ γ (xi , A0 ) + µ − γ ( A0 , A0 )
A0
i=1 (23)
Con
1
γ ( A0 , A0 ) =
A20 ∫ ∫
A0 A0
γ ( x − y ) dxdy
(24)
La praxis de krigeado comienza con un procedimiento de búsqueda para seleccionar los puntos
de datos que van a ser utilizados en el algoritmo de krigeado. Para los conjuntos de datos
pequeños (hasta 250 puntos) y en los casos en que los puntos de datos están distribuidos de
manera uniforme sobre el área, ningún procedimiento específico de búsqueda es el más
apropiado.
Cuando las observaciones se agrupan irregularmente en concentraciones locales, o cuando
ocurre fenómenos de anisotropía se recomienda un procedimiento de búsqueda direccional
por sectores. En la mayoría de los casos el procedimiento está de acuerdo con el configuración
del elipse de anisotropía
Antes de aplicar el krigeado los modelos teóricos ajustados deben ser sujetos a una validación
cruzada con los datos experimentales con el fin de comprobar el funcionamiento del modelo en
el krigeado.
25
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
partir de los valores de puntos vecinos Z(xi ) basando en el principio no se conoce el valor real.
Se obtiene para cada ponto xa un valor estimado Z ∗ (a ) y una varianza de krigeado asociada
σ2k(a)
Como se conoce el valor real Z(a) se puede lograr a calcular el error de krigeado :
ε = Z ∗ ( a ) − Z( a )
(25)
y el error normalizado:
ε
ξ= (26)
σ K (a )
∗
4) En una grafico bidimensional (Z (a) , Z(a) ) los puntos deberán estar proyectados cerca de
una línea recta a 45º.
26
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Z ( x) = m( x ) + ξ ( x ) (27)
1
γ z (h) = [ ]
[m ( x + h ) − m ( x ) ]2 + γ ξ ( h )
2 (28)
KU se utiliza cuando hay una evidencia de una tendencia sistemática en el patrón espacial de la
variable. En este caso se puede incorporar en las ecuaciones del sistema de krigeado los
componentes de funciones polinómicas lineales o cuadráticas que describen el componente
determinista.
En la praxis de KU se supone que m(x) puede ser aproximada por a siguiente expresión
27
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
p
m( x) = ∑ di ⋅ fi ( x) (29)
i=1
1) Linear: mx = a + bx + cy ;
2) Cuadrática : mx= a + bx + cy + dxy+ ex2 + fy2 .
Las ecuaciones KU son similares a las de KO excepto que se debe integrar condiciones
suplementares de no-sesgo dadas por la tendencia específica:
∑λ f (x ) = f
i 1 j 1 i = 1,...,n
i =1 ( 30)
n n
σ 2 k = ∑λi ⋅ γ ( x j − x0 ) ⋅ ∑λi ⋅ f1 ( x j )
i =1 i =1 (31)
28
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Todavía en este caso las propiedades de no sesgo no son cumplidas cuando se realiza al
Y = log( Z ) (32)
∗
La nueva variable no-sesgada Z ∗ y Var(Z ) son obtenidas por las siguientes expresiones:
1
Z ∗ = expY * + σ 2 kY
2 (34)
29
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
En la práctica cuando se calculan valores medios en áreas, como son los valores medios
del transmisividad en las celdas de un esquema de diferencias finitas, es preferible obtener una
estimación insesgada de Y y utilizar Z como una estimación sesgada.
Para las variables de distribución estadística que están lejos de ser gaussianas, donde
ninguna función matemática es completamente adecuada para transformar la variable original
en una variable normal, el Krigeado de Indicadores es una alternativa, ya que su aplicación no
requiere ninguna hipótesis sobre la distribución estadística de la variable.
Los datos originales de una variable Z deben ser transformados en un conjunto de datos
codificados, con base a valores umbral predefinidos, lo que resulta en una nueva variable
indicador. Esos valores de umbral pueden estar asociados a valores guía como los valores de
referencia de calidad del agua para consumo humano, o más simplemente a percentiles
específicos de la distribución de los datos originales.
La transformación es generalmente binaria, atribuyendo 0 a todos los valores inferiores
o iguales a un valor umbral zc y 1 a los valores restantes:
1 if Z ( x) ≥ zc
I zc ( x) =
0 otherwise (36)
30
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
31
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
5 Bibliografia
CHILÈS J.P DELFINER P.(1999) - Geostatistics: Modeling Spatial Uncertainty John Wiley & Sons
CRESSIE, N. (1993) Statistical for Spatial Data. John Wiley & Sons, New York.
DEUTSCH , C. V. & A. G. JOURNEL. (1992) GSLIB: Geostatistical Software Library and User´s
Guide. Oxford University Press, New York.
ISAAKS, E. & R. M. SRIVASTAVA.(1989) Applied Geostatistics. Oxford University Press, New York.
JOURNEL, A.G. Y CH. J. HUIJBREGTS. (1978) Mining Geostatistics, Academics Press, New York.
MATHERON G. (1973) The intrinsic random functions and their application. In Adv. App. Prob.
Vol.5, pp. 439-468,
32
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
MENDES M.P., RIBEIRO L, (2009) Nitrate probability mapping in the northern aquifer alluvial
system of the river Tagus (Portugal) using Disjunctive Kriging, Sci Total Environ, vol 48 (5)
pp.1021-1034,
RIBEIRO L., PINA P., MUGE F. (1997) - ‘Contribution of Indicator Geostatistics and Mathematical
Morphology to the Characterization of Aquifer Heterogeneities in the Vicinities of Waste
Disposal Sites’ in Marinos P.G., Koukis G.C., Tsiambaos G.C. & Stournaras G.C. (eds.), Engineering
Geology and the Environment, vol. 2, 2127-2132, A.A Balkema, Rotterdam.
STIGTER, T.Y., ALMEIDA, P., CARVALHO DILL, A.M.M., RIBEIRO, L. (2005) - ‘Influence of Irrigation
on Groundwater Nitrate Concentrations in Areas Considered to Have Low Vulnerability to
Contamination’, in Bocanegra, E.M., Hernández, M.A., Usunoff, E. (Eds.), Selected papers on
Hydrogeology 6 - Groundwater and Human Development. A.A.Balkema, Leiden, Holanda,
Chapter 7, pp. 69-85
33
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
34
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
ANEXO I
Aplicación de la geoestadística a
datos de transmisividad del acuífero
de Torres Vedras, Portugal
35
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
36
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
246000
244000
242000
240000
238000
0m 2000m 4000m
96000 98000 100000 102000 104000 106000 108000 110000 112000 114000
Numero de datos 37
Media 1.016
Mediana 0.638
Minimo 0.238
Maximo 3.541
Varianza 1.028
Dev. Estandard 1.014
Quartil 25% 0.148
Quartil 75% 1.333
37
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Los resultados muestran que los valores de media y la mediana son significativamente
diferentes, lo que indica una distribución no normal de los valores, que se confirma también
por el coeficiente de asimetría positiva. La presencia de valores atípicos también afecta a las
medidas de dispersión calculadas.
La Fig. A2 muestra el histograma de los datos, donde es visible que la variable exhibe una
distribución asimétrica positiva.
Histogram
14
12
10
8
Frequency
0
0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0
Specific Capacity
La Fig. A3 muestra el diagrama de caja 6,12 calculado con los datos SC donde se haya
confirmada la distribución no simétrica de la variable.
Box Plot
4.0
3.5
3.0
2.5
2.0
1.5
1.0
Median = 0,6379
25%-75%
0.5 = (0,1485, 1,3333)
Non-Outlier Range
= (0,0238, 3,0203)
Outliers
0.0
Specific Yield
38
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
La Fig. A4 muestra el diagrama de probabilidad de los datos de T. Es evidente que los valores
normales esperados vs los valores observados no están siguiendo una línea recta debido a la
presencia de valores extremos y a las características asimétricas de la distribución.
2.0
1.5
1.0
Expec ted Normal Value
0.5
0.0
-0.5
-1.0
-1.5
-2.0
-2.5
-0.5 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0
Observed Value
39
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
1.2
1 1
0.8 1
Variogram
3
4
0.6
0.4
7
8 8
4 25
2 1
3
0.2 1
1
3
1 1
0
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Lag Distance
Para los propósitos de estimación se utilizó una cuadrícula de 100 x 34 para interpolar los
valores de log T en los nudos centrales de las celdas.
246000 1.2
0.7
0.2
244000
-0.3
-0.8
242000
-1.3
-1.8
240000 -2.3
-2.8
-3.3
238000
-3.8
96000 98000 100000 102000 104000 106000 108000 110000 112000 114000
40
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
246000
1.5
244000 1.3
1.1
242000
0.9
0.7
240000
0.5
238000
0.3
96000 98000 100000 102000 104000 106000 108000 110000 112000 114000
0.1
La Fig. A7 muestra muy bien que las áreas con los errores más altos de krigeado coinciden con
las zonas donde existe escasa información o no hay información (compárese ese mapa con el
mapa las ubicaciones de los pozos en la Fig. A1).
3.4
3.2
246000 3
2.8
2.6
244000 2.4
2.2
2
1.8
242000 1.6
1.4
1.2
240000 1
0.8
0.6
0.4
238000
0.2
0
96000 98000 100000 102000 104000 106000 108000 110000 112000 114000
41
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
La praxis de KI es muy sencilla y puede ser también fácilmente ilustrada con el mismo caso
de estudio.
El cuartil 75% de los 37 datos de T (= 0,125 m2/s) fue elegido como valor umbral y se aplicó
una transformación binaria, a todos los valores de T por debajo o igual al umbral se les asigno
un valor de 0, a los demás se les asigno un valor de 1.
Para los otros pasos, la praxis geoestadística es idéntica al caso paramétrico: cálculo del
variograma de la nueva variable indicador (Fig. A9) y el interpolador de krigeado (Fig. A10).
0.45 8
7
0.4
0.35 7
3
9
0.3 12
43
20
0.25
6 2
5
0.2 12
8
0.15
3
4
0.1
5
0.05
0
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Lag Distance
1
246000
0.9
0.8
244000 0.7
0.6
242000 0.5
0.4
240000 0.3
0.2
0.1
238000
0
96000 98000 100000 102000 104000 106000 108000 110000 112000 114000
Figura A10 - Mapa representando la probabilidad que los valores de log T supera el valor umbral de 0.125
42
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Este nuevo mapa es, es en realidad un mapa de iso-probabilidad de que en un área específica el
valor de log T es mayor que 0.125, destacando las áreas donde hay mayor probabilidad de
encontrar buenas productividades acuíferas.
43
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
44
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
ANEXO II
Tutorial
Geoestadística con SURFER
45
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Contenido:
Tutorial 1. Construcción del Variograma
Tutorial 2. Creación de la superficie
Tutorial 3. Creación del mapa de superficie
Tutorial 4. Validación del variograma que mejor modela
nuestros datos.
Tutorial 5. Construcción de un archivo bln en surfer a partir de
un shape
Tutorial 6. Recortando contornos con un archivo bln
46
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Aparece la siguiente ventana donde seleccionamos el archivo donde tenemos nuestros datos
(los cuales deben contener X, Y, Z).
47
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Damos clic en abrir, aparece la siguiente ventana donde debemos indicar las variables X, Y, Z de
nuestros datos.
Ahora nos vamos a la ventana General, donde podemos remover tendencias, dado que este
ejemplo se realiza con datos de niveles piezométricos los cuales tienen un comportamiento no
estacionario, será necesario remover tendencia…en mi caso seleccionaré la opción Quadratic
48
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
49
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Damos doble clic sobre el variograma, aparece una ventana con las pestañas: Experimental,
Model, Statistics y Plot.
En primer lugar nos vamos a Plot, y damos clic donde dice Varianza…Si queremos ver el
resultado damos clic en actualizar y veremos una línea discontinua horizontal que indica la
varianza de nuestros datos.
50
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Si seleccionamos XY Scatter podemos ver como están distribuidos los datos, en este caso los
pozos donde tomamos los niveles. Esta es una aproximación para determinar la dirección de
cálculo de nuestro variograma. En este caso, la mayor distribución de los datos se encuentran
51
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
en la dirección sur-norte, de igual manera les adelanto que la dirección del flujo del agua
subterránea es en la dirección Suroriente- Noroccidente… esto nos servirá para escoger la
dirección del variograma y el radio de interpolación más adelante
52
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Max Lag Dist: Este es el máximo valor del eje X. De acuerdo a nuestros datos lo podemos
aumentar para una mejor visualización. En este caso colocamos 25000.
Number of Lags: es el número de intervalos para calcular el variograma. En este caso colocamos
60
Lag With: el ancho de cada intervalo que depende de lo colocado anteriormente. Si la opción
auto está activada, se calculará automáticamente.
53
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Pero aún no hemos terminado… viene en realidad lo más complicado. Nos vamos a la pestaña
Model donde aparece como se muestra.
En Variograma Effect, debemos elegir el variograma teórico con el cual vamos a modelar
nuestros datos. Por defecto aparecen dos variogramas:
Nugget Effect (efecto pepita), el cual debemos tener en cuenta o agregar cuando existe
discontinuidad en el origen.
Linear: Es el variograma por defecto, por eso vemos la línea recta en el variograma que estamos
modificando.
54
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Ahora con el botón Add, agregamos el variograma con el cual queremos modelar nuestros
datos. En este caso elegimos Esférico… pero elegir uno a uno los variogramas y comparar cuan
de ellos modela mejor los datos. Para ello utilizamos Cross Validation o validación cruzada pero
esto lo veremos mas adelante.
55
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
56
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Anisotropy. Asumimos que no hay anisotropía y dejamos los valores por defecto
57
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Este archivo lo debemos guardar para utilizarlo en el momento que vayamos a realizar la
interpolación por el método de Kriging
Aparece la siguiente ventana donde buscamos el archivo donde tenemos nuestros datos
58
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
59
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Damos clic en el botón Advanced Options… con lo cual nos aparece la siguiente ventana en la
que vemos las pestañas General, Search y Breaklines
60
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
En el campo Output Grid of Kriging Standard Deviations, podemos indicar la ruta y el nombre
con el que se guardará el mapa de desviaciones estándar de las estimaciones, es una medida
del error que se tiene al estimar nuestro GRID. En este caso guardamos el archivo como
ErrorNiveles.
Kriging Type: Podemos elegir entre realizar dos tipos de interpolación: Point, permite hacer una
interpolación continua y Block permite realizar la interpolación de promedios en una
determinada área. Para efecto de este tutorial, elegimos Point.
Drift Type: Aquí debemos asignar la tendencia que se quiere remover y que ya introducimos
previamente en la construcción del variograma. En este caso elegimos Quadratic
El resultado es el siguiente.
61
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Nos vamos ahora a la pestaña Search, aquí tenemos la opción de especificar un radio de
búsqueda (elipse o circulo y la dirección del mismo), el máximo número de datos a incluir en la
búsqueda, etc… Con el fin de que no nos arroje error en el momento de calcular el Grid of
Kriging Standard Deviations, le quitamos el chulito de No Search (use all of the data). El
resultado es el siguiente.
62
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
La ventana Breaklines nos permite cargar un archivo de líneas de discontinuidad, fallas, etc…
Para efectos de este tutorial la dejamos como aparece.
63
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
El botón Cross Validate. Lo miraremos en otro tutorial donde se hablará de la selección del
variograma que mejor modela nuestros datos.
Pasamos a Grid Line Geometry. Acá podemos establecer los valores máximos y mínimos del
área de interpolación, el tamaño de celdas o el numero de ellas. Por el momento dejamos los
valores por defecto. Damos clic en Ok y listo, hemos creado el archivo grd que se llamará
“NivelesPozos” y el archivo de desviaciones estandar que se llamará “ErrorNiveles”.
64
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Aceptar y listo.
Tutorial 3. Creación del mapa de superficie
Elegido el variograma que mejor modela nuestros datos y creado el archivo GRD, lo que nos
resta es realizar el mapa de superficies y otros más que realiza el Surfer.
Vamos a Map y seleccionamos New Contour Map
Aparece la siguiente ventana en la que por defecto aparece el Grid creado (NivelesPozos) si no
aparece lo buscamos.
65
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
66
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Repitiendo los mismos pasos, podemos obtener nuevamente el mapa de desviaciones estándar
para ello. Vamos a Map y seleccionamos New Contour Map, en la ventana que nos aparece
buscamos el archivo grid de errores (creado anteriormente).
67
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Volvemos a cambiar las propiedades y... los dos mapas se verán como sigue:
68
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Terminamos el tutorial, pero aun debemos sobreponer el área de estudio con el área
interpolada… lo que significa otro tutorial.
69
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Esta función compara el valor real medido con uno estimado en el mismo punto, es decir
calcula el error de estimación (residuo).
ε Z Z
Para realizar cross validation se procede de la siguiente forma. Cuando estamos creando el grid
de predicción y de desviaciones estándar, en la ventana Grid Data se encuentra el botón Cross
Validate
70
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Damos clic en dicho botón y aparece la siguiente ventana, en la que en el campo Cross
Validation Results File, introducimos el nombre del archivo de salida, en este caso será
“ValEsferico”.
Damos clic en OK y como tenemos Report seleccionado se nos presenta el siguiente reporte
71
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Lo cerramos sin guardar y listo. Damos clic en OK en la ventana Grid Data (con esto se crean
entonces tres archivos: La predicción, el de desviaciones y el de validación).
Ahora podemos ir a File seguido de Open y abrir el archivo creado. Aparece una ventana donde
debemos seleccionar ValEsferico
72
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Clic en abrir y se nos muestra el archivo donde se calculó el residuo entre el valor calculado y el
predicho para cada uno de los puntos de donde se tiene datos.
73
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Aparece una ventana donde se debe verificar que Mean esta activada, también podemos
activar la varianza, coeficiente de asimetría, coeficiente de sesgo….etc.
74
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Damos clic en Ok y
Vemos que la media se aproxima a cero, anotamos el valor y repetimos el procedimiento para
cada uno de los variogramas calculados y realizamos una tabla de comparación de datos. Aquel
que cuya media esté más próximo a cero es el variograma elegido. Es decir, el que utilizaremos
para realizar general nuestro grid de predicción y de desviación estándar.
75
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
76
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Aparece una ventana donde debemos cargar nuestro shape. Para mi caso lo he denominado
“Area”
77
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
78
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Ahora en el panel del navegador desactivamos los ejes coordenados de la siguiente manera:
79
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Aparece una ventana donde: en “Tipo” escogemos el tipo de archivo de salida que en este caso
es bln, y en nombre colocamos “Area”
80
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Damos clic en guardar. Aparece la siguiente ventana que tiene que tener Application activado
Damos clic en Ok y listo, hemos creado nuestro archivo bln. Para verificarlo lo podemos cargar a
través del menú Map, seleccionamos la opción base map, aparece la ventana donde
seleccionamos el archivo y lo agregamos a la vista.
81
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
82
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
83
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Aparece la siguiente una primera ventana donde debemos cargar nuestro archivo Grid
creado (para este caso es NivelesPozos, ver tutorial 2).
84
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
Damos clic en Abrir y se nos abre otra ventana donde debemos cargar nuestro archivo bln,
en este caso área.bln.
Damos nuevamente clic en Abrir, nos aparece una ventana que permite guardar el nuevo
grid creado. En este caso con el nombre “SuperficieBlank”
85
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
86
Introducción a los métodos geoestadísticos aplicados a la Hidrología Subterránea Luís Ribeiro
87