05 – Variograma
experimental
Correlograma, covarianza y variograma
experimental
Cálculo
Interpretación
Mapas variográficos
Objetivo
Describir las principales propiedades de la distribución
espacial de la variable regionalizada en estudio, más
allá de un simple reporte de los valores (perfiles,
mapas):
¿Qué tan continua en el espacio es la variable?
Nubes de correlación diferida
Observemos las nubes de correlación diferida para varias distancias
de separación (datos de leyes de cobre en un yacimiento):
Nubes de correlación diferida
La dispersión de la nube aumenta con la distancia de
separación.
El examen de las nubes de correlación diferida indica
cuán semejantes son dos datos en función de la
distancia que las separa. Es decir, permite apreciar la
correlación espacial de (las variables aleatorias
que representan) los valores de la variable
regionalizada
Correlograma experimental
Una primera manera de medir la correlación espacial
consiste en calcular el coeficiente de correlación de
las nubes de correlación diferida.
Al reportar el valor de este coeficiente de correlación
en función de la distancia de separación, se obtiene
lo que se denomina el correlograma experimental
de los datos. Generalmente, se trata de una función
decreciente de la distancia; tiende a cero cuando
ésta se vuelve muy grande.
Correlograma experimental
Definición matemática:
Ĉ(h)
ˆ (h)
ˆ (h) ˆ (h)
con:
N (h )
1
Cˆ (h)
N (h) i1
z (u i ) z (u i h) m (h) m (h)
1 N (h ) 1 N (h )
ˆ (h)
2
N (h) i1
z (u i ) 2
m 2
(h ) m (h)
N (h) i1
z (u i )
1 N (h ) 1 N (h )
ˆ (h)
2
N (h) i1
z (u i h ) 2
m 2
(h ) m (h)
N (h) i1
z (u i h)
Correlograma experimental
Ilustración
Covarianza experimental
En lugar de visualizar el coeficiente de correlación, se puede
visualizar la covarianza en función de la distancia de separación
Variograma experimental
El variograma experimental se obtiene al visualizar el momento
de inercia de las nubes de correlación diferida (distancia promedio
a la diagonal principal) en función de la distancia de separación:
1 N (h )
ˆ (h) i
2 N (h) i1
[ z (u ) z (u i h )]2
Generalmente, se trata de una función creciente de la distancia; se
anula cuando ésta vale cero.
Existe una relación entre todas las herramientas variográficas. En
general, se prefiere utilizar el variograma, puesto que su cálculo no
hace intervenir los valores de las medias m+(h) y m-(h).
Variograma experimental
Ilustración
Variograma experimental
El variograma muestra características importantes de
la variable regionalizada:
el crecimiento indica la velocidad con la cual se
“desestructura” la variable en el espacio
la distancia para la cual se estabiliza el variograma
representa la “zona de influencia” de un dato. Se llama
alcance
el comportamiento cerca del origen indica qué tan
semejantes son dos datos muy cercanos, o sea, refleja la
continuidad o regularidad de la variable en a pequeña
escala
el cálculo del variograma puede hacerse a lo largo de
distintas direcciones del espacio y evidenciar una
anisotropía
Variograma experimental
Ilustración del concepto de regularidad espacial
Variograma experimental
Ilustración del concepto de anisotropía
Cálculo de variogramas
experimentales
Datos 2-D o 3-D, regular o irregularmente espaciados
Especificación de Dirección (regular):
Cálculo de variogramas
experimentales
Especificación de dirección (irregular):
Y axis (North)
Bandwidth
Azimuth
Azimuth
tolerance
X axis (East)
Cálculo de variogramas
experimentales
Ejemplo: Comienzo con una separación (#4)
1
(h) [
2 N (h) N ( h )
z (u ) z (u h )]2
Comenzar en un nodo y comparar
su valor con todos los nodos que
caigan dentro del la tolerancia de
separación y tolerancia angular.
...
Cálculo de variogramas
experimentales
1
(h) [
2 N (h) N ( h )
z (u ) z (u h )]2
Ir al siguiente nodo.
...
Cálculo de variogramas
experimentales
Ahora repetir para todos los nodos
Y repetir para todas las separaciones
Variograma (h)
Sin correlación
Variabilidad
En aumento
...
Distancia de separación (h)
Opciones de cálculo N
del variograma
Dp
DhH
q
Dq
E
Paso 0 Paso 1 Paso 2 Paso 3 Paso 4
Parámetros a definir para calcular un variograma experimental:
acimut q: dirección en la que se calcula el variograma medida en un plano
horizontal respecto al norte, en el sentido de los punteros del reloj
tolerancia angular en el acimut Dq: ángulo dentro del que se consideran
válidos los datos para el cálculo de la diferencia cuadrática
ancho de banda horizontal DhH: banda dentro de la cual se consideran
válidos los datos para el cálculo del variograma; se mide perpendicular a la
dirección del acimut
distancias (múltiplos de una distancia elemental = paso o lag) a las que se
calculan los puntos del variograma experimental
tolerancia en el paso Dp: tolerancia en la separación, de manera que los
datos puedan encontrarse a una distancia mayor o menor al paso
número de pasos
Opciones de cálculo N
del variograma
Dp
DhH
q
Dq
E
Paso 0 Paso 1 Paso 2 Paso 3 Paso 4
Inclinación j: dirección, medida en el plano vertical del acimut, en la que se
calcula el variograma.
Inclinación de 0º dirección horizontal
Inclinación positiva “hacia arriba”
Inclinación negativa “hacia abajo”
Tolerancia angular en la inclinación Dj: ángulo dentro del cual se consideran
válidos dos datos para el cálculo de la diferencia cuadrática, en el mismo plano
vertical en que se definió la inclinación
Ancho de banda en la inclinación DhV: dimensión vertical de la banda dentro
de la cual se consideran los datos válidos para calcular el variograma
Número de pares mínimo: se puede considerar que un punto del variograma
es válido si su cálculo se hizo con un número de pares superior a este parámetro
Desplazamiento inicial: es la distancia inicial que se considera desde el punto
para iniciar la búsqueda de los demás datos
Ponderadores de desagrupamiento: muy poco usado en los softwares
Opciones de cálculo
del variograma
Direcciones y número de direcciones
Calcular los variogramas verticales en una corrida y los
variogramas horizontales en otra (distinto paso)
A menudo escoger tres direcciones horizontales: omnidireccional,
dirección de mayor continuidad y perpendicular a ésta
Número de pasos y distancia de separación
La distancia de separación coincide con el espaciamiento de los
datos
El variograma experimental es confiable hasta una distancia igual a
la mitad del tamaño del campo escoja el número de
separaciones consecuentemente (dado el paso)
Tipo de variogramas a calcular
Hay un alto grado de flexibilidad disponible. Sin embargo, el
variograma tradicional es adecuado en el 95% de los casos
Alternativas: covarianza, correlograma
Transformación de datos
La mayoría de las leyes de metales preciosos tienen distribuciones de
datos altamente sesgadas que generan problemas en el cálculo del
variograma; los valores extremos tienen un impacto significativo en el
variograma.
Una transformación común es tomar los logaritmos:
y = log10 ( z )
Efectuar todos los análisis estadísticos con los datos transformados y
transformar de vuelta al final la transformación de vuelta es delicada
Varias técnicas geoestadísticas requieren que los datos se transformen
a una distribución normal o Gaussiana.
El modelo de función aleatoria Gaussiana es único en geoestadística
por su extrema simplicidad analítica y por ser la distribución límite en
muchos teoremas analíticos conocidos como “teoremas del límite
central”
La transformación hacia cualquier distribución (y de vuelta) se lleva a
cabo fácilmente usando la transformación de cuantiles
Ejemplo de cálculo
1 n( h )
m cola z( x ) Media de los primeros
n(h) 1 valores en los pares.
1 n( h )
m cabeza z( x h) Media de los segundos
n(h) 1 valores en los pares.
n( h )
z( x ) m cola
1 Varianza de los primeros
2
2
s
n(h) 1 1
cola
valores en los pares.
n( h ) Varianza de los
z( x h) m cabeza
1
2 2
s cabeza segundos valores en los
n(h) 1 1
pares.
Covarianza entre los
n( h ) primeros y segundos
z( x ) m cola z( x h) m cabeza
1
C(h) valores separados a una
n(h) 1 1
distancia h.
Covarianza
Coeficiente de
C(h) correlación entre los
r(h) primeros y segundos
s cabeza s cola
valores.
Correlograma
n( h )
Variograma
z( x ) z( x h)
1
(h)
2
2 n(h) 1 de muestras separadas
a una distancia h.
Ejemplo de cálculo
h n(h) mcabeza mcola s2cabeza s2cola C(h) r(h) (h)
0 10 6,300 6,300 11,344 11,344 11,344 1,00 0,000
1 7 7,286 6,143 10,950 9,476 7,619 0,75 2,859
2 6 7,500 6,500 13,900 13,100 4,300 0,32 8,167
3 6 7,333 6,333 13,867 19,067 -1,733 -0,11 15,667
Ejemplo de cálculo
Variograma de muestras de zinc Covarianza de muestras de zinc
18,00 12,000
15,67 11,344
16,00 10,000
14,00
8,000 7,619
12,00 Varianza
=11,344 6,000
10,00 8,17
(h)
C(h)
8,00 4,000 4,300
6,00 2,000
4,00 2,86
0,000
2,00 0,00
-2,000 0 1 2 3 -1,733 4
0,00
0 1 2 3 4 -4,000
Distancia h (m) Distancia h (m)
Correlograma de muestras de zinc
1,20
1,00 1,00
0,80
0,75
0,60
r(h)
0,40
0,32
0,20
0,00
0 1 2 3 -0,11 4
-0,20
Distancia h (m)
Retos en el cálculo del
variograma
Las distancias pequeñas son las más importantes
Describen la continuidad a pequeña escala
Son cruciales para la estimación de leyes a partir de los datos cercanos
La dirección vertical es típicamente la mejor informada
Puede tener artefactos producto del espaciamiento de datos de testigo
Manejo de tendencias verticales y variaciones areales
En general, la dirección horizontal es más difícil de estimar
Usar un paso cercano al espaciamiento de los sondajes
Interpretación de variogramas
experimentales
Variograma
Meseta
Efecto pepita
alcance
Distancia
Meseta = la varianza (1.0 si los datos son transformados a normales)
Alcance = la distancia a la cual el variograma alcanza la meseta
Efecto pepita = suma de variabilidad debida a micro-estructuras
geológicas y error de medición
Cualquier error en la medición del valor o la posición asignada a la medida
se traduce en un efecto pepita más alto.
Interpretación de variogramas
experimentales
Datos con tendencia Variograma
Varianza de los datos
Vertical
Distancia
Horizontal
Ausencia de meseta
Puede deberse a la escala de trabajo (distancias de cálculo < alcance).
Puede deberse a la presencia de tendencias → considerar una deriva
explícita en el modelo de función aleatoria?
Puede interpretarse como función aleatoria de varianza infinita
Interpretación de variogramas
experimentales
Variograma
meseta
Distancia
Fluctuaciones
Aumentan cuando aumenta la distancia de separación
El variograma experimental no es confiable / interpretable para
distancias muy grandes con respecto al diámetro del dominio
muestreado
Regla empírica: calcular el variograma experimental para distancias
menores a la mitad de este diámetro
Interpretación de variogramas
experimentales
Datos Cíclicos Variograma
meseta
Vertical
Horizontal Distancia
Ciclicidad
Puede estar vinculada a la periodicidad geológica
Puede deberse a información limitada / mala elección de parámetros
de cálculo
Preocuparse del efecto pepita y una estimación razonable del alcance
Interpretación de variogramas
experimentales
Ejemplo con anisotropía geométrica
Variograma Vertical Meseta
Vertical
Variograma Horizontal
Distancia
Horizontal
Anisotropía geométrica: alcances diferentes en direcciones diferentes
Explicado por:
Dirección de flujo preferencial de los fluidos mineralizantes
Depositación en direcciones preferenciales (gradiente en temperatura,
pH,…)
Muy común en la vertical y común en la horizontal
Interpretación de variogramas
experimentales
Ejemplo con anisotropía zonal
Meseta
Variograma Vertical
Meseta aparente
Vertical
Variograma Horizontal
Distancia (h)
Horizontal
Anisotropía zonal: cambio de meseta según la dirección
Cuando el variograma vertical alcanza una meseta más alta:
Presumiblemente por varianza adicional de la estratificación
Cuando el variograma vertical alcanza una meseta más baja:
Presumiblemente por una diferencia significativa en el valor promedio en cada zona
el variograma horizontal tiene varianza adicional entre zonas
Hay otras explicaciones
Mapas variográficos
Consiste en calcular y visualizar el variograma
experimental en todas las direcciones del espacio,
bajo la forma de un mapa de color.
De este modo, se puede distinguir si existe
anisotropía (geométrica, zonal, u otra) y calcular el
variograma a lo largo de las direcciones principales
de anisotropía
Mapas variográficos
