Mtodos geoestadsticos: una introduccin

Supongamos que tenemos un conjunto de datos (1: fichero Excel) de leyes repartidas en
un espacio XY, y asignamos a cada muestra un sm!olo con un tama"o proporcional a
su #alor:
$ la i%quierda representaci&n de las muestras del conjunto 1, el tama"o de los puntos es
proporcional al #alor de cada una' a la derecha una representaci&n () de la distri!uci&n
*ara este conjunto de datos la media es +,-( y la des#iaci&n est.ndar igual a 1,/+
(#alores redondeados), $ continuaci&n reali%aremos lo siguiente, consideraremos un
nue#o conjunto de datos (/: fichero Excel), equi#alente al anterior en cuanto a n0mero
de muestras y posici&n de los puntos de muestreo, pero donde los #alores de las
muestras han cam!iado de posici&n:
$ la i%quierda representaci&n de las muestras del conjunto /, el tama"o de los puntos es
proporcional al #alor de cada una' a la derecha una representaci&n () de la distri!uci&n
Si reali%amos los c.lculos estadsticos correspondientes, descu!riremos que la media
nue#amente es +,-( y la des#iaci&n est.ndar igual a 1,/+, En otras pala!ras, los
conjuntos 1 y / son 1estadsticamente equi#alentes2, Sin em!argo, resulta e#idente, !ajo
cualquier punto de #ista, que la distri!uci&n espacial XY de los #alores es
su!stancialmente diferente en cada caso: en el primero existe una cierta dispersi&n de
los #alores, mientras que en el segundo, estos se agrupan de acuerdo a dos trends de
direcci&n 34 !ien definidos, )e alguna manera podramos intuir que en el primer caso
la distri!uci&n de los #alores es m.s !ien aleatoria mientras que en el segundo
distinguimos una marcada 1anisotropa2,
5esulta claro que la estadstica 1cl.sica2 no resulta una herramienta 0til para tratar casos
de esta naturale%a, los cuales por otra parte, son comunes en geologa, ya que no
tra!ajamos con datos a!stractos, sino que estos tienen una distri!uci&n en el espacio, Es
decir, para cada muestra, con coordenadas XY, existe al menos un #alor 6, Este 0ltimo
puede corresponder a una concentraci&n de co!re y7o %inc en un punto X
i
Y
i
, o !ien a un
#alor de emisi&n de gases de mercurio, o cualquier otro ejemplo que se nos #enga a la
mente,
8a pregunta es entonces 9 como poder relacionar los #alores con sus posiciones en el
espacio : y m.s importante aun 9 como relacionar dichos #alores entre s : Este es el
requisito !.sico para poder interpolar datos y o!tener una informaci&n gr.fica so!re las
tendencias mostradas por las #aria!les (kriging),
Esto se o!tiene mediante la herramienta m.s !.sica de la geoestadstica, el #ariograma,
una funci&n matem.tica que nos permite estudiar las diferencias entre muestras y la
direccionalidad (anisotropa) de los #alores,
5ealicemos la siguiente a!stracci&n mental, si la distancia h entre dos muestras es igual
a +, la diferencia entre los #alores de estas ser. nula (+), Si am!as muestras est.n muy
cerca, existir. una diferencia, pero esta, expresada como la #arian%a, ser. muy escasa,
Sin em!argo, a medida que las muestras est;n m.s alejadas, llegar. un momento en el
cual deje de ha!er una 1relaci&n2 entre las muestras, 9 <omo podemos determinar esto :
mediante la construcci&n matem.tica de un #ariograma experimental y su ulterior
modeli%aci&n,
En t;rminos muy simples podemos definir el #ariograma como la media de los
cuadrados de las diferencias entre pares de muestras separados por una distancia h:
= (h) > 17/n ? @6(x
i
) A 6(x
i
B h)C
/
)onde:
h > distancia entre los pares,
n > n0mero de pares,
6(x
i
) > la locali%aci&n y #alor de la muestra,
Ejemplo cl.sico de un #ariograma experimental ajustado al llamado 1modelo esf;rico2,
8a #arian%a crece sistem.ticamente hasta 1a2 (rango o alcance) distancia a partir de la
cual las muestras empie%an a ser independientes unas de otras, El 1sill2 muestra la %ona
de la cur#a donde los #alores ya no se correlacionan,
$ diferencia del caso anterior, donde la cur#a empie%a en el origen del sistema XY
(#arian%a +), aqu o!ser#amos el denominado efecto pepita (Nugget), el que se de!e a
fluctuaciones aleatorias de la #aria!le o a errores en el muestreo,
9 *ero como se construye un #ariograma experimental : 9 de donde salen los puntos en
un gr.fico de esta naturale%a :
Dso!el <larE en su o!ra ya cl.sica *ractical Feostatistics (1-G-) nos propone el
siguiente ejemplo, Dmaginemos una malla cuadrada donde se han tomado una serie de
muestras con determinados #alores, y digamos que la distancia entre muestras es de
1++H,
El primer punto de nuestra funci&n = (h) #endr. dado por = (1++), esto es, la media de
los cuadrados de las diferencias entre todos los pares de muestras separados por una
distancia de 1++ m:
)e esta manera o!tenemos el primer punto para la construcci&n del #ariograma
experimental, donde en el eje Y (= (h)) tendremos un #alor de 1,IJ y en el X (h) otro de
1++, *ara conseguir el segundo punto =(/++) haremos lo siguiente (y as
sucesi#amente):
Estos puntos aparecer.n en el #ariograma experimental de la siguiente manera:
Y as continuaramos con =((++), =(I++), =(K++), etc, *odramos continuar de esta
manera hasta L++H, la m.xima distancia muestreada, pero en general, se suele ir
(particularmente si los c.lculos son 1a mano2), hasta la mitad de la distancia, esto es,
I++H,
En este caso estamos reali%ando un #ariograma experimental EA4, pero como ya hemos
discutido pre#iamente, la distri!uci&n de los #alores en el espacio puede #ariar seg0n la
direcci&n en que nos mo#amos (anisotropa), )e ah que sea importante reali%ar estas
operaciones en al menos tres direcciones en un plano XY: 3AS, EA4, y 34ASE, para
compro!ar el grado de anisotropa del sistema,
El uso de paquetes inform.ticos modernos permite reali%ar estas operaciones con mucha
facilidad en ordenadores tipo *< (entorno 4indoMs
N
), y un n0mero de ellos, entrega
1por default2 el denominado #ariograma omnidireccional, esto es, un 1promedio2 de los
distintos posi!les #ariogramas que se pueden reali%ar para diferentes direcciones,
$unque algunos programas como SurferL
N
determinan adem.s el grado y direcci&n de
la anisotropa, con#iene no o!stante cerciorase geol&gicamente de la #alide% del
#ariograma omnidireccional, esto es, determinar si la anisotropa (o ausencia de esta)
detectada tiene o no sentido, En otras pala!ras, un programa ser. tan !ueno o tan malo
como quien lo utilice, <a!e destacar no o!stante, que programas como SurferL
N
permiten adem.s reali%ar #ariogramas experimentales en direcciones concretas fijadas
por el operador,
)e cualquier manera, todo esto es 1algo m.s2 que pasar los datos (XY6) a un archi#o
Excel y pedirle al programa que nos proyecte los datos de la funci&n = (h), Ona #e% que
apare%can los datos en el gr.fico (#ariograma experimental), de!eremos seleccionar el
modelo que mejor se ajuste a nuestros datos,
Ya hemos #isto al comien%o la representaci&n del denominado modelo esf;rico (con
efecto pepita: nugget), $unque este suele ajustarse !astante !ien a muchos casos en
minera o geoqumica, con#iene que cono%camos otros modelos:
Ptros modelos de #ariograma
Esta fase del tra!ajo es muy importante, ya que el tra!ajo de kriging depende
totaomente de: 1) del modelo a utili%ar' y /) del grado y direccionalidad de la
anisotropa, En otras pala!ras, el kriging ser. tan !ueno o tan malo como el ajuste
pre#io que hayamos reali%ado en el #ariograma,
*ero 9qu; es kriging exactamente : al comien%o de esta secci&n lo definimos como un
m;todo de interpolaci&n, aunque como #eremos, el kriging aplicado a la estimaci&n de
leyes y reser#as (o a tendencias geoqumicas en tra!ajos am!ientales), es mucho m.s
que esto,
<onsideremos el siguiente pro!lema, tenemos #arios puntos de muestreo, con sus
respecti#os #alores, y deseamos estimar el #alor del punto $:
Se nos ofrecen m0ltiples posi!ilidades, empe%ando por decidir que el punto 1 tendr.
m.s influencia que, digamos, el punto K, Sin em!argo 9 cu.nta m.s influencia: de!era
tener : $qu entramos en el pro!lema de la ponderaci&n y los m;todos matem.ticos
cl.sicos de interpolaci&n (in#ersos de la distancia, in#ersos del los cuadrados de la
distancia, etc), Si recordamos el caso de la estimaci&n de leyes mediante el m;todo de
los polgonos, dijimos que un procedimiento com0n era asignar el K+ Q del #alor final
al punto central y otro K+ Q a los puntos situados en la periferia, En el ejemplo de a!ajo
esto sera K+ Q al sondeo del centro y K+ Q a los cinco restantes (1+ Q a cada uno),
<omo en todas las cosas de la #ida 1si funciona no lo cam!ies2, pero 9 y qu; pasa si
nuestra estimaci&n de leyes no est. siendo la mejor posi!le o es claramente mala :
$hora es cuando de!eramos recurrir a los m;todos geoestadsticos, y en particular al
#ariograma, nuestra herramienta !.sica,
Existen dos ra%ones principales para hacer esto: 1) el #ariograma de nos da una medida
del 1alcance2 (range) de las muestra, esto es, nos dice hasta adonde en el espacio estas
son 1significati#as2' y /) nos da una idea de la #aria!ilidad de los #alores en el espacio,
esto es, si el sistema es fuertemente anisotr&pico, la muestras pueden tener una mejor
correlaci&n en una direcci&n que en otra, En otras pala!ras, el 1alcance2 ser.
dependiente de la direcci&n, Si nuestro caso corresponde a un p&rfido cuprfero, el
comportamiento (dado el tipo geom;trico de minerali%aci&n) ser. m.s !ien isotr&pico,
pero si el ejemplo corresponde a un fil&n, intuiti#amente podemos pensar que la
anisotropa en el sistema ser. mayor, *or ejemplo, esperaremos una mayor continuidad
a los largo de la direcci&n del fil&n que de su !u%amiento, *or otra parte, la cada de las
leyes ser. !astante a!rupta cuando salgamos de la estructura minerali%ada,
Rol#amos al ejemplo de arri!a introduciendo las distancias entre los puntos:
9 <&mo determinamos entonces la ley en el punto $ :
$hora es cuando todo empie%a a tener m.s sentido: necesitamos el #ariograma para
determinar 1que2 muestras pueden tener una influencia 1real2 en la estimaci&n de la ley
(o cualquier otra #aria!le), ya que el 1alcance2 (5ango a) nos da una idea de hasta que
distancia existe una relaci&n entre las muestras, *or ejemplo, si el alcance determinado
por la modeli%aci&n del #ariograma fuera de a > 1++ m, la muestra K tendra que ser
descartada (est. a unos 1(I m del punto $),
$ efectos pr.cticos, todos los c.lculos son reali%ados hoy en da por programas
especiali%ados, algunos de los cuales pueden ser muy caros (miles de euros), Ppciones
relati#amente econ&micas son programas como SurferL
N
o EcoSSe
N
, que como
contrapartida no permiten el dise"o de !loques (donde reali%ar la estimaci&n), aunque
permiten una !uena resoluci&n para la modeli%aci&n de #ariogramas experimentales, y
permite reali%ar kriging uni#ersal, y por lo tanto, o!tener mapas donde la interpolaci&n
de #alores en el espacio XY est. controlada por la funci&n = (h), Rol#amos a uno de los
ejemplos del principio (datos /) tra!ajando con SurferL
N
,
5epresentaci&n de los datos del conjunto /, Esta #e% hemos puesto so!re cada punto, el
#alor real 6 (fichero Excel)
<on estos #alores y sus respecti#as posiciones en el espacio XY desarrollamos el
#ariograma experimental, y a partir de este, !uscamos el modelo que mejor se ajuste a la
distri!uci&n,
Sin modeli%ar no tenemos ning0n efecto de anisotropa (#er circulo perfecto a la
derecha), 8a primera funci&n que decide el programa en este caso es una de tipo lineal,
la que no se ajusta adecuadamente a la distri!uci&n de puntos,

*ero dado que o!ser#amos que existe una tendencia de los puntos hacia el origen del
sistema, con un desarrollo de sill hacia la derecha, modeli%amos a un #ariograma
esf;rico, y ah empe%amos a notar la fuerte anisotropa del sistema (#er elipse y su
direccionalidad),
En este caso, #emos que los datos muestran una tendencia hacia el origen (X > +' Y >
+), por lo cual descartamos la presencia del efecto pepita (nugget), )ado que los datos
crecen hasta un determinado punto (alcance > 11,J) y a partir de ah no existe un claro
incremento, podemos modeli%ar el #ariograma al tipo esf;rico, y determinar la
anisotropa del sistema, <on el modelo, el grado de anisotropa (anisotropy ratio > /), y
la direcci&n de la misma ((/,K1S T3KG,I-S), podemos pasar a los c.lculos de kriging
puntual introduciendo estos datos en el programa,
En la #entana de Eriging, seleccionamos opciones a#an%adas (i%quierda), y una #e% en
estas, seleccionamos desde pantalla el #ariograma modeli%ado,
El resultado final que se o!tiene es un mapa de interpolaci&n donde nuestros #alores 6,
se ajustan a los par.metros introducidos:
Uapa o!tenido para el conjunto de datos /, con los siguientes par.metros: modelo de
#ariograma: esf;rico' anisotropy ratio: /' direcci&n 3KKS ((KS)
8o importante es que podemos estimar el #alor de 6 en cualquiera de los nodos de la
red,

$rchi#o F5) donde podemos estimar el #alor de 6 en cualquiera de los nodos
generados por el programa, *or ejemplo, el punto rojo arri!a a la i%quierda tiene un
#alor estimado de +,1(-