Universidad Tecnolgica Metropolitana

Geoestadstica Aplicada

Nombre: Fernando Henrquez

Seccin: 1

Profesor: Eduardo Mera

Introduccin.
En este trabajo, se centrara en la Geoestadstica aplicada a las ciencias de los suelos,
principalmente a la edafologa.
La Geoestadstica es una disciplina muy til con vistas a analizar la variabilidad espacial
de las propiedades del suelo. Es til a la hora de estimar variables individuales, o para
inferir los valores de una de la que se disponen pocos datos a partir de otra de la que
existen muchos, siempre en un espacio geogrfico concreto.
A continuacin, se ver la edafologa como una ciencia matemtica por el hecho de que
se ocuparan herramientas estadsticas para ciertos datos muestrales, basados en
variogramas, kigring, etc., aparte de ver para que sirva cada ejercicio y cmo interpretar
los resultados de estos.

Nacimiento de la Aplicacin de la Geoestadstica en la edafologa.

Sin duda, la aplicacin de la Geoestadstica en la minera, yacimientos de petrleo, etc.
son aplicables. sin embargo, tambin se viene la utilidad potencial de los mtodos
geoestadsticos en Edafologa, la cual fue reconocida por vez primera mediada la
dcada de los aos setenta por los grupos de trabajo de las universidades de Davis
(California) y Oxford (Inglaterra) interesados en estudiar la variabilidad del suelo. El
Doctor Giltrap en Oxford en 1977 defendi su primera tesis sobre esta rama, siendo el
pionero de esta aplicacin de la Geoestadstica.
La Geoestadstica como herramienta para el anlisis de la variabilidad facilita resultados
que dependen de la frecuencia e intensidad de las observaciones o puede ser utilizada
como ayuda para disear una red de muestreo. Sin embargo, los datos que proporciona
no implican que vayan a explicar la accin de los factores de formacin.
Se ha observado con frecuencia una ausencia de un anlisis crtico de los mtodos
empleados para la obtencin del importante volumen de datos que requieren los
estudios Geoestadstica. As mismo, son escasos los trabajos que comparan los
resultados obtenidos con los mtodos geoestadsticos y con otros mtodos.
La variabilidad de los suelos (propiedades) de un punto a otro del paisaje tiene distintos
orgenes, pudiendo provenir bien de las caractersticas inherentes a los procesos de
formacin predominantes, o los factores de formacin, es decir: la litologa, el clima, la
topografa, la actividad biolgica y la actividad humana. Algunos procesos y factores de
formacin que afectan la variacin espacial, repercuten en pequeos volmenes de
suelo e introducen heterogeneidad en pocas distancias. Pero otros, por el contrario,
provocan dependencia espacial de ms largo alcance.
"Aunque la formacin del suelo pueda ser descrita en trminos deterministas, no
obstante, los modelos operativos que desde el punto de vista de la Geoestadstica se
usan para describir las propiedades del mismo se basan en la aparente aleatoriedad de
la variabilidad espacial" (Western, 2000; Ulloa Guitin, 2002).
A continuacin, se presentara un ejemplo de la aplicacin de la Geoestadstica, como
son el krigeado puntual y krigeado por bloques al estudio de las propiedades generales
del suelo en una pequea cuenca agrcola y comparar los resultados del krigeado con
los obtenidos mediante simulacin condicional gaussiana.

Ejemplo Prctico de la Geoestadstica.

Se analizo una Cuenca de 25 ha de superficie que llamada Pelamios y se encuentra en
el Centro de Investigaciones Agrarias de Mabegondo (provincia de Corua, Espaa).
En esta cuenca se tomo un muestreo aleatorio, intentando en lo posible que estuviesen
representados todos los tipos de suelos y parcelas con diferente manejo presentes.
La forma utilizad para disear las redes de muestreo de las dos unidades estudiadas
fue la toma de datos a diferentes escalas de distancia. Este procedimiento es el
recomendado cuando se desconoce la escala espacial de los atributos estudiados.
Se tomaron muestras en 79 puntos, lo que supone una densidad de muestreo de 3.2
muestras/ha. La distancia entre los puntos ms prximos era de 0.5 m y la de los ms

Alejados 60 m.
Las muestras se tomaron entre 0-30 cm de profundidad con una sonda de 5 cm de
dimetro.
En todos los puntos se determinaron sus coordenadas geogrficas con una estacin
topogrfica total.
Posteriormente, los puntos de muestreo se localizaron sobre un modelo de elevacin
digital de la cuenca estudiada:
- Caracterizacin de la variabilidad espacial de cada una de las propiedades estudiadas
mediante semivariogramas. El semivariograma mide la auto correlacin entre puntos
muestrales vecinos.
- Interpolacin mediante tcnicas geoestadsticas clsicas, en concreto, utilizando el
kriging ordinario, es decir, puntual y por bloques. La principal ventaja del kriging consiste
en que usando la informacin contenida en el semivariograma, los mapas de valores
estimados son ptimos, en el sentido de que se obtiene la mejor estimacin lineal
posible.
Adems, el kriging proporciona mapas con los errores de estimacin. Sin embargo, el
kriging y, en particular el kriging por bloques tienden a producir patrones de variacin
espacial ms suaves que los reales.
- Interpolacin mediante simulacin condicionada gaussiana: La simulacin
condicionada es una tcnica de generacin de campos aleatorios que reproduce
localmente la informacin disponible, al tiempo que globalmente da cuenta de la
variabilidad observada.
Este tipo de interpolacin adquiere como base el semivariograma, pero, en contra de lo
que ocurre con el kriging, no lleva a cabo una estimacin, sino que efecta una
simulacin.

Resultados del Experimento

A continuacin, en la tabla de valores se muestran los parmetros de los modelos
tericos que se ajustaron a los tres semivariogramas experimentales de las tres
fracciones texturales: arena, limo y arcilla.
Se puede observar que la arena y el limo tienden a una estructura espacial, es decir, se
aprecia auto correlacin a diferencia de la arcilla que no lo demuestra.
El semivariograma de la arcilla present un efecto pepita puro, esto equivale a decir que
la semivarianza se mantiene constante y cerca de la varianza muestral para una serie
de distancias. Este resultado significa que dicha propiedad, el contenido en arcilla,
muestra una ausencia total de auto correlacin a la escala estudiada y tiene el
comportamiento de una funcin aleatoria, es decir, que los valores de dos puntos
prximos no se parecen ms que los de otros que estn a mayor distancia, y segn la

estadstica clsica, el mejor estimador de esta propiedad en un punto del rea sera la
media aritmtica o promedio.
Tabla de los Valores de los parmetros estudiados

Donde:
C0 = efecto pepita
C0+C1 = meseta
%C0 = porcentaje del efecto pepita respecto a la meseta
a = alcance (en metros)
VM = varianza muetral (factor de escala)
WSS = suma de cuadrados ponderados
ECM = error cuadrtico medio;
ECMA = error cuadrtico medio adimensional
vec.= n de vecinos recomendado para el kriging realizado

Las Figuras que vienen a continuacin, son el del estudio del kriging por Bloques y
puntual, realizados en la Cueca de Pelamio (Espaa)