Vous êtes sur la page 1sur 33

ANLISIS GEOESTADSTICO

Contenido

Qu es la geoestadstica?

Un poco de historia

mbito de aplicacin

Propsito de la geoestadstica

Pasos para desarrollar un estudio geoestadstico

Ejemplo
Qu es la geoestadstica ?

Definicin
La geoestadstica comprende a un conjunto de herramientas y tcnicas
que sirven para analizar y predecir los valores de una variable que se
muestra distribuida en el espacio, o en el tiempo, de una forma continua.

Otra definicin
Se considera como la aplicacin de la Teora de Funciones Aleatorias al
reconocimiento y estimacin de fenmenos naturales.

Debido a su aplicacin orientada a los SIG, tambin se podra definir


como la estadstica relacionada con los datos geogrficos, de ah que se
le considera parte de la Estadstica Espacial.
La teora de Variables Regionalizadas

La geoestadstica es la aplicacin de la teora de las variables regionalizadas.

De manera general, un fenmeno es regionalizado cuando se desplaza en el


espacio, manifestando una cierta estructura.

Un aspecto aleatorio.

Los puntos cercanos en el espacio/tiempo suelen adoptar valores similares.

(G.Matheron)
Un poco de historia
Student (1911) : parcelas ms cercanas dan resultados ms similares.

Fisher (1925): reducir los efectos de la variabilidad espacial.

Aos 40-50 : Ingenieros de minas de oro de Sudfrica (H.Sichel y D.G. Krige)


desarrollan un procedimiento emprico basado en la estimacin ponderada.

Aos 60: G. Matheron: La teora de las variables regionalizadas.


(Escuela de Minas de Paris, Fontainebleau, Francia)

Aos 80: Aplicacin a las ciencias del suelo por R. Webster y estudiantes.
(P. Burrough, A. McBratney, ...)

Se ha desarrollado en los ltimos 30 aos como ciencia aplicada.


Aplicacin de la geoestadstica
La geoestadstica ha sido ampliamente aplicada en diversas ramas de las
ciencias y en las ingenieras, entre otras tenemos:

Minera Estudios forestales


Petrleo Salud pblica
Pesca Ingeniera civil
Agricultura Teledeteccin
Ciencias del mar Cartografa
Hidrogeologa Finanzas
Medio ambiente Meteorologa
Edafologa, etc
Aplicacin de la geoestadstica
Igualmente aplicable a:

Salinidad del suelo

Contaminacin por metales pesados

Precipitacin

Presin atmosfrica

Partculas en el aire

...

Todas estas variables ambientales son continuas, pero slo


podemos observarlas en algunos puntos concretos.
Propsito de la geoestadstica

A partir de escasa informacin conocida estimar o predecir el valor de


una variable en localidades donde no se conoce.

Geoestadstica:

Estimar, o predecir espacialmente,


sin sesgo y con un error mnimo.
Pasos de un estudio geoestadstico

1. Anlisis exploratorio de los datos

2. Anlisis estructural, construccin del semivariograma

3. Interpolacin o estimacin espacial kriging


1. Anlisis exploratorio
Estadstica descriptiva
Medidas de tendencia central (resumen todos los valores de una
muestra), media, mediana y moda son las ms habituales.

Medidas de dispersin (calculan hasta qu punto la muestra se agrupa o


no en torno a esos promedios).

Calibrar la confianza de las muestras a travs de tres estadmetros


bsicos: la desviacin estndar de la muestra, la curtosis y la asimetra.
Representacin espacial
Distribucin de 64 estaciones meteorolgicas en el estado de Aguascalientes, de
fondo el modelo digital de elevacin.
Representar la variacin
El histograma

Qu aprendemos del histograma?

Tipo de distribucin
Distribucin uni-modal, multi-modal
Aparicin de valores extremos y outliers
Representar la variacin
Caja y bigote

Estos diagramas se basan en los siguientes parmetros de la distribucin:


valor mnimo, los cuartiles Q 1, Q 2 y Q 3 y el valor mximo.

El rango intercuartlico = Q3 - Q1 = 14,5;


es decir, el 50% de la poblacin est
comprendida.
Medidas de dispersin

La varianza, cuantifica la dispersin entorno a la media

Desviacin Estndar
Coeficiente de variacin (dispersin relativa)
Coeficiente de simetra (medida de la simetra)
Coeficiente de curtosis (medida del achatamiento)
Descripcin bi-variada
Cuando se dispone de observaciones de dos variables en los mismos puntos

Grficos de dispersin Coeficiente de correlacin


Representacin de muestras
Los conjuntos 1 y 2 son estadsticamente equivalentes.
El tamao de los puntos es proporcional al valor.

Distribucin de valores aleatoria.

Muestra 1 Muestra 2

Se distingue una marcada anisotropa, es


decir, una direccin
2. Anlisis estructural

Se estudia la continuidad espacial de la variable. En esta etapa


se calcula el semivariograma experimental, se ajusta al mismo
un semivariograma terico y se analiza e interpreta dicho ajuste
al modelo paramtrico seleccionado.

Cuantificacin de la correlacin espacial y su estructura


Clculo del semivariograma experimental
Analizarlo e interpretarlo
Ajustar un modelo terico
Qu es el semivariograma?

Es una funcin matemtica que nos permite estudiar las diferencias entre
muestras y la direccionalidad (anisotropa) de los valores.

Es decir, el clculo del semivariograma experimental es la herramienta


geoestadstica ms importante en la determinacin de las caractersticas de
variabilidad y correlacin espacial del fenmeno estudiado, esto es, tener
conocimiento de cmo la variable cambia de una localizacin a otra.

Np ( h )

Z ( x ) Z ( x i h)
1
( h) i
2

2 Np ( h) i 1
Los parmetros del semivariograma caracterizan tres
elementos
El efecto pepita (nugget): fluctuaciones aleatorias de la variable o a errores en el
muestreo (s inicia en el origen varianza 0).

La meseta (still): valor de (h) para el cual el aumento de h su valor permanece


constante.

El alcance (range): Es la distancia h para la cual los valores de la variable dejan de estar
correlacionadas.
Pero cmo se construye un semivariograma experimental ?

Imaginemos una malla cuadrada donde se han tomado una serie de muestras
con determinados valores y las distancias entre muestras es de 100 m.
de dnde salen los puntos en un grfico de esta naturaleza ?

El primer punto de nuestra funcin (h) vendr dado por (100).

Y as continuaramos con (300), (400), (500).

En este caso estamos realizando un


semivariograma experimental O - E.
Variabilidad anisotrpica
1. Isotropa: La variacin espacial de la variable bajo estudio es igual en todas
la direcciones.

2. Anisotropa: La variacin espacial de la variable no depende solamente


de h tambin de la direccin.
Muestreo irregular en una dimensin:
Elegir h con cuidado:
demasiado grande (semivariograma demasiado suavizado).

demasiado pequeo (semivariograma errtico porque no hay


bastantes pares de puntos en cada clase de h).
Modelar el semivariograma
El semivariograma experimental se ajusta a un modelo terico. El ajuste a una
funcin permite extraer una serie de parmetros que son los que van a ser
usados para la interpolacin geoestadstica (kriging) y que definen el grado y
escala de variacin espacial.
Modelos tericos de semivariogramas ms utilizados en la prctica.

Efecto de Pepita Esfrico Exponencial

Gaussiano Funcin potencia Lineal


3. Estimacin espacial

Predicciones

Estimaciones de la variable en los puntos no muestreados, considerando la


estructura de correlacin espacial seleccionada e integrando la informacin
obtenida de forma directa, en los puntos muestreados, as como la conseguida
indirectamente en forma de tendencias conocidas u observadas. Tambin se
pueden realizar simulaciones, teniendo en cuenta los patrones de continuidad
espacial elegidos.
Estimacin espacial

Kriging mtodo de prediccin espacial que se fundamenta en la minimizacin del error


cuadrtico medio.

Este nombre apareci alrededor de 1960 para nombrar una tcnica creada en Francia
por Matheron a partir de los trabajos de D. G. Krige quin fue el primero que hizo uso de
la correlacin espacial.

Tipos de Kriging lineales ms usados

Kriging Simple
Kriging Ordinario
Kriging Universal
Kriging
1. El estimador Kriging se considera ptimo ya que es:

2. El interpolador de la geoestadstica, que s utiliza los resultados discutidos del anlisis


estructural.

3. Insesgado, es decir, el valor esperado del error es cero.

4. Minimiza la varianza de la estimacin, reduce al mnimo la varianza del error.

5. Estimador en puntos donde no se dispone de observaciones (nodos de una retcula regular)

6. Considera la correlacin espacial (el semivariograma).

7. Estimacin puntual o en bloques (2, 3 D).

8. Estimacin basada en el conocimiento de las covarianzas (semivariograma), direccin y


distancia entre las variables aleatorias en los puntos de observacin.
Qu se obtiene como producto?
El resultado final es un mapa de interpolacin donde nuestros valores Z, se
ajustan a los parmetros obtenidos en los pasos anteriores, y podemos estimar
el valor de Z en cualquiera de los nodos generados.

Datos del conjunto 2 y en cada punto Mapa obtenido para el conjunto de


el valor real Z. datos 2, con los siguientes parmetros:
modelo de semivariograma: esfrico;
anisotropa; direccin N 32.51.
Ejemplo
Mapas
Mapas que muestran la distribucin en espacio (municipio) y tiempo (semana de muestreo)
del chapuln de la milpa en el estado de Guanajuato. Causa daos en: sorgo, maz,
calabaza y alfalfa, esto en algunos estados porque en Oaxaca no solo los comen tambin
los cran.
El anlisis se realiz utilizando mtodo kriging para la interpolacin.
La utilidad de esto es para definir dnde comenzar el control de la plaga de acuerdo a su
aparicin y densidad.
Ejemplo
Mapas
Mapas que muestran las Chinches caf, plagas del sorgo, se alimenta de los granos del
sorgo que an no estn maduros por lo que cuando hay mucha plaga puede disminuir el
rendimiento en ms del 60%.
Conclusiones

Hasta aqu hemos expuesto los elementos fundamentales de la


geoestadstica y que toma auge en otros campos de las Ciencias de la
Tierra. Es importante destacar que la estimacin a travs del kriging, se
hace buscando y utilizando las caractersticas de continuidad espacial
del fenmeno estudiado, caractersticas que constituyen la contribucin
fundamental de la geoestadstica.
Cito las contribuciones de algunos autores.

Cressie, N. 1993 Statistics for spatial data.


Isaaks, E.H., Srivastava, R.M., 1989. An introduction to applied geostatistics. Oxford
University Press, Nueva York.
Journel, A.G. y C.J. Huijbregts, 1978. Mining Geostatistics. Academic Press, Londres.
Armstrong, M., 1998. Basic Linear Geostatistics. Springer Verlag, Berlin.
Chils, J.P. y P. Delfiner, 1999. Geostatistics. Modeling Spatial Uncertainty. John Wiley
& Sons, Nueva York.
David, M., 1977. Geostatistical Ore Reserve Estimation. Elsevier Scientific Publishing
Company, Amsterdam.
Davis, J.C., 1973. Statistics and Data Analysis in Geology. John Wiley & Sons, Nueva
York.
Deutsch, C.V. y A.G. Journel, 1998. GSLIB: Geostatistical Software Library and Users
Guide (segunda edicin). Oxford University Press, Nueva York.
Goovaerts, P., 1997. Geostatistics for Natural Resources Evaluation. Oxford University
Press, Nueva York.
Por su atencin

Gracias!