13 exposicionunigisoct 2014 geoestadistica
-
Upload
unigis-america-latina -
Category
Documents
-
view
234 -
download
3
description
Transcript of 13 exposicionunigisoct 2014 geoestadistica
![Page 1: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/1.jpg)
Octubre 2014
PhD (c) Xavier Buenaño G.PhD (c) Gabriela Chicaiza M.
1
![Page 2: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/2.jpg)
�� Antecedentes
� Geoestadística� Las zeolitas: la roca mágica� R Software y R Studio
� Objetivo y Metodología� Análisis Geoestadístico
� Conclusiones
Contenido
2
![Page 3: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/3.jpg)
�
3
Introducción: Áreas de Aplicación de la Geoestadística
Geoestadística
Minería Hidrogeología
Almacenamiento CO2
GeoquímicaGeodiversidad
SIG
Geofísica
Teledetección
MDE
Riesgos geológicos
![Page 4: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/4.jpg)
�
4
Introducción: Aspectos de la Geoestadística
Variograma Soporte dedatos
Kriging(Krigeaje)
Simulacióncondicional
Patrones de variabilidad
espacial
Optimizacióndel muestreo
Geoestadística
![Page 5: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/5.jpg)
�
5
Introducción: Zeolitas
Fórmula General: WmZrO2r.sH2O
Cationes periféricos
Silicatos Faseacuosa
![Page 6: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/6.jpg)
�
6
Introducción: Zeolitas
Zeolita tipo HEU (heulandita-clinoptilolita), importante paratratamiento de agua ácida de rocay/o mina
![Page 7: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/7.jpg)
�
7
Introducción: Zeolitas
Ubicación de la zona de estudio conrespecto a su litología
Machiels, 2014
![Page 8: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/8.jpg)
�� Relación
Introducción: R Software y R Studio
R Software R Studio
Librerías 8
![Page 9: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/9.jpg)
�� RgeoStats: Geostatistical R Package
� Desarrollado por el Equipo de Geoestadística del Centro de Investigación de Geociencias de MINES Paris Tech
� Puede descargarse en: http://rgeostats.free.fr/download.php
Librería RGeoStats
9
![Page 10: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/10.jpg)
�� Determinar la ubicación óptima de muestreo de roca,
basado en datos de un muestreo preliminar,utilizando técnicas geoestadísticas.
10
Objetivo
![Page 11: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/11.jpg)
�� Análisis exploratorio (EDA); � Análisis de la estructura de los datos
11
Metodología
![Page 12: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/12.jpg)
�
12
Metodología
Río Guaraguau
![Page 13: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/13.jpg)
�� Determinación de puntos duplicados (misma
posición): síntesis por ubicación geográfica� Revisión de valores atípicos (outliers)� Cálculo de estadísticos: media, mediana, desviación
estándar
13
Metodología: EDA
![Page 14: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/14.jpg)
�
14
Metodología: EDA
HEU
frequ
ency
0 10 20 30 40 50 60
05
1015
2025
HEU
frequ
ency
0 10 20 30 40 50 60
05
1015
2025
010
2030
4050
60
HE
U
010
2030
4050
60
HE
U
![Page 15: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/15.jpg)
�
15
Metodología: EDA
HEU
frequ
ency
0 10 20 30 40 50 60
05
1015
HEU
frequ
ency
0 10 20 30 40 50 60
05
1015
Test Kolmogorov-SmirnovD = 0.0801, p-value = 0.6837
DistribuciónNormal
![Page 16: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/16.jpg)
�� Análisis de patrones� Revisión de distribución de muestreo
16
Metodología: Análisis Estructural
![Page 17: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/17.jpg)
�
17
Metodología: Análisis Estructurallagged scatterplots
HEU
HE
U
0
20
40
60
0 20 40 60
r = 0.304
(0,2e+03]
r = 0.13
(2e+03,4e+03]
r = -0.327
(4e+03,6e+03]
0 20 40 60
0
20
40
60r = -0.604
(6e+03,8e+03]
lagged scatterplots
HEU
HE
U
0
20
40
60
0 20 40 60
r = 0.304
(0,2e+03]
r = 0.13
(2e+03,4e+03]
r = -0.327
(4e+03,6e+03]
0 20 40 60
0
20
40
60r = -0.604
(6e+03,8e+03]
![Page 18: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/18.jpg)
�� Estimación del variograma experimental
18
Metodología
[ ]∑∈+
∈−+=
Ahu
Au
uZhuZhN
h 2)()()(2
1)(γ
h
hu +
u
A
![Page 19: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/19.jpg)
�
19
Metodología: Variogramaomnidireccional
0 500 1000 1500 2000 2500 3000 3500
015
030
0
0 500 1000 1500 2000 2500 3000 3500
015
030
0
![Page 20: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/20.jpg)
�
20
Metodología: VariogramasDireccionales
![Page 21: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/21.jpg)
�
21
Metodología: Cálculo de nube variográfica
0 100 200 300 400 500 600
050
100
150
200
250
300
Cloud.z1.dir1
0 100 200 300 400 500 600
050
100
150
200
250
300
Cloud.z1.dir1
0 100 200 300 400 500 600
050
100
150
200
250
300
Cloud.z1.dir2
0 100 200 300 400 500 600
050
100
150
200
250
300
Cloud.z1.dir2
0 100 200 300 400 500 600
050
100
150
200
250
300
Cloud.z1.dir3
0 100 200 300 400 500 600
050
100
150
200
250
300
Cloud.z1.dir3
0 100 200 300 400 500 600
050
100
150
200
250
300
Cloud.z1.dir4
0 100 200 300 400 500 600
050
100
150
200
250
300
Cloud.z1.dir4
![Page 22: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/22.jpg)
�
22
Metodología: Cálculo de modelo teórico
0 500 1000 1500 2000 2500 3000 3500
050
100
150
200
250
300
350
0 500 1000 1500 2000 2500 3000 3500
050
100
150
200
250
300
350
![Page 23: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/23.jpg)
�
23
Metodología: Validación cruzadaHistograma de Error de Validacion Cruzada
Error de validacion cruzada
Fre
quen
cy
-30 -20 -10 0 10 20 30
02
46
810
Histograma de Error de Validacion Cruzada
Error de validacion cruzada
Fre
quen
cy
-30 -20 -10 0 10 20 30
02
46
810
Distribución de errores normal
![Page 24: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/24.jpg)
�
24
Metodología: Simulación
592500 593500 594500 595500
9769
000
9771
000
9773
000
9775
000
Estimation (Unique Neighborhood)
592500 593500 594500 595500
9769
000
9771
000
9773
000
9775
000
15
15
15
592500 593500 594500 595500
9769
000
9771
000
9773
000
9775
000
592500 593500 594500 595500
9769
000
9771
000
9773
000
9775
000
Estimation (Unique Neighborhood)
592500 593500 594500 595500
9769
000
9771
000
9773
000
9775
000
15
15
15
592500 593500 594500 595500
9769
000
9771
000
9773
000
9775
000
![Page 25: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/25.jpg)
�
25
Metodología: Simulación
592500 593500 594500 595500
9769
000
9771
000
9773
000
9775
000
Estimation (Moving Neighborhood)
592500 593500 594500 595500
9769
000
9771
000
9773
000
9775
000
11
11 11
12
12
12
12
13 13
13
13
13
14
14
14
14
14
14
14
14
14
14
15
15
15
15
15
15
15
16
16
17
17
17
18
18
18
19
19
19
19
19
20
21
592500 593500 594500 595500
9769
000
9771
000
9773
000
9775
000
592500 593500 594500 595500
9769
000
9771
000
9773
000
9775
000
Estimation (Moving Neighborhood)
592500 593500 594500 595500
9769
000
9771
000
9773
000
9775
000
11
11 11
12
12
12
12
13 13
13
13
13
14
14
14
14
14
14
14
14
14
14
15
15
15
15
15
15
15
16
16
17
17
17
18
18
18
19
19
19
19
19
20
21
592500 593500 594500 595500
9769
000
9771
000
9773
000
9775
000
![Page 26: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/26.jpg)
�� Es fundamental realizar el análisis exploratorio de
datos, previo a la utilización de la técnicageoestadística.
� La definición de la confiabilidad de la simulación esfundamental para determinar la validez de la misma.En el presente caso, los errores de estimación siguenuna distribución normal, por lo que la estimación essatisfactoria.
26
Conclusiones
![Page 27: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/27.jpg)
�� La distribución espacial de la muestras, juega un
papel crítico en los resultados de la estimación osimulación. Es deseable una distribución espacialuniforme.
� La presencia de efecto pepita está relacionado en estecaso con la utilización de una variable del tipo semi-cuantitativa.
27
Conclusiones
![Page 28: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/28.jpg)
�� Los resultados de la simulación permiten determinar
el sector geográfico donde las concentraciones dezeolita tipo HEU se esperan sean más altas y endonde podría focalizarse el esfuerzo de muestreo.
� El uso de la herramienta geoestadística permiteoptimizar recursos (tiempo y dinero).
28
Conclusiones
![Page 29: 13 exposicionunigisoct 2014 geoestadistica](https://reader033.fdocuments.net/reader033/viewer/2022050806/568ca9011a28ab186d9baa8d/html5/thumbnails/29.jpg)
�GRACIAS POR SU ATENCIÓN!
Xavier Buenaño G. ([email protected])Gabriela Chicaiza M. ([email protected])
29