13 exposicionunigisoct 2014 geoestadistica

Octubre 2014 PhD (c) Xavier Buena単o G. PhD (c) Gabriela Chicaiza M. 1

Contenido Antecedentes Geoestadística Las zeolitas: la roca mágica R Software y R Studio

Objetivo y Metodología Análisis Geoestadístico

Conclusiones

2

Introducción: Áreas de Aplicación de la Geoestadística Minería

Geodiversidad

MDE

SIG

Almacenamiento CO2

Hidrogeología

Geoquímica

Geoestadística Geofísica

Riesgos geológicos

Teledetección 3

Introducción: Aspectos de la Geoestadística

Geoestadística Soporte de datos

Variograma

Patrones de variabilidad espacial

Kriging (Krigeaje)

Simulación condicional

Optimización del muestreo 4

Introducci贸n: Zeolitas F贸rmula General: WmZrO2r.sH2O

Cationes perif茅ricos Silicatos

Fase acuosa

5

Introducci贸n: Zeolitas

Zeolita tipo HEU (heulanditaclinoptilolita), importante para tratamiento de agua 谩cida de roca y/o mina

6

Introducci贸n: Zeolitas

Ubicaci贸n de la zona de estudio con respecto a su litolog铆a

7

Machiels, 2014

Introducci贸n: R Software y R Studio Relaci贸n

R Software

R Studio

Librer铆as

8

Librería RGeoStats 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

9

Objetivo Determinar la ubicaci贸n 贸ptima de muestreo de roca, basado en datos de un muestreo preliminar, utilizando t茅cnicas geoestad铆sticas.

10

Metodología Análisis exploratorio (EDA); Análisis de la estructura de los datos

11

Metodología

Río Guaraguau

12

Metodología: EDA Determinación de puntos duplicados (misma posición): síntesis por ubicación geográfica Revisión de valores atípicos (outliers) Cálculo de estadísticos: media, mediana, desviación estándar

13

0

0

10

5

20

10

0 10 20 30 40 50

30

HEU 40

15

frequency

50

20

60

25

MetodologĂ­a: EDA

60

HEU

14

10 5 0

frequency

15

Metodolog铆a: EDA

0

10

20

30

40

50

60

HEU

Test Kolmogorov-Smirnov D = 0.0801, p-value = 0.6837

Distribuci贸n Normal

15

Metodología: Análisis Estructural Análisis de patrones Revisión de distribución de muestreo

16

Metodología: Análisis Estructural lagged scatterplots 0

(4e+03,6e+03] r = -0.327

20

40

60

(6e+03,8e+03] r = -0.604

60

40

20

HEU

0

(0,2e+03]

(2e+03,4e+03]

r = 0.304

r = 0.13

60

40

20

0 0

20

40

60

HEU

17

Metodología Estimación del variograma experimental

1 γ ( h) = 2 N ( h)

A

2 [ ] Z ( u + h ) − Z ( u ) ∑

u∈ A

u + h∈A

u+h u

h 18

0

150

300

MetodologĂ­a: Variograma omnidireccional

0

500

1000

1500

2000

2500

3000

3500

19

MetodologĂ­a: Variogramas Direccionales

20

Metodología: Cálculo de nube variográfica Cloud.z1.dir1

0

0

50

50

100

100

150

150

200

200

250

250

300

300

Cloud.z1.dir2

0

0

100

200

300

400

500

100

200

300

400

500

600

600

Cloud.z1.dir4

0

0

50

50

100

100

150

150

200

200

250

250

300

300

Cloud.z1.dir3

0

100

200

300

400

500

600

0

100

200

300

400

500

600

21

0

50

100

150

200

250

300

350

Metodología: Cálculo de modelo teórico

0

500

1000

1500

2000

2500

3000

3500

22

Metodolog铆a: Validaci贸n cruzada 10

Histograma de Error de Validacion Cruzada

6 4 2 0

Frequency

8

Distribuci贸n de errores normal

-30

-20

-10

0

10

20

30

23 Error de validacion cruzada

Metodolog铆a: Simulaci贸n Estimation (Unique Neighborhood)

9775000

15

9769000

9771000

9773000

15

15

592500

593500

594500

595500

24

Metodolog铆a: Simulaci贸n Estimation (Moving Neighborhood)

9775000

17

18

15

17

14

15

14

16

15 11

11

9773000

13 11 12

14

15

12

18

14

19

14 14

14

9771000

15 14

12

13

15 21

14

13

12

13

19

13

20 19

14

17

18

16

592500

19

19

9769000

15

593500

594500

595500

25

Conclusiones Es fundamental realizar el análisis exploratorio de datos, previo a la utilización de la técnica geoestadística.

La definición de la confiabilidad de la simulación es fundamental para determinar la validez de la misma.

En el presente caso, los errores de estimación siguen una distribución normal, por lo que la estimación es satisfactoria.

26

Conclusiones La distribución espacial de la muestras, juega un papel crítico en los resultados de la estimación o simulación. Es deseable una distribución espacial uniforme.

La presencia de efecto pepita está relacionado en este caso con la utilización de una variable del tipo semicuantitativa.

27

Conclusiones Los resultados de la simulación permiten determinar el sector geográfico donde las concentraciones de zeolita tipo HEU se esperan sean más altas y en donde podría focalizarse el esfuerzo de muestreo.

El uso de la herramienta geoestadística permite optimizar recursos (tiempo y dinero).

28

GRACIAS POR SU ATENCIÓN!

Xavier Buenaño G. (xgoodyear@gmail.com) Gabriela Chicaiza M. (gachisbar@gmail.com)

29