Curso de Geoestadistica - Dia 2

:
Variografia
Octubre 2008

"ue es eI variograma (1)
en la mayoria de depositos, la correlacion entre las
leyes en dos puntos dados:
disminuye con la distancia entre los puntos
varia con la direccion
depende de la continuidad
el variograma es una herramienta matematica que
trata de cuantificar la correlacion espacial en los
valores de una variable
el variograma cuantifica la correlacion 30, espacial
por medio del promedio de las diferencias al
cuadrado entre dos puntos separados un vector

"ue es eI variograma (2)
44 43 42 40 39
43 42 41 40 39
37 37 36 38 37
35 37 35 37 38
36 35 36 35 34
(44 - 43)
2
= 1
(43 - 42)
2
= 1
(42 - 40)
2
= 4
(40 - 39)
2
= 1
. . .... .
(35 - 34)
2
= 1
1/2n L (z - z
i+5
)
2
= 0.68
. . .. .
Silver g/t
correlacion a distancia = 5m

"ue es eI variograma (3)
¸(h)
Distance (h)
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
0 10 20 30 40 50 60

"ue es eI variograma (4)
44 43 42 40 39
42 43 41 40 39
37 37 36 38 37
35 37 35 37 38
36 35 36 35 34
(44 - 42)
2
= 4
(43 - 40)
2
= 9
(42 - 39)
2
= 9
. . .... .
(36 - 34)
2
= 4
1/2n L (z - z
i+10
)
2
= 1.00
. . .. .
Silver g/t
correlacion a distancia = 10m

"ue es eI variograma (5)
¸(h)
Distance (h)
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
0 10 20 30 40 50 60

"ue es eI variograma (6)
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
0 10 20 30 40 50 60
¸(h)
Distance (h)

"ue es eI variograma (7)
h = 5m N-E h = 10m N-E
la correlacion tambien puede variar con la direccion

"ue es eI variograma (8)
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
0 10 20 30 40 50 60
Distance (h)
¸(h)
E-W
N-E

variogramas de distintos depositos

el variograma experimental es una medida de la diferencia
la covarianza es una medida de la similitud
el correlograma es otra medida de la correlacion
tipos de "variograma" (1)
¸ ) ¸ ) ¸ ) . J
¿
=
+ =
h
N
i
i i
h
h x : x :
N
h

¸
¸ ) ¸ ) ¸ )
¸ ) ¸ ) h x : x :
N
i
i i
h
m m h x : x :
N
h C
h
+
=

¦
|
¦

¸

+ =
¿

¸ )
¸ )
¸ ) ¸ ) h x : x :
h C
h
+
=
o o
p

tipos de "variograma" (2)
¸ ) ¸ ) ¸ ) h C C h = ¸
¸ ) ¸ )

o ¸ = · = C
¸ ) p p =

el "General Relative variogram¨:
el "Relative Pairwise variogram¨:
tipos de "variograma" (3)
¸ )
¸ )
¸ ) h m
h
h
GR

¸
¸ =
¸ )
¸ ) ¸ ) . J
¸ ) ¸ ) . J
¿
=
¦
'
+

'

+ +
+
=
h
N
i
i i
i i
h
RP
h x : x :
h x : x :
N
h

¸

tipos de "variograma" (4)
en unidades al cuadrado (sill teorico = varianza):
variograma
covarianza
sin unidades (sill teorico = 1):
correlograma
"General Relative variogram¨
"Relative Pairwise variogram¨

"variogramas" usados por SAGE
sin unidades y con sill teorico = 1
variograma estandarizado:
correlograma "corregido¨:
¸ )
¸ )

o
¸
¸
h
h
std
=
¸ ) ¸ ) h h
corr
p p =

h-scattergram o "nube de variograma"(1)
el variograma es el promedio del cuadrado de las
distancias de cada punto con respecto a la bisectriz
¸ ) ¸ ) ¸ ) . J
¿
=
+ =
h
N
i
i i
h
h x : x :
N
h

¸
¸ )
¸ ) ¸ )
¿
=
¦
|
¦

¸
+
=
h
N
i
i i
h
h x : x :
N
h

¸
¸ )
¿
=
=
h
N
i
x
h
d
N
h

¸

h-scattergram o "nube de variograma"(2)
la correlacion es menor a
distancias mayores (mayor
dispersion de datos)
"outliers¨ pueden tener un
efecto importante

h-scattergram o "nube de variograma"(3)

&sos deI variograma
El variograma se puede usar para:
caracterizar la variabilidad espacial
es el fundamento para estudios de la varianza de
estimacion
para poder hacer cambio de soporte
para obtener los pesos durante estimacion por
kriging
es simulacion condicional

parametros deI variograma
istancia a partir de la cual
ya no hay continuidad

Aspectos deI variograma (1)
la pendiente del variograma cerca al origen es una
reflexion de la perdida de correlacion con la distancia
a distancias mayores al rango ya no hay correlacion
entre muestras
el variograma puede que no llegue al sill

comportamiento aI origen
0
1 6
3 2
4 8
6 4
8 0
9 6
1 1 2
0 2 4 6 8 1 0 1 2 1 4 1 6
0
2
4
6
8
1 0
1 2
1 4
1 6
0 2 4 6 8 1 0 1 2 1 4 1 6
h ¸
h ¸
ighly
Continuous
Continuous
h
h
0
2
4
6
8
1 0
1 2
1 4
1 6
0 2 4 6 8 1 0 1 2 1 4 1 6
0 . 0
0 . 2
0 . 4
0 . 6
0 . 8
1 . 0
1 . 2
0 2 4 6 8 1 0 1 2 1 4 1 6
h ¸
h ¸
iscontinuous
Purely
Random
h
h

Anisotropia: definicion
nisotropia = variacion con la direccion
Ìsotropia = igual en todas las direcciones
el efecto de pepita siempre es isotropico
dos tipos de anisotropia
anisotropia geometrica
anisotropia zonal

Anisotropia geometrica
el caso mas comun:
ocurre cuando los
rangos varian en
funcion de la
direccion (pero el sill
es el mismo en
todas las
direcciones)

Anisotropia zonaI (1)
ocurre cuando la
varianza (variabilidad)
es diferente en
distintas direcciones
es comun en depositos
estratificados
dificil de modelar y
usar en kriging
vertical
horizontal

Anisotropia zonaI (2)

stationarity
para poder calcular el variograma se asume que la
poblacion es estacionaria
esto nos permite calcular las estadisticas
(variograma, covarianza, etc.) en funcion solo de la
separacion e independiente de la ubicacion
absoluta de los puntos
un modelo es estacionario de orden 2 cuando:
la media existe y es invariante dentro del dominio
la covarianza C() existe y depende solo del
vector de separacion

"proportionaI effect" y "cIustering" (1)
proportional effect: la
varianza y la desviacion
estandard son
proporcionales a la media;
es decir, en zonas con leyes
altas la varianza es mayor
(i.e., el dominio no es
estacionario con respecto a
la varianza)
comun en la mayoria de
depositos, en especial de
u-g

"proportionaI effect" y "cIustering" (2)
clusters generalmente
ocurren en areas de alta
ley
a lags pequeños:
sobreestimacion de la
variabilidad
a lags grandes:
subestimacion de la
variabilidad

"proportionaI effect" y "cIustering" (3)
nos interesa el variograma real y no el obtenido por
las muestras
no hay forma de aplicar "declustering¨ al variograma
posible solucion es el uso de "variogramas¨ no
tradicionales como:
la covarianza
variogramas relativos
el correlograma
Normal Scores transformation
la mejor solucion (por el momento) es el uso del
correlograma

CaIcuIo deI variograma
experimentaI

SeIeccion de parametros (1)
datos no estan distribuidos
homogeneamente en el
espacio
por ello se debe especificar
lag (distancia)
tolerancia en la distancia
azimuth
tolerancia en el azimuth
bandwith (horizontal y/o
vertical)

SeIeccion de parametros (2)
usar la geologia para guiar la variografia; en
especial, no mezclar datos de distintos dominios
geologicos
datos deben de ser de soportes similares
en general, el variograma necesita un minimo de
~400 muestras para ser representativo; si no se
dispone de ese numero de muestras:
juntar dominios
calcular usando los datos disponibles, pero indicar
que el variograma no es representativo y esta
sujeto a mucho error

SeIeccion de parametros (3)
usar la menor tolerancia (lag/angular, bandwidth)
que permita obtener variogramas razonables
en caso de escacez de datos, calcular variograma en
menos direcciones con mayor tolerancia angular
en caso extremo, calcular variograma
omnidireccional

SeIeccion de Ias direcciones principaIes
una de las direcciones principales debe de ser
paralela a la direccion de mayor densidad de
muestreo
el lag debe de ser cercano al espaciamiento
promedio de taladros, pero se debe de modificar en
funcion del numero de datos disponible
la tolerancia en el lag debe de ser la mitad del lag
el maximo numero de lags dedebe de ser tal que:
(numero de lags)x(lag) = ½(dimension mayor deposito)

ssues: Dominios no IineaIes
el variograma es una medida de la correlacion lineal;
aspectos no lineales no se reflejan (o no son
reflejados correctamente) por el variograma
posibles soluciones:
subdividir en dominios donde las orientaciones
preferenciales sean aprox. lineales
transformacion de coordenadas (unfold/unwrinkle)

ssues: outIiers
"outliers¨ pueden tener un efecto fuerte en el
variograma (es menor en correlograma y los
variogramas relativos)
soluciones:
cap o eliminar outliers antes de calcular
variograma
Normal Scores Transformation

ssues: drift (1)
drift: es la diferencia enre las medias de los "heads¨ y
los "tails¨
En teoria el drift debe de oscilar alrededor de 0
un drift que muestra se incrementa o disminuye con
la distancia (h) indica que hay una diferencia
significativas en las medias (no hay estacionariedad),
es decir, hay un "trend¨

ssues: drift (2)

odeIamiento deI variograma

!orque modeIar eI variograma?
necesitamos valores de variograma en todas las
direcciones y distancias
las varianzas son calculadas en funcion del
variograma; por ello, el modelo de variograma debe
de asegurar que todas las varianzas calculadas sean
positivas
el objetivo es obtener un modelo que represente la
anisotropia (rangos), continuidad (rangos, modelo) y
variabilidad (sills, nugget) de la mineralizacion

odeIos de variograma (1)

odeIos de variograma (2)

odeIos de variograma (3)

Combinacion de estructuras (nested)
frecuentemente varias
estructuras son
necesarias para modelar
correctamente el
variograma
las estructuras pueden
usar distintos modelos,
direcciones y
anisotropias
cada estructura describe
una fraccion de la
varianza total

#otaciones (1)
es uno de los temas mas confusos de geoestadistica
cada software usa su propio metodo (algunos usan
varios metodos)
siempre usar la convencion apropiada al software
que se quiere usar
Minesight -> usar "MESYSTEM¨ en SGE

#otaciones (2)

#otaciones (3)

#otaciones (4)

!asos en eI modeIamiento deI variograma
1. estimar el efecto de pepita
2. seleccionar el modelo a usar
3. seleccionar las direcciones preferenciales a modelar
4. modelar usando el "automatic fitting¨
5. revisar el modelo obtenido, modificar los parametros
necesarios (pasos 2 al 4) y volver a modelar
6. repetir paso 5 hasta obtener modelo aceptable

Estimacion deI efecto de pepita
efecto de pepita: es la variabilidad a escalas menores a la
minima distancia de muestreo
determinar el efecto de pepita usando el "downhole variogram¨
modelarlo a mano o con SGE

SeIeccion deI modeIo a usar
escoger el modelo que se
ajuste a los datos con el
menor numero de
estructuras
Para un rango dado, el
modelo exponencial se
incrementa mas
rapidamente a distancias
cortas que el modelo
esferico

!robIemas con eI modeIo exponenciaI
dos tipos:
"practical range¨
"traditional range¨
la mayoria de los programas (incluyendo MineSight y
Gemcom) asumen modelo con "traditional range¨
en el modelo con "traditional range¨, el rango del
modelo es un tercio del rango real

SeIeccion de Ias direcciones preferenciaIes
en general, las direcciones preferenciales deben de
ser escogidas en funcion del conocimiento geologico
y de los controles de la mineralizacion en el proyecto
solo cambiar las direcciones, si hay una discrepancia
significativa con los datos

&so y abuso deI "automatic fitting"
automatic fitting es una herramienta muy util; sin
embargo:
tiende a generar rangos excesivamente largos
direccciones de anisotropia no son necesariamente
adecuadas
en resumen, siempre verificar, y modificar en caso
necesario, los resultados del automatic fitting

SeIeccion de Ios rangos maximos
ignorar puntos mas alla de la mitad del dominio en
dicha direccion
dar mas peso a los puntos mas cercanos al origen
en particular, tratar de ajustar al primer punto que
cruza el sill
siempre chequear el fit en todas las direcciones

odeIamiento de Ia anisotropia
en general, la anisotropia es subestimada debido al
suavizamiento producido por el uso de las tolerancia
angular, el bandwidth y la tolerancia de la distancia

"Overfitting" eI variograma
frecuentemente algunos aspectos del variograma
experimental son artefactos matematicos y no parte
del modelo
en especial, descartar puntos:
con muy pocos pares de datos ("nunca¨ usar
puntos con menos de 30 datos)
correspondientes a distancias mayores de mitad
de la dimension del deposito (ancho/largo) en
dicha direccion

Efecto de trends en eI variograma
en presencia de
trends, el variograma
no tiene un sill
definido
utilizar la varianza
global como sill

cicIicidad en eI variograma
puede deberse a
procesos geologicos pero
tambien puede deberse a
falta de datos
modelar ignorando
ciclicidad

odeIamiento deI variograma
en general, el correlograma es la mejor opcion, pero
puede enmascarar la presencia de anisotropia zonal
no usar mas de 2 estructuras (+ nugget)
usar el criterio geologico al escoger direcciones
preferenciales y cocientes de anisotropia

"A"C de Ia Variografia
calculo variograma; chequear:
archivos de datos
dominios
numero de datos
modelo variograma; chequear:
efecto de pepita
modelo exponencial: chequear rangos apropiados

Sign up to vote on this title
UsefulNot useful