Colão da Geoestatística

Dr. David Alvarenga Drumond

Engenheiro de Minas
david.engminas.ufmg@gmail.com

Introdução Krigagem ordinária

I suporte: Volume, posição e forma ao qual Equações lineares do modelo de krigagem ordinária. λ representa os ponderadores de cada
se define uma variável aleatória. Suporte amostra, C(h) representa o modelo de covariâncias, Z0 representa o suporte estimado e µ o coefi-
de estimativa: dimensão das unidades se- ciente de lagrange para a restrição de não viés amostral.
letivas de lavra. Suporte amostra: dimensão  
das amostras λ1 C(z(u1 ), z(u1 )) + λ2 C(z(u1 ), z(u2 )) + ... + λ3 C(z(u1 ), z(un )) + µ = C(z(u1 ), z(u0 ))
I variável aleatória regionalizada: Função λ1 C(z(u2 ), z(u1 )) + λ2 C(z(u2 ), z(u2 )) + ... + λn C(z(u2 ), z(un )) + µ = C(z(u2 ), z(u0 ))
(12)
 
que associa um espaço amostral de possi-  .. 
 . 
bilidades a um valor possível, pertencente λ1 C(z(un ), z(u1 )) + λ2 C(z(un ), z(u2 )) + ... + λn C(z(un ), z(un )) + µ = C(z(un ), z(u0 ))
a um conjunto numérico (conjunto real, in-
teiros, etc.). A este valor associa-se também Parâmetros da estratégia de busca:
um suporte. I Busca por setores: número mínimo de setores preenchidos, máximo de amostras por setor.
I Função aleatória: Representação do con- I Geometria da vizinhança: Alcances principais, direção do elipsoide de procura.
junto ou subconjunto de variáveis aleatórias
definidas no domínio de estimativa. Relação de Gi
Anisotropia
D 2 (.|D) = dispersão ponto domínio
Estatística básica D 2 (.|V ) = dispersão ponto bloco
Média amostral: D 2 (V |D) = dispersão bloco domínio
n
2 2 2
D (.|D) = D (.|V ) + D (V |D) (16)
X
z̄ = z(ui )/n (1)
i=1 Modelo simplificado
C(0) = variância a priori das amostras
Variância amostral:
γ̄(h) = gammabar
n
X Figura 1: Orientação eixos cartesianos e C(V ) = variância dos blocos
σ 2 (Z ) = [z(ui ) − z̄]/(n − 1) (2) direção principal (GSLib)
i=1 C(0) = γ̄(h) + C(V ) (17)
Desvio padrão: fator de mudança de suporte
p
σ(Z ) = σ 2 (Z ) (3) f = [C(0) − γ̄(h)]/C(0) = 1 − γ̄(h)/C(0) (18)

Coeficiente de variação:
Mudança de suporte
CV = σ(Z )/z̄ (4)
Correção afim
Covariância amostral: √
0
q = f (q − m) + m (19)
n
X
C(z1 , z2 ) = [z1 (ui ) − z¯1 ][z2 (ui ) − z¯2 ] (5) Correção lognormal
i=1
0 b
q = a.q (20)
Variografia s
Semi-Variograma: ln(1 + f [σ(Z )/Z̄ ]2 )
b= (21)
ln(1 + [σ(Z )/Z̄ ]2 )
n
X
γ(h) = [z(ui ) − z(ui + h)]2 /2n (6) !1−b
Z̄
i=1 a= p (22)
1 + (σ/m)2
Covariograma:
n
X Suporte de estimativa
C(h) = [z(ui ) ∗ z(ui + h)]/(n − 1) − z̄(u)z̄(u + h) Figura 2: Orientação das rotações (GSLib)
i=1 I Regra de ouro: Tamanho do bloco de esti-
(7) mativa não deve ser menor que 1/2 a 1/3 da
Correlograma: Matrizes de rotação malha de sondagem.

Cor (h) = C(h)/[σ(z(u))σ(z(u + h)] (8) rotação azimute

  
xi  cos(α) −sin(α) 0
  
x  References
   
Modelagem variográfica yi  =  sin(α) cos(α)
  0 = y  (13) [1] ISAAKS, Edward H.; SRIVASTAVA, Mohan
z  0 0 1 z  R. Applied geostatistics, 1989
C0 = efeito pepita, C1 = contribuição, a= alcance
Modelo Esférico
[2] GOOVAERTS, Pierre et al. Geostatistics for
rotação dip natural resources evaluation, Oxford Uni-
 h h 3
C0 + C1 [1.5 a − 0.5( a ) ]|h < a

      versity Press on Demand, 1997.
γ(h) = (9)  xi  1 0 0 x i 
C0 + C1 |h > a  0   [3] JOURNEL, Andre G.; HUIJBREGTS,
y  = 0 cos(β) sin(β)  = yi  (14)
    Charles J. Mining geostatistics. , 1976.
Modelo Gaussiano  zi  0 −sin(β) cos(β) z 
−3(h/a)2
γ(h) = C0 + C1 [1 − e ] (10) rotação rake
Modelo Exponencial  0   

x 
 0 cos(θ) 0 −sin(θ)  xi 
 0
γ(h) = C0 + C1 [1 − e (−3h/a)
] (11)
y  =  0 1 0  = y  (15)
 0
z  sin(θ) 0 cos(θ)  zi