Professional Documents
Culture Documents
Bettini ConceitosBásicosdeGeoestatística Texto
Bettini ConceitosBásicosdeGeoestatística Texto
Módulo I – Exploração e
Produção Mineral
1. INTRODUÇÃO
1.1. Pré-requisitos e conteúdo
2. DEFINIÇÕES BÁSICAS
2.1. Variável regionalizada (VRe)
2.2. Variável Aleatória Local (VA Local)
2.3. Continuidade espacial.
2.4. Função Aleatória (FA)
2.5. Notação
2.6. Definição (SV)
2.7. Estacionariedade
3. OBJETIVOS DA GEOESTATÍSTICA
4. TÉCNICAS
4.1. Estimação de valores médios
4.2. Simulação
8. MODELAGEM DA ANISOTROPIA
9. TÉCNICAS DE KRIGAGEM
9.1. Krigagem Simples (KS)
9.2. Krigagem Ordinária (KO)
9.3. Outras formas de Krigagem.
9.4. Características gerais da Krigagem
2
10.3. Pós-processamento da simulação.
3
1. INTRODUÇÃO
4
Conteúdo: conceitos básicos para o leitor compreender as técnicas
geoestatísticas, reconhecendo a possibilidade de aplicá-las em sua área de
interesse.
2. DEFINIÇÕES BÁSICAS
t:A ⊂ R 2
→ R
⎛⎜ x , y ⎞⎟ a t ⎛⎜⎝ x , y ⎞⎟⎠
⎝ ⎠
onde:
(x,y) = localização de um ponto em A
t(x,y)= altitude no ponto (x,y)
5
t0 t(x,y)
t(x0,y
x0 x
y0
y
( x0, y0
A⊂ R2
6
Na figura 2, representa-se em mapa o conjunto de pontos
{ (xi,yi) ∈ A, i = 1,2,...n },
selecionados pelo topógrafo.
x1 x2 x3
x
C D
y0 ? ?
A
y
7
?
?
t(x,y)
C D
x
(x,y0
Na figura 3, observa-se que qualquer ponto (xk,yk) tem cota única t(xk,yk).
Entretanto, somente os pontos amostrados têm cota conhecida. Nos demais,
embora única na realidade, a cota é desconhecida, sendo então representada por
uma variável aleatória. No ponto não amostrado (x,y0), por exemplo, a cota real
t(x,y0) será representada pela VA T(x,y0), cuja distribuição está ilustrada pela
figura 4.
8
f T(x,yo)
σ(x,
t
m(x, VA LOCAL
9
A maior ou menor intensidade com que a correlação decresce, em função
do aumento da separação do par de pontos, quantifica a continuidade espacial do
fenômeno. A Geoestatística utiliza-se das chamadas “funções estruturais”,
descritas adiante, para representar este conceito.
2.5. Notação
10
• Sendo a separação entre dois pontos h = u2 - u1 , então, COV(u2 - u1 ) =
C(h)
2.6. Definição
2 γ (u 1 , u 2 ) = VAR [Z (u 1 ) − Z (u 2 )] =
{ }
= E [Z (u1 ) − Z (u2 )] −[m(u1)−m(u2)]
2 2
1
γ (u1, u2) = VAR[Z (u1 ) − Z (u2 )]
2
2.7. Estacionariedade
11
Diz-se que uma FA Z(.) é estacionária de segunda ordem sse (⇔ ) :
(1) ∃ E[Z(u)] = m ∀ u ∈ A ⊂ R2
(2) ∃ COV [Z(u) , Z(u+h)] = C(h)
γ (h ) = γ [Z (u ), Z (u + h )]= E {[Z (u ) − Z (u + h )] 2 }
1
2
COV [Z (u ), Z (u + 0 )] = C (0 ) = VAR [Z (u )] = σ 2Z
C (h ) + γ (h ) = C (0 )
12
C(h) γ(h)
C(0) patamar
0
0 interdistância a=
h
(1) ∃ E[Z(u)] = m ∀ u ∈ A ⊂ R2
(2) ∃ γ(h) = (1/2) E{ [Z(u) - Z(u+h)]2 } ∀ u ∈ A ⊂ R2
13
aproximadamente estacionário. Neste caso, diz-se que o fenômeno é localmente
estacionário.
γ(h
drift
0 h
0 a d
14
3. OBJETIVOS DA GEOESTATÍSTICA
1. Representar a VRe z(.) pelo modelo probabilístico Z(.), isto é, por uma
FA;
2. Representar a continuidade espacial da FA Z(.) através das chamadas
“funções estruturais”;
3. Inferir a FA Z(.) em pontos não amostrados u ∈ A ⊂ Rn , através das
distribuições de VAs locais, condicionadas aos valores conhecidos;
15
4. TÉCNICAS
u2 SÍMBOLOS:
u1
Ponto a estimar
u
Ponto amostrado
u3
Z * (u ) = ∑ λ k Z (u k )
3
k =1
Malha
16
O princípio da Krigagem é, portanto, análogo ao dos métodos convencionais,
baseados na média ponderada dos vizinhos. O caráter distintivo do método
geoestatístico é o modo de calcular os pesos λk, os quais dependem não só da
distância de cada ponto informante ao ponto sendo estimado, mas também da
continuidade espacial e do arranjo geométrico do conjunto ilustrado na figura
4.6.
Um elemento crítico, portanto, na determinação dos pesos de Krigagem,
consiste na cuidadosa especificação do modelo de continuidade espacial.
4.2. Simulação
17
Mesmo tipo de uso expande-se em outras áreas de aplicação, tais como na
caracterização de solos e aqüíferos (Kitanidis, 1997), Soares (2000).
γˆ (h) =
1 n(h )
[
∑ Z ( u k ) − Z ( uk + h )
2n(h) k =1
] 2
18
Observe-se a tendência crescente de γ(h), à medida que
h = |h| cresce. Entretanto, há oscilações aleatórias em torno da tendência
crescente.
γ(h
0 h
0 Interdistân
1
Cˆ ( h) = ∑[Z (uk ) Z (uk + h)] − m2
n
n k=1
19
Quando h = 0, tem-se:
C ( h) C (h ) C (h )
ρ (h ) = = =
σ (u ) σ (u + h ) σ2 C (0)
C (h ) C (0 ) γ (h )
= −
C (0 ) C (0 ) C (0 )
Donde:
γ (h )
ρ (h ) = 1 −
C (0 )
20
De modo complementar, aumenta a variância da diferença [Z(u)-Z(u+h)] e
cresce valor do semivariograma.
Portanto, em condições ideais, o semivariograma é uma função crescente
entre a origem e o alcance (a, na figura 7), onde atinge o patamar, quando este
existe.
γ ZW (h ) = E { [Z (u ) − Z (u + h ) ][W (u ) − W (u + h )]}
Esta medida é necessária para aplicação da cokrigagem.
γ(h) C(h)
C(0)
0 h
0 a
γ(h)/C
ρ(h)
0 h
0 a
21
Figura 8: Relações entre semivariograma (linha sólida), covariograma (linha
tracejada) e correlograma (linha pontilhada), em fenômenos de
transição.
22
7. MODELOS PARA MEDIDAS DE CONTINUIDADE
23
Para cada novo ponto estimado, o número e o arranjo de pontos informantes
varia de modo imprevisível, fazendo com que qualquer conjunto de
semivariogramas experimentais seja insuficiente para determinar o valor de γ(h)
para todos os pares de pontos utilizados no processo de estimação.
Necessita-se, portanto, de um modelo de continuidade que forneça γ(h) para
qualquer vetor h ligando pares de pontos amostrais entre si, ou pontos
estimados a pontos amostrais vizinhos ( figura 9 ).
γ(h
0 h
0 Interdistân
Nem toda função numérica pode ser utilizada como modelo matemático de
γ(h). Para que uma função γ se torne modelo válido de variabilidade espacial da
FA Z, é necessário que satisfaça as seguintes condições:
γ (0) = 0
γ (h ) ≥ 0
− γ (h ) é positiva definida
24
Sua verificação é matematicamente elaborada. Entretanto, é dispensável na
prática, desde que se utilizem modelos básicos já elaborados e disponíveis na
literatura.
Semivariogramas experimentais que se afastem demasiadamente dessas
funções básicas poderão ser ajustados por combinações lineares das mesmas.
Combinação linear de modelos positivos definidos, com coeficientes
positivos, gera um novo modelo positivo definido.
• Modelo esférico:
⎧ ⎡ ⎛h⎞
⎪ c ⎢1 .5 ⎜ ⎟ − 0 .5
γ (h ) = ⎨ ⎣ ⎝ a ⎠
h
a
() 3
⎤
⎥
⎦
se h ≤ a
⎪c se h > a
⎩
onde:
c = patamar
a = alcance
• Modelo exponencial:
⎡ ⎛ − 3h ⎞⎤
γ (h ) = c ⎢ 1 − exp ⎜ ⎟⎥
⎣ ⎝ A ⎠⎦
onde:
c = patamar (assintótico)
A= alcance prático, onde o semivariograma atinge 95% da
altura do patamar.
Tende para o patamar à medida que h cresce sem limite.
25
• Modelo Gaussiano (superfícies lisas):
⎡ ⎛ − 3 h2 ⎞⎤
γ (h ) = c ⎢ 1 − exp ⎜⎜ 2 ⎟⎟⎥
⎣ ⎝ A ⎠⎦
onde:
c = patamar (assintótico)
A= alcance prático, onde o semivariograma atinge 95% da altura
do patamar.
Tende para o patamar à medida que h cresce sem limite.
⎧0, se h = 0
γ (h ) = ⎨
⎩σ , se h > 0
2
• Modelo de potência:
26
γ (h ) = a h , Θ ∈ ( 0, 2 )
Θ
• Modelo linear:
sen h
γ (h ) = 1 − , h em radianos
h
Outras expressões.
27
γ (h ) = c0 + c1 γ (h ) + c2 γ (h )
1 2
onde :
c 0
= 4; c
1
= 3; c 2
= 2;
γ (h) = Esf (a ; h) ;
1 1 γ (h) = Esf (a ; h);
2 2
a 1
= 2; a 2
= 6;
Esf (a; h ) = esférico de alcance = a
γ(h)
4 C0
3 C1
2 C2
0 h
2 6
γ(h)
9
C2
7
C1
C0
28
Figura 10: Combinação de modelos variográficos para compor um
modelo imbricado. No gráfico superior, os três modelos simples,
referidos ao mesmo par de eixos coordenados. No inferior, o modelo
imbricado, resultante da soma dos três. Notar a posição do “cotovelo”,
em que γ(2) = c0 + c1 + c2γ2(2)
8. MODELAGEM DA ANISOTROPIA.
29
γ(h)
EW
(a)
NS
γ(h)
EW
NS
(b)
h
a1 =
γ(h)
NS
(c)
EW
h
a1 a2
30
O ajuste próximo de um círculo indica isotropia.
No caso da anisotropia, o semi-eixo maior da elipse indica a direção de
maior continuidade e o respectivo alcance. Na direção perpendicular considera-se
a menor continuidade.
A razão entre o semi-eixo maior e o menor é a razão de anisotropia, a
qual (na ordem mencionada) tende a ser subestimada em conjuntos de dados
irregularmente espaçados, como conseqüência da tolerância angular na seleção
dos pares de pontos (item 6). Quanto maior a tolerância, mais atenuada é a
razão de anisotropia inferida a partir dos semivariogramas experimentais.
31
γ(h)
NS
7
C3
EW
1
h
0 5
3 10
32
O modelo analítico que representa o semivariograma composto
representado na figura 4.12 é o seguinte:
γ (h ) = c0 + c1 γ (h ) + c2 γ (h) + c3 γ (h)
1 2 3
onde:
c0 = 1 ; c1 = 1 ; c2 = 2 ; c3 = 3 ;
h = (hx, hy), sendo hx = componente do vetor h na direção EW.
⎡ 2 ⎤
⎛ hy ⎞
2
⎢ ⎛ hx ⎞ ⎥
γ 1 (h ) = Esf ⎢ ⎜ ⎟ + ⎜⎜ ⎟⎟ ⎥
⎢
⎢⎣ ⎝ε ⎠ ⎝5⎠ ⎥
⎥⎦
⎡ 2 ⎤
⎛ hy⎞
2
⎢ ⎛ hx ⎞ ⎥
γ (h ) = Esf ⎢ ⎜ ⎟ + ⎜⎜ ⎟⎟ ⎥
⎢ ⎝ 3 ⎠ ⎝ 5 ⎠ ⎥
2
⎣⎢ ⎦⎥
⎡ 2 ⎤
⎛ hy ⎞
2
⎢ ⎛ hx ⎞ ⎥ ⎛ hx ⎞
γ 3 (h ) = Esf ⎢ ⎜ ⎟ + ⎜⎜ ⎟⎟ ⎥ = Esf ⎜⎜ ⎟⎟
⎢
⎣⎢
⎝3⎠ ⎝∞⎠ ⎥
⎦⎥
⎝ 3 ⎠
onde:
33
Na figura 12, a camada inferior é um efeito pepita isotrópico, sendo
representado no modelo analítico pela constante c0 = 1.
A segunda camada, de contribuição c1 = 1, combina um efeito pepita na
direção NS e uma estrutura de alcance a = 5 na direção EW. Está sendo
representada por um modelo esférico de alcance a = ε na direção NS e alcance a
= 5 na direção EW. Trata-se de um artifício para se obter uma anisotropia
geométrica de razão 5/ε.
A terceira camada, de contribuição c2 = 2, é representada por um modelo
esférico de alcance a = 3 na direção NS e a = 5 na direção EW. Tem-se uma
anisotropia geométrica de razão 5/3.
A quarta camada, de contribuição c3 = 3 somente na direção NS, é
conseqüência da anisotropia zonal. Está sendo representada por um modelo
esférico de alcance a = 3 na direção NS e alcance a = ∞ na direção EW. Trata-se
de um artifício para representar uma anisotropia geométrica de razão ∞/3.
34
Verifica-se, portanto, que as três camadas superiores foram representadas
por modelos esféricos com anisotropia geométrica. A razão para esta
representação baseia-se na facilidade para se modelar a anisotropia geométrica.
Seu tratamento matemático consiste nos seguintes passos:
⎡ x ⎤ ⎡ cos α sin α ⎤ ⎡ x ⎤ ⎡ x′ ⎤
R⎢ ⎥=⎢ ⎥ ⎢ ⎥ =⎢ ⎥
⎣ y ⎦ ⎣− sin α cos α ⎦ ⎣ y ⎦ ⎣ y′⎦
⎡ x⎤ ⎡1 a x′ 0 ⎤ ⎡ x′ ⎤ ⎡ x′′ ⎤
TR⎢ ⎥= ⎢ ⎥⎢ ⎥=⎢ ⎥
⎣ y⎦ ⎢⎣ 0 1 a y′⎥⎦ ⎣ y′⎦ ⎣ y′′⎦
onde:
α = ângulo de rotação que faz o eixo das abcissas coincidir com
a direção de maior continuidade do fenômeno estudado;
ax´ = alcance na direção de maior continuidade
ay´ = alcance na direção de menor continuidade.
35
(3) Efetuar os procedimentos de estimação ou simulação dentro do
sistema isotrópico de coordenadas;
(4) Retornar ao sistema original de coordenadas anisotrópico, através da
transformação inversa de TR.
y1
y2
x
x1 x2
ROTAÇÃO α
y’ x’
y’2
α
x’2
y’1 x’1
MUDANÇA
DE ESCALA
y’’
x’’
y’’2
y’’1 x’’2
x’’1
36
9. TÉCNICAS DE KRIGAGEM
Z (u ) = m (u ) + ∑ λ [Z (u ) − m (u )]
n
*
0 0 i i i
i =1
Z (u ) = m + ∑ λ [Z (u ) − m]
n
*
KS 0 i i
i =1
Onde:
Os pesos λ1, λ2, ... λi,... λn são determinados sob a condição de minimizar
a variância do erro de estimação.
37
n
∑ C λ =C
j =1
ij j 0i
, i = 1,2,...n
onde:
n = número de pontos amostrais dentro de uma vizinhança definida com
base na continuidade espacial;
Cij = covariância entre dois pontos informantes (amostrais);
Coi = covariância entre o ponto estimado e um ponto informante.
⎡C11 C K C ⎤ ⎡ λ1 ⎤ ⎡C 01 ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
12 1n
⎢C 21 C 22
K C
2n⎥ λ C
⎢ 2 ⎥ = ⎢ 02 ⎥
⎢ M M O M ⎥ ⎢ M ⎥ ⎢ M ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣C n1 C n2
L C nn ⎥⎦ ⎢⎣λ n ⎥⎦ ⎢⎣C 0 n ⎥⎦
38
Entretanto, convém frisar que o peso de cada ponto depende de todo o
arranjo espacial em torno do ponto estimado.
Na construção do sistema de Krigagem, as covariâncias podem ser
substituídas por semivariogramas.
Na forma aqui utilizada, observa-se que o sistema de equações é formado
apenas por pesos (as incógnitas do sistema) e covariâncias, as quais só
dependem do arranjo espacial dos pontos, incluindo o estimado, e da função
estrutural. Este fato é importante para se entender o significado da variância de
Krigagem, expressa por:
σ (u ) = C (0) − ∑ λ C
n
2
SK 0 i 0i
i =1
39
9.2. Krigagem Ordinária (KO)
∑λ
i =1
i
=1
⎧n
⎪⎪∑ C ij λ j + µ = C 0i , i = 1,2,...n
j =1
⎨ n
⎪⎩ i =1 λ i
⎪∑ =1
⎡C11 C L C 1⎤ ⎡ λ1 ⎤ ⎡C 01 ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
12 1n
⎢C 21 C 22
L C 2n
1⎥ ⎢λ 2 ⎥ ⎢C 02 ⎥
⎢ M M O M M⎥ ⎢ M ⎥ = ⎢ M ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢C n1 C n2 C nn
1⎥ ⎢λ n ⎥ ⎢C 0 n ⎥
⎢⎣ 1 1 L 1 0⎥⎦ ⎢⎣ µ ⎥⎦ ⎢⎣ 1 ⎥⎦
40
A variância de KO no ponto estimado u0 será:
σ (u ) = C (0) − ∑ λ C
n
−µ
2
KO 0 i 0i
i =1
⎧ 0 se Z > zc
I (z | zc ) = ⎨
⎩1 se Z ≤ zc
41
A variável binária I(z|zc) tem distribuição de Bernoulli com parâmetro p,
isto é:
I (z | z c ) : B ( p ) onde : p = P[I ( z | z c ) = 1]
E [I ( z | zc )] = p
F (z ) = P [Z ≤ z ]
Z c c
P [Z ≤ z c ] = P [I ( z | z c ) = 1] = p = E [I ( z | z c )] = F Z ( z c )
42
De posse da distribuição local em cada nó da malha, pode-se fazer
diversos tipos de mapa:
a) Mapas de quantis ( percentis, decis, quartis, mediana);
b) Mapas de probabilidade :
P[Z > z0] , P[Z ≤ z0], P[z1 < Z ≤ z2]
c) Mapas de valor esperado;
d) Mapas de envelope de confiança.
43
Simulação é uma técnica de modelagem de sistemas que consiste em duas
etapas básicas:
a) Criação de um modelo do sistema real;
b) Realização de experiências sobre o modelo.
44
Um exemplo típico dos aspectos envolvendo a simulação até este ponto é
a simulação de reservatórios petrolíferos em subsuperfície, extensamente
documentada por YARUS & CHANDLER, 1994.
45
t(x,
C D
x
46
simulada incondicionalmente, distinta da primeira, porém com o mesmo
semivariograma.
Procedimento análogo em R2, utilizando-se uma janela circular de
diâmetro d, gera imagens simuladas com semivariograma circular com alcance d.
Em R3, utilizando-se uma janela esférica, obtêm-se imagens simuladas
com semivariograma esférico de alcance igual ao diâmetro da janela.
JOURNEL e HUIJBREGTS (1978) descrevem um processo
computacionalmente mais eficiente que o descrito acima, denominado “bandas
rotativas”. A primeira técnica de condicionamento da simulação aos dados
também é descrita pelos referidos autores.
47
acumulada local, em forma discreta, à qual se ajusta uma função monótona
crescente (na situação ideal).
F(z;u) φ(z;u)
1
0,5
0
zp zK(u) zp
48
Uma vez geradas m imagens simuladas, todas georreferenciadas à mesma
malha básica, cada nó comum (uj) localiza m valores simulados, distintos, da VA
local Z(uj). Ordenando-se os m valores simulados no ponto uj , tem-se:
^F(z;uj
1/(m+
1/(m+
z
z1 zm
49
De posse da distribuição condicional acumulada local em todos os nós da
malha simulada, é possível confeccionar os seguintes mapas:
50
11. CONSIDERAÇÕES FINAIS
51
12. REFERÊNCIAS BIBLIOGRÁFICAS
52