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