Geoestadística
| ||||||
La Geoestadística es un conjunto de técnicas para el análisis y predicción de valores distribuidos en el espacio y/o en el tiempo, dichos valores se asumen correlacionados entre sí.
Sumario
Origen
Aunque el prefijo geo- es usualmente asociado con Geología, sin embargo la Geoestadística tiene sus orígenes en la minería. En los años 60, Matheron acuñó el término de Geoestadística, reconocido como el padre de esta disciplina, formalizó y generalizó matemáticamente un conjunto de técnicas desarrolladas por D.G.Krie(1941) que explotaban la correlación espacial para hacer predicciones en la evaluación de reservas de las minas de oro en Sudáfrica. Él definió a la Geoestadística como "la aplicación del formalismo de las funciones aleatorias al reconocimiento y estimación de fenómenos naturales."
Definición
La Geoestadística es una rama de la Estadística Aplicada que se especializa en el análisis, modelación y predicción de la variabilidad espacial de fenómenos en Ciencias de la Tierra. Se define como la aplicación de la Teoría de Funciones Aleatorias al reconocimiento y estimación de fenómenos naturales.
Otras definiciones
• Rama de la Estadística Aplicada que se caracteriza por tomar en cuenta la relación espacial de las variables en estudio.
• Rama de la Estadística que se enfoca a analizar, procesar e inferir resultados de datos georeferenciados.
• Un conjunto de técnicas para el análisis y predicción de valores distribuidos en el espacio y/o en el tiempo, dichos valores se asumen correlacionados entre sí.
Objeto de estudio
Su objeto de estudio es el análisis y la predicción de la distribución espacial de fenómenos georeferenciados, como por ejemplo: – La porosidad en un yacimiento petrolero
– La distribución de un mineral en el subsuelo
– Las concentraciones de un contaminante en la atmósfera, etc.
A partir de escasa información conocida, estima o predice el valor de una variable en localidades donde no se conoce.
Etapas del análisis geoestadístico
Actualmente, la Geoestadística es un conjunto de técnicas usadas para analizar y predecir valores de una propiedad distribuida en espacio o tiempo. Un análisis geoestadístico está compuesto por tres etapas:
1. El análisis exploratorio de los datos: Está basado en técnicas estadísticas convencionales que permiten obtener todo un conjunto de información, desconocida a priori sobre la muestra bajo estudio, lo que es imprescindible para realizar correctamente cualquier análisis estadístico y en particular un análisis geoestadístico.
2. El análisis estructural: Es el proceso de estimación y modelación de la función que describe la correlación espacial
3. Las predicciones (kriging o simulaciones): Una vez realizado el análisis estructural, la predicción de valores en puntos no muestrales se puede hacer aplicando la técnica de interpolación "kriging" o simulándolos a través de “simulaciones condicionales”.
Su relación con otras ramas de la Estadística
En contraposición con la Estadística clásica o convencional, las mediciones en ubicaciones cercanas no se consideran independientes, por el contrario se suponen que están correlacionadas entre sí, es decir, existe cierta dependencia o correlación espacial.
Muchos de las ideas de las Geoestadística han sido inspiradas en las series cronológicas o series de tiempo. Se puede advertir que los objetivos del Análisis de Series de Tiempo son similares a los de la Geoestadística. Mientras que el Análisis de Series Temporales está orientado al estudio de procesos unidimensionales con datos muestrales uniformemente distribuidos, la Geoestadística se ocupa del estudio de fenómenos con datos distribuidos de forma arbitraria en el espacio y tiempo, por lo que la metodología de ésta última tiene un carácter mucho más general. En un marco más amplio, la Geoestadística es una disciplina que pertenece a la Estadística Espacial.
Campos de aplicación
La Geoestadística ha sido ampliamente aplicada en diversas ramas de las ciencias aplicadas y en las ingenierías, entre otras tenemos:
• Industria petrolera: Modelos geológico – petrofísicos de yacimientos; análisis de permeabilidad; simulación de facies; caracterización de propiedades petrofísicas y su escalamiento; integración de información de diferentes fuentes; evaluación de reservas; análisis de riesgo.
• Minería: Estudios de factibilidad económica de un yacimiento; peritaje minero; cálculo de reservas; diseño de métodos de explotación basados en la distribución de la mineralización.
• Industria Pesquera: Estimación in situ del potencialidad de pesca; relación entre la distribución espacial de especies de peces y diferentes variables (profundidad, temperatura, salinidad, etc).
• Geofísica marina.
• Hidrogeología: Solución de problemas inversos (permeabilidad, transmisividades); estimaciones de los niveles piezométricos; diseño de Redes óptimas de monitoreo; estimación de los límites de la pluma de un contaminante.
• Medio ambiente: Predicción de la distribución de contaminantes en atmósfera, suelos, acuíferos, y cuerpos de agua; evaluación de sitios contaminados; estudios de riesgo e impacto ambiental.
• Ciencias Agrícolas y Forestales: Estudio de la distribución espacial y la afectación de plagas; inventarios forestales; estudio cuantitativo de suelos y sus propiedades químicas y mecánicas.
• Salud pública: Análisis de la distribución espacial de enfermedades; estimación de la exposición de personas a elementos nocivos (acústicos, químicos, polvos, etc.)
• Ingeniería civil
• Procesamiento de imágenes
• Finanzas
• Ciencias de materiales
• Edafología, etc.
Ventajas
• Provee soluciones prácticas a problemas reales.
• Honra los datos.
• Expande de los datos.
• Integra datos.
Desventajas
• No automatiza completamente el proceso de estimación.
• No reemplaza datos.
• No crea datos.
• No provee relaciones físicas o causales.
• No ahorra tiempo o esfuerzo.
