Curso de Geoestadística APLICACIONES CON GSLIB • Análisis estadístico/exploratorio de datos • Variograma
Metodología APLICACIONES CON GSLIB • Introducción • Paso a paso por todos los programas
¿Qué es GSLIB? • GSLIB es el acrónimo para Geostatistical Software LIBrary: una colección de programas geoestadísticos desarrollados por estudiantes y profesores de la Universidad de Stanford durante • Deutsch, C. and Journel, A. (1998). Geostatistical Software Library and User´s Guide, Oxford University Press, New York
• Existe varias interfaces de ventanas para GSLIB • WinGSLib by Clayton Deutsch, André Journel and Manu Schnetzler, (1999), Center for Computational Geostatistics at the University of Alberta (http://www.gslib.com) • SGEMS (Stanford Geostatistical Modeling Software) by Nicolas Remy (2002) (http://sgems.sourceforge.net)
Programas en GSLIB • Utilidades • Visualización de datos • Histogramas, diagramas de dispersión, de cuantiles, de probabilidad
• Variogramas • Simples y cruzados para cualquier número de variables • En 1D, 2D y 3D para datos regular e irregularmente espaciados • Diferentes medidas de continuidad espacial
• Estimación (Krigeado) • En 1D, 2D y 3D, validación cruzada y jackknife • Distintos tipo de Krigeado: KS, KO, KT, KDE • Krigeado indicador
• Simulación Estocástica • Métodos Gausianos •Métodos indicadores • Simulación por campos de probabilidades • Simulación por recocido
NOTACIÓN GSLIB. MALLAS REGULARES (xmn,ymn) ny=4 ysiz
5-8 1-4 xsiz
Nuestro origen de malla • Tamaños: xsiz, yziz,zsiz • Número de pixeles • Orígen malla GSLIB • Numeración Pixeles
Formato de archivos de entrada y salida de GSLIB Ejemplo de archivo de datos en 2D 2 Variable 1 Variable 2 4.693 0.791 4.041 0.642 2.885 0.539 2.255 0.538 ...
Ejemplo archivo de parámetros Parameters for GAM ***************** START OF PARAMETERS: ../data/true.dat 2 1 2 -1.0e21 1.0e21 gam.out 1 50 0.5 1.0 50 0.5 1.0 1 0.5 1.0 2 10 1 0 0 0 1 0 1 5 1 1 1 1 1 1
\ file with data \ number of variables, column numbers \ trimming limits \ output file \ grid or realization number \ nx, xmn, xsiz \ ny, ymn, ysiz \ nz, zmn, zsiz \ number of directions, number of lags \ ixd(1), iyd(1), izd(1) \ ixd(1), iyd(1), izd(1)
\ standarize sill? (0=no, 1=yes) \ number of variograms \ tail variable, head variable, variogram type \ tail variable, head variable, variogram type
Análisis estadístico/exploratorio de datos OBJETIVOS • Organizar y “explorar” los datos • Condensar la información disponible • Calcular los estadísticos de los datos TIPOS • Descripción univariada • (Descripción bivariada) • (Descripción multivariada)
Descripción univariada Histograma
Histograma acumulado P2
P1
P1 P2
Estadísticos • Media • Varianza/ Desviación • Quantiles
Útiles para... • Describir/Agrupar • Control de calidad • Poblaciones
Descripción univariada muy sensible a valores altos de Z, especialmente si n es bajo n
• media
:
∑
1 m= z(α ) n α =1 n
• varianza :
• desviación estándar : todavía peor
∑
1 (z(α ) − m ) σ = n α =1 2
σ= σ
2
2
Descripción univariada. Cuartiles
Qu Q0=mínimo Q100=máximo
Qm
de MIS datos Ql 75 200 50
Descripción univariada. Modelos Histograma muestral
Histograma exhaustivo
? Modelo probabilístico
?
EJERCICIO PRÁCTICO GSLIB Se supone conocida la realidad
HISTOGRAMAS EXHAUSTIVOS
Histograma exhaustivo (HISTPLT)
Zoom
NOS PASAMOS A LA VIDA REAL
45
40
35
30
25
20
15
10
5
5
10
15
20
25
30
35
40
45
• Campaña 1 de medidas: 97 puntos (aleatoriamente distrib.) • Campaña 2: 43 adicionales en puntos de conc. máx. 1ª camp.
Histograma muestral
n
Media
Desv.
Mín
Q25
Q50
Q75
Máx
Reales 2500
2.58
5.15
0.01
0.34
0.96
2.56
102.7
Med.
4.35
6.7
0.06
0.69
2.12
5.35
58.32
140
Histograma muestral de los datos de la primera campaña
n
Media
Desv.
Mín
Q25
Q50
Q75
Máx
Reales 2500
2.58
5.15
0.01
0.34
0.96
2.56
102.7
Med.
140
4.35
6.7
0.06
0.69
2.12
5.35
58.32
M1C
97
2.21
3.17
0.06
0.33
1.02
2.54
18.78
Histograma muestral de los datos declusterizados
n
Media
Desv.
Mín
Q25
Q50
Q75
Máx
Reales 2500
2.58
5.15
0.01
0.34
0.96
2.56
102.7
Med.
140
4.35
6.7
0.06
0.69
2.12
5.35
58.32
M1C
97
2.21
3.17
0.06
0.33
1.02
2.54
18.78
DEC.
140
2.52
4.56
0.06
0.34
1.19
2.75
58.32
Ajuste de un modelo estadístico al campo “real” 1) Superposición de histograma (pdf) muestral con pdf modelo 2) Lo más típico. Dibujo un papel de probabilidad normal / lognormal
Ajuste de un modelo estadístico de la pdf de medidas
Análisis del variograma OBJETIVOS • Cuantificar la variabilidad espacial del campo
1 γ (h ) = 2 N(h )
N(h )
∑ (x
− yi )
2
i
i =1
Cabeza (head) ) g a l h(
Cola (tail)
Eje Y (Norte)
¿Como cuento los pares?
g a l ia c n ra e l to
.0 2 = ol t l x
Lag
6
a d n a b de o ch 0 . n 5 A = w d n a b 0E 6 N r o ct e V
ang=60º Lag Lag Lag
2
Lag
3
4
5 g a l ia c n ta s i D .0 4 = g a xl
toler. ang. atol=22.5 Eje X (Este)
Definición de anisotropías y giros en el variograma Dirección principal. Eje Y rotado (N30E)
Eje Y (Norte) 20
ang=30
30º
rango=aa=20 anis=10/20=0.5<1
10
Eje X (Este) Eje X rotado (N120E)
Variogramas modelo en GSLIB
1 Esférico
⎧ ⎡ 3 h 1 ⎛ h ⎞3 ⎤ − ⎜ ⎟ ⎥ si h ≤ a ⎛ h ⎞ ⎪c ⋅ ⎢ γ (h ) = c ⋅ Sph⎜ ⎟ = ⎨ ⎢ 2 a 2 ⎝ a ⎠ ⎥ ⎦ ⎝a⎠ ⎪ ⎣ c si h ≥ a ⎩
2 Exponenc.
⎡ ⎛ h ⎞⎤ ⎛h⎞ γ (h ) = c ⋅ Exp⎜ ⎟ = c ⋅ ⎢1 − exp⎜ − ⎟ ⎥ ⎝a⎠ ⎝ a ⎠⎦ ⎣
3 Gaussiano
⎡ ⎛ h 2 ⎞⎤ γ (h ) = c ⋅ ⎢1 − exp⎜⎜ − 2 ⎟⎟ ⎥ ⎢⎣ ⎝ a ⎠ ⎥⎦
4 Potencias
γ (h ) = c ⋅ h a
Variograma campo REAL
Meseta=25.0 Pepita=9.0 Alcance=8.0
Ajuste variograma campo REAL
Variograma 140 medidas
Meseta=20 Alcance=10 Pepita 0.3 – 0.5
Variograma 140 medidas
Curso de Geoestadística APLICACIONES CON GSLIB • Kriging
Archivo de parámetros Parameters for KTB3D ******************** START OF PARAMETERS: DATOS.DAT \ARCHIVO CON LAS MEDIDAS 1 2 0 3 \COLUMNAS CON X,Y,Z Y VARIABLE -1.0e21 1.0e21 \LIMITES DE CORTE ESTIM.OUT \ARCHIVO DE RESULTADOS 1 \NIVEL DE DEBUGGING: 0,1,2,3 CHECK.DBG \ARCHIVO DE DEBUGGING
Hasta aquí, lo típico
Archivo Archivodedeparámetros parámetros 50 0.5 1.0 50 0.5 1.0 1 0.5 1.0 2
2
1
\NX,XMN,XSIZ \NY,YMN,YSIZ \NZ,ZMN,ZSIZ
Geometría de la malla a estimar
\PUNTOS DE DISCRETIZACIÓN DE UN BLOQUE Puntos donde krigeo
Punto de estimación
Archivo Archivo dede parámetros resultados
KTB3D ESTIMATES WITH: Clustered 140 2 Estimate EstimationVariance 4.693 0.791 4.041 0.642 2.885 0.539 2.255 0.538 ...
Archivo de resultados BLOCK:
1
1
1 at 0.5000000
Lagrange : -0.170163970157926 BLOCK EST: x,y,z,vr,wt 2.500 1.500 0.500 3.330 0.634 5.500 1.500 0.500 0.060 0.118 0.500 7.500 0.500 12.740 0.095 0.500 8.500 0.500 6.490 0.031 1.500 8.500 0.500 20.350 -0.010 2.500 8.500 0.500 8.900 -0.015 0.500 9.500 0.500 15.770 0.049 1.500 9.500 0.500 7.560 0.016 2.500 9.500 0.500 6.260 0.021 3.500 9.500 0.500 7.920 0.062 estimate, variance 4.692778 0.7912890
0.5000000 0.5000000
Estimación
Varianza de estimación