Geoestadistica aplicada a la edafologia
Upcoming SlideShare
Loading in...5
×
 

Geoestadistica aplicada a la edafologia

on

  • 1,172 views

 

Statistics

Views

Total Views
1,172
Views on SlideShare
858
Embed Views
314

Actions

Likes
0
Downloads
67
Comments
0

10 Embeds 314

http://geoestadistica-geomatica.blogspot.com 272
http://geoestadistica-geomatica.blogspot.mx 20
http://geoestadistica-geomatica.blogspot.com.es 8
http://geoestadistica-geomatica.blogspot.ca 4
http://geoestadistica-geomatica.blogspot.com.ar 3
http://www.geoestadistica-geomatica.blogspot.com 2
http://geoestadistica-geomatica.blogspot.be 2
http://geoestadistica-geomatica.blogspot.com.br 1
http://geoestadistica-geomatica.blogspot.com.au 1
http://geoestadistica-geomatica.blogspot.co.uk 1
More...

Accessibility

Categories

Upload Details

Uploaded via as Microsoft Word

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

Geoestadistica aplicada a la edafologia Geoestadistica aplicada a la edafologia Document Transcript

  • Universidad Tecnológica MetropolitanaGeoestadística AplicadaNombre: Fernando HenríquezSección: 1Profesor: Eduardo Mera
  • Introducción.En este trabajo, se centrara en la Geoestadística aplicada a las ciencias de los suelos,principalmente a la edafología.La Geoestadística es una disciplina muy útil con vistas a analizar la variabilidad espacialde las propiedades del suelo. Es útil a la hora de estimar variables individuales, o parainferir los valores de una de la que se disponen pocos datos a partir de otra de la queexisten muchos, siempre en un espacio geográfico concreto.A continuación, se verá la edafología como una ciencia matemática por el hecho de quese ocuparan herramientas estadísticas para ciertos datos muestrales, basados envariogramas, kigring, etc., aparte de ver para que sirva cada ejercicio y cómo interpretarlos resultados de estos.
  • Nacimiento de la Aplicación de la Geoestadística en la edafología.Sin duda, la aplicación de la Geoestadística en la minería, yacimientos de petróleo, etc.son aplicables. sin embargo, también se viene la utilidad potencial de los métodosgeoestadísticos en Edafología, la cual fue reconocida por vez primera mediada la décadade los años setenta por los grupos de trabajo de las universidades de Davis (California) yOxford (Inglaterra) interesados en estudiar la variabilidad del suelo. El Doctor Giltrap enOxford en 1977 defendió su primera tesis sobre esta rama, siendo el pionero de estaaplicación de la Geoestadística.La Geoestadística como herramienta para el análisis de la variabilidad facilita resultadosque dependen de la frecuencia e intensidad de las observaciones o puede ser utilizadacomo ayuda para diseñar una red de muestreo. Sin embargo, los datos que proporcionano implican que vayan a explicar la acción de los factores de formación.Se ha observado con frecuencia una ausencia de un análisis crítico de los métodosempleados para la obtención del importante volumen de datos que requieren los estudiosGeoestadística. Así mismo, son escasos los trabajos que comparan los resultadosobtenidos con los métodos geoestadísticos y con otros métodos.La variabilidad de los suelos (propiedades) de un punto a otro del paisaje tiene distintosorígenes, pudiendo provenir bien de las características inherentes a los procesos deformación predominantes, o los factores de formación, es decir: la litología, el clima, latopografía, la actividad biológica y la actividad humana. Algunos procesos y factores deformación que afectan la variación espacial, repercuten en pequeños volúmenes de sueloe introducen heterogeneidad en pocas distancias. Pero otros, por el contrario, provocandependencia espacial de más largo alcance."Aunque la formación del suelo pueda ser descrita en términos deterministas, no obstante,los modelos operativos que desde el punto de vista de la Geoestadística se usan paradescribir las propiedades del mismo se basan en la aparente aleatoriedad de lavariabilidad espacial" (Western, 2000; Ulloa Guitián, 2002).A continuación, se presentara un ejemplo de la aplicación de la Geoestadística, como sonel krigeado puntual y krigeado por bloques al estudio de las propiedades generales delsuelo en una pequeña cuenca agrícola y comparar los resultados del krigeado con losobtenidos mediante simulación condicional gaussiana.
  • Ejemplo Práctico de la Geoestadística.Se analizo una Cuenca de 25 ha de superficie que llamada Pelamios y se encuentra en elCentro de Investigaciones Agrarias de Mabegondo (provincia de Coruña, España). Enesta cuenca se tomo un muestreo aleatorio, intentando en lo posible que estuviesenrepresentados todos los tipos de suelos y parcelas con diferente manejo presentes.La forma utilizad para diseñar las redes de muestreo de las dos unidades estudiadas fuela toma de datos a diferentes escalas de distancia. Este procedimiento es el recomendadocuando se desconoce la escala espacial de los atributos estudiados.Se tomaron muestras en 79 puntos, lo que supone una densidad de muestreo de 3.2muestras/ha. La distancia entre los puntos más próximos era de 0.5 m y la de los másAlejados 60 m.Las muestras se tomaron entre 0-30 cm de profundidad con una sonda de 5 cm dediámetro.En todos los puntos se determinaron sus coordenadas geográficas con una estacióntopográfica total.Posteriormente, los puntos de muestreo se localizaron sobre un modelo de elevacióndigital de la cuenca estudiada:- Caracterización de la variabilidad espacial de cada una de las propiedades estudiadasmediante semivariogramas. El semivariograma mide la auto correlación entre puntosmuestrales vecinos.- Interpolación mediante técnicas geoestadísticas clásicas, en concreto, utilizando elkriging ordinario, es decir, puntual y por bloques. La principal ventaja del kriging consisteen que usando la información contenida en el semivariograma, los mapas de valoresestimados son óptimos, en el sentido de que se obtiene la mejor estimación lineal posible.Además, el kriging proporciona mapas con los errores de estimación. Sin embargo, elkriging y, en particular el kriging por bloques tienden a producir patrones de variaciónespacial más suaves que los reales.- Interpolación mediante simulación condicionada gaussiana: La simulación condicionadaes una técnica de generación de campos aleatorios que reproduce localmente lainformación disponible, al tiempo que globalmente da cuenta de la variabilidad observada.Este tipo de interpolación adquiere como base el semivariograma, pero, en contra de loque ocurre con el kriging, no lleva a cabo una estimación, sino que efectúa unasimulación.
  • Resultados del ExperimentoA continuación, en la tabla de valores se muestran los parámetros de los modelos teóricosque se ajustaron a los tres semivariogramas experimentales de las tres fraccionestexturales: arena, limo y arcilla.Se puede observar que la arena y el limo tienden a una estructura espacial, es decir, seaprecia auto correlación a diferencia de la arcilla que no lo demuestra.El semivariograma de la arcilla presentó un efecto pepita puro, esto equivale a decir quela semivarianza se mantiene constante y cerca de la varianza muestral para una serie dedistancias. Este resultado significa que dicha propiedad, el contenido en arcilla, muestrauna ausencia total de auto correlación a la escala estudiada y tiene el comportamiento deuna función aleatoria, es decir, que los valores de dos puntos próximos no se parecenmás que los de otros que están a mayor distancia, y según la estadística clásica, el mejorestimador de esta propiedad en un punto del área sería la media aritmética o promedio.Tabla de los Valores de los parámetros estudiadosDonde:C0 = efecto pepitaC0+C1 = meseta%C0 = porcentaje del efecto pepita respecto a la mesetaa = alcance (en metros)VM = varianza muetral (factor de escala)WSS = suma de cuadrados ponderadosECM = error cuadrático medio;ECMA = error cuadrático medio adimensionalvec.= nº de vecinos recomendado para el kriging realizadoLas Figuras que vienen a continuación, son el del estudio del kriging por Bloques ypuntual, realizados en la Cueca de Pelamio (España)
  • Con los resultados anteriores se puede concluir lo siguiente:- Al contrario de la simulación, con el krigeado puntual o por bloques permite obtener unmapa de los errores de estimación o de interpolación. Este mapa puede ser utilizado paraevaluar la incertidumbre de las predicciones dichas.- En la simulación condicionada, en que se llevo a cabo por 100 realizaciones individualessegún el experimento, no da información sobre la incertidumbre de los valores esperados.- En el kriging y en la simulación condicionada se necesita el análisis espacial previo y enla elaboración de un semivariograma teórico, para ver si hay autocorrelacion espacial.Estos resultados son más precisos cuando se adjuntan a una distribución normal.- Al combinar los resultados de una simulación condicionada con los de estimación deerror del kriging, se puede obtener una información mas precisa de la variabilidad real dela propiedad estudiada junto a la incertidumbre de estimación.- De los 3 terrenos mostrados en el ejemplo, la arena y el limo presentan dependenciaespacial, a diferencia de la arcilla.
  • ConclusiónEn el estudio de los suelos, o edafología, la Geoestadística tiene un gran papel en ladistribución de algunas tierras en estudio para cualquier especialidad que esté ligada aesta.Este estudio también puede ser representado en la vida que se puede generar en losdistintos tipos de tierra en un determinado terreno, como en el caso visto anteriormente.Algunos casos tiene la suerte de seguir una distribución conocida, como la normal porejemplo.Cabe decir que el ejemplo visto anteriormente está basado en los estudios de laaplicación de la Geoestadística en el estudio de las propiedades del suelo.BibliografíaUlloa Guitián, M. 2002. Aplicación de la Geoestadística al estudio de la fertilidad delsuelo. Tesis doctoral. Universidad de Coruña.Moral, F.J. 2003. La Representación Gráfica de las Variables Regionalizadas.Geoestadística lineal. Servicio de Publicaciones de la Universidad de Extremadura,Badajoz, España (vía Internet)