GEOESTADÍSTICA
KRIGING
SIMPLE
LAURA VALENTINA NAVARRO MERCHÁN
CONTENIDO
PUNTOS QUE SE ABORDARÁN
Introducción
Diferencias entre el KS y KO
Elementos básicos del Kriging
Definición de términos
Pasos para construir el Kriging Simple - teoría y práctico
Algunas aplicaciones
Conclusiones
¿QUÉ ES?
Es un método de inferencia espacial, el cual nos permite estimar
los valores de una variable en lugares no muestreados
utilizando la información dada por la muestra.
INTERPOLACIÓN
PREDECIR VALORES
DESCONOCIDOS EN OTROS
LUGARES
GEORGES MATHERON
DANIE GERHARDUS
KRIGE
¿CÓMO FUNCIONA?
UN EJEMPLO:
Si un metereólogo hace un pronóstico de
que va a llover mañana...
+ KRIGING Se puede generar superficies de
Con Kriging se puede saber cuánta lluvia predicción y superficies que describe
va a caer en un lugar específico. qué tan bien predice su modelo.
KRIGIN SIMPLE VS ORDINARIO
KS KO
Trabaja conociendo el valor de la Trabaja sin conocer el valor de la
media media
Trabaja conociendo el Trabaja conociendo el
variograma o covarianza variograma o covarianza
No minimiza la varianza de los Minimiza la varianza de los
errores de estimación errores de estimación.
La varianza es siempre menor o La estimación del error medio
igual a σ2 resigual es 0.
No condiciona la sumatoria de los La suma de los ponderadores
ponderadores debe ser igual a 1
Elementos básicos del Kriging
EFECTO PEPITA (NUGGET) MESETA (SILL)
Consecuencia de la separación mínima entre Cuando los valores en el variograma
dos observacioones, se le atribuye usualmente parecen variar en torno a una
a una variación a microescala. constante.
RANGO O ALCANCE
Distancia a partir de la cual dos
observaciones son independientes.
El rango se interpreta como la ZONA
DE INFLUENCIA.
Rango efectivo: Distancia donde el
semivariograma alcanza el 95% de la
meseta.
Elementos básicos del Kriging
ANISOTROPÍA/ISOTROPÍA TIPO DE
Hay más Correlación en una dirección que en otra / VARIOGRAMA
Igual Correlación en todas las direcciones
Estblecer el modelo que mejor se ajuste
a la realidad.
VARIANZA DE KRIGING SEMIVARIANZA
"Varianza de Estimación". Es la medida del grado de dependencia
Es el parámetro que se optimiza en Kriging. espacial entre dos muestras.
Depende de la posición geométrica y de la
variabilidad espacial con respecto al punto SEMIVARIOGRAMA
Es el gráfico de las semivarianzas en función
donde se estima la variable que se estudia.
de la distancia a un punto.
Siempre es menor o igual a la varianza a
priori.
Varianza de Geometría de Variable de
Variograma
Kriging Puntos Puntos
Construcción del Kriging
Restricción de linealidad Definición clásica de la estimación por Kriggin
según David (1977)
VARIABLE Z PREGUNTAS VARIOGRAMA FÓRMULA
Conocimiento de los ¿Cuánto varía el Se obtiene por medio Solución de matrices
valores de la variable Z comportamiento de la del ajuste de uno o para encontrar los
en un conjunto de n variable Z en el dominio varios modelos teóricos valores de los
puntos Xi. D que se investiga? en el variograma ponderadores/pesos
experimental. asignados. Y se tiene
¿Cómo expresamos esta que el interpolador:
variabilidad? Y es una función de la
distancia euclidiana h
definida entre puntos
del dominio D
Construcción del Kriging
Restricción de insesgo Aplicar el interpolador y calcular la varianza
del error
VARIANZA DEL ERROR
O Varianza de Kriging
INTERPOLADOR: Sumatoria de los ponderadores por los puntos conocidos
más un ponderador atribuído a la media, por el valor de la media.
Ponderadores o pesos.
Covarianza o Sill
Puntos conocidos
Los ponderadores
Valor de la media
Punto conocido
Restricción que lo diferencia del KO
Punto desconocido
Un ejemplo
Estimar el valor de Z*(x) mediante Kriging PASO 1
Simple. La media global es = m GRAFICAR EL VARIOGRAMA
PASO 2
ENCONTRAR LAS DISTANCIAS
Un ejemplo
PASO 3 PASO 4
ENCONTRAR LAS FUNCIONES DEL ENCONTRAR LA COVARIANZA
VARIOGRAMA
C(0) = 2 - 0 = 2 C(1.5) =
C(0.5) = 2 - 0.3 = 1.7 C(2) =
Un ejemplo
PASO 5 PASO 6
PRESENTACIÓN MATRIZ C SOLUCIÓN DEL SISTEMA DE
ECUACIONES
Expresar en forma matricial las covarianzas y, a
través del desarrollo de la matriz, encotrar el valor
de los ponderadores
Un ejemplo
PASO 7 PASO 8
APLICAR EL INTERPOLADOR Z(X) VARIANZA DEL ERROR
0.75+(-0.24) = 0.51
Z(X) = ((0.75*2)+(-0.24*3)+((1-0.51)*2.2))
S^2 = 2 - ((0.75*1.1) + (-0.24*0.8))
Z(X) = 1.5 + (-072) + 1.078 = 1.86 % CUT
S^2 = 2 - (0.825 - 0.192)
Se obtuvo el valor del punto desconocido S^2 = 1.34
atribuyéndole un peso asignado al valor
El error no depende de los datos sino de la
de la media.
continuidad espacial de ellos.
USO DE Julián Garzón Barrero, Gonzalo Jiménez Cleves
Universidad del Quindío
KRIGING Armenia, Colombia
TÉCNICAS PARA DETERMINAR LA Krigin produjo mejores
CALIDAD DE LOS DEM estimaciones de la elevación,
Se utilizaron varios algoritmos de interpolación como: independientemente de la
Ponderación inverso a la distancia, kriging, vecinos forma del terreno y el patrón
naturales, curvatura mínima, red de triángulos irregulares. de muestreo.
La precisión en la interpolación por este método fue Kriging tiene la capacidad de
mejor que la que se presentó por el método de inverso a ajustarse a la estructura
la distancia. espacial de todos los datos.
CONCLUSIONES
Los datos de entrada se utilizan para construir una función matemárica con un
semivariograma, crear una superficie de predicción y luego validar el modelo.
Kriging confía en el semivariograma porque cuantifica la correlación al graficar la
varianza de todos los pares de datos según la distancia.
El kriging simple trabaja asignándole un peso considerado al valor de la media.
El estimador de kriging simple es una combinación lineal de los valores observados,
donde los pesos/ponderadores de cada observación corresponden a la correlación
entre la observación y el punto a estudiar.
El método de Kriging simple no es el más usado, en comparación con el Ordinario,
debido a que usualmente la media no se conoce y tiene que hallarse.
BIBLIOGRAFÍA
Emery, X. (2007). Apunte de Geoestadística. Ingeniería de Minas. Universidad de Chile.
Legrá, A., & Atanes, D. (2010). Variogramas adaptativos: un modelo práctico para
aumentar la utilidad del error de estimación por kriging. Minería y Geología, v 26 n.4, p.
53-78.
Geoestadística, intrpolación con Kriging. ArcGeek. [Link]
interpolacion-con-
kriging/#:~:text=El%20kriging%20ordinario%20era%20el,en%20una%20distribuci%C3%B
3n%20normal%20est%C3%A1ndar.
Ejercicio tomado de: [Link]
Garzón, J. (2015). Técnicas Estadísticas para determinar la calidad de los modelos
digitales de elevación. Universidad del Quindío.
GRACIAS POR SU
ATENCIÓN