MODELADO DE VARIOGRAMAS.

El variograma experimental no puede utilizarse directamente. Por una

parte, slo est definido para ciertas distancias y direcciones, por lo que
es incompleto. Por otra parte, est sujeto a ciertas aproximaciones, debido
al nmero limitado de datos y a los parmetros de tolerancia utilizado en
el clculo. Para subsanar esta situacin, la idea es ajustar un modelo
terico de variograma en torno al variograma experimental. Esta etapa es
la fase esencial de todo estudio geoestadstico, pues aqu es donde uno
interpreta la continuidad espacial de la variable en estudio.
AJUSTE DE UN VARIOGRAMA A UN MODELO TERICO.
a) por qu ajustar?
El objetivo de ajustar un modelo terico es disponer de una
ecuacin, la cual se utilizar en los clculos posteriores. En general,
los paquetes computacionales trabajan exclusivamente con el
modelo terico.
Despus del anlisis variogrfico disponemos de una interpretacin
de los Variogramas experimentales, de sus caractersticas
(anisotropas, alcances, mesetas, efectos de pepita)
b) Por qu no trabajar directamente con el variograma
experimental, haciendo coincidir por ejemplo, un polinomio
de grado suficiente elevado con la curva experimental?
Las respuestas provienen de dos consideraciones estadsticas.
El variograma y(h) que intervendr en los clculos posteriores
no es una funcin cualquiera, sino debe tener propiedades
particulares.
As por ejemplo, las varianzas que se calculan con y(h)
debern ser siempre positivas y no est garantizado, sin
embargo que el polinomio pasando por todos los puntos
experimentales cumpla con esa condicin.

Por otra parte, se sabe que a partir del mismo conjunto de

datos es imposible proporcionar a la vez una estimacin y la
precisin asociada. Esta imposibilidad no permite utilizar el
variograma experimental para el clculo de las varianzas.
Estas dos razones nos obligan entonces a escoger un modelo
de variograma y ajustarlo al variograma experimental.

Distinguiremos dos Variogramas:

VARIOGRAMA EXPERIMENTAL
VARIOGRAMA TERICO.

1. Variogramas experimentales.

Se denomina variograma experimental a aquel que es obtenido por

estimacin a partir de los datos de una muestra. El estimador ms
comn se basa en el mtodo de los momentos, que puede escribirse
como sigue (Cressie, 1991):
Donde:

Por definicin, el variograma pasa por el origen, esto es 2(0)=0. Sin

embargo, frecuentemente el variograma exhibe una discontinuidad
en el origen, una caracterstica denominada efecto pepita o "nugget
efect" (Figura 1). Journel y Huijbregts (1978) sealan que este efecto
se puede deber a dos posibles causas: errores de medicin o
microvariaciones del fenmeno estudiado, relacionndolo con la
escala de observacin. Si la microvariacin es continua la nica
razn para el efecto pepita sera un error de medicin, pero si no lo
es, se puede modelar el proceso a una escala muy pequea como
ruido blanco (Cressie, 1991).

La meseta o "sill" (Figura 1) se presenta cuando el variograma deja

de crecer y alcanza un valor constante, dentro de cierta distancia.

Este valor es simplemente la varianza a priori de la funcin

aleatoria. En estos casos, la covarianza existe, y el proceso es
estacionario de segundo orden.
A medida que la separacin h entre dos puntos aumenta, la
correlacin entre ambos puntos, tpicamente, decrecer. A un cierto
valor de h la correlacin se hace prcticamente nula, y ms all de
este valor se puede decir que los puntos no estn correlacionados. A
esta distancia se le llama rango (Figura 1).
A menudo la correlacin espacial entre puntos del espacio no es
igual en todas las Direcciones. Cuando ocurre lo anterior, se tiene un
proceso anisotrpico, y el vario-grama no es slo funcin de la
distancia h sino que tambin de la direccin en la que h crece. Se
pueden distinguir entre dos tipos de anisotropa: geomtrica y zonal.
2. El variograma terico

Corresponde a una ecuacin que se ajusta al variograma

experimental:

a. MODELO ESFERICO.
Donde a es el rango y c es la meseta o varianza. Este modelo
tiene un comportamiento lineal en el origen y alcanza la meseta a
una distancia igual al rango a. Si se asume estacionalidad de
segundo orden la relacin entre el variograma estandarizado y el
correlograma tiene la forma que se muestra en la Figura.

b. MODELO EXPONENCIAL.
Donde c es la meseta o varianza y a es prcticamente el rango,
esto es, la distancia en la que el valor del variograma alcanza el
95 % del valor de la meseta. El modelo es asinttico y tiene un
comportamiento lineal en el origen.

c. MODELO GAUSIANO.
Donde c es la meseta o varianza y a es prcticamente el rango
(valor al 95 % de la meseta). Este modelo tambin alcanza
asintticamente la meseta y tiene la forma tpica de la curva
Gaussiana.

d. MODELO SENO CARDINAL.

El modelo seno cardinal de parmetro a y meseta C se define
como:

e. Modelo potencia.
El variograma potencia de pendiente y exponente se define
como:

Este variograma no posee ni meseta ni alcance, sino que crece en

forma indefinida. El exponente puede variar entre 0 (variograma
peptico) y 2 (variograma parablico). El modelo se llama lineal
cuando el exponente vale 1.

REGLAS DE AJUSTE.
Consideremos el siguiente ejemplo de variograma experimental, calculado
a lo largo de las direcciones principales de anisotropa en el espacio de
tres dimensiones.

Antes de ajustar un modelo, empecemos con determinar (visualmente) las

principales caractersticas del variograma experimental:

El

aproximadamente;
En la primera direccin (D1), el variograma tiene un alcance cercano

a 200m y una meseta cercana a 1.0;

En la segunda direccin (D2), el variograma tiene un alcance

variograma

tiene

un

efecto

pepita

cercano a 120m y una meseta cercana a 1.3;

de

meseta

0.1

En la tercera direccin (D3), el variograma tiene un alcance cercano

a 50m y una meseta cercana a 1.5;

En cada direccin, aparte del efecto pepita, el comportamiento en el
origen es lineal, lo que sugiere utilizar modelos anidados de tipo
esfrico o exponencial.

Dado que el modelo ser la suma de modelos bsicos (variograma

anidado), se va a ir sumando contribuciones positivas a medida que se
agregan los modelos anidados. Por esta razn, el modelamiento se
realizar yendo desde abajo hacia arriba en el eje de ordenada
correspondiente al variograma.
El primer hito en el eje de ordenada corresponde al efecto pepita, cuya
amplitud es de
0.1. Por lo tanto, usaremos como primer modelo bsico dicho efecto
pepita (Figura 18A).
El segundo hito corresponde a la meseta (1.0) en la primera direccin.
Como ya tenemos un efecto pepita de meseta 0.1, slo falta agregar un
modelo bsico (digamos, un exponencial) de meseta 0.9 y cuyos alcances
en las tres direcciones D1, D2 y D3 son 200m, 120m y 50m,
respectivamente (Figura 18B). El siguiente hito es la meseta (1.3) en la
direccin D2.
Estando en la meseta 1.0, falta agregar un modelo bsico (exponencial)
de meseta 0.3; sus alcances en las direcciones D2 y D3 son 120m y 50m
respectivamente, mientras que el alcance en la direccin D1 se pone
infinito de modo de no alterar ms el variograma en esta direccin (esto
equivale a considerar una anisotropa zonal a lo largo de la direccin D1)
(Figura 18C). De manera anloga, para llegar al ltimo hito (meseta 1.5 en
la direccin
D3), basta con agregar un ltimo modelo bsico de meseta 0.2 y alcances
infinitos en las direcciones D1 y D2 y 50m en la direccin D3 (Figura 18D).