Estadística comparativa entre datos gravimétricos satelitales y terrestres 459
EstadísticabásicayespacialcomparativaentredatosgravimétricossatelitalesyterrestresenlaFajaPetrolíferadelOrinoco,Venezuela
Yaneth Garzón*, Javier González y Nuris Orihuela
Laboratorio de Interpretación del Subsuelo, Departamento de Geofísica, Universidad Central de Venezuela, Ciudad Universitaria de Caracas, Caracas, Venezuela.
RESUMEN
Se realizó un análisis estadístico comparativo entre valores de anomalía de Bouguer (AB) calculados a partir de modelos combinados con datos satelitales y valores de anomalía de Bouguer basados en datos terrestres en la Faja Petrolífera del Orinoco a través del uso de herramientas estadísticas básicas, la implementación de modelos lineales y métodos geoestadísticos. Para todos los casos se observan similitudes entre los datos satelitales y terrestres en términos numéricos y estadísticos. En general, los dos conjuntos de datos presentan una dependencia lineal positiva mutua, un alto coeficiente de correlación y una tendencia análoga de aumento de la gravedad con la latitud, representada por los modelos lineales planteados. Al establecer un intervalo de confianza del 95% alrededor de los valores estimados en localizaciones no observadas, a partir de datos terrestres, se determinó que en un 90% de los casos los datos satelitales correspondientes cumplen con los límites de incertidumbre establecidos. Estos resultados, aunados a las correspondencias numéricas y espaciales observadas, permitieron validar los datos de satélite como equivalentes a los terrestres. En la Faja Petrolífera las diferencias de cota mayores a 20 metros, la distribución espacial de los datos y el instrumental empleado son las fuentes de error responsables de las diferencias de anomalía de Bouguer encontradas. Adicionalmente, se demostró de forma comparativa que los datos satelitales, al tener una distribución homogénea de las mediciones a lo largo de las zonas en estudio, permiten una mejora sustancial en la representación de los rasgos geológicos observados en los mapas de anomalía de Bouguer.
Palabras clave: Geoestadística, análisis comparativo, datos satelitales, estadística, Faja Petrolífera del Orinoco, Venezuela.
ABSTRACT
In this paper we present a comparative statistical analysis between Bouguer anomaly values calculated from land and satellite data acquisitions in the Faja Petrolífera del Orinoco by using basic statistical tools, linear models and geostatistical methods. Numerical and statistical similarities have been observed between the data sets. In general, the linear models show positive linear dependence, high correlation coefficient and similar increment of gravity with latitude. On the other hand, by proposing a 95% confidence interval around the values of unobserved locations estimated from land data, 90% of the satellite based observations satisfy the established uncertainty limits. These results, added to the
Revista Mexicana de Ciencias Geológicas, v. 28, núm. 3, 2011, p. 459-473
Garzón,Y.,González,J.,Orihuela,N.,2011,EstadísticabásicayespacialcomparativaentredatosgravimétricossatelitalesyterrestresenlaFajaPetrolíferadelOrinoco,Venezuela:RevistaMexicanadeCienciasGeológicas,v.28,núm.3,p.459-473.
Garzón et al.460
numerical and spatial similarities seen before, let us to validate satellite data as equivalent to land data. In the Faja Petrolífera, the sources of error that produce Bouguer anomaly differences between land and satellite data are related to differences on elevation values greater than 20 meters, spatial distribution of data, and set of measure instruments used. Also it was demonstrated that homogeneous distribution of measurements along the selected area is important to obtain a substantial improvements in geological features observed in the Bouguer anomaly maps.
Key words: geostatistics, comparative analysis, satellite data, statistics, Faja Petrolífera del Orinoco, Venezuela.
INTRODUCCIÓN
Actualmente,apartirde lasmisionessatelitaleslacomunidadcientíficatienelacapacidaddeaccederalconocimientodelafísicadelaTierraaescalaglobal,siendo el mayor beneficio la gran capacidad de muestrear informaciónenespacioytiempoconprecisión(BarlieryLefebvre,2001).Esteavanceenlastecnologíasespacialeshadadoinicioaunanuevaetapaenlosestudiosdegravedadterrestre. Específicamente en Venezuela una gran cantidad deinvestigacionesapoyadasenelmétodogravimétricohansidodevitalimportanciaenelcampodelasCienciasdelaTierraporsuaportedeinformaciónvaliosasobrelascaracterísticasgeológico-estructuralesdelsubsuelo.
MisionessatelitalescomoGRACE(GravityRecoveryand Climate Experiment) y CHAMP (ChallengingMinisatellitePayload)hanpermitidorecopilardatosgra-vimétricosymagnéticosdealtaprecisiónyresolución,apartirdeloscualessehangeneradomodelosgravitacionalesdelaTierraenconjuntoconinformaciónterrestre,aéreaysatelitalcontenidaenlabasededatosdeanomalíasgravi-métricasglobales(Pavliset al.,2005).
Engeneral,laestimacióndediversosmodelosgeopo-tenciales(representacióndelpotencialgravitatoriodelaTierra)hasidounodelospropósitosprincipalesdelasmi-sionessatelitales(Rapp,1998).LosModelosGeopotencialesGlobales(MGG)puedenserderivadosdelanálisisdelasmedicionesdelossatélitesúnicamente,osermodeloscom-binadosdeinformaciónsatelital,terrestre,marinayaérea.
EnestudiosrecientesenVenezuela(García,2009),sehangeneradoresultadospreliminaresdebuenacalidadaldisponerdedatossatelitalesgravimétricosdealtaresolu-ciónderivadosdelmodelodegeopotencialEGM2008,quecombinadatosdelamisiónsatelitalGRACE,altimétricos,terrestresymarinos,alcanzandoelgrado2160enlaseriedearmónicosesféricos(Pavliset al.,2008).
Noobstante,esimportanteestablecerunmétododecalificación de estas mediciones satelitales a través de la comparacióncondatosmedidosentierra,compiladosenlasbasesdedatosutilizadasdurantelosúltimos60añospordiversosintérpretes.Conesteobjeto,enestainvestigaciónseempleólageoestadísticacomoherramientafundamentalparalavalidacióndelosdatossatelitalesenfuncióndelosdatosterrestresyestablecersuposicionessobrelosposibleserroresdeobservaciónysuscausasasociadas.
UBICACIÓN DE LA ZONA EN ESTUDIO
ElestudioserealizóeneláreaoccidentaldelaFajaPetrolíferadelOrinococomprendidaporlosmeridianos64°30’Oy68°00’Oylosparalelos7°30’Ny9°15’N.(Figura1).EldatohorizontalusadoestáreferidoalelipsoideWorldGeodeticSystem1984(WGS84),mientrasqueeldato vertical se refiere al nivel medio del mar. Igualmente, seusóelSistemadeCoordenadasUniversalTransverseMercator(UTM)Zona19N.
FUENTE DE LOS DATOS GRAVIMÉTRICOS
Losdatosdegravedadterrestre(Figura1)fueronextraídosdeRodríguez(1977),delcualserecopilaronuntotalde765estacionesdeanomalíadeBouguer(AB),queconteníanadicionalmenteinformaciónrelativaaco-ordenadasytopografía.Delprocesamientodeestosdatosgravimétricos,laúnicainformaciónimplícitaesladensidaddereducción,lacualesiguala2.23g/cm3(valorobtenidoa partir de un perfil de Nettleton realizado en el área). Los datossonpresentadosdirectamenteenAB,porlocualnoesposiblecontarconlosvaloresdegravedadobservadaoriginales,necesariosparareprocesarlosaotradensidaddereducción.
Porotrolado,losdatossatelitalesprocesados(Figura1)fueronobtenidosdeGarcía(2009),loscualesfueronderivadosdelmodelodegeopotencialEGM2008apartirdelaexpansiónentérminosdeseriesdearmónicosesfé-ricos(Pavliset al.,2008;Tapleyet al.,2005).Dentrodeláreaestudiadaselocalizan5724estacionesgravimétricassatelitales,espaciadasunadistanciade3.7km.Estosdatosoriginalmentereducidosconunadensidadde2.67g/cm3
sereprocesaronconunadensidaddeBougueriguala2.23g/cm3,paraadecuarlosalosdatosdeABterrestres.
MUESTREO DE LOS DATOS
LosdatosdeanomalíadeBouguersatelitalyterrestrepresentanresolucióndiferente.Porello,seaplicóunpro-cedimientoespecialalosdatosparallevartodoaunareso-luciónúnica(Figura2).Esteprocesosehizoprogramandounarutinaquepermitiómuestrearsolamenteaquellosdatos
Estadística comparativa entre datos gravimétricos satelitales y terrestres 461
Esta
cion
este
rres
tres
Esta
cion
essa
telit
ales
2500
00
2500
050
000
met
ros
WG
S84
/UTM
zona
19N
-15
1725
4861
8711
716
8
met
ros
-67°
30'
-67°
-66°
30'
-66°
-65°
30'
-65°
-64°
30'
-68°
-67°
30'
-67°
-66°
30'
-66°
-65°
30'
-65°
7°45'8°8°15'8°30'8°45'9°9°15'
7°45'8°8°15'8°30'8°45'9°9°15'
Figu
ra1
.Map
ade
ubi
caci
ónd
ela
zon
aen
est
udio
ym
apa
deu
bica
ción
de
las
esta
cion
esg
ravi
mét
ricas
.Los
triá
ngul
osd
eco
lorv
iole
tare
pres
enta
nla
ses
taci
ones
terr
estre
sy
los
punt
osn
egro
sla
lo
caliz
ació
nde
lase
stac
ione
ssat
elita
les.
Nót
ese
lam
ayor
cob
ertu
rad
elo
sdat
ossa
telit
ales
resp
ecto
alo
ster
rest
res.
Garzón et al.462
Muestreo de los datos
Estadística Básica
Análisis de regresión
Cambio de resolución
Descriptivos Histogramas Gráfico QQ Gráfico de percentiles Prueba K-S
Remoción de tendencias Evaluación de residuales
Mapa de variograma Variograma experimental Variograma teórico
Mapa de varianza Intervalos de confianza
Validación de datos satelitales
Estimación por Kriging
Geoestadística
Normal Scores
satelitalesconunequivalenteentierra,parapoderhacerlacomparaciónestadísticapuntoapunto.Esteprocedimientoconsistió en la selección de un punto de satélite y la defi-nicióndeunaventanademuestreodondesebuscanlospuntosdetierracontenidosdentrodeella.Posteriormente,secalculaunpromediodelospuntosterrestresponderadoporelinversodelcuadradodeladistanciayseasignaese
valoralpuntosatelitalescogido.Luegodeaplicarlarutinademuestreoprogramada
enR Project,seobtuvieronuntotalde596datosdesatéliteconalmenosunpuntoequivalenteentierra.
METODOLOGÍA ESTADÍSTICA
Unavezllevadoslosdatosaresoluciónúnica,secom-pararonlosdatossatelitalesylosdatosterrestresempleandoprocesosestadísticosadecuadosqueseesquematizaneneldiagramadelaFigura3.
Laestadísticabásicacomprendióelcálculodelosdescriptivosbásicos,asícomolageneracióndeloshistogra-mas de frecuencia y gráficos Cuantil - Cuantil (Q-Q) para evaluarnuméricamenteelcomportamientodelasvariablesimplicadas,enfuncióndesudistribucióndeprobabilidad,comparándolaconunadistribuciónnormal.
Elanálisisderegresiónserealizóaplicandomodeloslineales con la finalidad de observar tendencias en conjunto entre las variables gravimétricas, topográficas y geográficas. Alremoverlastendenciasserealizólaevaluacióndelosresidualescorrespondientesparadeterminarsisecontinuabaelprocesoosielmodeloplanteadosatisfacíalasvariabili-dadesencontradasparacadacaso.
La metodología geoestadística empleada está
Ventana de Muestreo Puntos de satélite igualmente espaciados
Puntos de tierra
X
Sentido de recorrido
Figura2.Esquemadelprocedimientoparamuestrearlosdatosdesatélitey tierra. Se selecciona un punto de satélite y a partir de la definición de unaventanademuestreosebuscanlospuntosdetierracontenidosdentrodeella.Luegosecalculaunpromediodelospuntosterrestresponderadoporelinversodelcuadradodeladistanciayseasignaesevaloralpuntosatelitalescogido.
Figura3.Metodologíaestadísticaempleadadurantelacomparaciónnuméricayespacialdelosdatossatelitalesyterrestres.Comprendeestadísticabásica (histogramas, descriptivos, entre otros), la aplicación de modelos lineales sobre diversas variables y finalmente el uso de la geoestadística como herramientadecomparaciónnuméricayespacial.
Estadística comparativa entre datos gravimétricos satelitales y terrestres 463
Datos fuera de rango
Datos terrestres
Datos satelitales
µ-2σ
µ+2σ
Inte
rval
o 95
%
b)
µ-2σ µ µ+2σ
0.0
0.1
0.2
0.3
0.4
Intervalo 95%
Dato fuera de rango
Observaciones satelitales
Intervalo 95% = µ±2σ
-3σ -2σ -1σ µ 1σ 2σ 3σ
0.0
0.1
0.2
0.3
0.4
34.1% 34.1%
13.6% 13.6%2.1%2.1%
0.1% 0.1%
a)
c)
conformadaporcuatropasosprincipales.Enprincipio,segeneróelmapadevariogramadelavariableencuestión,conelobjetivodedeterminarlasdireccionesprincipalesdeanisotropía(máximaymínimacontinuidad).Luegoapartirdeestasdireccionessegeneraronlosvariogramasexperimentalesqueseajustaronconmodelosteóricosconunosparámetrosdados,comoetapaantecedentealprocesodekriging.
Finalmente,elcálculodelavarianzaalmomentoderesolverlasecuacionesdekrigingpermitióestablecerintervalos de confianza alrededor de los valores estimados (95%)ydeterminarquéporcentajedelosdatosseencuen-trandentrodeloslímitesdeincertidumbredelavariable(Figura4).
Losdatosgravimétricosseanalizaronempleandoel
softwaredeprogramaciónestadísticaR(RDevelopmentCoreTeam,2009)ylospaquetesdeanálisisgeoestadísticoSP(PebesmayBivand,2005)ygstat(Pebesma,2004).
RESULTADOS
Estadísticos básicos y modelos lineales
Serealizólaestadísticadescriptivadelosdatossa-telitalesyterrestresmuestreadospreviamente(Tabla1),dondeseobservanlosvaloresporintervalodelosdatosdeanomalíadeBouguersatelitalesyterrestres.
Segeneraronademásparacadavariableelhistogramade frecuencia y gráfico Q-Q para evaluar cualitativamente
Figura4.Métododeloslímitesdeincertidumbre.a:Cadaestimacióncontieneinformaciónsobresudistribuciónentérminosdesumediayvarianza,conlo cual se puede definir el intervalo de 95% equivalente a sumar o restar a la media dos veces la desviación estándar. b: Una vez definidas las superficies de incertidumbre se verifica si la correspondiente a los datos satelitales se encuentra dentro de los límites establecidos o si se encuentran fuera de rango (zona encolorgris).c:Undatofueraderangoequivaleaqueseencuentreporfueradeladistribucióndelaestimacióndelpuntoterrestrecorrespondiente.
Garzón et al.464
AB satelital
Frec
uenc
ia
-60 -40 -20 0 20 40
050
100
150
AB terrestre
Frec
uenc
ia
-60 -40 -20 0 20 40
050
100
150
a)
-3 -2 -1 0 1 2 3
-40
-20
020
40
Cua
ntile
s ob
serv
ados
c)
b)
Cua
ntile
s ob
serv
ados
-3 -2 -1 0 1 2 3
-60
-40
-20
020
40d)
Cuantiles normales
Cuantiles normales
ladistribucióndelosdatosdeanomalíadeBouguer(Figura5).Conbaseenlainspecciónvisual,sepuedeobservarqueamboshistogramasmuestrandistribucionessimilaresyelgráfico Q-Q presenta un ajuste modesto a la recta teórica normal.Porotrolado,lapruebaKolmogorov-Smirnov(K-S)apuntaalrechazodelahipótesisqueindicaquelasdistribucionesdeestasvariablessonnormales.Sinembar-
go,sedecidiócontinuarelanálisisteniendoencuentaestacondiciónparalasecuacionesdekriging.
Dadalasimilitudenladistribucióndelasvariables,se realizó un gráfico de dispersión para determinar el gra-dodedependencialineal.LaFigura6muestralarelaciónpositivalinealqueexisteentreABsatelitalyABterrestre,la ecuación que la describe y el valor del coeficiente de
Variable (n=596) Mín. 1er. cuartil Mediana Media 3er. cuartil Máx. Desv. estándar
Cotassatelitales(m) 7.0 79.0 122.0 118.4 151.0 310.0 47.8Cotasterrestres(m) 29.6 75.2 123.3 119.7 150.3 315.6 51.6ABsatélite(mgal) -55.9 -5.1 4.5 2.7 13.8 36.5 15.5ABterrestre(mgal) -59.3 -9.7 1.2 -0.1 10.1 37.0 15.4
Tabla1.EstadígrafosdescriptivosbásicosdelascotasyanomalíadeBouguer(AB)delosdatossatelitalesyterrestres.
Figura 5. Histogramas de frecuencia para AB satelital (a) y AB terrestre (b) y Gráficos Q-Q para AB satelital (c) y AB terrestre (d). Nótese la similitud entrelasdistribucionesdelasvariablesyelajusterelativoalasrectasnormalesteóricas.
Estadística comparativa entre datos gravimétricos satelitales y terrestres 465
evaluareltipodedistribuciónpresenteenestosdatos.LasdiferenciasdeanomalíadeBouguer(Figura7)muestranunajusteaproximadamentenormalyunaasimetríapositivaenel caso de las diferencias de cotas. Igualmente, se presentan algunosvaloresextremosnegativosypositivos,loscualesademás pueden verse en el gráfico Q-Q distorsionando el ajusteconladistribuciónnormalteórica.
Modelos lineales para diferencias de anomalía de Bouguer y cota
Como primer paso se realizó el gráfico de dispersión diferenciasdeABcontradiferenciasdecota,elcualnomostró tendencias claras, por lo que se decidió verificar la existenciadealgunatendenciadependientedeotrasvaria-bles,enestecasodelalongitudylatitud.(Figura8)
Seplantearondosmodeloslinealesenfuncióndelalatitudylongitud,paradiferenciasdecotayanomalíadeBouguer.Enamboscasos,nilalongitudnielinterceptosonsignificativos; es decir, las diferencias de cota y anomalía dependensolodelalatitud.Losnuevosmodelos,solamenteconlalatitud,semuestranenlasTablas3y4.Paralosdoscasos, la latitud tiene una alta significancia estadística dentro delmodeloentérminosdelp-valorylosresidualestienenvaloresmediosmuycercanosacero.Sinembargo,elbajovalor del coeficiente de ajuste encontrado para ambos casos (R2=0.057yR2=0.050),implicaquesolamenteun5%delavariabilidaddelosdatosestásiendoexplicadaporestatendencia.Engeneral,sepodríadecirquenoexistedepen-dencia lineal significativa.
LasdiferenciasdecotayABtienenunacomponentesistemáticadevariabilidadendirecciónnorte-sur,traducidaenladisminuciónconincrementosenlalatitud.Enelcasodelascotasestatendenciapuedeserproducidaporalgunafuentedeerrordependientedelalocalización.ParaABserelacionaconlavariaciónconlalatituddelascotasyunposibleefectodearrastredelsatéliteduranteelrecorrido
ajuste(R2=0.883),elcualalserelevadoimplicaqueambasvariablessecomportanespacialmentedeformasimilar.Asimismo, el coeficiente de correlación lineal obtenido es de0.94,indicandoqueABsatelitalyABterrestreestánnotablemente correlacionadas. Igualmente, el valor del in-terceptodelaecuacióndelmodelolineal(-2.6322)muestraqueexisteunasubvaloraciónsistemáticadelaABsatelitalrespectodelaABterrestre.
Diferencias de anomalía de Bouguer
Uno de los objetivos de la investigación era cuantificar ycaracterizarlasdiferenciasentrelosconjuntosdedatos.LasdiferenciassecalcularonrestandoelvalorsatelitalasuvalordeequivalenteentierraparaAByelevación.
SiloserroresquecausanlasdiferenciasentrelosdatosdeanomalíadeBouguerycota(satelitalyterrestre)fuesencasualesoaleatorios,losvaloresdeberíansernormalescentradosencero.Paraevaluarestosehaceusodelosdescriptivosbásicos,quesonmostradosenlaTabla2.LasdiferenciasdeABpresentanunamediade2.8miligales,locualesconsistenteconladesviaciónsistemáticaencontra-daparaelmodelolinealplanteadoenlaFigura6paraABsatelitalyABterrestre.
Luego,serealizaronelhistogramadefrecuenciay el gráfico Q-Q para las diferencias de cota y AB, para
Coef. de Ajuste = 0.883y = 0.9373x - 2.6322
-60 -40 -20 0 20 40
-40
-20
020
40
AB terrestre (mgal)
AB
sate
lital
(mga
l)
Figura 6. Gráfico de dispersión de anomalía de Bouguer (AB) satelital contraABterrestre.Seobservaunabuenadependencialinealpositivaentrelas variables, representada con un coeficiente de ajuste R2=0.883.
Variable (n=596) Mín. 1er. cuartil Mediana Media 3er. cuartil Máx. Desv. estándar
DiferenciaAB -24.1 -0.3 2.8 2.8 5.5 19.3 5.2DiferenciaCota -77.8 -14.6 -0.6 -1.3 8.3 165.9 27.6
Tabla2.EstadígrafosdescriptivosbásicosdelasdiferenciasdecotasyanomalíadeBouguer(AB)delosdatossatelitalesyterrestres.
R2 0.057 Estimado Desv. est.Error
Valor t Pr(>|t|)
Coeficientes Intercepto 135.5 22.7 5.9 4.2e-09Lat -15.8 2.6 -6.0 2.9e-09
Residuales Min. 1Q Mediana 3Q Máx.-78.8 -13.0 1.4 11.1 149.5
Tabla3.Resumendelosvaloresdelmodelolinealplanteadoparadife-renciasdecota.
Garzón et al.466
Diferencias AB
Frec
uenc
ia
-20 -10 0 10 20
050
100
150
200
250
Diferencias de cota
Frec
uenc
ia
-50 0 50 100 150
050
100
150
200
-3 -2 -1 0 1 2 3
-20
-10
010
20
Cua
ntile
s ob
serv
ados
-3 -2 -1 0 1 2 3
-50
050
100
150
Cua
ntile
s ob
serv
ados
a)
b)
c)
d)
Cuantiles normales
Cuantiles normales
norte-surporlaórbitacorrespondiente.Unavezexpuestaslastendencias,seretirandelos
datosyseobtienenlosresiduales,loscuales,sedistribuyennormalmenteconsusvalorescentradosencerocomolomuestran los histogramas y gráficos Q-Q de la Figura 9, cumpliendoconelprincipiodeestacionariedad.Alremo-ver las tendencias el coeficiente de correlacíón entre los residualesaumenta.
Enresumen,losresultadosanterioresindicanquepar-tedelasdiferenciasentrelosdatosdetierraydesatélitesedebenaunatendenciasistemáticanorte-surenlaestimacióndelatopografía.
Geoestadística: Kriging
Normalización de los datos terrestres a partir de conteo normal (normal score)
Frecuentemente,enCienciasdelaTierra,sehacelasuposicióndequelavariableestudiadapresentaunadis-tribucióndeprobabilidaddetiponormal.Peroenmuchasocasionesestaconjeturapuedeserobjetadaalemplearpruebasestadísticasnoparamétricas(comolapruebaK-S),lascualesnosuponenunadistribucióndeprobabilidadparalosdatos.LosdatosdeABterrestreoriginalessinmues-trear(762estaciones)fueronsometidosalapruebaK-S,
Figura 7. Histograma de frecuencia para (a) diferencias de anomalía de Bouguer (AB) y (b) diferencias de cota. Gráficos Q-Q para (c) diferencias de ABy(b)diferenciasdecota.NótesequelasdiferenciasdeABpresentanunadistribuciónaparentementenormalyunbuenajustealasrectasnormalesteóricas.Paralascotashayvaloresextremospositivosquesesganladistribución.
Estadística comparativa entre datos gravimétricos satelitales y terrestres 467
obteniéndoseunp-valoriguala0,conlocualserechazólahipótesisdenormalidad.
Unavezdeterminadaenlosdatosgravimétricosterres-treslaausenciadenormalidad,setransformaronapartirdenormal scoresempleandolafórmuladeBlom(1958),conlafinalidad de forzarlos a seguir una distribución normal. Para loscálculosbasadosnormalidaddelosdatos(incluyendoelkriging),seutilizaronlosvalorestransformados,perodespuésfuenecesariorealizarlatransformacióninversaem-pleandounmétodobasadoenlamediamóvil,querequeríalosdatosterrestresoriginalesysufuncióndedistribucióndeprobabilidadacumuladaylosdatosterrestresestimadosporelkriging.
Variografía
Para realizar la variografia correspondiente previa al kriging,seemplearonlosdatosdetierraysatelitalesnor-malizados.Paraello,segeneraronlosmapasdevariogramaparaevaluardireccionespreferencialesdecontinuidad(Figura10).Losvaloresempleadosparaelcutoffodis-tanciamáximadealcancedelvariogramaywidthoanchodelasventanasdebusquedadepuntos,fueronde1.3y0.07,respectivamente.Sedeberecordarquelasunidadesdedistanciasongrados,yaqueasíestánexpresadaslascoordenadas de ubicación. Igualmente, se observó que la tendenciademayorcontinuidadparalosdatosdetierraysatelitalesestáa320°(gradosapartirdelnorte)ylademenorcontinuidada230°.
Posteriormente,serealizaronlosvariogramasexperi-mentalesenlasdosdireccionesprincipalesdecontinuidadobservadasenelmapaprevio.Ladistanciamáximadealcancefuede1.1yelanchodelaventanadebúsqueda
iguala0.06paraamboscasos.Elpasosiguientefueajustarunvariogramateóricoal
experimental (Figura 11). El modelo final de mejor ajuste utilizadoparalosdosconjuntosdedatosfueunmodeloes-férico.Losparámetrosdeajusteparaelvariogramaterrestrefueron:meseta(sill)=0.97,efectopepita(nugget)=0,rango=0.95yrelaciónRangoMenor/RangoMayoriguala0.69(elipsedeanisotropía).Porotrolado,losdatossatelitalesseajustaronconunsillde0.98,nuggetcero,rangomayoriguala0.97yrelaciónRangoMenor/RangoMayoriguala0.76.Esevidentequeelajustedelvariogramaexperimentalconelmodeloelegidonoesapropiadoenladireccióndemínimacontinuidadporlomenosparaelcasoterrestre,yaplicandolosmodelosteóricosplanteadosquedaunaanisotropíazonalnoresuelta(característicaporlasmesetasdistintasenlasdireccionesprincipalesdecontinuidad).Algunosautoresrecomiendanunacombinacióndemodelosanidadosparaaproximarelcomportamientodeanisotropíazonal.Elobjetivoprincipalesmodelarlacontinuidadapar-tir de la suma de estructuras isotrópicas, es decir, especificar estructurasenelmodelodecovarianzaquecontribuyanexclusivamenteendireccionesparticularesparaqueseincrementelamesetasoloenéstasdirecciones(DeutschyJournel, 1992; Goovaerts, 1997; Chilès y Delfiner, 1999).
Desafortunadamente,nofueposibleemplearlosmo-delosanidadosofrecidosporelpaquetegstatdebidoaqueelajustealosvariogramasempíricosesbastantemodestoycareceaparentementedefuncionesquepermitanvisuali-zarmodelosdevariogramascomplejos.Porlotanto,noseconsiderólaanisotropíazonalparaelprocesodekrigingyseajustólamesetasolamenteparaladireccióndemáximacontinuidad.
Estimación por kriging
Unavezobtenidalavariografía,seprocedióalaesti-maciónporkrigingparaABterrestre.Paraestasestimacio-nespuntualesseempleócomomalladodedestinolamismadistribucióndelocalizacionessatelitales,aefectosdepoderrealizarpuntoapuntolacomparaciónposterior.
La Figura 12 corresponde a los mapas finales, produc-todelapredicciónhechaporelkrigingparaABterrestreysatelital.Enelcasoterrestre(Figura12a),esnotablever
-50 0 50 100 150
-20
-10
010
20
Diferencias de cota
Dife
renc
ias d
e AB
Figura 8. Gráfico de dispersión diferencias de anomalía de Bouguer (AB) contradiferenciasdecota.Nóteselaausenciadetendenciasclaras.
R2 0.050 Estimado Desv. est.Error
Valor t Pr(>|t|)
Coeficientes Intercepto 28.2 4.5 6.2 7.9e-10Lat -2.9 0.5 -5.6 2.7e-08
Residuales Min 1Q Median 3Q Max-27.7 -2.8 0.3 3.0 15.5
Tabla4.Resumendelosvaloresdelmodelolinealplanteadoparadiferen-ciasdeanomalíadeBouguer.
Garzón et al.468
Residuales diferencias AB
Frec
uenc
ia
-30 -20 -10 0 10 20
050
100
150
200
Residuales diferencias cota
Frec
uenc
ia
-50 0 50 100 150
050
100
150
200
-3 -2 -1 0 1 2 3
-20
-10
010
Cua
ntile
s ob
serv
ados
-3 -2 -1 0 1 2 3
-50
050
100
150
Cua
ntile
s ob
serv
ados
Cuantiles normales
Cuantiles normales
quepresentaengeneralsuavestendenciasymuypocapre-senciaderuido,dadoquelosdatostienenunadistribuciónmuy agrupada en perfiles, con amplias áreas vacías de datos dondelasestimacionesvienendadasporlospromediosdepuntosalejados.ElmapadeABsatelital(Figura12b),muestra la influencia de dos efectos regionales muy mar-cadosconampliosgradienteshacialaregióncentraldelmapayendirecciónE-OyNO-SE,hechoquecontrastaconelcomportamientodelasisoanómalasenelmapaABterrestregeneradoapartirdelkriging,dondeladirec-ciónpreferencialesNO-SEyseenmascaratotalmentelatendenciaE-O.
Figura9.a:Histogramadefrecuenciapararesidualesdelmodelolinealplanteadoparadiferenciasdecota;b:residualesdelmodelolinealparadiferenciasde anomalía de Bouguer (AB). Gráfico Q-Q para residuales de diferencias de cota (c) y residuales de diferencias de AB (d). Nótese que presentan una distribuciónaparentementenormalcentradaenceroyunbuenajustealasrectasnormalesteóricas,cumpliendoconelprincipiodeestacionariedad,locualimplicaquenoquedantendenciaslinealesporremover.
Deigualmanera,laFigura13,correspondientealmapadeprofundidadaltopedebasamentodelazonaela-boradoapartirdedatosdelevantamientosaeromagnéticos,datosgravimétricoseinformacióngeológicadelsubsueloobtenidadelospozoubicadosenelárea(Rodríguez,1977),guardaunaaltacorrespondenciaconlarespuestagravi-métricaobservadaenelmapadeanomalíasdeBouguersatelital.Evidentemente,elenmascaramientodelefectoregionalvistoenlastendenciasdelmapadeABterrestre,puedeestarrelacionadoconlaausenciadedatosenalgunaszonas, dado que los datos fueron adquiridos en perfiles aproximadamenteN-S.
Estadística comparativa entre datos gravimétricos satelitales y terrestres 469
dx
dy
-1.0
-0.5
0.0
0.5
1.0
-1.0 -0.5 0.0 0.5 1.0
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
dx
dy
-1.0
-0.5
0.0
0.5
1.0
-1.0 -0.5 0.0 0.5 1.0
0.0
0.5
1.0
1.5
a) b)
Distancia
Sem
ivar
ianz
a
0.5
1.0
1.5
2.0
0.2 0.4 0.6 0.8 1.0
230
0.2 0.4 0.6 0.8 1.0
320
Distancia
Sem
ivar
ianz
a
0.5
1.0
0.2 0.4 0.6 0.8 1.0 1.2
230
0.2 0.4 0.6 0.8 1.0 1.2
320
a)
b)
Figura10.MapadevariogramaparaanomalíadeBouguersatelital(a)yanomalíadeBouguerterrestre(b).Sepresentanlasdireccionesdemáximaymínimacontinuidadcorrespondientes,lascualessonsimilaresparaambosconjuntosdedatos.
Figura11.VariogramaexperimentalyteóricoanomalíadeBouguersatelital(a)yanomalíadeBouguerterrestre(b).Paralasdireccionesdemáximaymínima continuidad (gráficos a derecha e izquierda, respectivamente) el comportamiento es análogo entre los datos terrestres y satelitales.
Garzón et al.470
25000 0 25000 50000
metrosWGS 84 / UTM zona 19N -61 39-11 -4 1 4 6 9 11 13 17 20 24
mgal
7°45
'8°
8°15
'8°
30'
8°45
'9°
9°15
'7°30'
7°45'8°
8°15'8°30'
8°45'9°
9°15'
-67°30' -67° -66°30' -66° -65°30' -65° -64°30'
-68° -67°30' -67° -66°30' -66° -65°30' -65°
-3
0-2
0- 1 0
01-
0 1
10
1 0
1 0
01
1 0
10
10
01
0 2
02
02
2 0
20
2 0 20
3 0
30
3 0
3 0
0
0
0
0
b)
25000 0 25000 50000
metrosWGS 84 / UTM zona 19N -61 39-11 -4 1 4 6 9 11 13 17 20 24
mgal
7°45
'8°
8°15
'8°
30'
8°45
'9°
9°15
'7°30'
7°45'8°
8°15'8°30'
8°45'9°
9°15'-67°30' -67° -66°30' -66° -65°30' -65° -64°30'
-68° -67°30' -67° -66°30' -66° -65°30' -65°
-4
0
-20
-1
0
- 1 0
01-
0
0
0
0
0
0
0
1 0
01
01
01
01
01
20
2 0
2 0
30
Figura12.a:MapadeanomalíadeBouguerterrestreestimadoapartirdekriging,tomandocomoreferencialaslocalizacionessatelitales.SeobservaaprioriunatendenciaregionalmarcadaendirecciónNO-SE.b:MapadeanomalíadeBouguersatelitalestimadoempleandokriging.NóteselastendenciasregionalesmarcadasendirecciónNO-SEyE-O;estaúltimaseencuentraenmascaradaenelmapadeanomalíadeBouguerterrestreestimado.
a)
Estadística comparativa entre datos gravimétricos satelitales y terrestres 471
25000 0 25000 50000
metrosWGS 84 / UTM zona 19N
-4000 -3400 -2800 -2200 -1600 -1000 -400metros
7°45
'8°
8°15
'8°
30'
8°45
'9°
9°15
'
7°30'7°45'
8°8°15'
8°30'8°45'
9°9°15'
-67°30' -67° -66°30' -66° -65°30' -65° -64°30'
-68° -67°30' -67° -66°30' -66° -65°30' -65°
Intervalos de confianza
Apartirdelosvalorespuntualesdevarianzageneradosporelkriging, se calcularon las superficies asociadas a los intervalos de confianza alrededor de los valores estimados paralosdatosdetierra(incertidumbrepermitida)paraunintervalodel95%.
La finalidad de esta prueba era comprobar que las medicionesdeABsatelitalseencontrabandentrodedi-chointervalopermitido.Hayquetomarencuentaquelosintervalos de confianza están sujetos a la geometría de los datosyquelaszonasdebajavarianzasonaquellasdondeseubicanmásdatos.
Loscálculosindicanqueconun90%deprobabilidadlosdatosdesatélitecumplenconesacondición.LaFigura14 muestra los datos fuera del intervalo de confianza (cír-culosamarillos)yubicacióndelospuntoscondiferenciasdecotamayoresa20m(cuadroscelestes)sobreelmapadevarianzaparaABterrestre.Enelmapatressituacionescompletamentedistintaspuedenobservarse:
Laprimera,señaladaporlosóvalosblancos,corres-pondeconaquellaszonasdevarianzamínima(dondeseubican los datos). En estas zonas, el intervalo de confianza esreducidoylasdiferenciasentrelosdatosterrestresysate-litalestiendeasermásnotoria;porlotanto,laprobabilidaddequelosdatosestimadosseubiquenfueradelintervalo
de confianza es mayor. No obstante, existen diferencias de cotaentrelasfuentesporencimadelos20metrosporloquelasdiferenciasencontradasentrelosvaloresdeanomalíasatelitalesyterrestresenestospuntosestimadospuedenestarasociadasconestasdiferenciasdecota.
Lasegunda,enmarcadaenrectángulospunteados,representaregionesdondenoexistíandatosdetierraorigi-nalmenteyquefueronestimadosapartirdelkrigingperoconunavarianzamuyalta,porencimadelos120mgal2.Enestecasolosdatosdesatélitesonlosdatosquedeberíanconsiderarsecomorobustos,dadoqueseencuentranalolargodetodaelárea.
Porúltimo,losóvalosnegrossonáreasquecontienendatosoriginalesdetierraydondelasdiferenciasdecota,alserinferioresa20metros,norepresentanunfactordeerror significativo en la estimación de AB. Se cree que el factor instrumental pudiera estar influyendo, sin embargo, no se dispone de información suficiente para cuantificar erroresasociadosadichacausaenningúnespaciodeláreadeestudio.
Ladistribuciónespacialinherentealosdatosutili-zadospararealizarlosmapasesimportanteparaobtenerresultadosdecalidadquepermitanestablecerinterpreta-cionessólidasyprecisasdelcomportamientogravimétricoenprofundidaddelasestructuraspresentesendeterminadazonadeestudio.Esimportantegenerarmapascondatos
Figura 13. Mapa de profundidad al tope de basamento a partir de datos aeromagnéticos, gravimétricos y de geología de superficie estimada a partir de mínimacurvatura.NóteselatendenciaenprofundidadendirecciónE-O,locualescoincidenteconelcomportamientoencontradoenelmapasatelitalde anomalía de Bouguer. Modificado de Rodríguez (1977).
Garzón et al.472
25000 0 25000 50000
metrosWGS 84 / UTM zona 19N
679
1011131517192123252729323437394245485255586164677075818895
103112121131142157
mgal^2Datos fuera del intervalo Estaciones con diferencias de cota
mayores a 20 metros
7°45
'8°
8°15
'8°
30'
8°45
'9°
9°15
'
7°30'7°45'
8°8°15'
8°30'8°45'
9°9°15'
-67°30' -67° -66°30' -66° -65°30' -65° -64°30'
-68° -67°30' -67° -66°30' -66° -65°30' -65°
distribuidosdelaformamásregularposible,característicaprincipaldelosdatosdeorigensatelital,lacualnosiempreesposibleencontrarendatosadquiridosentierra.
Apartirdetodoelestudioestadísticopreviosemos-tróquelosdatosgeneradospormedidassatelitalestienenventajassobrelosdatosadquiridostradicionalmenteentierra,enlorelacionadoconlahomogéneadistribucióndelosdatosmedidos,dadoquelaincertidumbreasociadaalempleodelosdatossatelitalesesmenoralaincertidumbreobtenidaalutilizardatosterrestresinterpoladosapartirdepocasobservaciones.
CONCLUSIONES
LosdatosdeABsatelitalyterrestrepresentandistri-bucionesdefrecuenciasimilaresymediantelastransforma-cionesnecesariasseajustanalosestándaresdenormalidadnecesariosparalageneracióndelmapaapartirdekriging.El coeficiente de correlación entre las variables es de 0.93 ypresentanunarelaciónlinealcreciente.
LasdiferenciasdeABtienenunacomponentesistemá-tica de variación con la latitud, que aunque poco significativa en términos de coeficiente de ajuste, debió ser estimada para serremovidaantesdelprocesodekriging.Dichatendenciapuedeestarrelacionadaconelefectodearrastredelsatéliteduranteelrecorridonorte-surporlaórbitacorrespondienteylavariacióndelascotasenestadirección.
Elanálisisgeoestadísticoapuntaaquealestablecerintervalos de confianza del 95% alrededor de los datos terrestres,losdatosdelmodelocombinadocondatossate-litalesseencuentrandentrosdeestoslímitesenun90%deloscasos.El10%dedatosfueraderangopuedeserexpli-cadoapartirdediferenciasdecotamayoresa20metros,elinstrumentalempleadodurantelaadquisición,problemasdebordeydeestimacióndelpredictordebidoalaausenciadedatosenciertaszonas.
Esprimordialademáselaprovechamientodelastec-nologíasespacialesparalosestudiosdegravedadterrestre.Los beneficios inherentes a estas adquisiciones satelitales son innegables y se han puesto de manifiesto en esta investi-gación:datosdecalidad,libresdecostoycondisponibilidadcasi inmediata a la comunidad científica.
REFERENCIAS
Barlier,F.,Lefebvre,M.,2001,AnewlookatplanetEarth:Satellitegeodesyandgeosciences,enBleeker,J.A.M.,Geiss,J.,Huber,M.C.E.(eds.),TheCenturyofSpaceScience:Dordrecht,Holanda,KluwerAcademicPublishers,1623-1651.
Blom,G.,1958,StatisticalEstimatesandTransformedBeta-Variables:NewYork,JohnWiley&Sons,176pp.
Chilès, J., Delfiner, P., 1999, Geostatistics-Modeling Spatial Uncertainty: NewYork,JohnWiley&Sons,720pp.
Deutsch, C., Journel, A., 1992, GSLIB: Geostatistical Software Library and User’sGuide:NewYork,OxfordUniversityPress,340pp.
García,A.,2009,MapasdeAnomalíadeBougueryAnomalíaMagnética
Figura 14. Ubicación de los puntos con diferencias de cota mayores a 20 m (rectángulos celestes) y datos fuera del intervalo de confianza (círculos amarillos)sobreelmapadevarianzadekrigingparaanomalíadeBouguerterrestre.Losóvalosblancossonzonasdemínimavarianzacondiferenciasdecotamayoresa20metros.Losrectángulospunteadosrepresentanregionesconestimacionesdekrigingconvarianzaalta.Losóvalosnegrossonáreasdondelasdiferenciasdecotasoninferioresa20metrosylavarianzaesmuypequeña.
Estadística comparativa entre datos gravimétricos satelitales y terrestres 473
deVenezuelaelaboradosapartirdedatossatelitales:Caracas,Venezuela,UniversidadCentraldeVenezuela,tesispregrado,173pp.
Goovaerts,P.,1997,GeostatisticsforNaturalResourcesEvaluation:NewYork,OxfordUniversityPress,483pp.
Pavlis,N.,Holmes,S.,Kenyon,S.,Schmidt,D.,Trimmer,R.,2005,APreliminaryGravitationalModeltoDegree2160:JournalofGeodesy,79,467-478.
Pavlis,N.,Holmes,S.,Kenyon,S.,Factor,J.,2008,AnEarthGravitationalModeltoDegree2160:EGM2008,en2008GeneralAssemblyoftheEuropeanGeosciencesUnion,Vienna,Austria,Abril,13-18.
Pebesma,E.,2004,MultivariablegeostatisticsinS:thegstatpackage:Computers&Geosciences,30,683-691.
Pebesma,E.,BivandR.,2005,ClassesandmethodsforspatialdatainR:RNews,5(2),9-13.
RDevelopmentCoreTeam,2009,R:Alanguageandenvironmentforstatisticalcomputing:RFoundationforStatisticalComputing:Vienna,Austria,disponibleen:<http://www.R-project.org>,consultadoel17deJuliode2010.
Rapp,R.,1998,Pastandfuturedevelopmentsingeopotentialmodeling,enForsberg,R.,Feissel,M.,DietrichR.(eds.),GeodesyontheMove:Berlin-NewYork,SpringerVerlag,58-78pp.
Rodríguez, I, 1977, Proyecto “Investigación de la Faja Petrolífera del Orinoco por métodos geofísicos no convencionales”, Fase I: Caracas, Instituto Tecnológico – Foninves, reporte técnico, 103 pp.
Tapley,B.,Ries,J.,Bettadpur,S.,Chambers,D.,Cheng,M.,Condi,F.,Gunter,B.,Kang,Z.,Nagel,P.,Pastor,R.,Pekker,T.,Poole,S.Wang,F.,2005,GGM02-AnimprovedEarthgravitymodelfromGRACE:JournalofGeodesy,79,467-478.
Manuscritorecibido:Febrero17,2011Manuscritocorregidorecibido:Mayo23,2011Manuscritoaceptado:Junio7,2011