anisotropia
DESCRIPTION
Buena FundamentacionTRANSCRIPT
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 1/53
ANISOTROPIA
1. Ejemplos2. Detección
3. Tratamiento
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 2/53
Predicción
1. Ejemplos de otros métodosdeterminísticos
2. Kriging3. Calidad de las predicciones
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 3/53
Ejemplo 1. Conductividad EléctricaLa conductividad eléctrica es la capacidad de unmedio o espacio físico de permitir el paso de la
corriente eléctrica a su través. Se mide tantoen suelos como en acuíferos, como indicador desalinidad (las plantas empiezan a ser afectadasnegativamente si el contenido de sales excede
el 1%). Pueden causar anisotropía, factorescomo
Temperatura,
Viento
Agua,
Presencia de vegetación densa.
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 4/53
Ejemplo 2. La maderaLa madera está formada por diferentes tejidosque realizan diferentes funciones y que originanque su estructura no sea homogénea. Estaheterogeneidad da lugar a lo que se conocecomo anisotropía, que es el comportamientodiferente de sus propiedades físicas y mecánicas
según la dirección que se considere. La afectanpor ejemplo, lahumedad relativatemperatura del aire
La resistencia y la elasticidad son mucho maselevadas en la dirección paralela al eje del árbolque en la dirección perpendicular.
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 5/53
Ejemplo 3. GeofísicaEn la búsqueda de recursos energéticos
del subsuelo, son de interés geofísicociertas irregularidades y estructuras bajola superficie terrestre llamados cuerposfuente. Estos, son causantes deanisotropía horizontal y vertical pues sediferencian en su
Densidad
Magnetismo
Flujo de calor .
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 6/53
Proceso Z(.) anisotrópico
El proceso Z(.) es anisotrópico, si la
dependencia entre Z(s) y Z(s+h) es unafunción tanto de la magnitud como de la
dirección del vector h.
La dependencia espacial se puede medir con
la correlación, la covarianza o masgeneralmente con la semivarianza.
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 7/53
Detección de la anisotropíaEvaluar si la continuidad geográfica y la
forma y parámetros del semivariogramadependen de la dirección, a través de:
Cálculo de correlogramas, covariogramas ysemivariogramas en diferentes direcciones
Diagrama de Rosa
Análisis de factores dinámicos que influyen Asesoría del experto (geólogo, agrónomo,
Ingeniero ambiental)
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 8/53
Fenómeno espacial con
semivariograma anisotrópico
semivariograma experimental hor izontal
h
s e m i v a r i a n z a
semivariograma experimental vertical
h
s e m i v a r i a n z a
Semivariograma experimental 45
h
s e m i v a r i a n z a
Semivariograma exper imental 30
h
s e m i v a r i a n z a
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 9/53
Anisotropía Geométrica
0
5
10
15
20
25
30
35
40
45
0 100 200 300 400 500 600
Gaussiano(210) Gaussiano (400)
Difieren solamente en el rango
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 10/53
Diagrama de Rosa
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 11/53
Anisotropía Geométrica Una anisotropía se dice geométrica
cuando:
1. Los semivariogramas tienen la misma
forma y silla pero diferentes valores derango, y
2. El diagrama de rosa de los rangos, es
una elipse
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 12/53
Diagrama de Rosa
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 13/53
…Anisotropía Geométrica: es medido en grados desde el eje Y en el sentido
de las manecillas del reloj
2: es el ángulo de menor dirección de anisotropía
a
a
1 : razón de anisotropía
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 14/53
… Anisotropía Geométrica
(semivariograma lineal)
0
5
10
15
20
25
30
35
40
45
0 5 10 15 20 25
h
( )⎩⎨⎧
≠+
==
0
0 0;
0 hhbc
hh θ γ
1b
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 15/53
Corrección de la anisotropía
geométrica
En el caso de 2;
La corrección de la anisotropía consiste en
transformar las coordenadas originales h h x,h y′
en las nuevas coordenadas h ′ h′ ,h
′ ′
, en
las cuales el semivariograma será isotròpico.
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 16/53
…Corrección de la anisotropía
geométricaDe esta forma, un modelo de semivariograma anisotrópico,
se identifica con un modelo isotrópico en el nuevo sistema
de coordenadas, esto es,
h →
′|h ′
|
con |h ′ | h′
2 h
′ 2
donde ′|h ′ | es un modeloisotrópico con un rango igual al
rango menor a de anisotropía
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 17/53
Notas1. Los dos parámetros clave de la transformación
de coordenadas son el ángulo de máximacontinuidad y la razón de anisotropía.
2. La isotropía es un caso particular de laanisotropía geométrica cuando
3. La dirección de mayor anisotropía es la máximacontinuidad o máxima variabilidad y en estadirección el muestreo debe ser mas denso.
4. El experto muchas veces conoce la dirección demayor anisotropía y esto ayuda para el diseñode muestreo.
1
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 18/53
Algoritmo1. Rotación de los ejes coordenados
2. La elipse es re-escalada a un círculo deradio igual al menor rango de anisotropía
h′
h′
h′
1 0
0 .
h
h
h h
h
cos −sen
sen cos.
h x
h y
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 19/53
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 20/53
Ejemplo:
Corrección anisotropía geométricaSea h un modelo de semivariograma esférico que
presenta anisotropía, entonces el valor del modeloanisotrópico en varias direcciones es igual al valor
delmodelo isotrópico de rango a :
( )
⎪⎪⎪
⎩
⎪⎪⎪
⎨
⎧
>+
≤<
⎥
⎥
⎦
⎤
⎢
⎢
⎣
⎡
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛ −+
=
=
ahcc
aha
h
a
hcc
h
h
s
s
0 2
1
2
3
0 0
;
0
3
0
θ γ
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 21/53
Modelo Corregido
( )
3
h' h'3 1 h2 2h
h
s
s
c aa a
c a
φ φ γ
⎧ ⎡ ⎤⎛ ⎞
⎪ ⎢ ⎥− ≤⎜ ⎟⎪ ⎜ ⎟⎢ ⎥= ⎨ ⎝ ⎠⎣ ⎦⎪
>⎪⎩
( ) ( ) ( ) ( )2 2 2 2' 'h' h h h h
1a
a
φ θ φ θ
φ
θ
λ
λ
= + = +
= <
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 22/53
Anisotropía Zonal
Una anisotropía es zonal, cuandolos valores de las sillas varían conla dirección.
Ejemplo: En una direcciónespecífica, tiene mayor rango y
también mayor silla
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 23/53
Anisotropía Zonal
0
5
10
15
20
25
30
35
40
45
0 100 200 300 400 500 600
Gaussiano(a=210,Cp=30) Gaussiano (a=210;Cp=20)
D i f i e r e n s o l am e n t e e n l a s i l l a
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 24/53
Anisotropía Híbrida
0
5
10
15
20
25
30
35
40
45
0 100 200 300 400 500 600
Gaussiano(a=210,Cp=30) Gaussiano (a=400;Cp=20)
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 25/53
Corrección Anisotropía Zonal
1|h| 2h
1|h|
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 26/53
Algoritmo
1. Rotar los ejes coordenados en la dirección de
máxima continuidad (perpendicular a la de mayor
silla o varianza). Esto es equivalente al primer paso en la anisotropía geométrica.
h
h
cos − sinsin cos
h x
h y
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 27/53
…Algoritmo
1. Los nuevos ejes son re-escalados al modelo zonal
de tal forma que no contribuyan a la direccion de
máxima continuidad
h
′
h′
1 00 0
h
h
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 28/53
Ejemplo
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 29/53
Ejemploeasting (x) northing (y)
head (altura pezométrica)
por debajo del nivel del mar
42,78275 127,62282 1464
-27,39691 90,78732 2553
-1,16289 84,896 2158
-18,61823 76,45199 2455
96,46549 64,58058 1756
108,56243 82,92325 1702
88,36356 56,45348 1805
90,04213 39,2582 1797
93,17269 33,05852 1714
97,61099 56,27887 1466
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 30/53
Diagrama Ilustrativo Acuífero
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 31/53
Mapa de Contornos
-100 -50 0 50 100
50
100
150
1000
1200
1400
1600
1800
2000
2200
2400
2600
2800
3000
3200
3400
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 32/53
Mapa de Gradientes
-100 -50 0 50 100
50
100
150
1100120013001400150016001700
1800190020002100220023002400
25002600270028002900300031003200330034003500
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 33/53
Mapa por clases
1024 to 1464
1464 to 1729
1729 to 2158 2158 to 2575
2575 to 3572
-100 -50 0 50 100
50
100
150
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 34/53
Mapa de ubicación
3490
3571
3510
3136
2691
2650
2533
2946
2811
27982553
2594
2728
1735
1865
2553
2200
1476
2766
1771
2729
1579
2736
1777
1364
2455
23522528
2432
2540
2468
1402
2575
2003
2560238625442400
21582300
2648
1527
2646
2238
1408
1024
2118
1464
1828
1999
1386
10891161
1739
1415
1757
1231
1437
1868
1306
1384
1674
10301092
1680
1722
16821806
1376
1038
1805
179717291638
1714
1756
14661736
161115481591
1332
1702
1725
-100 -50 0 50 100
50
100
150
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 35/53
Mapa en 3D
1200
1400
1600
1800
2000
2200
2400
2600
2800
3000
3200
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 36/53
Gráfico de Tendencia en 3D
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 37/53
Semivariograma Experimental
Omnidireccional
0 10 20 30 40 50 60 70 80 90 100Lag Distance
0
50000
100000
150000
200000
250000
V a r i o g r a m
Direction: 0.0 Tolerance: 90.0Column C: head
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 38/53
Semivariograma Experimental
Direccional
0 10 20 30 40 50 60 70 80 90 100
Lag Distance
0
50000
100000
150000
200000
250000
300000
350000
400000
V a r i o g r a m
Direction: 45.0 Tolerance: 10.0Column C: head
S
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 39/53
Semivariograma Experimental
Direccional
0 10 20 30 40 50 60 70 80 90 100
Lag Distance
0
50000
100000
150000
200000
250000
300000
V a r i o g r a m
Direction: 30.0 Tolerance: 10.0
Column C: head
S i i E i t l
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 40/53
Semivariograma Experimental
Direccional
0 10 20 30 40 50 60 70 80 90 100
Lag Distance
0
50000
100000
150000
200000
250000
300000
V a r i o g a
m
Direction: 90.0 Tolerance: 10.0
Column C: head
S i i E i t l
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 41/53
Semivariograma Experimental
Direccional
0 10 20 30 40 50 60 70 80 90 100
Lag Distance
0
50000
100000
150000
200000
250000
V a r i o g a
m
Direction: 0.0 Tolerance: 10.0
Column C: head
S i i E i t l
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 42/53
Semivariograma Experimental
Direccional
0 10 20 30 40 50 60 70 80 90 100
Lag Distance
0
10000
20000
30000
40000
50000
60000
70000
80000
90000
100000
110000
V a r i o g a
m
Direction: 135.0 Tolerance: 10.0
Column C: head
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 43/53
Modelo definitivo
h′
6520
10.6 h
′ 1.97
0.5
41.6o
0 10 20 30 40 50 60 70 80 90 100
Lag Distance
0
50000
100000
150000
200000
250000
V
a r i o g r a m
Direction: 0.0 Tolerance: 90.0
Column C: head
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 44/53
Vecino mas cercano
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 45/53
Método del Vecino mas cercano"Dados N puntos en el plano, encontrar el vecino mas cercano a cada punto."
Diremos que el vecino más cercano de un punto A dentro de un conjunto depuntos S será B si y solo si la distancia considerada entre dichos puntos es lamínima distancia existente entre el punto A y cualquier otro punto dentro delconjunto S:
dist (A,B) = min dist(A,C). C ∈ S – A
Este conjunto de puntos lo podremos representar en el plano como un grafodirigido donde si B es el nodo del grafo mas cercano a un nodo A tambienperteneciente al grafo entonces uniremos ambos nodos con un arco que irá desdeel nodo A a B. En la siguiente figura tenemos varios ejemplos:
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 46/53
Método del vecino mas cercano
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 47/53
Mapas de Voronoi
Método de la Distancia Inversa
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 48/53
Método de la Distancia Inversa
elevada a una potenciaLa predicción de Z ̂ s j con el método de la distancia inversa
a una potencia es
Z ̂ s j
∑i1
n Z si
hij
∑i1
n1
hij
donde
h ij |s i − s j |
parámetro potencia
potencia óptima (minimiza el error de predicción)
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 49/53
Distancia Inversa
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 50/53
Validación Cruzada (IDW)
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 51/53
Validación CruzadaEl mé todo mas us ado para verificar la calidad de los resultados
así como la validez de los supuestos hechos para la predicción
es el de validación cruzada. Consiste en extraer de la muestralos n datos pero uno a la vez, para con los 1n − restantes
predecir e l valor de la var iable en la ubicac ión e xtraída; as í, s e
elimina la fila correspondiente a ( )i Z s , se encuentra ( )ˆi Z s con
los 1n − datos restantes, se calcula el error de predicción para
cada una de las ubicaciones: ( ) ( )ˆi i Z s Z s− . También se puede
llevar a cabo un diagrama de dispersión de los datos
observados contra cada una de sus respectivas predicciones;
esto es, graficar todas las parejas ( ) ( )( )ˆ ,i i
Z s Z s ; si las
predicciones son ac eptable s e s ta nube de puntos debe r ía
tender a una línea rec ta de pe ndiente 45º .
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 52/53
Kriging (Universal)
7/17/2019 Anisotropia
http://slidepdf.com/reader/full/anisotropia-568dec8f9f764 53/53
Validación cruzada