ANISOTROPIA

1. Ejemplos

2. Deteccin

3. Tratamiento

Prediccin
1.
2.
3.

Ejemplos de otros mtodos

determinsticos
Kriging
Calidad de las predicciones

Ejemplo 1. Conductividad Elctrica

V
V
V
V

La conductividad elctrica es la capacidad de un

medio o espacio fsico de permitir el paso de la
corriente elctrica a su travs. Se mide tanto
en suelos como en acuferos, como indicador de
salinidad (las plantas empiezan a ser afectadas
negativamente si el contenido de sales excede
el 1%). Pueden causar anisotropa, factores
como
Temperatura,
Viento
Agua,
Presencia de vegetacin densa.

Ejemplo 2. La madera
La madera est formada por diferentes tejidos
que realizan diferentes funciones y que originan
que su estructura no sea homognea. Esta
heterogeneidad da lugar a lo que se conoce
como anisotropa, que es el comportamiento
diferente de sus propiedades fsicas y mecnicas
segn la direccin que se considere. La afectan
por ejemplo, la
humedad relativa
temperatura del aire
La resistencia y la elasticidad son mucho mas
elevadas en la direccin paralela al eje del rbol
que en la direccin perpendicular.

Ejemplo 3. Geofsica
En la bsqueda de recursos energticos
del subsuelo, son de inters geofsico
ciertas irregularidades y estructuras bajo
la superficie terrestre llamados cuerpos
fuente.
Estos,
son
causantes
de
anisotropa horizontal y vertical pues se
diferencian en su
Densidad
Magnetismo
Flujo de calor .

Proceso Z(.) anisotrpico

El proceso Z(.) es anisotrpico, si la
dependencia entre Z(s) y Z(s+h) es una
funcin tanto de la magnitud como de la
direccin del vector h.
La dependencia espacial se puede medir con
la correlacin, la covarianza o mas
generalmente con la semivarianza.

Deteccin de la anisotropa
Evaluar si la continuidad geogrfica y la
forma y parmetros del semivariograma
dependen de la direccin, a travs de:

Clculo de correlogramas, covariogramas y

semivariogramas en diferentes direcciones
Diagrama de Rosa
Anlisis de factores dinmicos que influyen
Asesora del experto (gelogo, agrnomo,
Ingeniero ambiental)

Fenmeno espacial con

semivariograma anisotrpico
semivariograma experimental vertical

semivarianza

semivarianza

semivariograma experimental horizontal

Semivariograma experimental 30

semivarianza

semivarianza

Semivariograma experimental 45

Anisotropa Geomtrica
Difieren solamente en el rango
45
40
35
30
25
20
15
10
5
0
0

100

200

Gaussiano(210)

300

400

Gaussiano (400)

500

600

Diagrama de Rosa

Anisotropa Geomtrica

Una anisotropa
cuando:

1.

Los semivariogramas tienen la misma

forma y silla pero diferentes valores de
rango, y
El diagrama de rosa de los rangos, es
una elipse

2.

se

dice

geomtrica

Diagrama de Rosa

Anisotropa Geomtrica
:

:
2

es medido en grados desde el eje Y en el sentido

de las manecillas del reloj

es el ngulo de menor direccin de anisotropa

a
a 1 : razn de anisotropa

 Anisotropa Geomtrica
(semivariograma lineal)

1
b

45
40
35
30
25
20

h=0

0
(h; ) =
c0 + b h

15
10

h0

5
0
0

10

15

20

25

Correccin de la anisotropa
geomtrica
En el caso de 2 ;
La correccin de la anisotropa consiste en
transformar las coordenadas originales h h x ,h y

en las nuevas coordenadas h

h ,h

, en

las cuales el semivariograma ser isotrpico.

Correccin de la anisotropa
geomtrica
De esta forma, un modelo de semivariograma anisotrpico,
se identifica con un modelo isotrpico en el nuevo sistema
de coordenadas, esto es,
h |h |

con

|h |

h 2

donde |h | es un modeloisotrpico con un rango igual al

rango menor a de anisotropa

Notas
1.

2.
3.

4.

Los dos parmetros clave de la transformacin

de coordenadas son el ngulo de mxima
continuidad y la razn de anisotropa.
La isotropa es un caso particular de la
anisotropa geomtrica cuando 1
La direccin de mayor anisotropa es la mxima
continuidad o mxima variabilidad y en esta
direccin el muestreo debe ser mas denso.
El experto muchas veces conoce la direccin de
mayor anisotropa y esto ayuda para el diseo
de muestreo.

Algoritmo
1.

Rotacin de los ejes coordenados

h
2.

cos sen

sen

cos

hx

hy

La elipse es re-escalada a un crculo de

radio igual al menor rango de anisotropa

h
h

1 0
0

h
h

Ejemplo:
Correccin anisotropa geomtrica
Sea h un modelo de semivariograma esfrico que
presenta anisotropa, entonces el valor del modelo
anisotrpico en varias direcciones es igual al valor
delmodelo isotrpico de rango a :

3 h 1 h
(h; ) = c0 + c s

2 a 2 a

c0 + c s

h =0
0< h a
h >a

Modelo Corregido
3
h'
h'
3
1
cs

( h ) = 2 a 2 a

cs

h' =

a
a

(h ) + (h )
'

<1

'

h a
h >a

( h ) + ( h )
2

Anisotropa Zonal
Una

anisotropa es zonal, cuando

los valores de las sillas varan con
la direccin.
Ejemplo:
En
una
direccin
especfica, tiene mayor rango y
tambin mayor silla

Anisotropa Zonal
Difieren solamente en la silla
45
40
35
30
25
20
15
10
5
0
0

100

200

Gaussiano(a=210,Cp=30)

300

400

500

Gaussiano (a=210;Cp=20)

600

Anisotropa Hbrida
45
40
35
30
25
20
15
10
5
0
0

100

200

Gaussiano(a=210,Cp=30)

300

400

500

Gaussiano (a=400;Cp=20)

600

Correccin Anisotropa Zonal

1 |h| 2 h

1 |h|

Algoritmo
1. Rotar los ejes coordenados en la direccin de
mxima continuidad (perpendicular a la de mayor
silla o varianza). Esto es equivalente al primer
paso en la anisotropa geomtrica.
h
h

cos sin

hx

sin

hy

cos

Algoritmo
1. Los nuevos ejes son re-escalados al modelo zonal
de tal forma que no contribuyan a la direccion de
mxima continuidad

h
h

1 0

0 0

Ejemplo

Ejemplo
easting (x)

northing (y)

head (altura pezomtrica)

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

Diagrama Ilustrativo Acufero

Mapa de Contornos
3400
3200
150

3000
2800
2600
2400

100

2200
2000
1800
1600

50

1400
1200
1000
-100

-50

50

100

Mapa de Gradientes
3500
3400
3300
3200
3100
3000
2900
2800
2700
2600
2500
2400
2300
2200
2100
2000
1900
1800
1700
1600
1500
1400
1300
1200
1100

150

100

50

-100

-50

50

100

Mapa por clases

150

100

1024
1464
1729
2158
2575

50

-100

-50

50

100

to
to
to
to
to

1464
1729
2158
2575
3572

Mapa de ubicacin
1476
1402
1364

1384
1415
1231
1386
1161
1089 1092
10301376

1024

1735
1865
150

1777
1771
1579

1408
1527

1038
1332

1464

2200

1437
1306

2003
100
3571

50
3490

2650

2158
23002238
2455

2533

2811
2798
3136 2553
2728
2691
2946

2648
2560
2468
2575
2400
25402386
2352
2544
2528
2736
2646
2432
2729
2766

3510
-100

1722

2553

2594

-50

1702

1757
2118
1828

1756
1736
1805
1466
1638
1797
1729
1714

1868
1674
1739
1999
1680
1682
1806
50

1725

1611
1548
1591

100

Mapa en 3D
3200
3000
2800
2600
2400
2200
2000
1800
1600
1400
1200

Grfico de Tendencia en 3D

Semivariograma Experimental
Omnidireccional
Column C: head
Direction: 0.0 Tolerance: 90.0
250000

Variogram

200000

150000

100000

50000

0
0

10

20

30

40

50
Lag Distance

60

70

80

90

100

Semivariograma Experimental
Direccional
Column C: head
Direction: 45.0 Tolerance: 10.0
400000

350000

300000

Variogram

250000

200000

150000

100000

50000

0
0

10

20

30

40

50
Lag Distance

60

70

80

90

100

Semivariograma Experimental
Direccional
Column C: head
Direction: 30.0 Tolerance: 10.0
300000

250000

Variogram

200000

150000

100000

50000

0
0

10

20

30

40

50
Lag Distance

60

70

80

90

100

Semivariograma Experimental
Direccional
Column C: head
Direction: 90.0 Tolerance: 10.0
300000

250000

Variogram

200000

150000

100000

50000

0
0

10

20

30

40

50
Lag Distance

60

70

80

90

100

Semivariograma Experimental
Direccional
Column C: head
Direction: 0.0 Tolerance: 10.0

250000

Variogram

200000

150000

100000

50000

0
0

10

20

30

40

50
Lag Distance

60

70

80

90

100

Semivariograma Experimental
Direccional
Column C: head
Direction: 135.0 Tolerance: 10.0
110000

100000

90000

80000

Variogram

70000

60000

50000

40000

30000

20000

10000

0
0

10

20

30

40

50
Lag Distance

60

70

80

90

100

Column C: head
Direction: 0.0 Tolerance: 90.0

Modelo definitivo

250000

200000

Variogram

150000

100000

h 6520 10. 6 h

50000

0.5
41.6 o
0
0

10

20

30

40

50
Lag Distance

60

70

80

90

100

1.97

Vecino mas cercano

Mtodo del Vecino mas cercano

"Dados N puntos en el plano, encontrar el vecino mas cercano a cada punto."
Diremos que el vecino ms cercano de un punto A dentro de un conjunto de
puntos S ser B si y solo si la distancia considerada entre dichos puntos es la
mnima distancia existente entre el punto A y cualquier otro punto dentro del
conjunto S:
dist (A,B) = min dist(A,C).

CSA

Este conjunto de puntos lo podremos representar en el plano como un grafo

dirigido donde si B es el nodo del grafo mas cercano a un nodo A tambien
perteneciente al grafo entonces uniremos ambos nodos con un arco que ir desde
el nodo A a B. En la siguiente figura tenemos varios ejemplos:

Mtodo del vecino mas cercano

Mapas de Voronoi

Mtodo de la Distancia Inversa

elevada a una potencia
La prediccin de Z s j con el mtodo de la distancia inversa
a una potencia es
n

Z s j

Zshi
i1
n

ij

h1
i1

ij

donde
h ij |s i s j |
parmetro potencia
potencia ptima (minimiza el error de prediccin)

Distancia Inversa

Validacin Cruzada (IDW)

Validacin Cruzada
El m to do mas us ado pa ra verificar la calidad de los r esultados
as como la valide z d e los s up ue s tos he chos pa ra la pr e diccin
e s e l de va lidacin c ruzada. Consiste en ex tr aer de la muestra
los n datos per o uno a la vez, par a con los n 1 r estantes
pr e de cir e l valor de la var iable e n la ubicac in e xtr ada; as , s e
elimina la fila corr espondiente a Z ( si ) , se encuentr a Z ( si ) con
los n 1 datos r e s tante s , se ca lcula e l e r r or de pr e diccin pa ra
cada una de las ubicaciones: Z ( si ) Z ( si ) . T ambin s e pue de
lle var a cabo un diag ra ma de dis pe r sin de lo s datos
obser vados contr a cada una de sus r espectivas pr edicciones;
esto es, gr aficar todas las parejas ( Z ( si ) , Z ( si ) ) ; si las
pr e diccione s s o n ac e ptable s e s ta nub e de punto s de be r a
te nde r a una lne a re c ta de pe ndie nte 4 5 .

Kriging (Universal)

Validacin cruzada