Proyecto Geoestadística

Aplicación de la Geoestadística para la

Complementación de Información
Hidrogeológica
13/07/2015

Samantha Julissa Añazco Abad

 Aplicación de la Geoestadística para la Complementación de
Información Hidrogeológica
Samantha Añazco Abad

1.- INTRODUCCIÓN Santiago con dimensiones cercanas a

El presente trabajo tiene como finalidad
aplicar los conocimientos aprendidos en
el curso en la aplicación a datos reales.
Se ha utilizado la permeabilidad de 83
pozos y a través de la herramienta
estadística KRIGING se ha caracterizado
y estimado información respecto a
puntos no medidos en el campo,
utilizando el criterio del variograma y su
ajuste a un modelo teórico que posea
menor error.
2.- DATOS
Los datos utilizados corresponden a
información de ubicación y geométricas del problema, estos pesos
permeabilidad de 83 pozos localizados
en la zona del Maipo Medio en
Santiago, Chile. Ver ANEXO 1. La
geología de la cuenca del río Maipo,
presenta rellenos por sedimentos
fluviales y fluvioglaciales y cenizas
volcánicas, rocas graníticas paleozoicas y
mesozoicas, además de rocas volcánicas
y sedimentarias cretácicas. Aquí se
encuentra una reserva de aguas
subterráneas llamada acuífero de
10.000 millones de metros cúbicos.
3.- ANÁLISIS Y METODOLOGÍA
Hemos utilizado como software
modelador al programa SURFER y
como herramienta de análisis estadístico
al Kriging es una técnica de estimación
que proporciona el mejor estimador
lineal insesgado, y un error de
estimación conocido como varianza del
krigeado que depende del variograma
obtenido y de las ubicaciones de los
datos que se tienen, esta técnica
atribuye un peso específico a cada dato
de acuerdo a las características
son calculados para minimizar la
varianza de la estimación y así
garantizar el uso óptimo de la
información disponible(García,2008) y
en el caso de nuestros datos ayudará a
la generación de estimaciones para
valores de la permeabilidad en diversos
puntos donde no se dispone de algún
pozo que entregue información sobre
esta variable.
Como paso inicial construimos el VARIOGRAMA EXPERIMENTAL
variograma experimental con los UTM AJUSTADO AL MODELO
de los pozos y la permeabilidad en cada EXPONENCIAL
uno.

En SURFER con criterios de tolerancia

de 45 y la dirección de -60(justificado
por la forma cómo están distribuidos los
datos), trabajando con 60 lags de 250
m, considerando como distancia
máxima 15000m elaboramos el
variograma experimental cuya varianza
es 21915.94 m.

VARIOGRAMA EXPERIMENTAL

4.- RESULTADOS

Aplicamos Kriging utilizando como base

nuestro Variograma experimental
ajustado al modelo exponencial, y
podemos visualizar la interpolación en
el siguiente mapa de contornos:

Obtenido este variograma necesitamos

ajustarlo a un modelo teórico
establecido (esférico, exponencial,
gaussiano, potencia, etc.).

Escogí ajustar a los modelos esférico y

exponencial, eligiendo finalmente el
exponencial por presentar menor error.
El ajuste al modelo esférico presenta un
error de 1.15 y al modelo exponencial
de 0.73.
La permeabilidad estimada es: Esto nos permite caracterizar nuestra
zona de estudio y notar cómo está
distribuida la permeabilidad la misma
que está concentrada en un sector
Punt N(m) E(m) Permeabilida determinado.
o d estimada
1 626412 32779 514.80 En las zonas de mayor permeabilidad se
7 7 acumulará por lo tanto más agua y será
2 627368 32195 251.09 factible la construcción de pozos que
7 9 sirven para riego o abastecer a pueblos
3 625845 33371 148.13 cercanos, dependiendo de un estudio
9 9
previo de la química del agua.
4 626675 33515 187.33
0 7 Se debe tener precaución en el manejo
5 626675 32745 89.00 de los datos, ya que mientras más se
0 8
aleja de los pozos conocidos, la
6 626251 32382 260.26
9 1 estimación será menos fiable.
7 626768 32229 190.7
Se consigue definir la importancia de
0 8
contar con una herramienta de
8 627343 32822 193.32
3 0 inferencia de información
9 626598 31620 48.96 hidrogeológica, además de revisar y
8 6 definir diversos métodos existentes para
10 627258 317391 47.54 realizar esta inferencia.
7

5.- CONCLUSIONES 6.-BIBLIOGRAFÍA

Los objetivos propuestos fueron GONZÁLEZ, Concepción.

llevados a cabo exitosamente. Geoestadística. 2008.

Se logra la aplicación del método DÍAZ M., CASAR R. Geoestadística

Kriging para estimar los valores de Aplicada. UNAM, 2009.
permeabilidad en diez ubicaciones
http://servicios2.marm.es/sia/visualizaci
adicionales de las que no se tenía
on/lda/fisico/hidrogeologia_permeabilid
información.
ad.jsp
La permeabilidad del terreno representa
la velocidad a la que un fluido puede
penetrar en él. Si el grado de
permeabilidad de un terreno es alto, el
agua de la lluvia penetrará fácilmente
por sus poros. En cambio, si la
permeabilidad es baja, el agua de la
lluvia tenderá a acumularse en la
superficie o a desplazarse por la misma.
 ANEXOS
1.- Datos de estudio
Coordenadas UTM
Pozo N(m) E(m) Comuna K [m/d]
1 6.266.085 336.885 Bui n 45
2 6.261.055 333.970 Pa i ne 442
3 6.261.480 333.540 Buin 312
4 6.262.440 331.635 Buin 121
5 6.256.945 332.425 Buin 95
6 6.258.950 333.800 Buin 102
7 6.261.335 333.955 Buin 518
8 6.263.060 332.485 Buin 308
9 6.263.820 334.550 Buin 374
10 6.259.105 332.935 Buin 223
11 6.257.065 337.520 Paine 56
12 6.257.010 337.575 Paine 105
13 6.262.400 336.585 Buin 267
14 6.259.285 332.950 Buin 182
15 6.273.250 321.855 Talagante 458
16 6.274.500 321.730 Talagante 119
17 6.273.640 320.970 Talagante 65
18 6.275.700 321.235 Talagante 298
19 6.274.450 321.420 Talagante 173
20 6.275.650 320.800 Talagante 389
21 6.273.350 325.250 Talagante 139
22 6.273.550 326.450 Talagante 197
23 6.274.970 323.980 Talagante 92
24 6.274.570 323.850 Talagante 24
25 6.273.600 326.590 Talagante 136
26 6.274.905 324.040 Talagante 370
27 6.273.640 326.360 Peñaflor 107
28 6.271.650 318.250 Talagante 12
29 6.271.375 318.250 Talagante 26
30 6.272.790 319.250 Talagante 101
31 6.273.080 323.000 Talagante 73
32 6.272.750 322.900 Talagante 167
33 6.272.260 323.210 Talagante 44
34 6.272.260 323.750 Talagante 42
35 6.272.180 323.700 Talagante 61
36 6.273.000 327.800 Talagante 234
37 6.271.000 328.605 Talagante 75
38 6.266.020 325.030 Isla De Maipo 84

39 6.266.970 328.960 Isla De Maipo 193

Isla De Maipo
40 6.265.545 326.585 24
Isla De Maipo
41 6.265.080 326.740 607
Isla De Maipo
42 6.266.170 327.330 396
Isla De Maipo
43 6.264.060 328.855 611
Isla De Maipo
44 6.264.020 329.600 138
Isla De Maipo
45 6.265.830 328.110 476
Isla De Maipo
46 6.263.690 324.730 10
Isla De Maipo
47 6.263.660 324.720 5
Isla De Maipo
48 6.262.410 327.850 575
Isla De Maipo
49 6.259.240 325.660 78
Isla De Maipo
50 6.260.810 326.450 21
Isla De Maipo
51 6.267.610 322.020 236
Isla De Maipo
52 6.263.570 327.560 619
Isla De Maipo
53 6.268.980 327.310 28
Isla De Maipo
54 6.262.000 328.800 142
Isla De Maipo
55 6.262.823 326.053 265
Isla De Maipo
56 6.262.560 324.140 375
Isla De Maipo
57 6.259.097 324.778 47
Isla De Maipo
58 6.260.850 327.550 138
Isla De Maipo
59 6.261.630 328.470 50
Isla De Maipo
60 6.263.625 329.975 160
Isla De Maipo
61 6.261.025 327.400 52
Isla De Maipo
62 6.264.490 330.760 99
Isla De Maipo
63 6.264.220 330.820 54
 Isla De Maipo
64 6.264.600 330.350 131
Isla De Maipo
65 6.264.260 330.880 92
Isla De Maipo
66 6.266.250 313.500 22
Isla De Maipo
67 6.265.791 316.823 16
Isla De Maipo
68 6.266.051 313.327 27
Isla De Maipo
69 6.265.710 317.340 12

70 6.266.533 311.296 Isla De Maipo 35

71 6.266.369 312.729 Isla De Maipo 26

72 6.271.900 300.620 Melipilla 36
73 6.271.820 299.800 Melipilla 1
74 6.272.320 299.940 Melipilla 3
75 6.272.350 299.950 Melipilla 4
76 6.269.460 309.040 El Monte 4
77 6.271.750 310.210 El Monte 11
78 6.269.760 295.080 Melipilla 1
79 6.272.550 294.800 Melipilla 1
80 6.272.050 298.770 Melipilla 1
81 6.275.030 320.360 Talagante 11
82 6.272.464 316.698 El Monte 19
83 6.272.447 316.654 El Monte 25
2.- Ajuste a Modelo Exponencial
3.- Mapa de superficie Krigeada