Geoestatística

Variogramas

Maranhão, 1983 (pg. 101)

Yamamoto, 2001 (cap. 4)
 Variogramas
• A análise geoestatística é uma etapa
fundamental da avaliação de reservas por
métodos geoestaísticos.
 Variogramas
• A análise geoestatística é uma etapa
fundamental da avaliação de reservas por
métodos geoestaísticos.

• É desta analise que se obtém a ferramenta

básica da estimativa por meio de krigagem
ordinária - o variograma.
 Variogramas
• Os depósitos minerais apresentam-se na
natureza com variabilidade característica.

• Os teores podem apresentar variabilidade

regular ou até aleatória.
 Variogramas

• A krigagem, como método de interpolação na

avaliação de recursos/reservas minerais, só
deve ser utilizada quando o variograma
experimental for estruturado,

• Estruturado é não ter distribuição totalmente

aleatória.
 Variogramas
• Escola francesa, liderada por Matheron
(62 e 63) verificou que com muita
frequencia a distribuição dos teores em
um minério é regida por uma expressão
matemática, embora esta expressão nem
sempre seja clara, e só pode ser
materializada com a construção de
variogramas.
 Variogramas
• Amostras 1, 2, 3 alto teor e n-2, n-1, n baixo
teor.

1 2 3 4 n-3 n-2 n-1 n

 Variogramas
• Amostras 1, 2, 3 alto teor e n-2, n-1, n baixo
teor.
• Na prática, a amostra 4 quase sempre
apresenta um valor mais elevado que a n-3,
evidenciando que estão presas às amostras
situadas nas suas proximidades.

1 2 3 4 n-3 n-2 n-1 n

 Variogramas

• São as representações gráficas das

funções de distribuição de teor e/ou
conteúdo, e expressam o aumento da
variância (S2) com o incremento da
distância na amostragem.
 Variogramas
• Exemplo: em um depósito as amostras são
retiradas com equidistância X → variância = Y

1 2 3 4 n-3 n-2 n-1 n

X
 Variogramas
• Exemplo: em um depósito as amostras são
retiradas com equidistância X → variância = Y
• Se a equidistância passar a X+h → Y’

1 2 3 4 n-3 n-2 n-1 n

x+h
 Variogramas
• Exemplo: em um depósito as amostras são
retiradas com equidistância X → variância = Y
• Se a equidistância passar a X+h → Y’
• Se passar a X + 2h → Y ‘’

1 2 3 4 n-3 n-2 n-1 n

X + 2h
 Variogramas
• Colocar em gráfico, na abcissa os valores de
distância x, x+h, x+2h e na ordenada os valores
correspondentes a variância em escala
aritmética,
 Variogramas
• Colocar em gráfico, na abcissa os valores de
distância x, x+h, x+2h e na ordenada os valores
correspondentes a variância em escala
aritmética,

• a função de distribuição do teor ou conteúdo

estará graficamente

• representada por variogramas.

 Variogramas
• Estágio inicial dos trabalhos de pesquisa:
• Teor e espessura podem ser obtidos:

• Sondagem superficial, regularmente

espaçada;
• Na amostragem: mínimo de 25 observações,
• Para se ter boa indicação da lei intrínseca
da distribuição da mineralização.
 Variogramas
Desenvolvimento ou avaliação da reserva:

• Calcular o variograma por amostras de

canal,
• Paredes das galerias longitudinais,

Amostras mais numerosas e tem pequena

equidistância em relação a malha de
sondagem!
 Variogramas
• Para obtenção dos diferentes valores de
variância com a modificação da distância
de amostragem:
S21 = _1_ somatório de (Zk+1 – Zk)2 S2d Variância
n-1
para as
diferentes
S22 = _1_ somatório de (Zk+2 – Zk)2 distâncias
n-2 (d),
n número de
S23 = _1_ somatório de (Zk+3 – Zk)2 amostras,
n-3 Z o teor.
 Variogramas
• Exemplo: em um depósito as amostras são
retiradas com equidistância X → variância = Y
• Se a equidistância passar a X+h → Y’
• Se passar a X + 2h → Y ‘’

1 2 3 4 n-3 n-2 n-1 n

X
X + 2h
x+h
Calcular as variâncias:

S21 = _1_ Σ (Zk+1– Zk)2

n-1

S22 = _1_ Σ (Zk+2 – Zk)2

n-2

S23 = _1_ Σ (Zk+3 – Zk)2

n-3
• Variograma longitudinal em relação ao teor (curva T), Acumulação
(a) e potência (h) do depósito de wolframita de Laouni.
 Por que variáveis regionalizadas?
• Representam os valores de variáveis
referenciadas geograficamente, introduzidas
para descrever quantitativamente variações
espaciais em um corpo de minério.
 Por que variáveis regionalizadas?
• O que são: Representam os valores de
variáveis referenciadas geograficamente,
• São introduzidas para descrever
quantitativamente variações espaciais em
corpos de minério.

• as variáveis regionalizadas são dependentes

de suas posições espaciais relativas e
também se pode medir estas variações
espaciais.
 Por que variáveis regionalizadas?
• Considere a seguinte série de números:
Série A 1 7 3 6 2 9 4 8 5
Série B 1 3 5 7 9 8 6 4 2
 Por que variáveis regionalizadas?
• Considere a seguinte série de números:
Série A 1 7 3 6 2 9 4 8 5
Série B 1 3 5 7 9 8 6 4 2
série média variância
A 5 6,67
B 5 6,67

• As características estatísticas são idênticas,

entretanto as duas séries são bem diferentes, pois
resultam de dois tipos distintos de mineralizações.
 Por que variáveis regionalizadas?
• A estatística clássica não consegue
reconhecer a diferença entre as duas séries.

• Porque considera as amostras

independentes entre si!

• Se considerarmos a posição espacial relativa

de cada amostra pode-se distinguir as duas
séries!
 Por que variáveis regionalizadas?

• Utilizar a soma do quadrado das diferenças,

que divido pelo número de pares, dá sentido a
uma medida de variância com significado
espacial, pois é dependente da distância
utilizada.
• Σ (1-7)2 ...
 Construindo um variograma
Série A 1 7 3 6 2 9 4 8 5
Série B 1 3 5 7 9 8 6 4 2
• variância espacial para 1 intervalo de amostragem:

A: (1-7)2+(7-3)2+(3-6) 2+(6-2)2+(2-9)2+(9-4)2+(4-8)2+
+(8-5)2 /8=22

B:(1-3)2+(3-5)2+(5-7)+(7-9)2+(9-8)2+(8-6)2+(6-4)2 +(4-
2)2 /8= 3,63
 Construindo um variograma
Série A 1 7 3 6 2 9 4 8 5
Série B 1 3 5 7 9 8 6 4 2
• variância espacial para 2 intervalo de amostragem:

A: (1-3)2+(3-2)2+(2-4)+(4-5)2+(7-6)2+(6-9)2+(9-8)2/7=3

B: (1-5)2+(5-9)2+(9-6)+(6-2)2+(3-7)2+(7-8)2+(8-4)2/7=
12,87
 Construindo um variograma
• Calculando-se a variância espacial até 4
intervalos de amostragem tem-se:

Intervalo de Variância Variância

amostragem espacial A espacial B

1 22,0 3,63
2 3,0 12,86
3 23,67 23,83
4 3,80 29,60
 Construindo um variograma
• Calculando-se a variância espacial até 4
intervalos de amostragem tem-se:
Intervalo de Variância Variância
amostragem esp. A esp. B
1 22,0 3,63
2 3,0 12,86
3 23,67 23,83
4 3,80 29,60

A
B
◄
Variância espacial em função dos intervalos de amostragem para as séries A e B
 Interpretando um variograma
• Série A muito errática
e a B mais uniforme,
• Em B as var. esp.
aumentam com o
intervalo de
amostragem, pois
correlação entre os
valores diminui com a
distância.
• Comportamento A
desejado em todo B
corpo de minério.
 Interpretando um variograma
Como verificar se há série média variância
correlação espacial dos A 5 6,67
dados: B 5 6,67
• Calcular a variância
espacial para um
intervalo de amostragem
e compará-la com a
variância amostral.
• Se a variância espacial
for menor, há correlação,
A
caso contrário não. B

►
 Interpretando um variograma
Intervalo de Variância Variância Variância
amostragem esp. A esp. B série média
amostral
1 22,0 3,63
A 5 6,67
2 3,0 12,86
3 23,67 23,83 B 5 6,67
4 3,80 29,60

A
B
►
 Variável regionalizada
• É qualquer função numérica com uma distribuição
espacial que varia de um lugar para o outro com
continuidade aparente, mas cujas variações não
podem ser representadas por uma função
determinística.

• Em geologia, todas as observações quantitativas

feitas em duas ou três dimensões (área ou volume)
sejam geoquímicas, geofísicas, sedimentológicas,
são exemplos de variáveis regionalizadas.
 Variável regionalizada
A maioria das variáveis regionalizadas apresenta:
• um aspecto aleatório – variações irregulares e
imprevisíveis;

• Um aspecto estruturado – reflete as características

estruturais do fenômeno regionalizado;

• Uma estimativa deve levar em consideração as

duas características aparentemente contraditórias,

• Por uma representação simples da variabilidade

espacial.
 Variável regionalizada
conceito básico na teoria das V.R. ⇒ Hipótese
intrínseca:
Uma função (a intrínseca) descreve o
comportamento espacial da variável regionalizada
dentro do espaço.

Função intrínseca ⇒ é o semivariograma

 Variável regionalizada
Características qualitativas das V.R. que os
métodos estatísticos convencionais não
conseguem reconhecer:

• Localização V.R. depende da função espacial

relativa no depósito (campo geométrico)
Depende do tamanho da amostra, forma e orientação

• Suporte (unidade amostral básica) V.R. centrada

em uma área ou volume (não num ponto)
 Variável regionalizada
Características qualitativas das V.R. que os
métodos estatísticos convencionais não
conseguem reconhecer:
• Continuidade ponto a ponto, variação espacial da
V.R. pode ser grande ou pequena
• Anisotropia variações graduais numa direção e
rápida ou irregular em outra.

• Fenômenos de transição descontinuidades nas

bordas de lentes ou camadas
 O variograma
• É a ferramenta básica que permite
descrever quantitativamente j de um
fenômeno regionalizado.

• A função variograma é 2γ(h) e a

• semivariograma de γ (h).
 O variograma
A função variograma é 2γ(h)
esperança matemática do quadrado da
diferença entre os valores de pontos no
espaço, separados por uma distância h,
conforme a seguinte expressão:
n
2γ(h)= 1/n . Σ [ Z (x + h) – Z (x) ]2
i=1
 O variograma

n
2γ(h)= 1/n . Σ [ Z (x + h) – Z (x) ]2
i=1

n – números de pares de pontos separados por uma

distância h;
Z(x) valor da V. R. no ponto x
Z(x + h) valor da V. R. no ponto x +h
 O variograma
Como na estatística clássica pode se definir a
média e a variância de uma V.R.

m = E [ Z (x) ] Var E [ Z (x) - m]2

a variância é conhecida como C(0)

(covariância para distância de separação
nula)
Covariância C(h) entre pontos separados por
uma distância h
γ(h)= C(0) – C(h) (depois de muita dedução)
 O variograma
Como a função variograma é uma medida da
variância das diferenças nos valores da V.R.
entre pontos separados por uma distância h:

Pontos mais próximos (mais correlacionados )

⇒ variância pequena
Pontos mais distantes ⇒ variância maior

γ(h) é vetorial – se faz para várias direções do

depósito
 Propriedades do variograma

γ(h)
Campo Campo
estruturado aleatório
C0+ C Patamar
Variância
espacial

Co
Variância
Aleatória ou h
Efeito pepita a= amplitude
 Propriedades do variograma
• Amplitude
• Patamar
• Efeito Pepita γ(h)
Campo Campo
• Variância espacial estruturado aleatório
C0+ C Pata
mar
Variância
• É a extensão espacial

da zona de Co

influência Variância
aleatória
a= amplitude h
 Amplitude
• Distância a partir da qual as amostras passam a
ser independentes;
• reflete o grau de homogeneidade entre as
amostras;
• Quanto maior a amplitude maior a homogeneidade
entre as amostras; γ(h) Campo Campo
estruturado aleatório

C0+ C Pata
Variância mar
espacial
Co
Variância
aleatória a= amplitude h
 Amplitude
• O variograma dá um significado preciso da noção
tradicional de zona de influência.

• a separa o campo estruturado (amostras

correlacionáveis) do campo aleatório (amostras
independentes).
γ(h) Campo Campo
estruturado aleatório

C0+ C
Variância
espacial
Co
Variância
aleatória a = amplitude h
 Propriedades do variograma
• Amplitude
• Patamar
• Efeito Pepita γ(h)
Campo Campo
estruturado aleatório
• Variância espacial C0+ C Pata
mar
Variância
espacial

Co
Variância
aleatória h
a= amplitude
 Patamar
• Valor da variância no qual o variograma
se estabiliza (no campo aleatório).

γ(h)
Campo Campo
estruturado aleatório
C0+ C Pata
mar
Variância
espacial

Co
Variância
aleatória h
a= amplitude
 Efeito Pepita ou variância
aleatória
• É o valor da função variograma na origem
(h = 0).
• O C0 deveria ser 0 , pois duas amostras
tomadas no mesmo ponto (h=0) deveriam ter
os mesmos valores. γ(h)

C0+ C
Variância
espacial

Co
Variância
aleatória h
a= amplitude
 Efeito Pepita ou variância aleatória
• É o valor da função variograma na origem
(h = 0).
• O C0 deveria ser 0 , pois duas amostras
tomadas no mesmo ponto (h=0) deveriam ter
os mesmos valores. γ(h)
• Erros de amostragem
ou variabilidade 0 C +C
Variância
natural do depósito espacial
Tb chamado o C

variância aleatória Variância

aleatória
a= amplitude h
 Variância espacial
• Dada pela diferença entre a variância a
priori e o efeito pepita.

γ(h)

C0+ C
Variância
espacial

Co
Variância
aleatória h
a= amplitude
 Analisando o variograma
• Uma feição resultante da análise dos
parâmetros do variograma experimental é
a determinação da zona de influência.

• É um fenômeno de transição
caracterizado exclusivamente por
modelos de variogramas que possuem
patamar e amplitude definidos.
 Analisando o variograma
• Qualquer valor de Z(x) estará
correlacionado a outros valores de Z(x+h)
que estiverem dentro de um raio a de x.
• A correlação decresce conforme Z(x+h) se
aproxima de a. γ(h)

C0+ C
Zona de influência Variância
espacial

Co
Variância
aleatória h
a= amplitude
 Anisotropias
• Os variogramas determinados ao longo de
diferentes direções da jazida podem
mostrar variações distintas.

• Diferenças de litotipos, variações dentro

do depósito. Fazer correções
 Variogramas
• Por exemplo diferentes orientações de
amostragem

1 2 3 4 n-3 n-2 n-1 n

 Anisotropias

• geométrica: a amplitude varia conforme as direções,

mas com patamar cte.
• zonal: quando a amplitude permanece cte e o
patamar varia de acordo com a direção.
• Mista: variam tanto amplitude quanto patamar, as
várias direções resultam em diferentes variogramas.
 Anisotropia
• A anisotropia pode ser identificada
facilmente mediante confecção e análise
de variogramas direcionais.

• Pode-se inclusive se construir elipsóide

com a direção de anisotropia.
 Anisotropia
• Caso a variável de interesse apresente
anisotropia geométrica, esta deve ser
corrigida para o cálculo do sistema de
equações de krigagem, visando a correta
estimativa da referida variável por meio
de
Pondera-
dores.
 Anisotropia

• Processo de correção geométrica: (A) projeção dos

pontos sobre a elipse para o círculo circunscrito de raio
igual à amplitude a2 do variagrama, (B) variogramas
com anisotropias geométricas de amplitude = a1 (semi-
eixo menor da elipse) e a2 (semi-eixo maior da elipse
igual ao raio do círculo).
• Perfil de sonda hipotético cruzando litotipos com
características estatísticas distintas.
Anisotropias zonais são comuns nestes casos.
 Comportamento próximo à origem
O grau de continuidade da mineralização é
dado pelo comportamento do variograma
próximo à origem.
Quatro tipos básicos de C0:
• Parabólico
• Linear
• Efeito Pepita
• Efeito pepita puro
 Comportamento próximo à origem

Parabólico:
• Descreve uma curva parabólica próximo á origem.
• Alto grau de continuidade das amostras
selecionadas.
• Ex. Dados a partir de espessura das camadas.
 Comportamento próximo à origem
Parabólico Linear

Linear:
• Comportamento linear na origem. Por uma tangente
oblíqua à origem.
• Continuidade média das amostras selecionadas, ou
seja grande homogeneidade próximo e progressiva
perda de homogeneidade com a distância.
• Ex. Muitos depósitos minerais metálicos.
 Comportamento próximo à origem

Efeito pepita:
• Descontinuidade da origem.
• Dois fatores:
– erros de medida na amostragem
– e/ou microvariabilidade.
• O termo teve origem na mineralização de ouro – a
inclusão de uma pepita numa pequena amostra de
um testemunho de sonda é um evento aleatório.
 Pepita Pepita Puro

Efeito pepita puro:

• Tipo extremo de comportamento do variograma
próximo da origem.
• Reflete um fenômeno de transição, para um dado
valor de patamar a amplitude terá um valor
infinitesimalmente menor que as distâncias de
observação.
 Pepita Pepita Puro

Efeito pepita puro:

• Fenômeno de difícil ocorrência em minérios, não se
pode usar método geoestatístico de interpolação.

• Caso ocorra não se pode usar métodos

geoestatísticos de interpolação, como a krigagem.
Cálculo de variogramas experimentais

• Depende do N. de pares de pontos, para

diferentes distâncias, encontrado numa
determinada direção.
• As direções devem ser escolhidas para
conter o maior N. de informações.
• Podem ser horizontais (especificar
direções) e verticais: possíveis
anisotropias.
Cálculo de variogramas experimentais

• Orientação dos variogr.:

900
1350
LB, 450, 900, 1350.
450
• A consistência depende
Linha do N. de pares de
base
amostras.
• 30 a 50 pares de amostras
por ponto do variograma
(recomendado).
Cálculo de variogramas experimentais

• Observar o N. de pares de ptos usado para o

cálculo de γ(h) próximo á origem do
variograma.
• Os ptos que definem o efeito pepita, se
houver, deverão conter o maior N. de pares
de ptos.
• E deve-se descartar aqueles ptos com N.
muito inferior ao locado imediatamente após.
 Modelos de variogramas
• O variograma como ferramenta básica é
utilizado para calcular os valores da
função variograma para uma dada
distância, necessários para a organização
do sistema de equações de krigagem.
 Modelos de variogramas
• O variograma de pontos, ou experimental,
não serve para este fim, porque na
interpolação os pontos apresentarão
dispersão, principalmente para distâncias
grandes, quando diminui o N. de pares de
amostras.
 Modelos de variogramas
• Ajuste de uma função matemática, ajuste
de modelos teóricos em geoestatística, é
feito de maneira interativa:
• A partir dos parâmetros do variograma
(modelo, efeito pepita, amplitude,
patamar) o variograma teórico é
desenhado.
• Se o ajuste de pontos do modelo teórico
não for satisfatório, novos parâmetros são
fornecidos.
• A partir dos parâmetros do variograma (modelo,
efeito pepita, amplitude, patamar) o variograma
teórico é desenhado.
Modelos de variogramas

Seno cardinal Cauchy genérico exponencial

cúbico estável Linear ou gaussiano

Modelos de variogramas

Gauss Gamma Potencial

KBessel jBessel Esférico - >90%

Modelos de variogramas

• Para qualquer modelo teórico que

apresente efeito pepita ou pepita puro,
• o valor de γ(h) = 0 para h = 0
• Significa que há uma descontinuidade
na origem.
Principais aplicações da análise
variográfica
• Determinação de valores médios e do erro de
amostragem;
• Determinação do erro cometido na avaliação de
uma área mineralizada reconhecida por
sondagens regularmente espaçadas;
• Cálculo da equidistância ótima de amostragem
• O tratamento das anisotropias e a
desregularização dos dados no modelo esférico
 Conclusão
• A análise geoestatística é realizada com o
objetivo de determinar o modelo de
variabilidade espacial dos dados, que será
utilizado posteriormente na estimativa por
meio de krigagem ordinária.