Sunteți pe pagina 1din 227

Daniel Scrdeanu POSTFA sau DECALOGUL GEOSTATISTIC Dup ce am terminat de scris aceast carte am ncercat s simulez o amnezie geostatistic

i n aceast stare am citit-o. Concluzia a fost c GEOSTATISTICA ESTE UN MONSTRUOS HI METODOLOGIC din care nu poi s iei fr ajutor. Povestea cu pictura ndulcete puin efortul dar nu te ajut s-i nsueti metodologia abstract creia i sunt supuse datele pn sunt transformate ntr-o seciune litologic, o hart cu izolinii sau o reea de monitoring. O uii imediat ce dai de normalitate, staionaritate, ergodicitate, variograme, kriging i altele similare. Ce ar trebui s nu uii pentru a reui s iei cu bine din acest labirint metodologic? Cte sunt poruncile ce trebuie respectate pentru a merge pe calea cea bun? Decalogul geostatistic i soluiile pe care vi le propun v vor conduce cu siguran la estimarea optim a structurilor spaiale(E.S.S.). 1. S prelucrezi numai selecii de date cu distribuie NORMAL! Dac selecia de date nu are o distribuie normal s o normalizezi nainte de prelucrare! 2. S nu te lai atras de VALORILE EXTREME! Dac exist valori extreme care reprezentativitatea datelor, s le elimini! afecteaz

3. S prelucrezi selecii de date OMOGENE STATISTIC! Dac selecia de date este neomogen statistic, s o separi n grupuri omogene! 4. S aplici modelele geostatistice numai ntr-o ambian STAIONAR! Dac identifici componenta nestaionar, s o separi de cea staionar i s o prelucrezi separat! 5. S nu studiezi distribuia spaial a unei caracteristici fr s realizezi o REPREZENTARE GRAFIC sugestiv a datelor disponibile! Dac datele de care dispui i sunt furnizate sub form tabelar, reprezentrile grafice pe care trebuie s le realizezi sunt: harta punctual, harta indicatoare, diagrama de variabilitate i diagrama de continuitate! 6. S stabileti LEGEA DE VARIAIE SPAIAL a caracteristicii studiate numai pe baza valorilor disponibile! Dac nu ai suficiente date pentru a identifica legea de variaie spatial, s nu le forezi s respecte o lege aleas arbitrar!

224

Postfa 7. S testezi ANIZOTROPIA STRUCTURII SPAIALE studiate cu ajutorul legii de variaie spaial! Dac structura spaial este anizotrop, s stabileti direcia i raportul de anizotropie! 8. S validezi MODELUL LEGII DE VARIAIE SPAIAL (modelul de variogram) stabilit! Dac erorile de estimare introduse de modelul legii de variaie spaial (modelul de variogram) stabilit depesc limita admis, trebuie s verifici dac ai respectat primele 7 porunci sau s caui alte metode pentru a identifica legea de variaie spaial! 9. S realizezi ESTIMAREA SPAIAL la gradul de detaliu adecvat datelor disponibile i obiectivului cercetrii! Dac dispui de puine date trebuie s realizezi estimri spaiale de tip global, iar dac dispui de multe date poi s realizezi estimri punctuale sau zonale. 10. S calculezi EROAREA care afecteaz fiecare valoare estimat! Dac eroarea calculat depete limita admis s completezi datele disponibile cu date suplimentare obinute dintr-o reea de cercetare proiectat adecvat! Este obligatorie integralitatea respectrii acestor 10 porunci pentru a obine estimarea optim a structurilor spaiale. Porunca a 8-a este cel mai greu de respectat i v pune deseori n situaia s reluai prelucrrile de la nceput. Nu ezitai s o luai de la nceput dac rezultatul nu v satisface! Timpul necesar relurii unor prelucrri este din ce n ce mai scurt pe msur ce numrul relurilor este mai mare. Nu exagerai! Ctigul de precizie obinut prin reluarea calculelor s-ar putea s fie semnificativ! Nu uitai, modelele geostatistice sunt cele mai eficiente pentru estimarea structurilor spaiale! Dup ce vei citi i partea a doua a Geostatisticii aplicate (S.S.S), vei vedea c modelele geostatistice sunt tot att de performante i pentru simularea structurilor spaiale!

225

GEOSTATISTIC APLICAT
ESTIMAREA STRUCTURILOR SPAIALE CUPRINS
Prefa ........................................................................................................................... v Ce este Geostatistica?.................................................................................................... 1 Daniel Scrdeanu Art sau tiin?..............................................................................................................1 Terminologie..................................................................................................................3 Cele trei vrste ale Geostatisticii....................................................................................3 Obiectivul Geostatisticii aplicate ...................................................................................4 Etapele estimrii structurilor spaiale.............................................................................5 1.Analiza variabilitii................................................................................................... 7 Daniel Scrdeanu 1.1.Analiza variabilitii globale..................................................................................7 A1.Analiza unei repartiii normale i omogene .................................................... 8 A2.Analiza unei repartiii lognormale i omogene .............................................. 13 A3.Analiza unei repartiii lognormale i neomogene .......................................... 16 1.2.Normalizarea repartiiei seleciilor de date ..........................................................20 A4.Normalizare redus ........................................................................................ 22 A5.Normalizare generalizat............................................................................... 26 1.3. Analiza variabilitii spaiale ..............................................................................28 1.3.1.Reprezentarea grafic......................................................................................28 A6.Harta punctual.............................................................................................. 31 A7.Harta simbolic i indicatoare....................................................................... 33 A8.Diagrama de continuitate............................................................................... 36 A9.Diagrama de variabilitate .............................................................................. 39 1.3.2. Analiza parametric a datelor ........................................................................42 A10.Covariana, corelograma i variograma...................................................... 45 A11.Intercovariana, intercorelograma i intervariograma................................ 48 1.3.3. Analiza staionaritii .....................................................................................54 A12 Analiza staionaritii cu ajutorul variogramei ........................................... 62 A13. Eliminarea nestaionaritii ........................................................................ 66 1.3.4.Analiza variografic.........................................................................................70 A14.Variograma indicatoare ............................................................................... 87 A15.Variograma omnidirecional ...................................................................... 93 A16.Analiza anizotropiei structurilor spaiale .................................................... 97 A17.Validarea modelului de variogram ............................................................ 99 1.3.5.Analiza fractal .............................................................................................. 104 A18.Calculul dimensiunii fractale a unei structuri de cretere......................... 109 A19.Analiza distribuiei fractale........................................................................ 110

iii

2.Estimarea distribuiei spaiale ............................................................................... 114 Daniel Scrdeanu 2.1.Estimarea global...............................................................................................116 A20.Calculul valorii medii prin declustering celular ......................................... 118 2.2.Estimarea punctual ...........................................................................................121 2.2.1.Kriging punctual ordinar..............................................................................124 A21.Realizarea seciunilor litologice.................................................................. 142 A22.Evaluarea distribuiei unei variabile staionare ......................................... 152 2.2.2.Kriging punctual universal ..........................................................................155 A23.Evaluarea distribuiei unei variabile nestaionare...................................... 159 2.3.Estimarea zonal ................................................................................................162 A24.Calcul de rezerve......................................................................................... 167 A25.Iniializarea parametric a modelelor numerice ........................................ 172 3.Erorile estimrii distribuiei spaiale.....................................................................176 Daniel Scrdeanu i Roxana Popa 3.1.Calculul erorilor .................................................................................................176 A26.Distribuia spaial a erorilor de estimare .................................................190 3.2.Reducerea erorilor..............................................................................................194 A27.Optimizarea reelei de monitoring ..............................................................202 4.Ghid de utilizare a pachetului de programe Geo-EAS ........................................206 Roxana Popa 4.1. Fiierele de date ................................................................................................207 4.1.1. Structura fisierelor.......................................................................................207 4.1.2. Convenii pentru extensia fiierelor ...........................................................208 4.2. Ecrane interactive..............................................................................................208 4.3. Structura subprogramelor..................................................................................210 4.4. Opiuni comune.................................................................................................210 4.5. Grafic Geo-EAS ..............................................................................................211 4.6. Etapele unui studiu geostatistic i programul Geo-EAS...................................211 4.7. Principalele subprograme Geo-EAS .................................................................212 4.7.1.Stat1 ..............................................................................................................212 4.7.2.Vario .............................................................................................................213 4.7.3.Xvalid ............................................................................................................215 4.7.4.Krige .............................................................................................................216 4.8.Subprograme utilitare Geo-EAS ........................................................................218 4.8.1.Dataprep .......................................................................................................218 4.8.2.Trans .............................................................................................................220 4.8.3.Scatter ...........................................................................................................221 4.8.4.Xygraph.........................................................................................................221 4.8.5.Postplot .........................................................................................................222 4.8.6.Conrec...........................................................................................................222 4.8.7.View...............................................................................................................223 4.8.8.Hpplot ...........................................................................................................223 Postfa sau Decalogul Geostatistic .........................................................................224 Daniel Scrdeanu Bibliografie................................................................................................ 226

iv

CE ESTE GEOSTATISTICA? Paul Klee: Arta nu red vizibilul, ci face vizibil. Art sau tiin? Problema fundamental a cercetrii geologice este s fac vizibil ceea ce este de cele mai multe ori ascuns observaiei directe. Att cercetarea geologic fundamental, consacrat structurilor adnci ale Terrei, mecanismelor declanrii cutremurelor sau genezei zcmintelor ct i cea aplicativ, dedicat exploatrii zcmintelor i proteciei mediului geologic, trebuie s rezolve problema vizualizrii rezultatului diverselor fenomene naturale, n scopul nelegerii acestora. Limbajul imaginilor vizuale i limbajul conceptelor nu sunt dect dou ipostaze ale multiplului proces de cunoatere i comunicare a omului cu natura. De-a lungul secolelor arta i tiina au naintat diferit n ncercrile lor de a nelege UNIVERSUL. Prin art omul angajeaz un dialog permanent cu aparena naturii receptat printr-o variabilitate extraordinar a stimulilor senzoriali (vizuali, auditivi, tactili, olfactivi etc.). Arta fabric din aceti stimuli un alt fel de natur: o lume care prezint aspectul realitii i care se afl totui la dispoziia spiritului; o lume sensibil, ptruns pe de-a-ntregul de intenii umane i construit n aa fel nct s realizeze perfectul acord al coninutului cu forma. Artitii s-au concentrat pe lucrurile cele mai frumoase i obinuite: peisaje, portrete i viziuni proprii; arta i etala frumuseea. Savanii graviteaz n jurul polului opus, concentrndu-se asupra experimentelor de laborator simplificate artificial, unde observatorul este redus la o imposibil variabil controlat. Elegana de elit a tiinei se ascunde n spatele ecuaiilor. Chiar i geometria, cea mai artistic dintre ramurile matematicii, a devenit mai mult un exerciiu logic dect vizual. Geostatistica, n demersul de clarificare a proceselor geologice, apeleaz n mod egal la limbajul imaginilor i al conceptelor la fel ca Pictura care degajeaz adevrul de formele vane i amgitoare ale acestei lumi imperfecte pentru a-l mbrca ntr-o form mai pur i mai elevat creat de spiritul nsui. Departe de a fi simple aparene, formele artei cuprind mai mult realitate i mai mult adevr dect existenele fenomenale ale lumii reale. Spiritul rzbate mai greu prin nveliul dur al naturii i al vieii obinuite dect prin operele de art (Hegel). Similaritile ntre Geostatistic i Pictur fac interesant abordarea arsenalului metodologic al Geostatisticii din punctul de vedere al pictorului aezat n faa unui peisaj pe care vrea s-l transpun ntr-un tablou. Ar reui un pictor, utiliznd programul Geo-EAS n locul pensulelor i vopselelor, s imortalizeze epava de la Vama Veche mbraiat de zbuciumul valurilor ? Ar reui un geolog s realizeze o seciune litologic pe baza datelor din forajele de explorare utiliznd pensulele i vopselele pictorului ? Dac pentru pictor ar exista probleme mari ridicate de utilizarea programului i a modelelor geostatistice, geologul ar reui cu pensule i vopsele s-i realizeze seciunea fr mari dificulti. Tehnica picturii se potrivete ca o mnu pentru

Daniel Scrdeanu plsmuirea seciunilor geologice mai ales atunci cnd datele sunt puine i nu se prea leag. Pictura opereaz cu limbajul imaginilor i al conceptelor n procesul de cunoatere a naturii i are ca elemente constitutive, pe de o parte desenul i forma, iar pe de alta - lumina i culoarea. Aceste elemente cu aceleai materializri dar cu funcii i finaliti diferite le regsim att n tabloul pictorului ct i n seciunea geologic elaborat pe baza modelelor geostatistice: forma lucrurilor intereseaz foarte mult conduita noastr practic, ea ne releveaz aspectul tangibil al lucrurilor i se realizeaz prin desen; culoarea se adreseaz intens sentimentelor noastre, foarte diversificate n cazul picturii, reduse n cazul geologiei la sentimentul de certitudine sau incertitudine asociat formei realizate. nceputul picturii este un gest imitativ: oamenii slbatici fac n aer, pe nisip sau pe peretele peterii crochiul rapid al animalului ntr-o anumit micare. n aceast imitaie exist dou lucruri: un limbaj abstract al tiinei care are un rol indicativ i limbajul viu i concret al artei cu rol descriptiv. La nceput, desenul nu este dect un mijloc de a indica, de a figura un lucru, altfel spus, un limbaj grafic. Ulterior, i fac apariia tendina descriptiv, efortul de a domina schema intelectual i a ajunge la realitatea concret a obiectului, la reprezentarea sintetic a ansamblului, la punerea n valoare a detaliilor, la construcia precis. Realismul vizual lupt mpotriva schematismului logic. Percepia vizual a naturii este o cucerire a vrstei mature, a civilizaiei. Ea presupune o analiz i o filtrare a stimulilor senzoriali. Grecii erau foarte legai de contururile frumoase; ei vedeau pictura cu ochiul sculptorului de statui i, chiar cnd pictau, cutau mai presus de orice liniile care marcheaz limitele corpului n spaiu, acordau desenului rolul preponderent. Ingres spunea c desenul cuprinde n el trei sferturi i jumtate din ceea ce constituie pictura. Desenul este descrierea formelor i el deine supremaia n realizarea hrilor i seciunilor geologice. A desena nu nseamn doar a reproduce contururi: linia care reprezint conturul formelor este o abstracie a modelului. Marea calitate a desenului const n felul n care reuete s redea expresia vieii proprii a formei prin acest contur. Desenul nu este doar o linie care delimiteaz un corp ci este expresia tuturor formelor lui, planul modelat al acelui corp. Forma unui corp nu este niciodat prea precis. Un mare maestru, prin simplificare, trebuie s scoat efectele cele mai puternice pentru desenul realizat. Detaliile sunt nite mici pislogi pe care trebuie s-i punen la respect. Desenul pentru sine nsui este analiza plastic a lucrurilor, cu subordonarea culorii fa de form. Desenatorul pur este un filosof care extrage chintesena i hituiete ntotdeauna culoarea. Geostatistica opereaz asupra formelor de vizualizare a obiectului de studiu iar culorii i acord rolul de mesager al erorilor cu care sunt construite aceste forme. Geostatistica aplicat este consacrat prezentrii, sub aspect operaional, a unei practici bazate pe un ansamblu de modele i tehnici elaborate de-a lungul anilor, n principal la Centrul de Geostatistic i Morfologie Matematic al colii de Mine de la Fontainebleau, pentru descrierea, studierea i estimarea celor mai variate fenomene cu dezvoltare spaial: il peut sagir de cellules cancreuses ou de forts, de la structure dune roche ou celle dun alliage mtallique, dun gisement de ptrole ou dun revtement de route, de pollution ou de mtorologie, de cartographie sous-

Ce este Geostatistica? marine ou de prospection gophysique etc** (G. Matheron,Estimer et choisir, 1978). Aceast metodologie i are originea ntr-o problem legat de cercetarea geologic: evaluarea rezervei zcmintelor. Evaluarea rezervelor zcmintelor a servit ca stand de ncercri i validare pentru majoritatea metodelor Geostatisticii. Modelele geostatistice ofer una din cile cele mai performante pentru descrierea structurii spaiale a fenomenelor naturale, caracterizate printr-o extraordinar variabilitate spaial i temporar, variabilitate determinat de complexitatea fizico-chimic a mediului i instabilitatea proceselor climatice. Terminologie Neologismul Gostatistique a aprut n 1962 i prin prefixul geo atrgea atenia asupra lurii n considerare a repartiiei spaiale a valorilor prelucrate. Pn la acel moment, titlurile articolelor care prezentau metodele ce se constituiau n arsenalul geostatisticii primei vrste fceau referiri directe la metode statistice care n forma lor clasic erau insuficiente pentru studiul zcmintelor diseminate. Dup 1970, cnd metodele geostatistice se dezvolt n direcia lor proprie i se difereniaz din ce n ce mai mult de statistica clasic, termenul de geostatistic genereaz confuzii. n mod curent, n Romnia, Geostatistica este perceput de cei neavizai ntr-o optic strict statistic. Traducerea termenului n alte limbi (Geostatistics n limba englez, Geostatistic n limba romn) a amplificat i mai mult confuziile. G. Matheron introduce n 1978 (Estimer et choisir) pentru a nlocui termenul geostatistic expresia modele topo-probabiliste care are dublul avantaj de a distana metoda de domeniul geologic, prin eliminarea prefixului geo i de a sublinia caracterul mai mult probabilist dect statistic al metodei. Cele trei vrste ale Geostatisticii Analizat att din punct de vedere al evoluiei teoretice ct i al domeniului de aplicare, Geostatistica a parcurs trei perioade distincte pn n prezent. Prima vrst a Geostatisticii este de inspiraie strict minier. Lucrrile miniere din Africa de Sud, care au determinat primele cercetri n acest domeniu, aparin cercettorilor H.S.Sichel, D.G.Krige, H.J. de Wijs. Completarea metodologiei statistice clasice a fost determinat de noile exigene impuse de cercetarea zcmintelor foarte diseminate (aur, uraniu, nichel, cupru, etc.). La nivel teoretic, formalismele matematice specifice acestei perioade se plaseaz n cadrul unei legi de distribuie dat, modelul lognormal avnd o epoc de aur n anii 1950-1970 (Sichel H.S.,1966). La nivel practic, mijloacele de calcul sunt rudimentare, motiv pentru care lucrrile de specialitate abund n formule de aproximare, curbe i abace utilizate pentru a evita reluarea unor calcule laborioase. A doua vrst a Geostatisticii corespunde perioadei 1965-1970, perioad n care modelele statistice sunt abandonate. Se elaboreaz modele care nu implic legea de repartiie (Geostatistica linear). n acelai timp, se ncearc extinderea ipotezelor
*

poate s fie celule cancerigene sau pduri, structura unei roci sau a unui aliaj, un zcmnt de petrol sau mbrcmintea unei osele, poluare sau meteorologie, cartografie submarin sau prospeciuni geofizice . 3

Daniel Scrdeanu de lucru prin dezvoltarea Geostatisticii nestaionare, apoi a Geostatisticii neliniare. n aceast perioad se dezvolt: simularea condiional i necondiional, ansamblele aleatoare. Toate aceste procedee noi sunt imediat aplicate datorit remarcabilei ameliorri a mijloacelor de calcul. Progresele teoretice i metodologice ale geostatisticii vrstei a doua se concretizeaz abia n 1978 printr-o singur lucrare de sintez - Estimer et Choisir - elaborat de G.Matheron. n paralel cu aceasta, apar o mulime de cri de geostatistic cu pronunat caracter informatic care pun la dispoziia practicienilor instrumentele aplicrii metodelor clasice sau mai puin clasice ale Geostatisticii. Geostatistica vrstei a treia este n plin desfurare i, n contextul informatic confortabil al sfritului de mileniu, se dezvolt n direcii din ce n ce mai diverse. Att la nivelul domeniului de aplicare ct i al domeniului teoretic se remarc reconsiderarea legii de repartiie, nu ca un regres teoretic ci ca o completare necesar n special simulrii stohastice. Obiectivul Geostatisticii aplicate Adaptat studiului distribuiei spaiale pentru orice variabil regionalizat, Geostatistica i-a conturat pn n prezent cteva utiliti clasice n domeniul cercetrii geologice. Geostatistica aplicat are ca obiectiv clarificarea metodologiei specific modelelor geostatistice care permit rezolvarea problemelor clasice ale cercetrii geologice: a) probleme curente ale cercetrii geologice: proiectarea reelelor de explorare a zcmintelor de orice tip; calculul rezervelor pentru zcmintele de substane minerale utile; cartografierea automat a parametrilor geologici cantitativi (grosimi, adncimi ale reperelor stratigrafice i litologice) i calitativi (litologie, vrst etc.); simularea litofacial i parametric a rezervoarelor (acvifere, zcminte de petrol); b) probleme noi impuse de accentuarea laturii ecologice a cercetrii geologice : proiec tarea reelelor de monitorizare integrat a parametrilor de mediu; cartografierea distribuiei spaiale a parametrilor ambientali; c) probleme operaionale conexe modelrii matematice a proceselor geologice: iniializarea parametric a modelelor matematice; calarea modelelor matematice de simulare a proceselor geologice; evaluarea incertitudinii rezultatelor simulrii proceselor geologice prin modelare matematic. Utilizarea modelelor geostatistice n proiectarea reelelor de explorare a zcmintelor permite ameliorarea pe parcursul execuiei lucrrilor a geometriei reelelor de explorare. Practica arhaic de ndesire a reelelor de explorare dup standarde care nu in seama de particularitile structurilor spaiale ale caracteristicilor studiate este abandonat de mult timp. Modelele geostatistice ofer instrumentul identificrii geometriei optime a reelelor de cercetare adaptat configuraiei spaiale a variabilelor studiate. Evaluarea corect a rezervelor zcmintelor, n condiiile variabilitii pronunate a coninuturilor, presupune cunoaterea valorii erorilor de estimare. Modelele topo-probabiliste ofer o metodologie de cuantificare a erorilor de estimare i implicit a riscurilor economice asumate la exploatarea rezervelor evaluate.

Ce este Geostatistica? Cartografierea automat a caracteristicilor de orice tip (cantitative: cota acoperiului sau grosimea unui strat, coninutul n aur, porozitatea unui acvifer etc. sau calitative: tip litologic, grad de alterare etc.) dispune n prezent de numeroase programe ce aplic diferite metode de interpolare. Modelele geostatistice ofer cea mai performant i flexibil metod de interpolare (kriging), sensibil la particularitile structurii spaiale ale variabilei cartografiate. Prin intermediul simulrilor condiionate realizate cu modelele topoprobabiliste (geostatistice), datele litologice obinute din cartrile aflorimentelor i din forajele de explorare sunt utilizate pentru generarea repertoriului de litofaciesuri corespunztor unui anumit grad de cunoatere a domeniului spaial cercetat. Modelele geostatistice sunt singurele care permit analiza corelaiilor spaiotemporale multivariate implicate n proiectarea reelelor de monitorizare integrat a parametrilor ambientali. Distribuia spaial corect a parametrilor fizico-chimici pentru modelele de simulare numeric a proceselor geologice (dinamice sau staionare) asigur reprezentativitatea acestora pentru procesele geologice cercetate. Modelele geostatistice sunt cele care realizeaz iniializarea parametric a modelelor matematice pentru: zcminte de substane minerale solide, zcminte de petrol, acvifere. Testarea reprezentativitii modelelor matematice prin calarea i cuantificarea incertitudinii rezultatelor simulrilor obinute se realizeaz n mod riguros utiliznd modelele geostatistice. Modelele geostatistice permit exprimarea ntr-un mod sugestiv a diferenelor dintre parametrii msurai i cei evaluai oferind soluia creterii reprezentativitii modelelor matematice. Etapele estimrii structurilor spaiale Estimarea structurilor spa iale (E.S.S.) , materializat de COLECTAREA regul sub forma hrilor i DATELOR seciunilor geologice, este rezultatul unor prelucrri CALCULUL I laborioase a cror succesiune REDUCEREA ERORILOR trebuie respectat cu strictee. n DE ESTIMARE condiiile unor volume de date semnificative, realizarea E.S.S. este de neconceput fr un ANALIZA ESTIMAREA calculator i un program DISTRIBUIEI VARIABILITII SPAIALE performant. Programele care realizeaz astfel de estimri sunt Fig.0.Etapele estimrii structurilor spaiale structurate n module, fiecare dintre acestea realiznd o categorie de prelucrri specifice fiecrei etape. Numai cunoaterea coninutului fiecrei etape de prelucrare i a succesiunii n care acestea trebuiesc parcurse asigur succesul estimrii structurilor spaiale cu ajutorul programelor. Principalele etape ale E.S.S. (Fig. 0) sunt: colectarea datelor, analiza variabilitii caracteristicilor geologice, estimarea distribuiei spaiale, calculul i reducerea erorilor de estimare.

Daniel Scrdeanu Colectarea datelor se realizeaz ntr-o reea de explorare preliminar ale crei caracteristici (geometrie, frecven de prelevare etc.) se adapteaz variabilitii caracteristicii cercetate. Tehnologia de prelevare a probelor, de determinare a valorilor prelucrate, de stocare a acestora n baze de date i alte probleme ale colectrii datelor sunt prezentate n detaliu n primul volum de INFORMATIC GEOLOGIC (1995). Geostatistica aplicat prezint n detaliu ultimele trei etape. Analiza variabilitii caracteristicilor geologice este cea mai laborioas etap de prelucrare i are ca obiective identificarea legilor globale de repartiie a acestora, normalizarea lor i gsirea legilor de variaie spaial. Alegerea legii de variaie spaial a caracteristicii studiate nu este o operaiune simpl i pe lng prelucrri cantitative presupune un sim special care se formeaz pe parcursul prelucrrii datelor. De cele mai multe ori soluia nu este unic, testele utilizate conducnd la domenii de valabilitate, astfel nct, cu aceleai date, zece geostatisticieni cu experien pot alege zece legi de variaie spaial egal valabile. Estimarea distribuiei spaiale poart amprenta legii de variaie spaial. Pe baza acestei legi, n aceast etap, pentru o caracteristic oarecare se poate preciza n orice punct din interiorul domeniului studiat, care este probabilitatea ca n acel punct s fie prezent variabila studiat i care este cea mai probabil valoare a acesteia n acel punct. Exist variante de estimare a distribuiei spaiale n funcie de dimensiunea suportului pe care ea se realizeaz: estimare global, dac suportul estimrii este ntreg domeniul cercetat; estimare punctual, dac estimarea se realizeaz pentru un suport punctual; estimare zonal, dac se estimeaz o valoare medie pentru o suprafa finit delimitat de un contur nchis. Calculul erorilor este ultima etap de prelucrare n care se calculeaz eroarea care afecteaz fiecare variant de estimare. Eroarea minim de estimare a distribuiei spaiale pentru un anumit grad de cunoatere se obine prin utilizarea kriging-ului ca metod de interpolare. Procedeul de calcul al erorilor de estimare prin kriging permite optimizarea reelelor de explorare. Etapa de calcul a erorilor mai este folosit i ca o prim etap de filtrare a datelor colectate cnd sunt vizate doar erorile introduse de procedeele de prelevare a probelor i realizare a determinrilor. Parcurgerera ciclic a etapelor de prelucrare, n sensul indicat de sgei (Fig.0), are ca obiectiv creterea gradului de precizie a estimrii structurilor spaiale pn la eroarea impus de obiectivul cercetrii. Reducerea erorilor de estimare presupune completarea datelor primare prin prelevri de probe din domeniile spaiale n care densitatea punctelor de observaie este redus sau variabilitatea caracteristicilor ridicat.

1.ANALIZA VARIABILITII CARACTERISTICILOR GEOLOGICE Analiza variabilitii caracteristicilor geologice are ca obiectiv filtrarea tuturor datelor colectate din reeaua de explorare preliminar n scopul pregtirii instrumentelor adecvate obinerii desenului. Datele sunt constituite din coordonatele spaiale ale punctelor de observaie, coninutul n aur determinat n proba analizat, vrsta sau litologia probei, coninutul n hidrocarburi etc. Desenul poate reprezenta conturul zonei cu coninutul n aur mai mare dect coninutul minim exploatabil, limita de extindere a unei formaiuni de o anumit vrst sau litologie, conturul unei zone poluate cu hidrocarburi etc. Pentru pictor aceast etap const n contemplarea a peisajului i eventual realizarea unei schie, n timp ce pentru geostatistician reprezint nceputul unei lungi serii de prelucrri care pleac de la date i se finalizeaz sub forma unor funcii de distan, inexpresive i neprietenoase, care trebuie s conin esena desenului pe care vrea s-l realizeze. Extraordinara variabilitate a caracteristicilor geologice analizate se manifest sub dou aspecte: global, exprimat prin distribuia valorilor caracteristicii n jurul unei valori centrale (media sau mediana) i spaial, exprimat prin variaia valorii caracteristicii (vi) n funcie de poziia n spaiul geometric de desfurare a procesului n care este implicat (poziie exprimat de obicei prin coordonatele xi,yi,zi, i fiind indicele punctului de observaie n care este msurat valoarea v). 1.1.ANALIZA VARIABILITII GLOBALE Analiza variabilitii globale a caracteristicilor geologice vizeaz asigurarea reprezentativitii evalurilor i se realizeaz prin: analiza modului de distribuie, a eterogenitii i a valorilor extreme ale seleciilor de date. Metodologia evalurii geostatistice a unei caracteristici este elaborat pentru distribuia normal a acesteia i din acest motiv neconcordana dintre distribuia valorilor prelucrate i cea normal conduce la supraestimri sau subestimri proporionale cu gradul de asimetrie al acestei distribuii. Prin urmare, modul de distribuie al valorilor unei caracteristici geologice n jurul mediei sau medianei de selecie influeneaz n mod determinant rezultatele prelucrrilor geostatistice. Analiza modului de distribuie al frecvenei valorilor, n cazul pregtirii acestora pentru prelucrri geostatistice, poate conduce la dou rezultate: repartiia valorilor este normal i n consecin prelucrarea lor prin modele geostatistice conduce la rezultate corect interpretabile; repartiia valorilor nu este normal, n acest caz fiind necesar transformarea lor (normalizarea) n scopul eliminrii erorilor introduse prin subestimri sau supraestimri. Analiza eterogenitii seleciei de date disponibile, realizat de obicei prin analiza dispersional multifactorial (D.Scrdeanu, 1995), are ca obiectiv separarea seleciei de date n funcie de dispersia difereniat a valorilor, difereniere determinat de factori fizico-chimici cu aciune divergent. Rezultatul analizei eterogenitii seleciei de date poate conduce la dou variante de continuare a estimrilor geostatistice :

Daniel Scrdeanu selecia de date este omogen, variant n care estimrile geostatistice se realizeaz asupra ntregului set de date utilizndu-se un singur model de variabilitate spaial ; selecia de date este eterogen, variant n care selecia de date trebuie separat n grupuri omogene, pentru fiecare din acestea identificndu-se modele distincte de variabilitate spaial.

Analiza valorilor extreme ale seleciilor de date asigur estimarea corect a intervalului de ncredere al parametrilor statistici prin corectarea valorilor exagerate ale dispersiei. Includerea valorilor extreme n prelucrare modific semnificativ dispersia de selecie, conducnd la creterea artificial a gradului de incertitudine al evalurilor statistice i geostatistice. Analiza valorilor extreme poate conduce i ea la dou situaii distincte: valorile extreme se elimin deoarece sunt puin numeroase i din punct de vedere statistic nu sunt reprezentative pentru caracteristica studiat (sunt fie rezultatul unor erori de msurare fie al unor variaii brute ce nu sunt definitorii pentru variabilitatea spaial a caracteristicii studiate); valorile extreme nu se elimin deoarece sunt suficient de numeroase pentru a putea forma o selecie de date creia i se aplic metode specifice de prelucrare (P.Bomboe, 1979).

A1.Analiza unei repartiii normale i omogene Ce mod de repartiie au grosimile depozitelor daciene msurate n 124 de foraje (Tabelul 1.1) distribuite relativ uniform n Bazinul Dacic (Fig.1.1) ? Rezolvare: Compararea bazinelor de sedimentare, identificarea direciilor de transport a sedimentelor, zonarea acestor bazine, utilizeaz frecvent ca date primare grosimile formaiunilor depuse n anumite intervale de timp (Scrdeanu et.al.,1998). Bazinul Dacic, unitatea sedimentar lacustr din estul Paratethisului, a fost intens cercetat prin foraje, n legtur cu zcmintele de petrol.

Galati Buzau Ploiesti Tr Severin Bucuresti Craiova

Tg Jiu

Rm Valcea

Fig.1.1.Distribuia celor 124 de foraje care au traversat formaiunile daciene

Analiza variabilitii globale Stabilirea modului de repartiie al grosimii formaiunilor daciene se realizeaz n dou etape : analiza grafic a modelului de distribuie ; testarea analitic a concordanei cu modelul de repartiie identificat. Tabelul 1.1.Grosimi ale depozitelor daciene din Bazinul Dacic Nr. Grosime Nr. Grosime Nr. Grosime Nr. Grosime crt. g[m] crt. g[m] crt. g[m] crt. g[m] 1 602.47 32 555.46 63 551.54 94 244.11 2 607.20 33 406.81 64 539.97 95 83.55 3 927.18 34 750.22 65 622.09 96 192.70 4 450.37 35 649.77 66 638.18 97 216.03 5 662.22 36 528.71 67 383.54 98 235.44 6 737.94 37 627.29 68 559.45 99 367.14 7 799.48 38 496.16 69 588.81 100 503.28 8 617.00 39 536.19 70 575.85 101 410.55 9 391.45 40 780.16 71 612.05 102 310.32 10 499.71 41 453.90 72 571.67 103 543.78 11 532.44 42 492.62 73 683.04 104 485.56 12 675.76 43 325.98 74 824.11 105 478.52 13 859.18 44 726.91 75 643.87 106 330.93 14 584.43 45 698.84 76 428.93 107 259.91 15 371.32 46 707.51 77 354.17 108 15.27 16 395.34 47 632.66 78 521.33 109 547.64 17 482.04 48 517.69 79 580.10 110 315.68 18 928.00 49 506.85 80 525.01 111 425.30 19 716.81 50 432.54 81 690.71 112 510.45 20 563.46 51 471.50 82 439.71 113 399.20 21 567.54 52 475.00 83 178.82 114 274.13 22 597.83 53 446.83 84 414.27 115 320.89 23 514.06 54 421.65 85 443.27 116 299.09 24 358.55 55 304.80 86 464.47 117 293.21 25 340.51 56 162.71 87 436.13 118 387.51 26 457.43 57 403.02 88 349.70 119 345.15 27 118.71 58 467.99 89 362.88 120 252.24 28 379.52 59 460.95 90 267.21 121 226.13 29 764.08 60 417.98 91 204.98 122 143.42 30 668.83 61 489.08 92 280.74 123 335.78 31 593.28 62 655.88 93 287.09 124 375.44 Analiza grafic a modelului de distribuie se bazeaz pe histograma (Fig.1.2.a) i diagrama de probabilitate (Fig.1.2.b) ale grosimilor depozitelor daciene. Analiza histogramei conduce la urmtoarele observaii : histograma are un singur modul - indicaie clar a caracterului omogen (din punct de vedere statistic) al seleciei; consecina acestei observaii este

Daniel Scrdeanu c din punct de vedere statistic toi factorii care au determinat distribuia grosimilor depozitelor dacianului au acionat convergent ; a) b)

Grosimea depozitelor daciene(g)

Fig.1.2.Histograma (a) i diagrama de probabilitate (b) ale grosimii depozitelor daciene (Bazinul Dacic) caracterul simetric al histogramei (coeficientul de asimetrie: 1 = 0,01) sugereaz o distribuie normal a valorilor; corectitudinea acestei ipoteze urmeaz s fie testat prin metode analitice .

Analiza diagramei de probabilitate, ntocmit pentru repartiia normal, permite sesizarea urmtoarelor caracteristici : punctele ce reprezint valorile grosimilor se coliniarizeaz - indicaie clar a distribuiei normale a acestora ; la extremitile graficului se plaseaz un numr de 4 valori extreme (dou la limita inferioar i dou la cea superioar) a cror apartenen la selecie trebuie testat (printr-un test analitic; ex.: Chouvenet, Irwin, Romanovski etc.) . Testarea analitic a concordanei repartiiei valorilor cu modelul repartiei normale se realizeaz de cele mai multe ori cu testul 2 . Aplicarea testului 2 se bazeaz pe histograma celor n = 124 valori de grosimi, histogram care s-a realizat prin gruparea datelor pe k = 13 intervale, fiecare avnd amplitudinea valoric = 75 m. Media aritmetic ponderat a celor 124 de valori este m = 475,16 m, abaterea lor standard s = 176,24 m iar valorile centrale ale intervalelor de grupare (xci) i frecvenele absolute experimentale (ni) sunt grupate n Tabelul 1.2. Datele necesare testului 2 sunt parametrii statistici elementari i valorile din primele patru coloane din Tabelul 1.2. Calculul frecvenelor teoretice (npi), corespunztoare repartiiei normale 2 se efectueaz pe baza relaiilor (coloana a cincea din Tabelul 1.2), i al statisticii exp (D.Scrdeanu,1995):
npi =
2 n x m Exp 0,5 ci s 2 s

=
2 exp i =1

i =k

(n

npi ) npi

10

Analiza variabilitii globale

Prin eliminarea intervalelor de grupare extreme, cu frecvene absolute mai mici de doi (P.Bomboe,1979), se obine:

= 0.46
2 exp

Pentru un risc al erorii de genul I, = 1%, la un numr al gradelor de libertate = 7 (dup eliminarea celor trei intervale de grupare extreme) rezult (din tabelul funciei ):
2

(0,99;7) = 1,23
2

Conform criteriului testului de concordan 2 , deoarece :


2 ( exp = 0,46 ) < ( 2 (0,99;7) = 1,23

rezult c, din punct de vedere statistic, cu o eroare admisibil = 1%, distribuia grosimilor dacianului este conform cu modelul repartiiei normale. Tabelul 1.2.Calculele asociate testului 2 Nr. Lim. inf. Lim. sup. xci ni npi interval interval interval 1 2 3 4 5 6 7 8 9 10 11 12 13 0 75 150 225 300 375 450 525 600 675 750 825 900 75 150 225 300 375 450 525 600 675 750 825 900 975 15.3 115.2 191.0 265.4 339.6 411.9 485.7 560.2 633.8 704.7 783.6 859.2 927.6 1 3 5 11 15 20 21 19 13 8 5 1 2

(n

npi ) npi

0.70 2.62 5.74 10.37 15.66 19.74 21.02 18.74 14.04 9.01 4.55 1.96 0.78 2 = exp

0.13 0.06 0.10 0.04 0.03 0.00 0.00 0.00 0.08 0.11 0.04 0.47 1.91 0.46

COMENTARIU : Grosimile depozitelor daciene, msurate n cele 124 de foraje din Bazinul Dacic (Fig.1.1) au o repartiie normal. Are importan acest rezultat ?

11

Daniel Scrdeanu Desigur, stabilirea acestuia (grosimile depozitelor daciene msurate n cele 124 foraje au repartiie normal) ne asigur c estimrile care se pot face pe baza grosimilor depozitelor daciene, prin metode geostatistice (grosimi medii, zonarea grosimilor, direcii de transport etc.), nu vor fi afectate de supraestimri sau subestimri. Este justificat efortul de calcul necesar formulrii acestei concluzii ? Orice efort de calcul este mult mai puin costisitor dect obinerea datelor care se prelucreaz. Comod aezat n faa unei maini de calcul i cu un program adecvat, care nu cost prea mult, n maximum 10 minute se realizeaz testele minime necesare precizrii rspunsului la ntrebarea aplicaiei. Ce limitri sunt asociate acestei concluzii ? Limitrile sunt determinate de reprezentativitatea datelor disponibile i trebuie s meditm la cel puin dou ntrebri n legtur cu acestea : Cele 124 de grosimi disponibile, determinate pe locaia celor 124 de foraje, sunt suficiente pentru a descrie variabilitatea global a grosimii depozitelor daciene din arealul cercetat ? Grosimile formaiunilor daciene au o distribuie normal n Bazinul Dacic sau numai cele 124 de valori prelucrate ndeplinesc aceast condiie ? Metodologia statistic, corect aplicat, rezultatelor obinute i nu pe cea a datelor utilizate. asigur reprezentativitatea

Atenie deci la calitatea datelor prelucrate ! ! !

12

Analiza variabilitii globale A2.Analiza unei repartiii lognormale i omogene Ce distribuie a frecvenelor au grosimile depozitelor romaniene msurate n 101 foraje (Fig.1.3 i tabelul 1.3) distribuite relativ uniform n Bazinul Dacic ? Rezolvare : Analiza grafic a distribuiei grosimilor depozitelor romanianului indic o asimetrie evident. Histograma (Fig.1.4a) indic o puternic asimetrie de stnga (1=2,3) iar n diagrama de probabilitate normal (Fig.1.4b) aranjamentul punctelor este de-a lungul unei curbe. Morfologia histogramei i a diagramei de probabilitate a datelor originale sugereaz o distribuie lognormal a acestora.

Fig.1.3.Distribuia celor 101 foraje.

b) a) g

p Grosimea Romanianului d) c)

Ln(g)

Ln(Grosimea Romanianului)

Fig.1.4. Histogramele i diagramele de probabilitate pentru grosimile netransformate (a,b) i logaritmate (c,d) ale Romanianului.

13

Daniel Scrdeanu

Testarea acestei supoziii se realizeaz n urmtoarele etape de prelucrare : transformarea valorilor originale prin logaritmare (indiferent de baza numeric; pentru aplicaie s-a utilizat baza e = 2.718282); analiza grafic a histogramei i diagramei de probabilitate realizat cu valorile logaritmate; testarea analitic a concordanei repartiiei valorilor logaritmate cu modelul repartiiei normale. Analiza comparativ a histogramelor i diagramelor de probabilitate realizate att pentru valorile netransformate ale grosimilor Romanianului ct i pentru cele logaritmate, permit formularea urmtoarelor observaii: prin logaritmare, distribuia valorilor grosimii se simetrizeaz (1 = 0,05) ; coliniarizarea punctelor n diagrama de probabilitate realizat cu valorile logaritmate sugereaz o distribuie lognormal a grosimilor; se detaeaz dou valori extreme, cte una la ambele extreme (vizibile n diagrama de probabilitate), a cror apartenen la selecie trebuie testat. Tabelul 1.3.Grosimi ale depozitelor romaniene din Bazinul Dacic. Nr. Gr. Nr. Gr. Nr. Gr. Nr. Gr. Nr. Gr. Nr. Gr. Rom Rom Rom Rom Rom Rom 1 120 18 40 35 90 52 170 69 761 86 360 2 86 19 30 36 190 53 170 70 800 87 301 3 120 20 35 37 100 54 230 71 400 88 200 4 69 21 320 38 160 55 95 72 380 89 200 5 38 22 320 39 180 56 225 73 320 90 452 6 78 23 130 40 300 57 445 74 400 91 392 7 135 24 100 41 320 58 140 75 375 92 233 8 326 25 90 42 300 59 170 76 975 93 1240 9 280 26 100 43 455 60 505 77 305 94 1830 10 90 27 200 44 115 61 792 78 630 95 1426 11 190 28 220 45 420 62 500 79 500 96 1370 12 150 29 200 46 350 63 360 80 1100 97 1364 13 102 30 200 47 486 64 585 81 1000 98 668 14 70 31 200 48 120 65 45 82 2000 99 580 15 200 32 130 49 625 66 220 83 384 100 400 16 47 33 65 50 30 67 680 84 442 101 101 17 250 34 150 51 290 68 1600 85 398 Datele necesare testrii concordanei repartiiei valorilor logaritmate ale grosimii depozitelor romaniene cu modelul repartiiei normale, pe baza testului 2 sunt: numrul de valori (n = 101), media (m = 5,52), abaterea standard (s = 0,95), numrul intervalelor de grupare (k = 15), mrimea intervalului de grupare ( = 0,3). Analog cu aplicaia A1 i utiliznd datele din tabelul 1.4, se obin, pentru un 2 2 risc al erorii de genul I de 5%: exp = 20,85 i 2 (0,05;12) = 21,03 . Relaia dintre exp i 2 indic o repartiie normal a valorilor logaritmate, adic o repartiie lognormal a valorilor originale (valori netransformate).

14

Analiza variabilitii globale Tabelul 1.4.Calculele asociate testului 2 pentru analiza distribuiei grosimii depozitelor romaniene din Bazinul Dacic . Nr. Lim. inf. Lim. Xci ni npi (ni npi )2 interval interval Sup. npi Interval 1 3.30 3.60 3.45 3.00 1.23 2.56 2 3.60 3.90 3.75 4.00 2.27 1.31 3 3.90 4.20 4.17 1.00 4.72 2.94 4 4.20 4.50 4.40 7.00 6.40 0.06 5 4.50 4.80 4.67 10.00 8.58 0.23 6 4.80 5.10 4.95 7.00 10.66 1.26 7 5.10 5.40 5.27 15.00 12.25 0.62 8 5.40 5.70 5.52 6.00 12.67 3.51 9 5.70 6.00 5.85 20.00 11.89 5.53 10 6.00 6.30 6.15 9.00 10.18 0.14 11 6.30 6.60 6.44 6.00 7.90 0.46 12 6.60 6.90 6.72 4.00 5.71 0.51 13 6.90 7.20 7.01 3.00 3.70 0.13 14 7.20 7.50 7.27 4.00 2.33 1.20 15 7.50 7.80 7.56 2.00 1.28 0.40 Valorile extreme care sunt vizate pentru testarea apartenenei statistice la selecia de date disponibile sunt : ln(grosimea minim) = 3,4 i ln(grosimea maxim)= 7,6. Pentru a verifica dac valorile se ncadreaz n limitele fluctuaiilor normale se aplic criteriul intervalului de toleran, conform cruia valorile extreme admisibile pentru o selecie cu media (m) i abaterea standard (s) se evalueaz cu relaiile : vmax = m + z ( ) s i vmin = m z ( ) s n care z() este coeficientul abaterii limit care se determin din tabelul funciei 1-2(z), iar = 1/(2n) (n- numrul de valori ale seleciei) (Bomboe, P.1979). Grosimile logaritmate ale depozitelor romaniene fluctueaz n mod normal ntre limitele : vmin = 5,52 (2,80 0,95) = 2,86 i vmax = 5,52 + (2,80 0,95) = 8,18 n care = 0,005 iar z(0,005)=2,80. Comparnd valorile extreme admisibile cu valorile extreme ale seleciei, rezult c acestea din urm (adic 3,40 i 7,60) se ncadrez n limitele fluctuaiilor normale i deci nu trebuie eliminate.
COMENTARIU Pentru c repartiia valorilor grosimii depozitelor romaniene n jurul mediei de selecie nu este normal (este lognormal !!!), toate estimrile statistice i geostatistice realizate cu aceste valori nu vor fi corecte (vor fi supraestimate !!). S prelucrezi valorile n aceast stare de anormalitate este ca i cum ai ncerca s te nelegi cu un om turmentat ! Pentru a obine rezultate corecte (evitarea supraestimrilor), este necesar normalizarea repartiiei valorilor naintea prelucrrilor, trezirea lor din beie.

15

Daniel Scrdeanu A3.Analiza unei repartiii lognormale i neomogene Ce distribuie au conductivitile hidraulice determinate n 113 foraje hidrogeologice (de explorare i captare) executate ntre Dmbovia i Ialomia pe o suprafa de aproximativ 200 km2 (Fig.1.5) ? Rezolvare : Un caz tipic de variabil cu Ialomita distribuie eterogen i lognormal l constituie conductivitatea hidraulic a depozitelor din conurile aluvionare. Eterogenitatea statistic i Dimbovita gsete explicaia n diversitatea condiiilor de formare i a surselor ce particip la constituirea depozitelor aluvionare. Distribuia asimetric (lognormal) a valorilor Fig.1.5.Locaiile forajelor hidrogeologice conductivitii hidraulice n raport cu media de selecie comport interpretri a cror complexitate crete mult gradul de incertitudine al estimrilor geostatistice. Analiza distribuiei valorilor demareaz cu examinarea histogramei valorilor (Fig.1.6a) i a diagramei de probabilitate (Fig.1.6b). Cele 113 valori sunt cuprinse n intervalul [6,86 ; 2304,00 m/zi] iar histograma indic o puternic asimetrie de stnga. Apare deci necesitatea normalizrii distribuiei valorilor printr-o transformare numeric a acestora.
90 80 70

a)

b)

Frecventa absoluta

60 50 40 30 20 10 0 200 400 600 800 1000 1200 1400 1600

Conduc tivitatea hidraulic a[m /zi]

Fig.1.6.Histograma (a) i diagrama de probabilitate (b) pentru valorile conductivitilor hidraulice Diagrama de probabilitate evideniaz asimetria distribuiei prin dispunerea punctelor de-a lungul unei curbe. Dac distribuia valorilor ar fi fost normal (simetric) punctele din diagrama de probabilitate s-ar fi poziionat de-a lungul unei linii drepte. Diagrama de probabilitate permite sesizarea i a unor aspecte suplimentare care servesc analizei eterogenitii i a valorilor extreme: alinierea punctelor din diagram pe dou segmente liniare sugereaz separarea a dou grupuri de valori cu caracteristici statistice distincte ;

16

Analiza variabilitii globale se detaeaz un numr de opt valori, cte patru la fiecare extremitate a seleciei, care urmeaz s fie supuse testelor specifice (criteriul abaterii normate, criteriul limitei de toleran, criteriul comparrii abaterilor etc.; tabelul 1.5).

Tabelul 1.5.Valorile extreme care se elimin din selecie Etapa care urmeaz examinrii histogramei i Nr. Valori eliminate Foraj Semn conv.pe diagramei de probabilitate Crt. K[m/zi] Ln(K) hart(Fig.1.5) este consacrat 1 6,86 1.92 9 Cerc mic normalizrii distribuiei 2 8,00 2.07 135 Cerc mic seleciei de valori care n 3 8,40 2.12 27 Cerc mic cazul acesta se realizeaz 4 9,00 2.19 105 Cerc mic prin logaritmare. Efectul 5 1281,00 7.15 69 Cerc mare logaritmrii este 6 2304,00 7.74 31 Cerc mare semnificativ, coeficientul 7 2304,00 7.74 33 Cerc mare de asimetrie al distribuiei 8 2304,00 7.74 73 Cerc mare valorilor conductivitii reducndu-se de la 3 = 3,07 (n cazul valorilor originale) la 3 = 0,36 (pentru valorile logaritmate). a)
20 18 16 14 12 10 8 6 4 2 0 2.0 3.0 4.0 5.0

b)

G1

G2 p

ni

6.0

7.0

8.0

ln(K)

ln(K)

Fig.1.7.Histograma (a) i diagrama de probabilitate (b) ale valorilor logaritmate ale conductivitii hidraulice.

Analiza morfologiei histogramei i a diagramei de probabilitate pentru valorile logaritmate (Fig.1.7a i Fig.1.7b) conduce la urmtoarele msuri ce trebuie luate: din cele 113 valori de conductivitate trebuie eliminate cele opt valori extreme, vizibil detaate i n diagrama de probabilitate a valorilor logaritmate; cele 105 valori rmase dup eliminarea valorilor extreme trebuiesc separate n dou grupuri (G1 i G2), grupuri a cror comparare statistic se realizeaz prin analiza dispersional monofactorial. Cele dou grupuri sunt caracterizate prin elementele sintetizate n tabelul 1.6. Ele se difereniaz net doar prin valorile mediilor, avnd practic aceeai dispersie a valorilor. Tabelul 1.6.Caracteristici statistice ale grupurilor G1 i G2 Grup Numr de valori Valoarea medie Coef. de Dispersia ln(K)/K asimetrie G1 65 3,54/ 34,47 -0,24 0,36 G2 40 5,98/ 395,72 -0,39 0,37

17

Daniel Scrdeanu Valorile din grupul G1 sunt mai mici i au fost determinate n interfluviul Dmbovia-Ialomia iar valorile grupului G2, mai mari, au fost determinate n foraje plasate de-a lungul vii Dmbovia (Fig.1.5). Separarea statistic a celor dou grupuri corespunde n acest caz cu condiiile distincte n care s-au depus formaiunile a cror conductivitate hidraulic se studiaz: n vecintatea talvegului vilor, unde sunt formaiuni mai grosiere i bine splate, sunt depozite cu conductiviti mari (G2) iar n interfluviu sunt depozite cu granulaie mai fin i uneori cu matrice argiloas, deci cu conductivitate hidraulic mai mic (G1). Considernd c diferenierea statistic a celor dou grupuri de valori este determinat de un singur factor sau de mai muli factori cu aciune convergent, instrumentul adecvat testrii statistice a acestei ipoteze este analiza dispersional monofactorial. La o eroare de genul I cu = 5%, raportul dintre factorul Fischer experimental (Fexp.= 93,67) i cel critic (Fcr = 3,93) este Fexp/Fcr = 23,83. Aceasta justific din punct de vedere statistic separarea celor dou grupuri de valori. n continuarea prelucrrilor geostatistice, cele dou grupuri de valori logaritmate ale conductivitii hidraulice vor fi considerate ca dou selecii de valori distincte, pentru care prelucrrile se vor face separat (Tabelul 1.7 n care valorile conductivitilor hidraulice din paranteze sunt logaritmate). Tabelul 1.7.Amplitudinea conductivitii hidraulice din Grup Valoarea minim Valoare maxim 10 (2,3) 100 (4,6) G1 100 (4,6) 1011 (6,91) G2 G1 i G2. Nr.valori 65 40

Este important de reinut c : normalizarea distribuiei valorilor variabilelor studiate (prin logaritmare n cazul aplicaiei) este necesar pentru a elimina riscul supraestimrii/subestimrii evalurilor geostatistice; separarea seleciilor neomogene n grupuri de valori omogene (n cazul aplicaiei grupurile G1 i G2) permite identificarea legitilor de variaie spaial specifice domeniilor n care procesul depunerii depozitelor permeabile a fost controlat de factori diferii. Finalizarea analizei variabilitii globale, cnd ea nu este urmat de o evaluare geostatistic (spaial), o constituie valoarea medie a parametrului studiat asociat cu un interval de ncredere corespunztor erorii de genul I alese. Pentru conductivitatea hidraulic a depozitelor din zona cercetat, analiza variabilitii globale conduce la concluzia c depozitele conului aluvionar se difereniaz net n dou zone: zona talvegului rului Dmbovia (G2) unde valoarea medie a conductivitii este: K2 = 394 m/zi 1 m/zi pentru = 5%; zona interfluviului Dmbovia-Ialomia (G1) unde conductivitii este: K1 = 34 m/zi 2 m/zi pentru =5% . valoarea medie a

Neglijarea distribuiei lognormale a seleciei de date i neomogenitatea ei statistic ar fi condus la subestimri ale conductivitii hidraulice n zona talvegului

18

Analiza variabilitii globale Dmboviei (G2) i la supraestimri n interfluviul Dmbovia-Ialomia, cu efecte importante asupra studiului curgerii apelor subterane. Pentru evaluarea valorii medii a conductivitii n zona talvegului Dmboviei se calculeaz media aritmetic ponderat a celor n2 = 40 valori logaritmate ale conductivitii hidraulice din grupul G2 i se obine ln(K2) = 5,977 care prin antilogaritmare conduce la K2 = 394,35 m/zi, rotunjit la K2 = 394 m/zi prin truncare. Intervalul de ncredere al mediei, pentru = 5% se calculeaz tot prin intermediul celor n2 = 40 valori logaritmate ale conductivitilor hidraulice obinndu-se ln() = 0,194 care prin antilogaritmare conduce la =1,2 m/zi. Valorile pentru zona interfluviului Dmbovia-Ialomia (G1) (valoarea medie a conductivitii hidraulice i a erorii de estimare) s-au calculat prin prelucrarea celor n1= 65 de valori logaritmate ale conductivitii hidraulice din grupul G1, dup metodologia explicitat pentru G2. COMENTARIU Conductivitile hidraulice determinate n 113 foraje hidrogeologice executate ntre Dmbovia i Ialomia (Fig.1.5) formeaz o selecie de date neomogen i cu repartiie lognormal. Cum reacionm n astfel de situaii? Cretem preul prelucrrii deoarece efortul necesar pregtirii datelor pentru realizarea unor evaluri geostatistice corecte crete exponenial. Prezena neomogenitilor statistice d serioase dureri de cap geologilor, deoarece: dac neglijeaz aceste neomogeniti se pierde n totalitate controlul erorilor fcute prin estimri (nu mai tii dac faci supraestimri sau subestimri!!); dac se dorete eliminarea efectului lor, apar conceptuale greu de depit. dificulti procedurale i

Eliminarea efectului neomogenittilor statistice presupune cunoaterea n profunzime a fenomenului studiat (n cazul aplicaiei - procesul de formare a depozitelor permeabile) i particularitile metodei statistice (n cazul aplicaiei analiza dispersional monofactorial). Cheia rezolvrii corecte a problemei neomogenitii seleciilor de date este separarea corect a grupurilor de date omogene (n cazul aplicaiei: G1 i G2). Din punct de vedere statistic separarea n grupuri omogene nu este unic i numai cunoterea corect a procesului natural studiat ne permite s alegem soluia adecvat. Mai laborioas i mai complex dect analiza modului de distribuie a valorilor sau analiza valorilor extreme, cea de-a treia component a analizei variabilitii globale, analiza eterogenitii seleciilor de date geologice, este posibil numai pe baza cunoaterii profunde a proceselor geologice. Fr cunoaterea condiiilor geologice n care se desfoar fenomenul studiat, analiza eterogenitii seleciilor de date este un simplu exerciiu statistic, fr semnificaie geologic !

19

1.2.NORMALIZAREA REPARTIIEI SELECIILOR DE DATE Este puin probabil ca toi s percepem realitatea la fel. Am convingerea c de fapt totul se regleaz prin limbaj i chiar dac spunem toi c vedem un mr rou (al lui Machintosh, de exemplu), senzaiile fiecruia difer; altfel spus, fiecare cu mrul lui rou. i dac punem zece pictori s deseneze acelai mr rou vom avea zece viziuni diferite ale mrului rou. Este dificil s privim toi realitatea prin aceeai lentil. Fiecare cu dioptriile lui. Pentru o scurt perioad, cea a prelucrrilor geostatistice, v propun s acceptai acest lucru. Este n interesul unei estimri obiective a realitii, estimare realizat prin filtrul instrumentelor matematice. Lentila prin care vom privi realitatea ne va face s-o vedem totdeauna normal. Este o lentil interactiv, este cunoscut sub denumirea de normalizarea realitii i la orice anormalitate a acesteia distorsioneaz semnalul plasndu-l n coordonatele unui model unic, cel al distribuiei normale (gaussiene). De ce este nevoie s acceptm aceast lentil ? Citii mai departe i sper c vei fi cel puin curioi s ncercai o senzaie nou, aceea de normalitate generalizat. Metodele geostatistice (topo-probabiliste) sunt puse la punct pentru prelucrarea seleciilor de date cu distribuie normal (gaussian). Aceast premiz nu exclude utilizarea acestor metode i pentru variabilele cu altfel de distribuii. Dac valorile variabilelor prelucrate (vi) se abat de la repartiia normal, aplicarea corect a metodelor geostatistice (topo-probabiliste) necesit o transformare a datelor originale (T(vi)) care s conduc la valori cu distribuie normal (ti):
ti = T (vi )

(1.1)

Valorile transformate vor fi prelucrate cu metodologia specific modelelor topo-probabiliste. La finalul prelucrrilor pentru revenirea n cmpul valorilor originale se realizeaz transformarea invers (T-1) celei prin care datele originale au fost transformate n vederea prelucrrii. Normalizarea distribuiei diferitelor variabile poate fi realizat n cmpul valorilor normate i este cunoscut sub numele de normalizare redus. Normalizarea redus a distribuiilor n cmpul valorilor normate conduce la o variabil normat (ui) cu repartiie normal, cu media zero (m = 0) i dispersia unitar (s2 = 1).Pentru normarea valorilor vi se utilizeaz relaia :
ui = vi m s

(1.2)

n care u i este valoarea normat, m i s sunt media de selecie, respectiv abaterea standard de selecie a valorilor netransformate (vi). Normalizarea valorilor poate fi realizat i n cmpul valorilor originale fr normarea acestora i este cunoscut sub denumirea de normalizare generalizat. Normalizarea distribuiei valorilor se bazeaz pe probabilitatea de apariie (pi) a fiecrei valori msurate (vi) (i = 1 ... n, n - numrul total de valori msurate).

20

Normalizarea seleciilor de date Probabilitile de apariie a valorilor msurate (pi), n cazul variabilelor geologice, de cele mai multe ori depind de distribuia n spaiu a punctelor n care se face determinarea lor: a) dac punctele de observaie sunt distribuite uniform pe suprafaa cercetat aceast probabilitate se aproximeaz prin relaia:
p1 = p2 = ... = pn = 1 n

(1.3)

b) dac punctele de observaie sunt distribuite neuniform pe suprafaa cercetat, probabilitile pot fi estimate prin diferite tehnici (declustering celular, declustering poligonal etc., Scrdeanu,D.,1996). n ambele cazuri (a i b), trebuie respectat condiia :

pi = 1
i =1

(1.4)

Calculul probabilitilor pentru valorile extreme (valori maxime i minime) ale seleciilor de date trebuie abordat n mod difereniat. Pentru situaia unor volume reduse de date trebuie luat n considerare o probabilitate diferit de zero pentru valori mai mici ca valoarea minim i mai mari dect cea maxim. O soluie simplist pentru calculul probabilitilor valorilor extreme nedeterminate este egalarea sumei probabilitilor cu o valoare mai mic dect unitatea (ex.: n/(n+1)), soluie sensibil ns la variaia numrului de probe disponibile. Normalizarea valorilor msurate se percepe cel mai comod pe baza unei reprezentri grafice (Fig.1.8). Pentru aceast operaie sunt Fig.1.8.Principiul normalizrii valorilor. necesare dou curbe de frecvene cumulate: curba frecvenelor cumulate a valorilor msurate (vi), adic histograma experimental cumulat; curba frecvenelor cumulate ale repartiiei normale (funcia lui Laplace ((u)). Pentru normalizarea valorii vi se duce prin valoarea msurat (vi) o paralel la axa frecvenelor pn ce intersecteaz curba frecvenelor cumulate a valorilor msurate. Din punctul de intersecie se duce o paralel la abscis pn intersecteaz funcia lui Laplace iar de aici o paralel la axa frecvenelor obinndu-se valoarea normalizat cutat (ui). Echivalena analitic a acestei operaiuni grafice este:
ui = G 1 (ci )

(1.5)

n care G-1 - inversa integralei lui Gauss; ci - probabilitatea cumulat corespunztoare valorii vi.

21

Daniel Scrdeanu Normalizarea generalizat a distribuiei datelor n cmpul valorilor reale este o operaiune similar cu cea a normalizrii n cmpul valorilor normate care presupune nlocuirea valorilor funciei lui Laplace cu o serie de valori cu repartiie normal de medie i dispersie cunoscute. Media i dispersia se aleg n funcie de valorile a cror distribuie se normalizeaz. Prin aceast operaiune se poate transforma distribuia oricrui set de valori n raport cu o distribuie de referin (reprezentat printr-un alt set de valori) fr a se cunoate modelul analitic al acestei distribuii.
A4.Normalizare redus

S se normalizeze, n spaiul valorilor normate, cele 124 de valori grosimii depozitelor daciene (determinate n 124 de foraje; Fig.1.9) . Rezolvare :

ale

Galati Buzau Ploiesti Tr Severin Bucuresti Craiova

Tg Jiu

Rm Valcea

Fig.1.9.Distribuia celor 124 de foraje n care a fost msurat grosimea Dacianului.

Considerm, ntr-o prim aproximare, c probabilitile de apariie pentru fiecare din cele 124 de grosimi determinate n cele 124 de foraje (tabelul 1.8) sunt egale ntre ele i egale cu p= 1/124. Histograma i curba cumulativ a frecvenelor (Fig.1.10) pentru grosimile Dacianului indic o repartiie asimetric cu un coeficient de asimetrie 1 = 1.09.
35 30 25 20 15 10 120.00% 100.00% 80.00% 60.00% 40.00% 20.00% .00%

Din cauza asimetriei de stnga, prelucrarea acestor valori cu modelele topoprobabiliste de tipul kriging-ului va conduce la supraestimri n evaluarea distribuiei spaiale a grosimii Dacianului din Bazinul Dacic Pentru realizarea normalizrii distribuiei grosimilor se utilizeaz inversa integralei lui Gros im ea Da cia n u lu i[m ] [m] Gauss (G-1) obinut prin aproximarea numeric Grosimea Dacianului Kennedy and Gentle (1980). Fig.1.10.Histograma i curba Un program comod de utilizat este cumulativ a grosimii depozitelor disponibil n biblioteca GSLIB (nscore.f). Trebuie daciene precizat c programul: utilizeaz ca date de intrare: un fiier cu date de tip Geo-EAS (Fig.1.11a) i un fiier cu parametrii de prelucrare (Fig.1.11b); scrie rezultatele n dou fiiere: un fiier cu toate datele (Fig.1.12a) i un fiier cu valorile msurate i transformate (Fig.1.12b) utilizat la transformarea invers, de la valorile reduse cu distribuie normal (u) la cele msurate (v).
Frecvena [-] Frecven a [-]
5 0 0 200 400 600 800 1000

22

Normalizarea seleciilor de date

n cazul aplicaiei, fiierul cu date de tip Geo-EAS conine 4 coloane pe care sunt inserate: numrul curent al forajului, abscisa forajului, ordonata forajului i valoarea grosimii Dacianului (Fig.1.11a) Fiierul cu parametrii de transformare (Fig.1.11b), n cazul aplicaiei, conine: numele fiierului cu date (ex.: dacian.dat); numrul coloanelor pe care se afl: valoarea variabilei, adic 4, deoarece grosimea Dacianului se afl n fiierul de date pe coloana a patra; ponderile acordate acestor valori, adic 0 (zero), deoarece am plecat de la ipoteza c fiecare valoare are probabilitatea 1/124 i n tabelul cu date nu exist o coloan cu valorile acestor ponderi. valoarea maxim i cea minim luate n considerare pentru transformare: grosimea minim = 15 m grosimea maxim = 928 m GROSIMILE DACIANULUI 4 a) Nr.crt. _ G16.9 x m G16.9 y m G16.9 grosime m G16.9 1 305.20 96.80 429.00 2 364.77 249.06 430.00 3 335.38 247.32 905.00 ................................................ 124 46.00 100.44 191.00
b)

PARAMETRII DE TRANSFORMARE dacian.dat 4 0 15 928 ndacian.dat ndacian.trn

Fig.1.11.Structura fiierelor de intrare pentru programul de transformare: a) fiierul de date; b) fiierul cu parametrii de transformare.

GROSIMILE DACIANULUI 5 a) Nr.crt. x y grosime grosime transformat(normalizat) 1 305.20 96.80 429.00 0.74 2 364.77 249.06 430.00 0.77 3 335.38 247.32 905.00 2.25 ........................................................... 127 46.00 100.44 191.00 -0.56

b)

429.00 0.74 430.00 0.77 905.00 2.25 ........................ 191.00 -0.56

Fig.1.12.Fiierele cu rezultatele transformrii (normalizrii) a) fiierul cu rezultatele normalizrii (ndacian.dat); b) fiierul cu tabelul utilizat la transformarea invers (ndacian.trn).

23

Daniel Scrdeanu

numele fiierului cu rezultatele transformrii (ex.: ndacian.dat); acest fiier, pe lng datele din fiierul de intrare (dacian.dat) conine i coloana valorilor transformate (Fig.1.12a); numele fiierului cu tabelul de valori utilizat la transformarea invers care se realizeaz dup prelucrarea valorilor transformate: ndacian.trn (Fig.1.12b).
25 20

Valorile transformate (normalizate), cele din coloana a 5-a din fiierul ndacian.dat, au o repartiie perfect simetric (Fig.1.13), media zero i dispersia unitar. Aceste valori se utilizeaz n etapa de interpolare cu ajutorul kriging-ului.

120.00% 100.00% 80.00%

Frecvena[-] Fecven a [-]

15

60.00%
10

40.00%
5 0 -3 -2

20.00% .00% -1 0 1 2 3

Aspectul grafic al corelaiei dintre cele dou iruri de valori arat gradul de abatere al valorilor msurate (grosimile Dacianului) de la repartiia normal. Dac valorile msurate ale grosimilor ar fi avut o repartiie normal punctele din Fig.1.14. s-ar fi aliniat dup o dreapt.

Grosimea normat [-

Dup realizarea operaiunii de interpolare, pe Grosimea [-] Grosimeanormat n ormat[-] baza valorilor transformate, Fig.1.13.Histograma i curba frecvenelor rezultatele finale se proiecteaz cumulate pentru grosimile transformate ale n cmpul valorilor reale prin Dacianului, obinute prin normalizare redus intermediul corelaiei dintre valorile msurate i cele 3 transformate (Fig.1.14), coninute n fiierul ndacian.trn sau pe coloanele 2 4 i 5 din fiierul ndacian.dat.
1 0 0 20 40 60 80 100

-1 -2 -3

Grosimea Dacianului (v)[m]


Fig.1.14..Corelaia dintre grosimile msurate (v) i cele transformate (u, normate i normalizate).

COMENTARIU Normalizarea este trezirea din beie a datelor.

24

Normalizarea seleciilor de date


Necesitatea normalizrii distribuiei datelor rezult din analiza morfologiei histogramei i diagramei de probabilitate, aceleai instrumente care sunt utilizate i pentru verificarea rapid a eficienei operaiunii de normalizare.

Dac dup normalizare histograma valorilor este simetric iar n diagrama de probabilitate punctele sunt coliniare operaiunea a reuit. Cu valorile transformate, trezite din beie, se poate lucra n mod normal. Dup estimrile geostatistice, pentru a respecta opiunile i libertile, se poate reveni la starea anterioar prin procedeul foarte bine cunoscut.

25

Daniel Scrdeanu A5.Normalizare generalizat S se normalizeze distribuia grosimilor depozitelor daciene (v), determinate n 124 foraje (Fig.1.9 i tabelul 1.8) pentru domeniul valoric al seleciei disponibile. Rezolvare: Operarea cu valori adimensionale, cuprinse n domeniul valoric [-3, 3], obinute prin normalizare redus, chiar dac este confortabil din punct de vedere numeric, poate crea dificulti de interpretare pe parcursul operrii. Pentru reducerea acestor dificulti formale muli specialiti prefer utlizarea normalizrii generalizate care n urma transformrii proiecteaz valorile originale tot n domeniul valoric n care au fost determinate dar sub forma unei distribuii normale Normalizarea generalizat implic dou etape de prelucrare: 1) generarea unui set de valori cu repartiie normal; 2) normalizarea valorilor originale, utiliznd ca repartiie de referin repartiia setului de date generat. Generarea setului de valori cu repartitie normal se poate realiza prin proiectare linear a setului de valori obinute prin normalizare redus n aplicaia A3 (cuprins n intervalul [-3,3]), pe domeniul valoric al celor 124 de grosimi msurate [vmin = 15m, vmax = 928m], prin relaia:

vi = vmin +

vmax vmin (u i u min ) u max u min

n care umin, ui, umax - valori normate cu repartiie normal (Fig.1.15a); vmin, vmax - valoarea minim, respectiv valoarea maxim msurate; vi - valorile cu repartiie normal utilizate ca repartiie de referin (Fig.1.15b) n cazul aplicaiei valorile utilizate pentru calcule sunt: umin = -3, umax = 3, vmin = 15m,
100.00%

vmax = 928 m

80.00%

60.00%

40.00%

20.00%

v ni

vi Grosimi
15 15 20 25 1000 30

.00% -5 -3 0

155

10

1000

Fig.1.15.Curbele frecvenelor cumulate necesare normalizrii generalizate: a)curba frecvenelor cumulate a grosimilor normate cu repartiie normal; b)curba de referin a frecvenelor cumulate cu repartiie normal; c)curba experimental a frecvenelor cumulate pentru grosimile msurate.
26

Normalizarea seleciilor de date Normalizarea valorilor msurate n cmpul valorilor reale al grosimilor, se realizeaz grafic utiliznd curba de referin a frecvenelor cumulate (Fig.1.15b) obinut n etapa anterioar i curba experimental a frecvenelor cumulate pentru grosimile msurate (Fig.1.15c). Corespondentul analitic al procedeului grafic indicat prin sgeat n Fig.1.15 este relaia: vn i = F 1 (ci )
n care v ni - valoarea transformat n concordan cu repartiia normal de referin;

ci - frecvena cumulat; F-1 - inversa funciei experimentale de frecven. Valorile obinute prin aceast transformare ( v ni ) au repartiie normal i sunt
cuprinse n intervalul [15; 928] (Fig.1.16).
30 25 100.00% 80.00% 60.00% 15 40.00% 10 5 0 0 200 400 600 800 1000 20.00% .00%

Frecvena Frecven a

20

Gr o s im e a Dacianului D a c ia n u [m] lu i[m ] Grosimea

Fig.1.16.Histograma i curba frecvenelor cumulate pentru grosimile Dacianului obinute prin normalizare generalizat. COMENTARIU

Orice selecie de valori care nu are distribuie normal, naintea oricror evaluri statistice, trebuie normalizat. Ignorarea acestei etape de prelucrare conduce cu siguran la supraestimri sau subestimri. Este preferabil s normalizm o selecie de valori cu distribuie normal (gaussian) dect s nu normalizm o selecie cu distribuie negaussian. Normalizarea unei selecii de valori cu distribuie normal nu aduce nici o modificare a valorilor prin transformrile aplicate (normalizare redus/normalizare generalizat). Aceast variant de prelucrare poate fi o alternativ pentru testarea normalitii distribuiei unei selecii de valori.

27

1.3.ANALIZA VARIABILITII SPAIALE Analiza variabilitii spaiale integreaz n prelucrare, pe lng valorile caracteristicilor geologice (vi) care au constituit obiectul prelucrrii n cadrul analizei variabilitii globale, o a doua categorie de date: coordonatele spaiale (xi,yi,zi) ale punctelor n care au fost determinate valorile acelor caracteristici. Cele n valori vi (i = 1n) pe care pn acum le-am inut ntr-un sac pe care l-am scuturat pn ce valorile au fost normalizate (ti = T(vi)) sunt acum mprtiate pe suprafaa de unde au fost colectate pentru a obine elementele necesare realizrii desenului ce red forma obiectelor din hrile i seciunile gelogice. Variabilitatea spaial, de mare complexitate pentru caracteristicile geologice, este obiectul unor metode de analiz i sintez foarte laborioase. Eficiena acestor metode, proporional cu gradul lor de sintez, este determinat de experiena celor care le aplic i de parcurgerea ntr-o succesiune strict a urmtoarelor etape: reprezentarea grafic a datelor, utilizat pentru formarea unei imagini generale asupra distribuiei valorilor variabilei n spaiul cercetat; analiza parametric a datelor ce sintetizeaz n trei tipuri de funcii de distan caracteristicile variabilitii spaiale att pentru o singur variabil (covariana, corelograma i variograma) ct i pentru o pereche de variabile (intercovariana, intercorelograma i intervariograma) probate n aceleai puncte de observaie; analiza staionaritii caracteristicilor geologice studiate, primul pas dificil al analizei variabilitii spaiale, care pune la ncercare experiena cercettorului privind circumstanele acceptrii unor aproximri i a consecinelor acestor aproximri asupra rezultatelor finale ale prelucrrilor geostatistice; analiza variografic, ultima i cea mai dificil etap a analizei variabilitii spaiale n care cuantificarea variabilitii spaiale se face sub forma celei mai probabile legi de variaie spaial a caracteristicii studiate.

1.3.1.Reprezentarea grafic Proprieti precum localizarea valorilor extreme (minime sau maxime), tendina de evoluie regional, gradul de continuitate, sunt de mare interes pentru studiul proceselor geologice. Bazat pe un numr minim de instrumente i prelucrri, reprezentarea grafic are ca obiectiv sintetizarea caracteristicilor topologice ale datelor trecute deja prin filtrul analizei variabilitii globale univariate (tip de repartiie, valori extreme, dispersie) i multivariate (analiz discriminant, analiz factorial, analiz corelatorie i spectral etc.; D.Scrdeanu,1995). Ca i histograma, pentru tipul de repartiie, sau dreapta de regresie, pentru corelaia dintre dou variabile, cele mai eficiente instrumente pentru descrierea variabilitii spaiale sunt cele grafice. Principalele caracteristici structurale ale datelor primare se exprim n mod curent prin: hri punctuale, hri simbolice i indicatoare, diagrame de continuitate i variabilitate.

28

Analiza variabilitii spaiale Harta punctual se realizeaz prin simpla dispunere ntr-un sistem de coordonate a punctelor de observaie lng care se nscriu sau nu, n funcie de densitatea punctelor de observaie, valorile variabilei studiate. Harta punctual se realizeaz n prima etap a studiului caracteristicilor spaiale, ea fiind utilizat pentru: - identificarea erorilor n amplasarea punctelor de observaie; - calculul densitii punctelor de observaie; - localizarea valorilor extreme, determinate fie de erori de msur, fie de anomalii locale, care solicit un interes special (ex.: prezena unor pepite). Harta punctual este util pentru situaia n care numrul de puncte de observaie este redus; n caz contrar se apeleaz la harta simbolic. Harta simbolic presupune o prim filtrare a datelor primare prin reducerea variabilitii spaiale i se realizeaz n cazul unui numr mare de puncte de observaie, numr care face inexpresiv harta punctual prin suprapunerea punctelor de observaie sau a etichetelor ataate acestora. Suprafaa pe care se realizeaz harta simbolic este acoperit cu o reea rectangular/ptratic n celulele creia se calculeaz valoarea medie a caracteristicii studiate. Numrul de simboluri (alfanumerice, tonuri de gri sau culori) utilizate se stabilete n funcie de gradul de detaliere necesar. Cnd se utilizeaz numai dou simboluri harta simbolic poart denumirea de hart indicatoare. Dimensiunile celulelor reelei rectangulare/ptratice, procedeul de calcul al valorii medii pentru fiecare celul i numrul de simboluri influeneaz n mod determinant aspectul hrii simbolice. Hrile simbolice ofer o imagine simplificat a distribuiei spaiale a valorilor caracteristicii studiate i permite sesizarea tendinelor i localizarea zonelor cu valori maxime i minime.
Diagrama de continuitate este reprezentarea grafic prin care se face o prim evaluare a gradului de precizie cu care se va putea calcula distribuia spaial a unei variabile, probat prin intermediul unei reele de observaie cu o geometrie oarecare. Buna continuitate a variabilei (adic o variaie lent a variabilei de la un punct la altul) conduce la o precizie crescut n evaluarea distribuiei spaiale. Diagrama de continuitate sintetizeaz ntr-o reprezentare rectangular binar, similaritatea valorilor msurate n puncte vecine. Este uor de intuit c similaritatea. a dou valori vecine depinde de: distana care separ punctele n care au fost determinate valorile; orientarea spaial a dreptei care unete aceste puncte.

Pi(xi,yi) hij Pj(xj,yj) Fig.1.17.Vectorul de poziie hij x

Pentru a construi diagrama de continuitate se utilizeaz un vector de poziie care este caracterizat prin: modul, numeric egal cu lungimea segmentului care unete cele dou puncte ( hij

pentru punctele Pi i Pj din Fig.1.17.); orientarea acestui segment ( din Fig. 1.17), msurat prin unghiul dintre direcia axei abscisei i a segmentului care unete cele dou puncte.

29

Daniel Scrdeanu Vectorul de poziie ales este utilizat pentru a identifica toate perechile de puncte din spaiul cercetat care se afl la distana i orientarea aleas. Perechile de valori (vi(P),vj(P+ hij )) se reprezint prin v(P) puncte ntr-un sistem de referin rectangular (Fig.1.18). Distribuia punctelor din diagrama de continuitate exprim gradul de continuitate al variabilei studiate: v(P+ hij ) gruparea strns a punctelor n jurul bisectoarei unghiului dintre axele sistemului de referin indic o bun Fig.1.18.Diagrama de continuitate continuitate a variabilei pentru direcia i distana aleas; la limit, cnd distana pentru care se ntocmete diagrama de continuitate este zero, toate punctele se afl plasate pe bisectoarea unghiului dintre cele dou axe ale sistemului de referin deoarece, pentru orice punct, valoarea din acel punct este egal cu ea nsi; dispersarea punctelor n spaiul dintre cele dou axe ale sistemului rectangular de referin indic o slab continuitate; cu ct norul de puncte este mai difuz, cu att similaritatea valorilor este mai mic i deci continuitatea mai slab. Diagramele de continuitate sunt afectate n mod semnificativ de valorile extreme ale variabilei studiate, de modulul i direcia vectorului de poziie ( hij ). Pentru etapa evalurii modelului de structur spaial (variograma), diagramele de continuitate sunt singurele instrumente care permit identificarea valorilor nodale (valori nodale - valori care sunt determinante n stabilirea legii de variaie spaial a unei caracteristici regionalizate) ale structurilor spaiale. Numai diagramele de continuitate permit eliminarea valorilor extreme, care nu se ncadreaz n modelul structural fiind accidente structurale. Compararea diagramelor de continuitate pe diferite direcii permite identificarea anizotropiei structurilor spaiale. Structurile anizotrope sunt caracterizate de diagrame de s continuitate diferite pe direcii diferite a) de calcul. Identitatea diagramelor de continuitate calculate pe orice direcie indic izotropia structurii. m Diagrama de variabilitate exprim corelaia dintre valoarea medie s (m) a unei caracteristici ntr-o anumit b) zon i eroarea cu care ea poate fi estimat. Eroarea este calculat pe baza abaterii standard (s) corespunztoare. Existena corelaiei ntre valoarea medie m i abaterea standard este cunoscut sub Fig.1.19.Diagrame de variabilitate denumirea de efect de proporionalitate. cu efect de proporionalitate Efectul de proporionalitate direct direct(a) i invers(b). (Fig.1.19a) indic faptul c: n zonele n care au fost determinate valori mari ale caracteristicii studiate variabilitatea este mare i ca urmare erorile de estimare vor fi mari; 30

Analiza variabilitii spaiale n zonele n care au fost determinate valori mici ale caracteristicii studiate variabilitatea este mic i ca urmare erorile de estimare vor fi mici. Este frecvent i efectul de proporionalitate invers (Fig.1.19b), adic: n zonele n care au fost determinate valori mari variabilitatea este mic i ca urmare erorile de estimare vor fi mici; n zonele n care au fost determinate valori mici variabilitatea este mare i ca urmare erorile de estimare vor fi mari. Lipsa efectului de proporionalitate nu permite prognozarea mrimii relative a erorilor de estimare. Este situaia unei variabiliti cu amplitudine mare i cu o distribuie spaial neuniform care conduce n general la erori mari de estimare a distribuiei spaiale a caracteristicii studiate. *** Pe parcursul realizrii reprezentrii grafice a datelor ncepem s simim caracteristicile structurii spaiale ale variabilei geologice studiate prin intermediul vzului. Dintre toate simurile vzul ne face s cunoatem mai bine i descoper mai multe diferene. Dac i oferim imagini reprezentative pentru structura studiat el ne permite s ne formm o imagine corect asupra acesteia. n etapa reprezentrii grafice a datelor ne familiarizm cu particularitile unei anumite structuri spaiale; altfel spus, acumulm experien prin confruntare cu individualul reducnd riscul aplicrii greite a instrumentelor geostatistice n etapele ulterioare de prelucrare. Analiza n paralel a hrilor punctuale, hrilor simbolice, a diagramelor de continuitate i a diagramelor de variabilitate este absolut necesar s precead orice ncercare de estimare spaial a unei variabile geologice deoarece elimin riscul interpretrilor greite determinate de erori grosolane ce pot interveni pe parcursul prelucrrilor: la realizarea fiierelor de date (prin greeli comise la introducerea valorilor); funcionarea greit a programelor de calcul etc. Reprezentrile grafice realizate trebuie permanent consultate i confruntate cu rezultatele intermediare i cele finale ale estimrilor distribuiei spaiale. A6.Harta punctual S se construiasc harta punctul necesar analizei variabilitii spaiale a porozitii unor formaiuni grezoase (n care sunt acumulate hidrocarburi), determinat n 140 de foraje. Cele 140 de valori ale porozitii sunt cuprinse ntre 8 i 40% (tabelul 1.9) i au fost determinate pe un interval de adncime cuprins ntre 1800 i 1900m, coordonatele fiind exprimate n uniti grafice care nu sunt specificate pentru a pstra secretul amplasrii zonei cercetate. Rezolvare: Sistemul de referin n care este realizat harta punctual are originea n punctul de coordonate (240, 415) (Fig.1.20). Punctele de observaie (cele 140 de foraje) sunt reprezentate prin discuri avnd diametrul proporional cu valoarea porozitii determinat n fiecare foraj.

31

Daniel Scrdeanu O astfel de hart punctual (Fig.1.20) permite sesizarea urmtoarelor caracteristici ale reelei de probare a porozitii formaiunilor ce constituie rezervoare de hidrocarburi: distribuia punctelor de observaie este neuniform, motiv pentru care gradul de acoperire cu informaie a zonei cercetate este mai bun n zona NV-ic (dreptunghiul gri) i foarte slab n NE-ul zonei, unde exist puine foraje (dreptunghiul haurat); valorile mari i mici ale porozitii se gsesc distribuite uniform n toat zona cercetat, ceea ce indic o mare variabilitate spaial care conduce la erori mari n etapa de estimare a distribuiei spaiale a porozitii. Tabelul 1.9.Valorile porozitii totale determinate n 140 de foraje X Y n X Y n X Y n X Y n 254 416 32.10 253 426 24.53 248 436 27.50 246 447 35.50 255 418 20.80 249 427 18.50 248 436 24.58 246 447 37.61 259 418 35.70 258 427 29.40 247 436 31.50 246 447 28.75 257 419 17.30 249 427 11.30 248 437 33.43 247 447 34.58 253 419 34.55 250 427 34.80 247 437 24.75 246 447 34.68 263 419 32.53 249 428 10.80 258 437 23.06 246 447 31.30 247 420 24.18 249 428 33.55 248 437 29.40 248 447 30.65 259 420 25.20 253 428 21.10 247 437 27.10 247 447 17.50 259 420 12.90 259 430 31.05 247 437 22.85 255 448 30.00 247 420 25.68 258 430 26.35 248 437 34.00 240 448 27.60 257 421 21.10 258 431 32.30 249 437 32.22 241 448 17.55 247 421 25.42 248 431 33.00 251 437 15.40 246 448 31.55 247 421 32.95 258 432 13.35 249 437 21.93 241 449 32.14 248 422 34.38 258 432 28.82 258 437 33.00 242 449 15.30 260 422 19.65 257 432 25.30 248 438 26.50 246 449 34.00 248 422 31.26 250 434 32.50 258 438 28.12 241 449 20.26 248 422 29.10 248 435 18.35 258 438 24.40 246 449 31.12 262 422 30.17 248 435 22.05 252 438 27.87 246 449 27.75 253 422 33.85 248 435 10.02 249 438 27.20 241 449 18.74 260 423 19.15 248 435 31.47 258 438 22.50 241 449 20.01 254 423 19.00 248 435 27.78 252 441 25.10 241 449 19.89 248 423 16.67 258 435 8.00 249 442 18.00 246 450 38.40 251 423 21.07 248 435 24.25 247 444 33.08 248 450 27.00 262 424 33.90 248 435 29.10 247 445 26.27 246 450 35.55 262 424 33.14 248 435 30.46 248 445 30.50 247 451 33.30 246 424 27.85 248 435 35.10 249 445 32.25 245 451 31.52 251 424 29.67 248 436 29.65 251 445 32.00 245 451 31.10 261 425 24.17 248 436 13.50 246 446 32.70 245 451 26.28 250 425 25.20 248 436 27.10 246 447 34.36 245 452 33.17 251 425 27.78 258 436 27.28 246 447 40.50 245 452 24.90 259 426 32.75 248 436 29.53 246 447 34.68 246 452 32.20 253 426 14.56 248 436 30.13 246 447 37.50 245 452 16.50 253 426 23.00 249 436 27.30 246 447 36.86 246 453 27.05 251 426 22.60 258 436 24.31 246 447 31.80 245 454 19.13 245 454 15.80 245 454 9.86 244 454 39.00 246 454 23.80 32

Analiza variabilitii spaiale


455

425 424
450

24.17 33.14 33.90 19.15 19.65 21.10 12.90 25.20 17.30 35.70 32.53 30.17

423 422
445

421 420

440

419 41820.80

435

417 416

430

415 255 256 257 258 259 260 261 262 263 264 265

425

Fig.1.21.Harta punctual cu etichete ataate

420

Dac numrul punctelor de observaie este redus, lng fiecare dintre acestea se poate Fig.1.20.Harta punctual a porozitii scrie, fr s afecteze claritatea hrii, i valoarea parametrului determinat. Astfel, dac se realizeaz o hart punctual pentru colul din dreapta-jos al hrii punctuale din Fig.1.20, aceasta va fi una de detaliu a porozitii (Fig. 1.21). n etapa de analiz variografic, hrile punctuale sunt completate cu raza de influen a modelelor de variogram, pentru a evalua cantitativ gradul de acoperire cu informaie a zonei cercetate.
415 240 245 250 255 260 265

COMENTARIU Construirea hrii punctuale a porozitii formaiunilor grezoase are de rezolvat dou obiective importante: s vizualizeze distribuia spaial a punctelor de observaie pentru a sesiza gradul de acoperire cu informaie a zonei cercetate; s permit identificarea zonelor cu poroziti favorabile acumulrilor de hidrocarburi (cele cu poroziti mari). Hrile punctuale servesc mai bine primul obiectiv, cel de-al doilea fiind mai eficient rezolvat prin intermediul hrilor simbolice. A7.Harta simbolic i indicatoare S se construiasc harta simbolic i cea indicatoare pentru distribuia spaial a valorilor porozitii ntr-o zon (Fig.1.20) cercetat prin 140 de foraje (tabelul 1.9). Rezolvare: Elementele pe baza crora se construiesc cele dou tipuri de hri sunt: dimensiunile zonei cercetate: Xmin = 240; Xmax = 265 Ymin = 415; Ymax = 455

33

Daniel Scrdeanu numrul de celule rectangulare n care se mparte zona cercetat, ales n funcie de gradul de detaliu la care vrem s reprezentm variaia porozitii n zona respectiv (pentru aplicaia realizat, alegerea acestor elemente a avut n vedere obinerea unei hri simple care s permit identificarea elementelor de calcul): nx = 11 (numrul de celule pe un rnd) ny = 17 (numrul de celule pe o coloan) metoda de calcul a valorii medii a porozitii n fiecare din cele 187 de celule (11x17): s-a utilizat kriging-ul zonal clasele de valori ale porozitii asociate simbolurilor pentru harta simbolic s-au ales patru clase de valori reprezentate fiecare prin tonuri de gri (Fig.1.22): de la 12% la 18% de la 18% la 24% de la 24% la 30% de la 30% la 36% pentru harta indicatoare (Fig.1.23) s-au ales dou clase de valori : de la 12 % la 24%, reprezentat prin gri; de la 24% la 36%, reprezentat prin alb. Fiecare tip de hart simbolic/indicatoare trebuie s aib ataat legenda simbolurilor utilizare pentru clasele de valori definite. Pe hrile realizate (Fig.1.22 i Fig.1.23) sunt figurate i celulele reelei de discretizare pentru evidenierea gradului de detaliere aplicat.

36.0 34.0 32.0 30.0 28.0 26.0 24.0 22.0 20.0 18.0 16.0 14.0
Fig.1.22.Hart simbolic cu patru simboluri (clase de valori)

36.0 34.0 32.0 30.0 28.0 26.0 24.0 22.0 20.0 18.0 16.0 14.0
Fig.1.23.Harta indicatoare a porozitii (dou simboluri)

34

Analiza variabilitii spaiale Harta simbolic permite sesizarea unor caracteristici calitative ale structurii spaiale a porozitii: zonarea simetric a porozitii de-a lungul direciei NV-SE; existena unei zone cu poroziti cuprinse ntre 18 i 24% n partea central bordat de o parte i de alta de poroziti cuprinse ntre 24 i 30%; apariia unei zone singulare cu poroziti reduse (<18%) n partea central a zonei studiate.

Harta indicatoare evideniaz : direcia NV-SE fa de care distribuia porozitii este simetric; discontinuitatea pe direcie a zonei cu poroziti mai mici de 24%.

COMENTARIU Atenie!!!din aceast etap de prelucrare intervine subiectivismul cercettorului. Cum alegei numrul de celule rectangulare n care se mparte zona cercetat ? n principiu, alegerea se face n funcie de densitatea punctelor de observaie: cu ct densitatea punctelor este mai mare cu att numrul celulelor rectangulare poate fi mai mare (suprafaa fiecrei celule mai mic) deoarece avem cu ce calcula valorile medii n fiecare celul. Numrul de celule l putem alege ntr-un domeniu i nu este o valoare unic. Cum alegem numrul claselor de valori asociate simbolurilor ? n principiu, n funcie de gradul de detaliere cu care vrem s reprezentm distribuia variabilei studiate i innd seama de variabilitatea acesteia reflectat de valorile disponibile: dac dorim un grad mare de detaliere i variabilitatea caracteristicii studiate este pronunat se alege un numr mare de clase de valori. Nu exist o formul care s permit deteminarea numrului optim de clase de valori. Doar n cazul hrilor indicatoare pot exista criterii speciale care pot impune valori obligatorii ale celor dou clase de valori, cum ar fi coninuturi minime de exploatare pentru anumite minereuri, valori maxime pentru anumii componeni n apele potabile etc. Am ajuns deja la etapa n care cu aceleai date doi cercettori pot realiza dou hri simbolice diferite fr s putem aprecia care e mai aproape de adevrul pe care de cele mai multe ori nu l vom ti niciodat!!! Cunoaterea distribuiei spaiale adevrate a caracteristicii studiate necesit alegerea unor parametri ce pot minimiza erorile de estimare dar nu le pot elimina. Particularitatea hrii realizate depinde de numrul i tipul parametrilor alei.

35

Daniel Scrdeanu A8.Diagrama de continuitate S se construiasc dou diagrame de continuitate pentru porozitatea formaiunilor explorate prin 140 de foraje (tabelul 1.9), pe direcia N20oV, pentru distanele dintre perechile de puncte: h1 = 0,7 i h2 = 22,4 . Pentru calculul numrului de perechi de puncte plasate pe direcia N20oV, s se utilizeze: tolerana de direcie de 10 grade sexagesimale; tolerana de distan de 10% din hi (i = 1,2) Pentru care dintre cele dou distane, pe direcia aleas, continuitatea porozitii este mai bun? Rezolvare: Din cele 140 de foraje n care au fost determinate porozitile, au fost identificate: 19 perechi situate pe direcia N20oV +/-10o i la distana de 0,7 +/- 0,07; 49 perechi situate pe direcia N20oV +/-10o i la distana de 22,4 +/-2,24. Tabelul 1.10.Perechile de valori pentru diagramelor de continuitate Direcia N20oV Direcia N20oV (Modul vector = 0,7) (Modul vector = 22,4) Nr p(x) p(x+0,7) Nr. p(x) p(x+22,4) nr. p(x) p(x+22,4) 1 13.50 29.53 1 10.8 15.3 26 23.0 34.7 2 27.50 24.58 2 10.8 17.6 27 23.0 37.5 3 28.12 22.15 3 11.3 17.6 28 23.0 36.9 4 28.75 31.30 4 14.6 17.5 29 23.0 37.6 5 30.13 27.50 5 12.9 25.1 30 23.0 40.5 6 31.80 28.75 6 10.8 27.6 31 24.2 32.0 7 31.80 31.30 7 11.3 27.6 32 25.3 32.2 8 33.08 26.27 8 14.6 28.8 33 26.4 27.0 9 33.43 29.40 9 14.6 31.8 34 25.2 25.1 10 34.36 28.75 10 14.6 31.3 35 27.8 32.7 11 34.00 27.75 11 10.8 32.1 36 27.8 34.4 12 34.36 31.80 12 14.6 34.7 37 27.8 34.7 13 35.50 31.30 13 14.6 35.5 38 27.8 34.6 14 35.50 28.75 14 14.6 37.5 39 27.8 40.5 15 36.86 31.30 15 14.6 36.9 40 32.1 27.2 16 37.61 31.30 16 14.6 37.6 41 33.9 33.1 17 37.50 31.30 17 19.0 33.1 42 34.8 27.6 18 36.86 37.61 18 21.1 38.4 43 35.7 26.5 19 35.10 13.50 19 21.1 27.0 44 35.7 27.2 20 23.0 17.5 45 33.6 20.3 21 23.0 28.8 46 33.6 20.0 22 23.0 31.8 47 33.6 19.8 23 23.0 31.3 48 33.6 18.7 24 23.0 34.7 49 34.8 17.6 25 23.0 35.5

36

Analiza variabilitii spaiale

Fig.1.24.Diagrama de continuitate pentru direcia N20oV i modulul vectorului de poziie h = 0,7.

Fig.1.25.Diagrama de continuitate pentru direcia N20oV i modulul vectorului de poziie h = 22,4.

Valorile porozitilor din perechile identificate (tabelul 1.10) au fost reprezentate n sistemele de referin rectangulare [(p(x), p(x+0,7)] (Fig.1.24) i [p(x),p(x+22,4)] (Fig.1.25), reprezentri care constituie diagramele de continuitate solicitate n aplicaie n care: p(x) - porozitatea ntr-un punct oarecare x; p(x+0,7) - porozitatea ntr-un punct situat la distana 0,7 de punctul x, pe direcia N20oV; p(x+22,4) - porozitatea ntr-un punct situat la distana 22,4 de punctul x, pe direcia N20oV. Aprecierea continuitii se face n funcie de intensitatea corelaiei ntre perechile de valori concretizat n distribuia geometric a punctelor. n cazul celor dou diagrame construite este evident c gruparea punctelor este mai strns pentru h1 = 0,7 i deci pentru aceast distan continuitatea este mai bun. Altfel spus, estimrile spaiale care se vor realiza la distane de 0,7 de punctele de observaie pe direcia N20oV vor fi mai precise dect cele realizate pe aceeai direcie la distane de 22,4 de punctele de observaie. Gradul de grupare a punctelor poate fi cuantificat numeric prin intermediul unui coeficient de corelaie binar. Dac se utilizeaz spre exemplu coeficientul lui Pearson (r), pe baza valorilor din tabelul 1.10 se obin valorile: r1 = 0,15 pentru direcia N20oV i h1 = 0,7 ; r2 = -0,08 pentru direcia N20oV i h1 = 22,4 , care confirm concluzia obinut prin examinarea vizual a diagramelor de continuitate.

37

Daniel Scrdeanu COMENTARIU tiina cea mai de sus i mai cu autoritate este aceea care cunoate scopul n vederea cruia trebuie fcut un lucru. Precizez scopul diagramei de continuitate: Prognoza valorii unei caracteristici geologice pe o anumit poziie n spaiu. Poziia este precizat prin intermediul direciei i distanei pentru care este realizat diagrama de continuitate a acelei caracteristici. S aducem rapid lumina clarificatoare a exemplului utiliznd: harta punctual a porozitii (Fig.1.20); diagrama de continuitate a porozitii ntocmit pentru direcia N20oV i h1 = 0,7 (Fig.1.24).

n forajul amplasat n punctul de coordonate x = 246, y = 447 (discul alb din Fig.1.20), porozitatea determinat este p = 31,8% (tabelul 1.9). Pe direcia N20oV (marcat n Fig.1.20 printr-o linie punctat) la 0,7 distan porozitatea poate fi, conform diagramei de continuitate, p1 = 28,77% sau p2 = 31,30% (tabelul 1.10 i Fig.1.24). Dac acceptm c distribuia spaial a porozitii este staionar, la 0,7 distan msurat pe direcia N20oV de orice punct n care porozitatea este p =31,8% porozitatea are una din valorile p1 = 28,77% sau p2 = 31,30%. Se poate merge mai departe determinndu-se modelul analitic al corelaiei dintre p(x) i p(x+0,7). Pentru diagrama de continuitate din Fig.1.24, n cazul unui model liniar i la o eroare de genul I = 5%, se obine ecuaia modelului liniar al corelaiei:
p ( x + 0,7) = 24,32 14,69 + 0,13 0,44 p ( x)

al crei coeficient Pearson r = 0,15. Cu acest model se poate prognoza n zona cercetat porozitatea, la distana 0,7 pe direcia N20oV de orice punct n care porozitatea este cuprins ntre pmin=13,5% i pmax=35,1%, adic domeniul de valabilitate al ecuaiei stabilite.

38

Analiza variabilitii spaiale A9.Diagrama de variabilitate Grosimea unui strat de argil care constituie acoperiul unui acvifer sub presiune din zona unei staii de benzin a fost determinat n 100 de foraje amplasate ntr-o reea ptratic cu latura de 100m (tabelul 1.11). S se realizeze diagrama de variabilitate a grosimii stratului de argil i s se estimeze variabilitatea erorilor de estimare a distribuiei spaiale a acesteia. Tabelul 1.11.Grosimea stratului de argil Nr X Y Gr. Nr. X Y Gr. Nr. [m] [m] [m] [m] [m] [m] 1 100 100 11.6 26 300 600 6.2 51 2 100 200 10.9 27 300 700 6.1 52 3 100 300 18.2 28 300 800 5.2 53 4 100 400 8.3 29 300 900 4.3 54 5 100 500 6.9 30 300 1000 4.2 55 6 100 600 6.2 31 400 100 9.9 56 7 100 700 5.4 32 400 200 9.5 57 8 100 800 5.3 33 400 300 10.2 58 9 100 900 5.5 34 400 400 22.3 59 10 100 1000 5.9 35 400 500 10.5 60 11 200 100 12.3 36 400 600 8.3 61 12 200 200 10.5 37 400 700 6.3 62 13 200 300 19.5 38 400 800 4.2 63 14 200 400 9.5 39 400 900 4.1 64 15 200 500 7.0 40 400 1000 4.2 65 16 200 600 6.5 41 500 100 12.2 66 17 200 700 6.2 42 500 200 15.6 67 18 200 800 5.2 43 500 300 17.3 68 19 200 900 4.2 44 500 400 12.6 69 20 200 1000 4.3 45 500 500 9.5 70 21 300 100 12.2 46 500 600 12.3 71 22 300 200 8.3 47 500 700 5.6 72 23 300 300 15.6 48 500 800 5.3 73 24 300 400 8.9 49 500 900 5.5 74 25 300 500 7.3 50 500 1000 6.2 75 Rezolvare: Evaluarea corelaiei ntre valoarea medie a grosimii stratului de argil i abaterea standard specific fiecrei zone a arealului explorat se bazeaz pe tehnica ferestrei mobile. Aceasta const n alegerea unei suprafee bidimensionale, adic o fereastr mobil cu care se baleiaz zona cercetat. Pentru fiecare poziie a ferestrei mobile pe baza grosimilor stratului de argil din punctele de observaie corespunztoare se calculeaz media (m) i abaterea standard (s). X [m] 600 600 600 600 600 600 600 600 600 600 700 700 700 700 700 700 700 700 700 700 800 800 800 800 800 Y [m] 100 200 300 400 500 600 700 800 900 1000 100 200 300 400 500 600 700 800 900 1000 100 200 300 400 500 Gr. [m] 8.3 10.3 12.6 6.9 8.2 8.3 7.5 2.2 4.6 5.4 8.6 10.6 11.2 8.5 8.4 7.3 6.3 6.2 5.0 6.1 7.5 9.5 15.3 11.2 8.3 Nr. 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 X [m] 800 800 800 800 800 900 900 900 900 900 900 900 900 900 900 1000 1000 1000 1000 1000 1000 1000 1000 1000 1000 Y [m] 600 700 800 900 1000 100 200 300 400 500 600 700 800 900 1000 100 200 300 400 500 600 700 800 900 1000 Gr. [m] 7.2 5.6 6.1 5.9 6.0 6.4 5.3 19.6 10.3 7.3 6.2 5.7 5.8 6.2 6.1 19.3 18.2 20.3 12.5 8.3 5.8 5.9 6.2 4.3 6.3

39

Daniel Scrdeanu Forma, dimensiunile ferestrei mobile i modalitatea de explorare a zonei cercetate sunt determinate de densitatea punctelor de observaie (mare sau mic), distribuia lor spaial (regulat sau neregulat) i gradul de detaliu al analizei: dac distribuia punctelor de observaie este regulat, n cazul aplicaiei n curs de rezolvare se recomand o fereastr mobil de form geometric regulat: forma ferestrei mobile alese: ptrat; dimensiunile ferestrei mobile trebuie s asigure pe fiecare poziie a acesteia un numr suficient de puncte de observaie care s confere reprezentativitate statistic parametrilor calculai: limea ferestrei mobile =300m lungimea ferestrei mobile =300m modalitatea de explorare a zonei cercetate asigur gradul de detaliere dorit al variaiei spaiale pentru medie i abatere standard : suprapunerea ferestrelor succesive cu o treime din suprafaa lor. Cu parametrii alei se pot calcula pentru 16 poziii succesive ale ferestrei mobile ptrate cu suprafaa de 10000 m2 (100x100) Tabelul.1.12.Mediile i valorile mediilor i abaterilor standard ale grosimii. dispersiile n cele 16 poziii. Aceste valori (tabelul 1.12) se asociaz cu Y m s coordonatele centrelor ferestrei mobile pe cele 16 Nr. X poziii figurate cu un disc cenuiu (Fig.1.26). n 1 250 250 12.25 4.21 aceeai figur, punctele de observaie sunt 2 450 250 12.95 4.52 reprezentate prin cercuri cu diametrul mai mic i de 3 650 250 11.25 3.37 asemenea sunt figurate dou ferestre mobile pe 4 850 250 12.98 6.22 poziii vecine din care se vede zona de suprapunere. 5 250 450 10.71 5.21 Cu ct zona de suprapunere este mai mare cu att se 6 450 450 11.06 4.31 pierde mai mult din gradul de detaliere al variaiei 7 650 450 10.32 3.06 spaiale pentru medie i dispersie, realizdu-se o 8 850 450 10.48 4.45 netezire a variabilitii grosimii. La limit, dac 9 250 650 6.43 1.46 suprafaa ferestrei mobile este egal cu suprafaa 10 450 650 7.06 2.48 ntregii zone cercetate, se obin o singur medie i o 11 650 650 7.14 2.20 singur dispersie fr a se putea analiza distribuia 12 850 650 6.66 0.99 lor spaial. 13 250 850 5.04 0.82 Cu ajutorul valorilor din tabelul 1.12 se pot 14 450 850 5.06 1.23 realiza dou reprezentri grafice: 15 650 850 5.59 1.11 harta distribuiei spaiale a abaterii standard 16 850 850 5.86 0.53 pentru grosimea stratului de argil (Fig.1.26); diagrama de variabilitate a grosimii stratului de argil (Fig.1.27). Harta distribuiei abaterii standard (Fig.1.26) indic o variabilitate spaial mai mare n sudul perimetrului explorat, zon n care valorile abaterii standard sunt mai mari de 3,5 m i o variabilitate spaial mai redus n nordul acestuia. Erorile de estimare () pentru distribuia grosimii stratului de argil, n cazul unei probabiliti de 95%, pot fi evaluate cu relaia = 2 s (D.Scrdeanu, 1996). Aceast estimare este orientativ dat fiind aproximaia cu care este evaluat distribuia abaterii standard n aceast faz. Diagrama de variabilitate (Fig.1.27) este o diagram binar n care pe axa absciselor se reprezint valorile abaterii standard iar pe axa ordonatelor valorile 40

Analiza variabilitii spaiale mediei. Dispoziia celor 16 perechi de valori n acesta diagram indic un efect de proporionalitate direct. Acest lucru arat c n zonele unde valorile grosimii sunt mici abaterea standard este mic i deci i erorile de estimare a distribuiei spaiale sunt mici. Analog, n zonele unde sunt valori mari ale grosimii stratului de argil, abaterea standard este mare i ca urmare erorile de estimare a distribuiei acesteia sunt mari.
1000 900
16

800 700 600 500 400 300 200 100 100 200 300 400 500 600 700 800 900 1000

6.0 5.5 5.0 4.5 4.0 3.5 3.0 2.5 2.0 1.5 1.0 0.5 0.0

14 12 10 8 6 4 2 0 0 2 4 6 8

m[m]

s[m]

Fig.1.26.Harta distribuiei abaterii standard

Fig.1.27.Diagrama de variabilitate a grosimii stratului de argil.

Cele dou reprezentri grafice realizate ne permit familiarizarea cu distribuia erorilor de estimare a grosimii n zona cercetat (prin intermediul hrii distribuiei abaterii standard) i corelarea erorilor de estimare a grosimii cu valoarea estimat (prin intermediul diagramei de variabilitate). COMENTARIU Diagrama de variabilitate a grosimii stratului de argil (Fig.1.27) sintetizeaz o medie a variabilitii acesteia n zona cercetat. Ea este expresia variabilitii spaiale a caracteristicilor studiate n tot domeniul studiat, filtrat de distribuia spaial a acesteia. Chiar dac n diagrama de variabilitate nu apare explicit poziia spaial a valorilor caracteristicii studiate ea este implicat de poziiile succesive ale ferestrei mobile care permit calculul mediilor i dispersiilor localizate. Diagrama de variabilitate contribuie la precizarea relaiei dintre valoarea estimat i eroarea de estimare. Cu ajutorul reprezentrilor grafice reuim s aflm la ce ne putem atepta n urma estimrilor spaiale care vor urma n etapele ulterioare, adic: ce valori are caracteristica studiat n punctele n care nu a fost probat; ct de mari vor fi erorile de estimare ale acestor valori. Reinei c informaiile obinute cu ajutorul reprezentrilor grafice relativ la structurile spaiale sunt de natur calitativ. 41

Daniel Scrdeanu 1.3.2.ANALIZA PARAMETRIC A DATELOR Pentru analiza parametric a datelor se schimb instrumentele de lucru. Renunm la pensul i la culoarea cu care n etapa reprezentrii grafice a datelor, prin limbajul viu, specific artei, realizam imaginea descriptiv a structurii. Acum se utilizeaz alte instrumente specifice limbajului abstract al tiinei care permit automatizarea calculelor necesare estimrii distribuiei spaiale. Ctigul este obinut cu preul pierderii contactului intuitiv cu realitatea structurii spaiale. Instrumentele de lucru sunt acum funcii matematice care descriu legtura ntre valorile variabilei studiate i poziiile lor n spaiu. Mrimile cu care se opereaz sintetizeaz caracteristicile morfologice ale structurii n numere i relaii matematice care constituie modelul matematic al structurii. Abstractizarea structurii se definitiveaz n aceast etap de analiz parametric. Ce a fost plcut vederii noastre n faza reprezentrii grafice a datelor dispare i apar relaiile modelelor matematice, pentru muli dintre noi inexpresive, dar care dein magia manipulrii numerelor, indispensabil estimrilor spaiale. Utilizarea corect a instrumentelor matematice pe care ncepem s le construim acum impune cunoaterea i respectarea algoritmilor de prelucrare i a regulilor de interpretare a rezultatelor. La captul acestor prelucrri ne ateapt o nou imagine a structurii estimate (mai detaliat dect cea obinut n hrile punctuale, hrile simbolice sau indicatoare) fie sub forma unei hri, fie a unei seciuni geologice. Dac aceast imagine, rezultat prin prelucrarea datelor cu ajutorul modelului matematic, este n contradicie flagrant cu reprezentrile grafice ale datelor nseamn c modelul matematic construit nu este adecvat datelor disponibile ori este utilizat incorect. S fim foarte ateni la construirea instrumentelor prin care abstractizm structura. Acestea, pe lng bagajul matematic cu care sunt nzestrate prin definiie, nglobeaz i o component particular extras din datele a cror prelucrare o realizeaz (termenul tehnic al procedeului prin care realizeaz aceste lucru este calare). n mod uzual instrumentele de prelucrare care se utlizeaz n aceast etap de analiz parametric sunt trei funcii de distan: funcia de covarian (c(h)), corelograma ((h)) i funcia de variogram ((h)). Toate cele trei funcii de continuitate sunt puternic influenate de valorile extreme care nu se ncadreaz n variabilitatea global a seleciei de date cu care se opereaz. Dac forma uneia dintre cele trei funcii nu este clar definit, este de mare utilitate examinarea diagramelor de continuitate pentru identificarea acestor valori i eliminarea lor. Calculate n raport cu o singur variabil, funciile de continuitate permit cuantificarea continuitii acesteia n raport cu direcia i distana. Funcia de covarian c(h) reprezint variaia similitudinii valorilor din dou puncte n raport cu distana dintre ele. Ea se calculeaz cu formula:

c(h) =

1 N (h) vi v j mh m+h N (h) (i , j ) hij =h

(1.4)

n care: r N(h) este numrul perechilor de puncte separate prin vectorul h ;

42

Analiza parametric a datelor

( i, j) h = h - perechea de puncte (pIpj) separate prin vectorul


ij

vi valoarea variabilei din originea vectorului h ;


r vj valoarea variabilei n vrful vectorului hij ;
ij

r hij ;

m-h - media valorilor situate n originea celor N(h) vectori h .

mh =

1 N (h) vi N (h) i hij =h


1 N (h) vj N (h) j hij =h

(1.5)
r

m+h - media valorilor situate n vrful celor N(h) vectori h .

m+ h =

(1.6)

Corelograma ((h)) este o funcie de covarian standardizat i se calculeaz cu relaia:

(h) =

c(h)
h

(1.7)

+h

n care: r -h este abaterea standard a tuturor valorilor aflate n originea celor N (h) vectori h :

=
2 h

1 N (h) 2 2 vi mh N (h) i hij =h


r

(1.8)

+h este abaterea standard a tuturor valorilor aflate n vrful celor N(h) vectori h .

=
2 +h

1 N (h) 2 2 v j m+h j N (h) hij =h

(1.9)

Funcia de variogram ((h)) reprezint variaia varianei erorii de estimare n raport cu distana dintre punctul n care se cunoate valoarea variabilei i cel n care r aceasta se estimeaz. Altfel spus, valoarea variogramei pentru un anumit vector h
exprim eroarea care se comite atunci cnd se atribuie variabilei n punctul p+h valoarea sa din punctul p. Ea se calculeaz cu relaia:

(h) =
(1.10)

N (h) 1 2 (vi v j ) 2 N (h) (i , j ) hij =h

Toate cele trei funcii univariate de distan nu sunt afectate de sensul r vectorului h , fiind funcii pare; dac se schimb indicele i cu j n toate formulele de
calcul ale funciilor de distan valorile c(h), (h) i (h) nu se schimb:
c (h ) = c ( h ); (h ) = ( h ); (h ) = ( h )

(1.11)

43

Daniel Scrdeanu Ideea de continuitate poate fi extins i la dou variabile. Corelaia spaial ntre dou variabile u i v depinde de continuitatea fiecreia. Continuitatea poate fi exprimat grafic printr-o diagram de continuitate n care pe cele dou axe se r r reprezint v(p) i u(p+ h ). Este evident c pentru h = 0 ntr-o diagram de
continuitate bivariat (u,v) nu toate punctele se afl pe bisectoarea unghiului fcut de cele dou axe de coordonate, aa cum se ntmpl n cazul diagramelor de continuitate univariate. Aceleai funcii, utilizate pentru o singur variabil, se utilizeaz cu modificrile corespunztoare pentru descrierea continuitii bivariate. Pentru evidenierea aspectului bivariat le vom numi: funcia de intercovarian, funcia de intercorelaie i funcia de intervariogram i vom introduce doi indici corespunztori celor dou variabile (cuv(h), uv(h), uv(h)). Funcia de intercovarian se calculeaz cu relaia:

cuv (h) =

1 N (h) ui v j muh mv+h N (h) (i , j ) hij =h

(1.12)

n care: ui sunt valorile variabilei u; vi - valorile variabilei v; N(h)- numrul perechilor de puncte separate prin vectorul h; m u - media valorilor variabilei u situate n originea celor N(h) vectori.
h

muh =

1 N (h) ui N (h) i hij =h

(1.13)

m v - media valorilor variabilei v situate n vrful celor N(h) vectori:


+h

mv+ h =

1 N (h) vj N (h) j hij = h

(1.14)

Funcia de intercorelaie este dat de ecuaia:

(h ) =
uv

c uv (h )


uh

(1.15)

v+ h

n care: u - abaterea standard a tuturor valorilor variabilei u, aflate n originea celor N(h) vectori h:
h

2 u h

1 N (h) 2 2 ui muh N (h) i hij =h

(1.16)

r v - abaterea standard a tuturor valorilor aflate n vrful celor N(h) vectori h :


+h

2 v+ h

1 N (h) 2 2 v j mv+ h j N (h) hij =h

(1.17)

44

Analiza parametric a datelor

Funcia de intervariogram (uv(h)) se calculeaz cu relaia:

(h) =
uv

N (h) 1 (ui u j ) (vi v j ) 2N (h) (i , j ) hij =h

(1.18)

Funciile de continuitate bivariate nu sunt n totalitate funcii pare. Funciile de r intercovarian i de intercorelaie depind de sensul vectorului h pe o anumit
direcie (cuv(h) cuv(-h); uv(h) uv(-h)), n timp ce funcia de intervariogram nu depinde de sensul vectorului h (uv(h)= uv(-h)). A10.Covariana, corelograma i variograma S se calculeze covariana, corelograma i variograma pentru grosimile stratului de argil care protejeaz acviferul sub presiune din zona unei staii de benzin (tabelul 1.11), pentru direcia NS i distanele 100, 200, 300, 400, 500, 600 i 700 m. Rezolvare: Calculul funciilor de distan pe direcia NS n cazul unei reele regulate de puncte de observaie (Fig.1.28) simplific mult procedeul de calcul. La un numr redus de puncte de observaie calculul poate fi realizat chiar manual, fr ajutorul unui program de calcul, experiment care permite acomodarea cu aceste instrumente matematice. Pentru explicitarea 5.9 4.3 4.2 4.2 6.2 5.4 6.1 6.0 6.1 6.3 calculului valorii covarianei pe 1000 direcia NS, corespunztor 5.5 4.2 4.3 4.1 5.5 4.6 5.0 5.9 6.2 4.3 distanei de 100 m conform 900 formulei (1.4), n Fig.1.28 sunt 5.3 5.2 5.2 4.2 5.3 2.2 6.2 6.1 5.8 6.2 reprezentate cteva r poziii ale 800 5.4 6.2 6.1 6.3 5.6 7.5 6.3 5.6 5.7 5.9 vectorului de poziie h orientat NS 700 i de modul 100 m. 6.2 6.5 6.2 8.3 12.3 8.3 7.3 7.2 6.2 5.8 n colul din stnga jos sunt 600 reprezentate primele trei poziii 6.9 7.0 7.3 10.5 9.5 8.2 8.4 8.3 7.3 8.3 succesive corespunztoare primilor 500 8.3 9.5 8.9 22.3 12.6 6.9 8.5 11.2 10.3 12.5 trei termeni ai sumei (primele trei 400 perechi de valori situate pe direcia 18.2 19.5 15.6 10.2 17.3 12.6 11.2 15.3 19.6 20.3 NS la distana de 100 m); n stnga 300 sus - ultima poziie de pe prima 10.9 10.5 8.3 9.5 15.6 10.3 10.6 9.5 5.3 18.2 coloan pentru al noulea termen 200 11.6 12.3 12.2 9.9 12.2 8.3 8.6 7.5 6.4 19.3 al sumei, iar sus n drepta - ultima 100 100 200 300 400 500 600 700 800 900 1000 poziie pentru ultimul termen al sumei care pentru aceste poziii are Fig.1.28. Reeaua de puncte de observaie forma: pentru calculul covarianei, corelogramei i variogramei.

45

Daniel Scrdeanu
N (h )

(i , j

vv )
i
hij = h

= 11,6 10 ,9 + 10 ,9 18 , 2 + 18 , 2 8,3 + ... + 5,5 5,9 + ... + 4,3 6 .3 = 7438 ,88 m 2


r

Baleind tot arealul cercetat cu vectorul h se identific N(h) = 90 de perechi de valori situate pe direcia NS la distana de 100 m ntre ele. Media celor 90 de valori situate n originea celor 90 de poziii ale vectorului r h este:

mh =

1 N (h ) 1 vi = (11,6 + 10,9 + 18,2 + ... + 5,5 + ... + 4,3) = 8,37 m N (h) i h =h 90


ij

iar media celor 90 de valori situate n vrful celor 90 de pozitii ale vectorului h este:

m+ h =

1 N (h ) 1 vi = (10,9 + 18,2 + 8,3 + ... + 5,9 + ... + 6,3) = 8,62 m N (h ) i h = h 90


ij

Valoarea covarianei pentru distana de 100 m pe direcia NS este deci:


c (h ) =
N (h ) 1 1 vi v j m h m + h = 7438 ,88 8,37 8,62 = 10 , 47 m 2 N (h ) (i , j ) hij = h 90

Calculul corelogramei pentru aceeai distan implic calcululr dispersiilor celor 90 de valori din originea i vrful celor 90 de poziii ale vectorului h :
2 h =

1 N (h ) 2 1 2 vi m 11,62 + 10,92 + 18,22 + ... + 5,52 + ... + 4,32 8,372 = 14,78 m2 h = N (h) i h =h 90

ij

2 + h =

1 N (h ) 2 1 2 v j m+ 10,92 +18,22 + 8,32 + ... + 5,92 + ... + 6,32 8,622 = 17,62 m2 h = N (h) j h =h 90

ij

Corelograma pentru direcia NS i distana de 100 m este:

(h ) =

c(h )

+h

10,47 = 0,65 14,78 17,62

Calculul variogramei pe direcia NS i pentru acelai modul rde 100 m nu implic dect valorile msurate pentru cele 90 de poziii ale vectorului h :
(h ) =
N (h ) 1 (vi v j )2 = 1 (11,6 10 ,9 )2 + ... + (4,3 6,3)2 = 5,76 m 2 2 N (h ) (i , j ) hij = h 2 90

46

Analiza parametric a datelor n mod analog, pentru celelalte distane se obin valorile (tabelul 1.13) pe baza crora se pot construi reprezentrile grafice ale funciilor de covarian (Fig.1.29) i variogram (Fig.1.30). Graficul corelogramei are aceeai morfologie cu al funciei de covarian dar cu o amplitudine unitar, deoarece corelograma este o covarian normat. Tabelul 1.13. Valorile funciilor de distan Nr. N(h) h (h) c(h) (h) m-h M+h 1 90 100 5.76 10.47 0.65 8.37 8.62 2 80 200 7.47 8.45 0.53 8.43 8.64 3 70 300 7.96 8.75 0.53 8.45 8.75 4 60 400 7.36 9.59 0.57 8.56 8.72 5 50 500 5.95 11.47 0.66 8.79 8.42 6 40 600 7.09 10.98 0.61 8.43 8.67 7 30 700 5.00 14.14 0.76 8.26 8.95 2-h 14.78 14.47 15.34 17.20 18.80 18.43 15.80 2+h 17.62 17.33 17.99 16.66 15.91 17.66 22.00

Toate cele trei funcii de distan sintetizeaz caracteristicile structurale ale variabilei studiate ntr-o form care poate fi modelat matematic i care permite automatizarea calculelor necesare estimrii spaiale.

15.00

10.0 8.0

(h)

c(h)

10.00 5.00 0.00 100

6.0 4.0 2.0

200

300

400

500

600

700

0.0 100

200

300

400

500

600

700

Fig.1.29.Funcia de covarian

Fig.1.30.Funcia de variogram

Dispunerea ordonat a valorilor funciilor, cu evidenierea unei corelaii funcionale ntre valoarea funciei i distan, sugereaz ntotdeauna existena unei legiti de variaie spaial a caracteristicii studiate, legitate care este baza estimrii spaiale. COMENTARIU Existena unei corelaii ntre valoarea funciei de distan, oricare ar fi ea (covarian, corelogram sau variogram), i distan este dovada structurrii spaiale a variabilei studiate. Altfel spus, pe baza datelor disponibile se poate identifica o lege de variaie spaial a variabilei studiate. Legea de variaie spaial se utilizeaz pentru calculul structurilor spaiale i al erorilor asociate. Lipsa unei astfel de corelaii funcionale, evideniat prin variaia aleatoare n raport cu distana a valorilor funciilor, indic lipsa unei legiti de variaie spaial i n consecin lipsa instrumentului care s asigure controlul erorilor n etapa de

47

Daniel Scrdeanu estimare a distribuiiei spaiale a caracteristicii studiate. n astfel de situaii, pentru zona cercetat se apeleaz la modelele statistice cu care se evalueaz o valoare unic a caracteristicii studiate, ca medie statistic a tuturor valorilor disponibile. Orice ncercare de a evalua distribuia spaial a caracteristicii studiate n aceste condiii (finalizat de exemplu printr-o hart cu izolinii) este un exerciiu fr semnificaie deoarece erorile cu care sunt construite aceste hri pot depi cu un ordin de mrime valorile estimate. Utilizarea unui program de tipul SURFER-ului pentru realizarea unei hri cu izolinii trebuie precedat de identificarea legii de variaie spaial a caracteristicii ce urmeaz a fi cartografiat. Fr cunoaterea legii de variaie spaial harta cu izolinii construit pentru o variabila este afectat de erori a cror valoare nu poate fi cunoscut, deci ea este inutilizabil pentru estimri cantitative ! Dac ai valoarea unei variabile n doar trei puncte i cel mai performant program de tip SURFER, nu-l face de rs folosindu-l pentru construirea hrii conturale a acelei variabile. A11.Intercovariana, intercorelograma i intervariograma Care este corelaia spaial ntre porozitatea unui acvifer sub presiune i a grosimii stratului de argil care l protejeaz mpotriva polurii produse de o staie de benzin ? Determinarea celor doi parametri - porozitatea formaiunilor acvifere i grosimea stratului de argil din acoperi - este realizat ntr-o reea ptratic de 100 de puncte de observaie (tabelul 1.14). Rezolvare: Corelaia spaial ntre cei doi parametri poate contribui n mod considerabil la creterea preciziei estimrii distribuiei spaiale a acestora precum i la reducerea costului msurtorilor executate n teren. Creterea preciziei se realizeaz prin creterea numrului de condiionri n etapa de estimare spaial. Reducerea costului este posibil prin reducerea numrului de puncte de observaie n care se determin ambele variabile cercetate, una dintre ele putnd fi deteminat pe baza valorilor celeilalte utilizdu-se funciile de intercorelaie identificate. Corelaia spaial ntre porozitate (P2 n tabelul 1.14) i grosime (Gr. n tabelul 1.14) se poate cerceta prin intermediul funciilor de intercovarian, intercorelogram i intervariogram. Deoarece existena unei corelaii spaiale este condiionat de corelaia global ntre cele dou variabile, naintea calculului funciilor de intercorelaie este eficient o analiz, cel puin calitativ, a acestei corelaii prin intermediul diagramei de corelaie. Pentru a argumenta cele afirmate mai sus se calculeaz n continuare funciile de intercovarian, intercorelogram i intervariogram pe direcia NS pentru distanele de 100, 200, 300, 400, 500, 600 i 700 m n dou variante: Varianta I: pentru grosimea ecranului protector i porozitatea acviferului determinate prin msurtori (Gr i P2); Varianta a II-a: pentru grosimea ecranului determinat prin msurtori i o porozitate generat matematic n corelaie liniar cu grosimea(Gr i P1).

48

Analiza parametric a datelor Varianta I Suportul grafic pentru exemplificarea calculelor este harta punctual n care fiecrui punct de observaie i sunt ataate valorile grosimii ecranului protector i porozitile acviferului determinate n cele 100 de puncte ale unei reele ptratice cu parametrul 100 m (Fig.1.31). Deasupra punctelor de observaie sunt scrise valorile grosimilor ecranului protector (Gr.) iar sub fiecare punct sunt scrise valorile porozitii acviferului (P2). n prima etap se construiete diagrama de corelaie ntre grosimea ecranului protector (Gr) i a porozitii determinate prin msurtori (P2) (Fig.1.32). Diagrama de corelaie evideniaz independena Fig.1.31. Harta punctual a grosimii ecradintre cele dou variabile luate n nului protector i a porozitii acviferului. considerare. Acest rezultat nu recomand trecerea la calculul funciilor de intercorelaie deoarece lipsa unei corelaii globale induce i lipsa unei corelaii spaiale.
5.90 4.30 4.20 8.00 4.30 4.20 6.20 5.40 6.10 6.00 9.00 5.90 6.10 6.30 16.00 5.50 15.00 4.20 19.00 4.10 13.00 5.50 11.00 4.60 8.00 2.20 24.00 5.00 23.00 6.20 13.00 4.30 9.00 6.20 16.00 5.30 14.00 5.20 17.00 5.20 19.00 4.20 13.00 5.30 8.00 5.60 25.00 6.20 14.00 6.10 24.00 5.80 23.00 5.40 25.00 6.20 9.00 6.50 8.00 7.00 20.00 6.10 11.00 6.30 11.00 7.50 18.00 6.30 17.00 5.60 11.00 5.70 8.00 6.20 9.00 7.30 12.00 5.90 10.00 6.20 12.00 6.20 9.00 7.30 21.00 8.30 12.00 12.30 10.00 9.50 9.00 17.00 8.30 21.00 7.30 11.00 7.20 25.00 5.80 15.00 6.90 24.00 10.50 25.00 22.30 11.00 10.20 20.00 9.50 25.00 8.20 9.00 6.90 11.00 8.40 15.00 8.30 8.00 12.00 8.30 21.00 8.30 19.00 9.50 24.00 8.90 14.00 8.50 21.00 10.30 20.00 19.60 10.00 5.30 18.00 12.50 17.00 20.30 12.00 18.20 16.00 19.30 8.00 12.60 19.00 17.30 23.00 15.60 25.00 12.20 24.00 11.20 12.00 15.30 25.00 9.50 11.00 18.20 13.00 10.90 24.00 11.60 8.00 18.00 19.50 18.00 10.50 12.00 12.30 18.00 15.00 15.60 20.00 8.30 17.00 12.60 14.00 10.30 19.00 8.30 9.00 10.00 11.20 21.00 10.60 18.00 8.60 24.00 12.20 17.00 14.00 9.90 23.00 7.50 24.00 6.40 13.00 24.00 11.00 19.00

Pentru argumentarea celor afirmate se calculeaz n continuare funcia de intervariogram pe direcia NS i pentru distanele 100, 200, , 700 m. Explicitarea calculului pentru prima valoare a funciei de variogram pentru direcia NS i distana 100 m este:
Gr , P 2 (100 ) =
N (h ) 1 (Gri Gr j ) (P 2 i P 2 j ) = 2 N (h ) (i , j ) hij = h

1 [(11,6 10 ,5 )(8,6 24 ,0 ) + ... + (4,3 6,3)(9,0 13,0 )] = 1,05 , 2 90

n care sunt scrii doar primul i ultimul termen al sumei ce conine 90 de termeni, corespunznd celor 90 de perechi de puncte de observaie situate pe direcia NS la distana de 100 m. Rezultatele calculelor pentru celelalte valori ale funciei de intervariogram precum i ale celor de intercovarian i intercorelaie sunt sintetizate n tabelul 1.15. Reprezentarea grafic a valorilor funciei de intervariogram (Fig.1.33) prin dispoziia haotic a punctelor indic lipsa unei corelaii spaiale ntre grosimea ecranului protector (Gr) i porozitatea acviferului (P2). n concluzie, estimarea distribuiei spaiale a grosimii ecranului protector nu poate fi ameliorat pe baza cunoaterii distribuie spaiale a porozitii acviferului.

49

Daniel Scrdeanu Varianta a II-a Pentru a evidenia efectul corelaiei globale asupra intercorelaiei spaiale s-a generat o serie de 100 de valori de porozitate (P1) aflate n corelaie liniar perfect cu grosimea ecranului protector (Gr) (Fig.1.34). Pe baza hrii punctuale din Fig.1.36 i a acelorai relaii de 5.90 4.30 4.20 4.20 6.20 5.40 6.10 6.00 6.10 6.30 calcul se obin valorile din 6.78 4.95 4.83 4.83 7.13 6.21 7.01 6.90 7.01 7.24 tabelul 1.16 precum i graficul 5.50 4.20 4.30 4.10 5.50 4.60 5.00 5.90 6.20 4.30 intervariogramei (Fig.1.35) care 6.32 4.83 4.95 4.72 6.32 5.29 5.75 6.78 7.13 4.95 evideniaz clar existena unei 5.30 5.20 5.20 4.20 5.30 2.20 6.20 6.10 5.80 6.20 corelaii spaiale ntre grosimea 6.09 5.98 5.98 4.83 6.09 2.53 7.13 7.01 6.67 7.13 5.40 6.20 6.10 6.30 5.60 7.50 6.30 5.60 5.70 5.90 ecranului protector i porozitatea 6.21 7.13 7.01 7.24 6.44 8.63 7.24 6.44 6.55 6.78 P1. 6.20 6.50 6.20 8.30 12.30 8.30 7.30 7.20 6.20 5.80 n aceast variant, 7.13 7.47 7.13 9.55 14.15 9.55 8.40 8.28 7.13 6.67 evaluarea distribuiei spaiale a 6.90 7.00 7.30 10.50 9.50 8.20 8.40 8.30 7.30 8.30 grosimii ecranului protector 7.93 8.05 8.40 12.07 10.93 9.43 9.66 9.55 8.40 9.55 9.50 8.90 22.30 12.60 6.90 8.50 11.20 10.30 12.50 poate fi realizat cu aceeai 8.30 9.55 10.93 10.23 25.65 14.49 7.93 9.77 12.88 11.85 14.38 precizie pe baza unui numr mai 18.20 19.50 15.60 10.20 17.30 12.60 11.20 15.30 19.60 20.30 mic de valori ale grosimii la care 20.93 22.42 17.94 11.73 19.90 14.49 12.88 17.59 22.54 23.34 s se adauge: valori ale 10.90 10.50 8.30 9.50 15.60 10.30 10.60 9.50 5.30 18.20 porozitii determinate n acele 12.53 12.07 9.55 10.93 17.94 11.85 12.19 10.93 6.09 20.93 12.30 12.20 9.90 12.20 8.30 8.60 7.50 6.40 19.30 puncte n care nu se cunoate 11.60 13.34 14.15 14.03 11.39 14.03 9.55 9.89 8.63 7.36 22.19 grosimea, precum i funcia de Fig.1.36.Harta punctual a grosimii ecraintervariogram care leag cele nului protector i a porozitii generate dou variabile (Gr, P1). matematic (P1). Metoda de estimare spaial care integreaz acest tip de informaii poart numele de cokriging. Ea permite evaluarea distribuiei spaiale pentru variabile a cror determinare este foarte costisitoare (ex.: pesticide) prin intermediul altora cu care sunt corelate spaial i au un pre de cost redus al determinrilor (ex.: granulozitate, porozitate etc.). COMENTARIU Analiza parametric a datelor ne arunc n lumea abstract a instrumentelor matematice. Exist dou variante pentru a depi cu succes acest real oc: o bun cunoatere a regulilor dup care opereaz aceste instrumente sau nsuirea modului de utilizare a unor programe de calcul prietenoase care utilizeaz aceste instrumente. Diviziunea muncii n cercetarea tiintific fundamental sau aplicat este dus la extrem. Realizarea unui program de calcul complex, acum n pragul mileniului trei, este rezultatul colaborrii unei echipe complexe format din: matematicieni, care rezolv schemele de calcul ale programului, programatori care programeaz schemele de calcul ale matematicienilori, graficieni care asigur designul interfeei grafice cu utilizatorii programului, psihologi care armonizeaz relaiile programului cu utilizatorii (le fac mai prietenoase). Programele de calcul utilizate n analiza parametric a datelor elimin dificultile utilizrii instrumentelor matematice.

50

Analiza parametric a datelor Pentru utilizarea corect a acestor programe este necesar s se tie: modul de organizare n fiiere a datelor primare; obiectivul prelucrrii (identificarea unei legi experimentale a structurii spaiale); modul de evitare a obstacolelor din calea atingerii obiectivului prelucrrii; limitele instrumentelor utilizate.

La acest prim pas pe calea abstractizrii structurilor spaiale obstacolele din calea identificrii legii structurilor spaiale rezult din analiza variabilitii globale i a reprezentrilor grafice. Trebuie s vi le reamintesc?. Desigur!!! Primul obstacol este anormalitatea distribuiei frecvenei valorilor prelucrate. Dac normalitate nu e, nimic nu e ! i ai reinut cu siguran c dac dispunem de un program de normalizare a distribuiei frecvenelor unui set de valori l utilizm chiar dac este posibil ca acele valori s fie distribuite normal. Paza bun! Al doilea obstacol este prezena valorilor extreme ! Fa de extremisme, nici o ndurare ! nti le identificm, utiliznd diagramele de probabilitate i de continuitate dup care le eliminm progresiv pe parcursul calculului funciilor de distan pn la ameliorarea corelaiei ntre distane i valorile funciei. Gradul de ameliorare a corelaiei include o not de subiectivism care distinge prelucrrile unui nceptor de cele ale maestrului. Dac se greete n aceast faz i nu se alege varianta optim, n etapele ulterioare vom primi semnale care ne oblig s revenim i s facem corecturile necesare. Un nceptor poate munci o sptmn fr s poat trece cu succes de acest etap pe cnd un maestru alege varianta optim fr ezitare. Singura reet pentru a ajunge maestru n analiza parametric a datelor este prelucrarea unui volum mare de date cu variabiliti complexe.

53

Daniel Scrdeanu 1.3.3. ANALIZA STAIONARITII Descrierea, chiar de manier exhaustiv a structurilor (spaiale sau temporare), obinut pe baza unei densiti mari a punctelor de observaie nu poate rezolva problemele estimrii spaiale, deoarece valorile numerice nu sunt realitatea, ci doar o prim imagine, analitic foarte bogat, dar structural foarte srac a acesteia (Matheron,G.,1978). Descrierea spaial nu asigur nelegerea fenomenului de o manier care s permit explicarea genezei datelor disponibile sau prognoza evoluiei acestora ntre punctele de observaie. Pentru realizarea acestor obiective este necesar depirea stadiului unei interminabile i sterile prelucrri a datelor brute i realizarea pasului urmtor de construire a unor modele care s adauge informaie suplimentar. Recurgerea la modelele topo-probabiliste presupune dou niveluri de abstractizare progresiv: variabila regionalizat i funcia aleatoare. Variabila regionalizat este o funcie de punct (f(p)) cu ajutorul creia se realizeaz descrierea fenomenelor regionalizate. Prin statutul de funcie matematic, variabila regionalizat ctig vis--vis de fenomenul pe care l descrie o anumit autonomie, ea putnd s-i triasc propria sa via. Pentru obiectivele unui studiu practic este inutil de subliniat c aceast libertate a variabilei regionalizate trebuie strict supravegheat n interesul interpretrii corecte a rezultatelor prelucrrilor. La acest prim nivel de abstractizare, realizat prin variabila regionalizat, este poate momentul semnalrii problematicii revenirii de la model la realitatea fizic a modelului. Corectitudinea prelucrrilor matematice ntreprinse nu garanteaz sensul fizic al rezultatelor. La fiecare etap este necesar s se fac distincia ntre proprietile modelului matematic i cele ale realitii fizice pe care acesta o reprezint. Din punct de vedere matematic o variabil regionalizat este o funcie f(p), p fiind un punct de coordonate (x,y,z) ntr-un spaiu tridimensional finit. Aceast precizare este deosebit de important, ea subliniind faptul c modelele topoprobabiliste (geostatistice) nu au caracter de universalitate, ele fiind valabile ntr-un anumit domeniu spaial, cel definit de punctele n care se determin valorile variabilei studiate. Din punct de vedere geostatistic exist posibilitatea unei aproximri directe a variabilei regionalizate, instrumentele utilizate fiind elementare i subordonate noiunii de integral spaial. n practic, variabila regionalizat fiind disponibil printr-un eantionaj finit, aceste integrale se reduc la sume finite. Lucrul direct asupra variabilelor regionalizate prezint avantajul absenei ipotezelor de natur probabilist de tipul staionaritii i ergodicitii. Geostatistica tranzitiv este acea parte a Geostatisticii care opereaz direct asupra variabilei regionalizate. Variabilitatea spaial a fenomenelor regionalizate, foarte complex, interzice de multe ori, din punct de vedere practic, studiul matematic direct al variabilei regionalizate. O reprezentare corect a variabilitii fenomenelor regionalizate trebuie s ia n considerare dou aspecte aparent contradictorii ale variabilei regionalizate: - aspectul general structurat, care face apel la reprezentri funcionale; - aspectul local aleator care face apel la noiunea de variabil aleatoare.

54

Analiza staionaritii Instrumentul care permite luarea n considerare att a aspectului structurat, ct i a celui aleator, este funcia aleatoare. Ea realizeaz al doilea nivel de abstractizare i, ntr-un anumit mod, ne mai ndeprteaz de realitatea fizic. La acest nivel de abstractizare variabila regionalizat (f(p)) este considerat o realizare a unei funcii aleatoare. Reprezentarea probabilist a variabilei regionalizate nu este unic i ea se justific numai n msura n care permite o caracterizare simpl a structurii i un formalism omogen i operaional de soluionare a evalurilor spaiale. Funcia aleatoare este un ansamblu de variabile aleatoare cu poziii distincte ntr-un spaiu oarecare i a cror dependen este specificat printr-un mecanism probabilist. O variabil aleatoare este o variabil care ia un anumit numr de valori, conform unei anumite legi de repartiie. Cota nivelului hidrostatic dintr-un acvifer freatic v(p1)=125 m, msurat ntr-un pu, poate fi considerat ca o realizare particular a unei anumite variabile aleatoare V(p1), implantat n punctul p1. Ansamblul cotelor nivelului hidrostatic, pentru toate puurile implantate ntr-un acvifer freatic, poate fi considerat ca o realizare particular a ansamblului de variabile aleatoare: {V(p), punctele p aparinnd acviferului}. Aceast definiie a funciei aleatoare nglobeaz ambele aspecte ale variabilei regionalizate: - aspectul local: n punctul p1, V(p1) este o variabil aleatoare; - aspectul regional: V(p) este o funcie aleatoare, n sensul c pentru toate cuplurile de puncte p1 i p1+h variabilele aleatoare corespunztoare sunt corelate, aceste corelaii exprimnd structura spaial a variabilei regionalizate. Interpretarea probabilist a unei variabile regionalizate ca o realizare particular a unei funcii aleatoare nu are sens operaional dac nu putem identifica legea de probabilitate ce caracterizeaz ntreg ansamblul de realizri ale funciei aleatoare. Dificultatea este datorat faptului c nu este posibil deducerea riguroas a legii unei funcii aleatoare plecnd de la o realizare unic v(p), limitat i ea la un numr finit de implantri ale punctelor pi. Deoarece de cele mai multe ori se dispune de o realizare unic, limitat la un numr finit de puncte, pentru a face operaional modelul funciei aleatoare este necesar acceptarea unei anumite omogeniti statistice spaiale asigurat de staionaritatea i ergodicitatea fenomenului regionalizat studiat. n practic, pe un domeniu spaial limitat, fenomenele regionalizate pot fi frecvent considerate omogene, variabila regionalizat v(p) repetndu-se n spaiu dup aceleai legiti. Repetabilitatea n spaiu echivaleaz de o anumit manier cu un numr mai mare de realizri ale funciei aleatoare, acest lucru permind inferena statistic. Dou valori experimentale v(pi) i v(pi+h), implantate n dou puncte diferite, pot fi considerate ca dou realizri diferite ale aceleiai funcii aleatoare V(pi). Acest compromis permite inferena legii de distribuie a funciei aleatoare V(p) plecnd de la histograma datelor (v(pi)) i a speranei matematice E{V(p)}, de la media aritmetic a valorilor seleciei de date disponibile (m(p)). La nivelul modelelor topo-probabiliste staionaritatea unui fenomen regionalizat este definit ca invariana legii spaiale la translaie. Altfel spus:

Legea spaial, relevat de un ansamblu de puncte, este staionar dac nu depinde de poziia acestor puncte.

55

Daniel Scrdeanu Modelele topo-probabiliste, mai precis geostatistica linear, se bazeaz pe primele dou momente ale legii de distribuie pentru definirea diferitelor ipoteze de staionaritate. Pentru geostatistica linear, dou funcii aleatoare V1(p) i V2(p) care admit aceleai momente de ordinul unu i doi nu se difereniaz una de alta i sunt considerate ca unul i acelai model. Momentele legilor spaiale ale funciilor aleatoare utilizate sunt: E{V(p)} - sperana matematic

E{V ( p )} = m( p )
Var{V(p)} - variana
Var {V ( p )} = E{[V ( p ) m( p )] }
2

(1.19)

(1.20)

c(p1,p2) - covariana

c( p1 , p 2 ) = E{[V ( p1 ) m( p1 )][V ( p 2 ) m( p 2 )]}


2(p1,p2) - variograma

(1.21)

2 ( p1 , p 2 ) = Var{V ( p1 ) V ( p 2 )}

(1.22)

Covariana i variograma sunt funcii dependente de dou implantaii p1 i p2 iar calculul lor necesit mai multe realizri ale cuplului {V(p1),V(p2)}. Cum acest lucru nu este posibil, deoarece de cele mai multe ori dispunem de o singur serie de msurtori n fiecare punct de probare, numai dac aceste funcii ar depinde doar de vectorul h (care separ dou puncte p1 i p2) inferena lor ar fi posibil. n aceast ipotez toate cuplurile {V(pk),V'(pk)} plasate la distana |h| pe direcia vectorului h pot fi considerate ca realizri diferite ale cuplului (V(p1),V(p2)). Pentru distribuia spaial a coninutului unui poluant, a gradului de nebulozitate a atmosferei, a compoziiei granulometrice a unui depozit deltaic, corelaia ntre valorile msurate n dou puncte situate la o anumit distan constituie o caracteristic intrinsec a structurilor respective. Aceast intuiie fizic se traduce n contextul modelelor topo-probabiliste prin ipoteze de staionaritate la diferite niveluri de rigoare. Staionaritatea strict corespunde unei omogeniti statistice foarte avansate. Este greu de gsit un fenomen care s se conformeze aceleiai legi structurale n toate punctele domeniului su spaial. Staionaritatea de ordinul doi a unei funcii aleatoare este asigurat de: - existena speranei matematice i independena acesteia de punctul de implantare p:

E{ V ( p )} = m , p
- existena covarianei i invariana acesteia la translaie:
c(h ) = E{ V ( p ) V ( p + h )} m 2 , p

(1.23)

(1.24)

56

Analiza staionaritii Existena i staionaritatea covarianei implic existena staionaritii varianei i variogramei. Se deduc imediat relaiile:
Var {V ( p )} = E{[V ( p ) m] } = c(0 ),p
2

(1.25) (1.26)

(h ) =

1 2 E {[V ( p + h ) v( p )] } = c(0 ) c(h ),p 2

n ipoteza de staionaritate de ordinul doi, covariana i variograma sunt echivalente pentru caracterizarea autocorelaiei ntre dou variabile V(p+h) i V(p) aflate la extremitile vectorului h. n aceste condiii se definete i corelograma:

(h ) =

(h ) c(h ) = 1 c(0 ) c(0 )

(1.27)

Existena funciei de variogram reprezint o ipotez mai puin dur dect existena funciei de covarian. Exist numeroase fenomene regionalizate care nu au nici covarian, nici varian finit, dar au variogram finit. n consecin, se poate lrgi cadrul staionaritii de ordinul doi doar la existena variogramei. Staionaritatea intrinsec impune cele mai lejere condiii: - existena speranei matematice i independena ei de punctul de implantare: E{V ( p )} = m ,p (1.28) - independena autocovarianei creterilor fa de translaie i dependena ei de h:
Var{V ( p + h ) V ( p )} = E{[V ( p + h ) V ( p )] } = 2 (h )
2

(1.29)

Trebuie remarcat c ipoteza intrinsec a staionaritii nu antreneaz staionaritatea de ordinul doi. Modelarea topo-probabilist a variabilelor regionalizate implic luarea n considerare a unui factor total absent din formalismele probabiliste: scara structurii. Variabila regionalizat poate fi considerat sau nu ca o realizare a unui proces staionar n funcie de scara de lucru. Cu excepia fenomenelor autoomotetice acelai obiect poate fi considerat regulat sau neregulat, structurat sau nestructurat, staionar sau nestaionar, n funcie de scara la care este studiat. n practic, variograma i covariana sunt utilizate pentru distane limitate: h<r n care se pstreaz omogenitatea statistic. Dou variabile V(pk) i V(pk+h) aflate la distane h>r nu pot fi considerate ca aparinnd aceluiai tip de structur, ele nefiind dou realizri ale unui proces staionar, n particular, speranele lor matematice fiind diferite:
E{ V ( pk )} E{ V ( pk + h )}, h > r

(1.30)

57

Daniel Scrdeanu Pentru astfel de situaii se utilizeaz funciile structurale c(p,p+h) sau (p,p+h), care sunt staionare local, pe distane mai mici dect r. Aceast limitare la distane |h|<r a ipotezei de staionaritate de ordinul doi (sau staionaritate intrinsec, dac se presupune numai existena variogramei) corespunde ipotezei de cvasistaionaritate (sau staionaritate cvasiintrinsec). n mod concret o funcie aleatoare este cvasistaionar de ordinul 2 dac: - sperana matematic E{V(p)} exist i este o funcie regulat i cu variaie lent n raport cu poziia punctului la scara reelei de probare disponibil; - covariana exist i este o funcie dependent de vectorul hij, i de poziia celor dou puncte pi i pj:

c( p1 p2 , p1 , p2 ) = E{[V ( p1 ) m( p1 )][V ( p2 ) m( p2 )]}, i = 1, j = 2

(1.31)

La scara informaiei disponibile, adic pentru poziii pi i pj nu foarte ndeprtate, covariana poate fi considerat funcie de un singur argument i anume distana dintre cele dou puncte |hij|. Din punct de vedere practic se pot defini vecinti mobile n interiorul crora sperana matematic i covariana pot fi considerate staionare. Ipoteza de cvasistaionaritate este rezultatul compromisului dintre dimensiunea r a omogenitii statistice a fenomenului i densitatea informaiei disponibile deoarece, pentru atingerea staionaritii, reducerea dimensiunii r este limitat doar de volumul de date minim necesar realizrii inferenei. Adoptarea modelului topo-probabilist presupune acordarea setului de date disponibil atributul de reprezentativ, ceea ce, din punct de vedere probabilist, echivaleaz cu proprietatea de ergodicitate. Prin definiie, un proces staionar este ergodic (satisface ipoteza de ergodicitate) dac seria mediei spaiale:

Vn =

1 V ( p )dp S n Sn

(1.32)

converge la sperana matematic E{V(p)} (care este invariant n spaiu, conform ipotezei de staionaritate) atunci cnd domeniul Sn tinde la infinit. n condiiile ergodicitii este posibil ca, plecnd de la observarea variaiei n spaiu a unui fenomen regionalizat, pe baza unei realizri unice, s se deduc legea de distribuie spaial a ansamblului tuturor realizrilor posibile, dar necunoscute. Altfel spus, ergodicitatea face s coincid mediile calculate pe ansamblul realizrilor funciei aleatoare cu mediile spaiale, obinute din valorile msurate n reeaua punctelor de observaie. n practica, deoarece se dispune de cele mai multe ori de o singur serie de msurtori n reeaua punctelor de observaie, ergodicitatea nu poate fi testat, ea fiind acceptat ca premiz teoretic a utilizrii modelului funciei aleatoare. Un proces regionalizat, care verific ipotezele de staionaritate i ergodicitate, este un proces omogen, a crui modelare poate beneficia de funcia aleatoare i de tot arsenalul de faciliti ale acestui instrument probabilist.

58

Analiza staionaritii
Ce instrumente avem la dispoziie pentru a testa staionaritatea structurii spaiale a unei variabile pe baza unui numr finit de valori ale acesteia, determinate ntr-o reea de puncte de observaie ?

Cum putem aprecia dac valorile disponibile pot fi prelucrate cu instrumentele matematice ale geostatisticii pentru a obine o estimare spaial corect ? Rar gseti prin cri preocupri pentru tratarea explicit a acestui aspect, el fiind de cele mai multe ori subneles, ca i acela al normalitii distribuiei. Lipsa unei astfel de preocupri a determinat ignorarea frecvent a analizei staionaritii care determin n etapa de evaluare introducerea erorilor sistematice. Consacrm tratrii staionaritii dou aplicaii n care utilizm instrumentele grafice i analitice disponibile pentru realizarea unei imagini intuitive a staionaritii. Tratarea grafic i analitic a staionaritii presupune: identificarea, calculul i separarea tendinelor de variaie spaial la scar mare i se poate realiza cu ajutorul suprafeelor polinomiale de tendin. Rezultatul acestor prelucrri este reducerea erorilor sistematice din etapa de evaluare a distribuiei spaiale. Identificarea tendinelor distribuiei spaiale se realizeaz cu suprafee polinomiale de tendin: plane de forma:
vtend = A + B x + C y

(1.33)

curbe definite prin polinoame de diferite grade, cel mai frecvent fiind utilizate cele de gradul al doilea:

vtend = A + B x + C y + D x 2 + E x y + F y 2

(1.34)

Suprafaa topografic, suprafaa piezometric a unui acvifer sau orice suprafa structural (hri conturale cu izocore, izobate, izopahite etc.) au trei dimensiuni: dou dimensiuni geografice reprezentate prin coordonatele x i y ale punctelor de observaie; a treia dimensiune este valoarea variabilei analizate (cota terenului pentru suprafaa topografic, cota nivelului piezometric pentru suprafaa piezometric etc.). Calculul tendinelor unei variabile se face prin ajustarea suprafeelor de tendin la variaia acesteia, variaie evideniat prin valorile msurate ntr-o reea de puncte de observaie. Densitatea punctelor de observaie i repartiia lor spaial sunt determinante pentru identificarea corect a suprafeelor de tendin. Este uor de intuit c o densitate mare i o distribuie uniform a punctelor de observaie permite identificarea unor tendine reprezentative pentru variabila analizat. Criteriul de ajustare este minimizarea sumei ptratelor abaterilor valorilor msurate ( vmasi ) fa de cele calculate cu ajutorul ecuaiei suprafeei de tendin ( vtendi ). Pentru o suprafa de gradul nti, de ecuaie: vtend = A + B x + C y , abaterea ntr-un punct de observaie i este:

v i = v mas i v tend i = v mas i ( A + B x i + C y i )

(1.35)

59

Daniel Scrdeanu Suma ptratelor abaterilor valorilor calculate pe baza ecuaiei suprafeei de tendin ( vtendi ) de la cele msurate ( vmasi ), pentru toate punctele de observaie (n), scris sub forma unei funcii n raport cu variabilele A, B i C are forma:
2 2

F ( A, B, C ) = vmasi vtendi
i =1

i =n

) = [v
i =n i =1

masi

( A + B xi + C yi )

(1.36)

Valorile coeficienilor A, B, i C, conform criteriului celor mai mici ptrate, se calculeaz astfel nct s se obin valorea minim a funciei F(A,B,C). Pentru minimizarea funciei F(A,B,C) n raport cu variabilele A, B i C este necesar ca:
F F F = = =0 A B C

(1.37)

adic:
F i = n 2 [vmasi ( A + B xi + C y i )]( 1) = 0 A = i =1 F i = n = 2 [vmasi ( A + B xi + C y i )]( xi ) = 0 i =1 B i = n F = 2 [v ( A + B x + C y )]( y ) = 0 masi i i i C i =1

(1.38)

Dup efectuarea calculelor se obin cele trei ecuaii normale a cror soluie sunt valorile celor trei coeficieni A, B i C:
i =n i =n i =n A n B x C y vmasi + + = i i i =1 i =1 i =1 i=n i =n i=n i =n 2 A xi + B xi + C xi yi = vmasi xi i =1 i =1 i =1 i =1 i =n i=n i =n 2 A yi + B xi yi + C yi = vmasi yi i =1 i =1 i =1

(1.39)

adic:

n A i = n B = x i i =1 C i=n y i i =1

i =n x y i i vmasi 1=1 i =1 i =ni =1 i =n i =n 2 xi xi yi vmasi xi i =1 i =1 i =1 i =n i =n i=n 2 x y y v y masi i i i i i =1 i =1 i =1


i =n i =n

(1.40)

60

Analiza staionaritii
Separarea tendinelor are ca obiective evaluarea puterii de ajustare a funciei de tendin i semnificaia statistic a componenilor acesteia. O msur a puterii de ajustare ( P ) a suprafeei de tendin este reducerea procentual a abaterilor pus pe seama suprafeei ajustate i calculat n raport cu media valorilor msurate ( v mas ):
i=n vmasi vtendi 1 P = 100 1 ii= =n vmasi vmas i =1

)
2

(1.41)

O ajustare perfect a unei funcii de tendin la datele de observaie are P =100% i ea presupune lipsa abaterilor valorilor msurate de la funcia de tendin. Dac puterea ajustrii unei funcii de tendin este mic ( P =15-20%), aceasta este un indiciu c variaia spaial a variabilei nu este reprezentat de funcia de tendin aleas. Semnificaia statistic a funciei de tendin se evalueaz prin intermediul analizei dispersionale bifactoriale (D.,Scrdeanu, 1995). Instrumentul utilizat pentru testarea semnificaiei statistice este factorul Fischer experimental care pentru o funcie de tendin cu K termeni i n puncte de observaie se calculeaz cu relaia:

Fexp =

(v
i =n i =1

tend i

vmasi

n K 1

(v
i =n i =1

masi

vtendi

(1.42)

Semnificaia statistic a funciei de tendin plan, pentru care a fost exemplificat modul de calcul al componentelor datorate regresiei liniare (( B x + C y ); K=2), este apreciat pe baza relaiei dintre factorul Fischer experimental (Fexp) i cel teoretic (F(K,n-K-1,); - riscul erorii de genul I) calculat pe baza funciei Fischer i disponibil n form tabelar. Dac la un risc al erorii de genul I ales Fexp> F(K,n-K-1,), rezult c suprafaa de tendin determinat are semnificaie statistic, altfel spus:

Puterea de ajustare evaluat ( P ) este credibil n condiiile variabilitii spaiale reflectate de cele n valori disponibile.
*** Tentaia eliminrii tendinelor pe baza unor polinoame de grade superioare (cinci, ase) este mare datorit puterilor de ajustare mari care se obin. Temperarea unei astfel de atitudini este absolut necesar deoarece obiectivul final este estimarea valorilor caracteristicilor studiate n alte puncte dect n cele probate. Ori este tiut c ntre punctele de observaie suprafeele de tendin conduc la variaii proporionale cu gradul polinomului utilizat i nu cu variabilitatea real a caracteristicii studiate.

61

Daniel Scrdeanu
A12. Analiza staionaritii cu ajutorul variogramei

S se studieze caracterul distribuiei spaiale a conductivitii hidraulice a unui acvifer sub presiune constituit din nisipuri siltice, argiloase i fine explorate prin 130 de foraje. Distribuia forajelor de explorare este neuniform (Fig.1.37) iar valorile conductivitii sunt cuprinse ntre 4,6x10-6 i 1,2x10-2 cm/s (tabelul 1.17). Rezolvare:
Fig.1.37 Distribuia forajelor de explorare a acviferului sub presiune.

Pentru vizualizarea caracterului staionar sau nestaionar al distribuiei spaiale a conductivitii hidraulice se utilizeaz n mod curent dou metode: calculul variogramelor pe principalele direcii structurale; reprezentarea variaiei conductivitii 10000 hidraulice de-a N lungul unor trasee rectilinii.
5000

4.0 3.6 3.2

Instrumentul 2.8 complet pentru 0 V E 2.4 investigarea staionaritii este 2.0 variograma de -5000 1.6 care suprafa 1.2 permite estimarea 0.8 S variabilitii spaiale -10000 n funcie de -10000 -5000 0 5000 10000 direcie i distan. Variograma de Fig.1.38 Variograma de suprafa a conductivitii suprafa se obine hidraulice prin reprezentarea variogramelor direcionale (calculate pe mai multe direcii) sub forma unei hri cu izolinii (Fig.1.38).

Variograma de suprafa permite vizualizarea modificrii valorilor funciei de variogram n raport cu direcia i distana perechilor de puncte.

62

Analiza staionaritii

Tabel 1.17. Conductivitile hidraulice ale acviferului sub presiune. Nr. x[km] y[km] k[cm/s] Nr. x[km] y[km] k[cm/s] Nr. x[km] y[km] k[cm/s] 1 45.00 80.15 4.6E-06 45 57.67 77.59 3.6E-04 89 45.65 62.79 1.3E-03 2 41.98 75.46 1.1E-05 46 62.59 70.39 3.7E-04 90 54.71 64.36 1.3E-03 3 50.87 73.02 1.4E-05 47 47.94 64.02 3.7E-04 91 63.25 68.66 1.3E-03 4 45.95 74.72 1.6E-05 48 53.18 70.38 3.9E-04 92 54.85 73.64 1.4E-03 5 48.05 74.37 1.6E-05 49 53.49 75.28 4.0E-04 93 61.49 70.76 1.4E-03 6 51.74 73.53 1.8E-05 50 45.19 74.90 4.1E-04 94 60.80 70.19 1.4E-03 7 50.91 74.15 3.0E-05 51 48.22 81.37 4.3E-04 95 53.19 77.94 1.6E-03 8 54.13 68.00 3.5E-05 52 47.73 65.66 4.4E-04 96 58.40 69.58 1.6E-03 9 54.69 79.11 3.7E-05 53 58.99 77.69 4.5E-04 97 41.41 74.88 1.6E-03 10 49.90 73.48 4.4E-05 54 44.39 78.93 4.9E-04 98 59.10 76.65 1.7E-03 11 51.43 74.71 4.4E-05 55 49.39 79.80 5.0E-04 99 60.35 72.11 1.8E-03 12 58.34 71.56 4.5E-05 56 59.21 70.68 5.2E-04 100 50.85 75.79 1.8E-03 13 48.96 76.27 4.6E-05 57 39.18 72.36 5.5E-04 101 39.14 71.75 1.9E-03 14 43.78 77.34 5.1E-05 58 48.90 59.80 5.7E-04 102 52.83 63.58 2.1E-03 15 49.72 76.49 5.6E-05 59 57.89 79.30 5.7E-04 103 62.16 71.65 2.2E-03 16 40.59 74.96 6.1E-05 60 55.10 75.43 5.9E-04 104 55.90 77.78 2.3E-03 17 56.84 74.52 6.9E-05 61 54.53 74.10 6.0E-04 105 59.64 71.46 2.3E-03 18 49.28 75.61 7.2E-05 62 46.17 64.04 6.0E-04 106 51.42 77.22 2.4E-03 19 53.39 72.46 7.9E-05 63 50.31 62.76 6.1E-04 107 51.84 65.20 2.4E-03 20 54.06 69.58 1.1E-04 64 50.80 72.24 6.1E-04 108 44.65 68.00 2.5E-03 21 51.82 79.99 1.1E-04 65 59.55 67.47 6.4E-04 109 55.46 76.25 2.5E-03 22 47.57 78.19 1.2E-04 66 48.03 79.70 6.5E-04 110 54.78 76.84 2.6E-03 23 62.76 68.79 1.2E-04 67 54.31 70.96 6.6E-04 111 41.09 74.29 2.6E-03 24 57.67 78.48 1.3E-04 68 48.57 62.27 7.1E-04 112 56.08 78.75 2.6E-03 25 48.88 77.53 1.4E-04 69 63.65 69.43 7.2E-04 113 57.31 78.68 2.7E-03 26 47.17 77.28 1.4E-04 70 48.97 71.04 7.5E-04 114 52.45 78.68 2.9E-03 27 46.21 80.12 1.5E-04 71 54.66 68.66 8.0E-04 115 56.39 75.83 2.9E-03 28 38.67 77.51 1.6E-04 72 58.51 67.68 8.0E-04 116 59.54 69.48 3.0E-03 29 52.86 71.26 1.6E-04 73 40.28 77.14 8.0E-04 117 60.86 65.03 3.3E-03 30 55.73 68.90 1.6E-04 74 40.74 71.72 8.1E-04 118 62.98 69.70 3.3E-03 31 42.69 75.55 1.7E-04 75 52.80 82.21 8.1E-04 119 56.67 76.80 3.8E-03 32 49.53 76.91 2.0E-04 76 54.58 75.86 8.4E-04 120 42.45 76.51 3.9E-03 33 45.91 71.72 2.1E-04 77 53.90 76.32 8.7E-04 121 52.68 73.44 4.3E-03 34 54.98 67.41 2.3E-04 78 61.47 69.69 9.3E-04 122 63.49 70.89 4.3E-03 35 51.08 64.17 2.3E-04 79 62.44 67.49 9.4E-04 123 54.92 77.73 4.6E-03 36 49.63 65.17 2.3E-04 80 42.83 78.99 9.8E-04 124 63.25 71.41 4.6E-03 37 46.16 77.73 2.6E-04 81 37.61 72.97 1.0E-03 125 55.94 79.57 5.3E-03 38 56.29 75.52 2.9E-04 82 52.92 81.81 1.0E-03 126 57.13 70.73 5.6E-03 39 59.07 77.47 2.9E-04 83 53.40 79.15 1.1E-03 127 40.03 69.52 6.1E-03 40 40.14 73.13 2.9E-04 84 54.40 80.15 1.1E-03 128 54.28 79.33 7.1E-03 41 58.04 66.53 3.0E-04 85 61.25 71.89 1.2E-03 129 58.19 75.35 1.1E-02 42 48.98 65.94 3.0E-04 86 55.40 79.91 1.2E-03 130 64.22 70.23 1.2E-02 43 42.63 66.45 3.1E-04 87 54.88 74.95 1.2E-03 44 60.22 70.68 3.4E-04 88 40.47 78.39 1.3E-03

63

Daniel Scrdeanu
Interpretarea variogramei de suprafa pentru stabilirea caracterului distribuiei spaiale se bazeaz pe analiza variaiei valorilor funciei de variogram:

stabilizarea valorilor funciei de variogram pe o anumit direcie, peste o anumit distan ntre perechile de puncte, evideniaz caracterul staionar al structurii spaiale; creterea continu a valorilor funciei de variogram proporional cu distana pe o anumit direcie semnaleaz caracterul nestaionar al structurii.

Analiza variogramei de suprafa a conductivitii hidraulice (Fig.1.38) evideniaz dou direcii principale de variabilitate: direcia N45oE, de-a lungul creia se remarc o cretere proporional cu distana (h) a valorilor variogramei, deci un caracter nestaionar al structurii; direcia N135oV, de-a lungul creia valorile variogramei cresc pn la valori ale distanei de maximum 4500 m dup care se stabilizeaz n jurul valorii de 2 (Fig.1.39, tabelul 1.18).

Tabel 1.18. Dist. Variograma h[m] N135V N45V 1000 1.41 1.00 1500 0.76 1.50 2000 1.60 1.69 2500 1.33 2.03 3000 1.36 1.08 3500 1.53 2.56 4000 1.90 1.65 4500 1.50 3.00 5000 1.90 2.10 5500 1.68 2.44 6000 1.98 2.99 6500 1.28 2.42 7000 1.37 3.40 7500 1.24 3.08 8000 1.16 3.18 8500 1.28 3.54

4
Variograma

3 2 1 0 0 5000
h[m ]
N135V

N45V

10000

Fig.1.39.Variogramele direcionale pentru conductivitatea hidraulic

Manifestarea diferit a variabilitii spaiale n funcie de distan adaug structurii i caracterul anizotrop. Tratarea anizotropiei este o problem de mare complexitate i importan pentru evaluarea corect a distribuiei spaiale i i vom acorda o atenie special n cadrul analizei variografice. Pentru estimarea corect a distribuiei spaiale este necesar separarea tendinei regionale prezent pe direciile n care structura are caracter nestaionar de cea aleatoare prezent n cazul structurilor staionare.

64

Analiza staionaritii

COMENTARIU

Analiza staionaritii ca i cea parametric ne oblig s utilizm instrumente geostatistice valabile numai n condiii strict definite. De cele mai multe ori datele disponibile nu au caracteristicile adecvate prelucrrii cu aceste instrumente i pentru a beneficia de numeroasele avantaje ale utilizrii lor trebuie s facem anumite transformri sau concesii privind condiiile de utilizare.

Ct de mic trebuie s fie variaia valorii variogramei n raport cu distana pentru a accepta c o structur spaial este staionar? Ct de trebuie s fie variaia valorii variogramei pentru a face necesar eliminarea caracterului nestaionar al structurii?
Limitele acceptate sunt legate de concesiile fcute relativ la condiiile de utilizare a instrumentelor geostatistice: Utilizate n condiiile pentru care au fost definite, instrumentele geostatistice conduc la rezultate ce pot fi interpretate cu exactitate, eliminndu-se ambiguitile. Aplicate n cu totul alte condiii dect n cele pentru care au fost definite, instrumentele geostatistice conduc la rezultate neinterpretabile. ntre aceste dou extreme exist situaii intermediare n care de cele mai multe ori ne aflm datorit extraordinarei variabiliti a parametrilor ambientali. Pentru situaiile intermediare, n care ne asumm riscul unor abateri de la condiiile stricte, efectul l vom resimi n etapele ulterioare de prelucrare: estimarea distribuiei spaiale i calculul erorilor. n etapa de testare a corectitudinii rezultatelor estimrii distribuiei spaiale se cumuleaz toate abaterile comise pe parcursul etapelor anterioare de prelucrare. Cnd se evalueaz eroarea de estimare nu se va putea ti ns ct din eroarea comis este datorat nerespectrii criteriului staionaritii structurii pentru c eroarea poate fi determinat i de neluarea n considerare a anizotropiei sau de alegerea unui model neadecvat pentru variogram. Obstacolele din calea ncercrii de separare a efectelor diferitelor cauze care produc eroare de estimare sunt numeroase, motiv pentru care se recomand reducerea la maximum a concesiilor n aplicarea corect a instrumentelor geostatistice. Un pas esenial pe calea respectrii acestei tactici este identificarea nestaionaritii structurilor analizate. Parcurgerea superficial a acestei etape conduce la ignorarea nestaionaritii structurii i la introducerea unor erori sistematice de estimare a cror evaluare este imposibil.

mare

Atenie ! Dup ignorarea analizei normalitii distribuiei frecvenelor valorilor, neglijarea analizei staionaritii este cea mai frecvent eroare metodologic
compromind i ea operaia de estimare a distribuiei spaiale.

65

Daniel Scrdeanu A13.Eliminarea nestaionaritii S se analizeze staionaritatea distribuiei sarcinii piezometrice a unui acvifer sub presiune explorat prin 24 de piezometre (Fig.1.40) n care s-au msurat cotele nivelului piezometric (tabelul 1.19). Rezolvare: Tabelul 1.19 Coordonatele forajelor de explorare i cotele nivelului piezometric.
Nr. x[km] y[km] NP[m] 1 13.46 76.22 169.66 2 8.19 24.76 135.91 3 24.11 47.53 156.78 4 40.97 53.27 168.94 5 64.45 13.24 164.18 6 16.95 50.83 157.96 7 85.91 39.19 191.04 8 1.71 97.83 166.56 9 23.73 6.49 142.66 10 7.19 45.66 148.71 11 29.32 86.62 175.68 12 6.89 39.44 146.84 13 48.61 53.41 174.11 14 87.13 85.96 212.05 15 51.38 91.78 191.36 16 58.13 9.14 161.65 17 15.13 46.58 154.79 18 22.78 16.13 144.13 19 51.92 47.49 172.47 20 44.27 78.99 182.95 21 76.81 29.64 184.89 22 57.31 0.76 154.10 23 0.65 32.79 135.53 24 71.62 93.68 206.41
100

80

60

40

20

10

30

50

70

90

Fig.1.40 Forajele de explorare ale acviferului

Instrumentul complet pentru identificarea caracterului staionar sau nestaionar al suprafeei piezometrice este variograma de suprafa (Fig.1.41). Pentru suprafaa piezometric a acviferului studiat se remarc variabilitatea nul a sarcinii piezometrice pe direcia N45oV i nestaionaritatea ei pe direcia N45oE. Pe direcia N45oE, variograma (Fig.1.42) are o cretere continu, dovad a existenei unei componente regionale cu tendin de cretere de la SV spre NE, pe care intenionm n continuare s o calculm i s o separm de componenta aleatoare a suprafeei piezometrice a acviferului. Pentru suprafaa de tendin alegem o ecuaie de gradul nti de forma:
NPtend = A + B x + C y

ai crei coeficieni sunt soluiile sistemului:

24 A + 908,61 B + 1167,45 C = 3999,35 908,61 A + 51544,61 B + 44518,05 C = 161419,05 1167,45 A + 44518,04 B + 76975,66 C = 203581,78 Soluiile sistemului ai crui termeni sunt calculai n tabelul 1.20 sunt : A=120, B = 0,50 i C = 0,45, ecuaia suprafeei de tendin devenind:

66

Analiza staionaritii
NPtend = 120 + 0,5 x + 0,45 y .

60.00

1500
40.00

N45 V
1000

20.00

0.00

-20.00

500

-40.00

-60.00

0
-40.00 -20.00 0.00 20.00 40.00 60.00

-60.00

Fig.1.41 Variograma de suprafa a suprafeei piezometrice a acviferului sub presiune

Fig.1.42 Variograma pe direcia N45oE

Puterea de ajustare a acestei suprafee de tendin ( P ) calculat pe baza valorilor din tabelul 1.20 este: 501,48 P = 1001 = 94,68 , 9432,56 ceea ce arat c variaia spaial a sarcinii piezometrice este reprezentat n principal de funcia de tendin aleas. Abaterile de la aceast tendin pot fi puse pe seama neomogenitilor locale din acvifer. Dup eliminarea tendinei, valoarea rmas a sarcinii piezometrice ( NPi = NPmasi NPtendi ) are o distribuie strict aleatoare, lucru ilustrat de variograma tip efect de pepit total obinut cu aceste valori (Fig.1.43). Lipsa total de structurare spaial a reziduului sarcinii piezometrice este justificat de puterea mare de ajustare a suprafeei de tendin de gradul nti calculate. Mai sugestiv pentru semnificaia componentelor structurii este reprezentarea prin hri conturale a celor trei componente ale sarcinii piezometrice cu care s-a operat: sarcina piezometric msurat (NPms) ( Fig.1.44a); sarcina piezometric de tendin (NPtend) (Fig.1.44b); Fig.1.43 Variograma valorilor sarcinii reziduul sarcinii piezometrice piezometrice rmase dupa eliminarea (NP) (Fig.1.44c). componentei de tendin de gradul unu.

67

Daniel Scrdeanu

Din compararea celor trei hri se remarc amplitudinea redus a abaterilor locale (exprimate de NP) i similaritatea hrii piezometrice msurate cu cea a hrii piezometrice de tendin.

a) b) c) Fig.1.44.Hrile conturale pentru componentele suprafeei piezometrice: a)sarcina piezometric msurat (NPms); b)sarcina piezometric de tendin (NPtend); c)reziduul sarcinii piezometrice (NP) Sunt situaii n care componenta rezidual este semnificativ i conine elemente de structur spaial. n acele situaii componenta rezidual se prelucreaz separat de cea de tendin, prin kriging ordinar, iar n final se nsumeaz cu aceasta.
COMENTARIU

Dac structura spaial este staionar, adic toate valorile din spaiul cercetat oscileaz n jurul unei valori medii, aceeai pentru orice zona a domeniului, trecem la etapa urmtoare de prelucrare a datelor disponibile cu sigurana c estimrile nu vor fi afectate de erori sistematice. Dac am identificat prezena nestaionaritii este necesar s gsim forma analitic adecvat pentru aceasta. Procedeele de estimare a distribuiei spaiale difer pentru cele dou componente ale valorilor msurate: componenta de tendin (metode deterministe) i cea aleatoare (metode probabiliste). Exist metode geostatistice pentru prelucrarea simultan a celor dou componente fr a introduce erori sistematice (kriging universal). Pentru aplicarea acestor metode este necesar cunoaterea formei analitice a componentei de tendin.

Nu lsai tendinele s afecteze realismul estimrilor !!!!

68

1.3.4.ANALIZA VARIOGRAFIC Analiza structural a unui fenomen regionalizat are ca obiectiv gsirea unui model al structurii. Elaborarea modelului face apel la cunoaterea fenomenului fizic studiat i la experiena n domeniul ajustrii modelelor topo-probabiliste. Instrumentul utilizat pentru identificarea modelului structural este variograma, motiv pentru care analiza structural este cunoscut i sub denumirea de analiz variografic. Variograma este utilizat deoarece elimin calculul mediei valorilor, parametru cu semnificaie ambigu n cazul variabilelor nestaionare. Obiectivul analizei variografice fiind n esen descriptiv, nu exist constrngeri teoretice i n consecint orice tip de prelucrare este acceptat dac reuete s clarifice corelaia ntre distan i variana erorii de estimare. Proprietile variogramei care o fac instrumentul ideal pentru identificarea modelului structurii spaiale sunt sintetizate n:

(0) = 0 (h ) = ( h ) 0

(1.43)

Fig.1.45.Variograma i covariana. Variograma ((h); Fig.1.45) crete proporional cu h. Cnd structura spaial pentru care este calculat variograma are caracter staionar valoarea maxim a acesteia rmne constant pentru valori ale lui h superioare unei anumite valori r, numit raz de influen. Se demonstreaz c aceast valoare maxim numit palier nu este altceva dect variana funciei aleatoare:

( ) = Var{V ( p )} = c(0)
Dac acest palier exist, rezult c i covariana complementar exist:

(1.44)

c(h ) = c(0) (h )

(1.45)

O variogram cu palier i raz de influen caracterizeaz un fenomen regionalizat ce poate fi generat de o funcie aleatoare staionar de ordinul al doilea. Zona de influen a informaiei dintr-un punct (v(p)) este dat de mrimea razei de influen r. n afara acestei zone, pentru h>r, nu mai exist corelaii ntre valorile variabilei msurate: v(p) i v(p+h), (c(h) = 0 pentru h>r).

70

Analiza variografic ntr-un spaiu bidimensional sau tridimensional h reprezint un vector. Majoritatea structurilor spaiale fiind anizotrope, valorile maxime ale variogramei i razele de influen sunt diferite, funcie de direcia de calcul. Lipsa palierului pentru variogram indic nestaionaritatea fenomenului regionalizat i necesitatea eliminrii tendinelor structurate regional, pentru adecvarea semnalului prelucrat, modelului funciei aleatoare. Analiza omnidirecional este primul pas al identificrii modelului structural i d rspuns la ntrebarea: Exist un model structural pentru variabila studiat ? altfel spus: Exist o lege de variaie spaial care s permit estimarea valorii variabilei studiate n orice punct al domeniului spaial cercetat? Pentru a rspunde afirmativ sau negativ la aceast ntrebare este necesar calculul variogramei omnidirecionale pentru care tolerana direcional (; Fig.1.46) este = 90o, suficient de mare astfel nct orientarea vectorului separator hij s nu mai influeneze valoarea variogramei.

Fig.1.46.Elementele de toleran utilizate pentru selecia perechilor de valori separate de vectorul h (N(h)): -tolerana de orientare; h -tolerana de distan). Variograma omnidirecional poate fi considerat ca o medie a diverselor variograme direcionale. Dac locaiile punctelor de observaie sunt amplasate preferenial pe o anumit direcie, variograma omnidirecional nu mai poate fi considerat ca o medie a variogramelor direcionale ea reflectnd n principal particularitile continuitii pe acea direcie. Variograma omnidirecional conine maximum de perechi de puncte n raport cu orice variogram direcional i dac ea nu reflect existena unui model structural, nici o variogram direcional nu va avea o ans mai mare de reuit. Calculul variogramei omnidirecionale nu implic ipoteza izotropiei structurii, ci o prim etap a identificrii modelului structural, util stabilirii corecte a parametrilor de distan necesari identificrii variogramei reprezentative a structurii. Parametrii de distan care condiioneaz n mod direct valorile variogramelor omnidirecionale dar i unidirecionale sunt: - distanele pentru care se calculeaz variograma (hi; i=0,1,2,...); - tolerana de distan ( h).

71

Daniel Scrdeanu Dac punctele de observaie sunt plasate ntr-o reea regulat, distanele pentru care se calculeaz variograma (hi) sunt un multiplu al parametrului reelei de probare, distana iniial fiind chiar acest parametru. n cazul unei reele neregulate, distana minim pentru care se calculeaz variograma este o medie a distanei dintre punctele vecine, celelalte distane fiind un multiplu al acestei distane. Valoarea maxim a distanei pentru care se calculeaz variograma se limiteaz la jumtate din distana maxim dintre punctele de observaie disponibile. Alegerea final a distanelor de calcul este determinat de aspectul funciei de variogram. Clarificarea variogramei impune modificarea distanelor iniiale pe baza efectului lor. n general, creterea distanelor de calcul determin o netezire a variogramei experimentale. Tolerana de distan (h, Fig.1.46) este introdus n calcul pentru a crete numrul de perechi de valori corespunztoare unei anumite clase de distan ntr-o reea neregulat de probare, fiind puin probabil ca mai multe perechi de valori s fie plasate riguros la aceeai distan. Tolerana de distan se alege n general ca jumtate din decalajul de distan dintre dou clase consecutive, iar din necesiti de detaliere poate fi redus. Utilizarea unui decalaj constant ntre clase i a unei tolerane egale cu jumtate din acest decalaj asigur acoperirea complet a suprafeei studiate i utilizarea tuturor valorilor disponibile din reeaua de probare. Analiza unidirecional demareaz dup ce s-a obinut o variogram omnidirecional clar ce indic existena unui model structural i rspunde la ntrebarea: Modelul structural pentru variabila studiat este acelai pentru orice direcie ? sau altfel spus: Modelul structural este izotrop sau anizotrop? Exist numeroase informaii utile identificrii direciilor de anizotropie ale unui model structural. Pentru studiul distribuiei poluanilor n aer, aceste informaii provin din cunoaterea direciei vnturilor; n studiul transportului poluanilor din apa subteran provin din caracteristicile structurale i dinamice ale acviferului iar n studiul concentraiilor minerale n depozitele stratiforme din orientarea stratificaiei. Calea cea mai riguroas de identificare a direciilor de anizotropie este calculul variogramelor direcionale cu ajutorul crora se construiesc: variograma de suprafa sau diagrama razelor de influen ale variogramei. Pentru calculul variogramelor direcionale se alege o toleran unghiular minim () pentru a elimina pe ct posibil mascarea anizotropiei. Din pcate, cu o toleran direcional prea mic se obin puine perechi de puncte pentru fiecare clas de distan, iar variogramele direcionale sunt inutilizabile pentru identificarea modelului structural. Identificarea toleranei direcionale optime se face prin ncercri experimentale bazate pe compararea variogramelor direcionale calculate pentru diferite tolerane. Analiza complet a anizotropiei se bazeaz pe variograma de suprafa care este o hart contural a variogramelor direcionale. Deoarece programele automate pentru trasarea hrilor conturale lucreaz cu o reea rectangular de puncte, este eficient, din punct de vedere al calculelor, s se utilizeze pentru fiecare clas de distan o toleran definit ntr-un sistem rectangular de coordonate. Pentru calculul valorii variogramei direcionale a perechilor de valori separate de vectorul h=(hx,hy) se grupeaz toate punctele care pe direcia Ox sunt separate de distana hx+x iar pe 72

Analiza variografic direcia axei OY de distana hy+y (Fig.1.47). n aceast variant, sectorul de coroan circular utilizat (n mod clasic) pentru selectarea punctelor dintr-o clas de distan (Fig.1.46), se transform ntr-un dreptunghi (Fig.1.47).

Fig.1.47.Elementele de calcul pentru variograma de suprafa Cnd dispunem de un numr mic de puncte de observaie, pe baza unui numr redus de variograme direcionale se realizeaz diagrama razelor de influen ale variogramei. Diagrama razelor de influen permite evaluarea raportului de anizotropie al modelului structural. Raportul de anizotropie (Ra) este exprimat cantitativ prin raportul dintre raza de influen pe direcia de variabilitate minim (Rm) i cea pe direcia de variabilitate maxim (RM) (Ra=Rm/RM). Variogramele relative sunt utilizate atunci cnd rezultatul analizei omnidirecionale este negativ. Dac variograma omnidirecional nu reflect o corelaie ntre distana (h) i ptratul creterii medii ((h)), examinarea diagramelor de continuitate este obligatorie pentru identificarea punctelor care afecteaz aceast corelaie. Rolul unor perechi de puncte sau a unor puncte izolate poate fi semnificativ i eliminarea lor poate mbunti gradul de corelaie. Dac ncercrile de mbuntire a acestei corelaii prin eliminarea punctelor nu conduce la nici un rezultat, n aceast etap descriptiv de analiz a continuitii pot fi utilizate i alte funcii de distan de tipul variogramelor relative. Dependena variogramei fa de media valorilor din fiecare clas de distan determin utilizarea variogramelor relative. Variogramele relative se calculeaz prin raportarea valorii variogramei la diferite tipuri de medii locale. Ele sunt utilizate cnd variogramele absolute nu indic o lege de variaie spaial a variabilei studiate. n mod curent se utilizeaz trei tipuri de variograme relative: variograma relativ local (RL), variograma relativ general (RG) i variograma relativ pereche (RP). Variograma relativ local este recomandat atunci cnd legea de distribuie a variabilei studiate este multimodal. Precedat de o analiz dispersional care s permit separarea domeniului spaial n subzone omogene (Scrdeanu D.,1995) variograma relativ local se calculeaz cu relaia:

73

Daniel Scrdeanu

RL (h ) =

N (h )
i =1 i r i =1 i

i (h )
mi2
(1.46)

N (h )

n care: i(h) - variogramele locale calculate pentru fiecare din cele r regiuni separate (i=1,...,r) (Fig.1.48); mi - mediile locale pentru cele r regiuni separate (i = 1,...,r); Ni(h) - numrul perechilor de valori pentru fiecare regiune. Ecuaia de calcul raporteaz variogramele locale la ptratul mediilor locale prin luarea n considerare i a numrului de perechi de valori pe care se bazeaz fiecare. Raportarea variogramei locale la ptratul mediei locale este valabil numai n cazul unei corelaii lineare (efect de proporionalitate linear) ntre media local i abaterea standard local. Pentru un efect de proporionalitate nelinear, raportarea variogramelor locale se face la alte funcii de media local.

Fig.1.48.Elementele de calcul pentru variograma relativ local.

Variograma relativ general compenseaz unul din neajunsurile eseniale ale variogramei relative locale i anume numrul redus de puncte pe care se bazeaz unele dintre componente datorit separrii suprafeei totale n subzone cu extindere redus. Utilizarea unui numr redus de puncte poate conduce la o variogram fluctuant, imposibil de utilizat pentru analiza continuitii i estimrilor spaiale care succed acesteia. Variograma relativ general nu necesit separarea unor subzone. Ea se calculeaz raportnd suma ptratelor diferenelor dintre perechile de valori, separate de distana h, la ptratul mediilor aritmetice:

RG

(h ) = (h ) m(h )

(1.47)

Numrtorul este variograma experimental absolut iar numitorul este ptratul mediei calculate cu relaia:

74

Analiza variografic

m(h ) =

N (h ) m + m h 1 vi + v j = + h ( ) i , j 2 N (h ) hij h 2

(1.48)

Calculul variogramei relative generale are ca efect reducerea fluctuaiilor funciei de variogram. Variograma relativ pereche ajusteaz variograma absolut n raport cu ptratul mediei fiecrei perechi de valori:
N (h ) (vi v j ) 1 (1.49) RR (h ) = 2 2 N (h ) ( i , j ) hij h vi + v j 2 Variograma relativ pereche este util, n cazul existenei unor valori extreme, n selecia de date disponibile, ea permind reducerea influenei acestora asupra valorilor variogramei. Din punct de vedere operaional, calculul variogramei relative pereche impune introducerea unei valori minime a sumei celor dou valori vi i vj deoarece atunci cnd aceasta este zero valoarea variogramei relative pereche este nedefinit. Pentru valori ale sumei vi+vj mai mici dect aceast limit, perechile de valori se exclud din calcul. Utilizarea variogramelor relative conduce la eliminarea fluctuaiilor variogramei absolute att pentru valori mici ale distanei h, prin utilizarea variogramei relative locale, ct i pentru valori mari ale distanei h, prin utilizarea variogramei relative generale i variogramei relative pereche. 2

Interpretarea variogramelor experimentale se bazeaz pe graficul acestora i are ca obiectiv stabilirea strategiei de modelare matematic. Forma graficului variogramei experimentale exprim sintetic caracteristicile structurii iar analiza ei permite separarea acestora n dou categorii: - caracteristici structurale locale (continuitate i regularitate), rezultate din forma variogramei pentru distane (h) mici (n vecintatea originii); - caracteristici structurale regionale (stiluri structurale), rezultate din forma variogramei pentru distane (h) mari (la infinit). Continuitatea i regularitatea n spaiu a variabilelor regionalizate sunt legate de forma graficului variogramei n vecintatea originii. n ordinea descreterii regularitii se disting patru tipuri de forme ale variogramei n vecintatea originii: - forma parabolic (Fig.1.49a): 2 (h ) ~ h , h 0

Fig.1.49.Formele variogramei n vecintatea originii.

75

Daniel Scrdeanu

Funcia de variogram este n acest caz de dou ori derivabil n origine i deci funcia aleatoare asociat variabilei regionalizate are i ea derivata nti. Aceast form indic o foarte bun continuitate i regularitate a variabilei regionalizate. - forma linear fr efect de pepit (Fig.1.49b):

(h ) ~ h , h 0

(1.50)

Funcia de variogram nu mai este derivabil n origine dar rmne continu pentru h = 0. Funcia aleatoare asociat variabilei regionalizate nu este derivabil i indic o regularitate mai redus. - discontinuitate n origine (Fig.1.49c):
lim (h ) 0 / h

(1.51)

Chiar dac, prin definiie, variograma este nul n origine, n anumite situaii variabilitatea ntre dou valori foarte apropiate poate fi mare. La aceast variabilitate local, comparabil cu zgomotul de fond al unei anomalii, se adaug, pentru distane mai mari, o variabilitate continu tradus prin continuitatea variogramei pentru h>0. Aceast discontinuitate n origine, cunoscut sub numele de efect de pepit, poate fi datorat erorilor de msur sau microvariabilitii nedecelabile la densitatea informaiei disponibile. efect de pepit pur (Fig.1.49d):

(h ) =
0

0 , h = 0 1, h > 0

(1.52)

Este cazul limit al situaiei precedente cnd pentru h>0 variograma nu mai are continuitate. Modelarea unei astfel de variograme se realizeaz printr-un model cu palier cu raza de influen infinit mic. Prezena efectului de pepit total indic absena oricrei corelaii spaiale. Intuirea semnificaiei acestor condiii de natur matematic, proprii instrumentelor utilizate, este premiza unei corecte manevrri a acestora pentru cuantificarea aspectelor calitative semnalate n etapa de reprezentare grafic a datelor disponibile. Doar corelarea rezultatelor prelucrrilor cu fenomene naturale expresive poate fundamenta nsuirea corect a tehnicilor geostatistice i alegerea corect a variantelor de lucru. Un exemplu clasic pentru nelegerea semnificaiei comportamentului variogramei n vecintatea originii este examinarea variogramelor experimentale ale nivelului piezometric din acviferul Korhongo (Coasta de Filde; J.P.Delhomme,1977). Datele prelucrate sunt adncimi ale nivelului piezometric v(x,t) msurate n timp n patru piezometre amplasate la 500 m unul de altul (Fig.1.50).

76

Analiza variografic

Fig.1.50.Piezometre n acviferul Korhongo (Coasta de Filde; J.P.Delhomme,1977) Evoluia nivelului piezometric n cele patru piezometre indic o variabilitate diferit determinat de grosimea zonei de aerare cu reflectare elocvent n forma variogramelor (Fig.1.51):

Fig.1.51.Analiza variografic a nivelului piezometric din acviferul Korhongo : a evoluia profilelor piezometrice ; b - variogramele evoluiei n timp a nivelurilor piezometrice. - n P4 nivelul piezometric este foarte aproape de suprafaa solului i reacioneaz la fiecare avers. Profilul piezometric este neregulat (Fig.1.51a) iar variograma corespunztoare este linear, cu efect de pepit (Fig. 1.51b); - n P3 zona de aerare este mai groas i amortizeaz efectul precipitaiilor asupra variaiilor piezometrice. Variograma corespunztoare prezint un efect de pepit mai mic i pentru h>0 variograma are o form curbilinie ce indic o trecere spre un model cu plafon; - n P2 adncimea nivelului piezometric este mare, astfel nct efectul de amortizare al variaiilor alimentrii prin infiltraii este aproape total, resimindu-se

77

Daniel Scrdeanu
numai efectul unor alimentri brute. Variograma are un efect de pepit redus ce reflect prezena acestor alimentri brute iar pentru h>0 un comportament parabolic ce indic o bun continuitate; - n P1 nu se mai resimte influena alimentrii discontinui a acviferului, profilul piezometric prezentnd o variaie continu. Variograma corespunztoare este de tip parabolic, fr efect de pepit. Stilurile structurale se identific pentru valori mari ale distanei h la care exist patru tipuri de funcii de variogram care implic interpretri i strategii operaionale distincte: - creterea continu a variogramei, proporional cu distana dintre puncte, reflect absena staionaritii structurii.

Fig. 1.52. Comportamentul variogramei la infinit. Tendina care induce nestaionaritatea este frecvent legat de o anizotropie geometric, variograma comportndu-se de manier diferit, funcie de direcie. Dac scara de lucru este relativ mare, variograma experimental poate lua o alur parabolic de la o anumit distan h>r (Fig.1.52a). Pentru distane inferioare acesteia (interpolri n vecinti ce nu depesc distana r), ipoteza de staionaritate, n sens larg, poate fi adoptat iar influena derivei este neglijabil dac n aceast vecintate variograma este izotrop i nu depinde de punctul de aplicaie. - atingerea unei valori maxime a variogramei (palierul variogramei), pentru un h finit (raza de influen a variogramei), indic prezena unei structuri simple staionare a variabilei regionalizate (Fig.1.52b); - stabilizarea valorii variogramei pe dou sau mai multe paliere semnaleaz prezena unor structuri staionare suprapuse caracterizate prin variograme cu modele diferite i parametri diferii (Fig.1.52c). Deconvoluia variogramei n componentele elementare chiar dac nu este unic i necesit informaii complementare permite separarea structurilor suprapuse. - descreterea temporar a variogramei pentru anumite distane (Fig. 1.52d) este dificil de interpretat, ea putnd fi determinat de repartiia neuniform a punctelor de observaie sau de existena unei componente periodice a structurii. Eliminarea acestor neregulariti se realizeaz prin intermediul variogramei relative locale sau se modeleaz cu ajutorul modelelor trigonometrice. Modelarea variogramelor experimentale este necesar deoarece toate operaiunile de estimare de tip topo-probabilist se bazeaz pe variogram i acestea nu pot fi efectuate cu o funcie tabelar aa cum este variograma experimental. Realizarea calculelor de estimare implic identificarea unui model teoretic care s interpoleze ct mai bine valorile variogramei experimentale.

78

Analiza variografic
n alegerea modelelor teoretice, dou caracteristici ale variogramei experimentale sunt luate n cosiderare: comportarea n vecintatea originii (parabolic, linear sau efect de pepit total) i prezena sau absena palierului. Funcie de aceste caracteristici modelele teoretice utilizate n mod curent pot fi separate n trei categorii: - modele cu palier (modele tranzitive) cu comportament linear n vecintatea originii (modelul sferic i modelul exponenial) i cu comportament parabolic n vecintatea originii (modelul gaussian); - modele fr palier (modelul putere i modelul logaritmic); - modelul efect de pepit. Modelele teoretice cu care se opereaz sunt normate, adic au variana unitar. Pentru a obine un model cu palier diferit de unu este suficient s se multiplice expresia normat a modelului cu o constant. Modelul sferic, cel mai frecvent utilizat, are ecuaia:
3 h 1 h3 3 , h [0, r ] (h ) = 2 r 2 r 1 , h [0, r ]

(1.53)

Modelul exponenial are ecuaia:

(h ) = 1 EXP

h r

(1.54)

De remarcat c modelul sferic atinge valoarea maxim (palierul) pentru o distan finit h = r n timp ce modelul exponenial tinde asimptotic la aceasta (teoretic la h = ) (Fig.1.53). n practic, pentru modelul exponenial se adopt o raz de influen efectiv r' = 3r, pentru care (r') = 0,951.

Fig.1.53.Modele cu palier (tranzitive) Ceea ce difereniaz modelul sferic de cel exponenial sunt abscisele punctelor de intersecie dintre tangentele la origine i palier; pentru modelul sferic, dou treimi din raza modelului (xA = 2r/3), iar pentru modelul exponenial o treime din raza de influen efectiv (xB = r'/3).

79

Daniel Scrdeanu
Modelul gaussian este valabil pentru un comportament foarte regulat n vecintatea originii i are ecuaia:

(h ) = 1 EXP

2 h 2 r

(1.55)

Palierul este atins asimptotic, raza de influen efectiv fiind r = r 3 pentru o valoare a variogramei (r') = 0,951 1,0. Comportamentul parabolic din vecintatea originii al modelului gaussian nu trebuie confundat cu efectul unei derive deoarece la distane mai mari valoarea variogramei se stabilizeaz n jurul palierului. Pentru analize locale aceast confuzie este posibil i ea trebuie evitat pentru corecta alegere a modelului. Modele fr palier corespund variogramelor experimentale a cror cretere este continu n limitele domeniului de observaie.

Fig.1.54.Model putere Modelul putere (Fig.1.54) este de ecuaie:

(h ) = h , (0,2)

(1.56)

n practic, modelul linear (=1) este cel mai utilizat, el putnd servi la estimarea n vecintatea originii a tuturor modelelor cu comportament linear (modelul sferic i modelul exponenial). Pe msur ce crete comportamentul n vecintatea originii este mai regulat, dar pentru >2 modelul nu mai este pozitiv definit fiind incompatibil cu evalurile geostatistice lineare. Modelul logaritmic (cunoscut i sub numele de modelul De Wijs) are ecuaia:

(h ) = log h

(1.57)

Modelul logaritmic nu poate descrie structurile de suport punctual, dar aceast condiie nu este deranjant deoarece n practic datele experimentale care definesc variabila regionalizat sunt relative la un suport nepunctual (nenul), adic la o prob de o dimensiune finit. Discontinuitatea n vecintatea originii a variogramei (efectul de pepit) poate fi interpretat ca un model tranzitiv care atinge palierul la o raz de influen mai mic n raport cu distanele dintre punctele de observaie disponibile. 80

Analiza variografic
Modelele adecvate acestor situaii poart numele de modele efect de pepit i au ecuaia:

(h ) =

0 , 1,

h=0 h>0

(1.58)

Modelul efect de pepit nu este considerat n mod uzual un model elementar dar apare ca o constant n ecuaia majoritii modelelor de variogram de diferite tipuri. n mediile izotrope modelul variogramei depinde numai de distan i este independent de direcie. n astfel de situaii este necesar modelarea variogramei numai pe o direcie i de cele mai multe ori se prefer modelarea variogramei omnidirecionale (cu tolerana direcional = 90o). Dei de cele mai multe ori se poate modela satisfctor o variogram experimental cu ajutorul unui model elementar, pentru o calare mai riguroas se prefer un model complex obinut prin combinarea linear a mai multor modele elementare:

(h ) = w (h )
n i =1 i i

(1.59)

Pentru calarea unei combinaii de modele elementare la o variogram experimental direcional trebuie identificat n primul rnd modelul care d caracteristica esenial (cu palier, fr palier, etc.). Deseori este necesar combinarea modelelor elementare din categorii diferite. Pentru o variogram experimental care nu atinge un palier dar are o comportare parabolic n vecintatea originii este necesar combinarea unui model gaussian cu altul linear. nceptorii n analiza variografic sunt tentai s complice modelele pentru o calare foarte exact a variogramelor experimentale care n etapa de estimare spaial nu se justific. Principiul economiei n definirea modelelor este un bun ghid n modelarea variogramelor experimentale. n selectarea caracteristicilor variogramelor experimentale ce trebuiesc modelate este nelept de luat n considerare existena unei explicaii fizice a caracteristicii respective. Dac informaiile calitative asupra cauzelor fenomenului a crui structur spaial este studiat explic sau confirm o anumit caracteristic a variogramei experimentale, atunci este necesar ca aceasta s fie coninut n model, n caz contrar ea poate fi considerat ca rezultat al unui fapt accidental i ignorat n procesul de modelare. Dup alegerea modelelor elementare, modelarea variogramei experimentale se transform ntr-un simplu exerciiu de calare n care se determin parametrii modelelor teoretice. Deseori variogramele experimentale direcionale evideniaz schimbri majore cu direcia ca efect al anizotropiei structurilor. Exist dou tipuri distincte de anizotropie care comport modaliti diferite n definirea modelului de variogram: - anizotropia geometric, n care variogramele direcionale au acelai model i palier n toate direciile i doar razele de influen sunt diferite (Fig.1.55a). Variograma de suprafa (Fig.1.55b) evideniaz anomalii alungite de minim n suprafee orizontale. 81

Daniel Scrdeanu

Fig.1.55.Anizotropie geometric. - anizotropie zonal, care se manifest prin modificarea cu direcia a palierului i meninerea razei de influen i a modelului. Dou variograme pe dou direcii ortogonale (a) i variograma de suprafa (b) corespunztoare pentru o astfel de anizotropie sunt prezentate n Fig.1.56.

Fig.1.56.Anizotropie zonal Identificarea axelor de anizotropie este prima operaiune care trebuie realizat n construirea modelelor anizotrope. Harta contural a variogramei de suprafa i diagramele radiare sunt instrumentele utilizate n aceast operaiune. Dup identificarea direciilor de anizotropie, pasul urmtor este construirea unui model (izotrop) echivalent care s permit cuantificarea modificrii variogramei cu distana i direcia. Modelul echivalent se elaboreaz ntr-o prim etap n sistemul de referin al axelor de anizotropie i n etapa urmtoare n sistemul de referin al datelor primare. Pentru definirea modelului echivalent diferitelor modele de variograme direcionale, se realizeaz o transformare care reduce toate variogramele direcionale la un model comun cu o raz standardizat unitar. Transformarea afecteaz doar distana dintre perechile de valori, funcie de direcia pe care se calculeaz variograma. Modificarea distanei se realizeaz n aa fel nct valoarea variogramei calculat cu modelul echivalent pe baza distanei transformate (h1) s fie identic cu cea calculat cu variograma direcional pe baza distanei reale (h).

82

Analiza variografic

Fig.1.57. Model echivalent n sitemul de coordonate al axelor de anizotropie (anizotropie geometric) Pentru cazul unei anizotropii geometrice, descrise de dou variograme direcionale cu razele de influen 1 i r (Fig.1.57), dac evalum modelul cu raz unitar la o distan h/r vom obine aceeai valoare calculat cu modelul cu raz r la distana h. n acest mod se reduce modelul cu raz r la un model echivalent cu raz unitar prin reducerea distanei de la h la h/r. Aceast echivalen poate fi scris sub forma:
) = r ( h) , h1 = 1 ( h1
h r

(1.60)

Pentru un spaiu tridimensional modelul echivalent i distana redus sunt definite de relaiile:

, h (h ) = (hx y , hz ) = 1 (h1 )

- modelul echivalent

(1.61)

hz h hy h1 + = x + r r r x y z
2

- distana redus

(1.62)

n care: (h'x, h'y, h'z) - proieciile vectorului separator h pe axele de anizotropie (ax,ay,az) (Fig.1.58); - unghiul de rotaie n planul xOy; (rx, ry, rz) - razele variogramelor direcionale pe direciile axelor de anizotropie (ax, ay, az). Pentru modelele fr plafon, n locul razelor rx, ry, rz se utilizeaz pantele n origine ale variogramelor direcionale (ix, iy, iz), distanele reduse corespunztoare fiind ixh, iyh i izh. Dac axele de anizotropie (ax, ay, az) nu coincid cu axele de coordonate n care sunt plasate datele primare (Ox, Oy, Oz) (Fig.1.58), modelul echivalent de variogram trebuie transpus n sistemul de referin al datelor primare din considerente de eficien a prelucrrii. 83

Daniel Scrdeanu

Fig.1.58.Componentele vectorului h n sistemul de referin al axelor de anizotropie


Cea mai direct metod pentru realizarea acestei transformri se bazeaz pe cunoaterea unghiului de rotaie () n jurul axei Oz (necesar suprapunerii axelor ax i ay cu Ox, respectiv Oy) i a unghiului de rotaie () n jurul axei Oy (necesar suprapunerii axei az cu Oz). Dac notm cu h' vectorul n sistemul de referin al axelor de anizotropie, cu h vectorul n sistemul de referin al datelor primare i cu R matricea de rotaie, transformarea se realizeaz cu relaia:
h = R h

(1.63)

n care:
cos( ) cos( ) sin( ) cos( ) sin( ) hz i R = sin( ) 0 cos( ) cos( ) sin( ) sin( ) sin( ) cos( )

h = hx

hy

hz , h = hx

hy

(1.64)

Dup transformarea vectorului h din sistemul de referin al datelor primare n sistemul de referin al axelor de anizotropie, poate fi corect evaluat modelul anizotrop folosind vectorul h'. Calculul vectorului h'1 coninnd distanele reduse poate fi combinat cu relaia de transformare, rezultnd ntr-o scriere compact ecuaia:
h1 = T R h

(1.65)

Aceast ecuaie exprim ideea c vectorul de poziie h trebuie exprimat n sistemul de referin al axelor de anizotropie naintea calculului distanelor reduse. Problema modelrii anizotropiei geometrice, frecvent ntlnit n practic, este cea schematizat n Fig.1.59. Analiza se realizeaz ntr-un plan orizontal, fiecare din cele dou modele direcionale calculate pe dou direcii de anizotropie ortogonale fiind compus din trei modele elementare:

84

Analiza variografic

Fig.1.59.Model de anizotropie geometric - primul model: efect de pepit izotrop, dat de ecuaia general:
( h) = w1 1( h1 )

cu forma (1.66) cu forma


2

i distana redus: h1 = h

- al doilea model: model de tip sferic, dat de ecuaia


general:
( h) = w2 2 ( h2 )

2

hx y i distana redus: h2 = (1.67) r + r x y - al treilea model: tot cu plafon, de tip sferic, cu razele diferite pe cele dou direcii, de forma general:
2 2

( h) = w3 3 (h3 )

hx hy i distana redus: h3 = r +r x y
3 3

(1.68)

Modelul echivalent complet este obinut prin combinarea celor trei modele elementare i are forma:
( h) = w1 1( h1 ) + w2 2 ( h2 ) + w3 3 (h3 )

(1.69)

De reinut c, ntr-un astfel de model geometric, toate componentele variogramelor direcionale trebuie s aib acelai plafon i acelai model n toate direciile. n practic rar se ntlnete o anizotropie zonal pur, adic o raz de influen constant a variogramei n raport cu direcia la o variaie direcional a plafonului acesteia. Foarte frecvent este compunerea anizotropiei geometrice cu cea zonal, ceea ce determin att variaia razei de influen ct i a plafonului variogramei. Exemplul din Fig.1.60 const din trei modele de variograme direcionale, fiecare fiind constituit dintr-un singur model elementar. Modelele direcionale de-a lungul axelor Ox i Oy au acelai plafon i raze diferite (anizotropie geometric), iar modelul de-a lungul axei Oz are o raz mai scurt i un plafon mai mare dect modelele direcionale pe Ox i Oy. Modelul izotrop echivalent este format din dou structuri: - o structur cu anizotropie geometric format din primele dou modele pe axele Ox i Oy ; - o structur cu anizotropie zonal format din modelul pe axa Oz.

85

Daniel Scrdeanu

Fig.1.60.Un model de anizotropie zonal i geometric Pentru prima structur, modelul echivalent va fi un model izotrop cu plafonul w1 i raza unitar, ecuaia lui echivalent fiind:
h hy hz ( h) = w1 1( h1 ) , cu distana redus: h1 = x + + rx ry rz
2 2 2

(1.70)

Pentru cea de-a doua structur, plafonul este egal cu w2 i exist numai n direcia Oz. Aceast component zonal este modelat cu ecuaia:
( h) = w2 2 ( h2 ) , cu distana redus: h2 =
hz rz

(1.71)

Modelul complet este dat de ecuaia:


( h) = w1 1( h1 ) + w2 2 ( h2 )

(1.72)

*** Analiza variografic se aplic n mod analog variabilelor de tip numeric i alfanumeric. Diferenieri apar la: codificarea informaiei primare, n care variabilele alfanumerice sunt codificate doar prin dou valori numerice (zero i unu) n timp ce variabilele numerice pot lua o infinitate de valori cuprinse ntr-un interval delimitat de valoarea minim i maxim; interpretarea legii de variaie spaial exprimat de variogram; n cazul variabilelor alfanumerice variograma indicatoare cuantific legitatea pe baza creia se evalueaz probabilitatea de identificare a variabilei ntr-un anumit punct iar n cazul variabilelor numerice variograma experimental cuantific legitatea pe baza creia ntr-un anumit punct se evalueaz valoarea acestora. Ca difereniere formal, variograma calculat pentru variabilele alfanumerice poart denumirea de variogram indicatoare iar pentru cele numerice variogram experimental.

86

Analiza variografic

A14.Variograma indicatoare S se evalueze variograma indicatoare a argilei i nisipului de-a lungul unei seciuni de 40 m, cercetat prin cinci foraje de explorare de 35 m adncime, amplasate echidistant (Fig.1.61).
F1
35.00

F2

F3

F4

F5

30.00

25.00

20.00

15.00

10.00

5.00

0.00 0.00 10.00 20.00 30.00 40.00

Fig.1.61.Datele primare necesare realizrii seciunii litologice Rezolvare: Succesiunea litologic traversat este constituit numai din argile i nisipuri slab consolidate iar stabilirea variogramelor indicatoare necesit parcurgerea urmtoarelor etape: 1.Preprocesarea datelor primare Obiectivul acestei etape este discretizarea i codificarea datelor primare care n cazul studiat sunt constituite din succesiunile litologice continui traversate de cele cinci foraje. Discretizarea informaiei presupune transformarea succesiunilor litologice continui din cele cinci foraje ntr-un ir finit de valori calitative. Pasul/intervalul (e) de discretizare se alege n funcie de complexitatea succesiunii litologice i distana dintre foraje, iar n cazul studiat se propune a fi e = 5m. Pentru discretizarea datelor primare se amplaseaz un sistem de referin rectangular n care s fie plasate punctele de discretizare. Originea sistemului de referin are ordonata la cota zero i abscisa pe verticala forajului F1. Datele discretizate sunt sintetizate n tabelul 1.21. Ele sunt reprezentate prin 40 de puncte (5 foraje x 8 puncte pentru fiecare foraj) de coordonate (x,y) cunoscute n care se tie litologia (argil/nisip). Codificarea datelor discretizate presupune transformarea valorilor calitative argil i nisip n valori numerice adaptate tehnicilor de prelucrare cantitativ. Valorile numerice utilizate pentru codificarea succesiunii litologice discretizate din tabelul 1.21 sunt: 0 (zero) pentru absena tipului litologic studiat pe poziia punctului din reeaua de discretizare a datelor primare; 1 (unu) pentru prezena tipului litologic studiat.

87

Daniel Scrdeanu

Tabelul 1.21.Rezultatele discretizrii datelor primare Forajul F1 Forajul F2 Forajul F3 Forajul F4 x y Litologie x y Litologie x y Litologie x y Litologie 0 0 argila 10 0 argila 20 0 Argila 30 0 argila 0 5 argila 10 5 argila 20 5 Argila 30 5 argila 0 10 nisip 10 10 nisip 20 10 Nisip 30 10 nisip 0 15 nisip 10 15 nisip 20 15 Nisip 30 15 nisip 0 20 argila 10 20 argila 20 20 Nisip 30 20 nisip 0 25 argila 10 25 argila 20 25 Argila 30 25 nisip 0 30 argila 10 30 argila 20 30 Argila 30 30 argila 0 35 argila 10 35 argila 20 35 Argila 30 35 argila

Forajul F5 x y Litologie 40 0 argila 40 5 argila 40 10 nisip 40 15 nisip 40 20 nisip 40 25 nisip 40 30 nisip 40 35 argila

Procednd dup aceste reguli de discretizare, cu datele din tabelul 1.21 se obin datele codificate pentru calculul variogramei indicatoare (tabelul 1.22). Pentru prelucrarea automat a acestora cu pachetul de programe Geo-EAS este necesar organizarea lor ntr-un fiier de tip ASCII cu structur special (Cap.4). Tabelul 1.22.Datele codificate necesare calculului variogramei indicatoare Nr. x y Argila Nisip Litologie Nr. x Y Argila Nisip Litologie 1 0 0 1 0 argila 21 20 20 0 1 nisip 2 0 5 1 0 argila 22 20 25 1 0 argila 3 0 10 0 1 nisip 23 20 30 1 0 argila 4 0 15 0 1 nisip 24 20 35 1 0 argila 5 0 20 1 0 argila 25 30 0 1 0 argila 6 0 25 1 0 argila 26 30 5 1 0 argila 7 0 30 1 0 argila 27 30 10 0 1 nisip 8 0 35 1 0 argila 28 30 15 0 1 nisip 9 10 0 1 0 argila 29 30 20 0 1 nisip 10 10 5 1 0 argila 30 30 25 0 1 nisip 11 10 10 0 1 nisip 31 30 30 1 0 argila 12 10 15 0 1 nisip 32 30 35 1 0 argila 13 10 20 1 0 argila 33 40 0 1 0 argila 14 10 25 1 0 argila 34 40 5 1 0 argila 15 10 30 1 0 argila 35 40 10 0 1 nisip 16 10 35 1 0 argila 36 40 15 0 1 nisip 17 20 0 1 0 argila 37 40 20 0 1 nisip 18 20 5 1 0 argila 38 40 25 0 1 nisip 19 20 10 0 1 nisip 39 40 30 0 1 nisip 20 20 15 0 1 nisip 40 40 35 1 0 argila Numrul de variabile prelucrabile din fiier este 5 (numrul curent al punctului, x, y, Argil, Nisip). Ultima coloan, cu Litologia, este un ir de valori alfanumerice (argil/nisip) pe care programul Geo-EAS nu le prelucreaz, sunt plasate n fiier pe coloana a asea i sunt utile pentru verificarea codificrii.

88

Analiza variografic 2.Evaluarea ponderii valorilor variabilei alfanumerice Pentru evaluarea ponderii valorilor variabilelor alfanumerice (litologia) se utilizeaz histograma nominal (Fig.1.62) care conine pe axa orizontal numele variabilei iar pe vertical frecvena absolut a acestora. Histograma nominal a litologiei evideniaz predominana argilei (24 valori) fa de nisip (16 valori). Cu ajutorul histogramei nominale se stabilete ordinea n care se realizeaz estimarea distribuiei spaiale a valorilor variabilei, n special n cazul unui numr mai mare de valori alfanumerice.
3.Identificarea unitilor structurale Identificarea unitilor structurale se face prin analiza frecvenei de apariie a fiecrui litotip (argil/nisip) att pe vertical ct i pe orizontal. n acest scop, pentru fiecare abscis i ordonat a grilei de discretizare a datelor primare se stabilesc frecvenele absolute de apariie ale argilei i nisipului (tabelul 1.23 i 1.24). Tabelul 1.23.Frecvenele de apariie pe vertical ale argilei i nisipului y [m] 0 5 10 15 20 25 30 35 Frecvena absolut Argil Nisip 5 0 5 0 0 5 0 5 2 3 3 2 4 1 5 0 Tabelul 1.24.Frecvenele de apariie pe orizontal ale argilei i nisipului x Frecvena absolut [m] Argil Nisip 0 6 2 10 6 2 20 5 3 30 4 4 40 3 5 Reprezentarea grafic a acestor frecvene permite precizarea urmtoarelor observaii:

Frecventa absoluta

30 20 10 0 Argila Nisip

Litologia

Fig.1.62.Histograma nominal.

pe vertical.: argila este distribuit n dou uniti structurale(Fig.1.63a): unitatea inferioar, cu grosime constant dezvoltat ntre +0 i +10 m; unitatea superioar, cu grosime variabil prezent ntre +20 i +40 m. nisipul este distribuit ntr-o singur unitate structural cuprins ntre +15 i +35m (Fig.1.63b);

89

Daniel Scrdeanu

a)

b) C o5 t3 a
1 7

30
15

7 5 3

01
0 1 2 3 4 5 6 F recventa absoluta

F recventa absoluta

Fig.1.63.Frecvenele de distribuie ale argilei i nisipului pe vertical pe orizontal: argila, att n unitatea inferioar ct i n cea superioar, are o variaie lent care nu justific separarea unor alte uniti structurale pe orizontal (Fig.1.64a); nisipul are aceeai comportare ca argila (Fig.1.64b)

7 6 5 4 3 2 1 0
1

Frecventa absoluta

a)

6 Frecventa absoluta 5 4 3 2 1 0
1 0

Abscisa grilei de discretizare

n concluzie, analiza distribuiei spaiale att pe orizontal ct i pe vertical a celor doi litotipi a identificat trei uniti structurale: dou pentru argil; una pentru nisip. Fiecare din aceste structuri se tratateaz separat n etapa de calcul i modelare a variogramelor indicatoare.

b)

20

40

Fig.1.64.Frecvenele de distribuie ale argilei i nisipului pe orizontal 4.Calculul i modelarea variogramelor indicatoare Calculul i modelarea variogramelor indicatoare se face separat pentru unitile litologice i structurale identificate. Particularitatea unitii structurale inferioare a argilei (grosimea constant a acesteia) face necesar calculul variogramei indicatoare doar pentru unitatea structural superioar a argilei i cea a nisipului.

90

Analiza variografic Unitatea structural superioar a argilei are o variogram indicatoare izotrop (Fig.1.65) de tip sferic cu parametrii: efectul de pepit=0,045; palierul = 0,25; raza de influen =23 m. Fig.1.65.Modelul variogramei omnidirecionale pentru unitatea structural superioar a argilei. Unitatea structural a nisipului se manifest de asemenea izotrop, variograma indicatoare fiind tot de tip sferic cu parametrii: efectul de pepit = 0,08; palierul = 0,2; raza de influen = 20 m. O analiz comparativ a celor dou modele de variogram pentru cei doi litotipi permite formularea urmtoarelor observaii: gradul de continuitate al celor doi litotipi este identic, reflectat de acelai model de variogram, fapt care poate fi interpretat ca o meninere a condiiilor de sedimentare pe parcursul depunerii ntregii secvene litologice studiate; mrimea erorii cu care a fost stabilit legitatea variabilitii spaiale a celor doi litotipi, cuantificat prin valoarea palierului celor dou modele (0,25 pentru argil, unitatea structural superioar i 0,2 pentru nisip), este aceeai, lucru care indic un grad de complexitate analog pentru cei doi litotipi; amploarea dezvoltrii spaiale a celor dou uniti structurale, reflectat de raza de influen (23 m pentru argil 20 m pentru nisip), este similar, fapt ce confirm corectitudinea utilizrii aceleiai densiti a punctelor de observaie pentru cercetarea distribuiei ambilor litotipi.

Din punct de vedere practic, toate aceste observaii conduc la concluzia c n etapa de construire a seciunii litologice, fr a se comite erori semnificative, se poate utiliza acelai model de variogram att pentru unitatea structural superioar a argilei ct i pentru unitatea structural a nisipului, adic: tip sferic cu efectul de pepit 0,06, palierul 0,22 i raza de influen 22 m.

91

Daniel Scrdeanu COMENTARIU Analiza variografic a variabilelor calitative este un moment de revelaie pentru muli din practicienii Geostatisticii. Modul de formulare a problemei i interpretare a rezultatelor te scoate din rutina prelucrrilor numerice conexe estimrilor spaiale. Pentru cercetarea extinderii unui orizont de argile roii ntr-un areal oarecare formularea problemei ar fi cam aa: Dac n 12 din 25 de aflorimente cartate i n 11 din 50 de foraje realizate gsesc argila roie, care este ansa s gsesc argila roie n al 26-lea afloriment sau n al 51-lea foraj pe care urmeaz s le cercetez? Unde trebuie s caut aflorimentul sau s execut forajul pentru a crete ansa de a identifica argila roie?? Aceasta este problema central a cercetrii geologice i cu asta s-au ocupat generaii de geologi pn au identificat resursele minerale exploatate n prezent. n fazele de pionierat, prelucrarea i interpretarea tuturor informaiilor necesare pentru a soluiona problema se bazau n mare parte pe analogii i intuiia cercettorului. Tehnica soluionrii problemei era interzis nceptorilor care priveau cu uimire i respect cum btrnii care o posedau mergeau pe teren zile ntregi ngndurai i tcui pentru a pune dintr-o dat, pe o hart, rezultatul spectaculos al prelucrrilor. Aa au fost clarificate multe din misterele structurilor geologice. Analiza variografic a variabilelor calitative descifreaz o parte din acest mecanism interzis i complex care permite evaluarea probabilitii ca o anumit formaiune s poat fi identificat ntr-un anumit punct din spaiu. Ea stabilete pe baza unor observaii calitative (ex.: Am gsit argila roie lng fntna lui Papur !) o legitate cantitativ de distribuie a unei caracteristici pe baza creia va fi evaluat ansa de a identifica ntr-un anumit punct variabila cutat (ex.: N-ai nici o ans s gseti argil la salcmul lui Nil!). Interpretarea acestor rezultate cantitative se face n termeni probabiliti. Rezultatele cantitative ale analizei variografice se interpreteaz pe dou niveluri: cel global (pe baza histogramei nominale; Fig.1.62), de unde rezult dac ansele de a gsi sunt mai mari dect cele de a nu gsi ce cutm (ex.: din Fig.1.62 rezult c avem anse mai mari s gsim argil, dect s nu gsim); cel spaial (pe baza histogramelor orizontale - Fig.1.63 i verticale Fig.1.64), de unde rezult ansa de a identifica ce cutm ntr-un anumit punct din spaiu (ex.: din Fig.1.63a rezult c ansele de a identifica argila roie sunt mai mari n partea superioar a seciunii i mai precis spre vestul acesteia - Fig.1.64a). Analiza variografic a variabilelor calitative este un instrument inutil n mna unui cercettor care este strin de modelele conceptuale ale proceselor cercetate. Delimitarea domeniilor de extindere a zonelor cercetate, separarea acestora n subzone omogene, corelarea scrii la care se fac determinrile cu obiectivul cercetrii, toate acestea asigur cadrul aplicrii corecte a analizei variografice pentru variabilele calitative.

92

Analiza variografic

A15.Variograma omnidirecional S se evalueze variograma omnidirecional a temperaturilor maxime din august 1998 (tabelul 1.25) nregistrate n 171 de staii meteorologice de pe teritoriul Romniei. Tabelul 1.25 Temperaturi maxime[oC] n luna august 1998 (Romnia). x y tmax x y tmax x y tmax x y tmax x y tmax 16.1 3.4 29 15.9 1.1 31 19.2 7.9 28 16.6 11.0 23 15.0 6.9 18 16.4 3.0 30 14.4 0.4 32 18.2 7.5 21 14.3 11.5 15 14.6 7.1 8 23.5 6.1 27 14.6 1.4 32 16.4 7.9 28 14.8 12.0 21 14.1 6.9 18 24.5 6.1 26 13.0 0.7 32 17.9 18.7 24 12.4 11.2 23 13.5 6.1 24 25.8 6.1 26 13.3 2.1 31 19.9 8.6 27 20.6 11.5 25 15.3 5.7 25 24.6 6.9 27 13.9 3.3 29 17.1 8.4 13 19.2 11.6 23 14.6 4.9 27 25.7 5.3 26 11.6 2.1 31 15.6 8.9 23 19.9 12.2 25 14.9 3.9 29 22.6 4.6 26 10.6 0.7 32 15.0 7.9 22 10.6 12.5 24 15.0 2.5 29 21.3 4.3 27 7.8 1.6 32 15.0 9.4 23 17.0 12.5 23 6.2 12.0 23 22.2 2.5 27 8.9 1.7 31 16.5 9.1 23 16.0 12.7 13 6.9 11.1 22 23.3 2.3 24 10.3 0.7 30 19.2 9.5 27 16.0 13.1 22 6.3 6.5 19 22.7 2.2 28 7.8 3.4 31 21.0 9.3 25 14.5 12.6 21 7.1 6.7 17 22.9 1.0 26 7.2 4.2 31 20.4 9.9 26 17.1 13.6 23 9.9 7.0 19 21.5 1.8 27 8.5 3.7 30 17.7 10.0 26 13.8 13.9 14 9.1 6.2 15 21.3 6.3 27 11.7 3.3 31 15.6 10.9 21 20.2 13.5 25 9.1 7.0 25 19.5 5.7 28 11.4 4.1 29 14.3 10.2 22 18.6 13.5 24 7.9 7.5 23 19.3 4.5 27 10.6 4.0 29 12.8 7.7 13 18.4 14.5 23 5.3 8.1 25 19.8 3.8 29 13.1 4.7 27 12.5 7.0 20 17.6 14.5 23 3.6 8.5 26 20.8 3.0 27 12.2 5.4 24 11.8 6.7 23 14.9 14.8 24 11.5 11.8 22 20.0 3.1 28 11.6 5.8 28 11.7 6.4 16 15.5 16.0 22 6.0 11.6 21 19.8 2.3 29 10.0 4.8 29 13.5 8.5 23 16.8 15.3 23 9.0 10.4 16 17.8 1.9 30 10.4 6.0 24 12.5 9.1 22 17.1 16.4 24 8.4 10.6 22 18.8 3.2 29 8.8 5.6 28 11.2 8.4 22 17.8 15.6 23 10.4 10.3 25 17.7 3.0 29 7.8 5.5 30 9.8 9.0 22 18.6 16.8 22 10.8 9.8 24 17.8 4.2 28 6.5 5.2 28 8.0 8.6 24 18.9 16.2 24 9.6 9.5 24 18.3 5.9 28 4.5 4.6 25 7.6 9.5 23 10.4 11.3 21 12.6 9.9 23 18.8 6.2 28 5.4 5.4 26 5.8 9.4 25 9.1 11.3 15 19.7 10.9 25 19.8 7.2 27 4.6 5.7 25 2.0 9.8 27 9.8 12.1 21 18.5 11.2 24 21.4 7.1 27 5.5 6.1 18 3.8 10.0 25 11.0 13.6 23 8.4 12.6 21 17.0 6.4 25 5.2 6.1 25 4.6 10.2 22 12.3 13.4 22 7.5 12.1 13 16.1 5.9 28 4.5 7.2 25 5.2 10.9 22 12.6 15.1 10 5.5 13.3 24 16.0 6.9 19 3.3 7.1 27 4.3 11.5 24 10.7 16.4 22 4.8 12.4 23 14.9 6.5 16 6.1 7.1 25 6.5 10.3 24 10.7 16.0 21 7.4 13.1 23 6.1 14.4 22 8.5 13.7 22 7.8 14.8 23 10.0 15.5 22 7.3 15.7 23 8.2 16.0 23

93

Daniel Scrdeanu Rezolvare: Este numrul esena tuturor lucrurilor? Poate numrul s exprime totul? Privind tabelul 1.25, plin cu numere, vom da un rspuns negativ la ambele ntrebri.. Ce ne pot spune aceste numere despre distribuia spaial a temperaturilor maxime din 28 august 1998? Formatul tabelar al datelor este total inexpresiv i nu ne ajut s ne formm o

Fig.1.66.Distribuia staiilor meteorologice imagine sugestiv n legtur cu subiectul ntrebrii. Prelucrate dup algoritmi adecvai numerele i dezvluie puterea, absolutizat de unii sau ignorat pe nedrept de alii. Prin calculul variogramei omnidirecionale ncercm acum s extragem din numerele sintetizate n tabelul 1.25 informaii despre distribuia spaial a temperaturii sau, altfel spus: Cum variaz temperatura de la o staie meteorologic la alta n 28 august 1998, n Romania? Pentru estimarea corect a variogramei omnidirecionale trebuie analizate: distribuia spaial a staiilor n care au fost msurate temperaturile; variabilitatea global a temperaturilor. Distribuia staiilor meterologice are o densitate relativ constant pe ntreg teritoriul Romniei (Fig.1.66) iar numrul mare de staii permite calculul variogramei omnidirecionale cu o precizie satisfctoare. Analiza variabilitii globale a temperaturii din cele 171 de staii meteorologice indic o selecie de date neomogen cu repartiie bimodal (Fig.1.67) care implic separarea seleciei de valori n dou grupe: 94

Analiza variografic grupa 1, format din 151 de valori msurate n staiile meteorologice amplasate n zonele de cmpie i deal (discuri negre n Fig.1.66); grupa 2, format din 20 de valori msurate n staii meteorologice situate n zonele montane (discuri gri n Fig.1.66).

50 Frecventa absoluta 40 30 20 10 0 8.0 11.7 15.4 19.1 22.8 26.5 30.2 T emperatura[grade Celsius]

Pentru calculul variogramei omnidirecionale se utilizeaz n Fig.1.67 Histograma celor 171 de valori ale cadrul acestei aplicaii cele 151 de temperaturii. valori din grupa 1, valori care dau structura spaial general a temperaturii aerului din Romnia la momentul efecturii msurtorilor. Tabelul 1.26 Valorile variogramei omnidirecionale Nr N(h) hmed (h) 0 60 0.70 1.47 1 1202 1.82 2.14 2 2076 3.47 3.96 3 2660 5.13 6.06 4 3006 6.81 8.28 5 3080 8.51 10.29 6 2888 10.20 11.85 7 2542 11.87 12.83 8 2080 13.57 13.33 9 1496 15.25 13.17
(h)

16.00 14.00 12.00 10.00 8.00 6.00 4.00 2.00 0.00 0.00 5.00 10.00 15.00 20.00

hmed

Fig.1.68.Variograma omnidirecional a temperaturii.

Variograma omnidirecional este calculat pentru 10 clase de distane (tabelul 1.26) i indic o foarte bun continuitate a temperaturii (Fig.1.68) care poate fi modelat cu un model gaussian (Fig.1.69) cu parametrii: efect de pepit = 1,24; palierul = 12,35 raza de influen = 12,8

Utilizarea variogamei omnidirecionale ca lege de variabilitate spaial a temperaturii presupune acceptarea ipotezei unei structuri izotrope pentru care variograma de suprafa este

Fig.1.69.Modelul variogramei

95

Daniel Scrdeanu constituit din cercuri concentrice (Fig.1.70). Existena unei variograme omnidirecionale de tip gaussian este premiza favorabil realizrii unei hri a 10.00 distribuiei temperaturii cu o precizie satisfctoare pe toate 5.00 direciile de interpolare. Modelul structural identificat este utilizat n etapa 0.00 de estimare a distribuiei spaiale. -5.00 Absena variogramei omnidirecionale indic imposibilitatea identificrii unei -10.00 legi de distribuie pe baza datelor disponibile. Absena -15.00 -10.00 -5.00 0.00 5.00 10.00 15.00 variogramei omnidirecionale Fig.1.70.Variograma de suprafa a temperaturii n const n lipsa corelaiei dintre valorile variogramei ((h)) i cazul unei variograme omnidirecionale distanele pentru care acestea sunt calculate (h). COMENTARIU Obinerea unei variograme omnidirecionale diferit de cea denumit efect de pepit total este tot ce-i dorete un geostatistician pentru c:

Dac variogram omnidirecional nu e, nimic nu e !


Dac variogram omnidirecional nu e geostatisticianul intr n panic pentru c din acel moment se simte inutil. Cnd a ajuns la aceast concluzie i poate lua jucriile i poate s plece acas. Ca s nu rmn fr job face toate eforturile, iar direciile n care poate aciona sunt: completarea seleciei de date cu valori suplimentare pe baza crora s se poat identifica legea de variaie spaial a variabilei studiate (variograma omnidirecional); testarea influenei fiecrei valori sau grup de valori asupra funciei de variogram (pentru eliminarea valorilor aberante care pot masca legea cutat a variaiei spaiale); renunarea la evaluarea distribuiei spaiale a variabilei studiate i calculul unei valori medii pentru ntreg arealul probat, prin metodele analizei variabilitii globale.

Nici o variant de lucru nu trebuie neglijat n aceast etap de prelucrare care are ca obiectiv optimizarea utilizrii informaiei disponibile.

96

Analiza variografic A16.Analiza anizotropiei structurilor spaiale Este structura spaial a temperaturilor maxime din 28 august 1998 pe teritoriul Romniei izotrop? Legea de variabilitate spaial a acestora este aceeai n toate direciile? Factorii generali (latitudinea) i particulari (relieful) i fac simit influena asupra legii de distribuie spaial a temperaturii? Rezolvare: Pentru a rspunde la aceste ntrebri apelm la: variograma de suprafa; V E variogramele direcionale. Variograma de suprafa a celor 151 de temperaturi din grupa 1, separat n aplicaia A15, indic o pronunat anizotropie cu direcia de variabilitate minim orientat V-E (Fig.1.71). Este uor de intuit c aceast Fig.1.71.Variograma de supraanizotropie este determinat de poziia fa a temperaturilor maxime din staiilor meteorologice n raport cu ecuatorul 28 august 1998. (latitudinea) iar neregularitile care perturb liniile conturale sunt determinate n principal de relief. Este momentul s ne reamintim c variograma de suprafa este util i n analiza staionaritii variabilelor regionalizate (vezi aplicaia A12). Morfologia variogramei de suprafa sugereaz prezena unei tendine regionale care se manifest pe direcia N-S. Prezena acestei tendine poate fi confirmat prin calculul variogramelor direcionale iar legitatea acesteia poate fi studiat cu suprafeele polinomiale de tendin (vezi aplicaia A13). Direciile de calcul pentru variogramele direcionale se stabilesc din morfologia variogramei de suprafa, ele fiind: direcia de variabilitate minim, VE, n cazul temperaturilor maxime din 28 august 1998; direcia de variabilitate maxim, NS, n cazul temperaturilor maxime din 28 august 1998. Variograma direcional pe 6 5 direcia de variabilitate minim 4 VE (Fig.1.72) indic o 3 continuitate medie, de model 2 sferic, cu tendina de stabilizare 1 0 la valori ale palierului de 4,7, 0 2 4 6 8 10 12 14 16 18 corespunztor unei raze de h influen cuprins ntre 10 i 12 uniti grafice. Fig.1.72.Variograma direcional pe Direcia VE este direcia pe direcia VE (toleran unghiular=20 care se stabilete modelul de grade sexagesimale). variogram al structurii cmpului temperaturilor. Pe aceast direcie se evalueaz raza maxim de influen a modelului structurii spaiale, raz pe baza creia se stabilete distana optim dintre punctele de observaie ale unei reele de monitoring.
(h)

97

Daniel Scrdeanu Pe direcia NS, variograma direcional (Fig.1.73) indic o evident nestaionaritate a cmpului temperaturilor prin creterea continu a valorilor variogramei proporional cu creterea distanei de calcul (h). Pentru palierul de 4,7 stabilit pentru variograma pe direcia VE, raza de influen corespunztoare direciei NS este cuprins ntre 2 i 4 uniti grafice. n aceste condiii raportul de anizotropie al structurii temperaturii este cuprins ntre 3 i 5 (12/4 i 10/2). Analiza structurii spaiale a temperaturilor din 28 august 1998 conduce la concluzia c anizotropia acesteia este de tip geometic, cu model

34 32 30 28 26 24 22 20

(h)

18 16 14 12 10 8 6 4 2 0 0 2 4 6 8 10 12 14 16

Fig.1.73.Variograma direcional pe direcia NS (tolerana unghiular de 20 grade sexagesimale).

sferic, avnd:
COMENTARIU Trebuie reinut c analiza anizotropiei structurilor se declaneaz numai dup ce s-a obinut o variogram omnidirecional (calculat cu o toleran de 90 grade sexagesimale) care indic prezena unei structuri spaiale. Prezena unei structuri spaiale este semnalat de obinerea unor variograme omnidirecionale de model gaussian, sferic, exponenial sau linear. Obinerea unei variograme efect de pepit total semnaleaz lipsa unei structuri spaiale i determin necesitatea completrii informaiei sau pe aceea a realizrii unor prelucrri suplimentare. Niciodat nu se ncepe analiza anizotropiei dup obinerea unei variograme efect de pepit total!!! Niciodat nu se renun la prelucrare dup primul insucces adic dup obinerea primei variograme omnidirecionale efect de pepit total! Dar aceasta nu nseamn c se continu la infinit prelucrarea steril o unor date care se dovedesc nereprezentative pentru structura studiat. Trebuie s ne formm un bun sim al insistenei la care se ajunge prin exerciiul prelucrrii multor categorii de date. Trebuie s extragem informaia din datele existente fr s le denaturm prin filtrri abuzive sau tendenioase. Este periculos s aranjm datele ca s obinem ce ne dorim! Aplicate corect, criteriile statistice proprii metodelor probabiliste ne permit respectarea semnificaiei reale a datelor primare. Analiza variografic este etapa n care se poate denatura cu mare uurin semnificaia datelor primare. Aceasta este etapa care pune la ncercare profesionalismul geostatisticianului. efectul de pepit = 0; palierul = 4,7; razele de influen: rV-E = 10 - 12; rN-S = 2 - 4

98

Analiza variografic A17.Validarea modelului de variogram S se valideze modelul de variogram al grosimii unui strat de nisip explorat prin 121 de foraje amplasate ntr-o reea ptratic cu parametrul 100 m (Fig.1.74, tabelul 1.27). Rezolvare:
11 22 33 44 55 66 77 88 99 110 121

10

21

32

43

54

65

76

87

98

109

120

20

31

42

53

64

75

86

97

108

119

19

30

41

52

63

74

85

96

107

118

18

29

40

51

62

73

84

95

106

117

17

28

39

50

61

72

83

94

105

116

Validarea modelului de variogram este o verificare a 5 16 27 38 49 60 71 82 93 104 115 acestuia pe baza valorilor 4 15 26 37 48 59 70 81 92 103 114 msurate n punctele de observaie disponibile. Ideea 3 14 25 36 47 58 69 80 91 102 113 care st la baza validrii este 2 13 24 35 46 57 68 79 90 101 112 urmtoarea: modelul de variogram este bun dac 1 12 23 34 45 56 67 78 89 100 111 utilizndu-l putem obine prin Fig.1.74.Distribuia forajelor de explorare calcul valorile variabilei msurate n punctele de observaie. Este uor de intuit c dac modelul este perfect, prin calcul vom putea obine exact valorile care au fost msurate n punctele de observaie. Dar cum nimic nu este perfect, evident c valorile obinute prin calcul cu ajutorul modelului vor diferi fa de cele msurate. Optimizarea modelului de variogram tinde s minimizeze diferena dintre valoarea calculat cu ajutorul modelului ( vi* ) i cea msurat n punctul de observaie ( vi ). n plus, trebuie reinut c i un model perfect nu ne asigur perfeciunea estimrilor n punctele din vecintatea punctelor de observaie sau altfel spus: nici o metod de interpolare nu este perfect deoarece nici o probare nu poate fi exhaustiv (i dac ar fi probarea exhaustiv, estimarea nu mai are justificare). Modelul de variogram pe care ne propunem s-l validm este unul de anizotropie geometric avnd urmtorii parametri: model sferic; efect de pepit = 0; palier = 0,075; r1 = 500 m, pe direcia de continuitate maxim cu orientarea: = 45o; r2 = 300 m, pe direcia de continuitate minim cu orientarea: = 135o. Deoarece repartiia valorilor grosimii este lognormal calculul variogramei experimentale i modelarea ei s-au realizat cu valori logaritmate care asigur o normalizare aproape perfect a valorilor grosimii (o reducere a asimetriei de la 1,13 la 0,19). Pentru calculul valorilor grosimii pe poziia punctelor de observaie se utilizeaz ca metod de interpolare kriging-ul punctual ordinar deoarece pe distane de maximum 500 m variaia grosimii este practic staionar. Rezultatele obinute pe baza modelului stabilit pentru structura spaial a stratului de nisip sunt sintetizate n tabelul 1.28 (G - grosimea msurat; G* - grosimea calculat).

99

Daniel Scrdeanu

Tabelul 1.27.Valorile msurate ale grosimii stratului de nisip. Nr. x y G Nr. x y G Nr. x y 1 0 0 6.3 41 300 700 5 81 700 300 2 0 100 5.5 42 300 800 3 82 700 400 3 0 200 5 43 300 900 9 83 700 500 4 0 300 4.25 44 300 1000 3.5 84 700 600 5 0 400 3.6 45 400 0 6.3 85 700 700 6 0 500 3 46 400 100 5.6 86 700 800 7 0 600 3.4 47 400 200 5 87 700 900 8 0 700 3.4 48 400 300 4.5 88 700 1000 9 0 800 3 49 400 400 3.9 89 800 0 10 0 900 2.5 50 400 500 3.3 90 800 100 11 0 1000 2 51 400 600 3.5 91 800 200 12 100 0 6.2 52 400 700 10 92 800 300 13 100 100 5.4 53 400 800 9 93 800 400 14 100 200 4.7 54 400 900 5 94 800 500 15 100 300 4.2 55 400 1000 10 95 800 600 16 100 400 3.5 56 500 0 6.4 96 800 700 17 100 500 3 57 500 100 5.7 97 800 800 18 100 600 4 58 500 200 5.2 98 800 900 19 100 700 4.5 59 500 300 4.6 99 800 1000 20 100 800 4 60 500 400 4 100 900 0 21 100 900 2.75 61 500 500 3.5 101 900 100 22 100 1000 2.4 62 500 600 3.4 102 900 200 23 200 0 6 63 500 700 4.9 103 900 300 24 200 100 5.3 64 500 800 2 104 900 400 25 200 200 4.8 65 500 900 4.5 105 900 500 26 200 300 4.25 66 500 1000 3.6 106 900 600 27 200 400 3.6 67 600 0 6.5 107 900 700 28 200 500 3.1 68 600 100 5.9 108 900 800 29 200 600 4 69 600 200 5.3 109 900 900 30 200 700 7 70 600 300 4.8 110 900 1000 31 200 800 5 71 600 400 4.2 111 1000 0 32 200 900 3.5 72 600 500 3.7 112 1000 100 33 200 1000 2.8 73 600 600 3.1 113 1000 200 34 300 0 6.2 74 600 700 4 114 1000 300 35 300 100 5.5 75 600 800 8 115 1000 400 36 300 200 4.9 76 600 900 3.8 116 1000 500 37 300 300 4.4 77 600 1000 3.5 117 1000 600 38 300 400 3.7 78 700 0 6.6 118 1000 700 39 300 500 3.25 79 700 100 6.1 119 1000 800 40 300 600 3.8 80 700 200 5.5 120 1000 900 121 1000 1000 100

G 5 4.5 4 3.5 3.1 3.5 3.5 3.4 6.8 6.3 5.7 5.3 4.6 4.4 4 3.5 3.2 3.2 3.3 7.2 6.5 6 5.6 5.2 4.7 4.4 4 3.5 3.2 3.2 7.3 6.8 6.2 5.8 5.4 5 4.5 4.2 3.8 3.4 3

Analiza variografic

Tabelul 1.28.Rezultatele validrii modelului de variogram


x y G G* G-G* x y G G* G-G* x y G G* G-G*

600 400 400 400 300 200 500 500 100 0 0 0 1000 0 200 100 300 900 600 0 400 900 900 500 900 1000 900 100 200 600 300 700 600 500 1000 800 700 800 800 400

800 1000 800 700 900 700 900 700 800 0 200 400 0 900 800 0 0 0 1000 300 0 700 1000 0 400 900 600 1000 1000 0 300 600 500 200 500 300 0 600 500 300

2.08 2.30 2.20 2.30 2.20 1.95 1.50 1.59 1.39 1.84 1.61 1.28 1.99 0.92 1.61 1.82 1.82 1.97 1.25 1.45 1.84 1.39 1.16 1.86 1.65 1.22 1.48 0.88 1.03 1.87 1.48 1.25 1.31 1.65 1.61 1.67 1.89 1.39 1.48 1.50

1.22 1.45 1.39 1.55 1.45 1.47 1.23 1.44 1.27 1.77 1.55 1.23 1.94 0.87 1.57 1.78 1.79 1.94 1.22 1.42 1.81 1.36 1.14 1.83 1.63 1.20 1.46 0.86 1.01 1.85 1.47 1.24 1.30 1.64 1.60 1.66 1.88 1.38 1.47 1.50

-0.86 -0.85 -0.81 -0.75 -0.75 -0.48 -0.28 -0.15 -0.12 -0.07 -0.06 -0.05 -0.05 -0.05 -0.04 -0.04 -0.03 -0.03 -0.03 -0.03 -0.03 -0.03 -0.03 -0.02 -0.02 -0.02 -0.02 -0.02 -0.02 -0.02 -0.02 -0.01 -0.01 -0.01 -0.01 -0.01 -0.01 -0.01 -0.01 -0.01

0 400 200 800 800 100 200 300 700 900 700 800 1000 600 1000 900 100 900 200 500 600 900 1000 1000 700 300 500 100 100 0 800 400 500 700 1000 900 400 600 900 200

100 400 300 700 100 300 0 100 400 800 100 0 700 300 800 500 700 300 200 600 100 200 300 100 300 200 300 600 100 800 1000 100 500 200 400 900 200 200 100 400

1.70 1.36 1.45 1.25 1.84 1.44 1.79 1.70 1.50 1.25 1.81 1.92 1.44 1.57 1.34 1.55 1.50 1.72 1.57 1.22 1.78 1.79 1.76 1.92 1.61 1.59 1.53 1.39 1.69 1.10 1.19 1.72 1.25 1.70 1.69 1.16 1.61 1.67 1.87 1.28

1.70 1.35 1.44 1.25 1.84 1.43 1.79 1.70 1.50 1.25 1.80 1.91 1.43 1.57 1.33 1.55 1.50 1.72 1.57 1.22 1.78 1.79 1.76 1.92 1.61 1.59 1.53 1.39 1.69 1.10 1.20 1.73 1.26 1.71 1.69 1.17 1.62 1.68 1.88 1.29

-0.01 -0.01 -0.01 -0.01 -0.01 -0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01

600 500 500 1000 0 700 800 300 1000 700 100 200 800 800 100 0 700 300 200 400 800 600 100 1000 300 600 600 200 700 700 300 0 100 400 200 0 400 500 300 300 500

400 100 400 200 700 500 200 400 600 1000 400 100 900 800 200 600 700 500 600 500 400 900 900 1000 600 600 700 500 900 800 700 500 500 600 900 1000 900 1000 1000 800 800

1.44 1.74 1.39 1.82 1.22 1.39 1.74 1.31 1.50 1.22 1.25 1.67 1.16 1.16 1.55 1.22 1.13 1.18 1.39 1.19 1.53 1.34 1.01 1.10 1.34 1.13 1.39 1.13 1.25 1.25 1.61 1.10 1.10 1.25 1.25 0.69 1.61 1.28 1.25 1.10 0.69

1.45 1.75 1.40 1.84 1.24 1.40 1.76 1.33 1.53 1.25 1.28 1.69 1.19 1.19 1.58 1.26 1.18 1.23 1.44 1.25 1.58 1.40 1.09 1.19 1.43 1.23 1.49 1.24 1.37 1.39 1.74 1.24 1.25 1.49 1.49 0.95 1.96 1.79 1.81 1.89 1.89

0.01 0.01 0.01 0.01 0.02 0.02 0.02 0.02 0.02 0.02 0.03 0.03 0.03 0.03 0.03 0.03 0.04 0.05 0.05 0.05 0.05 0.06 0.08 0.09 0.10 0.10 0.10 0.10 0.11 0.13 0.13 0.14 0.15 0.24 0.24 0.26 0.35 0.51 0.55 0.79 1.20

Rezultatele numerice sintetizate n tabelul 1.28 pot fi interpretate prin intermediul parametrilor statistici descriptivi i ai reprezentrilor grafice.

101

Daniel Scrdeanu Parametrii statistici descriptivi semnificativi pentru corectitudinea modelului de variogram se refer la diferena dintre grosimile msurate ( Gi ) i cele estimate prin kriging ordinar punctual pe baza modelului de variogram care se valideaz ( Gi* ) i sunt: media erorilor de estimare = 0,001; abaterea standard a erorilor de estimare = 0,056; coeficientul de asimetrie al erorilor de estimare = 0,12. Din valorile acestor parametri rezult c valoarea erorilor de estimare reprezint sub 0,1% din media valorilor grosimilor iar estimare este nedeviat (coeficientul de asimetrie indicnd o distribuie normal a erorilor de estimare). Reprezentrile grafice utilizate pentru ilustrarea gradului de precizie al modelului de variogram sunt: Harta erorilor de estimare care ilustreaz distribuia spatial a erorilor de estimare (Fig.1.75). Pe aceast hart erorile sunt reprezentate prin discuri negre al cror diametru este proporional cu valoarea erorii de estimare. Se remarc o grupare a erorilor mici n partea de NV a perimetrului explorat prin cele 121 de foraje i o cretere a erorilor de estimare spre SSE. De la aceast regul se abat 6 locaii n partea de N unde erorile sunt mai mari. Din aceast analiz sumar a hrii erorilor de estimare rezult c modelul este mai bun pentru partea Fig.1.75.Harta erorilor de estimare nordic dect pentru cea sudic a perimetrului. De regul n astfel de situaii, pentru zona n care erorile sunt mai mari, se elaboreaz un alt model de variogram pe baza valorilor msurate n acea zon dac acestea sunt suficient de numeroase pentru a permite elaborarea unui model. Luarea unei astfel de decizii se face i n funcie de mrimea erorilor de estimare. Diagrama grosime msurat ( Gi ) grosime calculat( Gi* ) (Fig.1.76) indic o bun corelaie a celor dou categorii de grosimi. Dac modelul de variogram ar fi fost perfect, toate cele 121 de puncte din diagram ar fi fost colineare. Coeficientul de corelaie linear dintre valorile msurate ( Gi ) i cele calculate ( Gi* ) cu ajutorul
Grosimea calculata(G*) 2.5 2 1.5 1 0.5 0 0 1 2
*

Grosimea masurata( Gi )

Fig.1.76.Diagrama Gi - Gi*

102

Analiza variografic modelului de variogram testat este r = 0,67. Diagrama grosime msurat(G)- eroare 1.5 de estimare (G-G*) (Fig.1.77) indic o 1 estimare nedeviat a 0.5 valorilor msurate, prin dispunerea 0 simetric a erorilor 1 1.5 2 2.5 0.5 -0.5 0 pozitive i negative -1 fa de valoarea zero. Acest lucru este ) G rosime masurata(G confirmat i de valoarea mediei Fig.1.77. Diagrama grosime msurat(G)erorilor de estimare eroare de estimare (G-G*). (0,001) i a coeficientului de asimetrie a erorilor de estimare (0,12).

Reprezentrile grafice descriu n mod diferit calitatea modelului de variogram: harta erorilor de estimare indic distribuia n spaiul cercetat a valorii erorilor de estimare, iar diagramele, ignornd distribuia spaial a erorilor de estimare, evideniaz corelaia ntre valoarea caracteristicii i mrimea erorii de estimare introdus de modelul de variogram.

COMENTARIU Opiunea pentru modelul testat se face n funcie de mrimea i distribuia erorilor de estimare raportate la un standard impus de criteriile unei estimri eficiente. Eficiena estimrii poate fi evaluat n raport cu gradul de cunoatere al unei structuri spaiale sau cu riscul economic al unei investiii care se bazeaz pe estimrile spaiale realizate cu ajutorul modelului. Alegerea modelului optim impune validarea a cel puin dou modele ! Proporional cu creterea suprafeei explorate scade probabilitatea ca un singur model s fie adecvat estimrii spaiale pentru ntreaga suprafa. n astfel de situaii este necesar calculul variogramelor relative i utilizarea a dou sau mai multe modele de variogram pentru estimarea distribuiei spaiale a caracteristicii pe ntreaga suprafa cercetat. Pentru aceast situaie se apeleaz n prima faz la variogramele relative care au ca obiectiv ameliorarea morfologiei legii de variaie spaial prin reducerea efectului distribuiei neuniforme a punctelor de probare i a variaiilor locale determinate de valori extreme care nu au fost eliminate n faza analizei variabilitii globale. Utilizarea variogramelor relative poate conduce la dou rezultate distincte, n funcie de caracteristicile structurii analizate: se identific un singur model de variogram valabil pentru ntreaga suprafa studiat n etapa estimrii distribuiei spaiale; se identific mai multe modele de variogram valabile pentru diferite sectoare ale suprafeei studiate care vor fi utilizate n etapa de estimare spaial.

G-G*

103

Daniel Scrdeanu 1.3.5.ANALIZA FRACTAL Analiza structurilor spaiale de o mare complexitate, generate de procesele naturale, constituie obiectul unei metodologii relativ recente, al crei act de natere l-a semnat lucrarea revoluionar a matematicianului Benoit Mandelbrot , O teorie a seriilor fractale, aprut n anul 1975. Mandelbrot a introdus termenul de fractal pentru fenomene temporale sau spaiale care sunt continui dar nedifereniabile. Fractalii sunt primele forme grafice care nu sunt bazate pe linii drepte sau liniaritate i pot fi descrise prin dimensiuni fracionare. Ideea de baz a calculului care a dominat gndirea tiinific pn la apariia fractalilor a fost aceea a aproximrii unei curbe cu linii drepte i a unei suprafee cu plane. n aceast idee, curbele i suprafeele pot fi reprezentate prin funcii matematice continui i difereniabile pentru c pot fi mprite ntr-un numr infinit de linii drepte sau plane. Leibnitz a presupus c toate curbele sunt alctuite din segmente de dreapt infinitezimale denumite linii tangente sau difereniale. Orice concepie asupra Universului care utilizeaz teoriile de difereniere i integrare se bazeaz pe aceast abordare liniar. Orice curs introductiv de calcul diferenial adopt aceast idee prin utilizarea notaiei dh/dx care exprim panta segmentului de dreapt infinitezimal. Conceptul de fractal se refer expres la structuri spaiale cu o dezordine accentuat, dezordine tratat ca o caracteristic instrinsec a acestora i nu ca o perturbaie. Caracteristica unei structuri fractale este conservarea sau repetarea dezordinii la toate scrile, repetarea structurilor n structuri (autosimilaritatea). n funcie de tipul i gradul de dezordine se pot separa: structuri spaiale cu o dezordine slab, pentru care dezordinea dispare sau se reduce pe msur ce crete sau se reduce scara de investigare; structuri spaiale cu o dezordine accentuat, pentru care dezordinea persist pe msur ce scara de investigare crete sau se reduce i nu exist stri de referin cu care s poat fi comparat sistemul. Dezordinea structurii spaiale este cuantificat de dimensiunea fractal (D); cu ct complexitatea structurii spaiale este mai mare cu att D este mai mare. Analiza fractal abordeaz studiul structurilor spaiale renunnd la primordialitatea liniaritii utiliznd dimensiunea fractal (D) i principiul autosimilaritii. Dimensiunea fractal este definit pe baza a dou modele diferite de abordare a structurilor spaiale. Unele dintre acestea reprezint structura ca un model continuu ce poate fi investigat la o scar infinit mic, iar altele presupun reprezentarea acesteia printr-un model discontinuu, tip reea. Determinarea dimensiunii fractale pentru un model continuu, de tipul unei curbe sau suprafee neregulate, presupune mprirea spaiului n care se dezvolt structura studiat printr-o reea ptratic de parametru i numrarea celulelor ptrate care intersecteaz contururile acesteia. Numrul celulelor care intersecteaz structura studiat (Nbox()) poate fi utilizat pentru realizarea estimrilor de tipul: lungimea conturului curbei (l):

l = N box ( )

(1.73)

104

Analiza fractal aria delimitat de conturul neregulat (A):


A = N box ( ) 2

(1.74)

Numrul celulelor care intersecteaz structura studiat este: pentru o linie dreapt, proporional cu parametrul reelei ptratice ():
N box ( ) 1

(1.75)

pentru un ptrat, proporional cu ptratul parametrului reelei ptratice():


N box ( ) 2

(1.76)

pentru o linie neregulat, proporionalitatea este dat de un coeficient D, care este dimensiunea fractal a structurii:
N box ( ) D

(1.77)

D coincide cu dimensiunea topologic (Dtop) a structurii dac sistemul este euclidian: Dtop = 0 pentru un set de puncte discrete; Dtop = 1 pentru o curb; Dtop = 2 pentru o suprafa; Dtop = 3 pentru un solid. Dac D difer de Dtop, sistemul este numit fractal, D este fracionar i este dimensiunea fractal. Diferena Dtop -D este o msur a dezordinii sistemului. n sisteme reale dimensiunea celulelor ptratice, , este finit: min se numete limit intern i teoretic merge pn la dimensiunile atomice, iar max se numete limit extern i poate ajunge pn la distana dintre cele mai ndeprtate puncte ale structurii spaiale. n general min i max nu coincid cu limitele teoretice pentru c, de exemplu, peste sau sub o anumit scar de cercetare structurile spaiale pot fi euclidiene i deci nu mai au dimensiune fractal. Faptul c lungimea unei drepte care face cu reeaua de discretizare un anumit unghi este aproximat cu lungimea unei linii n trepte (Fig.1.78a), rezultnd o supraestimare, a condus la nlocuirea ptratelor cu latura cu cercuri de raz r (Fig.1.78b). n aceste condiii lungimea dreptei este corect estimat prin relaia:

l = N cerc (r ) 2 r

(1.78)

Indiferent c acoperim structura spaial cu ptrate sau cu cercuri, dimensiunea fractal D nu se modific. Forma elementului care este utilizat pentru acoperire afecteaz numai factorul de proporionalitate ( ) dintre numrul de elemente (Nbox /Ncerc) i dimensiunea acestora (/r). Calculul dimensiunii D a unei structuri spaiale se face cu relaia:

D=

ln( N ( )) ln( )

(1.79)

105

Daniel Scrdeanu n care N() este numrul de elemente de dimensiune care acoper sistemul; - raportul dintre i dimensiunea maxim a sistemului.
a) b)

Fig.1.78.Aproximarea lungimii unei drepte care face un unghi cu reeaua de discretizare ptratic (a) i a unei curbe prin acoperire cu cercuri (b).

Relaia (1.79) este valabil i pentru structurile euclidiene, rezultatul fiind dimensiunile topologice. Astfel: un segment rectiliniu de lungime 1 m este acoperit cu N(0,25) = 4 ptrate cu latura 0,25 m i are dimensiunea topologic:

D=

ln(4) ln(4) = =1 ln(0,25 / 1) ln(1 / 4)

un ptrat cu latura de 10 m este acoperit cu N(2) = 25 de ptrate cu latura egal cu 2 m i are dimensiunea topologic: D= ln(25) ln(25) = =2 ln(2 / 10) ln(1 / 5)

un cub cu latura 10 m este divizat n N(5) = 8 cuburi cu latura de 5 m i are dimensiunea topologic: ln(8) ln(8) D= = =3 ln(5 / 10) ln(1 / 2)

Relund ntr-o exprimare generalizant, putem spune c dac un obiect cu o form dat este compus din D obiecte similare de mrimea 1/ atunci exponentul D este dimensiunea de similaritate i pentru c, spre deosebire de cea topologic, aceast dimensiune nu este n mod obligatoriu ntreag, ea este numit i dimensiune fractal. Pentru structurile spaiale fractale, deoarece acoperirea nu este complet pentru orice mrime a elementelor utilizate, se calculeaz dimensiunea fractal medie pentru mai multe mrimi ale elementelor de acoperire.

106

Analiza fractal Modelul discontinuu este utilizat pentru sisteme cu evidente proprieti de autosimilaritate. Principiul de baz al modelului discontinuu tip reea, pentru evaluarea dimensiunii fractale D, const n numrarea locaiilor din structura spaial pentru o anumit vecintate (R) (Fig.1.79). Locaiile din structura spaial sunt puncte plasate la o anumit distan ntre ele (d). Numrul locaiilor Fig.1.79.Modelul discontinuu tip reea se numr ntr-o sfer de raz R>>d i este proporional cu dimensiunea D a structurii spaiale:
N loc ( R ) R D

(1.80)

Dac structura spaial rezult din combinarea a m copii identice la scar mai mic, de factor , atunci:

N loc (R / ) = m N loc (R )

(1.81)

Exprimnd R n multipli de d se poate scrie relaia pe baza creia se calculeaz dimensiunea fractal pentru modelul discontinuu tip reea:
R N loc (R ) = B d
D

(1.82)

Factorul B este mic dac centrul sferei de raz R este ntr-o zon fr locaii. Dac fluctuaiile lui B sunt mici sistemul este de lacunaritate sczut, caracteristic sistemelor euclidiene. Pentru o dreapt i un plan fluctuaiile lui B sunt nule i lacunaritatea este zero. Variograma, instrumentul de baz al analizei variografice permite i ea determinarea dimensiunii fractale a structurilor spaiale n condiiile bunei cunoateri a acesteia prin reeaua de explorare. Exist o fundamentare logic a acestei posibiliti pentru c dimensiunea fractal este o cuantificare a complexitii structurii spaiale, iar variograma cuantific variabilitatea spaial a structurilor n funcie de distan i direcie. La o analiz elementar se poate observa dependena dintre complexitatea structurii spaiale, forma variogramei i valoarea dimensiunii fractale (Fig.1.80). Sunt remarcabile: proporionalitatea direct dintre complexitatea structurii i dimensiunea fractal; invers proporionalitatea dintre complexitatea structurii i panta variogramei. Adresndu-se structurilor spaiale complexe, a cror dezordine o consider caracteristica intrinsec, evaluarea dimensiunii fractale trebuie s se bazeze pe o informaie care s conin aceast dezordine. De aici rezult necesitatea unui numr 107

Daniel Scrdeanu mare de puncte de observaie pentru calculul unei variograme care s permit evaluarea corect a dimensiunii fractale. n toate situaiile, dimensiunea fractal se calculeaz din panta variogramei ntr-un sistem de referin dublu logaritmic (log((h)) - log(h)); (h) - valoarea semivariogramei; h - distana dintre punctele de observaie). Foarte frecvent, ntr-un sistem dublu logaritmic, variogramele sunt lineare pe domeniul distanelor dintre punctele de probare, acest lucru exprimnd meninerea caracteristicilor de variabilitate spaial n arealul cercetat i demonstrnd proprietatea de autosimilaritate a structurii spaiale. Modificri ale pantei variogramelor indic schimbarea legitilor de variaie spaial, corespunztor scrii de investigare, adic a distanelor dintre punctele de probare.
Principiul autosimilaritii este a doua idee fundamental care st la Fig.1.80.Corelaia ntre complexitatea baza analizei fractale. structurii, dimensiunea fractal i variogram. Autosimilaritatea este proprietatea unei structuri spaiale fractale de a avea aceleai caracteristici morfologice indiferent de scara la care este examinat sau, altfel spus, se poate descompune n componente geometrice similare cu ntreaga structur. Multe fenomene naturale par s aib aceast caracteristic. Dac distribuia litotipurilor ntr-o zon este cartografiat la scara 1:1.000.000 i ulterior se avanseaz cu detalierea la scri mai mari, de exemplu 1:100.000, distribuia relativ a limitelor, deseori, pare a nu fi influenat de scara la care este construit harta. Acest fenomen de autosimilaritate poate fi cuantificat prin probabilitatea de apariie a limitelor dintre litotipi (p) la o anumit distan (d) probabilitate care este exprimat satisfctor de funcia de distribuie exponenial:
p ( d ) = 1 e d

(1.83)

Valoarea probabilitii, p(d), este cuprins ntre 0 i 1, d indic distana dintre limite iar este un parametru de scar. n multe situaii distribuia cumulativ a limitelor dintre litotipi este mai bine descris de o distribuie gamma sau Weibull dar, n limitele unei precizii satisfctoare, ele pot fi reduse la cea exponenial.

108

Analiza fractal
A18.Calculul dimensiunii fractale a unei structuri de cretere

S se determine dimensiunea fractal a structurii de blend din Fig.1.81. Rezolvare Structura analizat are patru brae care nu se intersecteaz ntr-un punct comun ci sunt legate printr-o punte care se constituie ntr-o a treia direcie de cretere. Ramura din dreapta jos se bifurc, iar unul din Fig.1.81.Structur de blend braele sale se ntoarce la 180 grade (Fig.1.81). Structura s-a produs prin difuzie n mediu solid i agregare. Ea este rezultatul dezamestecului sulfurii de zinc (blenda) de sulfura de cupru (calcopirita) dintr-o soluie solid, instabil la temperaturi sczute. Proba studiat (E.Constantinescu, S.Milutinovici, 1994) a fost recoltat din zcamntul Toroiaga din zona vulcanitelor neogene. Metoda utilizat pentru determinarea dimensiunii fractale a structurii este cea a msurrii perimetrului. Ea const n aproximarea prin segmente de dreapt a lungimii structurii studiate. Se alege unul din capetele conturului (oricare) ca punct de start i folosind un compas se marcheaz interseciile succesive ale arcelor de cerc cu conturul, Fig.1.82 Calculul dimensiunii fractale prin utiliznd fiecare punct astfel metoda perimetrului. obinut ca punct de start (Fig.1.82). Pentru fiecare lungime li se obine un numr Ni de segmente cu care se acoper conturul structurii. Cu ct li este mai mic cu att Ni este mai mare i dac structura este un obiect fractal, relaia dintre Ni i li va fi de forma:

Ni = l D

(1.84)

n care D este dimensiunea fractal. n general se utilizeaz o metod grafic n estimarea dimensiunii fractale, metod care presupune linearizarea corelaiei dintre Ni i li ntr-o diagram rectangular dublu logaritmic.

Fig.1.83.Calculul dimensiunii fractale prin metoda grafic

109

Daniel Scrdeanu Dimensiunea fractal (D) reprezint panta dreptei de corelaie. Pentru structura de cretere a sulfurii de zinc, dimensiunea obinut prin aceast metod grafic (Fig.1.83) este D = 1,2131.
COMENTARIU

Metoda msurrii perimetrului este o metod care nu poate fi automatizat, motiv pentru care ea este utilizat foarte rar. Parcurgerea acestei metode este ns una din cile de acomodare cu noiunea de dimensiune fractal. n general, dac nu cunoatem i nu nelegem n detaliu toate caracteristicile unei noiuni, nu vom putea opera corect cu ea. Dimensiunea fractal este o noiune fundamental a analizei fractale prin care se abordeaz studiul formelor din spaiul tridimensional n care trim de pe alte fundamente dect cele cu care s-a operat pna acum 25 de ani.
Rezistm la aceast provocare?

Dup surpriza iniial a noii abordri a urmat un impresionant asalt al aplicrii acesteia n toate domeniile tiinei. Entuziasmul s-a redus ns exponenial, atunci cnd ctigul s-a dovedit a fi nesemnificativ n studiul formelor reale.
A19.Analiza distribuiei fractale

S se compare condiiile de formare ale zcmintelor MasvingoMashava i Shamva din cratonul archaean (din Zimbabwe, Fig.1.84 i Fig.1.85 ). Rezolvare: Analiza distribuiei spaiale a zcmintelor poate evidenia caracteristici Fig.1.84.Zona Masvingo-Mashava mascate de complexitatea (dup T.Blenkinshop, 1994) proceselor de formare a acestora, caracteristici care pot fi utilizate pentru explorarea i evaluarea rezervelor. Dac zcmintele au o distribuie fractal, ele sunt grupate spaial ntr-un anumit fel i pot fi tratate cu instrumentele specifice geometriei fractale. Analiza dimensionalitii structurilor poate discrimina cu precizie distribuiile aleatoare de cele fractale. Pentru exemplificare sunt prezentate rezultatele obinute printr-o analiz fractal complet asupra celor dou zcminte de Carlson i T.Blenkinshop (1991; 1994). Localizarea zcmintelor din cele dou arii i statistica produciei acestora sunt obinute din buletinele i hrile la scara 1:100.000 elaborate de Geological Survey of Zimbabwe (Wilson 1964, 1968; Stidloph, 1977).

110

Analiza fractal Zona Masvingo-Mashava a produs aproximativ 7000 kg aur n perioada studiat, din 147 de mine care pot fi bine localizate (Fig.1.84) i care au fost utilizate pentru realizarea analizei fractale. Zona Shamva a produs 56874 kg de aur n aceeai perioad, din 122 de mine (Fig.1.85). Fig.1.85.Zona Shamva (dup T.Blenkinshop, 1994) Au fost utilizate dou metode pentru calculul dimensiunii fractale: metoda numrrii celulelor, care const n numrarea celulelor ptrate (n(d)) de o anumit dimensiune (d) necesare acoperirii tuturor minelor din zona studiat: n(d ) d D (1.85)
metoda numrului din cerc, care const n numrarea zcmintelor (N(r)) dintr-un cerc de raz r:

N (r ) = C r D

(1.86)

n care D - dimensiunea fractal a structurii; C - o constant numeric adimensional. S-a demonstrat (Carlson, 1991) c densitatea zcmintelor ntr-un cerc de raz r ( (r ) ) i densitatea depozitelor d(r) la distana r pot fi deduse sub forma:

(r ) =

C D C D = i d (r ) = D 2 D 2 2 (r ) r 2 r

(1.87)

N(r) este evaluat pentru fiecare zcmnt n parte iar rezultatele pentru ntreaga zon sunt mediate pentru a obine relaia final. D este evaluat prin regresie linear iar erorile sunt exprimate prin abatera standard a acesteia. Pentru ambele metode, dimensiunile lineare d i r variaz de la o valoare minim, mai mare dect eroarea de msurare a distanelor (d = 300 m; r =150 m), la una maxim, de ordinul de mrime al zonei studiate (d = 29 km; r = 23 km). Graficele n(d) d (Fig.1.86a) i N(r) r (Fig.1.86b) indic pentru ambele zone studiate forme similare.

111

Daniel Scrdeanu n(d)


a)

N(r)

b)

r[m] Fig.1.86.Estimarea dimensiunii fractale prin metoda numrrii celulelor (a) i metoda numrului din cerc (b) Metoda numrrii celulelor indic o modificare semnificativ a dimensionalitii fractale la o valoare d = 2,5 km. La distane mai mari de 2,5 km manifestarea fractalitii structurii este mai evident i o detaliere a diagramelor pentru acest domeniu este ilustrativ (Fig.1.87a i b). Parametrii statistici asociai n(d)
a)

d[m]

N(d)

b)

d[m] r[m] Fig.1.87.Estimarea dimensiunii fractale prin metoda numrrii celulelor (a) i metoda numrului din cerc (b) pentru distane mai mari de 2500 m. determinrii dimensiunii fractale prin metoda numrrii celulelor sunt sintetizai n tabelul 1.29 iar pentru metoda numrului din cerc n tabelul 1.30. Rezultatele arat o serie de diferene ntre cele dou metode utilizate. Metoda numrrii celulelor conduce la valori mai mici pentru D n domeniul valorilor mici ale lui d sau r i valori mai mari pentru D n domeniul valorilor mari pentru d sau r, dect metoda numrului din cerc. Acest lucru se ntmpl deoarece metoda numrrii celulelor este mai sensibil la corelaia ntre dimensiunea fractal i scara de investigare, indicnd o schimbare semnificativ a relaiei fractale la d = 2500 m. Dimensiunea fractal pentru d sau r mai mari de 2500 m, obinut prin metoda numrrii celulelor, este mai mare dect cea determinat prin metoda numrului din cerc. Erorile de determinare ale dimensiunii fractale coincid pentru cele dou metode n zona Masvino-Mashava dar sunt diferite pentru zona Shamva. Metoda numrrii celulelor conduce la un coeficient de corelaie mai mare i la erori ale regresiei mai mici dect metoda numrului din cerc.

112

Analiza fractal
Tabelul 1.29.Determinarea dimensiunii fractale prin metoda numrrii celulelor. Nr. De Abaterea Zona Distana (d) Dimensiunea Coeficientul zc. (N) standard a [km] fractal (D) regresiei regresiei (s) lineare (R) Masvingo 0,3-2,5 0,32 -0,947 0,0415 147 Shamva 0,3-2,5 0,28 -0,988 0,0169 122 Masvingo 2,5-29 1,12 -0,995 0.0379 147 Shamva 2,5-2,9 1,18 -0,999 0,0192 122 Tabelul 1.30.Determinarea dimensiunii fractale prin metoda numrului din cerc Nr. de Abaterea Zona Distana (r Dimensiunea Coeficientul zc. (N) standard a [km] fractal (D) regresiei regresiei (s) lineare (R) Masvingo 0,15-2,5 0,69 -0,958 0,0595 147 Shamva 0,15-2,5 0,87 -0,991 0,0347 122 Masvingo 2,5-22,5 1,06 -0,994 0.0400 147 Shamva 2,5-22,5 1,01 -0,997 0,0246 122

Toate aceste observaii sugereaz c metoda numrrii celulelor este mai adecvat pentru descrierea detaliat a distribuiei fractale pentru un domeniu mai extins al scrii de investigare. Interpretarea acestor rezultate servete comparrii zcmintelor din cele dou zone. Se constat c pentru ambele zone se produce o modificare a relaiilor fractale la distane de investigare de 2500 m. Acest lucru sugereaz c este o mai mare densitate a zcmintelor la distane mai mici dect aceast distan ceea ce este n concordan cu concentrarea efortului de explorare n vecintatea zonelor mineralizate. Adevrata dimensiune fractal poate fi stabilit numai la dimensiuni mai mari ale scrii de investigare i obinerea n aceste condiii a aceleiai valori pentru ambele zone sugereaz c aceleai procese geologice au generat zcmintele din ambele zone cercetate. Aceast abordare se bazeaz numai pe distribuia spaial a zcmintelor. Luarea n considerare i a distribuiei spaiale a coninuturilor, ntr-o analiz multifractal, ofer date suplimentare pentru analiza comparativ a zcmintelor din cele dou zone.
COMENTARIU

Analiza fractal ca i cea variografic are ca obiectiv cuantificarea caracteristicilor eseniale ale structurii spaiale cercetate.
Analiza variografic are ca produs final modelul de variogram cu parametrii caracteristici (efect de pepit, palier, raz de influen, forma analitic), iar analiza fractal are ca produs dimensiunea fractal (echivalent ntr-o anumit msur cu raza de influen a modelului de variogram). Corectitudinea modelului de variogram i a dimensiunii fractale este decisiv pentru precizia estimrii distribuiei spaiale.

113

2.ESTIMAREA DISTRIBUIEI SPAIALE Estimarea distribuiei spaiale fructific rezultatele analizei variabilitii caracteristicilor studiate. Ea echivaleaz cu realizarea desenului dup analiza obiectului supus studiului. Calitatea desenului este determinat de calitatea stimulilor (numrul de puncte de observaie i precizia determinrilor n cazul cercetrii geologice), de profunzimea analizei, de sensibilitatea i experiena creatorului. Nu n ultimul rnd, calitatea desenului depinde de materialul utilizat (creion, hrtie) i de acurateea cu care mna rspunde comenzii creatorului. S-ar putea ca pe parcusul realizrii desenului (contururilor hrii sau seciunii geologice) s constai c imaginea creat nu este ce i-ai dorit sau nu-i place. Cte tablouri zac acoperite de praful uitrii sau nici nu au ieit din atelierul creatorului? Dac nu eti mulumit de rezultat arunci la co tot ce-ai fcut i o iei de la capt. ansele ca desenul s fie mai bun a doua oar sunt mai mari. Nu este sigur c dup a mia ncercare rezultatul este de o mie de ori mai bun dect primul. Nu toi reuesc n via, dar merit s ncerci! Estimarea distribuiei spaiale este o operaiune laborioas i rezultatul ei este totdeauna discutabil. Obiectivul ei este realizarea imaginii distribuiei spaiale a unei variabile pe baza valorilor acelei variabile determinate n diferite puncte din spaiu. Pentru geolog aceste imagini realizate prin metode geostatistice sunt hrile i seciunile geologice. Ambele categorii de reprezentri grafice se realizeaz att pentru variabile calitative ct i pentru cele cantitative: hrile i seciunile geologice clasice reprezint distribuia variabilelor de tip calitativ precum vrsta sau litologia formaiunilor; hrile i seciunile speciale ilustreaz variaia spaial a diferitelor caracteristici cantitative: adncimea sau cota unui reper stratigrafic sau structural (hri cu izobate sau izohipse), grosimea unor depozite cu o anumit litologie (hri cu izocore), potenialul unor acvifere (hri cu izotransmisiviti), acceleraia gravitaional ntr-o zon prospectat gravimetric (hri cu izogale), intensitatea activitii seismice (hri cu izoseiste) etc. Hrile i seciunile geologice sunt n acelai timp suportul i rezultatul cercetrilor geologice. Ele sunt folosite pentru clarificarea structurilor geologice, identificarea zcmintelor, calculul rezervelor de substane minerale utile, protecia mediului. Tehnica de realizare a hrii sau seciunii se alege n funcie de obiectivul pentru care este utilizat. ntr-o clasificare simpl se pot separa trei categorii de astfel de tehnici: estimarea global, prin care se obine valoarea medie reprezentativ a unei variabile pentru toat suprafaa hrii. Metoda este utilizat de obicei n faza de prospeciune pentru evaluarea aproximativ a rezervelor i se aplic n cazul unui numr redus de puncte de observaie; estimarea punctual este cea mai flexibil i performant tehnic de realizare a tuturor categoriilor de hri cu izolinii. Ea dispune de numeroase variante de prelucrare geostatistic (kriging punctual ordinar, k.p.universal, k.p.indicator, k.p.disjunctiv etc.); estimarea zonal se utilizeaz pentru calculul rezervelor n etapa de explorare detaliat i permite vizualizarea distribuiei coninuturilor de substane minerale utile pe suprafee/volume delimitate de contururi cu geometrie cunoscut (ex.: panouri de exploatare, orizonturi miniere etc.).

114

Estimarea global Dup ce am colectat probe din n puncte de observaie (puncte marcate cu x-uri n Fig.2.1), am determinat prin diferite metode n valori ale unei variabile (vi; i=1n) i le-am analizat variabilitatea (global i spaial), avem la dispoziie informaiile i instrumentele necesare pentru a putea rspunde la oricare din urmtoarele ntrebri: Care este valoare medie a variabilei pe toat suprafaa probat (suprafaa marcat cu haur simpl din Fig.2.1)? Care este valoarea medie a variabilei probate pe suprafee delimitate de contururi nchise, mai mici dect ntreaga suprafa probat (suprafaa marcat prin haur ncruciat n Fig. 2.1.Obiectivele estimrii spaiale. Fig.2.1)? Care este valoarea variabilei ntr-un punct oarecare al suprafeei studiate (de exemplu punctul marcat cu semnul ntrebrii n Fig.2.1, punct n care nu am avut acces pentru a msura variabila). Indiferent de ntrebarea care se pune, rspunsul l dau metodele estimrii distribuiei spaiale univariate, metode care se bazeaz de cele mai multe ori pe o combinaie linear de forma:

v0 = wi vi
i =1

(2.1)

vo* - valoarea estimat a variabilei ntr-un punct oarecare p0; vi - valorile cunoscute ale variabilei n punctele pi (i=1,2,...,n); wi - ponderile acordate fiecrei valori msurate. Combinaiile lineare de tipul relaiei (2.1) opereaz i asupra datelor transformate (normalizate). Dac se transform datele originale i se opereaz asupra lor o combinaie linear ponderat, se obine un estimator al valorilor transformate:
t0 = wi T( vi ) n i =1

n care:

(2.2)

n care:

to* - estimatorul valorii transformate a variabilei ntr-un punct oarecare p0; T(v) - funcia de transformare a valorilor variabilei v; wi - ponderile acordate fiecrei valori transformate. n astfel de situaii, pentru obinerea valorii estimate a variabilei (vo* ) este necesar transformarea invers a estimatorului valorilor transformate (to*):

vo* = T 1 (t 0* )

(2.3)

Obiectivul operaional principal al estimrii distribuiei spaiale este calculul ponderilor acordate valorilor msurate (wi) n estimarea realizat!

115

Daniel Scrdeanu 2.1. ESTIMAREA GLOBAL Evaluarea valorii medii reprezentative pentru o variabil regionalizat staionar pe toat suprafaa probat, medie utilizat n estimrile geostatistice bazate pe funcia de covarian, implic eliminarea efectului distribuiei spaiale neuniforme a punctelor de observaie. Gruparea neuniform a punctelor de observaie poate conduce la subestimarea valorii mediei, dac majoritatea punctelor de probare sunt concentrate n zone cu valori mici ale variabilei, sau la supraestimri ale acesteia, n caz contrar. Eliminarea efectului distribuiei neuniforme a punctelor de observaie asupra valorii mediei globale se poate realiza prin declustering poligonal sau celular i prin kriging. Declusteringul poligonal, pentru eliminarea influenei gruprii neuniforme a punctelor de observaie atribuie fiecrei valori din setul de date o pondere proporional cu suprafaa poligonului de influen. Poligonul de influen pentru un punct de observaie rezult din intersecia mediatoarelor segmentelor ce unesc centrul poligonului de influen (O) cu punctele vecine (1,2,3,4,5,6). Punctul 7 nefiind n vecintatea imediat a punctului O nu modific forma poligonului de influen al acestuia (Fig.2.2a,,f). Definitivarea poligoanelor de influen pentru punctele din vecintatea limitelor ariei explorate implic introducerea unor reguli suplimentare. Exist dou astfel de reguli: nchiderea poligonului pe o limit fizic (Fig.2.3a) sau convenional a ariei explorate (Fig.2.3.b) Fig. 2.2 Construcia poligonului de conturat printr-un arc de cerc a influen pentru un punct din interiorul crui raz este media aritmetic a suprafeei probate. apotemelor OA, OB i OC. Separarea n poligoane de influen pe baza metodei prezentate este unic. Fiecrui punct din reeaua de observaie i este asociat un poligon cu suprafaa mai mare n zonele cu densitate mic de puncte de observaie i cu suprafa mai mic n zonele cu densitate mai mare de puncte (Fig.2.4). Pentru calculul ponderilor standardizate ale fiecrei valori se utilizeaz relaia: a (2.4) wi = n i , ai
i =1

n care ai este aria fiecrui poligon de influen (i = 1,2,...,n; n - numrul punctelor de observaie).

116

Estimarea global

Fig. 2.3.Construirea poligonului de influen pentru un punct din vecintatea limitei ariei explorate

Fig.2.4.Poligoanele de influen ale punctelor de observaie dintr-o reea neuniform.

Declusteringul celular aplic pe ntreaga suprafa a ariei explorate o reea rectangular. Fiecare valoare primete o pondere invers proporional cu numrul de puncte din celula creia i aparine. n acest fel, valorile plasate n zone cu densitate mai mare a punctelor de observaie primesc o pondere mai mic, iar valorile plasate n zonele cu densitate mai mic a punctelor de observaie primesc o pondere mai mare. Pentru dispoziia punctelor de probare din Fig.2.5, plasate n celulele unei reele rectangulare cu dimensiunea, pe direcia V-E, de 100 m i pe direcia N-S, de 50 m, ponderile acordate valorilor sunt: - pentru celula A3 : w = 1/4; - pentru celula A2 : w = 1/6; - pentru celula A1 : w = 1/2; - pentru celula B3 : w = 1 ; - pentru celula B2 : w = 1 ; - pentru celula B1 : w = 1/5. Deoarece toate valorile din fiecare celul au ponderi egale i ponderea valorilor din fiecare celul este unitar, estimarea mediei globale prin metoda declusteringului celular se Fig. 2.5.Declustering celular realizeaz n dou etape: a - calculul mediei aritmetice simple a valorilor din fiecare celul; b - calculul mediei aritmetice simple a valorilor medii din toate celulele reelei. Media estimat prin declustering celular depinde de dimensiunea celulelor reelei rectangulare. Dac celulele sunt prea mici, n fiecare celul va fi un singur punct de observaie i fiecare valoare va avea aceeai pondere. Dac celulele sunt aa de mari nct toate valorile intr ntr-o singur celul, din nou toate valorile vor avea aceeai pondere. ntre aceste dou situaii extreme se afl dimensiunile celulelor care permit evaluarea mediei reprezentative. Alegerea dimensiunilor optime ale celulei reelei rectangulare se bazeaz pe analiza hrii conturale a mediei globale construit pentru diferite valori ale dimensiunilor celulei de discretizare a ariei explorate i n corelaie cu obiectivul estimrii.

117

Daniel Scrdeanu

A20.Calculul valorii medii prin declustering celular

S se calculeze valoarea medie a porozitii unui strat explorat prin 121 de foraje amplasate ntr-o reea neuniform (Fig.2.6) din care au fost prelevate 484 de probe (cte 4 din fiecare foraj). innd seama c din strat va fi exploatat petrol, s se recomande porozitatea optim pentru calculul rezervelor. Rezolvare:
Cele 121 de foraje executate pot fi ncadrate ntr-un dreptunghi cu limea de 30 km (pe direcia VE) i lungimea de 60 km (pe direcia NS). Caracteristicile statistice elementare ale celor 484 de valori msurate ale porozitii totale sunt: distribuie cvasi-normal (Fig.2.7); amplitudinea seleciei : A = 40,7 - 17,1 = 23,6% coeficientul de asimetrie 1 = 0,15 media de selecie, la o eroare de genul I, = 5%: 50
Frecventa

Fig.2.6.Amplasarea forajelor

m = 30,7% 0,49

40 30

20 Media astfel calculat nu ine 10 seama de distribuia neuniform a 0 forajelor de explorare. Pentru evaluarea 17 19 22 24 26 28 31 33 35 37 40 influenei acestei distribuii neuniforme Porozitatea masurata prin metoda declusteringului celular se construiesc 200 de reele de discretizare cu celule rectangulare (avnd laturile Fig.2.7.Histograma porozitilor multipli de 3 km) pornind de la cea mai msurate mic - cu suprafaa de 9 km2 (3 km x 3 km) - pn la cea mai mare - cu o suprafa de 1800 km2 (30 km x 60 km). Cele 200 de valori medii ale porozitii totale calculate pentru cele 200 de reele de discretizare au urmtoarele 50 caracteristici statistice elementare: 40 distribuie normal (Fig.2.8); 30 amplitudinea de selecie: 20 A = 31,04-28,552 = 2,52% 10 0 coeficientul de asimetrie 1 = 0,01; media de selecie, la o eroare de genul P o ro z it at ea calcu lat a I, = 5%: Fig.2.8.Histograma porozitilor m = 29,5% 0,06 calculate prin declustering celular.
Frecventa
28.5 28.9 29.2 29.6 30.0 30.3 30.7

Referitor la influena dimensiunii celulelor de discretizare, trebuie remarcat

118

31.0

Estimarea global
tendina de cretere a mediei porozitii proporional cu creterea suprafeei celulelor de discretizare (Fig.2.9). Aceast corelaie este de tip empiric i corespunde situaiei concrete a perimetrului explorat. Nu trebuie fcut nici o generalizare. Este posibil ca pentru un alt perimetru tendina s fie invers sau s nu existe o corelaie global ntre dimensiunea celulei de discretizare i valoarea porozitii medii calculate. Tot de natur empiric este i dependena valorii 32 medii a porozitii calculate 31 de dimensiunea celulelor de 30 discretizare i orientarea lor n 29 spaiu, dependen reflectat 28 n harta cu izolinii a valorii 27 medii a porozitii (Fig.2.10). Harta contural a porozitii medii permite Rangul mediilor calculate stabilirea cu rapiditate a valorii medii a porozitii n Fig.2.9.Corelaia ntre porozitatea calculat i dimensiunea celulelor de discretizare.
Porozitatea
111 133 155 177
60000

55000

199

23

45

67

89

30.5 30.3 30.1

50000

45000

40000

29.9
35000 30000

29.7 29.5 29.3 29.1

25000

20000

15000

10000

28.9
5000 5000 10000 15000 20000 25000 30000

28.7

Fig.2.10.Harta contural a porozitii medii calculate prin declustering celular

119

Daniel Scrdeanu
funcie de dimensiunea celulei de discretizare. Astfel, pentru discretizarea suprafeei prin celule rectangulare cu limea de 1500 m (pe direcia VE) i lungimea de 20000 m (pe direcia NS) se obine o valoare medie a porozitii cuprins ntre 30,3% i 30,5% (conform scrii grafice asociat hrii). Valoarea medie se citete de pe harta cu izolinii a mediei, la intersecia celor dou sgei corespunztoare dimensiunilor celulei de discretizare (Fig.2.10). Recomandarea porozitii optime pentru estimarea rezervelor de petrol se poate face prin minimizarea riscului de supraestimare a acestor rezerve. n aceast ipotez de lucru se va recomanda valoarea medie minim a porozitii calculate prin declustering celular, adic 28,52%, cu 1% mai mic dect media de selecie (29,55%). COMENTARIU

Estimarea global este cel mai grosier nivel de estimare a distribuiei spaiale. Chiar dac intenionm s realizm o estimare detaliat a unei structuri spaiale, nu este prudent s nu facem n primul rnd o estimare global. Evaluarea unei valori medii, valabil pentru ntreaga zon, este un bun element de control al estimrilor detaliate pe care le realizm ulterior. Abaterile exagerate ale valorilor locale estimate fa de media general sunt semnale pentru posibile erori determinate de erori de operare sau de neadecvare a instrumentelor de interpolare (ex.: variogram, distan fractal etc.). Cele dou metode prezentate elimin erorile introduse de distribuia neuniform a punctelor de probare, fr a ine seama de efectul nestaionaritii care determin devierea mediei datorit cumulrii efectului distribuiei neuniforme i a prezenei tendinei. Imaginai-v c n zona cercetat pentru distribuia spaial a coninutului de hidrocarburi se remarc o tendin de cretere a acestuia de la sud spre nord! Estimarea unei valori medii reprezentative pentru ntreaga zon este imposibil n prezena nestaionaritii: dac n zona sudic sunt mai multe puncte de probare dect n cea nordic media coninutului de hidrocarburi va fi subestimat; dac n zona nordic sunt mai multe puncte de probare dect n zona sudic media este supraestimat; dac densitatea punctelor de probare este uniform pentru ntreaga zon, valoarea medie calculat este influenat de parametrii tendinei (pant i direcie). n astfel de situaii, n etapa estimrii globale se stabilete forma analitic a tendinei (vezi A12) creia i se asociaz o eroare pe baza prelucrrii reziduului. Dac reziduul este un semnal aleator cu distribuie normal, atunci identificarea i separarea tendinei a fost corect realizat. n orice punct al zonei studiate valoarea cea mai probabil se va estima cu ajutorul ecuaiei tendinei i a valorii medii a reziduului.

120

2.2.ESTIMAREA PUNCTUAL Kriging-ul este metoda topo-probabilist care const n gsirea celei mai bune estimri lineare posibile a valorii medii ntr-un punct pe baza valorilor disponibile din vecintatea acestuia. Kriging-ul realizeaz o ponderare a acestor valori n aa fel nct variana de estimare rezultat s fie minim, innd seama de geometria punctelor de observaie i de variabilitatea spaial. n mare, aa cum este natural, kriging-ul va atribui ponderi mari valorilor apropiate i ponderi mici valorilor deprtate. Aceast regul intuitiv poate fi uneori mascat de efectul de ecranare i de transferul de influen. Pentru a face posibil estimarea prin kriging a ponderilor acordate valorilor msurate este necesar acceptarea unor ipoteze asupra caracteristicilor variabilei studiate, sintetizate n funcia de covarian sau variogram a funciei aleatoare a crei unic realizare disponibil se presupune a fi eantionul de date. Caracteristica principal a kriging-ului nu este numai valoarea minim a varianei de estimare care presupune utilizarea celei mai mari pri a informatiei disponibile, deci obinerea celei mai bune estimaii, dar i caracterul nedeviat al acesteia. Obiectivele kriging-ului sunt irealizabile fr apelarea la modelul funciei aleatoare, eroarea de estimare fiind nedeterminabil datorit necunoaterii valorii reale a variabilei n punctul de estimare. Deoarece media erorilor ( m R ) i variana de estimare ( R2 ) sunt necunoscute, ~ i n kriging se opereaz cu media erorilor i variana de estimare a modelului ( m R 2 ~ R ). Stabilirea ecuaiilor pe baza crora se calculeaz ponderile wi din formula (2.1) implic transpunerea n cadrul modelului funciei aleatoare a erorii de estimare i a varianei erorii de estimare. Eroarea de estimare. Pentru fiecare punct n care nu dispunem de o valoare msurat, prin kriging se estimeaz valoarea necunoscut utiliznd o combinaie linear a valorilor cunoscute de forma (2.1). Notm cu ri eroarea unei anumite estimri punctuale (i=1,2,...,k) i o definim ca diferena dintre valoarea estimat (v*i) i cea real (vi):

ri = vi vi ,
Media tuturor erorilor de estimare punctual este:

(25)

mr =

1 k 1 k ri = (vi vi ) . k i =1 k i =1

(2.6)

Utilizarea expresiei (2.6) pentru calcule nu este posibil deoarece nu se cunosc valorile adevrate ale variabilei n punctele n care nu avem msurtori. Soluionarea problemei se bazeaz pe apelarea la modelul funciei aleatoare: se consider c att valorile necunoscute ct i cele cunoscute sunt realizrile unei funcii aleatoare staionare. n fiecare punct de observaie avem amplasat o funcie aleatoare V(pi) i de asemenea cte una n fiecare punct de estimare V(po). Fiecare variabil aleatoare are aceeai lege de probabilitate i n fiecare locaie sperana matematic E{V} este aceeai. Corelaia ntre valorile fiecrei perechi de 121

Daniel Scrdeanu variabile aleatoare depinde numai de distana dintre ele. Covariana unei perechi de variabile aleatoare separate prin distana h o notm cu c(h). Fiecare valoare msurat este considerat ca o realizare a unei variabile aleatoare. Valorile estimate care sunt combinaii lineare ale acestor valori sunt i ele variabile aleatoare:

V ( p 0 ) = wiV ( pi ) .
n i =1

(2.7)

n mod similar, erorile de estimare definite ca diferen ntre valoarea estimat i cea real, ambele variabile aleatoare, sunt i ele variabile aleatoare:

R( p0 ) = V ( p0 ) V ( p0 ) .

(2.8)

Substituind expresia (2.7) n expresia (2.8) se poate exprima eroarea de estimare prin intermediul variabilelor aleatoare originale:

R( p0 ) = wiV ( pi ) V ( p0 ) .
n i =1

(2.9)

Eroarea comis la estimarea unei valori necunoscute n po este deci o realizare a variabilei aleatoare R(po) iar pentru ca estimarea n orice locaie s fie nedeviat sperana matematic a erorii trebuie s fie zero:

E{R( p 0 )} = E wiV ( pi ) V ( p0 ) = wi E{V ( pi )} E{V ( p 0 )} = 0


n n i =1 i =1

(2.10)

Deoarece este presupus staionaritatea funciei aleatoare, pentru ca estimarea s fie nedeviat suma ponderilor wi trebuie s fie unitar:
E{R( p 0 )} = wi E{V } E{V } = E{V } wi 1 = 0
n n i =1 i =1

wi = 1
i =1

(2.11)

Variana erorii de estimare. Variana erorii de estimare pentru un set de estimri poate fi scris sub forma:

1 k 1 k 1 k 2 R = (ri mr ) = vi vi (vi vi ) . = i = i = i 1 1 1 k k k
2

(2.12)

Dac presupunem i caracterul nedeviat al estimrii (2.11), rezult c:

= [v v ] .
2 2 R i i

1 k k i =1

(2.13)

122

Estimarea punctual Expresia (2.13) nu este operaional deoarece nu se cunosc valorile reale n punctele de estimare (vi). Pentru a rezolva problema se apeleaz din nou la modelul funciei aleatoare. Se pornete de la (n+1) variabile aleatoare, n din ele modelnd comportarea fenomenului n locaiile cunoscute i a (n+1)-a n punctul po unde se realizeaz estimaia. Estimatorul V*(po) este tot o variabil aleatoare deoarece este o combinaie linear de variabile aleatoare: V ( p0 ) = wi V ( pi ) .
k i =1

(2.14)

Diferena dintre valoarea real i cea estimat este de asemenea o variabil aleatoare:

R( p0 ) = V ( p0 ) V ( p0 ) ,
care poate fi dezvoltat sub forma:

(2.15)

Var{R( p 0 )} = Cov{V ( p 0 ) V ( p 0 )} 2Cov{V ( p0 ) V ( p0 )} + Cov{V ( p 0 ) V ( p 0 )} (2.16)


Evaluarea reziduului este posibil doar n cadrul modelului funciei aleatoare staionare. Acest model permite evaluarea covarianei sau variogramei pentru valorile necunoscute din punctele de estimare pe baza modelului de covarian sau variogram dedus din valorile msurate. Primul termen din relaia (2.16) reprezint covariana valorii estimate a variabilei studiate cu ea nsi, adic variana valorii estimate, ea nsi o combinaie linear de variabile aleatoare:
n n n ~ , Cov{V ( p 0 ) V ( p 0 )} = Var wiV ( pi ) = wi w j c ij i =1 i =1 j =1

(2.17)

n care: - covariana modelat dintre dou puncte pi i pj situate la distana hij i n care se cunosc valorile variabilei; wi i wj - ponderile acordate valorilor msurate n punctele pi i pj. Al doilea termen din relaia (2.16) poate fi descompus sub forma:
~ c ij

{( ) } = 2 E { w V ( p ) V ( p )} 2 E { w V ( p )} E{V ( p )} =
2Cov{V ( p0 ) V ( p0 )} = 2Cov wi V ( pi ) V ( p0 ) =
n i =1 n n i =1 i i 0 i =1 i i 0

= 2 wi E{V ( pi ) V ( p0 )} 2wi E{V ( pi ) V ( p0 )} =


n i =1 n

(2.18)

= 2 wi (E{V ( pi ) V ( p0 )} E{V ( pi )} E{V ( p0 )}) =


i =1 n n ~ . = 2 wi Cov{V ( pi ) V ( p0 )} = 2 wi c i0 i =1 i =1

Al treilea termen din ecuaia (2.16), prin analogie cu primul este variana valorii reale din punctul de estimare po care se exprim prin intermediul modelului de covarian sub forma:

123

Daniel Scrdeanu

~2 Cov{V ( p0 ) V ( p0 )} =

(2.19)

Pe baza ecuaiilor (2.17), (2.18) i (2.19) se obine expresia varianei erorilor de estimare care permite evaluarea ei pe baza modelului de covarian :

~ = ~ + w w c ~ 2 w c ~ ,
2 2 n n n R i =1 j =1 i j ij i =1 i i0

(2.20)

n care: ~ ci 0 - covariana modelat ntre punctele pi n care se cunosc valorile variabilei i po n care se estimeaz valoarea variabilei, situate la distana hio. Realizarea obiectivului operaional principal al estimrii punctuale (evaluarea ponderilor wi cu care valorile msurate (vi) particip la estimarea variabilei studiate), n funcie de caracteristica structurii spaiale a variabilei studiate, se poate face prin: kriging punctual ordinar, dac variabila studiat este staionar, cu repartiie normal; kriging punctual universal, dac variabila studiat este nestaionar, cu repartiie normal.
2.2.1.KRIGING PUNCTUAL ORDINAR

Calculul ponderilor din combinaia liniar (2.1) care asigur estimarea nedeviat i minimizarea erorii de estimare poate fi realizat prin kriging punctual ordinar (staionar) utiliznd toate cele trei funcii de continuitate: covarian, variogram i corelogram. Ecuaiile sistemului pentru kriging-ul ordinar n funcie de covarian. Calculul ponderilor acordate valorilor msurate (wi) n estimarea prin kriging ordinar presupune asigurarea simultan a estimrii nedeviate:
mR = 0

(2.21)

i a minimului varianei erorii de estimare:


2 R - minimum

(2.22)

Minimizarea varianei erorii de estimare nu se poate realiza prin simpla anulare a derivatelor pariale n raport cu ponderile wi, deoarece trebuie asigurat i respectarea condiiei din ecuaia (2.21). Asigurarea condiionrii suplimentare din ecuaia (2.22) este realizat prin utilizarea parametrului lui Lagrange care convertete problema minimizrii condiionate ntr-o problem de minimizare fr condiii. Minimizarea varianei de estimare din expresia (2.20) cu condiia de estimare nedeviat din ecuaia (2.21) conduce prin egalarea cu zero a derivatelor pariale n raport cu necunoscutele (wi) la un sistem nedeterminat de (n+1) ecuaii cu n necunoscute. Pentru soluionarea problemei se introduce o nou necunoscut n ecuaia (2.22) numit parametrul lui Lagrange ( ):

124

Estimarea punctual
~ = ~ + w w c ~ 2 w c ~ + 2 w 1 .
2 2 n n n n R i =1 j =1 i j ij i =1 i i0 i =1 i

(2.23)

Cantitatea adugat, al patrulea termen al ecuaiei, nu modific ecuaia, el fiind nul prin chiar condiia de estimare nedeviat care se adaug n acest mod minimizrii varianei erorii de estimare. Ecuaia varianei erorii de estimare n forma (2.23) este o ecuaie cu (n+1) necunoscute a crei minimizare se realizeaz prin anularea celor (n+1) derivate pariale n raport cu w1,w2,...,wn, ecuaii ce constituie sistemul de kriging ordinar:
~2 R =0 w 1 M ~2 R w = 0 ~n 2 R = 0

( ) ( ) ( )

(2.24)

Calculul derivatei n raport cu w1, desfurat separat pentru cei patru termeni ai varianei erorii de estimare dat de ecuaia (2.23), conduce la urmtoarele rezultate: - primul termen:
~ ( w
2

)=0

(2.25)

- al doilea termen:
~ w w c
n n

i =1

j =1

ij

~ + 2w w c ~ w c
2 n 1 11 1 j =2 j 1j

w
j =1

(2.26)

n n ~ + 2 ~ = 2 ~ = 2 w1 c wj c wj c 11 1j 1j j=2

- al treilea termen:
~ 2 w c
n i =1 i

i0

) = 2c ~

10

(2.27)

- al patrulea termen:

2 w 1
i =1 i

( (

)) = 2 .

(2.28)

125

Daniel Scrdeanu Prin combinarea ecuaiilor (2.26 - 2.28) se obine expresia pentru derivata n raport cu w1:
~ ( w
2 R

)=2

n ~ 2c ~ + 2 . wj c ij 10 j =1

(2.29)

Primele n derivate n raport cu wi (i = 1,2,...,n) au forma general:


n ~ + =c ~ , i = 1,2,K, n . wj c i0 ij j =1

(2.30)

Derivata n raport cu parametrul lui Lagrange, a (n+1) -a derivat, are forma:


~ ) 2 w 1 ( = 2 w 1 . =
2 R i =1 i n i =1 i

( (

)) (

(2.31)

Sistemul de kriging ordinar se obine prin anularea celor (n+1) derivate pariale date de ecuaiile (2.30) i (2.31) i are forma:

~2 ) n ( R ~ 2c ~ + 2 = 0 = 2 wi c 1i 10 w i =1 1 M ~2 n ( ) R ~ ~ + 2 = 0 . = 2 wi c ni 2c n0 i =1 wn ~2 ) n ( R = 2 wi 1 = 0 i =1

(2.32)

Prin separarea coeficienilor cunoscui i a necunoscutelor, sistemul de kriging poate fi scris sub forma matricial: ~ c 11 c ~ 21 M ~ c n1 1 ~ c 12 ~ c 22 L L ~ c 1n ~ c 2n ~ 1 w1 c 10 w c ~ 1 2 20 M M = M . ~ 1 wn c n0 0 1

M M ~ ~ cn 2 L cnn 1 L 1

(2.33)

Dac notm cu C matricea coeficienilor, cu W vectorul necunoscutelor i cu D vectorul termenilor liberi, sistemul (2.33) poate fi scris sub forma:
C W = D

(2.34)

a crui soluie este:


W = C 1 D

(2.35)

126

Estimarea punctual Variana erorii de estimare a variabilei n punctul po este mai mic dect variana dispersiei totale a funciei aleatoare ( 2 ), acest lucru fiind determinat de existena punctelor pi n care cunoatem valorile acesteia. Calculul valorii minime a varianei erorii de estimare poate utiliza relaia (2.23), dar pentru a gsi o expresie n raport numai cu valorile msurate se pleac de la ecuaia (2.30) n care ambii membri se multiplic cu wi:
n ~ + ~ wi wj c = wi c ij i0 j = 1

(2.36)

i se nsumeaz pentru toate cele n puncte de observaie, rezultnd:


n n n n ~ + ~ , wi = wi c wi w j c i0 ij i =1 j =1 i =1 i =1

(2.37)

care sub forma:

n n n ~ = ~ + wi c wi w j c i0 ij i =1 j =1 i =1

(2.38)

se nlocuiete n (2.23) i se obine:

~ = ~ w c ~ + ,
2 2 n R i =1 i i0

(2.39)

care n form matricial este:


~ = ~ w D .
2 2 R

(2.40)

Ecuaiile sistemului de kriging n funcie de variogram. n aceleai ipoteze care au permis deducerea expresiei varianei erorii de estimare (2.23) poate fi utilizat i variograma a crei relaie de definiie este:

= E{(V ( p ) V ( p
ij

1 2

)) } ,
2

(2.41)

care pentru evaluarea varianei erorii de estimare poate fi scris sub forma:

=
ij

1 2 E{[(V ( pi ) V ( p0 )) (V ( p j ) V ( p 0 ))] } = 2 1 1 2 2 = E{[V ( pi ) V ( p0 )] }+ E{[V ( p j ) V ( p0 )] } 2 2 E{[V ( pi ) V ( p0 )][V ( p j ) V ( p0 )]} = ~ + ~ E{[V ( p ) V ( p )][V ( p ) V ( p )]} =
i0 j0 i 0 j 0

(2.42)

Variana erorii de estimare n aceast variant este dat de relaia:

127

Daniel Scrdeanu
~ = E{[V ( p ) V ( p
2 R 0 n n i =1 j =1

)] } = E [ w V ( p ) w V ( p )]
2 n n 1 i i 1 i 0

}=

= wi w j E {[V ( pi ) V ( p 0 )][V ( p j ) V ( p 0 )]}

(2.43)

n care, utiliznd forma variogramei din ecuaia (2.42), se obine:

~ = E{[V ( p ) V ( p
2 R 0 i =1 j =1 n

)] } = w w
2 n n i =1 j =1 i

~ + ij

n n n n ~ + ~ = + wi w j wi w j i0 j0 i =1 j =1 n

n n n ~ + ~ + ~ = = wi w j wi wi wi j0 i0 ij i =1 j =1 n n j =1 i =1 i =1 n ~ + 2 ~ = wi w j wi ij i0 i =1 j =1 i =1

(2.44)

Pentru minimizarea varianei erorii de estimare, n condiia de estimare nedeviat (2.21), utiliznd parametrul lui Lagrange ( ), relaia corespunztoare ecuaiei (2.23) scris pentru variogram este:

~ = 1 ~ + 2 w ~ w 1 w w
2 n n n n R

2 i =1 j =1

ij

i =1

i0

i =1

(2.45)

Minimizarea varianei erorii de estimare scris sub forma (2.45) se realizeaz prin anularea derivatelor n raport cu cele (n+1) necunoscute: w1,w2,...,wn, . n mod analog cu ecuaiile (2.26-2.28) se obin derivatele n raport cu ponderile w sub forma:
~ ( w
2 R

) = 1 2
2

n ~ + 2 ~ , i = 1,2,K, n wi ij i0 j =1

(2.46)

iar pentru derivata n raport cu


~ (
2 R

= wi + 1
i =1

(2.47)

Sistemul de kriging n raport cu variograma se obine prin anularea celor (n+1) derivate pariale din ecuaiile (2.46) i (2.47) i are forma:
n ~ + = ~ , i = 1,2,K, n wi ij i0 j =1 n wi = 1 i =1

(2.48)

care sub form matricial poate fi scris:

128

Estimarea punctual ~ ~ 11 12 ~ ~ 22 21 M M ~ ~ n1 n 2 1 1
L L

~ ~

1n 2n

M ~ L nn L

~ 1 w1 10 ~ 1 w2 20 M M = M ~ 1 wn n0 0 1

(2.49)

Valoarea minim a varianei erorii de estimare n raport cu valorile msurate este dat de relaia:

~ = w ~ +
2 n R i =1 i i0

(2.50)

dedus n mod analog cu relaia (2.40).


Ecuaiile sistemului de kriging n funcie de corelogram. ntre corelogram i covarian exist relaia:

~ = ~ ,
ij 2

~ c ij

(2.51)

care este valabil pentru un model de funcie aleatoare n care toate variabilele aleatoare au aceeai medie i aceeai dispersie. Valabilitatea acestei relaii ne permite s scriem sistemul de kriging i n raport cu corelograma. Dedus n mod analog cu sistemele (2.33) i (2.49) sistemul poate fi scris:
n ~ + = ~ , i = 1,2,K, n w j ij i0 j =1 n wi = 1 i =1

(2.52)

sau sub form matricial:


~ 11 ~ 21 M ~ n1 1 ~ ~
12

22

~ L 1n ~ L

2n

M ~

n2

M ~ L nn L 1

~ 1 w1 10 ~ 1 w2 20 M M = M . ~ 1 wn n0 0 1

(2.53)

n cazul utilizrii corelogramei variana minim a erorii de estimare se calculeaz cu relaia:

~ + ~ = w
2 n R i =1 i0 i0

(2.54)

n practic, datorit flexibilitii variogramei se prefer utilizarea acesteia pentru estimarea ponderilor (wi) (sistemul 2.49) i a varianei minime de estimare ~ 2 ) (ecuaia 2.50). ( k

129

Daniel Scrdeanu Componentele sistemelor de kriging. nelegerea rolului matricilor C i D ale sistemelor de kriging (ec. 2.34) este determinant n alegerea corect a modelelor de covarian sau variogram, indispensabile estimrilor corecte. Pentru muli practicieni dezvoltrile matematice necesare stabilirii sistemelor de kriging par complicate i nu reuesc s aduc o clarificare a rolului matricilor C i D, motiv pentru care n continuare vom ncerca s dm o explicaie care s permit formarea unei imagini intuitive a acestui rol. Existena acestei nelegeri intuitive a rolului matricilor C i D permite practicienilor realizarea unor ajustri care n ciuda aparentei lipse de rigoare teoretic pot s mbunteasc metoda de estimare. Matricea C nregistreaz distanele statistice dintre toate punctele de probare furniznd sistemului de kriging informaii n legtur cu gruparea spaial a punctelor de probare. Dac matricea de kriging (C) este construit cu ajutorul covarianelor (2.33) pentru dou puncte de probare apropiate, valoarea n matrice va fi mare, iar pentru puncte ndeprtate valoarea va fi mic. n acest mod matricea C permite eliminarea influenei distanei neuniforme dintre punctele de probare, asupra estimrilor. Prin intermediul covarianelor se realizeaz o ponderare similar cu metoda declusteringului poligonal sau celular. Spre deosebire de metodele de declustering, metoda covarianelor realizeaz o ponderare bazat pe structura intrinsec a variabilei i nu pe o regul arbitrar aleas indiferent de variabila studiat. Matricea D produce o ponderare a valorilor msurate similar cu cea produs de metoda inversului distanei. Covarianele din matricea D descresc proporional cu creterea distanei dintre punctul n care se face estimarea (po) i punctele de observaie (pi; i = 1,2,...,n). Spre deosebire de ponderarea din cadrul metodei inversului distanei, n matricea D covarianele se calculeaz n raport cu o distan statistic, funcia de covarian fiind valabil n medie pentru tot domeniul spaial n care au fost msurate valorile disponibile ale variabilei studiate. Multiplicarea C-1D ajusteaz ponderile din D prin eliminarea redundanelor dintre punctele de msurare determinate de distribuia lor neuniform i de tipul de continuitate spaial cuantificat prin intermediul modelului de covarian, variogram sau corelogram. Rezult c sistemul de kriging ia n considerare simultan: gruparea spaial a punctelor, decodificat prin intermediul distanei statistice, i tipul de continuitate relevat de setul de date disponibil i concretizat n modelul de covarian. Kriging cu date incerte. Pentru estimarea prin kriging s-a presupus c toate valorile v(pi) (i = 1,2,...,n) ale variabilei studiate sunt cunoscute fr nici o incertitudine. n realitate acest lucru este foarte rar i de cele mai mai multe ori datele provin din surse diferite sau sunt determinate prin metode diferite. Analiza distribuiei parametrilor hidrogeologici ai unui acvifer este obligat deseori s utilizeze valori ale conductivitii hidraulice determinate prin pompri sau n laborator, ale grosimii acviferului determinate prin carotaj geofizic sau din carotajele mecanice. Studiile hidrochimice apeleaz la analize chimice realizate n laboratoare diferite sau prin metode diferite. Sunt doar cteva exemple n care gradul de ncredere n valorile utilizate este diferit. Kriging-ul poate utiliza astfel de date i ine cont de erorile asociate fiecrei valori (i) dac : -erorile nu sunt sistematice:

E{ i } = 0
130

i = 1,2,K, n

(2.55)

Estimarea punctual -erorile nu sunt corelate ntre ele:


Cov{ i j } = 0, i j

(2.56)

-erorile nu sunt corelate cu mrimea valorilor msurate:

Cov{ i ,V ( pi )} = 0, i, pi

(2.57)

-erorile au o dispersie cunoscut i. Singura modificare n raport cu sistemele de kriging este aceea c ecuaiile vor ~ 2 . Pentru kriging-ul conine pe diagonala principal un termen suplimentar i punctual ordinar n cazul datelor incerte sistemul va avea forma:

n ~ w ~2 + = ~ , i = 1,2,K, n wi ij i i i0 j =1 n wi = 1 i =1 sau matricial:


~ ~2 11 1 ~ 21 M ~ n1 1 ~ L 12 2 ~ ~ 22 2 L M ~
n2

(2.58)

~ 1n ~ 2n

M ~ ~2 L nn n L 1

~ 1 w1 10 ~ w 1 2 20 M M = M ~ 1 wn n0 0 1

(2.59)

Este evident c se pot utiliza simultan date certe i incerte, pentru datele certe dispersia fiind nul, iar pentru cele incerte diferit de zero. Erorile de msurare pot afecta n mod uniform toate valorile disponibile, dispersia acestor erori fiind cuantificat de efectul de pepit al variogramei experimentale. Utilizarea modelelor de variogram cu efect de pepit ine seama de erorile de msur fr s introduc nici o modificare n forma general a ecuaiilor sistemului de kriging. n mod particular, un sistem de kriging pentru care efectul de pepit al modelului de variogram utilizat este nul (datele fiind considerate certe) are pe diagonala principal a matricii C din ecuaia (2.34) valori nule. Cnd efectul de pepit este diferit de zero, valorile lui apar pe diagonala principal a matricii C a sistemului de kriging. De reinut c atunci cnd punctul n care se face estimarea este un punct de observaie efectul de pepit este zero.
Selectarea valorilor utilizate. Strategia de selectare a valorilor care sunt incluse n procedura de estimare a variabilei v ntr-un punct oarecare po trebuie s rspund la minimum patru ntrebri: - dac n vecintatea punctului po sunt suficiente puncte de observaie; - dac n vecintatea punctului po sunt prea multe puncte de observaie; - dac n vecintatea punctului po sunt valori redundante;

131

Daniel Scrdeanu - dac n vecintatea punctului po sunt valori relevante. Primele trei sunt importante n mod deosebit pentru metodele de estimare de tipul kriging-ului, care pot utiliza un numr nelimitat de valori. Pentru limitarea efortului de calcul fr o diminuare a preciziei estimrii, strategia obinuit este de a utiliza toate valorile plasate ntr-o anumit fereastr de selecie. Fereastra de selecie. Forma ferestrei de selecie este n general o elips centrat pe punctul po. Orientarea elipsei este determinat de direciile de anizotropie, semiaxa mare fiind paralel cu direcia de continuitate maxim (Fig.2.11a). Dac anizotropia nu este evident, elipsa se transform n cerc, orientarea axelor este nerelevant (Fig.2.11b). Dimensiunea minim a ferestrei de selecie se alege n aa fel nct s cuprind suficiente Fig.2.11.Forma ferestrei de estimare valori pentru a permite o estimare satisfctoare i depinde n mod evident de geometria punctelor de observaie. Dac punctele sunt amplasate ntr-o reea rectangular se poate calcula n funcie de parametrii reelei ct de mare trebuie s fie elipsa ca s includ cel puin patru puncte. Pentru o reea neregulat semiaxa mare a elipsei (R) trebuie s fie mai mare dect distana medie dintre punctele de probare, valoarea ei putnd s fie aproximat cu formula: R = ((Aria total a sprafeei probate)/(Numrul punctelor de probare))0,5 (2.60) Dimensiunea maxim a elipsei de cutare este determinat de dimensiunea matricii C i de domeniul spaial pe care poate fi considerat satisfctoare staionaritatea variabilei studiate. Reducerea volumului de calcule care este proporional cu cubul numrului de valori individuale, se poate realiza, fr reducerea numrului de puncte utilizate, prin combinarea valorilor brute dup diferite scheme. n Fig. 2.12 este prezentat o metod de combinare a valorilor brute. Punctul po (n care se face estimarea) este ncadrat ntrun ptrat central care s cuprind un numr rezonabil de puncte ce vor fi considerate individual n calcul, iar cele din sectoarele deschise se cumuleaz n patru valori compuse v1, v2, v3, v4. Ponderea acordat valorii compuse poate fi distribuit n mod egal valorilor din care aceasta este compus. Modelarea variabilitii prin intermediul func iilor aleatoare impune Fig. 2.12.Combinarea valorilor brute pentru reducerea volumului de calcule limitarea dimensiunii ferestrei de selecie pe domenii n care comportarea variabilei

132

Estimarea punctual poate fi considerat staionar. Simultan cu restrngerea ferestrei de selecie, staionaritatea devine mai plauzibil iar diferena dintre proprietile statistice ale seleciei i cele ale modelului mai mic. O concepie greit, frecvent ntlnit n selectarea punctelor de calcul, este limitarea semiaxei mari a elipsei la raza variogramei. Experiena arat c dac sunt puine valori n zona razei de influen a variogramei, utilizarea valorilor suplimentare aflate n afara acesteia deseori mbuntete precizia de estimare. Redundana valorilor selectate. Eliminarea punctelor redundante din interiorul ferestrei de selecie se face n mod obinuit prin mprirea acesteia n 4, 8 sau 16 sectoare i limitarea numrului de puncte utilizate din fiecare sector. n acest mod se reduce efectul gruprii neuniforme a punctelor de probare. Fig. 2.13.Selectarea sectorizat a Numrul de sectoare n care se valorilor mparte fereastra de selecie este determinat de densitatea punctelor de observaie i este evident c la o densitate mic a punctelor de observaie se alege un numr redus de sectoare. Cazul prezentat (Fig.2.13) este al unei ferestre de selecie rectangulare separat n patru sectoare, din fiecare sector selectndu-se dou puncte. Selecia punctelor din fiecare sector s-a operat n cazul prezentat pe baza distanei dintre punctul de observaie i cel de estimare (po). Sunt desenate toate punctele din fereastra de selecie i prin cercuri sunt marcate cele dou puncte din fiecare sector care sunt selectate (Fig.2.13a) i separat punctele reinute pentru calcul (Fig.2.13b). Problema redundanei punctelor selectate este soluionat n mod optim pentru kriging prin intermediul matricii C, dac modelul de continuitate (covariana, variograma sau corelograma) este bine ales. Efectul aplicrii seleciei sectorizate n acest caz este nul. Tehnica sectorizrii ferestrei de selecie este recomandat pentru metodele de estimare care nu utilizeaz matrici declusterizante n eliminarea efectului gruprii punctelor de observaie (ex.: metoda inversului distanei) sau n cazul kriging-ului, cnd pe baza datelor disponibile modelul de continuitate nu poate fi bine precizat. Relevana valorilor selectate. Valorile utilizate n estimrile punctuale sunt relevante dac ele aparin aceleiai populaii statistice n care este ncadrat i punctul estimat. Din nefericire, chiar dac separarea populaiilor statistice se face minuios utiliznd analiza dispersional sau analiza discriminant (D.Scrdeanu, 1995), acest lucru nu poate fi verificat. De cele mai multe ori sunt necesare i decizii subiective care beneficiaz de informaii cu caracter calitativ iar Fig. 2.14.Selectarea valorilor relevante obiectivul studiului contribuie i el la

133

Daniel Scrdeanu separarea populaiilor. Fig.2.14 prezint o reea de monitoring pentru calitatea apelor acviferului freatic din terasa unui curs de ap. n punctul po se intenioneaz estimarea coninutului de azotai provenii din utilizarea ngrmintelor chimice. innd seama de combinatul de ngrminte chimice plasat la nord de punctul po i de direciile de curgere din acvifer, punctele 9, 10 i 11 din imediata vecintate a acestuia vor trebui excluse, ele nefiind relevante pentru coninutul de azotai provenii din utilizarea ngrmintelor. Este evident c relevana valorilor din punctele 9, 10 i 11 este maxim dac se urmrete evaluarea n punctul po a influenei combinatului chimic asupra calitii apei acviferului. Alegerea corect a punctelor relevante pentru estimare poate fi mai important dect alegerea metodei de estimare. Definirea domeniilor spaiale n conexiune cu relevana valorilor este obligatoriu s fie primul pas n realizarea oricrei estimri spaiale. Practica frecvent a utilizrii aceleiai metode de selectare a valorilor pentru ntreaga suprafa studiat nu este ntotdeauna cea mai bun. Ceea ce este corect ntr-o anumit zon poate fi incorect pentru alta iar adaptarea tehnicilor de selecie configuraiei particulare a structurilor studiate solicit programe automate cu un grad sporit de interactivitate. **** Alegerea metodelor de estimare ct i selectarea punctelor utilizate n estimare trebuie s se bazeze pe o analiz detaliat a datelor disponibile. Ignorarea relevanei valorilor pentru obiectivele estimrii i a redundanei introduse de distribuia lor neregulat afecteaz n mod difereniat precizia estimrii i pierderea controlului acesteia. Kriging-ul, care utilizeaz n procesul de estimare toate valorile msurate, este afectat n mod deosebit de ignorarea redundanei i relevanei valorilor seleciei. Lipsa acestei analize afecteaz mai puin metodele care utilizeaz un numr limitat de puncte i modele mai simple de estimare cum ar fi metoda triangulaiei sau metoda poligonal motiv pentru care acestea sunt preferate pentru estimri preliminare.
Un exemplu de kriging ordinar

Aplicarea kriging-ului pentru estimarea grosimii stratului impermeabil din culcuul unui acvifer freatic ntr-un punct po (Fig.2.15) pe baza a ase puncte n care se cunosc grosimile acestuia va clarifica toate aspectele operaionale prezentate pn la aceast etap. Valorile necesare realizrii estimrii sunt coordonatele celor apte Fig.2.15.Grosimea unui acvifer sub presiune puncte i valorile grosimilor msurate n n ase piezometre. cele ase puncte (tabelul 2.1). Realizarea estimrii prin kriging presupune adoptarea unui model de continuitate spaial a variabilei estimate care n cazul exemplului va fi variograma sferic: 3 h 1 h3 ~ (h ) = 10 (2.61) , h [0,6) 2 6 2 63

134

Estimarea punctual cu o raz de influen r = 6 km, valabil n toate direciile. Aplicaia presupune deci o structur spaial izotrop. Utiliznd modelul din ecuaia (2.61) i distanele dintre cele 7 puncte, se construiesc matricile componente ale sistemului de forma (2.49) valabil n cazul kriging-ului punctual ordinar:

Tabelul 2.1.Datele primare pentru kriging Nr. x Y z crt. [Km] [Km] [Km] 1 4,00 6,00 32,00 2 5,00 2,00 40,00 3 2,00 3,00 40,00 4 2,00 5,00 38,00 5 6,00 2,00 52,00 6 1,00 1,00 25,00 P 4,00 4,00 ?

- matricea C:
10,000 0,434 1,058 3,739 0,161 0,000 0,434 10,000 1,778 0,327 7,040 0,434 1,058 1,778 10,000 4,320 0,434 3,739 C = 3,739 0,327 4,320 10,000 0,000 0,434 0,161 7,040 0,434 0,000 10,000 0,000 0,000 0,434 0,000 0,434 0,000 10,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 0,000

(2.62)

- matricea D:
~ 1 po ~ 2 po ~ 3p ~ o D = 4 p o ~ 5 ~ po 6 po 1 4,320 3,739 3,739 = 3,739 2,420 0,327 1,000

(2.63)

Prin inversarea matricii C i multiplicarea cu matricea D se obin ponderile (wi) acordate fiecrui punct de observaie i parametrul lui Lagrange ():
w1 0,352 w 0,309 2 w3 0,262 w = w4 = C 1 D = 0,133 w5 0,018 w6 0,074 0,108

(2.64)

135

Daniel Scrdeanu Valoarea estimat n punctul po se calculeaz cu relaia:


v p0 = wi vi = 0,352 32 + 0,309 40,00 + 0, 262 40,00 + 0,133 38,00 +
i =1 6

(2.65)

+ 0,018 52,0 0,074 25,00 = 38,20 m

iar valoarea minim a varianei erorii de estimare cu:


~ 2 = w + = 0,352 4,320 + 0,309 3,739 + 0,262 3,739 + i i R
i =1
Po

(2.66)

+ 0,133 3,739 + 0,018 2,420 0,074 0,327 0,108 = 5,94 m

Efectul parametrilor modelului de variogram asupra estimrii. Utilizarea n mod tradiional a variogramei pentru cuantificarea continuitii variabilelor este argumentul pentru care n acest capitol vor fi fcute referiri la efectul parametrilor modelului de variogram asupra rezultatelor estimrilor prin kriging. Analiza ce va fi realizat (pe cteva exemple concrete) este o argumentare a faptului c alegerea unui model de variogram este dificil chiar n cazul unei reele de probare regulate i c de ea depinde n mod esenial precizia estimrilor. Variograma nu d informaii asupra continuitii dect pentru distane mai mari dect distana minim dintre punctele de probare iar determinarea corect a efectului de pepit i comportamentului din vecintatea originii necesit msurtori multiple pe aceleai locaii. Deoarece de cele mai multe ori nu se dispune de msurtori multiple efectul de pepit i tipul de model n vecintatea originii, cu efect maxim asupra estimrilor, depind n mare parte de experiena practicianului.

Efectul de pepit. Valoarea mare a efectului de pepit afecteaz n mod negativ att valoarea estimat prin kriging, ct i variana erorii de estimare: - valoarea estimat tinde spre media aritmetic a valorilor msurate aflate n vecintatea punctului de estimare prin egalizarea ponderilor wi; - variana erorii de estimare i, implicit, intervalul de ncredere pentru valoarea estimat cresc. n tabelul 2.2 sunt prezentate rezultatele estimrii prin kriging ordinar n punctul po (Fig.2.15) utilizndu-se modele de variogram sferic cu raza de influen r = 6 km care difer doar prin efectul de pepit (co). n ecuaia (2.67) sunt particularizate modelele cu efectele de pepit co = 0 i co = 5.

3 h 1 h3 3 (h ) = 10 pentru h [0,6 ) 2 6 2 6 1 10 pentru h > 6 (2.67) 0 pentru h = 0 3 3 h 1 h 2 (h ) = 5 + 5 pentru h (0,6) 2 6 2 63 pentru h6 10 Din analiza valorilor sintetizate n tabelul 2.2 rezult c o dat cu creterea efectului de pepit de la co = 0 la co = 60:

136

Estimarea punctual
amplitudinea ponderilor (wi) se reduce de la A0 = 0,378 (corespunztoare efectului de pepit co = 0) la A60 = 0,054 (corespunztoare efectului de pepit co = 60), adic are loc o egalare a ponderilor acordate valorilor msurate, ceea ce conduce la o valoare estimat v*(po) egal cu media aritmetic a valorilor msurate; variana erorilor de estimare crete de la 4,80 m2 la 68,14 m2, care reprezint dispersia celor ase valori. Tabelul 2.2.Rolul efectului de pepit n kriging Nr. Coordonate Distan Crt. X Y vi (di) 0 [km] [km] [m] 1 1 1 25 4,25 - 0,027 2 2 3 40 2,24 0,260 3 2 5 38 2,24 0,130 4 4 6 32 2,00 0,348 5 6 2 52 2,83 0,038 6 5 2 40 2,24 0,301 P0 4 4 ? 0,00 v*(p0)[m] 38,6 ~ p 2,19 ( ) R 0 ~ 2 4,80 R (p 0 )

Efect de pepit (Co) 5 10 20 (wi ) 0,019 0,058 0,113 0,194 0,180 0,169 0,175 0,180 0,177 0,277 0,248 0,208 0,124 0,141 0,157 0,211 0,193 0,176 Rezultatele estimrii 38,6 38,5 38,2 3,31 4,20 6,36 11,00 17,00 40,50

60 0,136 0,167 0,173 0,190 0,162 0,172 38,6 8,69 68,14

Efectul de scar. Sub numele de efect de scar se nelege efectul modificrii valorii de plafon a variogramei asupra rezultatelor estimrilor prin kriging. Pentru acelai amplasament al valorilor (Fig.2.15) este evaluat prin kriging grosimea acviferului n po utiliznd dou variograme de tip sferic care difer doar prin valoarea palierului: 3 h 1 h3 ( ) = h 10 1 2 6 2 63 , h [0,6 ) (2.68) 3 h h 2 1 (h ) = 20 2 3 6 2 63
Tabelul 2.3.Efectul de scar n kriging Nr. Coordonate Distan Palier (C(o)) crt. x y vi (di) 0 10 [km] [km] [m] Ponderile (wi ) 1 1 1 25 4,25 - 0,027 - 0,027 2 2 3 40 2,24 0,260 2,560 3 2 5 38 2,24 0,130 0,130 4 4 6 32 2,00 0,348 0,348 5 6 2 52 2,83 0,038 0,038 6 5 2 40 2,24 0,301 0,301 P0 4 4 ? 0,00 Rezultatele V*(p0);m 38,6 38,6 ~ R (p 0 ) 2,19 3,10 ~2 p 4,80 9,60 R ( 0 )

137

Daniel Scrdeanu Rezultatele estimrii sunt sintetizate n tabelul 2.3 din analiza cruia rezult c:
valorile estimate cu cele dou modele sunt identice i egale cu 38,6 m; variana erorii de estimare este proporional cu valoarea plafonului, raportul varianei erorilor de estimare este egal cu raportul valorilor plafoanelor celor dou modele (9,60/4,80 = 20/10). Din punct de vedere operaional modelele de variogram cu valori mari ale palierului conduc la sisteme de kriging fr soluie numeric. Pentru realizarea estimrii se utilizeaz un model de variogram de acelai tip, dar cu un palier redus, operndu-se dup rezolvarea sistemului de kriging doar o amplificare a varianei erorii de estimare (R2) cu factorul de reducere a plafonului, valoarea estimat (v*(po)) nefiind afectat de modificarea plafonului.

Efectul de form. Forma variogramei, adic modelul analitic ales, influeneaz att valoarea estimat ct i variana erorii de estimare. Pentru exemplificare n tabelul 5.4 sunt prezentate rezultatele estimrii prin kriging obinute cu dou modele de variogram care au acelai plafon (c(0) = 10) aceeai raz (r = 6 km), unul fiind de tip gaussian (2.69) i celalalt de tip sferic (2.70).
2 h (h ) = 10 1 EXP , h [0,6) 6

(2.69)

(h ) = 10

3 h 1 h3 , h [0,6 ) 3 2 6 2 6

(2.70)

Tabelul 2.4.Efectul de form n kriging. Coordonate Nr. x y vi Distan crt. [km] [km] [m] (di) 1 1 1 25 4,24 2 2 3 40 2,24 3 2 5 38 2,24 4 4 6 32 2,00 5 6 2 52 2,83 6 5 2 40 2,24 p0 4 4 ? 0,00 z*(p0)[m]
R (p 0 )

R2 ( p 0 )

Model de variogram Sferic Gaussian Ponderi (wi ) 0,077 0,260 0,260 0,505 0,130 0,100 0,348 0,499 0,038 0,229 0,301 0,586 Rezultatele estimrii 38,6 37,40 2,19 1,17 4,80 1,36

Cu modelul gaussian, care indic o foarte bun continuitate a grosimii acviferului, ponderile acordate valorilor din p2, p4 i p6, cele mai apropiate de punctul po sunt cele mai mari. Valorile p1, p3 i p5 au ponderi foarte mici, negative chiar, ele fiind ecranate datorit modelului ales. Aceast ecranare este evident pentru valoarea msurat n punctul p3, care este ecranat de p2 i p4 i cea din punctul p5 care este ecranat de valoarea din punctul p6. 138

Estimarea punctual Gradul de ecranare depinde de gradul de continuitate al modelului ales. Utilizarea modelului sferic atenueaz ecranrile i din cele trei valori ecranate numai cea din p1, care este cea mai deprtat (d1 = 4,24 km), mai are pondere negativ. Chiar cu modele lineare de variogram care indic o continuitate mai slab n vecintatea originii dect cele sferice este posibil s se obin ecranri ale unor valori (adic valori negative ale ponderilor pentru valorile respective). Avantajul metodelor care utilizeaz ponderi pozitive i negative, cu sum unitar, este c prin estimare pot conduce la valori mai mari sau mai mici dect cea mai mare, respectiv cea mai mic valoare msurat. Toate metodele de interpolare care utilizeaz ponderi exclusiv pozitive conduc la valori cuprinse ntre valoarea minim i maxim a eantionului de date disponibil. Dezavantajul metodelor care opereaz cu ponderi negative i pozitive este c pot conduce la valori estimate negative atunci cnd o valoare mare este asociat cu o pondere negativ mare. n general se opereaz cu parametri pozitivi: cota nivelului piezometric, grosimea acviferului, porozitatea, transmisivitatea, concentraia poluantului, debitul unei surse, etc. Pentru astfel de variabile, cnd estimarea prin kriging conduce la valori negative, este perfect justificat ca valoarea negativ s fie nlocuit cu valoarea zero. Pentru evitarea efectelor de ecranare, chiar n seturile de date cu o foarte bun continuitate se prefer excluderea modelelor gaussiane i parabolice chiar dac variograma experimental le recomand. Efectul de raz. Modificarea razei modelului de variogram are o influen relativ mic asupra ponderilor acordate valorilor msurate. Chiar dac este redus, aceast influen se resimte att asupra valorii estimate ct i asupra varianei erorii de estimare. Creterea razei de influen are ca efect apropierea statistic a punctelor de observaie. Dac raza de influen devine mai mic dect distana minim dintre punctul de estimare i punctele de observaie toate valorile vor primi ponderi egale n sistemul de kriging. Valoarea estimat n acest caz va fi egal cu media aritmetic a valorilor din vecintatea punctului po. n tabelul 2.5 sunt prezentate rezultatele estimrii grosimii acviferului n po pentru trei modele sferice de variogram care nu difer dect prin raza de influen. Este evident:
diferenierea ponderilor o dat cu creterea razei de influen. Pentru o raz de influen r = 0,1 km, cu mult sub distana minim dintre punctul de estimare (po) i punctele de observaie, ponderile sunt egale (0,167), valoarea estimat fiind egal cu media aritmetic a celor ase valori msurate (37,83 m); reducerea varianei erorii de estimare simultan cu creterea razei de influen. De reinut c pentru distane mai mari ca raza de influen a variogramei corelaia spaial dintre valori nu mai contribuie la reducerea varianei erorii de estimare. Utilizarea n calcule a valorilor plasate la distane mai mari dect raza de influen a variogramei nu amelioreaz rezultatul estimrilor dar nici nu-i afecteaz precizia. Pentru reducerea efortului de calcul i dimensionarea lui corespunztor unei precizii maxime este necesar utilizarea strategiei de selectare a punctelor prezentat n paragraful precedent.

139

Daniel Scrdeanu
Tabelul 2.5.Efectul de raz n kriging. Coordonate Nr x y vi Distan crt [km] [km] [m] (di) 1 1 1 25 4,24 2 2 3 40 2,24 3 2 5 38 2,24 4 4 6 32 2,00 5 6 2 52 2,83 6 5 2 40 2,24 P0 4 4 ? 0,00 z*(p0)[m]
R (p 0 )

R2 ( p 0 )

Raza [km] 0,1 6 15 Ponderile (wi ) 0,167 0,077 0,057 0,167 0,260 0,237 0,167 0,130 0,134 0,167 0,348 0,366 0,167 0,038 0,069 0,167 0,301 0,281 Rezultatele estimrii 37,83 38,60 38,70 3,42 2,19 1,35 11,70 4,80 1,81

Efectul de anizotropie. n toate exemplele prezentate au fost utilizate modele de variogram izotrope care ignor rolul direciei n studiul continuitii. Harta contural a unor astfel de modele este format din cercuri concentrice spre deosebire de modelele anizotrope. Utiliznd un model de variogram anizotrop de tip geometric (acelai model i palier n toate direciile i raze diferite, Fig.1.55a) cu direciile de anizotropie N60E (continuitate maxim) i N30V (continuitate minim) razele de influen r1 = 15 km, respectiv r2 = 5 km estimrile din po conduc la rezultatele din tabelul 2.6.
Tabelul 2.6.Efectul de anizotropie in kriging. Coordonate N 60oE N 30oV N 60oE N 30oV x y vi Distan Raza de influen [km] [km] [km] [m] (di) 15 5 15 5 Ponderile (wi ) 1 1 25 4,24 0,015 - 0,057 2 3 40 2,24 0,638 0,237 2 5 38 2,24 - 0,046 0,134 4 6 32 2,00 0,236 0,366 6 2 52 2,83 - 0,008 0,069 5 2 40 2,24 0,165 0,281 4 4 ? 0,00 Rezultatele estimrii z*(p0)[ 37,9 38,7 m] R (p 0 ) 1,87 1,35 3,50 1,81 R2 ( p 0 )

Nr. crt. 1 2 3 4 5 6 P0

n tabelul 2.6 sunt prezentate rezultatele obinute cu modelul sferic izotrop cu o raz r = 15 km i cu modelul sferic anizotrop care evideniaz creterea considerabil a ponderilor valorilor plasate pe direcia de continuitate maxim i reducerea celor plasate pe direcia de continuitate redus. Valorile din punctele p3 i p5 sunt puternic ecranate fiind plasate pe direcia de continuitate minim i avnd n cazul modelului anizotrop ponderi negative, n timp 140

Estimarea punctual ce ponderea valorii din punctul p2, plasat pe direcia de continuitate maxim, are o cretere spectaculoas de la 0,237 n cazul modelului izotrop la 0,638 n cazul modelului anizotrop utilizat.
COMENTARIU

Analiza influenei parametrilor variogramei asupra valorilor estimate i a erorilor de estimare argumenteaz importana etapei de analiz a variabilitii caracteristicilor studiate pentru estimarea distribuiei spaiale. Trebuie reinut c asupra valorii estimate efectul important este dat de raza de influen i efectul de pepit al variogramei: cu ct raza de influen a variogramei este mai mare cu att valoarea estimat este mai aproape de cea real; cu ct efectul de pepit al modelului de variogram este mai mare cu att valoarea estimat ntr-un punct oarecare se apropie de media aritmetic a valorilor msurate, ndeprtndu-se sau apropiindu-se (nimeni nu mai poate ti!), de valoarea real din acel punct. Valoarea palierului variogramei este direct proporional cu mrimea erorii care afecteaz operaiunea de estimare. Valoarea estimat nefiind afectat de mrimea valorii palierului variogramei, un anumit model de variogram poate fi utilizat pentru proiectarea reelei optime de explorare a unei structuri spaiale. Aceast proprietate este utilizat n metoda punctului fictiv pe baza creia se amelioreaz performanele reelelor de cercetare.
Atenie la relevana datelor pentru obiectivul estimrii!

Corectitudinea estimrii prin kriging este condiionat nu numai de corectitudinea aplicrii metodologiei ci i de clarviziunea celui care-i selecioneaz datele dincolo de criteriile statistice. Este determinant pentru realismul estimrii selectarea datelor care reflect distribuia spaial rezultat din desfurarea procesului care constituie obiectul cercetrii. Metodologia geostatistic opereaz asupra valorilor pe care noi le selectm i relev caracteristici ale acestor valori. Interpretarea ne aparine i este cu att mai simpl cu ct complexitatea procesului studiat este mai redus.
Reinei! Chiar rezultatele estimrii distribuiei spaiale pot s ne semnaleze necesitatea revenirii la etapa de analiz a variabilitii pentru a separa efectele unor procese care se suprapun n timp i spaiu pe zona cercetat.

Identificarea unor zone cu variabilitate extrem de exemplu, poate indica necesitatea separrii seleciei de date prelucrate pe baza geometriei zonelor respective i revenirea la prima etap de analiz a variabilitii.

141

Daniel Scrdeanu A21.Realizarea seciunilor litologice S se construiasc seciunea litologic de-a lungul unui aliniament rectiliniu de 40 m pe care sunt amplasate cinci foraje de explorare de 35-40 m adncime. Succesiunea litologic traversat este format din argile i nisipuri (Fig.2.16).
F1
35.00

F2

F3

F4

F5

30.00

25.00

20.00

15.00

10.00

5.00

0.00

0.00

Fig.2.16.Datele primare necesare realizrii seciunii litologice

10.00

20.00

30.00

40.00

Rezolvare: O seciune geologic presupune integrarea unui mare volum de informaii de natur calitativ i cantitativ: litologia formaiunilor, tipul bazinului de sedimentare n care au fost depuse formaiunile, istoria tectonic a zonei etc. Datele necesare realizrii seciunilor litologice, n care se reflect aciunea tuturor factorilor care au contribuit la formarea structurii geologice, se obin din aflorimente i prin lucrri de explorare geologic (foraje i lucrri miniere de suprafa i subterane). Aceste date constau n succesiuni litologice i orientri spaiale ale limitelor de separaie a formaiunilor. Tehnic vorbind, construirea seciunii se rezum la corelarea formaiunilor identificate, corelare realizat ntr-un anumit stil structural determinat de ambiana geologic. Corelarea este un fel de interpolare a formaiunilor identificate care implic legiti determinate de tipul bazinului de sedimentare, evoluia tectonic etc. Metodele geostatistice care sunt utilizate pentru realizarea seciunilor litologice sunt cele de estimare punctual i anume kriging-ul punctual ordinar n varianta lui indicatoare. Kriging-ul indicator poart aceast denumire pentru c opereaz, la fel ca i variograma indicatoare, asupra a dou valori: unu i zero. Tehnica de prelucrare este identic cu a kriging-ului ordinar punctual. Kriging-ul indicator permite integrarea informaiei primare cu elemente suplimentare de tipul: orientarea direciilor de anizotropie, raportul de anizotropie, gradul de certitudine al determinrilor (exprimat prin abaterea standard a valorilor) etc. Realizarea seciunii litologice presupune apte etape de prelucrare din care primele patru, preliminare, au fost parcurse n aplicaia A14 i au condus la

142

Estimarea punctual determinarea caracteristicilor principale ale structurii i la identificarea legitilor de variaie spaial a argilei i nisipului: analiza distribuiei spaiale, att pe orizontal ct i pe vertical, a celor doi litotipi prezeni n cele cinci foraje (argil i nisip) a identificat trei uniti structurale: dou pentru argil i una pentru nisip. unitatea structural superioar a argilei are o variogram indicatoare izotrop de tip sferic cu parametrii: efectul de pepit = 0,045; palierul = 0,25; raza de influen = 23 m. unitatea structural a nisipului se manifest de asemenea izotrop, variograma indicatoare fiind tot de tip sferic cu parametrii: efectul de pepit = 0,08; palierul = 0,2; raza de influen = 20 m. Pentru parcurgerea urmtoarelor dou etape datele necesare estimrii distribuiei spaiale a argilei i nisipului sunt: valorile din tabelul 1.22 (coordonatele punctelor de observaie i codurile numerice ale litotipilor organizate n fiier de tip GeoEAS sau tip SURFER); parametrii modelului de variogram pentru fiecare litotip (tipul modelului, efectul de pepit, palierul, raza). Realizarea seciunii litologice cu cei doi litotipi presupune urmtoarele prelucrri, numerotarea lor fiind n continuarea celor de la aplicaia A14 (pag.91): 5. Alegerea probabilitii minime de identificare a litotipilor n seciune. n seciunea pe care intenionm s o realizm, probabilitatea de apariie a argilei poate lua dou valori extreme: zero n punctele n care a fost identificat nisipul; unu n punctele n care a fost identificat argila. Pentru celelalte puncte, valorile probabilitii de apariie a argilei vor fi cuprinse ntre aceste dou valori: valori mai apropiate de unu n vecintatea punctelor n care a fost identificat argila; valori mai apropiate de zero n vecinatatea punctelor n care a fost identificat nisipul. Variaia probabilitii de apariie a argilei n funcie de distan este cuantificat n modelul variogramei indicatoare definitivat n etapa a patra. Realizarea seciunii presupune alegerea unei valori minime a probabilitii de apariie a argilei. n punctele n care valoarea probabilitii de apariie a argilei depete aceast valoare minim aleas se consider c este prezent argila. Alegerea valorii minime a probabilitii de apariie a argilei se face n funcie de gradul de certitudine pe care vrem s-l avem pentru seciunea realizat. Cu ct valoarea minim aleas pentru aceast probabilitate este mai mare cu att domeniile spaiale de apariie a argilei se restrng. De obicei se alege un nivel de probabilitate > 0,5 pentru a vizualiza n seciune domeniile spaiale pe care probabilitatea de apariie a argilei studiate este mai mare dect cea de absen a acesteia. 6.Construirea seciunilor cu izolinii pentru distribuia probabilitii de apariie a argilei (Fig.2.17a) i nisipului (Fig.2.17b). Cele dou seciuni se construiesc separat 143

Daniel Scrdeanu pentru argil i nisip n scopul verificrii reprezentativitii valorii minime a probabilitii utilizate pentru definitivarea seciunii litologice. F1
35 30

F2

F3

F4

F5

F1
35 30

F2

F3

F4

F5

25

25

20

20

15

15

10

10

0 0

10

15

20

25

30

35

40

0 0

10

15

20

25

30

35

40

a) b) Fig.2.17. Seciunile cu izoprobabiliti de apariie ale argilei (a) i nisipului (b). Cu ct valoarea minim de probabilitate aleas este mai mare cu att domeniul spaial de extindere a litotipului studiat este mai restrns. Pentru exemplificare sunt conturate domeniile de extindere spaial a argilei pentru trei valori ale probabilitii minime de apariie a argilei: p1 = 0,3 (Fig.2.18a); p2 = 0,7 (Fig.2.18b) i p3 = 0,9 (Fig.2.18c). a) b) c)

35

35

35

30

30

30

25

25

25

20

20

20

15

15

15

10

10

10

0 0

10

15

20

25

30

35

40

0 0.00

5.00

10.00

15.00

20.00

25.00

30.00

35.00

40.00

0 0

10

15

20

25

30

35

40

Fig.2.18.Seciuni cu izoprobabiliti de apariie a argilei de p1 > 30% (a), p2 > 70% (b), p3 > 90%(c) (domeniul de extindere al argilei este haurat cu linii orizontale). Domeniul nehaurat corespunde unor probabiliti de apariie a argilei mai mici dect probabilitile pentru care sunt construite cele trei seciuni. n cazul studiat, zonele nehaurate corespund unor probabiliti de apariie a nisipului mai mari dect cele de apariie a argilei. Astfel, domeniul nehaurat din Fig.2.18a corespunde zonei n care probabilitatea de apariie a nisipului este mai mare de 30%. Acest lucru nu mai este valabil cnd n seciune sunt prezente mai mult de dou litologii. Construirea seciunilor cu izolinii de probabiliti ncepe cu litotipul avnd frecvena cea mai mare din histograma nominal (Fig.1.62). Frecvena maxim de apariie a unui litotip dovedete gradul avansat de cunoatere a distribuiei acestuia n comparaie cu ceilali. Acest lucru se reflect i n variograma indicatoare a crei form este mai precis conturat pentru litotipii cu frecven mai mare de apariie.

144

Estimarea punctual 7.Suprapunerea seciunilor corespunztoare extinderii nisipului i argilei pentru nivelul de probabilitate ales. Pentru nivelul comun de probabilitate minim p = 0,5, seciunea litologic obinut prin suprapunerea celor realizate separat pentru cei doi litotipi indic domeniile spaiale n care prezena fiecrui litotip este mai mare de 0,5 (Fig.2.19). Numrul litotipilor nu modific metodologia de lucru, analiza i estimarea fiecruia desfurndu-se separat. n final se suprapun seciunile realizate la un argil nisip nivel comun de probabilitate pentru toi litotipii. Fig.2.19. Seciunea litologic pentru un nivel de probabilitate p > 50%. Dac nivelul comun de probabilitate minim este mai mare de 0,5 atunci la limita de separaie dintre doi litotipi rmn suprafee neacoperite n care erorile de estimare sunt mai mari dect n restul hrii. Pentru un nivel 35 comun de probabilitate minim p = 0,8 se dezvolt 30 o band la limita dintre cei doi litotipi n care 25 probabilitatea de apariie a argilei i a nisipului este 20 mai mic de 0,8 (Fig.2.20). Gradul de 15 certitudine al acestor seciuni litologice se 10 estimeaz prin intermediul 5 seciunilor cu izolinii al varianei erorii de 0 0 5 10 15 20 25 30 35 40 estimare sau al Fig.2.20.Seciune litologic pentru p > 80% pentru intervalelor de ncredere ambii litotipi. pentru probabilitile estimate.
35 30 25 20 15 10 5 0 0 5 10 15 20 25 30 35 40

COMENTARIU Pentru exersarea metodologiei v ofer dou seturi de date i cte unul din cele mai probabile rezultate care se pot obine. Nu trebuie s fii ngrijorai dac nu vei obine exact acelai rezultat cu cel prezentat n figurile anexate tabelelor de date. Pe baza acelorai date, zece geologi fac de cele mai multe ori zece hri diferite!

145

Daniel Scrdeanu Diferenele dintre seciuni sunt determinate fie de alegerea modelului de variogram fie de probabilitatea aleas ca valoare minim pentru reprezentarea diferiilor litotipi din seciuni. Tabelul 2.7. Date codificate pentru exerciiul 1 (C - calcar; A - argil; G - gresie) nr X y C A G nr x y C A G 1 0 0 1 0 0 41 4 6 1 0 0 2 0 1 1 0 0 42 4 7 1 0 0 3 0 2 1 0 0 43 4 8 0 1 0 4 0 3 1 0 0 44 4 9 0 1 0 5 0 4 1 0 0 45 4 10 0 1 0 6 0 5 1 0 0 46 4 11 0 1 0 7 0 6 0 1 0 47 4 12 0 1 0 8 0 7 0 1 0 48 4 13 0 1 0 9 0 8 0 1 0 49 4 14 0 1 0 10 0 9 0 1 0 50 4 15 0 1 0 11 0 10 0 1 0 51 4 16 0 1 0 12 0 11 0 1 0 52 4 8 0 1 0 13 0 12 0 1 0 53 4 9 0 1 0 14 0 13 0 1 0 54 4 10 0 1 0 15 0 14 0 1 0 55 4 11 0 1 0 16 0 15 0 1 0 56 4 12 0 1 0 17 0 16 0 1 0 57 4 13 0 1 0 18 2 0 1 0 0 58 6 0 1 0 0 19 2 1 1 0 0 59 6 1 1 0 0 20 2 2 1 0 0 60 6 2 1 0 0 21 2 3 1 0 0 61 6 3 1 0 0 22 2 4 1 0 0 62 6 4 1 0 0 23 2 5 1 0 0 63 6 5 1 0 0 24 2 6 1 0 0 64 6 6 1 0 0 25 2 7 0 1 0 65 6 7 1 0 0 26 2 8 0 1 0 66 6 8 1 0 0 27 2 9 0 1 0 67 6 9 0 1 0 28 2 10 0 1 0 68 6 10 0 1 0 29 2 11 0 1 0 69 6 11 0 1 0 30 2 12 0 1 0 70 6 12 0 1 0 31 2 13 0 1 0 71 6 13 0 1 0 32 2 14 0 1 0 72 6 14 0 1 0 33 2 15 0 1 0 73 6 15 0 1 0 34 2 16 0 1 0 74 6 16 0 1 0 35 4 0 1 0 0 75 8 0 1 0 0 36 4 1 1 0 0 76 8 1 1 0 0 37 4 2 1 0 0 77 8 2 1 0 0 38 4 3 1 0 0 78 8 3 1 0 0 39 4 4 1 0 0 79 8 4 1 0 0 40 4 5 1 0 0 80 8 5 1 0 0 Exerciiul 1 S se realizeze seciunea litologic pe baza informaiilor obinute dintr-un numr de 14 foraje probate din metru n metru. Forajele au traversat o secven constituit din trei litotipi (Aargil, G - gresie; C - calcar) iar datele codificate (n = 229 de puncte) sunt grupate n tabelul 2.7. Soluie posibil Seciunea litologic pentru o probabilitate comun minim p=0,5 este prezentat n Fig.2.21.
25 15

Fig.2.21. Seciune litologic cu trei litotipi.

146

10

0 0

10

15

20

Estimarea punctual Tabelul 2.7(continuare)


nr 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 x 8 8 8 8 8 8 8 8 8 8 8 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 12 12 12 12 12 12 12 12 12 12 12 12 y 6 7 8 9 10 11 12 13 14 15 16 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 0 1 2 3 4 5 6 7 8 9 10 11 C 1 1 1 1 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 0 0 0 A 0 0 0 0 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 G 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 nr 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 x 12 12 12 12 12 12 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 y 12 13 14 15 16 17 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 C 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 A 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 G 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 0 0 nr 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 x 16 16 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 22 22 y 16 17 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 0 1 C 0 0 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 1 1 A 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 G 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 0 0 0 0 0 nr 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 x 22 22 22 22 22 22 22 22 22 22 22 22 22 22 22 22 24 24 24 24 24 24 24 24 24 24 24 24 24 y 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 0 1 2 3 4 5 6 7 8 9 10 11 12 C 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 A 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 G 0 0 0 0 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 nr 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 x 24 24 24 24 24 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 0 2 4 6 8 10 y 13 14 15 16 17 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 17 17 17 17 17 17 C 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 A 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 G 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0

Exerciiul 2 S se realizeze seciunea litologic de-a lungul unui front de captare pentru ape subterane pe baza datelor codificate din tabelul 2.8. Pentru realizarea captrii de ap din acviferul freatic, pentru municipiul Satu-Mare, s-au executat 28 de foraje de 120 m adncime, plasate echidistant (e=250m), pe un aliniament rectiliniu. Forajele au traversat dou tipuri litologice distincte: argil i nisip. 147

Daniel Scrdeanu Tabelul 2.8 Date pentru exerciiul 2 F3 F4 F5 F6 F7 Y xAN x AN x AN X AN x AN 0.0 0 0 1 5 0 1 10 0 1 15 0 1 20 0 1 0.5 0 0 1 5 0 1 10 0 1 15 0 1 20 0 1 1.0 0 0 1 5 0 1 10 0 1 15 0 1 20 0 1 1.5 0 0 1 5 0 1 10 0 1 15 0 1 20 0 1 2.0 0 0 1 5 0 1 10 0 1 15 0 1 20 0 1 2.5 0 0 1 5 0 1 10 1 0 15 0 1 20 1 0 3.0 0 1 0 5 1 0 10 1 0 15 1 0 20 1 0 3.5 0 1 0 5 1 0 10 1 0 15 1 0 20 1 0 4.0 0 1 0 5 1 0 10 1 0 15 1 0 20 1 0 4.5 0 1 0 5 1 0 10 1 0 15 1 0 20 1 0 5.0 0 1 0 5 1 0 10 1 0 15 1 0 20 1 0 5.5 0 1 0 5 1 0 10 1 0 15 1 0 20 1 0 6.0 0 0 1 5 0 1 10 0 1 15 0 1 20 0 1 6.5 0 1 0 5 1 0 10 1 0 15 0 1 20 0 1 7.0 0 1 0 5 1 0 10 1 0 15 1 0 20 1 0 7.5 0 1 0 5 1 0 10 1 0 15 1 0 20 1 0 8.0 0 1 0 5 1 0 10 1 0 15 1 0 20 1 0 8.5 0 1 0 5 1 0 10 0 1 15 1 0 20 0 1 9.0 0 0 1 5 0 1 10 1 0 15 1 0 20 0 1 9.5 0 1 0 5 1 0 10 0 1 15 1 0 20 1 0 10.0 0 1 0 5 1 0 10 0 1 15 1 0 20 1 0 10.5 0 1 0 5 1 0 10 1 0 15 1 0 20 1 0 11.0 0 1 0 5 1 0 10 1 0 15 0 1 20 0 1 11.5 0 0 1 5 1 0 10 1 0 15 1 0 20 0 1 12.0 0 1 0 5 0 1 10 1 0 15 1 0 20 1 0 12.5 0 0 1 5 0 1 10 0 1 15 1 0 20 0 1 13.0 0 0 1 5 1 0 10 1 0 15 0 1 20 0 1 13.5 0 1 0 5 1 0 10 1 0 15 1 0 20 1 0 14.0 0 1 0 5 1 0 10 1 0 15 1 0 20 1 0 14.5 0 0 1 5 0 1 10 0 1 15 1 0 20 1 0 15.0 0 1 0 5 0 1 10 1 0 15 1 0 20 0 1 15.5 0 0 1 5 1 0 10 0 1 15 0 1 20 1 0 16.0 0 1 0 5 0 1 10 1 0 15 1 0 20 0 1 16.5 0 1 0 5 1 0 10 1 0 15 1 0 20 1 0 17.0 0 0 1 5 1 0 10 1 0 15 1 0 20 1 0 17.5 0 1 0 5 1 0 10 1 0 15 1 0 20 1 0 18.0 0 1 0 5 1 0 10 1 0 15 1 0 20 1 0 18.5 0 1 0 5 1 0 10 1 0 15 1 0 20 1 0 19.0 0 1 0 5 1 0 10 1 0 15 1 0 20 1 0 19.5 0 0 1 5 0 1 10 0 1 15 1 0 20 0 1 20.0 0 0 1 5 0 1 10 0 1 15 0 1 20 0 1 20.5 0 1 0 5 0 1 10 1 0 15 1 0 20 0 1 21.0 0 1 0 5 1 0 10 1 0 15 1 0 20 1 0 21.5 0 0 1 5 1 0 10 1 0 15 1 0 20 1 0

F8 x AN 25 0 1 25 0 1 25 0 1 25 0 1 25 0 1 25 1 0 25 1 0 25 1 0 25 1 0 25 0 1 25 1 0 25 1 0 25 1 0 25 0 1 25 1 0 25 1 0 25 1 0 25 1 0 25 1 0 25 1 0 25 1 0 25 1 0 25 1 0 25 1 0 25 1 0 25 0 1 25 0 1 25 1 0 25 1 0 25 1 0 25 0 1 25 1 0 25 0 1 25 1 0 25 1 0 25 1 0 25 1 0 25 1 0 25 1 0 25 0 1 25 0 1 25 0 1 25 1 0 25 1 0

F9 F10 F11 F12 F13 x AN X AN x AN x AN x AN 30 0 1 35 0 1 40 0 1 45 0 1 50 0 1 30 0 1 35 0 1 40 0 1 45 0 1 50 0 1 30 0 1 35 0 1 40 0 1 45 0 1 50 0 1 30 0 1 35 0 1 40 0 1 45 0 1 50 0 1 30 0 1 35 0 1 40 1 0 45 1 0 50 1 0 30 1 0 35 1 0 40 1 0 45 1 0 50 1 0 30 1 0 35 1 0 40 1 0 45 1 0 50 1 0 30 1 0 35 1 0 40 1 0 45 1 0 50 1 0 30 1 0 35 1 0 40 1 0 45 1 0 50 1 0 30 1 0 35 1 0 40 0 1 45 0 1 50 0 1 30 1 0 35 0 1 40 0 1 45 0 1 50 0 1 30 0 1 35 1 0 40 0 1 45 0 1 50 1 0 30 0 1 35 0 1 40 0 1 45 0 1 50 1 0 30 1 0 35 0 1 40 1 0 45 1 0 50 1 0 30 1 0 35 0 1 40 1 0 45 1 0 50 1 0 30 1 0 35 1 0 40 1 0 45 1 0 50 1 0 30 1 0 35 1 0 40 1 0 45 1 0 50 1 0 30 1 0 35 1 0 40 1 0 45 1 0 50 1 0 30 1 0 35 1 0 40 1 0 45 1 0 50 1 0 30 1 0 35 1 0 40 1 0 45 1 0 50 1 0 30 1 0 35 1 0 40 1 0 45 1 0 50 1 0 30 1 0 35 1 0 40 0 1 45 1 0 50 0 1 30 0 1 35 0 1 40 0 1 45 0 1 50 1 0 30 0 1 35 0 1 40 0 1 45 0 1 50 1 0 30 0 1 35 0 1 40 0 1 45 0 1 50 1 0 30 0 1 35 0 1 40 0 1 45 0 1 50 0 1 30 0 1 35 0 1 40 0 1 45 0 1 50 0 1 30 0 1 35 1 0 40 1 0 45 0 1 50 0 1 30 1 0 35 1 0 40 1 0 45 0 1 50 0 1 30 0 1 35 0 1 40 0 1 45 1 0 50 1 0 30 1 0 35 1 0 40 1 0 45 1 0 50 1 0 30 1 0 35 1 0 40 1 0 45 1 0 50 1 0 30 1 0 35 0 1 40 1 0 45 1 0 50 1 0 30 1 0 35 0 1 40 0 1 45 0 1 50 0 1 30 1 0 35 1 0 40 1 0 45 1 0 50 0 1 30 1 0 35 1 0 40 1 0 45 1 0 50 1 0 30 1 0 35 1 0 40 1 0 45 1 0 50 1 0 30 0 1 35 1 0 40 1 0 45 0 1 50 0 1 30 1 0 35 1 0 40 0 1 45 1 0 50 1 0 30 0 1 35 0 1 40 0 1 45 1 0 50 1 0 30 0 1 35 0 1 40 0 1 45 0 1 50 1 0 30 0 1 35 0 1 40 0 1 45 1 0 50 0 1 30 1 0 35 1 0 40 1 0 45 1 0 50 0 1 30 1 0 35 1 0 40 1 0 45 1 0 50 0 1

148

Estimarea punctual Tabelul 2.8 Date pentru exerciiul 2(continuare) F13 F14 F15 F16 F17 Y x A N x A N x A N x A N x A N 0.0 50 0 1 55 0 1 60 0 1 65 0 1 70 0 1 0.5 50 0 1 55 0 1 60 0 1 65 0 1 70 0 1 1.0 50 0 1 55 0 1 60 0 1 65 0 1 70 0 1 1.5 50 0 1 55 0 1 60 1 0 65 1 0 70 1 0 2.0 50 1 0 55 1 0 60 1 0 65 0 1 70 1 0 2.5 50 1 0 55 1 0 60 1 0 65 1 0 70 1 0 3.0 50 1 0 55 1 0 60 1 0 65 0 1 70 1 0 3.5 50 1 0 55 1 0 60 1 0 65 1 0 70 1 0 4.0 50 1 0 55 1 0 60 1 0 65 1 0 70 1 0 4.5 50 0 1 55 0 1 60 1 0 65 1 0 70 1 0 5.0 50 0 1 55 0 1 60 0 1 65 0 1 70 0 1 5.5 50 1 0 55 1 0 60 1 0 65 1 0 70 1 0 6.0 50 1 0 55 1 0 60 0 1 65 1 0 70 1 0 6.5 50 1 0 55 1 0 60 1 0 65 1 0 70 1 0 7.0 50 1 0 55 1 0 60 1 0 65 1 0 70 1 0 7.5 50 1 0 55 1 0 60 1 0 65 1 0 70 1 0 8.0 50 1 0 55 1 0 60 1 0 65 1 0 70 1 0 8.5 50 1 0 55 1 0 60 0 1 65 0 1 70 1 0 9.0 50 1 0 55 0 1 60 1 0 65 0 1 70 0 1 9.5 50 1 0 55 1 0 60 0 1 65 0 1 70 0 1 10.0 50 1 0 55 1 0 60 0 1 65 0 1 70 0 1 10.5 50 0 1 55 0 1 60 0 1 65 0 1 70 1 0 11.0 50 1 0 55 1 0 60 1 0 65 1 0 70 1 0 11.5 50 1 0 55 0 1 60 1 0 65 1 0 70 1 0 12.0 50 1 0 55 0 1 60 0 1 65 0 1 70 0 1 12.5 50 0 1 55 0 1 60 0 1 65 1 0 70 1 0 13.0 50 0 1 55 0 1 60 0 1 65 1 0 70 1 0 13.5 50 0 1 55 0 1 60 1 0 65 0 1 70 0 1 14.0 50 0 1 55 1 0 60 1 0 65 1 0 70 0 1 14.5 50 1 0 55 1 0 60 1 0 65 0 1 70 0 1 15.0 50 1 0 55 1 0 60 1 0 65 1 0 70 1 0 15.5 50 1 0 55 1 0 60 1 0 65 1 0 70 1 0 16.0 50 1 0 55 1 0 60 0 1 65 1 0 70 0 1 16.5 50 0 1 55 0 1 60 0 1 65 0 1 70 1 0 17.0 50 0 1 55 1 0 60 1 0 65 1 0 70 1 0 17.5 50 1 0 55 1 0 60 1 0 65 1 0 70 1 0 18.0 50 1 0 55 0 1 60 0 1 65 1 0 70 0 1 18.5 50 0 1 55 1 0 60 1 0 65 0 1 70 1 0 19.0 50 1 0 55 1 0 60 1 0 65 1 0 70 1 0 19.5 50 1 0 55 1 0 60 1 0 65 1 0 70 1 0 20.0 50 1 0 55 1 0 60 1 0 65 1 0 70 1 0 20.5 50 0 1 55 1 0 60 1 0 65 1 0 70 1 0 21.0 50 0 1 55 1 0 60 1 0 65 1 0 70 1 0 21.5 50 0 1 55 1 0 60 1 0 65 1 0 70 1 0

F18 x A 75 0 75 0 75 1 75 0 75 0 75 1 75 1 75 1 75 1 75 0 75 1 75 1 75 1 75 1 75 1 75 1 75 1 75 1 75 1 75 0 75 0 75 1 75 1 75 1 75 1 75 1 75 1 75 0 75 0 75 0 75 1 75 1 75 0 75 1 75 1 75 1 75 1 75 1 75 1 75 1 75 1 75 1 75 1 75 1

N 1 1 0 1 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 1 1 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0

F19 x A N 80 0 1 80 0 1 80 1 0 80 0 1 80 1 0 80 1 0 80 1 0 80 1 0 80 1 0 80 1 0 80 1 0 80 1 0 80 1 0 80 1 0 80 1 0 80 1 0 80 1 0 80 1 0 80 0 1 80 1 0 80 1 0 80 0 1 80 1 0 80 1 0 80 1 0 80 1 0 80 1 0 80 0 1 80 0 1 80 0 1 80 1 0 80 0 1 80 0 1 80 1 0 80 1 0 80 1 0 80 1 0 80 1 0 80 1 0 80 1 0 80 1 0 80 1 0 80 1 0 80 1 0

F20 x A N 85 0 1 85 1 0 85 1 0 85 1 0 85 1 0 85 0 1 85 1 0 85 1 0 85 1 0 85 1 0 85 1 0 85 1 0 85 1 0 85 0 1 85 1 0 85 1 0 85 1 0 85 1 0 85 0 1 85 1 0 85 1 0 85 1 0 85 1 0 85 0 1 85 1 0 85 1 0 85 1 0 85 0 1 85 0 1 85 0 1 85 1 0 85 0 1 85 0 1 85 1 0 85 1 0 85 1 0 85 1 0 85 0 1 85 1 0 85 1 0 85 1 0 85 1 0 85 1 0 85 1 0

F21 x AN 90 0 1 90 0 1 90 1 0 90 1 0 90 0 1 90 1 0 90 1 0 90 1 0 90 0 1 90 1 0 90 1 0 90 1 0 90 1 0 90 0 1 90 1 0 90 1 0 90 1 0 90 0 1 90 0 1 90 1 0 90 1 0 90 1 0 90 1 0 90 1 0 90 1 0 90 1 0 90 1 0 90 1 0 90 0 1 90 0 1 90 1 0 90 1 0 90 0 1 90 1 0 90 1 0 90 1 0 90 0 1 90 1 0 90 1 0 90 1 0 90 1 0 90 0 1 90 0 1 90 1 0

149

Daniel Scrdeanu Tabelul 2.8 Date pentru exerciiul 2(continuare) F22 F23 F24 F25 F26 y x AN x AN x AN x AN x AN 0.0 95 0 1 100 0 1 105 0 1 110 0 1 115 0 1 0.5 95 1 0 100 0 1 105 0 1 110 0 1 115 1 0 1.0 95 1 0 100 0 1 105 1 0 110 1 0 115 1 0 1.5 95 1 0 100 0 1 105 1 0 110 1 0 115 0 1 2.0 95 0 1 100 0 1 105 1 0 110 1 0 115 0 1 2.5 95 0 1 100 0 1 105 1 0 110 0 1 115 1 0 3.0 95 1 0 100 0 1 105 0 1 110 1 0 115 1 0 3.5 95 1 0 100 0 1 105 1 0 110 0 1 115 1 0 4.0 95 1 0 100 0 1 105 1 0 110 1 0 115 0 1 4.5 95 1 0 100 1 0 105 1 0 110 0 1 115 1 0 5.0 95 1 0 100 1 0 105 0 1 110 1 0 115 1 0 5.5 95 1 0 100 1 0 105 0 1 110 1 0 115 0 1 6.0 95 1 0 100 1 0 105 1 0 110 1 0 115 1 0 6.5 95 1 0 100 1 0 105 1 0 110 1 0 115 1 0 7.0 95 0 1 100 0 1 105 0 1 110 1 0 115 0 1 7.5 95 1 0 100 1 0 105 1 0 110 0 1 115 1 0 8.0 95 1 0 100 0 1 105 1 0 110 1 0 115 1 0 8.5 95 1 0 100 1 0 105 1 0 110 0 1 115 1 0 9.0 95 0 1 100 1 0 105 1 0 110 0 1 115 0 1 9.5 95 0 1 100 1 0 105 1 0 110 0 1 115 1 0 10.0 95 1 0 100 1 0 105 0 1 110 1 0 115 1 0 10.5 95 1 0 100 1 0 105 1 0 110 1 0 115 1 0 11.0 95 1 0 100 1 0 105 1 0 110 1 0 115 1 0 11.5 95 1 0 100 1 0 105 1 0 110 1 0 115 1 0 12.0 95 1 0 100 1 0 105 1 0 110 0 1 115 1 0 12.5 95 1 0 100 1 0 105 1 0 110 1 0 115 1 0 13.0 95 1 0 100 1 0 105 1 0 110 1 0 115 1 0 13.5 95 0 1 100 0 1 105 1 0 110 1 0 115 0 1 14.0 95 1 0 100 0 1 105 1 0 110 0 1 115 0 1 14.5 95 0 1 100 1 0 105 0 1 110 0 1 115 0 1 15.0 95 1 0 100 1 0 105 1 0 110 1 0 115 1 0 15.5 95 0 1 100 1 0 105 0 1 110 0 1 115 1 0 16.0 95 1 0 100 1 0 105 1 0 110 1 0 115 0 1 16.5 95 1 0 100 0 1 105 1 0 110 1 0 115 1 0 17.0 95 1 0 100 1 0 105 1 0 110 1 0 115 1 0 17.5 95 1 0 100 0 1 105 1 0 110 1 0 115 1 0 18.0 95 1 0 100 1 0 105 1 0 110 1 0 115 1 0 18.5 95 1 0 100 1 0 105 0 1 110 1 0 115 1 0 19.0 95 1 0 100 1 0 105 1 0 110 1 0 115 1 0 19.5 95 1 0 100 1 0 105 1 0 110 1 0 115 1 0 20.0 95 1 0 100 1 0 105 1 0 110 1 0 115 1 0 20.5 95 0 1 100 1 0 105 1 0 110 1 0 115 1 0 21.0 95 0 1 100 1 0 105 0 1 110 1 0 115 1 0 21.5 95 1 0 100 1 0 105 1 0 110 1 0 115 1 0

F27 x AN 120 0 1 120 0 1 120 1 0 120 1 0 120 1 0 120 0 1 120 1 0 120 1 0 120 0 1 120 0 1 120 1 0 120 1 0 120 1 0 120 1 0 120 1 0 120 1 0 120 1 0 120 1 0 120 0 1 120 0 1 120 1 0 120 1 0 120 1 0 120 1 0 120 1 0 120 1 0 120 1 0 120 0 1 120 0 1 120 0 1 120 1 0 120 1 0 120 1 0 120 1 0 120 1 0 120 1 0 120 0 1 120 1 0 120 1 0 120 1 0 120 1 0 120 1 0 120 1 0 120 0 1

F28 x AN 125 0 1 125 1 0 125 1 0 125 1 0 125 0 1 125 0 1 125 0 1 125 1 0 125 0 1 125 0 1 125 1 0 125 1 0 125 1 0 125 0 1 125 1 0 125 1 0 125 1 0 125 1 0 125 0 1 125 1 0 125 1 0 125 1 0 125 1 0 125 1 0 125 1 0 125 1 0 125 1 0 125 1 0 125 1 0 125 1 0 125 0 1 125 0 1 125 1 0 125 1 0 125 1 0 125 1 0 125 0 1 125 1 0 125 1 0 125 1 0 125 1 0 125 1 0 125 1 0 125 0 1

F29 x AN 132 0 1 132 1 0 132 1 0 132 1 0 132 1 0 132 1 0 132 0 1 132 0 1 132 1 0 132 1 0 132 1 0 132 1 0 132 1 0 132 1 0 132 1 0 132 1 0 132 1 0 132 1 0 132 0 1 132 1 0 132 1 0 132 1 0 132 1 0 132 1 0 132 1 0 132 1 0 132 1 0 132 1 0 132 1 0 132 0 1 132 1 0 132 1 0 132 1 0 132 1 0 132 1 0 132 1 0 132 0 1 132 1 0 132 1 0 132 1 0 132 1 0 132 1 0 132 0 1 132 1 0

F30 x AN 136 0 1 136 0 1 136 1 0 136 1 0 136 1 0 136 0 1 136 0 1 136 0 1 136 0 1 136 1 0 136 0 1 136 1 0 136 1 0 136 1 0 136 0 1 136 1 0 136 1 0 136 0 1 136 0 1 136 0 1 136 1 0 136 1 0 136 1 0 136 0 1 136 1 0 136 1 0 136 1 0 136 1 0 136 1 0 136 0 1 136 1 0 136 1 0 136 1 0 136 1 0 136 1 0 136 1 0 136 0 1 136 1 0 136 1 0 136 1 0 136 1 0 136 1 0 136 0 1 136 1 0

150

Estimarea punctual Soluie probabil Seciunea cea mai probabil este cea din Fig.2.22 realizat pentru probabilitatea comun minim p = 0,5. (Atenie, structura are o puternic anizotropie cu direcia de variabilitate maxim pe verticala seciunii i raportul razelor variogramelor pe cele dou direcii ra = 1/3.)

Fig.2.22. Seciunea litologic pe traseul frontului de captare Satu Mare. *** Proporional cu numrul de puncte de observaie crete precizia seciunilor realizate dar i efortul achiziionrii i codificrii datelor. Metodele automate de procesare a imaginilor sunt obligatoriu de utilizat pentru discretizarea i codificarea datelor necesare realizrii seciunilor i hrilor litologice. n studiul aflorimentelor fotografia constituie un instrument important n achiziia datelor iar prelucrarea ei automat crete eficiena prelucrrii. Calitatea materialelor utilizate i a tehnicii de prelucrare (granulaia filmului i hrtiei fotografice, rezoluia scaner-ului, performanele programelor de procesare a imaginii) influeneaz, n funcie de scara de prelucrare, reprezentativitatea soluiilor obinute. Nici unul din aceste aspecte nu trebuie neglijat n realizarea prin metode geostatistice a unei seciuni sau hri litologice deoarece totul se reflect n precizia acestora! Tehnica geostatistic de realizare a seciunilor litologice nu poate cuantifica toate elementele care conduc la realizarea unei seciuni corecte. Este necesar ca aceast tehnic s fie utilizat de un geolog care cunoate caracteristicile fundamentale ale proceselor care pot conduce la realizarea succesiunilor litologice studiate. Metodele geostatistice opereaz corect doar n domenii omogene din punct de vedere al variabilitii spaiale iar limitele acestor domenii trebuie, de cele mai multe ori, precizate de cel care le aplic. S nu v imaginai c doar prin nsuirea tehnicii geostatistice de prelucrare vei putea realiza o seciune geologic adevrat! S nu desconsiderai din acest motiv modelele geostatistice deoarece sunt situaii n care fr utilizarea acestora, seciunile construite sunt doar poveti frumoase n care imaginaia are o pondere de 100% .

151

Daniel Scrdeanu A22.Evaluarea distribuiei unei variabile staionare. S se evalueze distribuia duritii temporare a apelor subterane din acviferul de medie adncime n zona captrilor oraului Slatina pe baza valorilor determinate n probele de ap prelevate din 36 de foraje de captare (tabelul 2.9). Rezolvare: Duritatea temporar este o important caracteristic chimic a apelor subterane. Ea reprezint coninutul apei n sruri instabile de calciu i magneziu care se depun n anumite condiii sub form de piatr n instalaiile unde apa este utilizat i sub form de calculi n organismul celor care o beau. Acestea sunt dou din motivele pentru care trebuie cunoscut distribuia spaial a duritii temporare a apei subterane care este captat pentru diferite utilizri. Duritatea temporar se exprim n mod uzual n grade germane (1mval/litruCa(Mg)=1oh). Cele 36 de valori ale duritii temporare au o repartiie cvasinormal cu un coeficient de asimetrie 3 = 0,70 (Fig.2.23). Tabelul 2.9 Duritatea temporar Nr. X Y D_temp crt. [m] [m] [oh] 1 1157.59 3991.50 6.27 2 1125.43 3911.56 7.39 3 1082.10 3181.20 5.60 4 1095.64 3127.32 10.53 5 1095.96 2607.39 12.04 6 1093.16 2551.72 7.16 7 1866.49 4033.98 15.01 8 1713.27 4002.80 13.72 9 1694.38 3948.41 6.50 10 1484.26 3544.90 9.24 11 1492.23 3140.14 7.17 12 1468.23 3095.44 12.88 13 1356.64 3093.39 8.40 14 1442.44 3069.14 12.88 15 1407.50 2737.92 8.40 16 1389.65 2542.05 9.52 17 1385.31 2500.68 6.05 18 1329.15 2296.12 7.61 19 1327.65 2081.10 7.84 20 1053.13 2036.37 15.96 21 525.00 2273.29 17.80 22 830.19 2061.37 9.41 23 851.65 2020.01 19.04 24 2120.36 1719.59 21.84 25 1817.00 1591.10 5.60 26 1907.67 1462.92 7.84 27 1935.77 1415.68 3.36 28 1161.47 1575.19 13.44 29 1147.69 1490.66 7.39 30 1228.66 1331.83 17.60 31 1239.39 1274.89 6.27 32 1821.44 806.61 15.45 33 1819.14 759.37 5.15 34 1623.79 739.93 17.36 35 1793.14 411.04 4.48 36 1797.23 351.28 4.92

14 12 Frecventa 10 8 6 4 2 0 3 6 9 12 15 18 >21 Duritatea temporara

Fig.2.23 Histograma valorilor duritii temporare a apei Erorile de supraestimare rezultate din aceast asimetrie nu depesc 10% din valoarea duritilor estimate astfel nct se poate realiza estimarea distribuiei spaiale cu valorile originale fr s fie absolut necesar normalizarea lor. Analiza variografic a structurii spaiale a duritii temporare conduce la urmtoarele rezultate: distribuia duritii temporare a acviferului de medie adncime, n zona captrilor cu ap subteran ale oraului Slatina, este anizotrop, direcia de variabilitate minim (continuitate maxim) fiind N15oV (Fig.2.24);

152

Estimare punctual modelul variogramei structurii este de tip sferic (Fig.2.25) cu parametrii: efect de pepit = 10; palier = 15; razele de influen : r1 = 1200 m pe direcia N15oV; r2 = 600 m pe direcia N75oE.
30 25 20 (h)
-1000

2000

1500

1000

500

-500

15 10

-1500

5 0 0
-500 0 500

-2000

500

1000

1500

2000

2500

h[m]

Fig.2.24 Variograma de suprafa a duritii temporare Estimarea distribuiei spaiale a duritii temporare s-a realizat prin kriging punctual ordinar (deoarece structura este staionar, modelul de variogram fiind cu palier). Au fost utilizate 3901 puncte de calcul amplasate ntr-o reea rectangular cu 83 de rnduri i 47 de coloane. n zona median a hrii cu izolinii obinute (Fig.2.26) sunt figurate lacurile de acumulare realizate n aceast zon pe rul Olt. Se remarc un paralelism ntre direcia de curgere a Oltului i liniile de egal valoare a duritii temporare. Aceast caracteristic sugereaz existena unei comunicri ntre acviferul de medie adncime i rul Olt, comunicare care face ca

Fig.2.25 Variograma omnidirecional a duritii temporare

4000

3500

3000

15 14

2500 13 12 11 1500 10 9 8 500

2000

1000

0 0

500

1000

1500

2000

Fig.2.26 Distribuia duritii temporare a acviferului de medie adncine n zona oraului Slatina

153

Daniel Scrdeanu duritatea temporar s fie cu att mai mare cu ct ne situm la o distan mai mare de Olt.

COMENTARIU Estimarea distribuiei spaiale a unei variabile este o operaiune extrem de simpl. Toate dificultile care stau n faa estimrii distribuiei spaiale sunt depite n etapele de analiz a variabilitii caracteristicilor studiate. n etapa estimrii distribuiei spaiale parametrii care trebuie stabilii vizeaz numai dou aspecte: gradul de detaliere la care este fcut estimarea; claritatea i expresivitatea vizualizrii grafice a rezultatelor. Gradul de detaliere la care este realizat estimarea distribuiei spaiale este determinat de densitatea punctelor n care se face estimarea valorii caracteristicii studiate. Programele de calcul care realizeaz aceste estimri solicit parametrii unei reele rectangulare cu care se acoper suprafaa pe care se face estimarea: originea retelei rectangulare (O(xo,yo)); numrul de rnduri ale reelei (ny); numrul de coloane ale reelei (nx); distana dintre coloane (x); distana dintre rnduri (y). Estimarea valorii caracteristicii studiate se face n fiecare celul rectangular a reelei i este cu att mai detaliat cu ct numrul de celule este mai mare. Creterea gradului de detaliere nu conduce la creterea preciziei estimrii ! Precizia cu care este realizat estimarea distribuiei spaiale depinde n principal de numrul de puncte de observaie n care se cunoate valoarea caracteristicii ce se estimeaz. Claritatea i expresivitatea vizualizrii grafice a rezultatelor estimrii distribuiei spaiale depind de opiunile i bunul gust al autorului hrii. Sunt cteva principii pe care este bine s le respeci cnd finalizezi harta cu izolinii a unei distribuii spaiale: echidistana ntre izolinii s permit citirea etichetelor inserate; numrul elementelor secundare suprapuse pe hart (elemente topografice, semne convenionale etc.) s fie redus; s existe elemente care s permit verificarea corectitudinii morfologiei izoliniilor (poziia punctelor de observaie i valoarea msurat, n limita unei densiti care s nu produc suprapuneri) Aspectul general al hrii trebuie s evidenieze scopul pentru care a fost realizat! Harta trebuie s fie clar i argumentat! Ea este realizat pentru a demonstra ceva iar demonstraia trebuie s fie convingtoare. Nu ncercai s realizai hri pentru a ascunde adevrul sau insuficienta cunoatere! Dac ai de ascuns ceva nu recurge niciodat la reprezentri grafice! Se vede imediat!

154

Estimarea punctual 2.2.2.KRIGING PUNCTUAL UNIVERSAL Toate sistemele de kriging prezentate pn aici presupun pentru variabila studiat un model de funcie aleatoare staionar sau cvasistaionar n vecintatea punctului n care se face estimarea. Deseori, pentru anumite variabile, se identific o tendin zonal (sperana matematic nu este staionar) iar informaiile disponibile nu sunt suficient de dense pentru a lua n considerare vecinti cvasistaionare. Este cazul suprafeelor piezometrice ale acviferelor cu dinamic activ n care este prezent o tendin regional. Aplicarea kriging-ului punctual ordinar (staionar) n prezena unei tendine va conduce n mod sistematic la supraevaluri ale variabilei studiate. Pentru eliminarea erorilor de estimare trebuie s se in seama de prezena i forma acestei tendine. Kriging-ul punctual universal (sau kriging-ul nedeviat de ordinul k) furnizeaz un estimator nedeviat ce ine seama de prezena tendinei cu condiia cunoaterii formei acesteia i covarianei sau variogramei modelului funciei aleatoare nestaionare a variabilei. Forma tendinei regionale. n cazul unui model de funcie aleatoare nestaionar, prin definiie, tendina variabilei regionalizate este sperana matematic nestaionar:
E{ V ( p )} = m( p )

(2.71)

Funcia aleatoare poate fi descompus ntr-o tendin (m(p)) i un termen rezidual Y(p) staionar sau nestaionar dar cu sperana matematic nul:
V ( p ) = m( p ) + Y ( p ) cu E {Y ( p )} = 0

(2.72)

Tendina m(p) reprezint variaia regulat a funciei aleatoare la scara distribuiei punctelor de observaie, iar reziduul (Y(p)) fluctuaiile aleatoare, dar regionalizate, de o parte i de alta a tendinei (Fig.2.27). Forma tendinei este o combinaie linear de K funcii cunoscute cu coeficieni necunoscui de ecuaie:

m( p ) = ai f i ( p ) .
i =1

(2.73)

Fig. 2.27 Modelul funciei aleatoare nestaionare

Cel mai frecvent, pentru a ine cont de prezena derivei n vecintatea de estimare este suficient adoptarea unei forme polinomiale limitate la gradul unu (deriv linear):
m( p ) = a1 + a2 p

(2.74)

sau doi (deriv ptratic):

155

Daniel Scrdeanu
m( p ) = a1 + a 2 p + a3 p 2

(2.75)

Funcie de dimensiunea spaiului n care se face estimarea, deoarece p semnific un punct din spaiu, forma tendinei este diferit: - dac spaiul este unidimensional, dimensiunea fiind spre exemplu axa timpului t, formele tendinelor liniare i ptratice sunt:
m(t ) = a1 + a 2 t 2 m(t ) = a1 + a 2 t + a3 t

(2.76)

- dac spaiul este bidimensional, reprezentat ntr-un sistem de referin de coordonate rectangulare x i y, formele celor dou tendine sunt:
m( x, y ) = a1 + a2 x + a3 y 2 2 m( x, y ) = a1 + a2 x + a3 y + a4 x + a5 x y + a6 y

(2.77)

- dac spaiul este tridimensional, de coordoonate x, y i z forma tendinelor este:


m( x, y, z ) = a1 + a 2 x + a3 y + a 4 z 2 2 2 m(x, y, z ) = a1 + a2 x + a3 y + a 4 z + a5 x + a6 y + a7 z + a8 x y + a9 x z + a10 y z

(2.78) n cazul spaiului tridimensional de obicei tendina este mai sensibil ntr-o anumit direcie astfel nct forma ei analitic se simplific. Dac tendina se manifest numai pe direcia vertical (z), variabila fiind staionar n plan orizontal (xOy), tendina ptratic se reduce la forma:
m( x, y , z ) = a1 + a 2 z + a3 z 2 .

(2.79)

Covariana i variograma funciei aleatoare nestaionare. Pentru funcia aleatoare nestaionar cu structura din ecuaia (2.72) formulele covarianei i variogramei sunt:
C ( p1 , p 2 ) = E { V ( p1 ) V ( p 2 )} m( p1 ) m( p1 ) = E {Y ( p1 ) Y ( p 2 )}

(2.80) (2.81)

i:

2 ( p1 , p 2 ) = Var { V ( p1 ) V ( p 2 )} = E [V ( p1 ) V ( p 2 )]
2 2

[m( p1 ) m( p 2 )] = Var {Y ( p1 ) Y ( p 2 )} = E [Y ( p1 ) Y ( p 2 )]

Variograma din formula (2.81), adic aceea a reziduului real, nu poate fi estimat pornind de la datele originale n cazul prezenei unei tendine. Pentru calculul variogramei adevrate ar trebui estimate simultan deriva i variograma, plecnd de la un singur set de date, problem care nu are o soluie unic riguroas. O metod aproximativ pentru inferena simultan a tendinei i variogramei impune parcurgerea urmtoarelor etape de prelucrare:

156

Estimarea punctual - alegerea unui model de variogram, de cele mai multe ori acesta fiind linear i izotrop; - estimarea tendinei n fiecare punct de observaie (m(pi)) pe baza modelului de variogram ales; - calculul variogramei reziduurilor experimentale; - compararea erorilor introduse de modelul de variogram ales cu cele introduse de variograma calculat pe baza reziduurilor experimentale; - adoptarea modelului de variogram ales (n cazul concordanei erorilor introduse de cele dou variograme) sau alegerea unui alt model de variogram i reluarea prelucrrii de la prima etap. Experiena arat c n cea mai mare parte a cazurilor se poate adopta fie o variogram cvasistaionar determinat pe zone vecine ale zonei de estimare cu o corecie de plafon fie o variogram linear calculat pe baza comportrii variogramei n vecintatea originii. Necunoaterea covarianei sau variogramei adevrate face ca prin kriging universal s nu se poat atinge valoarea minim a varianei erorii de estimare. Acest lucru poate fi neglijat uneori deoarece n cazul prezenei tendinei nu ne intereseaz determinarea tendinei ci minimizarea incertitudinii estimrii datorat acesteia. Pe lng tehnicile iterative utilizate la determinarea variogramei i covarianei adevrate, pentru stabilirea sistemului de kriging universal se apeleaz la covariana generalizat a crei inferen este posibil pornind de la un set unic de date (P. Delfiner & Matheron,1980;). Noiunea de covarian generalizat este legat de funcia aleatoare intrinsec de ordinul k, o generalizare pentru funcia aleatoare staionar corespunztoare ordinului k = 0. Trecerea de la funcia aleatoare staionar utilizat n cadrul kriging-ului punctual ordinar la funcia aleatoare intrinsec de ordinul zero se face prin: nlocuirea covarianei c(h) prin variogram (h). Se ctig n acest mod n generalitate, clasa variogramelor fiind mult mai extins dect a covarianelor. Variograma, nefiind limitat, permite descrierea variabilelor cu o dispersie teoretic nelimitat. Astfel, suprafeele piezometrice admit o variogram linear dar nu au covarian staionar; utilizarea variogramei permite studiul variabilelor care nu au o speran matematic constant prin analiza creterilor variabilei. Ecuaiile sistemului pentru kriging universal. n cazul kriging-ului universal, estimatorul variabilei ntr-un punct po este dat de expresia linear:

V0 = wi vi .
i =1

(2.82)

Condiiile pe care trebuie s le respecte estimarea sunt aceleai ca i n cazul kriging-ului ordinar (linearitate, estimare nedeviat i minimizarea varianei erorii de estimare), adugndu-se condiii suplimentare datorate prezenei tendinei. n cazul prezenei unei tendine de forma (2.73) condiia de estimare nedeviat devine:
n k k

w a
i =1 i l =1

f l ( pi ) al f l ( p 0 ) = 0 ,
l =1

(2.83)

157

Daniel Scrdeanu

din care, deoarece coeficienii derivei sunt necunoscui, trebuie ca:

w f (p ) = f (p ),
i =1 i l i l 0

(2.84)

pentru l lund valori de la 1 la K, K fiind gradul maxim al polinomului ce modeleaz tendina. Variograma este legat de variana de estimare prin relaia:

~ 2 = 2 w i ~i 0 wi w j ~ij R
i =1 i =1 j =1

(2.85)

astfel nct pentru minimizarea ei n condiiile unei estimri nedeviate sistemul de kriging universal este:
k n ~ + f ( p ) = , i = 1,2,K, n w j ij l l i i0 j =1 l =1 , n wi f l ( pi ) = f l ( p0 ), l = 1,2,K, k i =1

(2.86)

sau sub form matricial, n cazul bidimensional: ~ ~ L 11 12 ~ ~ L 22 21 M M ~ ~ n1 n 2 L 1 1 L x1 x2 L y 1 y2 L

unei tendine de forma (2.77) pentru un spaiu

~ 1 x1 1n ~ 1 x2 2n M ~ M 0 0 0 M 0 0 0
nn

1 xn

1 xn yn

~ y1 w1 10 ~ y 2 w2 20 M M M ~ y n wn = n0 0 1 1 0 2 x0 0 3 y0

(2.87)

Relaia de calcul pentru variana erorii de estimare este:

~ 2 = w i ~i 0 + j f j ( p0 ) . R
i =1 j =1

(2.88)

De reinut c pentru realizarea kriging-ului n prezena unei tendine regionale nu este necesar calculul coeficienilor funciei care o modeleaz ci numai forma ei. Dac forma tendinei este prost aleas variana erorilor de estimare va fi mare chiar dac termenii de ordin superior ai derivei au valori mici i dac intervalele de ncredere ale valorilor interpolate sunt n realitate mici. Eficiena programului pentru kriging-ul universal crete dac este prevzut posibilitatea utilizrii unor tendine de forme ct mai complexe, chiar dac timpul de calcul este n acest fel prelungit.

158

Estimarea punctual A23.Evaluarea distribuiei unei variabile nestaionare S se estimeze distribuia spaial a sarcinii piezometrice a acviferului cu nivel liber din conul aluvionar Ialomia-Dmbovia, n vecintatea captrii de ap subteran a oraului Trgovite (Fig.2.28), pe baza cotelor nivelurilor piezometrice msurate n forajele hidrogeologice de explorare i captare. Rezolvare: Sarcina piezometric a acviferelor este o variabil nestaionar tipic. Analiza distribuiei n spaiu a sarcinii piezometrice permite identificarea direciilor de curgere ale apelor subterane i st la baza amplasrii i dimensionrii captrilor de ap subteran. Pentru estimarea corect a distribuiei sarcinii piezometrice trebuie identificate: direciile de anizotropie; forma tendinei ce afecteaz staionaritatea structurii. Direciile de anizotropie ale distribuiei spaiale a sarcinii piezometrice pentru zona studiat se determin pe baza hrii conturale a variogramei de suprafa (Fig.2.29) i sunt: N45oE pentru direcia de continuitate maxim ( n Fig.2.29); pentru N45oV direcia de continuitate minim.

15000

Trgovite

Ialomia

10000

5000

Dmbovia

5000

10000

15000

20000

25000

Fig.2.28.Distibuia celor 113 foraje hidrogeologice de explorare i captare

1600

800

Fig.2.29.Variograma de suprafa a cotei nivelului piezometric.

Modelul variogramei pe aceste dou direcii este de tip linear cu un raport de anizotropie ra = 12. Raportul de anizotropie s-a calculat ca raport al razelor de influen ale variogramelor direcionale, la valoarea variogramei experimentale de 150 m2, pentru principalele direcii de anizotropie: pe direcia N45oE: r1 = 12000 m; pe direcia N45oV: r2 = 1000 m

159

Daniel Scrdeanu Variogramele direcionale au efectul de pepit nul, eliminndu-se astfel orice suspiciune asupra existenei unor structuri ngropate ce nu au putut fi identificate datorit distanei prea mari dintre forajele n care s-au msurat nivelurile piezometrice. Acest lucru este argumentat i de caracterul compact al histogramei nivelurilor piezometrice care indic o selecie omogen de valori (Fig.2.30).

20 15
Frecventa

10 5 0 215.8 239.7 263.7 287.6 311.6


Cota nivelului piezometric[m]

Fig.2.30.Histograma cotelor nivelului Distribuia valorilor msurate ale piezometric. nivelului piezometric indic o tendin general de cretere a cotelor acestuia de la SE spre NV pe direcia N45oV. Pentru modelarea acestei tendine s-au adoptat dou forme analitice: 15000 310 linear (2.74) i ptratic (2.75). 290 Compararea 10000 270 rezultatelor obinute n cele dou variante 250 (Fig.2.31 i Fig.2.32) 5000 recomand ca optim 230 modelul ptratic al tendinei de variaie a 210 0 5000 10000 15000 20000 25000 cotei sarcinii piezometrice. Fig.2.31.Estimarea distribuiei sarcinii piezometrice cu Certificarea model liniar al tendinei caracterului optim al modelului ptratic pentru tendina zonal a distribuiei sarcinii piezometrice se face n etapa final de calcul al erorilor de estimare a distribuiei spaiale.

Neglijarea caracterului nestaionar al distribuiei cotei nivelului piezometric conduce la erori de estimare a distribuiei acesteia de 20 m n partea SE-ic a zonei studiate (Fig.2.33).

320

15000
300 280

10000
260 240

5000

220 200 180

0 5000 10000 15000 20000 25000

Fig.2.32.Estimarea distribuiei sarcinii piezometrice cu model ptratic al tendinei

160

Estimarea punctual Erorile de estimare s-au calculat prin compararea estimrilor realizate fr eliminarea componentei de tendin a cotei sarcinii piezometrice i prin eliminarea acesteia pe baza modelului ptratic (2.75).

15000

15

12

10000

5000

0 5000 10000 15000 20000 25000

-3

COMENTARIU

Fig.2.33.Distribuia erorilor de estimare datorate neglijrii tendinei ptratice a cotei sarcinii piezometrice

Neglijarea caracterului nestaionar al structurilor spaiale conduce la erori semnificative n estimarea acestora. Primul moment dificil al estimrii este sesizarea caracterului nestaionar ! S ne reamintim c prezena caracterului nestaionar se face simit n forma variogramelor experimentale prin lipsa stabilizrii acestora n jurul unei valori constante (absena palierului). Sesizarea nestaionaritii este posibil i prin construirea unor grafice care s ilustreze variaia parametrului msurat de-a lungul unor profile rectilinii. n astfel de reprezentri oscilaiile valorilor parametrului studiat n jurul unei valori constante indic staionaritatea acestuia iar creterea sau descreterea continu indic nestaionaritatea. Al doilea moment dificil este alegerea modelului analitic al tendinei ! Alegerea modelului optim al tendinelor nestaionare se face prin compararea erorilor introduse de dou sau mai multe modele calibrate pe datele disponibile. Abaterile de la datele msurate, introduse de modele, se compar la nivel global pe baza parametrilor statistici (medie, dispersie, coeficient de variaie) nainte de estimarea distribuiei spaiale. Distribuia spaial a erorilor de estimare introduse de neadecvarea modelului tendinei este calculat simultan cu estimarea distribuiei spaiale n care modelul respectiv este implicat. Dac modelul a fost prost ales rezult erori de estimare mari i se revine la etapa eliminrii nestaionaritii alegnd alt model pentru tendin. Datorit variabilittii complexe a caracteristicilor studiate distribuia erorilor nu va fi niciodat uniform. n funcie de modelul ales, n anumite zone vor fi erori mai mari iar n altele mai mici. De cele mai multe ori un model unic al tendinei nu va conduce la erori minime n toat zona studiat!

161

2.3.ESTIMAREA ZONAL Obiectivul acestui capitol este prezentarea metodologiei de prognoz a valorii medii a unei variabile pe suprafee de forme i extinderi variabile. Aceast metodologie servete printre altele: evalurii rezervelor de substane minerale utile solide, iniializrii parametrice a modelelor de simulare numeric a proceselor poteniale (exemplu: cmpul de gravitaie, cmpul termic, cmpul vitezelor de curgere a unui fluid etc.) Kriging-ul punctual este o metod performant i pentru estimarea valorii medii a unei variabile ntr-un domeniu spaial bidimensional sau tridimensional limitat de un contur oarecare. Fr a introduce o modificare operaional esenial kriging-ul punctual permite calculul valorii medii prin discretizarea domeniului spaial i medierea valorilor estimate n punctele de discretizare. Dei conceptual simpl, aceast metod devine costisitoare prin volumul mare de calcule pe care l implic. Pentru reducerea volumului de calcule, fr reducerea performanei estimrii, kriging-ul zonal opereaz numai modificarea matricii D a sistemului de kriging punctual (2.34). Ecuaiile sistemului de kriging zonal. Realiznd estimarea n aceleai condiii cu ale kriging-ului punctual ordinar i universal (estimare linear nedeviat cu varian minim a erorilor de estimare) kriging-ul zonal presupune rezolvarea unui sistem similar cu cel din ecuaia (2.33) scris n raport cu modelul de covarian, n care se modific doar matricea D. Matricea C constituit din valorile covarianei variabilei v, calculat ntre punctele de observaie, este n mod evident independent de punctul sau zona n care se face estimarea. Ea va rmne nemodificat n cazul sistemului de kriging zonal avnd acelai rol de eliminare a efectului gruprii neregulate a punctelor de observaie. Matricea D este constituit din covarianele calculate pe baza valorilor variabilelor aleatoare de pe poziia punctelor de probare (p1, p2,...,p9; Fig.2.34) i a valorilor din punctele de estimare (A1, A2, A3, A4..., A6; Fig.2.34). Pentru estimarea punctual aceste covariane sunt calculate doar ntre dou puncte iar pentru estimarea zonal covarianele se calculeaz ntre punctele de msur (p1, p2,..., p9) i zona pe care se estimeaz valoarea medie (suprafaa A haurat; Fig.2.34). Fig. 2.34.Kriging zonal Covariana punct-zon (coviA) este evaluat tot pe baza unui model de covarian calat pe covariana experimental, cu relaia:

162

Estimarea zonal

1 ~ = Cov{ } { } { } { } c V V E V V E V E V E = = iA A i A i A i n A 1 1 Vi } = E V j E{ nA n A j j A 1 = Cov{V jVi } n A j j A 1


j i

V V j i j j A
j i

E{V V } n E{V } E{V } =


j
j A

(2.89)

A j

j A

Covariana ntre variabila aleatoare de pe poziia pi (Vi) i cea reprezentnd valoarea medie a variabilei pe suprafaa A este conform ecuaiei (2.89) o medie a covarianelor dintre variabila Vi i cele din toate punctele de discretizarea (nA) ale suprafeei A (VA1,...). Sistemul de kriging zonal, scris n funcie de covarian i obinut prin minimizarea varianei erorii de estimare, este:
~ c 11 c ~ 21 M ~ c n1 1 ~ c 12 ~ c 22 M ~ c n2 1 ~ L c 1n ~ L c 2n M ~ L c nn L 1 1 1 w1 n A w 1 1 2 M = nA 1 w n 1 0 nA A ~ (c ~ +L+ c ~ +c 1A2 1 AnA ~ c 1A ~ ~ +c ~ +L+ c ~ c 2A c 2 A1 2 A2 2 AnA = M M ~ c nA ~ +c ~ +L+ c ~ c nA1 nA 2 nAnA 1 1
1 A1

(2.90)

Soluia sistemului de kriging zonal const n valorile ponderilor medii wi acordate fiecrei valori msurate pentru calculul valorii medii pe suprafaa A cu relaia:

v A = wi v i
i =1

(2.91)

i a parametrului lui Lagrange care minimizeaz variana erorii de estimare calculat cu relaia:

~2 = c ~ w c i ~iA + A A AA i =1
~ este covariana medie a suprafeei A obinut cu relaia: n care c A A

(2.92)

~ = 1 c AA 2 nA

i i A j

~ c
j A

nA

nA

ij

(2.93)

Valoarea medie a covarianei suprafeei A se calculeaz prin discretizarea suprafeei A prin aceleai puncte utilizate la calculul covarianelor componente ale matricii D (c1A, c2A,..., cnA).

163

Daniel Scrdeanu
Precizia kriging-ului zonal. Precizia evalurii valorii medii pentru o suprafa aleas (A) este determinat de numrul de puncte de discretizare (nA) i geometria amplasrii acestora. Numrul punctelor de discretizare (Ai, i = 1 ,2,..., nA) este proporional cu precizia de estimare a kriging-ului zonal. Densitatea optim a punctelor de discretizare se obine experimental i este cea de la care valoarea estimat se stabilizeaz. Experiena arat c numrul maxim de puncte de discretizare necesare pe unitatea de suprafa este de 16 Fig.2.35.Influena numrului de puncte (Fig.2.35). de discretizare n kriging-ul zonal Geometria optim a punctelor de discretizare este determinat de caracterul izotrop sau anizotrop al structurii spaiale. Pentru structurile izotrope (Fig.2.36a) reeaua de discretizare nu are o orientare preferenial i pentru eficiena prelucrrii ea se orienteaz paralel cu axele de coordonate ale sistemului n care se amplaseaz punctele de observaie. Reeaua de discretizare este ptratic n acest caz (Fig.2.36b). Pentru structurile anizotrope (Fig.2.36a) reeaua de discretizare se orienteaz paralel cu direciile de anizotropie rezultate din diagrama radiar a variogramei, iar distana dintre punctele de discretizare este mai mic pe direcia de continuitate Fig. 2.36.Reeaua de discretizare pentru minim i mai mare pe direcia de kriging zonal: a - diagramele radiare ale continuitate maxim (Fig.2.36b). variogramelor; b - geometria punctelor de Controlul preciziei de estimare discretizare a kriging-ului zonal prin alegerea numrului de puncte de discretizare i a amplasrii lor presupune experiena de prelucrare i un soft interactiv. Particulariti operaionale. Avantajul utilizrii kriging-ului zonal este cel al obinerii valorii medii pe suprafaa A din rezolvarea unui singur sistem (2.90). Complicaia introdus de utilizarea sistemului (2.90) n raport cu cea a sistemului (2.34) este doar cea a calculului covarianelor medii (2.89). Acest calcul suplimentar este mai puin consumator de timp n raport cu rezolvarea unui numr de sisteme de tip (2.34) egal cu numrul punctelor de discretizare. Posibilitatea utilizrii kriging-ului punctual i zonal pentru obinerea aceleiai valori medii pentru o suprafa oarecare se bazeaz pe urmtoarele proprieti rezultate din caracterul linear al metodei de prelucrare:

164

Estimarea zonal
media valorilor estimate prin kriging punctual (utiliznd sistemul (2.34)) n cele nA puncte de discretizare este egal cu valoarea medie obinut prin kriging zonal (utiliznd sistemul 2.90) pe baza acelorai puncte de discretizare; media ponderilor (wi) acordate unui punct de probare n raport cu punctele de discretizare este egal cu ponderea zonal a punctului de probare n raport cu ntreaga zon evaluat ( wi ). Compatibilitatea evalurii zonale i punctuale este valabil numai pentru kriging, alte metode nu pot fi adaptate n aceeai manier. Spre exemplu, utilizarea metodei inversului distanei n aceeai manier pentru estimrile zonale nu conduce la aceleai rezultate. n Fig.2.37, pe suprafaa A sunt amplasate dou puncte de discretizare A1 i A2 utilizate pentru estimarea valorii medii vA, pe baza valorilor msurate v1, v2, v3 i v4. Fig. 2.37.Metoda inversului distanei Calculul valorilor punctuale n Ai pentru evaluare punctual i zonal. (i = 1,2) se face cu relaia:

v1 v
Ai

p Ai v1

+ +

v2 d
p Ai v 2

+ +

v3 d
p Ai v3

+ +

v4
p dA i v4

1
p dA i v1

1
p dA i v2

1
p dA i v3

1
p dA i v4

(2.94)

n care: vi - valorile msurate (i = 1, 2, 3, 4); d Ai vi - distana dintre punctul Ai i punctul n care se msoar vi; p - numr real pozitiv care frecvent are valoarea 2 n metoda inversului distanei (dac valorile lui p sunt subunitare, ponderile acordate valorilor msurate se egalizeaz iar dac p are valori supraunitare ponderile se difereniaz, crescnd cea a valorilor din vecintatea punctului de estimare). Dac se estimeaz valoarea medie pe suprafaa A ca o medie aritmetic a valorilor estimate n cele dou puncte de discretizare (A1 i A2), aceasta va fi diferit de cea calculat cu relaia: v1 v =
A

p v1 A

+ +

v2 d
p v2 A

+ +

v3 d
p v3 A

+ +

v4 d vp4 A 1 d vp4 A (2.95)

1 d vp 1A

1 d vp2 A

1 d vp3 A

n care d v1 A este distana medie dintre valoarea vi i suprafaa A calculat cu relaia:

165

Daniel Scrdeanu

d vi A =

1 d A v + d A2vi ; i = 1, 2, 3, 4. 2 1i

(2.96)

Este evident c :

1 v A1 + v A2 v A 2

(2.97)

i deci metoda inversului distanei nu are proprietile kriging-ului n raport cu estimrile punctuale i zonale.
Un exemplu de kriging zonal. Estimarea zonal prin kriging este exemplificat pentru evaluarea grosimii medii a acviferului sub presiune interceptat de ase foraje (Fig.2.38). Estimarea valorii medii pe suprafaa A (Fig.2.38) este realizat pe baza a patru puncte de discretizare (A1, A2, A3, A4) n dou variante: media valorilor estimate prin kriging punctual n cele patru puncte de discretizare (prin rezolvarea a patru sisteme de kriging punctual de forma (2.33)); estimarea prin kriging zonal (prin rezolvarea unui singur sistem de kriging zonal de forma (2.90)). Fig. 2.38.Calculul valorii medii pe suprafaa A prin kriging zonal. Tabelul 2.10 Ponderile kriging-ului punctual i zonal Ponderile Pct. kriging punctual (wi ) kriging Obs. zonal A1 A2 A3 A4 (wi ) P1 -0,154 -0,241 -0,196 -0,260 -0,213 P2 0,848 0,654 0,524 0,505 0,633 P3 -0,105 0,189 -0,151 -0,100 -0,042 P4 0,129 0,257 0,220 0,499 0,276 P5 -0,390 -0,228 -0,417 -0,229 -0,316 P6 0,672 0,369 1,020 0,585 0,662

vi 25 40 38 32 52 40

n tabelul 2.10 sunt sintetizate ponderile (wi) acordate valorilor msurate n cele dou variante: kriging punctual i kriging zonal. Modelul de variogram utilizat este izotrop de tip gaussian cu palierul co = 10 m2 i raza r = 6 km. 166

Estimarea zonal
Fig.2.38 prezint poziia punctelor de observaie i ponderile asociate fiecruia n raport cu punctele de discretizare. Ponderile, scrise n paranteze, precum i valorile estimate verific proprietile particulare ale kriging-ului zonal: media ponderilor acordate valorii vi msurat n punctul pi (i = 1,2,...,6) n kriging-ul punctual pentru calculul valorilor din A1, A2 , A3, A4 este egal cu ponderea acordat n raport cu suprafaa A n kriging-ul zonal. Pentru i = 3, adic pentru punctul p3, se obine:
p3 = ( 0,105 + 0,189 0,151 0,100 ) 4 = 0,042

media valorilor calculate prin kriging punctual n punctele A1, A2, A3, A4 este egal cu valoarea calculat prin kriging zonal:
* vA = (37,601 + 38,102 + 36,136 + 37,521) / 4 = 37,273

A24.Calcul de rezerve

S se calculeze rezerva de plumb dintr-un paralelipiped dreptunghic avnd baza un ptrat cu latura de 100 m i nlimea de 1 m amplasat n NE-ul zonei probate din zcmntul Dealul Roatei (n Fig.2.43 este reprezentat printr-un ptrat conturat cu linie groas ntrerupt).
4 0 0

Rezolvare: Metoda kriging-ului zonal este cea care permite evaluarea celei mai probabile valori medii a coninuturilor pe o suprafa oarecare, prin eliminarea efectului negativ al distribuiei neregulate a punctelor de probare i a variabilitii mari a coninuturilor. Zcmntul Dealul Roatei, din punct de vedere geostructural, se ncadreaz n unitatea Munilor Apuseni de Sud. Mineralizaia este cantonat n formaiunea conglomeratului de Faa

3 5 0

3 0 0

2 5 0

2 0 0

1 5 0

1 0 0

5 0

0 0 5 0 1 0 0 1 5 0 2 0 0

Fig.2.39.Reeaua de probarea a zcamntului Dealul Roatei

167

Daniel Scrdeanu Bii, de vrst paleogen. Longitudinal, zcmntul a fost urmrit pe dou galerii de aproximativ 350 m. Probarea care st la baza exemplificrii calculului de rezerve s-a realizat la nivelul orizontului +516 m pe galeriile transversale (Fig.2.39). Zcmntul a fost descoperit i cercetat de MINEXFOR DEVA. S-a recoltat un numr de 1002 probe din care s-au determinat coninuturile pentru Au, Pb, Zn, Cu, Hg, Tl, Ga, In, Ni, Bi, Mo, V, Cd, Co, Ba, Sr, Se, Sb. n mod clasic, pentru calculul rezervei se determin o valoare medie a coninutului care se multiplic apoi cu volumul luat n considerare. Valoarea medie a coninutului este afectat de erori mai mari sau mai mici n funcie de numrul de probe utilizate, de distribuia acestora i de metoda de calcul utilizat. Kriging-ul zonal asigur eroarea minim de evaluare a coninutului mediu pentru un p anumit numr de probe. Fig.2.40.Diagrama de probabilitate a Analiza variabilitii coninuturilor n Pb globale a coninuturilor n plumb indic o selecie de valori eterogen cu distribuie lognormal. Diagrama de probabilitate a celor 1002 coninuturi n plumb (Fig.2.40), prin forma curbilinie, evideniaz distribuia anormal a valorilor (n cazul unei distribuii normale toate cele 1002 puncte din diagram ar fi trebuit s se dispun de-a lungul unei drepte). Anamorfoza gaussian a seleciei de valori (realizat prin logaritmarea acestora) evideniaz trei grupuri de valori distincte din punct de vedere statistic (Fig.2.41): grupul G1, format din 257 de probe cu coninutul n plumb cuprins n intervalul [0% i 0,01%]; grupul G2, format din 732 de probe cu coninutul n plumb cuprins n G3 intervalul (0,01 i 1,00 %]; grupul G3, format din 13 de probe G2 cu coninutul n plumb cuprins n intervalul (1,02 i 23,00 %]. G1 Grupul G1 are o caracteristic special fiind alctuit din 66 de valori de 0,0% plumb i 191 de valori de p 0,01%Pb. Cele 257 de valori sunt Fig.2.41.Diagrama de probabilitate distribuite pe toat suprafaa explorat (p) a coninuturilor n plumb (Fig.2.42) iar caracteristicile structurii acestei distribuii sunt sintetizate n variograma omnidirecional de tip sferic ale crei caracteristici sunt sintetizate n tabelul 2.11. Grupul G2 are o distribuie lognormal cu o variabilitate mai pronunat a structurii spaiale (variana total este 0,039, cu cteva ordine de mrime mai mare dect a grupului G1; rezult c valorile mai mici de 0,01% ale coninuturilor n plumb vor fi estimate mult mai corect fa de cele mai mari dect aceast valoare).
Pb

168

Lg(plumb)

Estimarea zonal
Tabelul 2.11.Caracteristicile variogramelor pentru G1 i G2. Grup Interval valoric Model Efect de Varian variograma pepit total -5 G1 [0,0-0,1%Pb] Sferic 1,54x10 2,16 x10-5 G2 (0,1-1,0%Pb] Sferic 2,70x10-2 3,90 x10-2

Raz de influen 40 40

Grupul G3, numeric nesemnificativ n raport cu grupurile G1 i G2 (numai 13 valori, adic 1% din numrul total de probe prelucrate; G1 reprezint numeric 26% din selecia de date iar G2: 73%) este exclus din evaluarea rezervei de plumb fr a afecta sensibil rezultatele estimrilor. Pentru calculul rezervei de plumb din volumul ales prin kriging zonal se detaliaz distribuia coninutului de plumb pe baza modelelor de variogram determinate. Calculul rezervelor de plumb pe baza metodei blocurilor geologice pentru volumul luat n considerare se face cu relaia:

M = Vij ij cij
i =1 j =1

i = nx j = ny

(2.98)

n care Vi j - volumul blocului ij (i = 1,, nx; j = 1,, ny) [L3]; nx - numrul total de blocuri pe coloane; ny - numrul total de blocuri pe rnduri; ij - greutatea volumetric a minereului din blocul ij [MT-2L-2]; cij - coninutul mediu al minereului [% (pentru Pb, Zn etc.) sau g/t (de obicei pentru Au, Ag i alte elemente cu coninuturi mici)]. n cazul studiat, calculul rezervei s-a realizat n 10 variante, pentru diferite valori ale lui nx i ny (tabelul 2.12). Greutatea volumetric a minereului a fost determinat de ctre ICITPLICIM Deva pe un numr redus de probe aa nct, n calculul rezervelor s-a luat o valoare unic pentru toate blocurile componente:

ij = 2,60 tf/m3
Coninutul de plumb exprimat n procente a fost calculat pentru fiecare bloc de discretizare, n toate cele 10 variante, prin kriging, pe baza modelelor de variogram indentificate pentru intervalele valorice corespunztoare celor dou grupuri (G1 i G2) (tabelul 2.11) i reprezentat grafic prin hri cu izolinii: pentru domeniul valoric [0,0-0,1](G1, Fig.2.42a); pentru domeniul valoric (0,1-1,0](G2, Fig.2.42b); pentru ntreg domeniul valoric al seleciei (realizat prin suprapunerea celor dou hri), hart pe care este figurat i suprafaa blocului pentru care se calculeaz rezerva de plumb (Fig.2.43). Valoarea rezervei calculate variaz n funcie de caracteristicile reelei de discretizare (tabelul 2.12) din cauza erorilor introduse de metoda de interpolare (minime n cazul utilizrii kriging-ului).

169

Daniel Scrdeanu

a) b) Fig.2.42.Distribuia coninutului de plumb pe intervale valorice ale grupurilor G1 i G2.


Tabelul 2.12.Valoarea rezervelor de Pb

Nr. Crt . 1 2 3 4 5 6 7 8 9 10

nx [-] 10 20 30 40 50 60 70 80 90 100

ny [-] 10 20 30 40 50 60 70 80 90 100

[tf/m3] 1,20 1,20 1,20 1,20 1,20 1,20 1,20 1,20 1,20 1,20

Rez. [t] 34.55 36.58 38.22 35.65 35.98 37.00 36.58 37.08 36.01 36.58

Valorile din tabelul 2.12 pot fi calculate cu un program de tip SURFER care realizeaz att operaiunea de interpolare de tip kriging, pentru calculul distribuiei coninutului de plumb, ct i calculul rezervei. Valoarea medie a rezervei calculat pe baza celor zece valori din tabelul 2.12, la un risc al erorii de gradul I = 5%, este:
REZ ( plumb ) = 36,4 0,7 tone

Fig.2.43.Distribuia coninutului de plumb i conturul blocului pentru calculul rezervei.

170

Estimarea zonal
COMENTARIU

Problema central n calculul rezervelor de substane minerale utile este evaluarea corect a coninutului mediu dintr-un volum de minereu excavat. Pe baza acestui coninut mediu se estimeaz dac o acumulare de substane minerale utile este exploatabil. Corectitudinea determinrii coninutului mediu este premiza evalurii corecte a rezervelor unui zcmnt i a eficienei economice a exploatrii acestuia.
Kriging-ul zonal este metoda actual cea mai performant pentru evaluarea rezervelor de substane minerale utile!

Pentru atingerea parametrilor optimi ai estimrii rezervelor utiliznd krigingul zonal, un rol determinant l are separarea seleciei de date disponibile n grupe omogene din punct de vedere statistic (ex.: G1 i G2). Neomogenitatea distribuiei mineralizaiilor se poate manifesta sub dou aspecte distincte: cel spaial, evideniat prin variabiliti diferite de la o zon la alta a zcmntului (ex.: n nordul zcmntului s am un model al legitii variaiei spaiale cuantificat printr-un model de variogram sferic iar n sud printr-un model gaussian); cel valoric, manifestat prin variabiliti diferite pentru intervale valorice diferite (ex.: pentru valori ale coninutului n plumb mai mici de 0,1% modelul variabilitii spaiale s fie o variogram sferic iar pentru valori mai mari de 0,1% , modelul variabilitii spaiale s fie o variogram de tip linear).
Kriging-ul zonal permite estimarea optim a rezervelor prin reducerea variabilitii caracteristicii studiate!

Eliminarea valorilor extreme i normalizarea distribuiei seleciilor de date conduc la estimarea cu ajutorul kriging-ului zonal a celei mai probabile rezerve. Aceast rezerv este ns calculat pe baza unei selecii de date finite care nu surprinde ntotdeauna ntreaga variabilitate a zcmintelor.
Pentru protejarea investiiilor n domeniul exploatrilor miniere este necesar s fie evaluat riscul maxim pe care ni-l asumm prin exploatarea unui zcmnt!

Soluionarea acestei probleme se face prin simularea condiional a distribuiei spaiale a coninutului caracteristicii studiate. Simularea condiional ncearc s prognozeze variabilitatea maxim a zcmntului care poate fi sugerat de datele disponibile n limitele unei anumite legi de distribuie acceptate. Estimarea rezervelor se face pentru mai multe variante de variabilitate i se calculeaz un interval valoric n care acestea se pot plasa. Prin kriging zonal se calculeaz rezerva minimiznd eroarea de estimare iar prin simulare condiional se calculeaz rezerva n condiiile erorii maxime pe care o putem face pe utiliznd selecia de date disponibile. 171

Daniel Scrdeanu A25.Iniializarea parametric a modelelor numerice S se iniializeze distribuia transmisivitii acviferului cu nivel liber din interfluviul Ialomia-Dmbovia (zona Trgovite, cercetat prin 64 de foraje hidrogeologice; tabelul 2.13, Fig.2.44), pentru un model numeric n diferene finite. Tabelul 2.13.Forajele de explorare ale acviferului n zona Trgovite Foraj X Y T Foraj X Y T [m] [m] [m2/zi] [m] [m] [m2/zi] 1 17215.9 4809.0 1395.0 100 14488.6 10844.8 928.0 2 17386.4 4907.2 1466.0 101 14545.5 10746.7 1027.0 3 17613.6 5005.3 1531.0 102 14715.9 10648.5 634.0 4 17784.1 5103.4 1255.0 104 18977.3 9667.1 320.0 5 17784.0 5103.4 773.0 105 19375.0 9029.2 221.0 6 18693.2 4759.9 814.0 107 26761.4 6281.2 576.0 7 18893.2 4907.2 721.0 108 25909.1 7458.9 277.0 8 19034.1 5005.3 818.0 109 12159.1 5103.4 873.0 9 19034.1 5496.0 285.0 110 12102.3 5005.3 2304.0 10 19602.3 5643.2 1172.0 111 12045.5 4858.1 1067.0 11 19829.5 5790.5 1222.0 112 11647.7 4809.0 941.0 12 20056.8 5888.6 688.0 116 19375.0 13592.8 373.0 13 20340.9 6035.8 1047.0 117 20568.2 13396.6 136.0 14 20568.2 6183.0 18.5 119 23863.6 9618.0 319.0 15 20738.6 6281.2 1677.0 120 23181.8 8293.1 60.0 16 20909.1 6379.3 962.0 124 21818.2 3827.6 271.0 17 21136.4 6477.5 1525.0 128 18920.5 2600.8 12.5 18 21306.8 6673.7 1820.0 131 21875.0 10354.1 101.0 19 21477.3 6968.2 1113.0 132 22670.5 10844.8 85.0 20 21647.7 7017.2 698.0 133 18352.3 294.4 1339.0 21 21590.9 7262.6 1117.0 134 19488.6 883.3 3456.0 22 21875.0 7409.8 1810.0 135 20625.0 2208.2 85.0 23 22159.1 7508.0 470.0 138 25454.5 5790.5 176.0 24 22272.7 7557.0 777.0 154 16193.2 12562.3 580.0 25 22500.0 7753.3 645.0 155 14886.4 8636.6 420.0 26 16875.0 4122.0 835.0 156 8750.0 7655.2 460.0 27 16761.4 3974.8 255.0 157 9034.1 6771.9 398.0 29 16818.2 3631.3 969.0 159 11022.7 6771.9 880.0 83 14318.2 11531.8 760.0 160 10852.3 5692.3 143.0 84 17386.4 10452.3 629.0 161 13465.9 4956.2 233.0 86 17443.2 10943.0 1170.0 162 14715.9 4220.2 198.0 88 14772.7 10648.5 177.0 163 15000.0 3435.0 236.0 Rezolvare: Modelarea matematic a dinamicii acviferelor are ca obiectiv evaluarea principalelor caracteristici ale curgerii (direcii de curgere, viteze de curgere) pe baza parametrilor hidrogeologici determinai prin foraje hidrogeologice.

172

Estimarea zonal Iniializarea distribuiei transmisivitii pentru modelul n diferene finite al acviferului 15000 freatic din interfluviul IalomiaTRGOVITE Ialomia Dmbovia este prima operaiune care se realizeaz 10000 dup schematizarea domeniului spaial n care se studiaz curgerea. 5000 Dmbovia Domeniul spaial n care este construit modelul (delimitat 0 cu linie groas continu n 5000 10000 15000 20000 25000 Fig.2.44) este acoperit cu o Fig.244.Domeniul spaial al modelului reea ptratic de 116 celule cu hidrodinamic. dimensiunea 1000 x 1000 m. Iniializarea distribuiei transmisivitii pentru modelul n diferene finite presupune calculul valorii medii a transmisivitii acviferului n fiecare din cele 116 celule pe baza valorilor din cele 64 de foraje de cercetare (reprezentate prin triunghiuri negre n Fig.2.44 ). Calculul celor 116 valori ale transmisivitii se realizeaz prin kriging zonal, utilizndu-se modelul sferic de variogram al transmisivitii (Fig.2.45), cu parametrii: Efect de pepit =167200; Palier =285000; Raza de influen=5850 m

Fig.2.45.Variograma omnidirecional a transmisivitii Pentru calculul valorii medii a transmisivitii, pe fiecare celul s-au utilizat 16 puncte de discretizare a celulelor reelei de diferene finite, pentru a reduce la maximum erorile de estimare zonal. Distribuia celor 116 valori medii ale transmisivitii (tabelul 2.14) se poate reprezenta sub forma unei hri punctuale cu simboluri avnd dimensiunile proporionale cu valoarea transmisivitii (Fig.2.46) sau hri simbolice cu tonuri de gri 173

12000

7000

2000 10000 15000 20000 25000

Fig.2.46 Harta simbolic a transmisivitii din modelul cu diferene finite.

Daniel Scrdeanu

Tabelul 2.14.Rezultatele iniializrii parametrice a modelului numeric X Y T X Y T X Y T [m] [m] [m2/zi] [m] [m] [m2/zi] [m] [m] [m2/zi] 19666.7 1076.9 2876.0 12333.3 6461.5 673.0 22809.5 4307.7 410.6 18619.0 1076.9 1793.6 18619.0 2153.9 671.8 15476.2 8615.4 405.3 20714.3 1076.9 1719.7 18619.0 11846.2 660.2 21761.9 4307.7 403.9 21761.9 7538.5 1481.0 13381.0 8615.4 654.9 19666.7 8615.4 401.7 20714.3 6461.5 1196.8 16523.8 10769.2 654.3 18619.0 9692.3 383.8 21761.9 6461.5 1147.8 16523.8 6461.5 647.2 15476.2 3230.8 380.3 17571.4 4307.7 1127.4 17571.4 6461.5 645.4 19666.7 10769.2 375.1 17571.4 1076.9 1062.2 21761.9 8615.4 641.2 15476.2 9692.3 372.1 20714.3 7538.5 1040.7 20714.3 8615.4 637.3 23857.1 5384.6 366.2 19666.7 5384.6 1002.7 18619.0 10769.2 618.2 18619.0 8615.4 365.9 17571.4 5384.6 994.9 16523.8 4307.7 613.6 15476.2 10769.2 361.4 14428.6 10769.2 983.0 22809.5 6461.5 610.7 13381.0 5384.6 360.6 17571.4 10769.2 961.8 16523.8 12923.1 605.2 15476.2 4307.7 346.9 13381.0 10769.2 884.5 15476.2 12923.1 594.8 25952.4 5384.6 346.2 17571.4 11846.2 870.8 13381.0 7538.5 591.1 18619.0 3230.8 343.3 16523.8 5384.6 865.5 14428.6 9692.3 580.8 23857.1 6461.5 329.6 12333.3 10769.2 833.0 15476.2 11846.2 578.4 20714.3 9692.3 328.9 11285.7 7538.5 818.4 19666.7 4307.7 577.1 25952.4 6461.5 328.8 19666.7 6461.5 814.9 18619.0 6461.5 576.6 23857.1 9692.3 308.7 20714.3 5384.6 802.5 27000.0 6461.5 560.6 14428.6 5384.6 306.7 12333.3 9692.3 801.0 22809.5 5384.6 550.2 19666.7 9692.3 294.4 17571.4 2153.9 792.8 18619.0 7538.5 521.8 25952.4 7538.5 282.4 17571.4 3230.8 782.0 18619.0 5384.6 509.7 21761.9 9692.3 268.8 11285.7 9692.3 779.4 15476.2 6461.5 507.8 24904.8 5384.6 258.9 11285.7 8615.4 778.8 13381.0 6461.5 506.0 22809.5 8615.4 253.7 21761.9 5384.6 773.6 17571.4 7538.5 502.2 21761.9 3230.8 246.2 13381.0 9692.3 767.8 9190.5 7538.5 499.3 20714.3 10769.2 225.4 19666.7 2153.9 757.2 16523.8 7538.5 495.2 24904.8 6461.5 217.3 12333.3 8615.4 756.3 14428.6 8615.4 494.7 23857.1 7538.5 215.6 18619.0 4307.7 755.2 22809.5 7538.5 494.5 22809.5 9692.3 211.5 16523.8 2153.9 738.4 15476.2 5384.6 485.2 14428.6 4307.7 208.8 16523.8 3230.8 737.8 14428.6 7538.5 482.8 24904.8 7538.5 205.8 12333.3 7538.5 729.6 17571.4 9692.3 476.0 20714.3 2153.9 192.9 11285.7 6461.5 718.6 20714.3 4307.7 462.3 19666.7 3230.8 191.0 16523.8 11846.2 714.7 15476.2 7538.5 461.0 23857.1 8615.4 150.7 14428.6 11846.2 713.3 16523.8 9692.3 445.6 20714.3 3230.8 136.8 10238.1 8615.4 702.8 14428.6 6461.5 433.1 21761.9 10769.2 101.8 19666.7 7538.5 690.6 16523.8 8615.4 420.1 10238.1 7538.5 679.0 17571.4 8615.4 419.1

174

Estimarea zonal
2800

Ialomia
15000

2600 2400 2200 2000 1800

Dmbovia

10000

1600 1400 1200

5000

1000 800 600 400

10000

15000

20000

Fig.2.47.Harta simbolic a transmisivitii acviferului freatic n modelul cu diferene finite sau culori (Fig.2.47). Pe harta simbolic sunt suprapuse: reeaua de discretizare i cele 64 foraje hidrogeologice de explorare. Programele de calcul utilizate pentru modelarea matematic a proceselor dinamice i chimice din sisteme acvifere (ex.: Visual Modflow, SUTRA etc.) au posibilitatea de a prelua valorile transmisivitilor calculate cu programe de tip SURFER i salvate n fiierele de tip reea (GRD). COMENTARIU Modelarea matematic a proceselor geologice se bazeaz pe legiti fizicochimice fundamentale, pe un domeniu spaial precis localizat i o distribuie parametric specific. Cea mai performant metod actual de estimare a distribuiei parametrice specifice pentru domeniul spaial al unui model numeric este kriging-ul zonal! Evaluarea distribuiei transmisivitii pentru acviferul cu nivel liber din interfluviul Ialomia-Dmbovia este un exemplu de aplicare corect a metodologiei de iniializare parametric a unui model n diferene finite cu valorile unuia (transmisivitatea acviferului) din multitudinea de parametri necesari acestuia. Metoda de interpolare utilizat, kriging-ul zonal, este aceeai utilizat pentru calculul rezervelor i este cea mai performant metod de interpolare. Analog, se pot iniializa pentru orice model matematic parametri precum: temperatura, concentraia diferitelor substane poluante n aer sau sol, starea de eforturi n masivele de roci, coninuturile n metale ale filoanelor etc. Avantajul utilizrii kriging-ului ca metod de interpolare const n posibilitatea evalurii erorilor de estimare asociate distribuiei estimate a parametrilor.

25000

5000

200

175

3. ERORILE ESTIMRII DISTRIBUIEI SPAIALE Estimarea distribuiei spaiale a unei variabile este afectat n mod inevitabil de erori din cauza informaiei incomplete. Extraordinara variabilitate spaial a caracteristicilor unui proces natural nu poate fi descris fr erori dect dac se fac msurtori n toate punctele domeniului spaial n care acesta este studiat. Dac am ti prin msurtori ce caracteristici are procesul studiat n fiecare punct al domeniului studiat obiectul estimrii geostatistice ar dispare i geostatisticianul de asemenea. Din fericire pentru geostatisticieni acest lucru nu este posibil, din cauza costurilor prohibitive ale unei probri exhaustive. Dispunnd de un numr limitat de valori ale caracteristicii studiate trebuie s adoptm un model de variabilitate spaial (variograma) despre care am vzut c este aproximativ, s acceptm ipoteze de lucru care sunt adaptate mai mult sau mai puin datelor prelucrate (normalitatea, staionaritatea etc.), s ne asumm un risc n estimrile realizate ( - riscul erorii de genul I). Studiul erorilor de estimare a distribuiei spaiale are ca obiectiv reducerea acestora la minimum i se realizeaz n dou etape distincte: calculul erorilor, etap n care se utilizeaz kriging-ul pentru a extrage maximum de informaie din datele disponibile; reducerea erorilor calculate n etapa anterioar prin completarea datelor disponibile cu altele suplimentare. 3.1. CALCULUL ERORILOR Este obligatoriu ca studiul erorilor s debuteze cu calculul acestora. Fazele acestei etape de prelucrare sunt urmtoarele: identificarea factorilor care determin mrimea erorii de estimare; definirea metodelor de reducere a erorilor de estimare; cuantificarea erorilor de estimare Factorii care determin mrimea erorii de estimare. Principalii factori care influeneaz mrimea erorii de estimare sunt: numrul valorilor utilizate pentru estimare, dispoziia spaial a punctelor de observaie din vecintatea ariei de estimare, natura variabilitii (modelul de variogram) caracteristicii studiate i suportul estimrii. La nivel calitativ este evident c eroarea de estimare ntr-un punct p (Fig.3.1) va fi maxim n cazul utilizrii unei singure valori (Fig.3.1a), redus n cazul utilizrii a patru valori grupate, spre exemplu, n NV-ul punctului p (Fig.3.1b) i minim n cazul plasrii punctului p n centrul unui cerc pe circumferina cruia sunt plasate cele patru valori (Fig.3.1c). Natura variabilitii caracteristicii studiate (cuantificat n modelul de variogram) este un factor de mare complexitate. Dac se opereaz cu variabile cu o bun continuitate i variabilitate redus estimrile sunt afectate de erori mici. Trebuie ns avut n vedere c Fig. 3.1.Efectul numrului i distribuiei natura variabilitii se poate punctelor asupra erorii de estimare 176

Calculul erorilor modifica de la o zon la alta a suprafeei cercetate. n practic, deseori se utilizeaz acelai model de variogram pentru ntreaga suprafa cercetat, ceea ce n cazul neomogenitii structurale este neadecvat. Chiar dac modelul de variabilitate se pstreaz, multe categorii de parametri prezint efectul de proporionalitate (corelaia ntre varian i valoarea parametrului) care afecteaz i el semnificativ eroarea de estimare. Asociai i cu efectul suportului de estimare care implic o tratare detaliat, toi aceti factori interacioneaz ntr-un mod complex care trebuie analizat pentru fiecare estimare n parte, situaiile fiind diversificate: pentru parametri cu o bun continuitate i variabilitate redus este preferabil unui numr mare de valori plasate la mare distan de punctul de estimare, un numr redus de valori msurate n imediata vecintate a acestuia; pentru parametri cu continuitate redus i variabilitate accentuat este preferabil s se dispun de mai multe valori msurate, plasate la distan mare de punctul de estimare; pentru parametri cu o bun continuitate i variabilitate redus valorile msurate pe locaii apropiate sunt redundante n timp ce pentru parametri cu variabilitate accentuat aceleai valori pot s nu fie redundante. Toate aceste consideraii de natur calitativ trebuie avute n vedere la utilizarea diferitelor instrumente de cuantificare a erorilor de estimare. Influena dimensiunii suportului estimrii este proporional cu diferena dintre volumul spaial asociat valorilor msurate i volumul spaial asociat valorii estimate. Eliminarea total a efectului dimensiunii suportului valorilor msurate asupra estimrilor presupune egalitatea ntre dimensiunea suportului acestora i suportul estimrilor. n cazul n care valorile msurate au suport punctual (ex.: grosimea unui strat de argil msurat ntr-un foraj, coninutul de brom determinat ntr-o prob de ap recoltat dintr-un pu, sarcina piezometric msurat n forajele hidrogeologice etc.) iar estimrile sunt punctuale, influena suportului este nul. Efectul suportului intervine semnificativ cnd pe baza unor valori punctuale (ex.: valori ale proprietilor fizico-chimice determinate n probe prelevate din foraje) se estimeaz valoarea medie pe o suprafat (ex.: delimitarea zonei cu anumite caracteristici chimice maximale admise de STAS-ul de potabilitate a apei). Situaii similare apar atunci cnd pe baza parametrilor hidrogeologici (transmisivitate, difuzivitate hidraulic etc.) determinai prin testri hidrodinamice se iniializeaz parametric modelele de simulare numeric a dinamicii acviferelor. n aceste situaii suportul asociat valorilor parametrilor determinai este aria de influen a pomprilor executate, diferit de suprafaa elementelor utilizate pentru discretizarea acviferului modelat. Eliminarea erorilor introduse de diferena dintre suportul valorilor msurate i cel al estimrilor presupune adoptarea unei funcii care s exprime efectul dimensiunii suportului asupra distribuiei valorilor estimate. Alegerea acestei funcii se face innd seama de particularitile structurii variabilei studiate. Dac de cele mai multe ori valorile msurate sunt asociate unor suporturi punctuale, n estimare, pentru creterea reprezentativitii evalurilor i reducerea volumului de calcule, se recurge la suporturi areale. Creterea dimensiunii suportului valorilor utilizate n estimrile geostatistice are ca rezultat: meninerea valorii medii a seleciei de date primare;

177

Daniel Scrdeanu reducerea amplitudinii seleciei de valori utilizate pentru estimare prin reducerea valorii maxime; creterea valorii minime; reducerea dispersiei; reducerea asimetriei (diferena dintre medie i median). Reducerea dispersiei i asimetriei depinde de gradul de continuitate i Fig. 3.2.Efectul creterii suportului asupra distribuiei particularitile structurale ale valorilor necorelate spaial: variabilelor: a - variograma valorilor punctuale; pentru variabile cu b - histograma valorilor punctuale; structurare spaial slab c - histograma valorilor medii pe blocuri de 10x10 (variogram efect de pepit total din Fig.3.2a) creterea suportului conduce rapid la reducerea asimetriei (Fig.3.2b, c); pentru variabile cu o structurare spaial bun (Fig.3.3a) efectul creterii suportului asupra dispersiei i asimetriei este redus (Fig.3.3b, c). Variograma este un Fig. 3.3.Efectul creterii suportului asupra instrument de mare eficien n distribuiei valorilor corelate spaial: evaluarea efectului dimensiunii a - variograma valorilor punctuale; suportului, singura informaie b - histograma valorilor punctuale; care scap variogramei fiind cea c - histograma valorilor medii pe blocuri(10 x10) a modului de corelare a valorilor extreme, cu influen semnificativ ns asupra modificrii gradului de simetrie al distribuiei. Modalitile de reducere a erorilor de estimare. Exist dou categorii de metode de reducere a erorilor de estimare cu aplicabilitate general: cele de corecie a efectului de suport i de corecie a distribuiei frecvenelor valorilor prelucrate. Metodele de corecie a efectului de suport au dou caracteristici principale: pstreaz neschimbat valoarea medie de selecie i ajusteaz variana seleciei cu un anumit factor care reprezint raportul dintre variana proprie suportului de estimare i variana total a seleciei. Ele difer prin modul n care acioneaz asupra simetriei seleciilor i sunt alese n funcie de particularitile spaiale ale variabilei eantionate, parial coninute n modelul de variogram: dac valorile au o slab corelaie spaial se alege un procedeu de corecie care reduce asimetria proporional cu creterea dimensiunii suportului; dac valorile sunt bine corelate se aleg proceduri de corecie care nu modific simetria seleciei de valori.

178

Calculul erorilor Corecia afin este unul din cele mai simple procedee de corectare a efectului de suport care nu modific simetria. Ideea de baz este c variana distribuiei trebuie redus prin gruparea valorilor seleciei n jurul mediei. Corecia afin transform o valoare a unei distribuii v n alta, v', utiliznd formula linear:
v = f (v m ) + m ,

(3.1)

n care: m - media ambelor selecii (neschimbat n urma coreciei afine); f - factorul de transformare al varianei; Dac 2 este variana primei distribuii, variana valorilor transformate utiliznd factorul f este:

( )2

= f 2

(3.2)

Utiliznd transformarea (3.1) este evident c diagrama v-v' este o dreapt, deci prin corecia afin nu se modific nici legea de distribuie a valorilor i nici simetria ei. Corecia afin este recomandat s fie utilizat cu factori de corecie mari i pentru valori de prag apropiate de valoarea medie. Corecia lognormal modific simetria distribuiei iniiale i este aplicabil numai pentru valori cu distribuie lognormal. Ideea de baz este c efectul creterii suportului este similar cu reducerea varianei ntr-o distribuie lognormal. Acest efect se materializeaz n reducerea gradului de asimetrie, n condiiile meninerii mediei de selecie. Formula de transformare n cazul coreciei logaritmice este:
v = a v b ,

(3.3)

n care coeficienii a i b sunt calculai cu relaiile: a= c 2 +1 v m f c v2 + 1 m


b

(3.4)

i
b= ln f c v2 + 1 ln c + 1
2 v

),

(3.5)

n care cv este coeficientul de variaie. Deoarece coeficientul a calculat cu relaia (3.4) pstreaz media neschimbat numai n cazul unei distribuii lognormale a valorilor originale, orice abatere de la distribuia lognormal trebuie corectat cu relaia:

v =

m v , m

(3.6)

179

Daniel Scrdeanu n care m' este media valorilor transformate. Dac distribuia valorilor originale este lognormal, raportul celor dou medii este unitar. Prin corecia lognormal crete simetria valorilor transformate o dat cu reducerea varianei datorat creterii suportului. Corecia este sensibil la valori de prag extreme. Factorul de corecie este raportul dintre variana valorilor variabilei msurate n interiorul suportului de estimaie (B) i variana total calculat pe toat suprafaa (A) n funcie de suportul valorilor originale (P):

f =
n care:

2 ( B, A ) , 2 ( P, A )

(3.7)

B - suportul de estimare; P - suportul valorilor msurate (n general punctual); A - suprafaa total explorat (Fig.3.4). Dispersia seleciei de valori (2(P,A)) are dou componente n cazul separrii suprafeei n mai multe blocuri (B1, B2, B3, B4 n Fig.3.4): - variana n interiorul blocurilor 2 ( (P,B)); - variana dintre blocuri (2(B,A)), ntre care exist relaia:

(P , A ) = ( P , B ) + ( B , A ) .
2 2

(3.8)

Fig. 3.4.Descompunerea varianei totale

n mod clasic, componentele varianei pentru exemplul din Fig.3.4 se calculeaz dup relaiile cunoscute:

1 n 1 12 (P , A) = (vi m ) , n care m = vi 12 i =1 12 i =1
2

(3.9)

2 ( P, B ) =

1 (v1 mB1 )2 + (v2 mB1 )2 + (v3 mB1 )2 + (v4 mB 2 )2 + (v5 mB 2 )2 + 12 2 2 2 2 2 2 2 + (v6 mB 2 ) + (v7 mB 3 ) + (v8 mB 3 ) + (v9 mB 3 ) + (v10 mB 3 ) + (v11 mB 4 ) + (v12 mB 4 )

{[ ] [

] [

] [

]}

(3.10)

2 ( B, A) =
n care:

1 (m B1 m)2 + (m B 2 m)2 + (m B3 m)2 + (m B 4 m)2 , 4

(3.11)

m B1 =

1 (v1 + v 2 + v3 ) 3

(3.12)

180

Calculul erorilor

mB2 = m B3

1 (v 4 + v5 + v6 ) 3 1 = (v 7 + v8 + v9 + v10 ) 3 1 (v11 + v12 ) 3

(3.13) (3.14)

mB4 =

(3.15)

Variana pentru orice suprafa, adic pentru orice suport, poate fi estimat din variograma de a crei relaie de definiie este direct legat:

2 ( P, A ) =
Rezult c :

1 n 1 n 2 2 ( ) v m = vi m 2 i n i =1 n i =1

cu

m=

1 n vi n i =1

(3.16)

1 n 1 n 2 1 n 2 1 1 n vj 2 (P, A) = vi2 vi = vi + 2n 2n i =1 n i =1 n j =1 n i =1
2

vv
i =1 j =1

i j

= =

1 2n 2 1 2n 2

vi2 +
i =1 j =1

1 2n 2

v 2j
j =1 i =1

2 2n 2

vv
i =1 j =1

i j

(3.17)
n n 2

n n n n 2 n n 2 1 vi + v j 2 vi v j = 2 2n j =1 i =1 i =1 j =1 i =1 j =1

(v v )
i =1 j =1 i j

care este similar cu relaia de definiie a variogramei :

(h ) =

1 (vi v j )2 . 2 N (h ) (i , j ) hij = h

(3.18)

Variana i variograma sunt medii ale unor diferene de ptrate pentru toate perechile de valori separate de o anumit distan. Variana poate fi considerat ca un fel de variogram care ia n calcul perechile de valori pentru care hij este coninut n suprafaa explorat (A din Fig.3.4):

2 (P , A ) =

1 (vi v j )2 . 2 N ( A) (i , j ) hij = h

(3.19)

Pentru calculul varianei pe baza variogramei se parcurg urmtoarele etape de prelucrare: Calculul variogramei experimentale pe baza tuturor valorilor primare disponibile. Modelarea variogramei experimentale. Discretizarea suprafeei fiecrui bloc n care este mprit suprafaa total. Numrul de puncte de discretizare (n) este n funcie de extinderea blocului i de numrul valorilor msurate. Medierea celor n2 valori ale variogramei modelate cu relaia: 181

Daniel Scrdeanu

( (P , A))

1 n n (hij ) ; hij A n 2 i =1 j =1

(3.20)

Cu ecuaia (3.20) pot fi calculate cele dou componente ale varianei necesare estimrii factorului de corecie definit de relaia (3.7): - 2(P,B) se calculeaz prin discretizarea fiecrui bloc prin cteva puncte i calculul mediei valorilor variogramelor obinute din model; - 2(P,A) poate fi calculat cu relaia clasic (8.9) sau cu ajutorul variogramei. Metodele de corecie a efectului distribuiei frecvenei valorilor reduc erorile asociate estimrilor locale sau zonale realizate prin kriging. Erorile de estimare sunt condiionate de cunoaterea distribuiei valorilor estimate (necunoscute). Instrumentele utilizate pentru determinarea distribuiei valorilor estimate sunt aceleai utilizate pentru estimrile punctuale sau zonale, dar aplicate valorilor msurate, transformate n indicatori. Exist dou categorii de metode pentru estimarea funciei de distribuie a valorilor estimate: metode neparametrice, cu o descriere incomplet a distribuiei prin calculul funciei de frecven cumulat (F(v)) pentru diferite valori ale variabilei v; metode parametrice care utilizeaz modelul funciei aleatoare i permit determinarea unei funcii de distribuie pentru orice valoare a variabilei v. Cea mai grosier metod pentru estimarea distribuiei valorilor necunoscute (estimate) este utilizarea histogramei valorilor msurate. Aceast variant ignor complet posibilitatea modificrii caracterului distribuiei prin contribuia valorilor necunoscute i influena geometriei punctelor de probare disponibile. Eliminarea influenei gruprii neadecvate a punctelor de probare poate fi realizat prin estimarea punctual a valorilor variabilei studiate n nodurile unei reele regulate. Aceast metod conduce la reducerea variabilitii reale a variabilei studiate prin netezirea proprie metodelor de interpolare geostatistice. Gradul de netezire al estimrilor este proporional cu numrul de valori utilizate n combinaiile lineare. Soluia problemei estimrii corecte a proporiei pe care o reprezint valorile aflate sub o anumit valoare de prag se afl n nelegerea modului n care se procedeaz cnd avem la dispoziie o selecie exhaustiv asupra variabilei v. Pentru valoarea vp , valoarea funciei de distribuie se calculeaz cu relaia:
1

F v p1 =

( )

Nv p1 n

(3.21)

n care: Nv p - numrul de valori mai mici dect valoarea v p ; n - numrul total de valori ale variabilei v. Introducem noiunea de variabil indicatoare (i) sub forma:
1 1

1, dac v j v p1 ij = 0, dac v j > v p1

(3.22)

182

Calculul erorilor Utiliznd aceast convenie harta punctual a variabilei se transform ntr-o hart indicatoare cu dou simboluri: 0 i 1. Numrul valorilor mai mici ca valoarea de prag vp1 se calculeaz cu relaia:

Nv p1 = i j ,
j =1

(3.23)

iar proporia acestora n numrul total de valori cu relaia:

F v p1 =

( )

i
j =1

(3.24)

Acest procedeu se repet pentru orice vp transformndu-se valorile v1, v2,..., vn n indici: i1(vp),..., in(vp) cu relaia general:
1, dac v j v p i j (v p ) = 0 , dac v j > v p

(3.25)

iar funcia de frecven cumulat se calculeaz cu relaia:

F (v p ) =

1 n i j (v p ). n j =1

(3.26)

Funcia de frecven cumulat (Fig.3.5), pentru valori mai mici dect valoarea de prag vp1, este zero, la vp2 sare la 1/n i continu cu salturi de 1/n pn la valoarea de prag vpk cnd ia valoarea 1 dac vpk este mai mare sau egal cu valoarea maxim a seleciei. n acest mod se transfer noiunea de proporie a valorilor aflate sub un anumit prag n cea de medie a unui indicator care permite adaptarea metodelor de estimare pentru precizarea complet a distribuiei valorilor necunoscute.

Fig. 3.5.Funcie de frecven pentru reea de probare uniform

Estimarea distribuiei cumulative globale este necesar pentru evaluarea preciziei estimrilor pe suprafee mari. Pentru o valoare de prag vp orice variabil continu V poate fi transformat ntr-un indicator I(vp) utiliznd ecuaia (3.25). Deoarece n practic nu avem acces la o selecie exhaustiv, se poate realiza o estimare a proporiei reale a valorilor plasate sub o anumit valoare de prag printr-o mediere ponderat a indicatorului:

F (v p ) = w j i j (v p ), cu w j = 1
n n j =1 j =1

(3.27)

183

Daniel Scrdeanu

Estimatorul funciei frecvenei cumulative globale este format din n termeni cu ponderi diferite n funcie de distribuia spaial a punctelor de observaie.( n raport cu valorile variabilei cercetate.) Dac valorile disponibile v1, v2, v3,...,vn sunt plasate ntr-o reea regulat ponderile vor fi egale w1 = w2 =...= wn = 1/n. Dac reeaua de observaie este neregulat i punctele sunt localizate preferenial n zone cu valori mari, ponderea valorilor mici va fi subestimat. n caz contrar, dac punctele sunt plasate n zone cu valori mici, ponderile vor fi supraestimate. Cnd se estimeaz proporia global a valorilor plasate sub o anumit valoare de prag dintr-o selecie de date clusterizate este dificil de extras un set cu distribuie regulat i se prefer ponderarea valorilor disponibile prin metoda declustering-ului poligonal sau celular. n aceast variant saltul funciei cumulative la fiecare valoare de prag este diferit i diferit de 1/n (Fig.3.6). Pentru descrierea distribuiei cumulative globale se utilizeaz n mod suplimentar variana de dispersie (*)2 i Fig. 3.6.Funcie de frecven pentru reea de probare neuniform coeficientul de asimetrie (*) calculate cu relaiile clasice:

( ) = w (v
2 n j =1 j

(3.28)

i:

w (v
n j =1 j

( )

(3.29)

n care: m* - media estimat a valorilor msurate; wj - ponderile estimate prin declustering poligonal/celular.

Estimarea distribuiei cumulative locale este necesar pentru evaluarea preciziei estimrilor zonale. Cunoaterea distribuiei locale este deosebit de important n studiile ambientale pentru estimarea corect a concentraiei de poluant n ariile de interes. Proporia valorilor situate sub o anumit valoare de prag fiind media indicilor, este posibil utilizarea indicatorilor valorilor disponibile din vecintatea ariei de interes pentru estimarea funciei distribuiei locale. n Fig.3.7 este desenat o suprafa de form neregulat explorat n interior i exterior prin zece puncte de observaie n care sunt msurate valorile unei variabile. Pentru estimarea frecvenei corespunztoare a dou valori de prag, vp1 = 190 i

184

Calculul erorilor vp2 = 200, este exemplificat modul de calcul al funciilor de frecven F*(190) = 0,50 i F*(200) = 0,40. Alegerea valorilor de prag este determinat nu numai de realizarea curbei frecvenelor cumulate (care nu este un scop n sine), ci i de obiectivele estimrii. n evaluarea calitii apei unui acvifer, valorile de prag pot fi limitele maxime i minime ale anumitor parametri fizico-chimici Fig. 3.7.Estimarea frecvenei cumulate locale pentru ai apei. Pentru evaluarea dou valori de prag rezervelor unui zcmnt, valoarea de prag poate fi valoarea coninutului minim exploatabil . Dac nu exist astfel de raiuni practice care s determine alegerea valorilor de prag, acestea se aleg n numr de 9 corespunztor celor 9 decile ale seleciei studiate. Pentru estimarea unei curbe complete este necesar interpolarea ntre punctele estimate i extrapolarea naintea primului i dup ultimul punct estimat. Aceste interpolri i extrapolri presupun adoptarea unor ipoteze n legatur cu distribuia valorilor necunoscute ncadrate ntre dou limite clare: zero (valoarea minim) i unu (valoarea maxim). Realismul interpolrilor i extrapolrilor este asigurat de identificarea corect, de obicei prin intermediul variogramei indicatoare, a legitii de distribuie spaial a variabilei studiate. Transformarea valorilor variabilelor exprimate n indici, corespunztori diferitelor praguri valorice (vp), permite identificarea legilor de distribuie spaial a diferitelor categorii de valori. Utilizarea variogramelor indicatoare stabilite pentru indicii diferitelor praguri valorice este o caracteristic proprie kriging-ului. Metoda poligonal sau metoda inversului distanei atribuie valorilor msurate aceeai pondere n procesul de interpolare pentru orice prag valoric (vp). n kriging-ul ordinar ponderile acordate indicilor din vecintatea punctelor de estimare sunt dependente de modelul de variogram corespunztor pragului valoric utilizat. Sunt multe situaii n care modelele de continuitate (variogramele) difer semnificativ de la o valoare de prag la alta. n zcmintele de petrol fisurate permeabilitatea ridicat poate corespunde fisurilor, n timp ce permeabilitatea redus poate fi datorat lentilelor de argil (Fig.3.8a). O hart indicatoare pentru o valoare de prag ridicat a permeabilitii poate separa sistemele de fisuri de restul zcmntului, indicnd zonele fisurate (permeabilitate maxim) prin zero-uri iar restul zcmntului prin 1 (Fig.3.8b). Harta indicatoare pentru valori de prag reduse ale permeabilitii separ intercalaiile de argile sub forma unor zone marcate prin simbolul 1 (Fig.3.8c). Tipurile de continuitate din hrile indicatoare vor reflecta stilul structural al sistemelor de fisuri (Fig.3.8b) i caracterul depoziional al intercalaiilor argiloase (Fig.3.8c).

185

Daniel Scrdeanu

Fig. 3.8.Hri indicatoare pentru diferite valori de prag: a - zonele fisurate i lentilele de argil; b - hart simbolic pentru permeabilitate mare; c - hart simbolic pentru permeabilitate sczut.

Variogramele indicatoare experimentale calculate pentru hrile indicatoare sunt n general mai bine corelate dect variogramele experimentale calculate pe baza valorilor brute msurabile. Att timp ct indicii nu pot avea dect valoarea 1 i 0, variograma indicatoare este mai puin afectat de valorile extreme, posibil aberante, ale variabilei studiate. Structurile reflectate de variogramele indicatoare pot fi afectate de gruparea spaial preferenial a punctelor de observaie. Modelul de variogram valabil pentru toate valorile de prag este obinut n mod curent din harta indicatoare a unei valori de prag apropiat de valoarea medianei. Kriging-ul aplicat indicilor i care folosete variograme distincte pentru fiecare valoare de prag poart denumirea de kriging indicator. Numai n cazul n care variogramele tuturor valorilor de prag sunt similare este acceptabil utilizarea unui singur model de continuitate (variogram) pentru toate valorile de prag, i anume cel corespunztor valorii de prag egal cu mediana seleciei. Estimrile realizate prin kriging indicator trebuie s respecte dou condiii principale: proporia valorilor negative i supraunitare pentru orice valoare de prag trebuie s fie zero. Utilizndu-se diferite modele de variogram funcie de valoarea de prag, estimrile kriging-ului indicator nu respect ntotdeauna aceast condiie, corecia realizndu-se prin egalarea cu zero a valorilor negative i cu unu a valorilor supraunitare. proporia valorilor estimate sub o anumit valoare de prag vp1 trebuie s fie mai mic dect a celor plasate sub o valoare de prag mai mare vp2.
F v p1 < F v p2 ; v p1 < v p2

( )

( )

(3.30)

O modalitate de satisfacere a acestei condiii este utilizarea doar a ponderilor pozitive a cror sum este unitar i a aceleiai ponderi pentru toate valorile de prag (caracteristic metodei inversului distanei sau metodei poligonale). n cazul kriging-ului indicator, chiar dac se utilizeaz acelai model de variogram (variograma indicatoare pentru valoarea de prag egal cu mediana), aceast a doua condiie nu este ndeplinit. Abaterile introduse fiind reduse ele pot fi eliminate uor prin procedee matematice simple.

186

Calculul erorilor
Cuantificarea erorilor de estimare Toate metodele de cuantificare a erorilor opereaz cu noiunea de eroare de estimare definit de relaia:
e = v v ,

(3.31)

v* - valoarea estimat; v - valoarea real. Astfel definit, eroarea nu poate fi calculat pentru c nu se cunoate valoarea real n punctul de estimare (v). Exprimarea erorii se face prin indici de incertitudine i intervale de ncredere pentru valorile estimate. Indicii de incertitudine se stabilesc funcie de factorul care influeneaz precizia estimrii. Valoarea indicilor incertitudinii nu are importan, indicii fiind utilizai doar pentru compararea erorilor comise la estimarea variabilei n diferite puncte. Cel mai simplu indice de incertitudine este definit n raport cu numrul de valori utilizate la estimare:
I 1 = n p0

n care:

(3.32)

n care npo este numrul de valori msurate din vecintatea punctului de estimare (po). Valorile estimate (v*) asociate cu un indice I1 mare au erori de estimare mici i invers. inndu-se seama de distana dintre punctele de observaie i punctul de estimare se definete indicele de incertitudine:

I2 =

1 , d

(3.33)

n care d este media distanelor de la punctul de estimare (po) la punctele de observaie din vecintate. Pe msur ce aceast medie crete, deci indicele I2 descrete, eroarea de estimare este mai mare. Dei I1 i I2 cuantific influena a doi factori eseniali ai preciziei de estimare, ei nu pot cuantifica interaciunea acestor factori, i nici influena structurii spaiale a variabilei asupra rezultatelor probrii. Un al treilea indice al incertitudinii de estimare, care ine seama i de interaciunea principalilor factori, este:

~2 = c ~ + ~ 2 wc I3 = wi w j c i ~i 0 , R ij 00
i =1 j =1 i =1

(3.34)

n care: ~ 2 - variana erorii de estimare modelat; R ~ c00 - variana modelat a valorilor msurate; ~ - covariana modelat a valorilor msurate; c ij ~ ci 0 - covariana modelat dintre valorile msurate i punctul de estimare; wi,wj - ponderile acordate valorilor msurate, a cror sum este unitar.

187

Daniel Scrdeanu Intervalul de ncredere este utilizat pentru exprimarea valorii absolute a erorii de estimare pentru c ierarhizarea gradului de incertitudine al valorilor estimate nu este totdeauna suficient pentru luarea unor decizii. Un interval de ncredere const ntr-o valoare minim i una maxim i n probabilitatea cu care valoarea real se plaseaz n acest interval. Calculul intervalului de ncredere pentru o valoare estimat prin kriging se realizeaz cu relaia: ~ (3.35) v 2 R
care presupune c erorile de estimare au o distribuie normal, variana de estimare modelat este o evaluare corect a erorilor de estimare reale i c probabilitatea ca valoarea real s fie cuprins n acest interval este de 95%. Estimarea corect a intervalului de ncredere este determinat de alegerea modelului de variogram i stabilirea corect a distribuiei erorilor de estimare care se presupune similar cu distribuia valorilor estimate. Utilizarea varianei erorilor de estimare modelat (2R) pentru estimarea intervalului de ncredere impune ca valoarea maxim a varianei modelate s fie o estimare corect a varianei totale (efectul de scar). Diferena dintre variana erorilor reale de estimare i cele estimate pe baza modelului probabilist este determinat de diferena dintre palierul modelului de variogram i variana total real. Dei valoarea palierului variogramei nu afecteaz valoarea estimat, ea este proporional cu variana estimrii. Interval de ncredere pentru media global. Estimarea mediei globale pentru o suprafa A cu caracteristici statistice uniforme poate fi suplimentat cu evaluarea intervalului de ncredere asociat unei anumite erori de genul I, adecvat nivelului de precizie necesar ntr-o anumit etap a cercetrii. Suprafaa de calcul a mediei globale poate fi cea a unui bloc de exploatare dintr-un zcmnt de plumb sau zona contaminat cu petrol dintr-un acvifer freatic n care este necesar evaluarea grosimii medii a stratului de hidrocarburi acumulat la partea superioar a acviferului. n fiecare din aceste cazuri asocierea valorilor medii ale variabilei pe suprafaa studiat cu un interval de ncredere aduce un plus de rigoare estimrii. Pentru calculul mediei globale exist un singur set de date. n acest context evaluarea intervalului de ncredere care se fundamenteaz pe ideea de repetabilitate se justific totui prin faptul c pot exista suprafee similare din punct de vedere statistic i c pe aceeai suprafa s-ar putea obine i alte seturi de date. Noiunea de interval de ncredere al mediei globale poate fi deci interpretat ca o cuantificare a fluctuaiilor n estimarea mediei globale de la un set de date la altul prelevate de pe aceeai suprafa sau de la o regiune la alta, similare din punct de vedere statistic. Calculul intervalului de ncredere al mediei globale se bazeaz pe variana erorilor de estimare calculat cu formula:

~2 = c ~ + ~ 2 wc wi w jc i ~iA , R AA ij
i =1 j =1 i =1

(3.36)

n care: A - suprafaa pe care se estimeaz media global; ~ - media covarianelor modelate pentru ntreaga suprafa studiat, c AA ~ cij - covariana ntre toate punctele probate; 188

Calculul erorilor
- media covarianelor dintre valorile din punctele probate i cele de discretizare. Calculul varianei erorilor de estimare prin intermediul formulei (3.36) presupune c suma ponderilor (wi) este unitar, variabila a crei medie se calculeaz este staionar, iar modelul de covarian este corect ales. Evaluarea intervalului de ncredere pentru media global pe baza relaiilor (3.35) i (3.36) permite o estimare a fluctuaiilor acesteia pe baza modelului funciei aleatoare care de cele mai multe ori conduce la o supraevaluare a acestui interval. Experimental se constat c variana erorii de estimare a unor alte seturi de date realizate pe aceeai suprafa este mai mic dect cea prognozat pe baza modelului funciei aleatoare. Din pcate, de cele mai multe ori nu avem acces la o nou probare pe suprafeele studiate i deci nici posibilitatea de a corecta variana erorii de estimare. Interval de ncredere local. Evaluarea intervalului de ncredere pentru media global presupune o configuraie spaial similar pentru ntreaga suprafa studiat, dar n anumite circumstane particularitile locale trebuie luate n considerare. Dac n general distribuia erorilor este simetric acest lucru nu este valabil n toate zonele suprafeei studiate. Din acest motiv, n zonele cu valori mici crete probabilitatea supraevalurilor, iar n cele cu valori mari a subevalurilor. La nivel local presupunerea normalitii distribuiei erorilor este acceptabil doar n cazul anumitor proprieti geometrice, cum ar fi grosimea unui strat de crbune ntr-un zcmnt stratiform, adncimea unui reper stratigrafic etc. Chiar dac acceptm normalitatea distribuiei erorilor, exist dificulti n calculul varianei locale. Dac intenionm s aplicm formula (3.35) pentru evaluarea intervalului de ncredere local, trebuie s ne asigurm c modelul de variogram pe care l utilizm este reprezentativ pentru caracteristicile spaiale ale zonei respective. Cea mai simpl variant pentru soluionarea acestor probleme este acceptarea ipotezei c modelul de variogram este acelai pentru ntreaga suprafa, diferena de la o zon la alta fiind dat numai de parametrii acestuia i n special de palier. Se definete un model de variogram relativ, cu palierul unitar, a crei form descrie particularitile spaiale ale variabilei i care se utilizeaz pentru generarea ecuaiilor sistemului de kriging. n mod practic, modelul variogramei relative se obine prin divizarea coeficienilor modelului variogramei absolute prin valoarea palierului. Variana erorii de estimare care se obine este relativ la variana local i se calculeaz cu relaia:
~ c iA

~2 = c ~ + ~ 2 wc wi w j c i ~i 0 , R ij 00
i =1 j =1 i =1

(3.37)

n care: ~ - variana valorilor; c 0 0 ~ cij - covariana ntre punctele pi i pj; ~ ci0 - covariana ntre punctul pi i punctul po. Pentru evaluarea varianei locale a erorilor se corecteaz valoarea obinut din relaia (3.37) cu un estimator al varianei locale (*)2: (3.38) i =1 j =1 i =1 n care covarianele se obin prin diferena dintre unu i variogramele relative corespunztoare. 189
~ 2 = ( ) c ~ ~ ~ AA + wi w j cij 2 wi ciA , R
2 n n n

Daniel Scrdeanu i Roxana Popa A26 Distribuia spaial a erorilor de estimare S se calculeze erorile de estimare a distribuiei spaiale pentru sarcina piezometric a acviferului freatic din zona staiei de tratare Ogrezeni (Fig.3.9). Rezolvare:

37500

Sabar

37000
P20

P28 P29 P25 P30

Arge
36500

P1 P2

P16 P21 P7 P10 P13 P17 P22 P5 P8 P18 P11 P26 P3 P14 P23 P31 P12 P19 P24 P27 P9 P4 P15 P6

30000

30500

31000

31500

32000

32500

Fig.3.9.Reeaua de monitorizare a nivelului piezometric Staie de monitoring zonal Staie de monitoring local

Pentru evaluarea monitorizrii nivelului piezometric s-a proiectat o reea local de 31 de piezometre amplasate pe aliniamente transversale pe valea Argeului completat cu una zonal de 6 piezometre. Reeaua proiectat nu a inut seama de construciile din zon i de posibilele surse de infiltraii ale reelelor de conducte i bazinelor. Distana rezultat ntre piezometre este cuprins ntre 50 i 250 m (Fig.3.9). Sunt proiectate i dou mire hidrometrice n zona staiei de tratare. Analiza variografic a nivelului piezometric al acviferului de mic adncime a condus la urmtoarele rezultate: structura spaial a suprafeei pezometrice prezint o tendin zonal orientat NV-SE; suprafaa piezometric are o structur anizotrop cu raportul de anizotropie ra= 1/3 cu direcia de continuitate maxim orientat N35oE; modelul variogramei este sferic cu parametrii: efectul de pepit = 0,00; palierul = 25 m2; razele de influen: r1 = 2100 m (pe direcia N35oE); r2 = 700 m (pe direcia N55oV).

190

Calculul erorilor Validarea modelului de variogram 8 7 s-a realizat prin kriging 6 punctual universal i 5 rezultatele validrii sunt 4 3 prezentate n tabelul 3.1. 2 Analiza statistic a 1 diferenelor ntre valorile 0 msurate i cele calculate ale cotei nivelului Lim ite hidrostatic indic o repartiie cvasisimetric a Fig.3.10.Histograma erorilor validrii acestora (Fig.310.) i o valoare medie a erorilor de 0,03. Tabelul 3.1.Rezultatele validrii modelului de variogram Cota y Cota Cota Dif. x x y Cota NH NH NH NH msurat calculat msurat calculat 30900 36850 101.9 100.17 -1.7 31572 36775 96.75 96.789 31440 36780 98.15 96.524 -1.6 30960 37380 101 101.1 31748 36743 96.61 95.487 -1.1 31910 36700 95.15 95.298 31944 36882 97.75 96.649 -1.1 31570 36800 96.9 97.051 31420 37370 101 100.13 -0.9 32180 37020 97.06 97.256 32334 36652 95.21 94.397 -0.8 30850 36970 101.58 101.79 30580 37280 102.4 101.6 -0.8 32426 37010 96.72 96.939 32221 36930 97.15 96.562 -0.6 30260 37230 102.05 102.28 30720 37180 101.63 101.2 -0.4 31860 36570 93.34 93.631 31370 36570 95.69 95.263 -0.4 32000 36980 97.3 97.639 32140 36610 93.94 93.546 -0.4 30650 37240 101.31 101.7 31600 36660 95.6 95.347 -0.3 31450 36670 96.2 96.637 32204 37040 97.26 97.095 -0.2 30700 37280 101 101.46 32443 36856 96.36 96.287 -0.1 32058 36780 95.53 96.057 31220 37400 101 101 0.0 32210 36610 93.32 94.344 31630 36670 95.47 95.476 0.0 31220 36620 95.58 97.685 30460 37270 102.25 102.27 0.0 31690 36550 92.2 94.516 31572 36775 96.75 96.789 0.0 31690 36550 92.2 94.516
Frecventa absoluta 0.2 0.6 1.4 -1.8 -1.4 -0.6 -0.2 1.8 -1 1

Dif 0.0 0.1 0.1 0.2 0.2 0.2 0.2 0.2 0.3 0.3 0.4 0.4 0.5 0.5 1.0 2.1 2.3 2.3

Distribuia abaterii standard de evaluare s-a calculat prin kriging punctual universal, cu o tendin zonal modelat printr-o suprafa polinomial de gradul al doilea, cu o abatere standard la calare de 10%. Reeaua de calcul a fost ptratic, format din 1326 de celule (nx = 51; ny = 21). Abaterea standard obinut are valori cuprinse ntre 0,528 i 4,76 m. Cu cele 1326 de valori ale abaterii standard s-au calculat erorile de estimare relative cu: 2 KSD r = 100 [%] (3.39) CotaNH n care KSD - abaterea standard de kriging ; CotaNH - cota nivelului hidrostatic. 191

Daniel Scrdeanu i Roxana Popa

192

Calculul erorilor

40 35 Frecventa absoluta 30 25 20 15 10 5 0 1.1 2.0 2.9 3.8 4.7 5.5 6.4 7.3 8.2 9.1 Eroarea relativa de estimare
Frecventa absoluta

45 40 35 30 25 20 15 10 5 0 0.10 0.33 0.56 0.78 1.01 1.24 1.46 1.69 1.92 2.14

ln(e roare a re lativa de e s tim are )

Fig.3.11.Histograma erorilor relative de estimare

Fig.3.12.Histograma erorilor relative de estimare logaritmate

Analiza statistic a erorilor relative de estimare indic o selecie asimetric cu repartiie lognormal(Fig.3.11 i Fig.3.12) care conduce la o subestimare a mediei acestora cu 9,5%. Valorile erorilor relative de estimare a cotelor nivelului piezometric sunt cuprinse n intervalul 1,1%9,3% cu () = +/-0,19%. Rezult c n toat zona cercetat erorile de estimare ale suprafeei piezometrice nu depesc, pentru regimul natural de curgere, 10% din valoarea cotelor msurate. Distribuia spaial a acestor erori este vizualizat sub forma unei hri cu izolinii (Fig.3.13) din care se remarc: plasarea arealului cercetat n zona erorilor relative de estimare mai mici de 5,5% (zona central din Fig.3.13); plasarea platformei realizate din umplutur n zona erorilor relative mai mici de 3%; conturarea unei zone cu erori mai mari (>4%) n partea central a ariei cercetate determinat probabil de alimentri active din infiltraii, favorizate de permeabilitatea crescut a depozitelor de umplutur. COMENTARIU Dac operm fr greeal pn n aceast etap de prelucrare, erorile pe care le obinem prin calcul sunt rezultatul gradului incomplet de cunoatere al variabilitii spaiale a caracteristicii studiate (n cazul aplicaiei, cota nivelului piezometric). Erorile de estimare pe care le-am calculat nu trebuie s fie determinate de greelile pe care le-am comis noi n etapa de estimare. Orice eroare datorat prelucrrilor noastre poate fi eliminat prin reluarea etapelor de prelucrare. Pe lng neatenie, sursa principal a erorilor este alegerea unui model de variogram neadecvat. Indiferent de rezultatele testrii modelului de variogram, eu nu definitivez nici o estimare spaial pn nu am utilizat pentru aceeai variabil cel puin dou modele de variogram! Reducerea erorilor de estimare determinate de insuficienta cunoatere a structurii spaiale studiate poate fi realizat doar prin completarea informaiei primare cu msurtori suplimentare

193

3.2.REDUCEREA ERORILOR Toate informaiile obinute din reelele de cercetare au ca obiectiv reducerea incertitudinilor n legtur cu distribuia spaial a parametrilor msurai (ex.: n aer: SO2, NO2, pulberi sedimentabile etc.; n apele de suprafa: NO3, NH4, pH, temperatur etc.; n sol: coninut n substane organice sau substane poluante, etc.; n subsol: coninutul n metale al filoanelor, coninutul n substane poluante al apelor subterane etc.). Reducerea incertitudinilor implic metodologic teoria bayesian i entropia proceselor aleatoare, motiv pentru care criteriile care stau la baza proiectrii reelelor de cercetare sunt: minimizarea entropiei i reducerea erorilor de interpolare. Utilizarea entropiei este singurul mijloc de a cuantifica incertitudinea global relativ la variabilele msurate n reele de monitoring pe baza legilor de distribuie identificate experimental (prin metode de calare a modelelor teoretice). n condiiile utilizrii entropiei criteriul de optimizare a reelelor de monitoring este minimizarea acesteia. Entropia Entropia reprezint reducerea incertitudinii unui eveniment care se produce cu probabilitatea p:
H = log ( p )

(3.40)

Entropia este aditiv cnd este aplicat interseciei a dou evenimente independente:
H = p ( log p ) + (1 p )[ log (1 p )]

(3.41)

Cele dou evenimente pot fi dou distribuii punctuale cu probabilitile p i (1-p) i aceast definiie poate fi extins la distribuia mai multor puncte (ex.: punctele de probare ale reelei de cercetare). Entropia este definit strict pozitiv pentru un set de valori discrete de volum finit. Ea este maxim pentru o distribuie uniform a acestora (cu aceeai probabilitate i lege de distribuie). Considernd o serie de valori infinit apropiate, utilizndu-se integrala n locul sumei i funcia densitii de probabilitate n locul probabilitilor, se definete o entropie analoag sub forma:
H (V )' = E [ log f (V )]

(3.42)

Analogia cu mediul discret nu este satisfctoare deoarece nu este invariant la transformrile realizate asupra variabilei aleatoare V, funcia densitii de probabilitate fiind exprimat n uniti de probabilitate raportate la uniti de V. Pentru uniformizare dimensional este propus (Jaynes,1968) forma:
H (V ) = E [ log f (V ) / m(V )]

(3.43)

n care m(V) este o msur a "ignoranei complete " asupra variabilei V. Utilizat n aceast form, cu toate ambiguitile introduse de alegerea lui m(V) entropia i pstreaz proprietatea de aditivitate dar i-o pierde pe cea de pozitivitate. Ca o msur 194

Reducerea erorilor a incertitudii n mediul continuu este utilizat valoarea absolut a entropiei calculate cu formula lui Jaynes. Entropia reelei de monitoring Abordarea studiului entropiei reelei de monitoring pornete de la ipoteza c datele furnizate de aceasta pentru cartografierea unor parametri sunt dintr-un spaiu aleator generat de un proces natural. Pentru a simplifica reprezentarea ne putem imagina acest spaiu aleator bidimensional, n el fiind dispersate valorile parametrului msurate n staiile reelei de monitoring. Toate valorile msurate se consider reprezentative pentru fenomenul monitorizat, dar nu toate locaiile investigate prin msurtori candideaz pentru funcia de staii permanente n reeaua de monitoring. Densitatea staiilor de msurare este limitat din considerente practice (costul execuiei i al msurtorilor executate). Minimizarea entropiei vizeaz stabilirea numrului minim de staii permanente din reea. Fie X vectorul aleator ale crui coordonate reprezint valorile cmpului spaial n diferitele puncte ale reelei de monitoring, ordonate dup un criteriu rezonabil. Staiile stabile ale reelei de monitoring vor fi selectate dintre aceste puncte disponibile iar problema proiectantului este identificarea acelora care trebuie msurate. Pentru aceast operaiune partiia vectorului X poate fi reprezentat sub forma: X = (U,G) (3.44)

n care U - reprezint valorile variabilei n punctele nemonitorizate (staii nepermanente); G - reprezint valorile variabilei n puncte monitorizate permanent. Pentru a simplifica notaiile se va nota cu f(U,G) funcia densitii de probabilitate condiionat a variabilei X = (U,G) i cu m(U,G) msura completei ignorane. Presupunnd c m(G) este specificat, atunci : m(U|G) = m(U,G)/m(G) (3.45)

Pentru un anumit proces stocastic, incertitudinea asupra reelei de monitoring se exprim prin entropia variabilei X: H(X) = H(U|G) care se descompune n : H(U,G) = H(U|G)+H(G) n care H(U|G) = E[-logf(U|G)/m(U|G)] (3.48) (3.47) (3.46)

Pentru a interpreta aceast decompoziie, presupunem c valorile G au fost obinute i n aceste condiii incertitudinea asupra valorilor U este :

195

Daniel Scrdeanu i Roxana Popa

H(U) = E[-logf(U|G)/m(U|G)|G]

(3.49)

Deoarece G nu este cert, incertitudinea realativ la U este primul termen n decompoziia entropiei H(X) = H(U,G): H(U|G) = E{E[-logf(U|G)/m(U|G)|G]} deci H(X) = H(U,G) = E{E[-logf(U|G)/m(U|G)|G]} + E[-logf(G)/m(G)] (3.51) (3.50)

Strategia proiectrii deriv din decompoziia entropiei H(X). Minimizarea incertitudinii se realizeaz prin minimizarea termenului H(U|G) sau maximizarea teremenului H(G). Maximizarea termenului H(G), care reprezint incertitudinea apriori asupra lui G, poate fi eliminat prin monitorizare. Este atunci uor de intuit c acest termen poate fi maximizat printr-o partiie corespunztoare a lui X, maximizndu-se astfel beneficiul msurtorilor executate. Se demonstreaz c: H(U|G) = E[-logf(U|G)/m(U|G)] < E[-logf(U)/m(U)] = H(U) (3.52)

n aceste condiii, obinnd G prin msurtori niciodat nu va avea loc o cretere a incertitudinii asupra partiiei U. Presupunnd m(U|G) = m(U) rezult: H(U|G) = H(U) - I(U;G) (3.53)

n care informaia mutual n U i G este strict pozitiv, simetric i definit de relaia: I(U;G) = E{log[f(U,g)/(f(U)f(G)]} (3.54)

Obiectivul minimizrii entropiei se realizeaz n contextul instalrii unei noi reele sau al extinderii uneia existente. n ambele cazuri, efectul unui numr restrns de puncte msurate suplimentar, repartizate pe ntreaga suprafa monitorizat, este minim asupra reducerii entropiei. n acelai timp potenialul de inferen al partiiei U din G devine de critic importan atta timp ct reeaua de monitoring este utilizat repetat n acest scop. Criteriul postulat pentru reducerea incertitudinii asupra lui U obinut prin G este maximizarea informaiei mutuale I care ignor consecinele entropiilor H(U) i H(G) n partiionarea vectorului X : H(U) - H(U|G) = I(U;G) = I (3.55)

Posibilitatea includerii n U a valorilor cu incertitudine mare este admis pe baza posibilitii comode de a fi deduse din G. Aceast aproximare este strns legat de teoria transmiterii informaiei a lui Shannon.

196

Reducerea erorilor Situaia cu care ne confruntm deseori n monitorizarea unui proces este cea a unei reele de observaie existente, interesul fiind acela de a elimina staiile de observaie care aduc o cantitate redus de informaie util. Deoarece reelele sunt constituite, n general, dintr-un numr redus de puncte, incertitudinea coninut n H(G) reprezint o fraciune semnificativ din cea total (H(X)) i maximiznd H(G) minimizm H(U|G). n practic, modelele stocastice necesare pentru calculul diferitelor probabiliti vor fi ele nsele incerte. Multe teorii statistice sunt elaborate pentru evaluarea i descrierea acestei incertitudini sub forma unui vector "". Se poate ncorpora n mod direct aceast incertitudine a modelului n incertitudinea asupra distribuiei procesului analizat sub forma: H(U,G, ) = H(U,G| ) + H() (3.56)

H() - incertitudinea asupra parametrilor modelului stocastic utilizat; H(U,G, ) - incertitudinea total a variabilei X. In studiul reelelor de monitoring se pleac de cele mai multe ori de la un set de date minim. Toate probabilitile i entropiile calculate sunt condiionate de reprezentativitatea i corectitudinea acestuia. Entropiile instrumentale Toate formele de erori de msurare trebuie luate n considerare la proiectarea reelelor de monitoring dei n mod surprinztor sunt reele care nu dispun de msurtori de verificare (duble). Incertitudinea asupra variabilei X = (U,G) este cea care intereseaz n principal iar G, presupus a fi furnizat de reea, este important pentru definirea procesului optim de msurare. Operaiunea de msurare induce erori iar msurtorile duble sunt utilizate pentru evaluarea mrimii acestora. Fie D vectorul tuturor msurtorilor disponibile executate n punctele care formeaz variabila G. Reducerea incertitudinii datorat vectorului D este: H(U,G, ) - H(U,G, |D) = H(G) - H(G|D) cu msura ingnoranei complete: m(U,G, |D) = m(U, |G)m(G|D) (3.58) (3.57)

Att timp ct H(U,G, ) este constant i independent de alegerea procesului de msurare a variabilei G i de modul de partiionare (U,G), se deduce c H(U,G, ,|D) poate fi minimizat prin combinaia modului de alegere a procesului de msurare (G) i de partiionare a variabilei X. n general f(U, |G,D) = f(U, |G) i dac m(U,G, |D) = m(U, |G)m(G|D) rezult c: H(U,G, |D) = H(U, |G) + H(G|D) (3.59)

197

Daniel Scrdeanu i Roxana Popa Alegerea metodei de msurare afecteaz numai termenul al doilea (H(G|D)) n timp ce alegerea reelei (partiia variabilei X) afecteaz ambii termeni. n mod ideal alegerea reelei i procesului de obinere a datelor trebuie s se fac simultan. Procesul de msurare trebuie s includ desemnarea laboratoarelor de analiz. Calitatea datelor poate depinde nu numai de laboratorul n care se execut analiza ci i de durata transportului probei pn la laborator. Cu alte cuvinte, mrimea erorilor poate depinde de distana dintre staia monitorizat i poziia laboratorului. Dac m(D|G) = m(G|D)m(D)/m(G) atunci H(G|D) = H(G) - [H(D) - H(D|G)] (3.60)

relaie care exprim faptul c o bun cunoatere a variabilei G reduce substanial incertitudinea asupra distribuiei variabilei X. Normalitatea multivariat Transformate n mod adecvat multe serii de date au distribuii care pot fi aproximate printr-o distribuie gaussian, distribuie adecvat prelucrrilor cu modele geostatistice. n contextul noiunilor introduse n seciunea anterioar, variabila X este vectorul valorilor parametrilor msurai n staiile unei reele de monitoring la un moment dat. Coloanele matricii de date D(X1, X2,..., Xn) sunt presupuse apriori a fi independente. O alt ipotez plauzibil este accea c {Xi} are o distribuie normal multivariat cu un vector mediu i matricea de covarian , distribuie care poate fi exprimat simbolic: Xi|, ~ ind Np(,) (3.61)

p - numrul de puncte de observaie din reea; n - numrul de momente la care s-au executat msurtori (i = 1...n) Problema care se rezolv n ipoteza distribuiei normale multivariate este cea a partiiei seleciei X n U i G astfel nct prin monitorizarea partiiei G s se reduc la maximum entropia H(X). Pentru descompunerea entropiei totale matricea de covarian se reparametrizeaz ca (GG, U|G, ) conform relaiilor:

GG = cov(G,G)T = E[G - E(G)][G - E(G)]T

(3.62) (3.63)

U |G

= UU UG GG GU
1

Matricea = U |G GG
1

este panta predictorului linear optimal al partiiei

U prin G (adic E(U) + [G-E(G)]). Aceast transformare este realizat prin decompoziia Bartlett = T TT, n care

198

Reducerea erorilor
= U |G 0 0 I T = 0 I

(3.64)

GG

-1=(TT)-1-1T-1
1 1 = U |G 0 I T 1 = 0 I

(3.65) (3.66)

GG

Pentru un set de date d(X1, X2,..., Xn) descompunerea entropiei se face n trei componente: E[-logf(X,,|d)/m(X,,|d] = HU + HMODEL + HG (3.67)

HU reprezint incertitudinea rezidual apriori a partiiei U dup utilizarea partiiei G pentru evaluarea valorilor partiiei U pe baza modelului liniar: HU = E[-logf(U|G),,)|d] (3.68)

HG reprezint incertitudinea asupra partiiei G eliminat prin monitorizare i necesar de maximizat printr-o partiie optim a variabilei X: HG = E[-logf(G|d)|d] (3.69)

HMODEL reprezint incertitudinea rezidual asupra partiiei U, mediei i matricii de covarian corespunztoare unei anumite partiii G msurate: HMODEL = E[-logf(|U|G,G,,d)d] + E[-logf(G|G,,d)|d] + + E[-logf(|G,,m,d)/m()|d] (3.70)

n care i m sunt parametri ai distribuiei Wishart (Anderson,1984). Optimizarea reelei se fundamenteaz pe minimizarea componentelor HU i HMODEL. Reducerea erorii de estimare zonal se poate realiza doar prin ndesirea punctelor de observaie. Evaluarea efectului amplasrii unui nou punct de observaie este posibil prin intermediul varianei erorii de estimare care depinde numai de modelul de variogram i de distana dintre punctul n care se face estimarea i punctele de observaie (nu depinde de valorile msurate !!!). Ctigul de precizie (CP(po)) asociat unui punct de estimare (po) prin introducerea unui punct fictiv n zona lui de influen se estimeaz cu relaia: ~ 2 ) ( ~2 ) ( R R i f CP(p o ) = 2 ~ ( R )f n care (3.71)

199

Daniel Scrdeanu i Roxana Popa


~ ) ( ~ ) (
2 R f
2 R i

este variana erorii de estimare dup introducerea punctului fictiv;

- variana erorii de estimare iniial. Eficiena amplasrii noilor puncte de observaie se apreciaz dup valoarea ctigului de precizie obinut. Proiectarea reelei de monitoring Trei etape principale sunt implicate de proiectarea unei reele de monitoring: iniializarea reelei de monitoring; extinderea reelei de monitoring; optimizarea reelei de monitoring. Aceste etape vor fi analizate doar din punctul de vedere al contribuiei lor la reducerea erorilor de estimare determinate de distribuia spaial a locaiilor staiilor de observaie din reeaua de monitoring. Iniializarea reelei de monitoring se realizeaz n condiiile n care nu au fost colectate nici un fel de date ntr-un mod sistematic n suprafaa ce urmeaz a fi monitorizat. Informaiile disponibile sunt n aceast faz limitate ca volum i n mare msur subiective, astfel nct orice plan raional este aparent exclus. Cea mai indicat alegere n aceste circumstane este o reea de monitoring uniform (cu amplasarea staiilor de monitorizare ntr-o reea ptrat). n practic, realizarea unei astfel de reele este mpiedicat de gradul de accesibilitate la punctele proiectate n teren, asigurarea securitii staiilor de monitorizare, dorina de a minimiza costul execuiei, dorina de a realiza un numr maxim de staii dintr-un buget fix. Pentru monitorizarea parametrilor ambientali, de cele mai multe ori reelele de monitorizare s-au corelat mai mult cu densitatea populaiei dect cu factorii ambientali. Cnd cunoaterea distribuiei spaiale este vag, o baz obiectiv i raional pentru proiectarea unei reele de monitoring necesit anumite date colectate naintea realizrii unei reele permanente. Numai dac nu se pot obine prin teledetecie, pentru datele minime necesare se poate realiza un sistem de staii temporare. Trebuie fcut distincia ntre locaiile care sunt poteniale staii permanente i care sunt monitorizate temporar pentru a obine informaii statistice pentru procesul de proiectare. Corelarea unei cunoateri iniiale i a unor date obinute din reele temporare cu schema bayesian a reducerii entropiei aduce o important contribuie la descrierea statistic adecvat a fenomenelor regionale ambientale, cu cea mai scurt perioad de funcionare a reelelor temporare. Dou alternative ale criteriului entropiei sunt aplicabile: Maximizarea informaiei mutuale I(U,G) (3.54). Aplicarea acestui criteriu plaseaz centrul de greutate asupra informaiilor obinute din reeaua temporar. Sunt necesare date n toate staiile din partiiile U i G n scopul stabilirii funciilor de frecven f(U) i f(U|G). Reeaua temporar de monitoring trebuie s conin un numr suficient de staii pentru a realiza o bun estimare a partiiei U chiar dac multe vor fi numai temporare. Valoarea maxim

200

Reducerea erorilor I(U;G) va crete la nceput proporional cu numrul staiilor pn cnd numrul de staii din G l depete pe cel din U. Acest criteriu este eficient pentru reele cu un numr de staii (g) mult mai mic dect cel al staiilor temporare (p). Minimizarea incertitudinii HU + HMODEL (3.68-3.70). Acest criteriu plaseaz pe ultimul loc rolul informaiilor obinute din reeaua temporar utilizat pentru proiectarea reelei deoarece echivalentul lui este maximizarea parametrului |GG|. El trebuie evaluat numai pentru un set de locaii selectate dintre staiile care candideaz la statutul de staii permanente. Staiile temporare nu contribuie la procesul de proiectare dei teoria ia n considerare n mod explicit predicia valorilor n staiile temporare. Pentru compararea eficienei unor reele de dimensiuni diferite trebuie calculai parametri suplimentari pe baza unei reele extinse care s cuprind i staiile temporare. Pe msur ce numrul staiilor monitorizate crete, valoarea minim a incertitudinii HU + HMODEL descrete n timp ce valoarea maxim HG crete. Alegerea numrului optim de staii n reeaua de monitoring se face prin evaluarea efectului introducerii fiecrei locaii asupra reducerii incertitudinii HU + HMODEL. Extinderea unei reele existente este similar cu iniializarea unei reele, diferena constnd n faptul c primul grup de staii necesare pentru obinerea unor informaii preliminare sunt predeterminate. Criteriul favorizat este cel al minimizrii incertitudinii HU + HMODEL (n defavoarea celui de minimizare a informaiei mutuale I(U;G)). n prelucrare trebuie s se in seama c va fi un puternic dezechilibru ntre calitatea informaiei din reeaua preexistent i cea nou. Informaiile din reeaua existent au o mai lung istorie dect cele obinute din noile locaii. Optimizarea unei reele existente este abordat n acelai mod ca initializarea ei dar pe baza unor informaii suplimentare obinute din reeaua respectiv pe o anumit perioad. Acest avantaj poate s dispar dac distribuia locaiilor i programul de msurtori realizat nu sunt adecvate descrierii variabilitii caracteristicilor monitorizate. Metoda punctului fictiv opereaz n aceast etap n dou direcii: Eliminarea locaiilor ineficiente din reeaua de monitoring. Pentru fiecare punct de observaie din reeaua de monitoring se evaluaez ctigul de precizie (3.71) i se elimin cele care nu contribuie la reducerea erorilor de estimare n mod semnificativ. Completarea reelei de monitoring. n zonele cu erori de estimare mai mari dect valoarea admis se amplaseaz locaii fictive i se calculeaz eficiena lor prin intermediul ctigului de precizie pe care l determin. Este frecvent utilizarea hrilor cu izolinii de ctig de precizie realizate prin ndesirea reelei existente printr-o reea regulat de locaii fictive. Selectarea locaiilor unde se execut staii suplimentare se face pe baza unui ctig minim de precizie care se alege n funcie de gradul de detaliu solicitat n estimrile spaiale realizate.

201

Daniel Scrdeanu i Roxana Popa A27.Optimizarea reelei de monitoring S se optimizeze reeaua de explorare hidrogeologic a acviferului sub presiune din culcuul stratului V de lignit, n interfluviul Motru-Jiu.

80000.00

ROSIA

ROSIUTA 75000.00 PLOSTINA LUPOAIA 70000.00 MATASARI

BALTENI

PESTEANA DRAGOTESTINEGOMIRA

65000.00

SAMARINESTI

60000.00 40000.00 45000.00 50000.00 55000.00 60000.00 65000.00

Fig.3.14.Amplasarea forajelor hidrogeologice de cercetare a orizonturilor acvifere - sectorul selectat pentru aplicaie. Rezolvare: Pentru cercetarea distribuiei parametrilor hidrogeologici ai acviferelor din zona interfluviului Motru-Jiu (Fig.3.14) au fost realizate 129 de foraje hidrogeologice care au explorat diferite orizonturi acvifere i n care s-au realizat selectiv teste hidrodinamice. Deoarece distribuia spaial a parametrilor hidrogeologici este diferit de la un parametru la altul optimizarea reelei de cercetare se face avnd n vedere unul dintre acetia. De obicei se alege parametrul cel mai important pentru cercetarea realizat. n zona aleas transmisivitatea acviferului din culcuul stratului V este un parametru important pentru stabilirea potenialului de debitare al acestui acvifer cu extindere regional. Pentru acest acvifer se dispune de 39 de valori de transmisivitate, cuprinse ntre 10 si 130 m2/zi, cu distribuie lognormal i un coeficient de asimetrie de 1,48. Dup eliminarea unui numr de 7 valori considerate nereprezentative pentru selecia de date disponibil, s-a normalizat distribuia celor 32 de valori rmase, prin logaritmare. Variograma de suprafa calculat pentru valorile logaritmate indic o slab anizotropie care n condiiile erorilor de determinare a distribuiei spaiale a 202

Reducerea erorilor transmisivitilor (Fig.3.15) este neglijabil. Modelul variogramei omnidirecionale utilizat pentru estimarea distribuiei spaiale a trasmisivitii este de tip sferic cu: Efectul de pepit: c0 = 0,56 Palierul: c = 3,00 Raza de influen: r = 7000 m. Normalizarea distribuiei valorilor transmisivitii permite evitarea supraestimrii acesteia. Pentru ilustrarea efectului de supraestimare cauzat de asimetria distribuiei datelor originale s-a realizat estimarea distribuiei transmisivitilor operndu-se cu valorile originale, nelogaritmate (Fig.3.16). Diferena dintre cele dou estimri (Fig.3.17), cea incorect, realizat cu valorile originale (cu distribuie logaritmic; Fig.3.16), i cea corect, realizat cu valori normalizate (Fig.3.15), este semnificativ. Diferena maxim dintre cele dou estimri (datorat supraestimrilor) este de 38m2/zi, adic 50% din valoarea maxim estimat.

76000

70
74000

60
72000

50 40 30

70000

68000

20
66000

10 0
54000 56000 58000 60000 62000 64000

64000 52000

Fig.3.15.Distribuia transmisivitii acviferului din culcuul stratului V calculat cu valori normalizate.

76000.00

80
74000.00

70 60

72000.00

50
70000.00

40 30

68000.00

66000.00

64000.00 52000.00

Evaluarea distribuiei erorii de interpolare pentru 20 estimarea distribuiei 10 transmisivitii cu valori logaritmate (cea corect, din 0 Fig.3.15) s-a realizat prin kriging zonal pe blocuri Fig.3.16.Distribuia transmisivitii rectangulare de 200 x 300 m acviferului din culcuul stratului V cu 16 puncte de discretizare. calculat cu valori nenormalizate. Harta contural a abaterii standard calculat prin kriging (Fig.3.18) indic valori maxime localizate n zona nord vestic a interfluviului i acolo unde densitatea forajelor hidrogeologice este mai mic. n zonele de amplasare a forajelor n care a fost determinat transmisivitatea, abaterea
54000.00 56000.00 58000.00 60000.00 62000.00 64000.00

203

Daniel Scrdeanu i Roxana Popa standard de estimare este mai mic de 0,7 m2/zi iar n zonele periferice ale perimetrului cercetat ajunge la valori maxime de 2 m2/zi.
76000

76000

35
74000

1.9
74000

30 25 20

1.7 1.5 1.3

72000

72000

70000

70000

15
68000

1.1
68000

10
66000

0.9 0.7 0.5

5 0
54000 56000 58000 60000 62000 64000

66000

64000 52000

64000 52000

54000

56000

58000

60000

62000

64000

Fig.3.17.Distribuia supraestimrilor transmisivitii acviferului din culcuul stratului V

Fig.3.18.Distribuia abaterii standard de estimare a transmisivitii acviferului din culcuul stratului V

Evaluarea efectului amplasrii unei reele regulate de puncte de observaie fictive pe zona cercetat (Fig.3.19) se realizeaz cu metoda punctului fictiv i se exprim prin ctigul de precizie.
76000
76000

340%
74000
74000

300% 260%

72000

72000

220%
70000

70000

180% 140% 100%

68000

68000

66000

66000

60%
64000 52000

20%
54000 56000 58000 60000 62000 64000

64000 52000

54000

56000

58000

60000

62000

64000

Fig.3.19.Distribuia punctelor fictive() i a forajelor hidrogeologice() din perimetru.

Fig.3.20Distribuia ctigului de precizie determinat de introducerea celor 380 de puncte fictive

Pentru ilustrarea cantitativ a efectului, au fost amplasate 380 de puncte de observaie fictive ntr-o reea ptratic (19 coloane i 20 rnduri, cu parametrul reelei 650 m). Utilizndu-se acelai model de variogram (sferic, cu efect de pepit 0,56, palier 3 i raz de influen 7000 m) s-a obinut: un ctig maxim de precizie de 380% n zonele periferice are zonei cercetate; un ctig minim de precizie de 20% n zonele de densitate maxim a forajelor hidrogeologice (Fig.3.20).

204

Reducerea erorilor Harta cu distribuia ctigului de precizie (Fig.3.20) este utilizat pentru a alege zonele n care punctele fictive sunt considerate eficiente, adic determin un ctig de precizie semnificativ n estimarea distribuiei transmisivitii. Astfel, dac intereseaz distribuia transmisivitii n zona nord-estic, este evident c amplasarea unor puncte de observaie va aduce o cretere a preciziei de peste 300% i realizarea lor este eficient. Amplasarea unor puncte suplimentare n zona de concentrare a forajelor hidrogeologice din partea central va aduce un ctig de precizie de numai 20% i eficiena lor este discutabil. Desigur c aceste ctiguri procentuale se pot transforma prin intermediul intervalului de ncredere din abateri standard n valori absolute (3.35), care pot avea semnificaii mai clare pentru cei care opereaz cu valorile transmisivitii n modelele numerice de simulare a dinamicii acviferelor. COMENTARIU Optimizarea reelei de cercetare este operaiunea care utilizeaz toate rezultatele modelrii geostatistice ale structurilor spaiale. Dup parcurgerea tuturor etapelor de prelucrare, plecnd de la premiza c toate au fost corect realizate, ne putem manifesta, pe baza unei fundamentri cantitative complete, acordul sau dezacordul n legtur cu rezultatul. Elementele principale care trebuie luate n considerare sunt: reprezentativitatea datelor pentru distribuia spaial a variabilei studiate; gradul de certitudine al estimrilor reflectat n valorile erorilor de estimare; posibilitatea mbuntirii preciziei estimrilor pe baza optimizrii reelei de cercetare. i iat-ne cu tabloul structurii n fa. Dac nu ne place cum arat o putem lua de la capt dar nu oricum. Exist un control al imaginaiei prin intermediul datelor utilizate. Orice estimare este caracterizat de un anumit grad de adecvare al modelului structural (modelul de variogram) i de precizia de estimare (abaterea standard de estimare). Dac rezultatul obinut nu este n concordan cu ateptrile, n condiiile unor date considerate reprezentative, este cazul s suspectm de falsitate ipotezele pe care vrem s le verificm. Au apus vremurile n care imaginaia i flerul geologului rezolvau mare parte din problemele cercetrii geologice. Datele msurate corect i metodele cantitative aplicate cu rigoare sunt singurele care pot s confirme sau infirme ipoteze pe baza crora se proiecteaz expoatarea unor zcminte de petrol, se amplaseaz captarea necesar alimentrii cu ap a unei localiti sau se decide dac un zcmnt de aur este rentabil sau nu. Nu ncercai s construii o hart geologic fr o metodologie cantitativ bine fundamentat! Nu pictai hri sau seciuni geologice cu pensula, chiar dac pensula o manevrai cu mouse-ul! O hart este adevarat nu pentru c o desenai utiliznd programul pentru desenare COREL DRAW, ci pentru c o calculai utiliznd programul de estimare geostatistic Geo-EAS! 205

Daniel Scrdeanu

BIBLIOGRAFIE Andrews, D.J.& Hanks, T.C., Scarp degraded by linear diffusion : inverse solution for age, J.Geophys.Res.90, 10193-208, 1985. Bailey, N.T.J., The elements of stochastic processes with applications to the natural sciences, John Wiley & Sons, Inc., New York, 1964. Berg, P., Poneau, Y.& Vidal, C., Order within chaos, John Wiley and sons, New York, 1986. Bomboe, P., Geologie matematic (vol. I, Analiza statistic a datelor geologice), Editura Universitii din Bucureti, 1979. Brown, S.R., A note on the description of surface roughness using fractal dimension, Geophys. Res. Lett. 14, 1095-8, 1987. Cennini, C., Tratatul de pictur, Ed.Meridiane, 1977. Chauvet, P., Aide memoire de Geostatistique Lineare, Fascicule 2, Cahiers de Geostatistique, Centre de Geostatistique, Ecole de Mines de Paris, 1991. Cheeney, R.F., Statistical methods in geology, George Allen & Unwin (publishers) Ltd, London, 1983. Clarke, G.P.Y. and Dane, J.H., A simplified theory of point kriging and its extension to cokriging and sampling optimization, Bulletin 609, Alabama Agricultural Experiment Station, Auburn University, Alabama, february 1991. Craiu, V., Enache, R., Bsc, O., Teste de concordana cu programe n Fortran, Editura tiinific si enciclopedic, Bucureti, 1986. Daccord, G. & Lenormand, R., Fractal patterns from chemical dissolution, Nature 325, 41-3, 1987. David, M., Handbook of applied advanced geostatistical ore reserve estimation, Elsevir, Amsterdam, 1988. David, M., Geostatistical ore reserve estimation, Elsevier, Amsterdam, 1977. Davis, J. C., and McCullagh, M. J., Display of analysis data, Wiley, New York, 1975. Delfiner, P., Matheron, G., Les fonction Aleatoires Intrinseques d'ordre k,Les Cahiers du Centre de Morphologie Mathematique de Fontainebleau, Ecole de Mines de Paris, 1980. Delhomme, J.P., Les variables regionalisees dans les sciences de l'eau, B.R.G.M., Deuxieme serie, no4, Section III, Hydrogeologie-geologie de l'ingeneur, Paris, 1978. Deutsch, C.V., Journel, A.G., GSLIB: Geostatistical Software Library, New York, Oxford University Press, 1992. Deverle, P., H., Mineral resources appraisal, Calderon Press, Oxford, 1984. Dick O., Fractalvision : Put fractals to work, Bucureti, Teora, 1995. Dubuc, B., Quiniou, J.F., Roques-Carmes, C., Tricot, C. & Zucker, S.W., Evaluating the fractal dimension of profiles, Phys.Rev. A39, 1500-2, 1989. Fabbri, A.G., Image processing of geological data, New York, Van Nostrand reinhold Company, 1984. Fabbri, A.G., and Kasvand, T., Image processing for detection of twodimensional markovian prpperties as functions of distances from crystal profiles, in Proc. 3rd European symposium dor stereology , Ljubliana, Yugoslavia, June 22-26, 1981, Stereologia Iugoslavica, v. 3, (suppl. 1),

226

Geostatistic aplicat Fouquet, Ch.De, Simulation conditionnelle de fonctions aleatoires: cas gaussien stationnaire et schema lineaire, Centre de Geostatistique, Ecole des mines de Paris, 1993. Guillaume, A., Analyse des variables regionalise, Doin Editeur, Paris, 1977. Hirata, T., Satoh, T. & Ito, K., Fractal structure of spatial distribution of microfracturing in rock, Geophys. J. Roy. Astron. Doc. 90, 369-74, 1987. Houlding, S.W., Practical Geostatistics, Modeling and Spatial Analysis, Springer,-Verlag Berlin Heidelboerg, 2000 Isaaks, E.H., Srivasrava, M.R., Un introduction to Applied Geostatistics, New York, Oxford University Press, 1989. Journel, A.G., Huijbregts, Ch.J., Mining Geostatistics, Academic Press, London, 1978. Journel, A.G., Exploitation des mines.Guide pratique de geostatistique, Ecole des mines d'Ales, 1975. Kasvand, T., Fabbri, A.G. and Nel, L.D., Digitization and processing of large regional geological maps, Nat. Res. Council Can., Elec. Eng. Division, Report, ERB938, 1981. Kecs, W., Complemente de matematic cu aplicaii n tehnic, Editura tehnic, Bucureti, 1989. Kruhl, J.H., Fractals and dynamic systems in geoscience, Springler-Verlag, Berlin Heidelberg New York., 1994. Laffite, P., Trait dinformatique gologique, Masson et Cie Editeurs, Paris. Marsily, G.De, Quantitative Hydrogeology, New York, London, Academic Press,INC, 1986. Matheron, G., Traite de Geostatistique Appliquee, (tome I), Technip, Paris, 1976. Matheron, G., Traite de Geostatistique Appliquee, (tome II), Technip, Paris, 1963. Matheron, G., La theorie des variables rgionnalises, et ses applications, Les Cahiers du Centre de Morphologie Mathematique de Fontainebleau, Fascicule 5, Ecole de Mines de Paris, 1970. Matheron, G., Le ch oix des modles en gostatistique, in Advanced Geostatistics for mining industry., Guaracio et al., Reidel, 1976. Matheron, G., Estimer et choisir, Les Cahiers du Centre de Morphologie Mathematique de Fontainebleau, Fascicule 7, Ecole de mines de Paris, 1978. McCall, J., and Marker, B. (editors), Earth science mapping, Graham &Trotman, London, 1989. Mihoc, G.m Bergthaller, C., Urseanu, V., Procese stocastice, Editura tiintific i enciclopedic, Bucureti, 1978. Mont, OL., Lippert, R. H., Spitz, O.T., Fortran IV and map program for computation and plotting of trend surgfaces degrees 1 through 6, Michigan, 1979. Murgu,M., Analiza retelelor de explorare si valorificarea optim a zcmintelor minerale, Tipografia Univ.Bucuresti, 1979. Onicescu, O., tefnescu, V., Elemente de statistic informaional cu aplicaii, Editura tehnic, Bucureti, 1979. Preston, F.W., and Davis, J.C., Sedimentary porous materials as a realization of stochastic processes, in Random Processes in Geology, D.R.Merriam, ed., Springer-Verlag, New-York, 1976.

227

Daniel Scrdeanu Rivoirard, J., Introduction au krigeage disjonctif et a la geostatistique non lineaire, Centre de Geostatistique, Ecole des mines de Paris, 1991. Rosenfeld, A., & Kak, A.C., Digital picture processing, Academic press, New york, 1976. Rousseau, J.J., Scrieri despre art, B.P.T., Bucureti, 1981. Schwarzacher, W., Sedimentation models and quantitative stratigraphy, Elsevier scientific publishing company, Amsterdam, 1975. Scrdeanu, D., Mihnea, G., L'etude de variationes spatiales de grandeurs hydrogeologique a l'aide du krigeage, Analele Univ.Bucuresti, 1987. Scrdeanu, D., Optimizarea metodelor de explorare a zcmintelor de lignit, Tez de doctorat, Univ.Buc, 1993. Scrdeanu, D., Informatic geologic, Editura Univ.Bucuresti, 1995. Scrdeanu, D., Modele geostatistice n Hidrogeologie, vol.I, Editura didactic i Pedagogic, R.A.-Bucureti, 1996. Shakeel, A., Estimation des transmissivites des aquifers par methodes geostatistique mulrivariables et resolution indirecte du probleme inverse, These presentee a l'Ecole Nationale Superieure des Mines de Paris, 1987. Silai, I., Geostatistic aplicat n cercetarea zcmintelor i evaluarea rezervelor, Multiplicat n atelierele C.P.P.G. al M.M.P.G.,Bucureti, 1975. Srivastava, G. S., Optical processing of structural contour maps, J. Math. Geol. 9, 1975. Strang, G., Linear algebra and its applications, Academic Press, New York, 1980. Teodorescu, D., Modele stohastice optimizate, Editura Academiei R.S.R, Bucureti, 1982. Trescott, P.C. at. al., Finite-difference model for aquifer simulation in two dimensions with results of nuerical experiments, Geological Survey, Washington, 1976. Turcotte D.L., Fractals chaos in geology and geophysics, Cambridge University Press, 1992. Wackernagel, H., Cours de geostatistique multivariable, Centre de Geostatistique, Ecole des mines de Paris, 1993. Wiener, U., Isaic-Maniu, A., Vod, V., Aplicaii ale reelelor probabiliste n tehnic, Editura tehnic, Bucureti, 1983. Tatarkiewicz,W., Istoria esteticii, Editura meridiane, Bucureti, 1978. Zorilescu, D., Prognoza resurselor de materii prime minerale, Editura tehnic, Bucureti, 1975. Zorilescu, D., Modele operaionale ale problemelor miniere, Editura tehnic. Bucureti, 1981. Zorilescu, D., Introducere n geostatistica informaional, Editura Academiei, Bucureti, 1990.

228

Roxana Popa 4.GHID DE UTILIZARE A PACHETULUI DE PROGRAME Geo-EAS Pachetul de programe Geo-EAS (Geostatististical Environmental Assessment Software) conine 13 subprograme utile pentru analiza distribuiei spaiale a caracteristicilor geologice, probate ntr-o reea de explorare cu geometrie neregulat/regulat. Cele 13 subprograme sunt: Dataprep - pentru operaii cu fiierele care conin datele; Trans - pentru transformarea fiierelor de date; Stat1 - pentru analiz statistic univariat; Scatter - pentru realizarea hrilor punctuale i a dreptelor de regresie; Prevar - pentru pregtirea calculului variogramei experimentale; Vario - pentru calculul variogramei experimentale i modelarea ei; Xvalid - pentru validarea modelului variogramei experimentale; Krige - pentru estimarea punctual i zonal prin kriging; Conrec - pentru realizarea hrilor conturale; Xygraph - pentru diagrame rectangulare; Postplot - pentru hri punctuale; Hpplot - pentru transferul fiierelor care conin grafice; View pentru vizualizarea graficelor din fiiere de tip metacode. Subprogramele pot fi activate dintr-un menu principal (Fig.4.1) sau din fiierele executabile. Acest menu se activeaz din fiierul geoeas.exe. Pentru a utiliza unul din subprograme se procedeaz n modul urmtor: se poziioneaz cursorul pe numele subprogramului respectiv (folosind sgeile direcionale : , , , ); n partea de jos a ecranului se poate citi o scurt descriere a programului; se tasteaz <Enter>.

GEO -EAS (1.0) Geostatistical Environmental Assessment Software Dataprep Trans Stat1 Scatter Prevar Vario Xvalid Krige Conrec Xygraph Postplot HPplot View Quit Use arrow to move cursor, <enter> to select program Data preparation utilities Fig.4.1. Menu principal

206

Ghid de utilizare a programului GeoEAS

4.1. FIIERELE DE DATE Fiierele care conin datele iniiale pentru subprogramele Geo-EAS sunt de tip ASCII i au o structur specific. 4.1.1. STRUCTURA FIIERELOR Structura fiierului de tip Geo-EAS este compus din dou pri (Tabelul 4.1): identificatorul variabilelor; corpul valorilor. Identificatorul variabilelor permite programului Geo-EAS s coreleze numele variabilelor cu valorile lor numerice i este compus din mai multe linii: Linia 1, de maxim 256 caractere care de regul conine un comentariu ce precizeaz proveniena datelor din fiier. Linia 2, pe care este precizat numrul variabilelor (NVAR) din fiier. Fiierele acceptate de versiunea care circul pe Internet pot conine maximum 48 de variabile (coloane) i 10000 valori pentru fiecare variabil. Liniile 3 pn la NVAR+2 pe care se precizeaz: Numele fiecrei variabile i unitatea de msur corespunztoare. Se folosete cte o linie pentru fiecare variabil. Numele variabilei poate avea maxim 10 caractere care se scriu pe primele 10 coloane iar de pe a 11-a coloan pn al a 20-a se trece unitatea de msur (opional). Numele variabilelor i unitatea de msur sunt folosite ca text pentru reprezentrile grafice. Corpul valorilor se scrie ncepnd din linia NVAR +3. Datele se scriu pe coloane, separate prin virgul sau printr-un spaiu (Nu cu TAB ! ! ! !). Valorile variabilelor trebuie s fie numerice. Dac, dintr-un punct de observaie valoarea unei variabile lipsete, pe poziia ei din fiier se scrie valoarea 1.E31 pe care programele Geo-EAS nu o iau n calcul. Tabelul 4.1.Fiier de date Geo-EAS

H5.dat - Acviferul din baza stratului V de carbune 4 X m Y m Z_NH m T m2/zi 54305.65 70960.68 140.93 16.815 53389.32 72456.37 151.9 1.428 54534.84 74103.48 168.12 1.75 50866.36 73018.48 164.87 0.0288 50162.36 70618.48 144.87 1.E+31 54004.84 71103.48 136.12 1.41 ... ... ... ...

" identificatorul variabilelor

corpul valorilor"

207

Roxana Popa 4.1.2. CONVENII PENTRU EXTENSIA FIIERELOR Dei programele din Geo-EAS nu au restricii relativ la extensia fiierelor este recomandabil utilizarea unor extensii convenionale pentru diferitele categorii de fiiere create pe parcursul prelucrrii. Principalele categorii de extensii ale fiierelor pe care le utilizeaz subprogramele Geo-EAS sunt: TXT - fiier n format ASCII; DAT - fiier de date tip Geo-EAS PCF - fiierul creat de PREVAR pentru calculul variogramei experimentale; GRD - fiier creat cu subprogramul KRIGE; CPF - fiier cu parametri pentru subprogramul CONREC; KPF - fiier cu parametri pentru subprogramul KRIGE; XPF - fiier cu parametri pentru subprogramul XYGRAPH; POL - fiier cu coordonatele poligonului contural pentru subprogramul KRIGE; MET - fiier grafic (metacode) creat de CONREC, POSTPLOT, XYGRAPH; PLT - fiier cu instruciuni de imprimare creat de HPPLOT. 4.2. ECRANE INTERACTIVE Toate subprogramele Geo-EAS au caracteristici interactive similare cuprinse ntr-un cadru grafic unitar (Fig.4.2) ce poate fi separat n patru categorii: cadrul ecranului (A), linia pentru mesaje (B), linia cu opiunile de prelucrare (C), grupurile de parametri (D). A.Cadrul ecranului este un dreptunghi n care sunt cuprinse cmpurile pentru introducerea datelor i afiarea rezultatelor. Acest cadru este submprit pentru structurarea comenzilor de lucru. B.Linia pentru mesaje apare la partea inferioar a cadrului ecranului i conine mesaje n legtur cu luarea unei decizii privind continuarea prelucrrii. Exemple: 1.La citirea unui fiier neadecvat apare mesajul eroare la citirea identificatorului de variabile (engl. error reading header). Pentru continuarea prelucrrii se iese din program i se corecteaz fiierul de date. 2.n cazul n care nu se gsete fiierul de date n directorul indicat apare mesajul fiierul nu este gsit (engl. file not found). C. Linia cu opiunile de prelucrare (engl. menu line) este poziionat exact sub cadrul ecranului. Cnd se alege o anumit opiune (prin plasarea cursorului pe numele opiunii respective) sub menu apare o scurt descriere a opiunii respective. Pe ecranul principal se va gsi i o descriere mai detaliat a opiunii respective. Pentru a selecta o opiune se tasteaz litera majuscul din numele opiunii sau se poziioneaz cursorul pe numele ei i se tasteaz <enter>. Exemplu: n programul STAT 1 pentru a alege opiunea de introducere a numelui fiierului de date se tasteaz litera D, prima din numele opiunii Data.

208

Ghid de utilizare a programului GeoEAS D. Grupurile de parametri Fiecare grup de parametri se acceseaz prin intermediul menu-ului. Grupurile de parametri sunt legate funcional. Cnd un grup de parametri este accesat, n interiorul chenarului care cuprinde parametrii apare un cmp activ n dreptul unuia dintre ei. Acest cmp activ se mut de la un parametru la altul cu ajutorul sgeilor. Dup ce s-au introdus toi parametrii din grup, cursorul se poziioneaz automat n menu-ul principal. STAT1 (1.0) A programe to compute univariate descriptive statistics File Prefix: C:\GeoEAS\Data\ A File Data File Name: H5.dat # Variables : # Data records :131 # Missing Data: 4 0

Variable: Variable : Z_NH Execute Weight : None D Use this options to compute Log Option : Off and display the statistics. Limits: A menu of additional Minimum : .000 graphs and options Maximum : 158.00 will be displayed. B Prefix Data Variable Limits Execute Batch Statistics Quit Compute basic descriptive stats C Fig.4.2.Exemplu de ecran interactiv Introducerea parametrilor se face n trei categorii de cmpuri: cmpuri alfanumerice, cmpuri numerice i prompt-uri yes/no. Cmpurile alfanumerice, (Prefix sau Data din STAT1) accept caractere alfabetice sau numerice (identificatorul directorului n care se afl fiierul de date, identificatorul fiierului cu date). Cmpurile numerice se alimenteaz numai cu caractere numerice. Dac se introduc valori alfanumerice programul atenioneaz printr-un sunet specific. Un exemplu de cmp numeric este cel de la opiunea Limits din STAT1. Se pot introduce caracterele numerice de la <0> la <9> i <.>. Cmpurile alternative sunt cmpuri specifice care conin o list de 2 sau mai multe variante. Aceste variante se pot alege folosind tasta "space". Cnd n cmpul alternativ apare valoarea dorit aceasta se transmite programului prin <enter>. Exemple: 1.n cmpul Variable, la utilizarea tastei "space" vor apare succesiv toate variabilele din identificatorul de variabile al fiierului de date. Cnd variabila dorit apare n cmp se tasteaz <enter>. 2.n cmpul Log apar dou opiuni On i Off. n varianta On se vor logaritma valorile din fiierul de date pentru calculele ulterioare. Prompt-uri yes/no care sunt utilizate pentru informaii adiionale. Acestea sunt 209

Roxana Popa folosite pentru a obine informaii care nu pot fi afiate permanent pe ecran. Aceste opiuni vor aprea temporar pe linia de mesaje i au forma ntrebare.....<Y/N>?. Pentru "Da" se apas Y iar pentru "Nu": N. Exemplu: Do you really want to quit <Y/N>?. Unele opiuni din menu sunt urmate de cmpuri pentru informaii adiionale care apar pe linia de mesaje i pot fi alfanumerice, numerice sau alternative. 4.3.STRUCTURA SUBPROGRAMELOR Subprogramele din sistemul Geo-EAS cer date din fiiere tipice i opiuni prin interaciune, de la tastatur. Aceste subprograme sunt aranjante ntr-o anumit ierarhie sau n grupuri cu funcionalitate asemntoare. Fiecare grup sau valoare a unui parametru dintr-un subprogram este accesat printr-un menu de opiuni. Unele opiuni conduc la alt menu n timp ce altele la un dialog n care urmeaz s se introduc parametri. Unele opiuni conduc la cerere de date pentru subprogram iar altele la rezultate numerice sau grafice. Identificarea ierarhiei i opiunilor subprogramelor se face prin traversarea menu-ului i citirea mesajelor explicative asociate. 4.4.OPIUNI COMUNE Opiunile comune programelor din pachetul Geo-EAS sunt: Prefix, Data, Variable(s), Execute, Read Parameters, Save Parameters, Quit. Prefix este opiunea prin care se introduc drive-ul i identificatorul directorului de lucru (de unde se iau fiierele de date i unde se vor salva diferitele fiiere cu rezultatele prelucrrii). Data este opiunea prin care introducem identificatorul fiierului de date care urmeaz s fie folosit pentru prelucrarea cu subprogramele din Geo-EAS. Orice eroare care apare n timpul citirii fiierului este semnalat printr-un mesaj explicit. Dac nu apare nici un mesaj de eroare numele variabilelor citite din fiierul de date sunt nmagazinate n cmpurile alternative pentru a putea fi selectate cu opiunea Variables. Variable este o opiune comun pentru toate subprogramele Geo-EAS. Ea permite alegerea unei/unor variabile care urmeaz s fie prelucrate. Unele subprograme utilizeaz numai o variabil (ex: Stat1) iar altele chiar trei (ex.: Conrec). In mod normal aceast opiune conduce la un cmp alternativ care conine numele variabilei, variabil care poate fi selectat cu ajutorul tastei space. Execute este opiunea comun tuturor subprogramelor din Geo-EAS. Ea este folosit pentru a iniia prelucrarea datelor. Opiunile Read Parameters i Save Parameters, sunt comune subprogramelor

210

Ghid de utilizare a programului GeoEAS care utilizeaz fiiere cu parametri. Aceste fiiere conin valori pentru toate opiunile de prelucrare. Parametrii salvai pot fi folosii ulterior cu opiunea Read parameters. Alegerea acestor opiuni conduce la un cmp n care trebuie introduse identificatorul i directorul fiierelor cu parametri. Fiierele cu date i cele cu parametrii alei trebuie s fie n acelai director. Opiunea Quit este folosit pentru a iei din program. Aceast opiune este valabil pentru a cobor un nivel n structura arborescent. Poate fi folosit i tasta Q pentru a executa aceeai operaie. 4.5 GRAFIC Geo-EAS Subprogramele Stat1, Vario, Xvalid i Krige realizeaz graficele direct pe monitor. Aceste grafice pot fi imprimate imediat folosind tasta P dar nu pot fi salvate ntr-un fiier. Dac imprimanta creia i se transmite graficul nu este "on line" programul se "blocheaz" i este necesar reiniializarea calculatorului. Subprogramele Postplot, Xygraph i Conrec creeaz grafice pe monitor dup ce au creat un fiier metacode. Fiierul metacode poate fi folosit ulterior pentru imprimare sau vizualizare, el coninnd informaii referitoare la un anumit tip de imprimant sau monitor. Subprogramul View traduce fiiere metacode pentru monitoare EGA, CGA i Hercules. Programul Hpplot transform fiierele metacode pentru imprimante Hewlett Packard. Calitatea graficelor executate cu ajutorul fiierelor metacode este mai bun dect cea a graficelor produse cu programe nonmetacode. 4.6.ETAPELE UNUI STUDIU GEOSTATISTIC I PROGRAMUL Geo-EAS Succesiunea utilizrii subprogramelor pachetului Geo-EAS pentru parcurgerea etapelor de prelucrare ale unei estimri geostatistice este urmtoarea: 1.Post Plot permite realizarea hrilor punctuale necesare descrierii distribuiei spaiale a datelor prelucrate. 2.Stat1 faciliteaz descrierea variabilitii globale a caracteristicilor studiate (tipul de repartiie a frecvenelor valorilor prelucrate, parametrii statistici elementari etc.). 3.Prevar realizeaz fiierul pentru calculul variogramei experimentale. Acest fiier este salvat n format binar i n mod uzual are extensia "pcf" (acronimul pentru : pair comparison file). 4.Vario este subprogramul cu care se calculeaz i modeleaz variograma experimental. Modelul variogramei experimentale obinut controleaz calitatea rezultatelor interpolrii realizat prin kriging. ATENIE!!! ALEGEREA MODELULUI DE VARIOGRAM ESTE CEA MAI IMPORTANT DECIZIE A ESTIMRII STRUCTURILOR SPAIALE ! Pentru calculul variogramei experimentale este necesar fiierul creat n Prevar (fiierul cu extensia "pcf). Numrul de variabile, de probe i de perechi de puncte utilizabile este limitat n funcie de versiunea programului.

211

Roxana Popa

5.Xvalid permite validarea modelului ales pentru variograma experimental. Acest subprogram compar valorile msurate n punctele de probare cu cele estimate prin kriging, pe baza modelului de variogram. Valabilitatea modelului se evalueaz pe baza diferenelor dintre valorile msurate i cele calculate. 6.Krige este subprogramul care pe baza modelului de variogram ales i al valorilor msurate n punctele de observaie realizeaz estimarea valorii caracteristicii n orice punct din zona cercetat. 7. Postplot, Xygraf, Conrec, View i Hpplot sunt subprogramele pachetului GeoEAS care permit realizarea reprezentrii grafice a rezultatelor estimrii structurilor spaiale. 4.7. PRINCIPALELE SUBPROGRAME Geo-EAS Principalele subprograme din pachetul Geo-EAS care sunt indispensabile estimrilor geostatistice sunt Stat1, Vario i Krige. 4.7.1.STAT1 Subprogramul Stat1 utilizat pentru studiul distribuiei valorilor variabilelor prelucrate are structura prezentat n Fig.4.3. Pefix Data Variable Limits Execute Batch Statistics Quit Type Class Limits Axes Title Result View Graph Quit

Stat1

Histogram Probability Plot Examine Quit

Fig. 4.3.Structura subprogramului STAT1 Posibilitile de prelucrare ale opiunilor specifice subprogramului sunt: Variable permite selecionarea variabilelor i a modului de prelucrare a valorilor (valori ponderate sau neponderate, logaritmate sau nelogaritmate,); Limits permite selecionarea valorilor cuprinse ntre o valoare minim i una maxim definite de utilizator. Execute permite construirea graficelor histogramei, diagramei de probabilitate, precum i examinarea valorilor numerice pe baza crora s-au realizat acestea. Histogram permite realizarea unor opiuni de reprezentare i analiz prin: Type - alegerea tipului de histogram cu frecvene absolute/relative; Class Limits - alegerea mrimii intervalului de grupare; Axes - modificarea textului asociat axelor; Title - modificarea titlului asociat cu graficul histogramei; Result - afiarea frecvenelor pe baza crora este construit histograma. Batch Statistics este un fiier care conine toate rezultatele prelucrrii statistice univariate realizate cu Stat1. 212

Ghid de utilizare a programului GeoEAS

4.7.2.VARIO Parcurgerea structurii ierarhizate a programului Vario (Fig.4.4) permite calculul i modelarea variogramei experimentale.

Vario Prefix Data Variable Limits Op/Execute Quit

Direction New Lags Change Lag Post Plot Execute Quit

Type Plot Box Plot Lag Model Quit

Histogram Scatter Examine Rezults/Write Quit Plot Model Titles Plot Tic Spacing Options Limits Quit Quit

Quit Fig. 4.4.Structura subprogramului Vario. Dup parcurgerea opiunilor comune (Prefix, Data, Variable, Limits), Option/Execute deschide sesiunea de calcul a varigramei experimentale cu: Direction pentru stabilirea direciei de calcul a variogramei, toleranei de direcie i zonei de cutare. Orientarea direciei de calcul se exprim prin unghiul dintre aceasta i direcia vest-est (n grade sexagesimale). Tolerance permite introducerea toleranei de direcie, cu valori cuprinse ntre 0o i 90 o. Max Band-width (h) permite precizarea limii Maximum zonei asociate direciei Band-width din care sunt selecionate (distance) perechi de puncte pentru Tolerance calculul variogramei (angle) (Fig.4.5.) New Lags permite Direction (angle) alegerea claselor de distane pentru calculul variogramei prin interh mediul unor opiuni subordonate: Fig.4.5.Elementele de calcul pentru variograma Minimum - valoarea experimental. minim a distanei dintre perechile de puncte; Maximum - valoarea maxim a distanei dintre perechile de puncte; Increment - pasul de cretere al distanei dintre perechile de puncte.

213

Roxana Popa Dup precizarea parametrilor de calcul se calculeaz valorile variogramei experimentale prin selecionarea opiunii Execute, opiune n care sunt integrate o serie de alte opiuni pentru reprezentarea grafic a rezultatelor calculului: Type permite alegerea tipului de funcie de distan care se calculeaz: covariana invers (InvConv), variograma (Vario), variograma relativ (Relative), madograma (Madogram). Plot realizeaz reprezentarea grafic a funciei de distan selecionat. Pentru continuarea prelucrrii, dup afiarea graficului se tasteaz Q i se revine la rezultatele calculelor funciei de distan. BoxPlot realizeaz reprezentarea grafic a distribuiei valorilor funciei de distan calculate pentru fiecare clas de distan. Lag Results permite selecionarea unei clase de distan (Lag) i analiza distribuiei lor printr-o serie de alte opiuni subordonate: Histogram realizeaz histograma valorilor; Scatter realizeaz diagrama de continuitate; Examine afieaz pentru fiecare clas de distan: perechile de puncte utilizate (Pair), valorile msurate n cele dou puncte (1st value, 2nd value), distana dintre cele dou puncte (Distance), azimutul direciei segmentului care unete cele dou puncte (Direction), ptratul diferenei dintre valorile msurate n cele dou puncte (Diference^2). Renunarea la tabelul cu valorile afiate de Examine se face cu tasta Q. Write scrie rezultatele obinute ntr-un fiier de tip ASCII al crui nume este stabilit de utilizatorul programului. Quit permite revenirea la tabelul cu valorile funciei de distan. Model este opiunea care permite stabilirea interactiv a modelului printr-o serie de alte opiuni subordonate: Model permite introducerea tipului modelului i a parametrilor acestuia: efectul de pepit (Nugget); tipul (Type) care poate fi ales utiliznd tasta "space" dintr-un repertoriu de patru modele: sferic (Spherical), gausian (Gaussian), exponenial (Exponent), linear (Linear). Plot suprapune peste graficul variogramei experimentale graficul modelului ales. Opiunile Model i Plot se utilizeaz succesiv pn cnd graficul modelului realizeaz cea mai bun calare a variogramei experimentale. Se pot suprapune maximum patru modele analitice pentru calarea modelului de variogram. Options ofer posibilitatea modificrii reprezentrilor grafice realizate de subprogram cu parametrii implicii prin: Titles care permite modificarea textului ataat reprezentrii grafice a variogramei experimentale i modelului (titlul, denumirea variabilelor de pe axele de coordonate) ; Tic Spacing utilizat pentru precizarea scrii grafice a axelor de coordonate; Limits este utilizat pentru stabilirea amplitudinii variabilelor de pe cele dou axe de coordonate (X Axis Minimum, X Axis Maximum, Y Axis Minimum, Y Axis Maximum). Quit este opiunea de ieire din toate nivelurile de prelucrare.

214

Ghid de utilizare a programului GeoEAS

4.7.3. XVALID Subprogramul Xvalid valideaz modelul de variogram ales prin compararea valorilor calculate prin kriging (pe baza modelului de variogram) cu cele msurate. Structura subprogramului este organizat pe trei niveluri (Fig.4.6) cu urmtoarele opiuni: Xvalid Prefix Data Variable Option/Execute

Type Search Model Execute

Error Map Scatter Plot Histogram Write Examine Quit

Fig.4.6.Structura subprogramului Xvalid Prefix, Data i Variable care permit precizarea directorului de lucru, identificatorul fiierului de date i variabila care se prelucreaz; Option/Execute permite accesul la opiunile necesare precizrii parametrilor necesari validrii modelului de variogram; Type pentru alegerea tipului de kriging utilizat: simplu (Simple) sau ordinar (Ordinary); Search delimiteaz mrimea, forma i structura zonei de calcul pentru fiecare punct verificat prin: raza mare a zonei de cutare (Major Radius), raza minim de cutare (Minor Radius), unghiul dintre raza mare i axa OX (Angle), numrul de sectoare al elipsei (Sectors). Pentru creterea eficienei calculului se pot stabili numrul de sectoare admise, fr puncte (Empty sectors), numrul maxim de puncte din fiecare sector (Max in Sector), precum i cel minim (Min. to use). Model permite introducerea parametrilor modelului variogramei care urmeaz s fie validat: efectul de pepit (Nugget), tipul modelului (Type), valoarea maxim a variogramei (Sill), razele de influen (Major Range, Minor Range), unghiul dintre raza mare i direcia OX (Ellipse Angle). Execute este opiunea care declaneaz operaiunile de estimare ale valorii variabilei prelucrate n fiecare punct de observaie pe baza modelului de variogram ales. Dup realizarea calculului pentru toate punctele de observaie se trece automat ntr-un ecran care prezint rezultatele unei analize statistice globale (media, dispersia, abaterea standard i quartilele diferenelor dintre valorile estimate i cele msurate) i opiuni de analiz detaliat a modelului de

215

Roxana Popa variogram testat: Error Map realizeaz o hart a distribuiei erorilor n zona studiat. Erorile de supraestimare sunt reprezentate prin "+"-uri iar cele de subestimare prin "x"-uri. Dimensiunile semnelor sunt proporionale cu valoarea absolut a erorilor. Scatter Plot realizeaz dou diagrame binare rectangulare: valorile estimate (Kriged Estimate) raportate la valorile msurate (Variable); valorile estimate (Kriged Estimate) raportate la diferena dintre valorile estimate i cele msurate (Difference: Estimate-Variable). Histogram permite reprezentarea distribuiei frecvenelor erorilor de estimare (Error=Kriged Estimate-Variable) i a erorilor reduse ((Kriged Estimate-Variable)/Ksdev). Write permite scrierea rezultatelor validrii ntr-un fiier de tip ASCII. Examine permite examinarea rezultatelor validrii pe monitor. Quit este pentru ieirea din programul de validare.

4.7.4.KRIGE Subprogramul Krige realizeaz pe suprafaa cercetat o reea rectangular n ale crei noduri sunt calculate valorile estimate prin kriging ordinar sau simplu i abaterile standard. Reeaua implicit este de 10 x 10 noduri. Structura subprogramului este reprezentat n Fig. 4.7.

KRIGE

Data Polygon Type Grid Search Variables/Models Title Execute Quit

New Variable Edit Delete Quit

Fig.4.7.Structura subprogramului Krige Succesiunea opiunilor care trebuie parcurse pentru interpolarea prin kriging este: Prefix pentru precizarea identificatorului directorului de lucru n care trebuie s se afle fiierul cu date i n care vor fi salvate rezultatele prelucrrii. Read Parameters este utilizat numai n varianta n care s-a parcurs o sesiune de lucru i parametrii de calcul au fost stocai ntr-un fiier cu extensia kpf (Kriging Parameters File). Option/Execute are subordonate o serie de opiuni care permit precizarea parametrilor de calcul pentru operaiunea de interpolare prin kriging: 216

Ghid de utilizare a programului GeoEAS Data pentru precizarea numelui fiierului de date de tip Geo-EAS (cu extensia uzual "dat") i a fiierului n care vor fi salvate rezultatele prelucrrii (cu extensia uzual "grd"). Polygon pentru precizarea numelui fiierului cu conturul poligoanelor n care se face operaiunea de interpolare prin kriging. Fiierul care conine descrierea poligoanelor are n mod uzual extensia pol, este un fiier de tip ASCII i conine (Fig.4.8) pe primul rnd numrul de poligoane din fiier iar pentru fiecare poligon: codul pentru precizarea spaiului n care se face interpolarea: 0 pentru interiorul poligonului; 1 pentru exteriorul poligonului; numrul de coluri; coordonatele fiecrui col (n ordinea x, y) Numrul de poligoane Codul, numrul colurilor poligonului 1 Coordonatele colurilor poligonului 1 2 0,4 0,0 100,0 100,100 0,100 Codul, numrul colurilor poligonului 2 1,4 Coordonatele colurilor poligonului 2 25,25 75,25 75,75 25,75 0,0 100,100

Fig.4.8. Structura fiierului tip pol pentru dou poligoane ptrate. (interpolarea prin kriging se face numai n zona neagr marcat cu X-uri). Type este opiunea prin care se alege tipul de kriging utilizat: simplu (Simple), ordinar (Ordinary), punctual (Point) sau zonal cu patru (Block 2x2), nou (Block 3x3) i aisprezece (Block 4x4) puncte de discretizare. Grid este necesar pentru stabilirea densitii reelei de interpolare prin intermediul originii reelei (Origin), echidistanei dintre noduri (Spacing) i numrului de noduri (Number) pe cele dou axe (X, Y). Search delimiteaz mrimea, forma i structura zonei de calcul pentru fiecare nod din reea prin: raza mare a zonei de cutare (Major Radius), raza minim de cutare (Minor Radius), orientarea axei lungi a elipsei de anizotropie (Ellipse Angle), numrul de sectoare ale elipsei (Sectors). Pentru creterea eficienei calculului se poate stabili numrul de sectoare admise fr puncte (Empty sectors), numrul maxim de puncte din fiecare sector (Max in Sector), precum i cel minim (Min. to use). Variables/Models este pentru precizarea variabilei pentru care se interpoleaz i a parametrilor modelului de variogram stabilit cu subprogramul Vario. Title permite scrierea textului care va nsoi rezultatele interpolrii prin kriging n fiierul care se creeaz automat de subprogram n faza de execuie a calculelor. Execute este opiunea care declaneaz calculul de interpolare. Dac nu au fost introdui toi parametrii sau dac acetia nu corespund datelor prelucrate subprogramul oprete calculele. Dac din alte motive dup declanarea calculelor se dorete ntreruperea lor, acest lucru se face prin combinaia de taste Ctrl+Alt+X dup 217

Roxana Popa dezactivarea tastelor Caps Lock, Scroll Lock i Num Lock. Calculele sunt nsoite de reprezentri grafice i rezultate intermediare ale prelucrrii care pot fi activate sau inhibate prin trei taste: Caps Lock pentru desenarea pe ecran a dispoziiei punctelor de observaie, poziia punctului de calcul, zona de influen a acestuia i punctele utilizate pentru interpolare; Scroll Lock pentru afiarea sistemului de kriging; Num Lock pentru afiarea rezultatelor obinute prin rezolvarea sistemului de kriging. Continuarea calculelor dup fiecare prezentare se declaneaz cu tasta Q. Dac se dezactiveaz toate cele trei taste pe ecranul monitorului este prezentat harta reelei de interpolare, dinamica calculelor iar la partea inferioar rezultatele pentru fiecare punct al reelei n ordinea parcurgerii lor. Rezultatele calculelor (valoarea estimat i abaterea standard corespunztoare pentru fiecare punct al reelei) sunt stocate automat, pe parcursul calculelor, n fiierul al crui identificator a fost precizat la opiunea Data. 4.8.SUBPROGRAME UTILITARE Geo-EAS Subprogramele utilitare ale pachetului Geo-EAS se pot separa n trei categorii: a)subprograme utilitare pentru organizarea fiierelor de date: Dataprep i Trans; b)subprograme utilitare pentru reprezentri grafice: Conrec, Scatter, Xygraph, Postplot; c)subprograme pentru vizualizarea graficelor coninute n fiiere metacode: View i Hpplot. 4.8.1.DATAPREP Subprogramul este structurat pe dou categorii de operaii privitoare la organizarea fiierelor de date. Prima categorie - DOS Utilities - permite accesul la opiuni tip DOS iar cealalt - File Operations - include utiliti pentru crearea sau modificarea fiierelor de date de tip Geo-EAS. Operaiile cu fiiere de date se fac cu ajutorul unui fiier temporar numit Scratch File. Opiunile din nivelul Dos Utilities organizate pe un ecran standard (Fig.4.9) sunt: Directory pentru afiarea coninutului unui director al crui nume trebuie precizat; Print pentru scrierea la imprimant a coninutului fiierului specificat; List pentru listarea pe monitor a coninutului fiierului specificat; Copy pentru copierea fiierelor; Rename pentru redenumirea fiierelor; 218

Ghid de utilizare a programului GeoEAS Delete pentru tergerea fiierelor; DOS Command pentru ieirea temporar din program i plasarea n "prompter DOS". Revenirea n program se face cu comanda EXIT. DATA PREPARATION (1.0) Data File Prefix : C:\GeoEAS\Data\ Scratch File Prefix : DOS UTILITIES: Directory Print List Copy Rename Delete DOS Command Quit The directory specified will be displayed. You will be promted for the directory including the prefix, if any. Upon execution that directory will be displayed on the screen. Press <enter>

Fig. 4.9. Ecranul programului Dataprep DOS Utilities Opiunile din nivelul File Operations organizate ntr-un ecran similar cu cel din Fig.4.9 realizeaz modificri n fiierele de date prin: Append pentru crearea unui fiier nou din coninuturile a dou fiiere de tip GeoEAS. Cnd cele dou fiiere (Fiierul 1 i Fiierul 2; Fig.4.10) care se combin conin variabile diferite (v1, v2), n fiierul rezultat (Fiierul 1+2) spaiile fr valori sunt ocupate cu codul numeric pentru valori absente (1E+11). Fiierul 1+2 4 x m y m v1 ppm v2 ppm 20, 30, 300, 280 45, 60, 250, 115 30, 85, 1E+11, 80 Fig.4.10.Modalitatea de concatenare a dou fiiere de tip Geo-EAS cu Append Column Extract pentru extragerea valorilor de pe o coloan n funcie de condiii numerice de tipul: mai mic dect (.LT.; engl. less than), mai mic sau egal cu (.LE.; engl. less or equal to); mai mare dect (.GT.; engl. greater than), mai mare sau egal cu (.GE.; engl.greater than or equal to); egal cu (.EQ.; engl. equal to), diferit de (.NE.; engl. not equal to). Row Extract pentru extragerea valorilor de pe un rnd n funcie de anumite 219 Fiierul 1 3 x m y m v1 ppm 20, 30, 300 45, 60, 250 Fiierul 2 3 x m y m v2 ppm 20, 30, 280 45, 60, 115 30, 85, 80

Roxana Popa condiii numerice (similare cu cele de la Column Extract); Compress realizeaz compactarea fiierelor de tip Geo-EAS prin tergerea rndurilor care se repet; ID Variable pentru crearea unei variabile de tip numr curent care se adaug celor existente n fiierul surs; Merge pentru concatenarea a dou fiiere care au aceleai puncte de observaie i variabile diferite; Report pentru prezentarea datelor dintr-un fiier de tip Geo-EAS sub forma unui raport tip DATABASE; Sort pentru ordonarea valorilor ntr-un fiier dup una din variabilele selectate. 4.8.2.TRANS Subprogramul Trans este utilizat pentru modificarea unui fiier de date sau crearea unuia nou. Structura subprogramului are opiunile organizate pe ase niveluri: Prefix pentru precizarea identificatorului directorului de lucru; Data pentru precizarea identificatorului fiierului cu date; Create pentru crearea unei variabile noi (New Variable) sau modificarea uneia vechi (Old Variable); New Variable pentru crearea unei noi variabile prin operaii de dou tipuri: Unary Operation care opereaz asupra valorilor unei singure variabile cu diferite tipuri de prelucrri selectate cu "space" dintr-un repertoriu limitat: + adunare; - scdere ; * nmulire; / mprire; ** ridicarea la putere; sqrt radical din variabila aleas; log logaritm zecimal din variabila aleas; ln logaritm natural din variabila aleas; truncate reinerea prii ntregi din variabila aleas; exp = (e) X, unde e = 2.71828 i x este variabila aleas; rank - determin rangul valorilor variabilei selectate i creeaz o nou variabil cu aceste valori. Constant permite introducerea constantelor numerice. Variable permite selectarea variabilei cu care se opereaz. Execute realizeaz prelucrarea proiectat. Binary Operation opereaz similar cu Unary Operation prelucrnd simultan dou variabile. Indicator Transform opereaz asupra valorilor unei variabile prin intermediul unei valori de prag (treshold value) introdus prin intermediul opiunii Cutoff. Rezultatul este un ir format din 0 i 1: 1 (unu) pentru valori ale variabilei mai mari ca valoarea de prag i 0 220

Ghid de utilizare a programului GeoEAS (zero) pentru valorile mai mici ca valoarea de prag. V_Delete permite tergerea unei variabile din fiier, variabila fiind selectat cu "space". Save permite salvarea rezultatelor transformrilor realizate ntr-un fiier al crui identificator trebuie precizat. Quit este opiunea de ieire din subprogram. 4.8.3.SCATTER Subprogramul Scatter realizeaz reprezentarea grafic a dou variabile ntr-o diagram rectangular. Opional subprogramul calculeaz parametrii corelaiei liniare ntre cele dou variabile: ordonata la origine (eng.: intercept); panta (eng.: slope); coeficientul Pearson (eng.: Corell.coef.) Structura subprogramului este organizat pe un singur nivel cu opiunile: Prefix pentru introducerea identificatorului directorului de lucru; Data pentru precizarea identificatorului fiierului de date; Variable pentru selectarea variabilelor; Option pentru selectarea calculului parametrilor corelaiei liniare; Execute pentru reprezentarea diagramei rectangulare; Quit pentru ieirea din subprogram. Subprogramul Scatter este utilizat n faza iniial a prelucrrilor geostatistice pentru construirea hrilor cu poziia punctelor de probare sau pentru identificarea corelaiilor de tip linear ntre variabilele studiate. 4.8.4.XYGRAPH Subprogramul Xygraph realizeaz reprezentarea punctual a maximum ase variabile ntr-o diagram rectangular utiliznd o structurare pe trei niveluri a opiunilor: Prefix pentru introducerea identificatorului directorului de lucru; Read Parameters pentru citirea parametrilor de lucru stocai ntr-o sesiune anterioar. Option/Execute pentru trecerea la nivelul al doilea de lucru n care se introduc parametrii de lucru utiliznd opiunile: Data pentru introducerea identificatorului fiierului cu date; Variables pentru selectarea variabilelor care vor fi reprezentate; Symbol/Line pentru alegerea simbolurilor i tipurilor de linii utilizate n reprezentarea grafic; Regression pentru selectarea calculului parametrilor corelaiei liniare; Legend pentru definirea legendei; Graph Option pentru definitivarea graficului utiliznd: Axis Parameters pentru aspectul axelor graficului;

221

Roxana Popa Tick Parameters pentru scara grafic a axelor; Titles/Labels pentru textul graficului i al etichetelor punctelor; Reset pentru revenirea la parametrii implicii ai graficului. Execute pentru realizarea graficului cu parametrii stabilii; Save Parameters pentru stocarea parametrilor de lucru.

4.8.5.POSTPLOT Subprogamul Postplot realizeaz hri punctuale pentru date stocate n fiiere de tip Geo-EAS. Structura ierarhic a subprogramului este similar cu cea a subprogramului Xygraph iar singurele opiuni particulare sunt la nivelul Options pentru: plasarea valorii lng poziia punctului de probare (Include Values); scara de reprezentare a simbolurilor (Size, Scale Factor); stabilirea numrului de caracteristici zecimale ale valorilor (Decimal); stabilirea tipului de simboluri (Include Symbole). 4.8.6.CONREC Subprogramul Conrec realizeaz hri cu izolinii pe baza reelelor de interpolare create prin kriging i stocate n fiiere de tip Geo-EAS. Reelele create prin kriging sunt formate din valori distribuite ntr-o reea rectangular egal distanate pe direcia OX i OY. Structura este organizat pe trei niveluri i are opiuni identice cu Xygraph pn la nivelul opiunilor pentru trasarea izoliniilor. Acestea sunt plasate pe nivelul al treilea la Contour Options : New Levels permite alegerea unui set de izolinii difereniate printr-o echidistan aleas. Edit Levels permite editarea unui set de izolinii pentru orice valoare cuprins ntre valoarea minim i cea maxim a variabilei studiate. Labeling permite plasarea valorilor pe izolinii. Dash Patern permite alegerea aspectului grafic al izoliniilor. Annotation permite plasarea textelor pe axe. Spline permite alegerea gradului de "netezire" a izoliniilor. Execute realizeaz prelucrrile pe baza parametrilor introdui i a unui fiier intermediar de tip metacode.met. Save Parameters permite stocarea parametrilor de construire a hrii cu izolinii ntrun fiier de tip *.cpf (Contour Parameters File).

4.8.7.VIEW Subprogramul View permite afiarea pe ecranul monitorului a graficelor stocate n fiiere de tip metacode. Opiunile sunt organizate ntr-o structur cu un singur nivel i sunt comune tuturor subprogramelor: 222

Ghid de utilizare a programului GeoEAS Prefix pentru precizarea identificatorului directorului de lucru; File pentru precizarea identificatorului fiierului de tip metacode care conine graficul a crui vizualizare se realizeaz; Scale pentru stabilirea raportului scrilor de pe cele dou axe; Execute pentru realizarea reprezentrii; Quit pentru prsirea programului. 4.8.8.HPPLOT Subprogramul Hpplot transform instruciunile de plotare independente de perifericul grafic ntr-un fiier de comenzi HPGL. Acest fiier poate fi transmis unui ploter HP prin rularea fiierului de comenzi HPSETUP.BAT i a comenzii PRINT din prompter DOS. Structura subprogramului este similar celei a subprogramului View. COMENTARIU Nu uitai ca programelele sunt instrumentele care permit aplicarea unei metodologii de prelucrare a informaiilor. Ca s nu discreditai programul Geo-EAS prin utilizarea lui incorect trebuie: s tii foarte clar ce vrei s obinei prin prelucrarea datelor; s alegei metodologia de prelucrare n funcie de calitatea i cantitatea datelor disponibile; s cunoastei n detaliu fiecare etap a metodologiei de prelucrare a datelor; s nu lsai programul s lucreze cu parametrii implicii ci s-i stabilii pe baza analizei datelor prelucrate Nu ncercai s ghicii metodologia de prelucrare a datelor prin utilizarea programului naintea nelegerii acesteia! Dac rezultatul estimrii unei structuri spaiale nu este credibil nu acuzai programul Geo-EAS! El execut ce i se comand. Avei grij ce-i cerei s fac!

223