18 09-28-284 Modele Cantitative Geostatistice DSCRD

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
spaiale
(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
Rm Valcea
Tg Jiu
Ploiesti
Tr Severin
Bucuresti
Craiova
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 =
10
n
x m
Exp 0,5 ci

s 2
s
i =k
=
2
exp
i =1
(n
npi )
npi
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
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
exp2 =
npi )
npi
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
Atenie deci la calitatea datelor prelucrate ! ! !
12
reprezentativitatea

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

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.
a)
90
80
b)
Frecventa absoluta
70
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
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)
b)
20
18
16
14
G1
12
ni
G2
10
8
6
4
2
0
2.0
3.0
4.0
5.0
ln(K)
6.0
7.0
8.0
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
Neglijarea distribuiei lognormale a seleciei de date i neomogenitatea ei

statistic ar fi condus la subestimri ale conductivitii hidraulice n zona talvegului
18

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 :
n
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) .
ale
Rezolvare :
Galati
Tg Jiu
Buzau
Rm Valcea
Ploiesti
Tr Severin
Bucuresti
Craiova
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.
Frecvena [-]
[-]
Frecvena
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 eaDacianului
Da cia n u lu i[m ] [m]
Gauss (G-1) obinut prin aproximarea numeric
Grosimea
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).
35
120.00%
30
100.00%
25
80.00%
20
60.00%
15
40.00%
10
20.00%
5
0
.00%
22
200
400
600
800
1000
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).
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%
25
100.00%
20
Frecvena[-]
Fecvena
[-]
80.00%
15
60.00%
10
40.00%
5
20.00%
.00%
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.
Grosimea normat [-
-3
-1
-2
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.
0
0
20
40
60
100
-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
80
-1

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,
vmax = 928 m
100.00%
80.00%
60.00%
40.00%
v ni
20.00%
.00%
-5-3
155
10
1000
vi
Grosimi
15
15
20
25
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
30

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
100.00%
Frecvena
Frecven
a
25
80.00%
20
60.00%
15
40.00%
10
20.00%
5
0
.00%
0
200
400
600
800
1000
G rGrosimea
o s im e a Dacianului
D a c ia n u [m]
lu i[m ]
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.
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
Pi(xi,yi)

hij
Pj(xj,yj)
Fig.1.17.Vectorul de poziie 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
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

455
24.17
425
33.14
33.90
424
450
19.15
423
19.65
422
445
421
12.90
25.20
420
440
419
41820.80
30.17
21.10
17.30
32.53
35.70
417
435
416
415
255 256 257 258 259 260 261 262 263 264 265
430
Fig.1.21.Harta punctual cu
etichete ataate
425
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
36.0
34.0
34.0
32.0
32.0
30.0
30.0
28.0
28.0
26.0
26.0
24.0
24.0
22.0
22.0
20.0
20.0
18.0
18.0
16.0
16.0
14.0
14.0
Fig.1.22.Hart simbolic cu patru

simboluri (clase de valori)
34
Fig.1.23.Harta indicatoare a porozitii (dou simboluri)

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
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

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
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
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).
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

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
700
600
500
400
300
200
100
100
200
300
400
500
600
700
800
900 1000
Fig.1.26.Harta distribuiei abaterii standard
14
12
m[m]
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
800
10
8
6
4
2
0
0
s[m]
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
n care:
r
N(h) este numrul perechilor de puncte separate prin vectorul h ;
42
(1.4)
Analiza parametric a datelor
( i, j) h = h - perechea de puncte (pIpj) separate prin vectorul

ij
r
hij ;
vi valoarea variabilei din originea vectorului h ;

r
vj valoarea variabilei n vrful vectorului hij ;
ij
m-h - media valorilor situate n originea celor N(h) vectori h .
mh =
1 N (h)
vi
N (h) i hij =h
(1.5)
r
m+h - media valorilor situate n vrful celor N(h) vectori h .
m+ h =
1 N (h)
vj
N (h) j hij =h
(1.6)
Corelograma ((h)) este o funcie de covarian standardizat i se calculeaz

cu relaia:
(h) =
c(h)
(1.7)
+h
n care:
r
-h este abaterea standard a tuturor valorilor aflate n originea celor N (h) vectori h :
=
2
1 N (h) 2
2
vi mh
N (h) i hij =h
(1.8)
r
+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) =
N (h)
1
2
(vi v j )
2 N (h) (i , j ) hij =h
(1.10)
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
44
2
v+ h
1 N (h) 2
2
v j mv+ h
j
N (h) hij =h
(1.17)
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
calculului valorii covarianei pe 10005.9 4.3 4.2 4.2 6.2 5.4 6.1 6.0 6.1 6.3
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
vectorului de poziie h orientat NS 7005.4 6.2 6.1 6.3 5.6 7.5 6.3 5.6 5.7 5.9
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
trei termeni ai sumei (primele trei 4008.3 9.5 8.9 22.3 12.6 6.9 8.5 11.2 10.3 12.5
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
al sumei, iar sus n drepta - ultima 10011.6 12.3 12.2 9.9 12.2 8.3 8.6 7.5 6.4 19.3
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 )
) v v
(i , j
= 11,6 10 ,9 + 10 ,9 18 , 2 + 18 , 2 8,3 + ... + 5,5 5,9 + ... + 4,3 6 .3 = 7438 ,88 m 2
hij = h
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 :
2h =
1 N (h ) 2
1
vi m2h = 11,62 + 10,92 + 18,22 + ... + 5,52 + ... + 4,32 8,372 = 14,78 m2
N (h) i h =h
90
ij
+2h =
1 N (h ) 2
1
v j m+2h = 10,92 +18,22 + 8,32 + ... + 5,92 + ... + 6,32 8,622 = 17,62 m2
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 ) =
46
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

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.
10.0
15.00
(h)
c(h)
8.0
10.00
5.00
6.0
4.0
2.0
0.00
100
200
300
400
500
600
700
Fig.1.29.Funcia de covarian
0.0
100
200
300
400
500
600
700
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

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
4.20
6.20
5.40
6.10
6.00
6.10
6.30
16.00
15.00
8.00
19.00
13.00
11.00
24.00
9.00
23.00
13.00
5.50
4.20
4.30
4.10
5.50
4.60
5.00
5.90
6.20
4.30
16.00
14.00
17.00
19.00
13.00
8.00
25.00
14.00
24.00
9.00
5.30
5.20
5.20
4.20
5.30
2.20
6.20
6.10
5.80
6.20
23.00
25.00
20.00
11.00
8.00
11.00
18.00
17.00
11.00
12.00
5.40
6.20
6.10
6.30
5.60
7.50
6.30
5.60
5.70
5.90
10.00
9.00
12.00
21.00
12.00
17.00
21.00
11.00
8.00
25.00
6.20
6.50
6.20
8.30
12.30
8.30
7.30
7.20
6.20
5.80
15.00
8.00
9.00
24.00
10.00
25.00
11.00
15.00
9.00
12.00
6.90
7.00
7.30
10.50
9.50
8.20
8.40
8.30
7.30
8.30
21.00
19.00
24.00
25.00
9.00
9.00
14.00
8.00
21.00
18.00
8.30
9.50
8.90
22.30
12.60
6.90
8.50
11.20
10.30
12.50
11.00
18.00
15.00
11.00
19.00
17.00
10.00
12.00
20.00
17.00
18.20
19.50
15.60
10.20
17.30
12.60
11.20
15.30
19.60
20.30
13.00
18.00
20.00
20.00
23.00
14.00
21.00
25.00
10.00
12.00
10.90
10.50
8.30
9.50
15.60
10.30
10.60
9.50
5.30
18.20
24.00
12.00
24.00
14.00
25.00
19.00
18.00
23.00
24.00
16.00
11.60
12.30
12.20
9.90
12.20
8.30
8.60
7.50
6.40
19.30
8.00
18.00
17.00
13.00
24.00
9.00
24.00
11.00
19.00
8.00
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

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 )
(1.19)
Var{V(p)} - variana
Var {V ( p )} = E{[V ( p ) m( p )] }
(1.20)
c( p1 , p 2 ) = E{[V ( p1 ) m( p1 )][V ( p 2 ) m( p 2 )]}
(1.21)
c(p1,p2) - covariana
2(p1,p2) - variograma
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
(1.23)
- existena covarianei i invariana acesteia la translaie:

c(h ) = E{V ( p ) V ( p + h )} m 2 , p
56
(1.24)
Existena i staionaritatea covarianei implic existena staionaritii
varianei i variogramei. Se deduc imediat relaiile:
Var {V ( p )} = E{[V ( p ) m] } = c(0 ),p
(1.25)
1
2
E {[V ( p + h ) v( p )] } = c(0 ) c(h ),p
2
(1.26)
(h ) =
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
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:
i =n
F ( A, B, C ) = vmasi vtendi
i =1
) = [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:
A i = n
B = x
i

i =1
C i = n
y i
i =1
60
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
x
y
y
v
y
masi i
i
i
i
i =1
i =1
i =1
i =n
i =n
(1.40)
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
P = 100 1 ii==1n
vmasi vmas

i =1
(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:
(v
i =n
Fexp =
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
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).
4
Variograma
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
3
N135V
N45V
1
0
0
5000
10000
h[m]
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
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?
mare
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.
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
NPtend = 120 + 0,5 x + 0,45 y .
60.00
1500
40.00
N45 V
20.00
1000
0.00
-20.00
500
-40.00
-60.00
-60.00
-40.00
-20.00
0.00
20.00
40.00
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)
(1.44)
Dac acest palier exist, rezult c i covariana complementar exist:
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
r
RL (h ) =
N (h )
i
i =1
i (h )
mi2
N (h )
i =1
(1.46)
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):
0 , h = 0
1, h > 0
(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
3 h 1 h
3 , h [0, r ]
(h ) = 2 r 2 r
1 , h [0, r ]
(1.53)
Modelul exponenial are ecuaia:
h
r
(h ) = 1 EXP
(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:
2
h
2
r
(h ) = 1 EXP
(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:
0 ,
1,
(h ) =
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
(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:
1 ( h1 ) = r ( h) , h1 =
h
r
(1.60)
Pentru un spaiu tridimensional modelul echivalent i distana redus sunt

definite de relaiile:
(h ) = (hx , hy , hz ) = 1 (h1 )
h hy h
h1 = x + + z
rx ry rz
2
- modelul echivalent
(1.61)
- 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:
h = hx
hy
hz , h = hx
hy
cos( ) cos( )
sin( ) cos( ) sin( )
hz i R =
sin( )
0
cos( )
cos( ) sin( ) sin( ) sin( ) cos( )
(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
i distana redus: h1 = h
(1.66)
- al doilea model: model de tip sferic, dat de ecuaia
cu forma
2
h
i distana redus: h2 = x + y
(1.67)
rx ry
- al treilea model: tot cu plafon, de tip sferic, cu razele diferite pe cele
dou direcii, de forma general:
general:
( h) = w2 2 ( h2 )
( h) = w3 3 (h3 )
h h
i distana redus: h3 = x + y
rx ry
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:
2
h hy h
( h) = w1 1( h1 ) , cu distana redus: h1 = x + + z
rx ry rz
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
F2
F3
F4
F5
35.00
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 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
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
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.
Frecventa absoluta
2.Evaluarea ponderii valorilor variabilei alfanumerice
30
20
10
0
Argila
Nisip
Litologia
Fig.1.62.Histograma nominal.
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:
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)
30
15
b)
7
C
o5
t3
a
5
3
01
F recventa absoluta
F recventa absoluta
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)
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.
7
6
5
4
3
2
1
0
a)
6
Frecventa absoluta
Frecventa absoluta
Fig.1.63.Frecvenele de distribuie ale argilei i nisipului pe vertical
Abscisa grilei de discretizare
5
4
b)
3
2
1
0
10
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
16.00
14.00
12.00
10.00
(h)
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
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.
(h)
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.
97
Daniel Scrdeanu
34
32
30
28
26
24
22
(h)
20
18
16
14
12
10
8
6
4
2
0
0
10
12
14
16
Fig.1.73.Variograma direcional pe
direcia NS (tolerana unghiular de 20
grade sexagesimale).
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
sferic, avnd:
efectul de pepit = 0;
palierul = 4,7;
razele de influen: rV-E = 10 - 12; rN-S = 2 - 4
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.
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
G*
G-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
G* G-G*
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
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
102
( Gi* )
cu
ajutorul
Grosimea calculata(G*)
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 ) 2.5
2
1.5
1
0.5
0
0
Grosimea masurata( Gi )
*
Fig.1.76.Diagrama Gi - Gi*
Analiza variografic
G-G*
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
Grosime 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.
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 ( )
104
(1.73)
Analiza fractal
aria delimitat de conturul neregulat (A):

A = N box ( ) 2
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
(1.74)
(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.
b)
a)
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=
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(4)
ln(4)
=
=1
ln(0,25 / 1) ln(1 / 4)
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
(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
a)
n(d)
b)
N(r)
d[m]
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)
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:
n
v0 = wi vi
i =1
(2.1)
n care:
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:
t 0 = wi T( vi )
n
i =1
(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 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
40
Frecventa
m = 30,7% 0,49
Fig.2.6.Amplasarea
forajelor
30
31.0
30.7
30.3
30.0
29.6
29.2
28.9
28.5
Frecventa
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.
Referitor la influena dimensiunii celulelor de discretizare, trebuie remarcat
118
Estimarea global
199
177
155
133
111
89
67
45
23
Porozitatea
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.
60000
55000
30.5
50000
30.3
45000
30.1
40000
29.9
35000
30000
29.7
25000
29.5
20000
29.3
15000
29.1
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 ,
(25)
Media tuturor erorilor de estimare punctual este:
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
(2.7)
i =1
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
(2.9)
i =1
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
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
i =1
i =1
wi = 1
(2.11)
i =1
Variana erorii de estimare. Variana erorii de estimare pentru un set de

estimri poate fi scris sub forma:
2
1 k
1 k
1 k
2
R = (ri mr ) = vi vi (vi vi ) .
=
i
=
i
=
i
1
1
1
k
k
k
(2.12)
Dac presupunem i caracterul nedeviat al estimrii (2.11), rezult c:
1 k
k i =1
= [v v ] .
2
122
(2.13)
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
(2.14)
i =1
Diferena dintre valoarea real i cea estimat este de asemenea o variabil

aleatoare:
R( p0 ) = V ( p0 ) V ( p0 ) ,
(2.15)
care poate fi dezvoltat sub forma:
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:
~
c
ij
- 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:
{(
) }
= 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
i =1
i =1
= 2 wi E{V ( pi ) V ( p0 )} 2wi E{V ( pi ) V ( p0 )} =

n
i =1
(2.18)
= 2 wi (E{V ( pi ) V ( p0 )} E{V ( pi )} E{V ( p0 )}) =

n
i =1
n
n
= 2 wi Cov{V ( pi ) V ( p0 )} = 2 wi c~i 0 .
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
Cov{V ( p0 ) V ( p0 )} = ~ 2
(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
i =1 j =1
ij
i =1
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:
R2 - 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
i =1 j =1
ij
i =1
i0
i =1
(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:
( )
~ 2R
=0
w1
M
~ 2
R
w = 0
~n2
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
)=0
(2.25)
- al doilea termen:
w w c~
w c~ + 2w w c~
i =1
j =1
ij
11
j =2
1j
(2.26)
n
n
= 2 w1 c~11 + 2 w j c~1 j = 2 w j c~1 j
j=2
j =1
- al treilea termen:
2 w c~
n
i =1
i0
) = 2c~
10
(2.27)
- al patrulea termen:
( (
)) = 2 .
2 w 1
i
i =1
(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
w j c~ij 2c~10 + 2 .
j =1
(2.29)
Primele n derivate n raport cu wi (i = 1,2,...,n) au forma general:

n
w j c~ij + = c~i 0 , i = 1,2,K, n .
j =1
(2.30)
Derivata n raport cu parametrul lui Lagrange, a (n+1) -a derivat, are forma:
( (
)) (
(~ ) 2 w 1
= 2 w 1 .
=
i =1
i =1
(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 )
=
2
wi c~1i 2c~10 + 2 = 0
w
i =1
1
M
(~ 2 )
n
R
~
= 2 wi c ni 2c~n 0 + 2 = 0 .
i =1
wn
~
n
( R2 )
= 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~2 n
M
M
~
~
cn 2 L cnn
1
1 w1 c~10
1 w2 c~20
M M = M .

1 wn c~n 0
0 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)
W = C1 D
(2.35)
a crui soluie este:
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 w j c~ij + = wi c~i 0
j =1
(2.36)
i se nsumeaz pentru toate cele n puncte de observaie, rezultnd:

n
n
n
n
wi w j c~ij + wi = wi c~i 0 ,
(2.37)
n
n
n
wi w j c~ij = wi c~i 0 +
(2.38)
i =1
care sub forma:
j =1
i =1
i =1 j =1
i =1
i =1
se nlocuiete n (2.23) i se obine:
~ = ~ w c~ + ,
2
i =1
i0
(2.39)
care n form matricial este:
~ = ~ w D .
2
(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:
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 )]}
=
ij
i0
j0
(2.42)
Variana erorii de estimare n aceast variant este dat de relaia:
127
Daniel Scrdeanu
~ = E{[V ( p ) V ( p
0
)] } = E [ w V ( p ) w V ( p )]
2
}=
(2.43)
= wi w j E {[V ( pi ) V ( p 0 )][V ( p j ) V ( p 0 )]}

n
i =1 j =1
n care, utiliznd forma variogramei din ecuaia (2.42), se obine:
~ = E{[V ( p ) V ( p
)] } = w w
i =1 j =1
~ij +
n
n
n
n
+ wi w j ~i 0 + wi w j ~j 0 =
i =1 j =1
i =1 j =1
n
n
n
= wi w j ~ij + wi wi ~i 0 + wi ~j 0 =
n
i =1 j =1
j =1
i =1
i =1
(2.44)
n
= wi w j ~ij + 2 wi ~i 0
n
i =1 j =1
i =1
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
~ = w w ~ + 2 w ~ w 1
n
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
n
wi ~ij + 2~i 0 , i = 1,2,K, n
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
wi ~ij + = ~i 0 , i = 1,2,K, n
j =1
n
wi = 1
i =1
care sub form matricial poate fi scris:
128
(2.48)
Estimarea punctual
~11 ~12
~ ~
22
21
M
M
~ ~
n1 n 2
1
1
L
L
~
~
1n
2n
M
~
L nn
1 w1 ~10
1 w2 ~20
M M = M

1 wn ~n 0
0 1
(2.49)
Valoarea minim a varianei erorii de estimare n raport cu valorile msurate

este dat de relaia:
~ = w ~ +
2
i =1
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:
c~ij
~ = ~ ,
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
w j ~ij + = ~i 0 , i = 1,2,K, n
j =1
n
wi = 1
i =1
(2.52)
sau sub form matricial:

~11
~
21
M
~
n1
1
~
~
L ~1n
L ~
M
~
M
~
L nn
L 1
12
22
1 w1 ~10
1 w2 ~20
M M = M .

1 wn ~n 0
0 1
2n
n2
(2.53)
n cazul utilizrii corelogramei variana minim a erorii de estimare se

calculeaz cu relaia:
~ = w ~ +
2
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
( ~k2 ) (ecuaia 2.50).
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
conine pe diagonala principal un termen suplimentar ~i2 . Pentru kriging-ul
punctual ordinar n cazul datelor incerte sistemul va avea forma:
n
~
~2
~
wi ij wi i + = i 0 , i = 1,2,K, n
j =1
wi = 1
i =1
(2.58)
sau matricial:
~11 ~12
~
21
M
~
n1
1
~12
L
2
~
~
22 2 L
M
~
n2
~1n
~2 n
M
~
L nn ~n2
L
1
1 w1 ~10

1 w2 ~20
M M = M

1 wn ~n 0
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
funciilor
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 3 , h [0,6)
(2.61)
2 6 2 6
134
Estimarea punctual
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
?
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:
- 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
~3 p
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:
6
v p0 = wi vi = 0,352 32 + 0,309 40,00 + 0,262 40,00 + 0,133 38,00 +

i =1
(2.65)
+ 0,018 52,0 0,074 25,00 = 38,20 m
iar valoarea minim a varianei erorii de estimare cu:

n
~R2 = wi i + = 0,352 4,320 + 0,309 3,739 + 0,262 3,739 +

i =1
Po
+ 0,133 3,739 + 0,018 2,420 0,074 0,327 0,108 = 5,94 m
(2.66)
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
(h ) = 10 3 pentru h [0,6 )
2 6 2 6
1
10 pentru h > 6
(2.67)
0 pentru h = 0
3 h 1 h
2 (h ) = 5 + 5 3 pentru h (0,6)
2 6 2 6
10 pentru h 6
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
~ R ( p 0 )
2,19
4,80
~ R2 ( 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
3
(
)
=
h
10
1
2 6 2 6 , h [0,6 )
(2.68)
h
h
2
1
(h ) = 20
3 6 2 63
2
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
~ p
2,19
3,10
R ( 0 )
4,80
9,60
~ R2 ( p 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)
3 h 1 h3
, h [0,6 )
3
2 6 2 6
(h ) = 10
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 )
(2.70)
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
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
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.
Nr.
crt.
1
2
3
4
5
6
P0
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
z*(p0)[
37,9
38,7
m]
R (p 0 )
1,87
1,35
3,50
1,81
R2 ( p 0 )
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
F2
F3
F4
F5
35.00
30.00
25.00
20.00
15.00
10.00
5.00
0.00
0.00
10.00
20.00
30.00
Fig.2.16.Datele primare necesare realizrii seciunii litologice
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:
palierul = 0,25;
unitatea structural a nisipului se manifest de asemenea izotrop, variograma
indicatoare fiind tot de tip sferic cu parametrii:
palierul = 0,2;
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
F2
F3
F4
F5
F1
35
35
30
30
25
25
20
20
15
15
10
10
F2
F3
F4
F5
0
0
10
15
20
25
30
35
0
0
40
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)
35
b)
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
c)
35
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
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)
146
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
Fig.2.21. Seciune litologic cu trei

litotipi.
0
0
10
10
15
20
25
Seciunea litologic pentru o

probabilitate
comun
minim
p=0,5 este prezentat n Fig.2.21.
15
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
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
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
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
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
148
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
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
150
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
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).
Frecventa
14
12
10
8
6
4
2
0
3
12
15
Duritatea temporara
18
>21
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
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
2000
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.
1500
1000
500
30
25
-500
(h)
20
-1000
15
10
5
-1500
0
0
-2000
-500
500
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
1000
1500
2000
2500
h[m]
500
Fig.2.25 Variograma
omnidirecional a duritii
temporare
4000
3500
15
3000
14
2500
13
12
2000
11
1500
10
9
1000
8
500
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:
K
m( p ) = ai f i ( p ) .
(2.73)
i =1
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 )}
i:
2 ( p1 , p 2 ) = Var {V ( p1 ) V ( p 2 )} = E [V ( p1 ) V ( p 2 )]
2
[m( p1 ) m( p 2 )] = Var {Y ( p1 ) Y ( p 2 )} = E [Y ( p1 ) Y ( p 2 )]
2
(2.80)
(2.81)
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:
n
V0 = wi vi .
(2.82)
i =1
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
w a
i =1
l =1
f l ( pi ) al f l ( p 0 ) = 0 ,
(2.83)
l =1
157
Daniel Scrdeanu
din care, deoarece coeficienii derivei sunt necunoscui, trebuie ca:

n
w f (p ) = f (p ),
i =1
(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:
n
~R2 = 2 wi ~i 0 wi w j ~ij
i =1
(2.85)
i =1 j =1
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
i0
j ij l l i
j =1
l =1
,
wi f l ( pi ) = f l ( p0 ), l = 1,2,K, k
i =1
sau sub form matricial, n cazul

bidimensional:
~11 ~12 L
~ ~
L
22
21
M
M
~
~
n1 n 2 L
1
1 L
x1 x2 L
y
1 y2 L
(2.86)
unei tendine de forma (2.77) pentru un spaiu
~1n 1 x1
~2 n 1 x2
M
~
nn
1 xn
xn
yn
y1 w1 ~10
y 2 w2 ~20
M M M

y n wn = ~n 0
0 1 1

0 2 x0
0 3 y0
(2.87)
Relaia de calcul pentru variana erorii de estimare este:

n
i =1
j =1
~R2 = wi ~i 0 + j f j ( p0 ) .
(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.
15000
Ialomia
Trgovite
10000
5000
Dmbovia
5000
10000
15000
20000
25000
Fig.2.28.Distibuia celor 113 foraje

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.
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
Frecventa
15
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).
15
15000
12
10000
5000
-3
0
5000
COMENTARIU
10000
15000
20000
25000
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
c~iA = Cov{V AVi } = E{V AVi } E{V A } E{Vi } = E
n A
1
1
E V j E{Vi } =
nA
n A j jA
1
=
Cov{V jVi }
n A j j A
V
V
j i
j j A
E{V V } n E{V } E{V } =

1
A j
j A
(2.89)
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
L c~1n
L c~2 n
M
c~n 2
1
M
L c~nn
L 1
1
1 w1 n A
1 w2 1
M = nA

1 w n 1
0 A n A
(c~
+ c~1 A 2 + L + c~1 AnA

c~
1A
~
c~2 A1 + c~2 A 2 + L + c~2 AnA c 2 A
=
M
M
c~nA
c~nA1 + c~nA 2 + L + c~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:
n
v A = wi v i
(2.91)
i =1
i a parametrului lui Lagrange care minimizeaz variana erorii de estimare calculat

cu relaia:
~ A2 = c~AA wi c~iA + A
i =1
(2.92)
~ este covariana medie a suprafeei A obinut cu relaia:

n care c
AA
1
c~AA = 2
nA
nA
nA
c~
ij
i i A j
(2.93)
j A
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
1
d Api v1
+
+
v2
d
p
Ai v 2
1
d Api v2
v3
p
Ai v3
d Api v3
+
+
v4
d Api v4
1
(2.94)
d Api v4
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 =
p
v1 A
1
d vp1 A
+
+
v2
d
p
v2 A
1
d vp2 A
+
+
v3
d
p
v3 A
1
d vp3 A
+
+
v4
d vp4 A
1
(2.95)
d vp4 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:
v A* = (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).
400
Rezolvare:
350
300
250
200
150
100
50
0
0
50
100
150
200
Fig.2.39.Reeaua de probarea a zcamntului Dealul Roatei
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
167
Daniel Scrdeanu
Lg(plumb)
Pb
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%];
G3
intervalul (0,01 i 1,00 %];
G2
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).
168
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:
i = nx j = ny
M = Vij ij cij
(2.98)
i =1 j =1
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
[-]
ny
[-]
10
20
30
40
50
60
70
80
90
100
10
20
30
40
50
60
70
80
90
100
[tf/m3]
Rez.
[t]
1,20
1,20
1,20
1,20
1,20
1,20
1,20
1,20
1,20
1,20
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
170
Fig.2.43.Distribuia coninutului
de plumb i conturul blocului
pentru calculul rezervei.
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
12000
7000
2000
10000
15000
20000
25000
Fig.2.46 Harta simbolic a transmisivitii din

modelul cu diferene finite.
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
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
Dmbovia
2400
2200
2000
1800
10000
1600
1400
1200
1000
5000
800
600
400
25000
20000
15000
10000
200
5000
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.
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:
f (v m ) + m ,
v =
(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
f c v2 + 1 m
(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 =
2 ( B, A )
,
2 ( P, A )
(3.7)
n care:
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
(3.8)
Fig. 3.4.Descompunerea
varianei totale
n mod clasic, componentele varianei pentru exemplul din Fig.3.4 se

calculeaz dup relaiile cunoscute:
2
1 n
1 12
(P , A) = (vi m ) , n care m = vi
12 i =1
12 i =1
2
{[
] [
(3.9)
] [
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 )
2 ( P, B ) =
] [
]}
(3.10)
2 ( B, A) =
1
(m B1 m)2 + (m B 2 m)2 + (m B3 m)2 + (m B 4 m)2 ,
4
(3.11)
n care:
m B1 =
180
1
(v1 + v 2 + v3 )
3
(3.12)
Calculul erorilor
1
(v 4 + v5 + v6 )
3
1
= (v 7 + v8 + v9 + v10 )
3
mB2 =
(3.13)
m B3
(3.14)
mB4 =
1
(v11 + v12 )
3
(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 ) =
1 n
1 n 2
2
(
)
v
m
=
vi m 2
i
n i =1
n i =1
1 n
vi
n i =1
m=
cu
(3.16)
Rezult c :
2
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
=
=
1
2n 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 2j
j =1 i =1
2
2n 2
vi2 +
i =1 j =1
1
2n 2
1
2n 2
vv
i =1 j =1
i j
vv
i =1 j =1
i j
(3.17)
(v v )
n
i =1 j =1
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, dac v j v p1
ij =
0, dac v j > v p1
182
(3.22)
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:
n
Nv p1 = i j ,
(3.23)
j =1
iar proporia acestora n numrul total de valori cu relaia:

n
( )
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
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.
(3.26)
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
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
n
j =1
(3.28)
i:
w (v
n
j =1
( )
(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)
n care:
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
(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:
n
I 3 = ~R2 = c~00 + wi w j c~ij 2 wi c~i 0 ,

i =1 j =1
(3.34)
i =1
n care:
~R2 - variana erorii de estimare modelat;
~
c00 - variana modelat a valorilor msurate;
c~ij - covariana modelat a valorilor msurate;
c~i0 - 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:
n
~R2 = c~AA + wi w j c~ij 2 wi c~iA ,

i =1 j =1
i =1
n care:
A - suprafaa pe care se estimeaz media global;
c~AA - media covarianelor modelate pentru ntreaga suprafa studiat,
c~ij - covariana ntre toate punctele probate;
188
(3.36)
Calculul erorilor
c~iA
- 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:
n
~R2 = c~00 + wi w j c~ij 2 wi c~i 0 ,

i =1 j =1
(3.37)
i =1
n care:
~ - variana valorilor;
c
00
~
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:
~R2 = ( ) c~AA + wi w j c~ij 2 wi c~iA ,

2
(3.38)
i =1 j =1
i =1
n care covarianele se obin prin diferena dintre unu i variogramele relative

corespunztoare.
189

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
P28
P29
37000
P20
Arge
P1
P2
P25 P30
P16
P21
P7 P10 P13 P17
P22
P5 P8
P18
P11
P26
P3
P14
P23
P31
P12
P19 P24 P27
P9
P4
P15
P6
36500
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:
palierul = 25 m2;
razele de influen:
r1 = 2100 m (pe direcia N35oE);
r2 = 700 m (pe direcia N55oV).
190
Calculul erorilor
1.8
1.4
0.6
0.2
-0.2
-0.6
-1
-1.4
-1.8
Frecventa absoluta
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
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
192
Calculul erorilor
Eroarea relativa de estimare
Fig.3.11.Histograma erorilor
relative de estimare
2.14
1.92
9.1
8.2
7.3
6.4
5.5
4.7
3.8
2.9
2.0
1.1
1.69
1.46
10
1.24
15
1.01
20
0.78
25
0.56
30
45
40
35
30
25
20
15
10
5
0
0.33
Frecventa absoluta
Frecventa absoluta
35
0.10
40
ln(e roare a re lativa de e s tim are )
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)
(3.46)
care se descompune n :
H(U,G) = H(U|G)+H(G)
(3.47)
H(U|G) = E[-logf(U|G)/m(U|G)]
(3.48)
n care
Pentru a interpreta aceast decompoziie, presupunem c valorile G au fost

obinute i n aceste condiii incertitudinea asupra valorilor U este :
195
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]}
(3.50)
H(X) = H(U,G) = E{E[-logf(U|G)/m(U|G)|G]} + E[-logf(G)/m(G)]
(3.51)
deci
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)
(3.57)
cu msura ingnoranei complete:

m(U,G, |D) = m(U, |G)m(G|D)
(3.58)
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

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
U |G
= UU UG GG GU
1
Matricea = U |G GG
1
(3.62)
(3.63)
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
GG
I
T =
0 I
-1=(TT)-1-1T-1
1
1 = U |G
GG
I
T 1 =
0 I
(3.64)
(3.65)
(3.66)
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
(3.71)
n care
199
(~ )
(~ )
2
R f
este variana erorii de estimare dup introducerea punctului fictiv;
2
R i
- 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

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
BALTENI
MATASARI
75000.00
PESTEANA
PLOSTINA
LUPOAIA
DRAGOTESTINEGOMIRA
70000.00
SAMARINESTI
65000.00
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.
76000
70
74000
60
50
72000
40
70000
30
68000
20
66000
64000
52000
10
0
54000
56000
58000
60000
62000
64000
Fig.3.15.Distribuia transmisivitii
acviferului din culcuul stratului V
calculat cu valori normalizate.
76000.00
80
70
74000.00
60
72000.00
50
70000.00
40
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.
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
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
30
68000.00
66000.00
64000.00
52000.00
54000.00
56000.00
58000.00
60000.00
62000.00
64000.00
203

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
30
25
72000
1.9
74000
1.7
1.5
72000
20
70000
1.3
70000
15
68000
10
66000
64000
52000
1.1
68000
0.9
0.7
66000
0
54000
56000
58000
60000
62000
64000
0.5
64000
52000
Fig.3.17.Distribuia
supraestimrilor transmisivitii
54000
56000
58000
60000
62000
64000
Fig.3.18.Distribuia abaterii standard

de estimare a transmisivitii
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%
300%
74000
74000
260%
72000
72000
220%
70000
180%
70000
140%
68000
68000
100%
66000
60%
66000
64000
52000
64000
52000
54000
56000
58000
60000
62000
20%
54000
56000
58000
60000
62000
64000
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
Prevar
Vario
Stat1
Scatter
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

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

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.
Stat1
Pefix
Data
Variable
Limits
Execute
Batch Statistics
Quit
Histogram
Probability Plot
Examine
Quit
Type
Class Limits
Axes
Title
Result
View Graph
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
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
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

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

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
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
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
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

(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

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

18 09-28-284 Modele Cantitative Geostatistice DSCRD

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

18 09-28-284 Modele Cantitative Geostatistice DSCRD

Încărcat de

Drepturi de autor:

Formate disponibile

Daniel Scrdeanu

POSTFA sau DECALOGUL GEOSTATISTIC

3. S prelucrezi selecii de date OMOGENE STATISTIC!

2.Estimarea distribuiei spaiale ...............................................................................114

1.ANALIZA VARIABILITII CARACTERISTICILOR GEOLOGICE

selecia de date este omogen, variant n care estimrile geostatistice se

Analiza valorilor extreme ale seleciilor de date asigur estimarea corect a

A1.Analiza unei repartiii normale i omogene

Fig.1.1.Distribuia celor 124 de foraje care au

Analiza variabilitii globale

Grosimea depozitelor daciene(g)

Fig.1.2.Histograma (a) i diagrama de probabilitate (b) ale grosimii

caracterul simetric al histogramei (coeficientul de asimetrie: 1 = 0,01)

Analiza diagramei de probabilitate, ntocmit pentru repartiia normal,

Analiza variabilitii globale

Prin eliminarea intervalelor de grupare extreme, cu frecvene absolute mai

Pentru un risc al erorii de genul I, = 1%, la un numr al gradelor de libertate

Conform criteriului testului de concordan 2 , deoarece :

rezult c, din punct de vedere statistic, cu o eroare admisibil = 1%, distribuia

Atenie deci la calitatea datelor prelucrate ! ! !

Analiza variabilitii globale

Fig.1.3.Distribuia celor 101 foraje.

Fig.1.4. Histogramele i diagramele de probabilitate pentru grosimile

Testarea acestei supoziii se realizeaz n urmtoarele etape de prelucrare :

Tabelul 1.3.Grosimi ale depozitelor romaniene din Bazinul Dacic.

Analiza variabilitii globale

1000 1200 1400 1600

Conduc tivitatea hidraulic a[m /zi]

Fig.1.6.Histograma (a) i diagrama de probabilitate (b) pentru valorile

Analiza variabilitii globale

se detaeaz un numr de opt valori, cte patru la fiecare extremitate a seleciei,

Tabelul 1.5.Valorile extreme care se elimin din selecie

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

Analiza morfologiei histogramei i a diagramei de probabilitate pentru valorile

Este important de reinut c :

K2 = 394 m/zi 1 m/zi pentru = 5%;

zona interfluviului Dmbovia-Ialomia (G1) unde

Neglijarea distribuiei lognormale a seleciei de date i neomogenitatea ei

Analiza variabilitii globale

dac neglijeaz aceste neomogeniti se pierde n totalitate controlul erorilor

dac se dorete eliminarea efectului lor, apar

Eliminarea efectului neomogenittilor statistice presupune cunoaterea n

1.2.NORMALIZAREA REPARTIIEI SELECIILOR DE DATE

Valorile transformate vor fi prelucrate cu metodologia specific modelelor

n care u i este valoarea normat, m i s sunt media de selecie, respectiv abaterea

Normalizarea seleciilor de date

b) dac punctele de observaie sunt distribuite neuniform pe suprafaa

Calculul probabilitilor pentru valorile extreme (valori maxime i minime) ale

S se normalizeze, n spaiul valorilor normate, cele 124 de valori

Fig.1.9.Distribuia celor 124 de foraje n

Considerm, ntr-o prim

Din cauza asimetriei de stnga,

Normalizarea seleciilor de date

n cazul aplicaiei, fiierul cu date de tip Geo-EAS conine 4 coloane pe care

Fig.1.11.Structura fiierelor de intrare pentru programul de transformare:

Fig.1.12.Fiierele cu rezultatele transformrii (normalizrii)

numele fiierului cu rezultatele transformrii (ex.: ndacian.dat); acest fiier, pe

Aspectul grafic al corelaiei

Grosimea Dacianului (v)[m]

Normalizarea seleciilor de date

Dac dup normalizare histograma valorilor este simetric iar n diagrama

Fig.1.15.Curbele frecvenelor cumulate necesare normalizrii generalizate:

Normalizarea seleciilor de date