5.5.

Aplicaciones
5.5.1. Comparacin de los mtodos Kriging y Cokriging con base en resultados de anlisis
espaciales de Variables Fisicoqumicas y Biolgicas Medidas en el Estuario Cinaga
Grande de Santa Marta.

Se emplea la informacin de las variables profundidad (m), secchi (cm), salinidad,

oxgeno (mg/l) y clorofila "a" (g/l) descrita en la aplicacin 3.3. para mostrar las ventajas
del mtodo cokriging respecto al kriging.
Se mencion en la seccin 4.1. que la tcnica cokriging es preferible al kriging cuando
hay informacin de variables auxiliares relacionadas espacialmente con la variable de inters
y sta ltima tiene altos costos de muestreo. En este caso se usan como variables auxiliares
profundidad, secchi, salinidad y oxgeno y como variable objetivo clorofila "a". Las cuatro
primeras tienen bajos costos de muestreo (son medidas in-situ) mientras que los altos costos
de los insumos de laboratorio necesarios para la obtencin de las medidas de clorofila "a"
pueden ser limitantes del uso de una red de muestreo densa para dicha variable. Aunque no
se presentan en el trabajo los semivariogramas cruzados entre las variables consideradas
como auxiliares y clorofila "a", estos muestran la presencia de fuertes estructuras de
dependencia espacial entre ellas.
Debido a que la aplicacin del mtodo cokriging resulta dispendiosa cuando se
consideran dos o ms variables auxiliares (es complejo el ajuste del modelo lineal de
corregionalizacin), se decidi tomar la informacin de las variables auxiliares de forma
"condensada" a travs del indicador IGCi(4) (Giraldo, 2002; apndice, seccin 6.1),
calculado con base en la informacin dicotomizada de dichas variables.. El criterio para
dicotomizar cada variable fue el de comparacin de cada valor observado con su
correspondiente mediana. Se asign el valor 1 para valores mayores o iguales que la mediana
y 0 en caso contrario. Se aplic el mtodo cokriging para realizar predicciones de la variable
clorofila "a" con base en sus observaciones e informacin auxiliar del indicador IGCi(4).
Para detectar la eficiencia del mtodo se redujo a aproximadamente la mitad (54 datos) la
informacin original de clorofila "a" (en adelante se denomina a sta como CLORO 2) y se
dej la informacin completa (114 datos) del IGCi(4).El ajuste del modelo lineal de
corregionalizacin y el clculo de las varianzas de prediccin fue realizado en el software
The Spatial Interpolation of Agroclimatic Data (Bogaert et al., 1995).
Resultados y Discusin
En primera instancia se calcularon semivariogramas simples de las variables CLORO 2
e IGCi(4) y los semivariogramas cruzados entre estas tres variables. Slo se muestra el
semivariograma experimental cruzado (Fig. 23). Este indica que las dos variables
consideradas presentan correlacin espacial inversa, es decir que valores altos de
productividad biolgica (alta clorofila "a") estn asociados con valores bajos del indicador
IGCi(4) en zonas circundantes (incluso mayores a 10 km). Los valores bajos del indicador
IGCi(4) estn asociados a magnitudes por debajo de la mediana en las variables profundidad,
secchi, salinidad y oxgeno disuelto (ver tabla de interpretacin del IGCi(4) en el apndice).
De lo anterior se concluye que zonas con alta biomasa fitoplanctnica estn asociadas a baja
profundidad, alta turbidez y a masas de agua con baja salinidad y bajo nivel de oxgeno (tal
vez como consecuencia del consumo de ste durante las horas del da).
68