VARIOGRAMAS EN ISATIS

Fuente:

https://www.geovariances.com/wp-content/uploads/2016/09/geovariancesisatis-maafk.pdf

SETIEMBRE -2016- GEOVARIANCES

El proceso calcula mapas

experimentales de variogramas

(cruzados y simples mapas de

variograma), luego los ajusta

automáticamente usando Isatis

exclusivo Algoritmo automático

de ajuste de variograma. A

acelerar computaciones,

variografía y cokriging factorial

Fuente: Geovariances
utilizan Fast Fourier Transformar

en datos cuadriculados.

El variograma se puede adaptar, en el mejor de los casos, localmente usando el variograma local

parámetros para tener en cuenta componentes no estacionarios como Ruido que varía

verticalmente. Un variograma experimental es incompleto en cuanto a que se calcula sólo para

algunas distancias y direcciones, y los valores obtenidos dependen directamente de los

parámetros y pares de datos utilizados en su cálculo, por lo tanto es necesario ajustarlo por un

modelo teórico que se adecue al variograma de la función aleatoria.

 Ejemplo de covariogramas
simples y cruzados de variables
de pruebas geometalúrgicas y
una ley medida por ICP con
mayor cobertura de datos más
el modelo variográfico
ajustado.

Fuente: Pablo Carrasco – chile -geoinnova-Geovariances

https://www.geovariances.com/en/testimonials/isatis-una-herramienta-de-eleccion-geoinnova/

fuente:2014 - geovariances
MODELADO DE VARIOGRAMAS

 Variables estacionarias:

- Modelado de variogramas 2D-3D con geometría y / o anisotropías zonales.

- Visualización multidireccional de experimental variogramas
- Conjunto exhaustivo de modelos de variograma.
- Adaptación gráfica interactiva de variogramas.
- Montaje automático de alféizar simple y cruzado variogramas
- Ajuste automático de variograma de multivariante, variogramas multidireccionales
y multiestructura a partir de una combinación dada de básicas estructuras en cada
dirección y para cada variable.
- Modelado de variograma gaussiano truncado: ajuste las funciones aleatorias
gaussianas subyacentes de variables o indicadores de efecto cero.
- Adaptación de un modelo puntual utilizando un modelo experimental.
variograma regularizado.
- Variogramas en rejillas grandes. Algoritmo basado en FFT.

 Variables no estacionarias:
- Identificación automática de deriva (IRF-k, externa
- funciones de deriva, reconocimiento de covarianza automático).
- Modelado de tendencias globales.
 Regularización de variogramas.
 Modelado de histograma (multivariante): anamorfosis función, histogramas ponderados,
soporte global corrección incluyendo efecto de información con grado - Cálculo de curvas de
tonelaje, modelado de indicadores y variables de efecto cero. Apoyo gaussiano corrección.
fuente:
http://www.tesis.uchile.cl/tesis/uchile/2011/cf-galvez_ip/pdfAmont/cf-galvez_ip.pdf
enero 2011
tesis: IGNACIO PATRICIO GÁLVEZ PARRA

Variograma modelado multivariable

Caso de estudio fierro

El modelo multivariable considera las mismas direcciones de anisotropía que en el caso
univariable, además el modelo univariable se incluye en el multivariable. Las mesetas se
obtienen por medio del ajuste automático de mesetas implementado en el software Isatis.
En este caso la proporcionalidad entre el variograma modelado univariable y multivariable se

aprecia para la variable acumulación de fierro con acumulación de sílice (figura 9.6 con respecto

de 9.1 y 9.3), la acumulación de fierro magnético con la acumulación de sílice (figura 9.4 con

respecto de 9.2) y la acumulación de fierro magnético con la acumulación de fierro (9.5 con

respecto de 9.2).Esta proporcionalidad hace notar que las variables acumulación de fierro y sílice

individualmente presentan una variabilidad en el espacio similar, pues sus variogramas simples

tienen formas muy parecidas uno con respecto del otro. Por otra parte, estas dos variables

presentan un variograma cruzado parecido al simple, por lo que la variabilidad entre ellas es

similar a la variabilidad de cada una por sí sola. En este caso se está en un modelo cercano al de

correlación intrínseca para estas variables.

Para el caso de la acumulación del fierro magnético, la forma del variograma modelado simple

es proporcional con el cruzado para las dos variables restantes del caso de estudio. Esto se nota

en las figuras 8.2 con respecto de 8.4 y con respecto de 8.5. En este caso no se está frente a un

modelo de correlación intrínseca dada la falta de proporcionalidad con los variogramas simples

de las variables acumulación de fierro y acumulación de sílice.

Caso de estudio polimetálico

El modelo multivariable considera las mismas direcciones de anisotropía que en el caso

univariable. Las mesetas se obtienen por medio del ajuste automático de mesetas

implementado en el software Isatis. A continuación, se presenta la ecuación del modelo.

El ajuste del modelo al variograma experimental tanto simple como cruzado se presenta a
continuación.

Como se aprecia en la figura 12, la estructura de corto alcance corresponde a la dirección este,
la que se grafica de color verde en la figura en cuestión. El ajuste del variograma modelado en
este caso es difícil dado lo errático del variograma experimental, sobre todo en variables como
el antimonio que presentan un número menor de datos.

La proporcionalidad del variograma simple con el cruzado entre cobre y arsénico se aprecia de
las figuras 12.4 y 12.2 con respecto de 13.2, en este caso se estaría en presencia de un modelo
cercano al de correlación intrínseca para las variables cobre y arsénico.