Estimación de Recursos con Leapfrog EDGE – Parte II

Variografia

Es el análisis de la variabilidad espacial de la ley dentro de un dominio. Algunos tipos de depósitos tienen una variabilidad espacial muy alta entre las muestras (por ejemplo, el oro), mientras que otros tienen una variabilidad espacial relativamente baja entre las muestras (por ejemplo, el hierro). El variograma se usa para cuantificar esta variabilidad espacial entre las muestras. Comprender cómo las leyes de muestreo se relacionan entre sí en el espacio es un aspecto clave para informar las leyes en un modelo de bloques.

Kriging ordinario

Kriging ordinario es un método muy popular de estimación lineal. En Kriging ordinario, las ponderaciones asignadas a las muestras se optimizan en función de un modelo supuesto de continuidad espacial derivado de los datos (el variograma). Esto produce estimaciones sin sesgo, las mejores (en el sentido de que el error de estimación se minimiza) y se adaptan bien a los datos locales.

Kriging simple

Si bien este método no se usa tanto como el de Kriging ordinario, hay algunas situaciones en las que ofrece ventajas.

En el método de Kriging simple, el estimador tiende a revertirse hacia un “valor medio” específico fuera de los datos, lo que puede ser un comportamiento conveniente para algunas variables, por ejemplo, la densidad o algunas variables de ley.

RBF

El estimador RBF aporta la función de base radial utilizada en otros lugares de Leapfrog a la estimación. Al igual que otros estimadores, el modelo espacial se define fuera del estimador, como un modelo de variograma separado. En este momento, el estimador RBF sólo admite variogramas con una estructura (+ nugget (+ pepita)). Sin embargo, una de las ventajas de utilizar el estimador global RBF es la capacidad de agregar una tendencia estructural en lugar de un variograma, lo que proporciona una anisotropía dinámica. Esto es particularmente útil para la estimación de vetas estrechas