Ingeniero

PALABRAS CLAVE: Espacialización, Nutrientes, Eutrofización, Geostadística, Kriging, Embalse Porce II.

RESUMEN
Este artículo presenta los resultados alcanzados mediante la espacialización de nutrientes en el embalse Porce II. Se utilizaron diferentes técnicas geoestadísticas considerando principalmente el Kriging simple y ordinario. Se utilizaron 12 estaciones de calidad de agua distribuidasen todo el cuerpo de agua del embalse con datos registrados para las variables de estudio en la campaña del segundo semestre del año 2006, se realizó el análisis exploratorio de los datos considerando anisotropía, tendencias e identificación de valores extremos, también se analizó la correlación entre las dos variables en estudio encontrando que no es posible correlacionar el comportamiento del NTy del PT para este caso específico. Se concluyó que con el uso de las herramientas geoestadísticas es posible caracterizar tendencias y extrapolar valores a lugares no estudiados ahorrando tiempo, costo y materiales. Con los mapas de distribución de nutrientes se detectaron los sitios de concentración preferente de macrófitas en el embalse, estos mapas contienen las mejores estimaciones en lospuntos no muéstrales, ya que se encontraron confiabilidades muy cercanas al 100% para algunos de los modelos utilizados. No obstante las precisiones de las estimaciones son mejores en el interior del embalse que en las proximidades de los bordes, donde la desviación típica del error es más alta.

KEYWORDS: Palabras claves en inglés. Spatialization, Nutrients, Eutrophication, Geostatistics,Kriging, Reservoir Porce II

ABSTRACT: Resumen en inglés.

INTRODUCTION

Since the sixties, the study of phenomena with spatial correlation using geostatistical methods has been studied and implemented especially in order to predict values ​​of variables in geographic locations not monitored. As record are the work of Sichel (1947, 1949) [1] and Krige (1951) [2]. The first observed the asymmetricalnature of the content distribution of South African gold mines, and compared with a lognormal probability distribution and developed the basic formulas for this distribution. This allowed a first estimate of the reserves, but under the assumption that the measurements were independent, in clear contradiction with the experience that there are "zones" are richer than others. A first approach tosolving this problem was given by the geologist G.Krige [2] who proposed a variant of the method of moving median, which can be considered as equivalent to simple kriging is an estimation methods with higher spatial qualities linear theory. The rigorous formulation and solution to the problem of prediction came from France with Professor Matheron (1962) [3] School of Mines in Paris. In subsequentyears, the theory was expanding its range of validity and reducing the required assumptions (Samper and Carrera, 1990) [3].
Although the geostatistical application is quite recent, there are countless examples where this technique has been used in environmental studies with the nature to predict spatial phenomena (Robertson, 1987 [4] Cressie and Majure, 1995 [5] Diggle et al ., 1995 [6]). The basisof geostatistical analysis is the determination of the structure of autocorrelation between the data and its use in predicting through some techniques known as kriging and cokriging. Other important topics in the study of geo-referenced information are the design of sampling networks (McBratney et al., 1981 [7]), multivaried geostatistics (Wackernagel, 1995 [8]) and simulation (Journel andDeutsh, 1992 [9]).

INTRODUCCIÓN

Desde la década de los sesenta, el estudio de fenómenos con correlación espacial por medio de métodos geoestadísticos se ha venido estudiando y aplicando especialmente con el propósito de predecir valores de variables en lugares geográficos no monitoreados. Como antecedentes se encuentran los trabajos de Sichel (1947; 1949) [1] y Krige (1951) [2]. El primero...