No description available.

Evapotranspiration (ET) is a key parameter for irrigation planning and management, and it is a crucial factor for water conservation practices considering the challenges associated with agricultural water availability. Field ET determination is the most accurate, but remains to be expensive and limited in scope. On the other hand, remote sensing is becoming an alternative tool for the estimation of ET. Operational ET algorithms, like the Moderate Resolution Imaging Spectroradiometer (MODIS)-based ET, are now successful at generating ET estimates globally at 1km resolution, however their intent is not management of agriculture irrigation. This research was done to develop an integrated method for downscaling MODIS ET appropriate for farm-level applications using geostatistical and remote sensing techniques. The proposed methodology was applied in the Wellton-Mohawk Irrigation and Drainage District of Yuma, Arizona. In a first effort, ET data was downscaled from standard 1-km-MODIS to a medium 250-m-spatial resolution via cokriging using Land Surface Temperature and Enhanced Vegetation Index as covariates. Results showed consistent downscaled ET with a variance greater than the variance of the coarse scale input and nearly similar mean values. This 250m product can serve larger irrigation districts in developed countries, where plot size is fairly large and regular. However, the size and shapes of most farms in developing countries makes the 250m ET challenging. For this reason, the second part of this work was done to downscale global scale 1km ET to 30m farm level application for irrigation use. This approach involved the generation of daily vegetation indices (VI) at 30m in order to support the downscaling of MODIS 1km ET. Landsat and MODIS reflectances were combined with the Spatial and Temporal Adaptive Reflectance Fusion Model (STARFM) algorithm and the resulting VI data was used as a covariate to downscale ET with the cokriging approach. The results showed that the MODIS ET data seriously underestimates ET over irrigated areas. To correct this problem the MODIS data was then adjusted using field measured values to make it useful for operational purposes. The proposed geospatial method was applied to different growth stages of cotton and results were validated with actual ET from The Arizona Meteorological Network (AZMET) and published consumptive use of water for the area. The adjusted downscaled ET was comparable to these two published data (maximum error of 33%). This methodology is a practical alternative in areas where there is no ancillary data to estimate ET and it is expected to help in the planning of irrigation agriculture that will lead to improved agricultural productivity and irrigation efficiency.

Os dados utilizados no estudo de reservatórios de petróleo são obtidos a partir de testemunhos de sonda, perfis de poços e registros sísmicos e como tais apresentam diferentes escalas de amostragem. A geoestatística multivariada proporciona uma maneira de integrar esses dados permitindo estimar uma variável escassamente amostrada com base nas suas próprias informações e naquelas de uma variável densamente amostrada. Nesse estudo, utilizou-se a cokrigagem ordinária, a cokrigagem colocalizada e a krigagem com deriva externa para coestimar a porosidade no Campo de Namorado a partir da impedância acústica. As co-estimativas obtidas por cada método foram comparadas quanto à correlação com a porosidade amostral, à reprodução das estatísticas descritivas amostrais e à correlação com a impedância acústica. A correlação entre os valores co-estimados e amostrais de porosidade é de aproximadamente 0.7, diminuindo apenas ao se utilizar a cokrigagem ordinária aplicada a dados heterotópicos. Quanto à reprodução das estatísticas amostrais, a média, mediana e o desvio padrão das co-estimativas são sempre menores que os respectivos amostrais. Os valores de máximo e mínimo das co-estimativas revelam ocorrência do efeito de suavização, exceto ao se utilizar cokrigagem colocalizada com Modelo de Markov. As co-estimativas obtidas por esse método correlacionaram-se melhor com as medidas de impedância acústica, mas essa correlação é muito baixa e inferior à obtida a partir dos dados amostrais. Adicionalmente, foi feita a caracterização petrofísica das fácies litológicas descritas para esse campo, elaborado o modelo tridimensional de fácies e calculado o volume poroso do reservatório. A fácies 1 constitui o reservatório de melhor qualidade, pois apresenta maiores valores de porosidade e permeabilidade. A fácies 2 representa um reservatório de qualidade inferior por ser porosa e menos permeável que a primeira. As fácies 3 e 4 são rochas capeadoras devido aos seus baixos valores de porosidade e permeabilidade. No modelo faciológico, as fácies 1, 2 e 4 ocorrem intercaladas, enquanto a fácies 3 apresenta distribuição mais ampla e contínua. Quanto aos volumes porosos, os maiores valores foram obtidos para os reservatórios definidos com base nos modelos de porosidade estimados pela cokrigagem colocalizada com utilização do Modelo de Markov e pela cokrigagem ordinária a partir dos dados heterotópicos. / Data used for studying petroleum reservoirs are obtained through drill core, well logs, seismic records and, as a consequence, they present different sampling scales. Multivariate geostatistics is a manner of integrating these data in order to co-estimate a poorly sampled variable based not only on its own information but also on a densely sampled variable. In this study, ordinary cokriging, collocated cokriging and kriging with external drift were applied to co-estimate porosity in the Namorado Oil Field based on measures of acoustic impedance. Correlation coefficients between co-estimates and sample porosity values, sample statistics and correlation coefficients between co-estimates and acoustic impedance measures have been examined. Correlation between co-estimated and sample values of porosity is about 0.7. Lower correlation was obtained by ordinary cokriging applied to heterotopic data. Co-estimates statistics such as mean, median and standard deviation are always lower than their equivalent sample statistics. Values of maximum and minimum indicate that co-estimates were smoothed except for collocated cokriging with Markov Chain results. Co-estimates obtained by this last method also presented the best correlation to acoustic impedance measures, though this correlation is very low and lower than that calculated through sample data. In addition to that, it was done petrophysical characterization of lithologic facies described for this oil field, elaborated 3D facies model and calculated the porous volume of the reservoir. Facies 1 constitutes a high quality reservoir rock since it presents the highest values of porosity and permeability. Facies 2 represents a inferior quality reservoir rock because it is porous but less permeable than the first. Facies 3 and 4 are seal rock for their low porosity and permeability values. In 3D model, facies 1, 2 and 4 are intercalated to each other while facies 3 presents a wider and more continuous distribution. Finally, the porous volumes were higher for the reservoirs defined based on porosity models estimated by collocated cokriging with Markov Chain and ordinary cokriging applied to heterotopic data.

Os dados utilizados no estudo de reservatórios de petróleo são obtidos a partir de testemunhos de sonda, perfis de poços e registros sísmicos e como tais apresentam diferentes escalas de amostragem. A geoestatística multivariada proporciona uma maneira de integrar esses dados permitindo estimar uma variável escassamente amostrada com base nas suas próprias informações e naquelas de uma variável densamente amostrada. Nesse estudo, utilizou-se a cokrigagem ordinária, a cokrigagem colocalizada e a krigagem com deriva externa para coestimar a porosidade no Campo de Namorado a partir da impedância acústica. As co-estimativas obtidas por cada método foram comparadas quanto à correlação com a porosidade amostral, à reprodução das estatísticas descritivas amostrais e à correlação com a impedância acústica. A correlação entre os valores co-estimados e amostrais de porosidade é de aproximadamente 0.7, diminuindo apenas ao se utilizar a cokrigagem ordinária aplicada a dados heterotópicos. Quanto à reprodução das estatísticas amostrais, a média, mediana e o desvio padrão das co-estimativas são sempre menores que os respectivos amostrais. Os valores de máximo e mínimo das co-estimativas revelam ocorrência do efeito de suavização, exceto ao se utilizar cokrigagem colocalizada com Modelo de Markov. As co-estimativas obtidas por esse método correlacionaram-se melhor com as medidas de impedância acústica, mas essa correlação é muito baixa e inferior à obtida a partir dos dados amostrais. Adicionalmente, foi feita a caracterização petrofísica das fácies litológicas descritas para esse campo, elaborado o modelo tridimensional de fácies e calculado o volume poroso do reservatório. A fácies 1 constitui o reservatório de melhor qualidade, pois apresenta maiores valores de porosidade e permeabilidade. A fácies 2 representa um reservatório de qualidade inferior por ser porosa e menos permeável que a primeira. As fácies 3 e 4 são rochas capeadoras devido aos seus baixos valores de porosidade e permeabilidade. No modelo faciológico, as fácies 1, 2 e 4 ocorrem intercaladas, enquanto a fácies 3 apresenta distribuição mais ampla e contínua. Quanto aos volumes porosos, os maiores valores foram obtidos para os reservatórios definidos com base nos modelos de porosidade estimados pela cokrigagem colocalizada com utilização do Modelo de Markov e pela cokrigagem ordinária a partir dos dados heterotópicos. / Data used for studying petroleum reservoirs are obtained through drill core, well logs, seismic records and, as a consequence, they present different sampling scales. Multivariate geostatistics is a manner of integrating these data in order to co-estimate a poorly sampled variable based not only on its own information but also on a densely sampled variable. In this study, ordinary cokriging, collocated cokriging and kriging with external drift were applied to co-estimate porosity in the Namorado Oil Field based on measures of acoustic impedance. Correlation coefficients between co-estimates and sample porosity values, sample statistics and correlation coefficients between co-estimates and acoustic impedance measures have been examined. Correlation between co-estimated and sample values of porosity is about 0.7. Lower correlation was obtained by ordinary cokriging applied to heterotopic data. Co-estimates statistics such as mean, median and standard deviation are always lower than their equivalent sample statistics. Values of maximum and minimum indicate that co-estimates were smoothed except for collocated cokriging with Markov Chain results. Co-estimates obtained by this last method also presented the best correlation to acoustic impedance measures, though this correlation is very low and lower than that calculated through sample data. In addition to that, it was done petrophysical characterization of lithologic facies described for this oil field, elaborated 3D facies model and calculated the porous volume of the reservoir. Facies 1 constitutes a high quality reservoir rock since it presents the highest values of porosity and permeability. Facies 2 represents a inferior quality reservoir rock because it is porous but less permeable than the first. Facies 3 and 4 are seal rock for their low porosity and permeability values. In 3D model, facies 1, 2 and 4 are intercalated to each other while facies 3 presents a wider and more continuous distribution. Finally, the porous volumes were higher for the reservoirs defined based on porosity models estimated by collocated cokriging with Markov Chain and ordinary cokriging applied to heterotopic data.

Assessment of vegetation productivity on rangelands is needed to assist in timely decision making with regard to management of the livestock enterprise as well as to protect the natural resource. Characterization of the vegetation resource over large landscapes can be time consuming, expensive and almost impossible to do on a near real-time basis. The overarching goal of this study was to examine available technologies for implementing near real-time systems to monitor forage biomass available to livestock on a given landscape. The primary objectives were to examine the ability of the Climate Prediction Center Morphing Product (CMORPH) and Next Generation Weather Radar (NEXRAD) rainfall products to detect and estimate rainfall at semi-arid sites in West Texas, to verify the ability of a simulation model (PHYGROW) to predict herbaceous biomass at selected sites (patches) in a semi-arid landscape using NEXRAD rainfall, and to examine the feasibility of using cokriging for integrating simulation model output and satellite greenness imagery (NDVI) for producing landscape maps of forage biomass in Mongolia’s Gobi region. The comparison of the NEXRAD and CMORPH rainfall products to gage collected rainfall revealed that NEXRAD outperformed the CMORPH rainfall with lower estimation bias, lower variability, and higher estimation efficiency. When NEXRAD was used as a driving variable in PHYGROW simulations that were calibrated using gage measured rainfall, model performance for estimating forage biomass was generally poor when compared to biomass measurements at the sites. However, when model simulations were calibrated using NEXRAD rainfall, performance in estimating biomass was substantially better. A suggested reason for the improved performance was that calibration with NEXRAD adjusted the model for the general over or underestimation of rainfall by the NEXRAD product. In the Gobi region of Mongolia, the PHYGROW model performed well in predicting forage biomass except for overestimations in the Forest Steppe zone. Cross-validation revealed that cokriging of PHYGROW output with NDVI as a covariate performed well during the majority of the growing season. Cokriging of simulation model output and NDVI appears to hold promise for producing landscape maps of forage biomass as part of near real-time forage monitoring systems.

No setor de mineração, a amostragem está presente no empreendimento mineral desde a fase da exploração até a lavra. Para diminuir a incerteza na previsão de teores, o planejamento de lavra requer adensamento da amostragem para garantir previsões acuradas e precisas. Acredita-se, que quanto maior a quantidade de amostras, maior a confiabilidade nas estimativa de teores. Na fase exploração, geralmente, a amostragem é realizada por furos de sondagem com coroas diamantadas, que é uma técnica com alto custo de execução e produz amostras com acuracidade e precisão. Nesta fase, existem poucos dados com alta qualidade. Já na fase operacional, a amostragem é realizada por outras técnicas devido a restrições orçamentárias e ao alto custo de execução da sondagem diamantada. Em geral, estas amostras possuem baixa qualidade (imprecisas e inacuradas) e não são submetidas a protocolos de controle que qualidade. Logo, nesta fase existem muitos dados com baixa qualidade com erro de vies e precisao. Esta dissertação avalia o impacto do uso de dados imprecisos no planejamento de curto prazo. Para isto, foram analisados dois bancos de dados distintos. O primeiro estudo utiliza o banco de dados exaustivo Walker Lake, que foi usado e considerado como o teor real do depósito. Inicialmente, as amostras foram obtidas a partir do conjunto de dados com espaçamento regular de 20×20 m e 5×5 m, a partir do banco de dados exaustivo. Um erro relativo de ±25% (imprecisão) e 10% de viés foram adicionados aos dados espaçados a 5×5 m (dados geológicos curto prazo) em diferentes cenários. Depois foram estudadas diferentes metodologias para incorporar a informação imprecisa nas estimativas. O segundo estudo é realizado em uma mina de ouro, com dois tipos de dados diferentes, a furos de sondagem (dados primários) e circulação reversa (dados secundários). Nestes estudos foram investigadas duas metodologias: cokrigagem e krigagem ordinária, e os dados foram utilizados para estimar blocos. As curvas teor tonelagem, análise de deriva e a classificação errônea dos blocos foram avaliadas para cada estudo. Para o banco de dados, Walker Lake, os resultados mostraram que o uso da cokrigagem ordinária estandardizada é a melhor metodologia em situações que existem dados imprecisos e enviesados, com boa correlação entre as variáveis primárias e secundárias. As estimativas produzidas são mais próximas da distribuição real dos blocos, reduzindo o erro de classificação dos blocos. Já para o banco de dados de Ouro, as amostras possuem moderada correlaçao e continuidade espacial curta para pequenas distâncias do depósito. Nesta situação, a correção da imprecisão da variável secundária utilizando a krigagem ordinária produziram melhores resultados com estimativas menos enviesadas e melhor classificação dos blocos como minério e estéril. / Decisions starting at mineral exploration through mining are based on grade block models obtained from samples. To decrease the uncertainty in the estimates, the short term mining planning requires additional sampling to ensure accurate and precise predictions. As more samples are made available, there is trend towards more reliable estimates. In the exploration stage, usually, sampling is performed by diamond drill holes (DDH), which are expensive but produces accurate and precise samples. In this stage there are few data with high quality. In the production stage, sampling is obtained by other techniques due to the high costs of DDHs. In general, these samples have low quality and are not controlled by QA / QC protocols. This study evaluates the impact of using imprecise data in short-term mineplanning. For this, it was analyzed two different data sets. The first case used the exhaustive Walker Lake dataset as the source to obtain the true and sampled grades. Initially, samples were obtained from the exhaustive dataset at regularly spaced grids at 20 × 20 m and 5 × 5 meters. A relative error (imprecision) of ± 25% and a 10% bias were added to the data spaced at 5 × 5 m (short-term geological data) in different scenarios. The second study is in a gold mine with two different types of data obtained from diamond drilling holes (DDH_Hard data) and reverse circulation (RC_Soft data).To combine these different types of data, two methodologies were investigated: cokriging and ordinary kriging. Both types of data were used to estimate a block model using the two methodologies. The grade tonnage curves and swath plots were used to compare the results against the true block grades at the same block support. In addition, the block misclassification was evaluated. In the Walker Lake the results show that standardized ordinary cokriging is a better methodology for imprecise and biased data and produces estimates closer to the true grade block distribution, reducing block misclassification. For the data set at the underground mine gold, the samples had moderate correlation and short spatial continuity for small distances at this deposit. In this situation, the estimates using ordinary kriging with hard and soft data (standardized and re-escaled) produced better results with less bias and better blocks classification of ore and waste.

No setor de mineração, a amostragem está presente no empreendimento mineral desde a fase da exploração até a lavra. Para diminuir a incerteza na previsão de teores, o planejamento de lavra requer adensamento da amostragem para garantir previsões acuradas e precisas. Acredita-se, que quanto maior a quantidade de amostras, maior a confiabilidade nas estimativa de teores. Na fase exploração, geralmente, a amostragem é realizada por furos de sondagem com coroas diamantadas, que é uma técnica com alto custo de execução e produz amostras com acuracidade e precisão. Nesta fase, existem poucos dados com alta qualidade. Já na fase operacional, a amostragem é realizada por outras técnicas devido a restrições orçamentárias e ao alto custo de execução da sondagem diamantada. Em geral, estas amostras possuem baixa qualidade (imprecisas e inacuradas) e não são submetidas a protocolos de controle que qualidade. Logo, nesta fase existem muitos dados com baixa qualidade com erro de vies e precisao. Esta dissertação avalia o impacto do uso de dados imprecisos no planejamento de curto prazo. Para isto, foram analisados dois bancos de dados distintos. O primeiro estudo utiliza o banco de dados exaustivo Walker Lake, que foi usado e considerado como o teor real do depósito. Inicialmente, as amostras foram obtidas a partir do conjunto de dados com espaçamento regular de 20×20 m e 5×5 m, a partir do banco de dados exaustivo. Um erro relativo de ±25% (imprecisão) e 10% de viés foram adicionados aos dados espaçados a 5×5 m (dados geológicos curto prazo) em diferentes cenários. Depois foram estudadas diferentes metodologias para incorporar a informação imprecisa nas estimativas. O segundo estudo é realizado em uma mina de ouro, com dois tipos de dados diferentes, a furos de sondagem (dados primários) e circulação reversa (dados secundários). Nestes estudos foram investigadas duas metodologias: cokrigagem e krigagem ordinária, e os dados foram utilizados para estimar blocos. As curvas teor tonelagem, análise de deriva e a classificação errônea dos blocos foram avaliadas para cada estudo. Para o banco de dados, Walker Lake, os resultados mostraram que o uso da cokrigagem ordinária estandardizada é a melhor metodologia em situações que existem dados imprecisos e enviesados, com boa correlação entre as variáveis primárias e secundárias. As estimativas produzidas são mais próximas da distribuição real dos blocos, reduzindo o erro de classificação dos blocos. Já para o banco de dados de Ouro, as amostras possuem moderada correlaçao e continuidade espacial curta para pequenas distâncias do depósito. Nesta situação, a correção da imprecisão da variável secundária utilizando a krigagem ordinária produziram melhores resultados com estimativas menos enviesadas e melhor classificação dos blocos como minério e estéril. / Decisions starting at mineral exploration through mining are based on grade block models obtained from samples. To decrease the uncertainty in the estimates, the short term mining planning requires additional sampling to ensure accurate and precise predictions. As more samples are made available, there is trend towards more reliable estimates. In the exploration stage, usually, sampling is performed by diamond drill holes (DDH), which are expensive but produces accurate and precise samples. In this stage there are few data with high quality. In the production stage, sampling is obtained by other techniques due to the high costs of DDHs. In general, these samples have low quality and are not controlled by QA / QC protocols. This study evaluates the impact of using imprecise data in short-term mineplanning. For this, it was analyzed two different data sets. The first case used the exhaustive Walker Lake dataset as the source to obtain the true and sampled grades. Initially, samples were obtained from the exhaustive dataset at regularly spaced grids at 20 × 20 m and 5 × 5 meters. A relative error (imprecision) of ± 25% and a 10% bias were added to the data spaced at 5 × 5 m (short-term geological data) in different scenarios. The second study is in a gold mine with two different types of data obtained from diamond drilling holes (DDH_Hard data) and reverse circulation (RC_Soft data).To combine these different types of data, two methodologies were investigated: cokriging and ordinary kriging. Both types of data were used to estimate a block model using the two methodologies. The grade tonnage curves and swath plots were used to compare the results against the true block grades at the same block support. In addition, the block misclassification was evaluated. In the Walker Lake the results show that standardized ordinary cokriging is a better methodology for imprecise and biased data and produces estimates closer to the true grade block distribution, reducing block misclassification. For the data set at the underground mine gold, the samples had moderate correlation and short spatial continuity for small distances at this deposit. In this situation, the estimates using ordinary kriging with hard and soft data (standardized and re-escaled) produced better results with less bias and better blocks classification of ore and waste.

No setor de mineração, a amostragem está presente no empreendimento mineral desde a fase da exploração até a lavra. Para diminuir a incerteza na previsão de teores, o planejamento de lavra requer adensamento da amostragem para garantir previsões acuradas e precisas. Acredita-se, que quanto maior a quantidade de amostras, maior a confiabilidade nas estimativa de teores. Na fase exploração, geralmente, a amostragem é realizada por furos de sondagem com coroas diamantadas, que é uma técnica com alto custo de execução e produz amostras com acuracidade e precisão. Nesta fase, existem poucos dados com alta qualidade. Já na fase operacional, a amostragem é realizada por outras técnicas devido a restrições orçamentárias e ao alto custo de execução da sondagem diamantada. Em geral, estas amostras possuem baixa qualidade (imprecisas e inacuradas) e não são submetidas a protocolos de controle que qualidade. Logo, nesta fase existem muitos dados com baixa qualidade com erro de vies e precisao. Esta dissertação avalia o impacto do uso de dados imprecisos no planejamento de curto prazo. Para isto, foram analisados dois bancos de dados distintos. O primeiro estudo utiliza o banco de dados exaustivo Walker Lake, que foi usado e considerado como o teor real do depósito. Inicialmente, as amostras foram obtidas a partir do conjunto de dados com espaçamento regular de 20×20 m e 5×5 m, a partir do banco de dados exaustivo. Um erro relativo de ±25% (imprecisão) e 10% de viés foram adicionados aos dados espaçados a 5×5 m (dados geológicos curto prazo) em diferentes cenários. Depois foram estudadas diferentes metodologias para incorporar a informação imprecisa nas estimativas. O segundo estudo é realizado em uma mina de ouro, com dois tipos de dados diferentes, a furos de sondagem (dados primários) e circulação reversa (dados secundários). Nestes estudos foram investigadas duas metodologias: cokrigagem e krigagem ordinária, e os dados foram utilizados para estimar blocos. As curvas teor tonelagem, análise de deriva e a classificação errônea dos blocos foram avaliadas para cada estudo. Para o banco de dados, Walker Lake, os resultados mostraram que o uso da cokrigagem ordinária estandardizada é a melhor metodologia em situações que existem dados imprecisos e enviesados, com boa correlação entre as variáveis primárias e secundárias. As estimativas produzidas são mais próximas da distribuição real dos blocos, reduzindo o erro de classificação dos blocos. Já para o banco de dados de Ouro, as amostras possuem moderada correlaçao e continuidade espacial curta para pequenas distâncias do depósito. Nesta situação, a correção da imprecisão da variável secundária utilizando a krigagem ordinária produziram melhores resultados com estimativas menos enviesadas e melhor classificação dos blocos como minério e estéril. / Decisions starting at mineral exploration through mining are based on grade block models obtained from samples. To decrease the uncertainty in the estimates, the short term mining planning requires additional sampling to ensure accurate and precise predictions. As more samples are made available, there is trend towards more reliable estimates. In the exploration stage, usually, sampling is performed by diamond drill holes (DDH), which are expensive but produces accurate and precise samples. In this stage there are few data with high quality. In the production stage, sampling is obtained by other techniques due to the high costs of DDHs. In general, these samples have low quality and are not controlled by QA / QC protocols. This study evaluates the impact of using imprecise data in short-term mineplanning. For this, it was analyzed two different data sets. The first case used the exhaustive Walker Lake dataset as the source to obtain the true and sampled grades. Initially, samples were obtained from the exhaustive dataset at regularly spaced grids at 20 × 20 m and 5 × 5 meters. A relative error (imprecision) of ± 25% and a 10% bias were added to the data spaced at 5 × 5 m (short-term geological data) in different scenarios. The second study is in a gold mine with two different types of data obtained from diamond drilling holes (DDH_Hard data) and reverse circulation (RC_Soft data).To combine these different types of data, two methodologies were investigated: cokriging and ordinary kriging. Both types of data were used to estimate a block model using the two methodologies. The grade tonnage curves and swath plots were used to compare the results against the true block grades at the same block support. In addition, the block misclassification was evaluated. In the Walker Lake the results show that standardized ordinary cokriging is a better methodology for imprecise and biased data and produces estimates closer to the true grade block distribution, reducing block misclassification. For the data set at the underground mine gold, the samples had moderate correlation and short spatial continuity for small distances at this deposit. In this situation, the estimates using ordinary kriging with hard and soft data (standardized and re-escaled) produced better results with less bias and better blocks classification of ore and waste.

Magíster en Minería / Las variables composicionales corresponden a las que son positivas y suman una constante en todos los puntos del espacio. El problema del modelamiento de este tipo de variables no es trivial dada la restricción sobre la suma constante, lo que trae consigo una serie de implicancias, siendo la más evidente la inadecuación de métodos clásicos de cokriging y simulaciones condicionales. Como objetivos de este trabajo se plantea proponer un modelo específico de simulaciones condicionales para variables composicionales, concluir sobre las ventajas y dificultades de su aplicabilidad e integrar el modelo a una aplicación minera. El modelo propuesto se define como una generalización del modelo plurigaussiano utilizado para simular variables indicadoras. La aplicación del modelo se divide en dos etapas: en la primera se calibra el modelo, mientras que en la segunda se hace el condicionamiento de los datos y se simula condicionalmente. La primera etapa tiene por objetivo ajustar las medias, histogramas, varianzas, covarianzas y variogramas de las variables composicionales, mientras que en la segunda se simulan valores Gaussianos primero en los sitios con datos y luego en el resto del espacio, para realizar simulaciones condicionales de variables composicionales. El modelo se logra aplicar satisfactoriamente a una base de datos de un pórfido de cobre que contiene mineralogías de bornita, calcopirita y resto de minerales sulfurados. El resultado del modelo es la integración de un plan minero de rajo abierto con el modelo de simulación de variables composicionales, lo que logra entregar el perfil de mineralogías de alimentación a planta en el tiempo junto con la posibilidad de hacer una serie de análisis probabilísticos asociados.

Maximum sustained and peak gust winds from eighteen European windstorms over the last 25 years were analyzed previously to develop surface-level wind predictions across a large and topographically varied landscape based on an anisotropic kriging interpolation methodology for meteorological station data. Results suggested that coastal and mountainous areas experience the highest wind speeds and highest variability over short distances, resulting in the highest errors across concurrent interpolated surfaces. This study utilizes covariates in conjunction with cokriging to investigate the use of cokriging as a method of improvement through the interpolation of five windstorms that impacted both the Alps region and the topographically-varied coastal regions of Western Europe. Results show that cokriging improves isotach interpolation for windstorms in 8 out of 10 models by reducing root mean square error and the total number of high-error stations, primarily in coastal and mountainous areas. Land cover alone contributed to the greatest model improvement in a majority of the models, while aspect and elevation (singularly and collectively) also improved models when compared to original kriging models. Improved surface interpolation is critical for improved understanding of macro-scale windstorm patterns and resulting damage, thus improving risk and vulnerability estimates.