Guía para el análisis espacial de datos composicionales
DOI:
https://doi.org/10.21701/bolgeomin.122.4.005Palabras clave:
composición, función de covarianza, geometría de Aitchison, símplexResumen
El tratamiento de bases de datos composicionales (proporciones, porcentajes, concentraciones, etc.) con dependencia espacial debe hacerse atendiendo a las características matemáticas de éstos: una composición válida debe tener todas las componentes positivas y su suma debe ser igual o menor a un total (1, 100%, etc.). En general, esto se consigue de forma razonablemente fácil transformando la composición mediante series de log-cocientes de componentes. Para estudiar la variabilidad espacial de una composición se recomienda estimar y modelar el variaciograma: el conjunto de variogramas de todos los log-cocientes de un par de componentes. El variaciograma contiene toda la información necesaria para caracterizar una composición con estacionaridad intrínseca, y se puede modelar con herramientas habituales de la geoestadística, como el modelo de coregionalización lineal. Además, se pueden estudiar las propiedades del modelo e inferir relaciones entre componentes y posibles procesos vinculados a alguna escala espacial concreta. Finalmente, interpolar la composición y generar mapas es tarea sencilla con las herramientas existentes de krigeado y simulación: estas técnicas y conceptos deben aplicarse a un conjunto de log-cocientes cualquiera, tal que exista una transformación invertible entre éllos y las componentes de la composición original.
Descargas
Citas
Aitchison, J. 1986. The Statistical Analysis of Compositional Data. Monographs on Statistics and Applied Probability. Chapman & Hall Ltd., London (UK). (reimpreso en 2003 con material adicional por The Blackburn Press). 416 pp.
Aitchison, J. 1997. The one-hour course in compositional data analysis or compositional data analysis is simple. En: Pawlowsky-Glahn, V. (ed.), Proceedings of IAMG'97 - The third annual conference of the International Association for Mathematical Geology, Centro Internacional de Métodos Numéricos en la Ingeniería (CIMNE), Barcelona, 3-35.
Aitchison, J. 2002. Simplicial inference. En: M. A. G. Viana y Richards, D. S. P. (eds.), Algebraic Methods in Statistics and Probability, American Mathematical Society, Providence, Rhode Island, 1-22. https://doi.org/10.1090/conm/287/04772
Barceló-Vidal, C. 2000. Fundamentación matemática del análisis de datos composicionales. Technical Report IMA 00-02-RR, Departament d'Informática i Matemática Aplicada, Universitat de Girona, Spain. 77 pp.
Chayes, F. 1960. On correlation between variables of constant sum. Journal of Geophysical Research, 65 (12), 4185-4193. https://doi.org/10.1029/JZ065i012p04185
Chilès, J.-P. y Delfiner, P. 1999. Geostatistics - modeling spatial uncertainty. Series in Probability and Statistics. John Wiley and Sons, Inc., New York, NY, 695 pp. https://doi.org/10.1002/9780470316993
Clark, I. y Harper, W. V. 2000. Practical Geostatistics 2000. Ecosse North America Llc, Columbus Ohio, 342 pp.
Egozcue, J. J. y Pawlowsky-Glahn, V. 2005. Groups of parts and their balances in compositional data analysis. Mathematical Geology, 37 (7), 795-828. https://doi.org/10.1007/s11004-005-7381-9
Isaaks, E. H. y Srivastava, R.M. 1989. An Introduction to Applied Geostatistics. Oxford University Press, New York, 561 pp.
Journel, A. G. y Huijbregts, C. J. 1978. Mining Geostatistics. Academic Press, London, 600 pp.
Myers, D. E. 1984. Co-kriging: New developments. En: Geostatistics for Natural Resources Characterization, 2nd NATO-ASI, Stanford, 479-484. https://doi.org/10.1007/978-94-009-3699-7_18
Pawlowsky-Glahn, V. y Egozcue, J. J. 2001. Geometric approach to statistical analysis on the simplex. Stochastic Environmental Research and Risk Assessment (SERRA), 15 (5), 384-398. https://doi.org/10.1007/s004770100077
Pawlowsky-Glahn, V. y Olea, R. A. 2004. Geostatistical Analysis of Compositional Data. Oxford University Press, USA. 204 pp. https://doi.org/10.1093/oso/9780195171662.001.0001
Tolosana-Delgado, R. 2006. Geostatistics for constrained variables: positive data, compositions and probabilities. Application to environmental hazard monitoring. Tesis de doctorado, Universitat de Girona. Disponible online.
Tolosana-Delgado, R., Otero, N. y Pawlowsky-Glahn, V. 2005. Some Basic Concepts of Compositional Geometry. Mathematical Geology, 37 (7), 673-680. https://doi.org/10.1007/s11004-005-7374-8
Wackernagel, H. 1998. Multivariate Geostatistics, An Introduction With Applications (2.ª edición). Springer Verlag, Berlin, 291 pp. https://doi.org/10.1007/978-3-662-03550-4_1
Weber, L. y Davis, J. 1990. Multivariate statistical analysis of stream-sediment geochemistry in the Grazer Paläozoikum, Austria. Mineralium Deposita, 25, 213-220. https://doi.org/10.1007/BF00190384
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Consejo Superior de Investigaciones Científicas (CSIC)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
© CSIC. Los originales publicados en las ediciones impresa y electrónica de esta Revista son propiedad del Consejo Superior de Investigaciones Científicas, siendo necesario citar la procedencia en cualquier reproducción parcial o total.
Salvo indicación contraria, todos los contenidos de la edición electrónica se distribuyen bajo una licencia de uso y distribución “Creative Commons Reconocimiento 4.0 Internacional ” (CC BY 4.0). Consulte la versión informativa y el texto legal de la licencia. Esta circunstancia ha de hacerse constar expresamente de esta forma cuando sea necesario.
No se autoriza el depósito en repositorios, páginas web personales o similares de cualquier otra versión distinta a la publicada por el editor.
Datos de los fondos
Universitat de Girona
Números de la subvención BR01/03
