Contribuições para o uso de anisotropias locais na geoestatística

• Ano de defesa: 2020
• Autor(a) principal: Caixeta, Rafael Moniz
• Orientador(a): Costa, Joao Felipe Coimbra Leite
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Geoestatística; Anisotropia; Geologia; Convolução
• Palavras-chave em Inglês: Geostatistics; Local anisotropy; Unfolding; Non-stationary models; Moving windows; Kernel convolution; Spatial deformation
• Link de acesso: http://hdl.handle.net/10183/213007

O conceito de anisotropia está amplamente presente na geoestatística. Anisotropia é a característica de certos materiais terem propriedades com diferentes comportamentos de acordo com a direção analisada. Anisotropia local é o caso em que a anisotropia varia localmente no espaço e é uma característica quase sempre presente nos fenômenos espaciais. Por outro lado, ela é frequentemente simplificada na forma de uma anisotropia global para representar a continuidade por todo um domínio, de modo que as anisotropias locais são pouco utilizadas na geoestatística. A meta dessa tese de doutorado é contribuir para a difusão do uso de anisotropias locais na geoestatística, explorando seus benefícios, formas de caracterizá-las e aplicá-las em estimativas. Foram propostas algumas metodologias para guiar nessas tarefas. Foi observado que, com metodologias adequadas, é possível trabalhar com anisotropias locais eficientemente e sem grandes dificuldades. Anisotropias locais mostraram também ser úteis para contribuir junto a metodologias já consolidadas em geoestatística. A variografia experimental com base em anisotropias locais pode ajudar a, por exemplo, integrar domínios com diferentes orientações em um mesmo processo variográfico. O algoritmo proposto para gerar coordenadas geológicas (com processos semiautomáticos baseados em elementos de anisotropia local) tem potencial de simplificar significativamente uma transformação espacial que muitas vezes é evitada pela dificuldade de ser executada. Os dois estudos de caso apresentados demonstraram que o uso adequado de anisotropias locais geraram melhores resultados do que ao utilizar anisotropias globais. Dos métodos analisados para integrar anisotropias locais na estimativas, o uso de janelas móveis e convolução de kernels mostraram os melhores resultados, tanto qualitativamente como em termos operacionais (fácil implementação e boa eficiência computacional). Deformação espacial mostrou alguns resultados interessantes, mas geralmente com erros maiores e tempo de processamento elevado.