Análisis de la estructura espacial de parámetro magnético de la contaminación ambiental

DANIELA A. MOLINARI

Rosario

Congreso; Congreso Interamericano de Estadística; 2017

Los modelos basados en geoestadística incorporan el supuesto de dependencia espacial generando, de esta manera, resultados más realistas en problemas ecológicos. Estos modelos incorporan la noción intuitiva ?mientras más cercanos se encuentren los puntos, más fuerte será la correlación entre ellos y mientras más separados, la correlación será más débil?. El proceso de estimación y modelización de la correlación espacial se conoce como Análisis Estructural, siendo este una de las piezas fundamentales para una correcta construcción del modelo geoestadístico.El estudio de la contaminación ambiental a través de técnicas del magnetismo ambiental y biomonitores es una problemática pertinente al uso de técnicas de estadística espacial. Estos estudios se basan en la determinación de las perturbaciones que producen las partículas generadas por actividades antropogénicas en las características de concentración, tamaño y mineralogía del material magnético en los biomonitores. Numerosos estudios han mostrado que existe una relación entre los metales pesados y los parámetros de magnetismo.En este trabajo se analizó un conjunto de 260 muestras del biomonitor Tillandsia recurvata L. correspondientes a 10 municipios que conforman lo que se denomina ?Área Metropolitana del Valle de Aburrá?, Colombia. La variable magnética que se estudió es susceptibilidad magnética específica (X), un indicador de la concentración del material magnético. El análisis consistió en la aplicación de técnicas de la estadística espacial con la que se estudió la estructura y la existencia de autocorrelación espacial de la variable X donde se utilizó como indicador el Índice de Moran.Además, se realizó un análisis exploratorio de los datos, sin tener en cuenta su ubicación geográfica, con el fin de determinar que características presenta el parámetro magnético estudiado. La variable X tiene una distribución aproximadamente normal. Se determinó que existe autocorrelación positiva entre los puntos de muestreo, indicando una asociación entre valores similares de la variable y localizaciones cercanas.Para el tratamiento y análisis de los datos se utilizó el programa de software libre R.