Experiencia del estudio geoestadístico de composición química de ...

More documents

Recommendations

Info

$Curso de LaTeX$

condiciones de de acidez–alcalinidad de suelos (influencia de la basemineralógica inicial de las parentales (en las cuales se forman suelos).3. Los suelos de los paisajes geoquímicos elementales autónomos se distinguenestadísticamente de los suelos de paisajes geoquímicos elementalesdependientes según la influencia sobre ellos de la pirogenesis, la basemineralógica y la biogénesis. En los paisajes autónomos es mayor la influenciade los dos primeros factores, en los dependientes, el tercero.4. Según sus parámetros geoquímicos, estadísticamente se distinguen bien lascapas genéticas de suelos de acumulación de restos orgánicos y lastraspasadas a las rocas parentales incluso las rocas parentales mismas. En lasprimeras, se manifiesta más claramente la influencia de pirogénesis y el papelde biogénesis, en las segundas, la influencia de la base mineralógica. Las capasiluviales y hléicas se distinguen peor. En las iluviales prácticamente no semanifiestan los procesos de biogénesis, pero es muy importante el balance delos óxidos e hidróxidos del hierro. En las capas hléicas las condiciones deoxidación–reducción y acidez–alcalinidad tienen más importancia. Ladeterminación geoquímica de las capas eluviales y de humus usando elementosquímicos investigados, como marcadores, es poco verosímil.5. La toma de observaciones de suelos en la zona de Polesse investigando suspropiedades geoquímicas debe basarse sobre el acceso genético. Lasobservaciones deben ser tomadas no de las profundidades concretas, sino delas partes centrales de las capas genéticas. La toma de las observacionesguiándose solamente con las profundidades fijas de la toma puede representaruna información geoquímica más o menos verosímil solamente hasta 10cm ydespués de 50cm de la profundidad.Referencias• Aitchison, J., 1986, The statistical analysis of compositional data: Chapman andHall, London, 416 p. Reprinted in 2003 by The Blackburn Press, Caldwell, NJ.• Aitchison, J., 1992, On Criteria for Measures of Compositional Difference: Math.Geol., v. 24, no. 4, p. 365-379• Aitchison, J., 1997, The one-hour course in compositional data analysis orcompositional data analysis is simple in Proceedings of IAMG’97, Barcelona (E),Vol 1, 3-35.• Aitchison, J., Barceló-Vidal, C, Martín-Fernández, J. A.. and Pawlowsky-Glahn,V., 2000, Logratio analysis and compositional distance: Math. Geol., v. 32, no. 3,p. 271-275.• Aitchison, J., and Greenacre, M., 2002, Biplots of compositional data: AppliedStatistics, v. 51, p. 375-392.• Barceló-Vidal, C. and Martín-Fernández, J. A. and Pawlowsky-Glahn, V., 1999,Comment on “Singularity and nonnormality in the classification of compositionaldata”: Math. Geol., vol. 31(5), 581–585.• Buccianti, A., Montegrossi, G., Tassi, F. and Vaselli, O., 2002, Log-contrastanalysis of volcanic fluid composition: a way to check equilibrium conditions?:Terra Nostra, special issue: IAMG’02, vol 3, 405–410.48
• Daunis-i-Estadella, J.; Pawlowsky-Glahn, V.; Egozcue,J.J., 2002, Least squareregression in the simplex: Terra Nostra, Schriften der Alfred-Wegener-Stiftung,Núm. 03/2002, v. 1, p. 411-416 Berlin. ISSN: 0946-8978.• Eckart, C.y Young, G., 1936, The approximation of one matrix by another oflower rank: Psychometrika, v. 1, p. 211–218.• Egozcue, J. J., Pawlowsky-Glahn, V., Mateu-Figueras, G. and Barceló-Vidal, C.,2003, Isometric logratio transformations for compositional data analysis: Math.Geol., v. 35, no 3, p. 279-300.• Glazóvskaiya M.A. Geogímiya priródnix i tejnogénnij landsháftóv SSSR. Ed.Escuela Superior. Moscú, 1988. 328 p. (ruso)• Greenacre, M.J. and Underhill, L.G., 1982, Scaling a data matrix in lowdimensionalEuclidean space in Hawkins, D.M. (ed.), Topics in AppliedMultivariate Analysis. Cambridge University Press, U.K., p.183-268.• Kabata-Pendias, A., Pendias, H. Trace Elements in Soils and Plants. CRCPress, Inc. Boca Raton, Florida.• Martín-Fernández, J. A., Barceló-Vidal, C. and Pawlowsky-Glahn, V., 1997,Different classifications of the Darss Sill data set based on mixture models forcompositional data in Proceedings of IAMG’97, vol 1, 151-158.• Martín-Fernández, J. A., Barceló-Vidal, C. and Pawlowsky-Glahn, V., 1998,Measures of difference for compositional data and hierarchical clusteringmethods in Proceedings of IAMG’98, vol 2, 526-531.• Martín-Fernández, J. A., Bren, M., Barceló-Vidal, C. and Pawlowsky-Glahn, V.,1999, A measure of difference for compositional data based on measures ofdivergence in Proceedings of the Fith Annual Conference of the InternationalAssociation for Mathematical Geology (IAMG-1999), pp. 211-216, Trondheim(Norway).• Martín-Fernández, J. A., Olea-Meneses, R. A. and Pawlowsky-Glahn, V., 2001,Criteria to compare estimation methods of regionalized compositions: Math.Geol., v. 33, no. 8, p. 889-909.• Martín-Fernández, J. A., 2001 Medidas de diferencia y técnicas de clasificaciónno paramétrica para datos composicionales: Tesis doctoral (ISSBN: 84-699-5369-9) publicada en formato electrónico en www.tdcat.cesca.es/TDCat-0516101-135345/.• Martín-Fernández, J.A., Barceló-Vidal, C., and Pawlowsky-Glahn, V., 2003,Dealing with Zeros and Missing Values in Compositional Data Sets: Math. Geol.,v. 35, no. 3, p. 253-278.• Mateu-Figueras, G., Barceló-Vidal, C. and Pawlowsky-Glahn, V., 1998, Modelingcompositional data with multivariate skew-normal distributions. in Proceedings ofthe Fourth Annual Conference of the International Association for Math. Geol.,Ed. A. Buccianti, G. Nard, and R. Potenza. Nápoles (I), Part 2, p. 532-537.• Mateu-Figueras, Glòria, 2003, Models de distribució sobre el símplex: Tesisdoctoral (ISSBN: 84-688-6734-9) publicada en formato electrónico enwww.tdx.cesca.es/TDX-0427104-170301/, 202 p.• Mateu-Figueras, G. and Pawlowsky-Glahn, V., 2004, La distribución normal enS D vs la distribución normal logística, in Proceedings of the 28th CongresoNacional de Estadística e Investigación Operativa, Cádiz (E).• Pérelman A.I. Geogímia landsháfta. Ed. Escuela Superior. Moscú 1966. 392 p.(ruso)49
Page 3: Report de investigaciónExperiencia
Page 6 and 7: Claro que antes de recoger una mues
Page 8 and 9: Los datos composicionales aparecen
Page 10 and 11: ⎡⎢x ⊕ y = ⎢⎢⎣∑jx1y1x
Page 12 and 13: Aitchison (1997) propuso la media g
Page 14 and 15: Supongamos que la matriz transforma
Page 16 and 17: En la mayor parte de los estudios d
Page 18 and 19: 3. Descripción estadística de la
Page 20 and 21: A la vista de la naturaleza de los
Page 22 and 23: 0.166) es ligeramente mayor, que la
Page 24 and 25: una parte importante y separada de
Page 26 and 27: clr(Zn)clr(Fe)clr(Pb)clr(Ba)clr(Rb)
Page 28 and 29: En los diagramas ternarios que mues
Page 30 and 31: Tabla 6. Grado de manifestación de
Page 34 and 35: su concentración pasa también al
Page 36 and 37: clr(Zn)clr(Fe)clr(Pb)clr(Rb)clr(Ba)
Page 42 and 43: 4.4. Distribución de las observaci
Page 44 and 45: clr(Zn)clr(Fe)clr(Pb)clr(Ba)clr(Sr)
Page 46 and 47: Zn cRb cBa cFigura 28. Diagrama ter
Page 50: • Pérelman A.I. Izucháiya geog

Experiencia del estudio geoestadístico de composición química de ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?