Boletín de Geología

Vol. 48 Núm. 1 (2026): Boletín de Geología
Artículos científicos

Geomodelamiento 3D con datos escasos en esquema de código abierto: un caso de estudio en la cuenca de los Llanos en Colombia

PDF (English)
Luisa Gómez-Santamaría
Servicio Geológico Colombiano
Paul Goyes-Peñafiel
Universidad Industrial de Santander
William Avellaneda-Cáceres
Servicio Geológico Colombiano
DOI: https://doi.org/10.18273/revbol.v48n1-2026004

Publicado 2026-04-23

Palabras clave

  • Modelamiento geológico,
  • Herramientas de código abierto,
  • Método de interpolación de campos potenciales,
  • Algoritmos de interpolación,
  • Análisis de incertidumbre,
  • Modelamiento geofísico
    • ...Más
    Menos

Cómo citar

Gómez-Santamaría, L., Goyes-Peñafiel, P., & Avellaneda-Cáceres, W. (2026). Geomodelamiento 3D con datos escasos en esquema de código abierto: un caso de estudio en la cuenca de los Llanos en Colombia. Boletín De Geología, 48(1), 65–76. https://doi.org/10.18273/revbol.v48n1-2026004

Derechos de autor 2026 Boletín de Geología

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Altmetrics

Resumen

Los modelos geológicos 3D son una representación de la geología del subsuelo, generados a partir de la integración de información de múltiples fuentes de datos. Estos modelos juegan un papel crucial en la identificación de áreas con potenciales recursos geológicos. La calidad de los modelos depende de la disponibilidad de datos y los algoritmos de interpolación empleados. Sin embargo, los algoritmos a menudo tienen dificultades al representar con exactitud las propiedades del subsuelo. Además, el geomodelamiento 3D es comúnmente realizado en software comercial, lo cual limita el desarrollo de la investigación en este campo. Este artículo propone un flujo de trabajo que usa una librería de código abierto basada en Python e implementa el método de interpolación de campos potenciales, para resolver estos problemas. Este flujo de trabajo mejora el sentido geológico y promueve la interoperabilidad. Además, permite evaluar la incertidumbre del modelado y garantiza un rendimiento eficiente, incluso en escenarios de escasez de datos. El flujo de trabajo fue testeado en un área de estudio en la cuenca de los Llanos. Se realizaron experimentos para evaluar su exactitud, robustez e interoperabilidad. Los resultados demostraron que el método de interpolación de campos potenciales proporciona una representación con mayor exactitud y sentido geológico comparado con otros algoritmos de interpolación. Con respecto a la robustez, demostró una eficiencia hasta con un 90 % de escasez de datos. Finalmente, se demostró la interoperabilidad del modelo a través de su integración en software de modelamiento geofísico. Los experimentos mostraron que el flujo de trabajo propuesto proporciona un enfoque geológicamente significativo, permite su interoperabilidad con distintos algoritmos de modelamiento y facilita el análisis de incertidumbre. Este marco de trabajo es validado al comparar los resultados con los de software comerciales, lo cual demuestra que se pueden obtener resultados equivalentes usando únicamente herramientas de código abierto, por lo que se reducen costos y se fomenta el desarrollo de la investigación.

PDF (English)

Descargas

Los datos de descargas todavía no están disponibles.

Citas

  1. Almedallah, M.K.; Al Mudhafar, A.A.; Clark, S.; Walsh, S.D.C. (2021). Vector-based three-dimensional (3D) well-path optimization assisted by geological modelling and borehole-log extraction. Upstream Oil and Gas Technology, 7, 100053. https://doi.org/10.1016/j.upstre.2021.100053
  2. Aug, C.; Chilès, J.P.; Courrioux, G.; Lajaunie, C. (2005). 3D Geological Modelling and Uncertainty: The Potential-field Method. In: O. Leuangthong, C.V. Deutsch (eds.). Geostatistics Banff 2004 (pp. 145-154). Springer. https://doi.org/10.1007/978-1-4020-3610-1_15
  3. Bayona, G.; Jaramillo, C.; Rueda, M.; Reyes-Harker, A.; Torres, V. (2007). Paleocene-middle miocene flexural-margin migration of the nonmarine Llanos foreland basin of Colombia. CT&F - Ciencia, Tecnología y Futuro, 3(3), 51-70. https://doi.org/10.29047/01225383.475
  4. Bayona, G.; Cortés, M.; Jaramillo, C.; Ojeda, G.; Aristizabal, J.J.; Reyes-Harker, A. (2008a). An integrated analysis of an orogen-sedimentary basin pair: Latest Cretaceous-Cenozoic evolution of the linked Eastern Cordillera orogen and the Llanos foreland basin of Colombia. GSA Bulletin, 120(9-10), 1171-1197. https://doi.org/10.1130/B26187.1
  5. Bayona, G.; Valencia, A.; Mora, A.; Rueda, M.; Ortiz, J.; Montenegro, O. (2008b). Estratigrafía y procedencia de las rocas del Mioceno en la parte distal de la cuenca antepais de los Llanos de Colombia. Geología Colombiana, 33, 23-46.
  6. Blakely, R.J. (1995). Potential Theory in Gravity and Magnetic Applications. Cambridge University Press. https://doi.org/10.1017/CBO9780511549816
  7. Bonakdari, H.; Zeynoddin, M. (2022). Stochastic modeling. In: Stochastic modeling (pp. 133-187). Elsevier. https://doi.org/10.1016/B978-0-323-91748-3.00005-7
  8. Braga, F.C.S.; Rosiere, C.A.; Santos, J.O.S.; Hagemann, S.G.; Salles, P.V. (2019). Depicting the 3D geometry of ore bodies using implicit lithological modeling: An example from the Horto-Baratinha iron deposit, Guanhães block, MG. REM-International Engineering Journal, 72(3), 435-443. https://doi.org/10.1590/0370-44672018720167
  9. Brisson, S.; Wellmann, F.; Chudalla, N.; von Harten, J.; von Hagke, C. (2023). Estimating uncertainties in 3-D models of complex fold-and-thrust belts: A case study of the Eastern Alps triangle zone. Applied Computing and Geosciences, 18, 100115. https://doi.org/10.1016/j.acags.2023.100115
  10. Calcagno, P.; Chilès, J.P.; Courrioux, G.; Guillen, A. (2008). Geological modelling from field data and geological knowledge. Physics of the Earth and Planetary Interiors, 171(1-4), 147-157. https://doi.org/10.1016/j.pepi.2008.06.013
  11. Cao, X.; Liu, Z.; Hu, C.; Song, X.; Quaye, J.A.; Lu, N. (2024). Three-Dimensional Geological Modelling in Earth Science Research: An In-Depth Review and Perspective Analysis. Minerals, 14(7), 686. https://doi.org/10.3390/min14070686
  12. Castro-Franco, M.; García-Ramírez, D.Y.; Jiménez- López, A.F. (2017). Comparación de técnicas de interpolación espacial de propiedades del suelo en el piedemonte llanero colombiano. Tecnura, 21(53), 78-95. https://doi.org/10.14483/22487638.11658
  13. Catuneanu, O. (2004). Retroarc foreland systems-evolution through time. Journal of African Earth Sciences, 38(3), 225-242. https://doi.org/10.1016/j.jafrearsci.2004.01.004
  14. Cockett, R.; Kang, S.; Heagy, L.J.; Pidlisecky, A.; Oldenburg, D.W. (2015). SimPEG: An open source framework for simulation and gradient based parameter estimation in geophysical applications. Computers and Geosciences, 85(Part A), 142-154. https://doi.org/10.1016/j.cageo.2015.09.015
  15. Dashti, A.; Korzani, M.G.; Geuzaine, C.; Egert, R.; Kohl, T. (2023). Impact of structural uncertainty on tracer test design in faulted geothermal reservoirs. Geothermics, 107, 102607. https://doi.org/10.1016/j.geothermics.2022.102607
  16. de la Varga, M.; Schaaf, A.; Wellmann, F. (2019). GemPy 1.0: open-source stochastic geological modeling and inversion. Geoscientific Model Development, 12(1), 1-32. https://doi.org/10.5194/gmd-2018-61
  17. Fandel, C.; Ferré, T.; Chen, Z.; Renard, P.; Goldscheider, N. (2021). A model ensemble generator to explore structural uncertainty in karst systems with unmapped conduits. Hydrogeology Journal, 29(1), 229-248. https://doi.org/10.1007/s10040-020-02227-6
  18. Graterol, V. (2009). Levantamiento aerogravimétrico y aeromagnético de los sectores norte y oriental de la Cuenca de los Llanos Orientales, Colombia: Contrato n.° 034. Agencia Nacional de Hidrocarburos, informe final de interpretación, 51 p. Bogotá.
  19. Gunnarsson, N. (2011). 3D modeling in Petrel of geological CO2 storage site. Master thesis, Uppsala University, Sweden.
  20. Güdük, N.; de la Varga, M.; Kaukolinna, J.; Wellmann, F. (2021). Model-Based Probabilistic Inversion Using Magnetic Data: A Case Study on the Kevitsa Deposit. Geosciences, 11(4), 150. https://doi.org/10.3390/geosciences11040150
  21. Haehnel, P.; Freund, H.; Greskowiak, J.; Massmann, G. (2023). Development of a three-dimensional hydrogeological model for the island of Norderney (Germany) using GemPy. Geoscience Data Journal, 11(3), 267-283. https://doi.org/10.1002/gdj3.208
  22. Heagy, L.J.; Cockett, R.; Kang, S.; Rosenkjaer, G.K.; Oldenburg, D.W. (2017). A framework for simulation and inversion in electromagnetics. Computers & Geosciences, 107, 1-19. https://doi.org/10.1016/j.cageo.2017.06.018
  23. Hernández, O.; von Frese, R.R.B.; Khurama, S. (2009). Geophysical evidence for an impact crater in Vichada, northwestern South America and its economic potential. Earth Sciences Research Journal, 13(2), 97-107.
  24. Hernández, O.; Khurama, S.; Alexander, G.C. (2011). Structural modeling of the Vichada impact structure from interpreted ground gravity and magnetic anomalies. Boletín de Geología, 33(1), 15-26.
  25. Ji, G.; Cai, Z.; Lu, Y.; Zhu, J.; Xiao, K.; Sun, L. (2024). Study on exploring the extraction of geological elements from 3D geological models within the constraints of geological knowledge. Computers & Geosciences, 193, 105726. https://doi.org/10.1016/j.cageo.2024.105726
  26. Kavanagh, P. (2004). Open Source: The good, the bad, and the ugly. In: Open Source Software (pp. 41-65). Digital Press. https://doi.org/10.1016/B978-155558320-0/50004-0
  27. Lajaunie, C.; Courrioux, G.; Manuel, L. (1997). Foliation fields and 3D cartography in geology: principles of a method based on potential interpolation. Mathematical Geology, 29(4), 571-584. https://doi.org/10.1007/BF02775087
  28. Liang, Z.; de la Varga, M.; Wellmann, F. (2023). Kernel method for gravity forward simulation in implicit probabilistic geologic modeling. Geophysics, 88(3), G43-G55. https://doi.org/10.1190/geo2022-0308.1
  29. Liu, M.; Sun, H.; Liu, R.; Hu, L.; Kong, R.; Liu, S. (2024). Efficient geo-electromagnetic modeling techniques for complex geological structures: A karst MT example. Computers & Geosciences, 185, 105557. https://doi.org/10.1016/j.cageo.2024.105557
  30. Silva-Cárdenas, M.Y. (2024). Modelamiento geológico-numérico de la cuenca emergente colombiana Sinú-San Jacinto integrando complejidad estructural y estratigráfica. Tesis de pregrado, Universidad Industrial de Santander, Colombia.
  31. Moreno-López, M.C.; Escalona, A. (2015). Precambrian–Pleistocene tectono-stratigraphic evolution of the southern Llanos basin, Colombia. AAPG Bulletin, 99(08), 1473-1501. https://doi.org/10.1306/11111413138
  32. Pakyuz-Charrier, E.; Jessell, M.; Giraud, J.; Lindsay, M.; Ogarko, V. (2019). Topological Analysis in Monte Carlo Simulation for Uncertainty propagation. Solid Earth, 10(5), 1663-1684. https://doi.org/10.5194/se-10-1663-2019
  33. Parker, R.L. (1973). The Rapid Calculation of Potential Anomalies. Geophysical Journal International, 31(4), 447-455. https://doi.org/10.1111/j.1365-246X.1973.tb06513.x
  34. Qu, H.; Liu, H.; Tan, K.; Zhang, Q. (2021). Geological feature modeling and reserve estimation of uranium deposits based on multiple interpolation methods. Processes, 10(1), 67. https://doi.org/10.3390/pr10010067
  35. Sehsah, H.; Eldosouky, A.M.; Pham, L.T. (2022). Incremental Emplacement of the Sierra Nevada Batholith Constrained by U-Pb Ages and Potential Field Data. The Journal of Geology, 130(5), 381-391. https://doi.org/10.1086/722724
  36. Šram, D.; Rman, N.; Rižnar, I.; Lapanje, A. (2015). The three-dimensional regional geological model of the Mura-Zala Basin, northeastern Slovenia. Geologija, 58(2), 139-154. https://doi.org/10.5474/geologija.2015.011
  37. Stamm, F.A.; de la Varga, M.; Wellmann, F. (2019). Actors, actions, and uncertainties: optimizing decision-making based on 3-D structural geological models. Solid Earth, 10(6), 2015-2043. https://doi.org/10.5194/se-10-2015-2019
  38. Thema, J.; Roa-García, M.C. (2023). The energy transition in Colombia. Current situation, projections, challenges, narratives and public policies – in relation to the energy transition in Germany. Wuppertal Institute.
  39. Thomas, A.T.; von Harten, J.; Jusri, T.; Reiche, S.; Wellmann, F. (2022). An integrated modeling scheme for characterizing 3D hydrogeological heterogeneity of the New Jersey shelf. Marine Geophysical Research, 43(2), 11. https://doi.org/10.1007/s11001-022-09475-z
  40. Torrado-Perez, S.A. (2019). Modelamiento de la estructura de impacto del río Vichada a partir de la interpretación de anomalías gravimétricas, magnéticas y de resistividad eléctrica. Tesis de maestría, Universidad Nacional de Colombia, Colombia.
  41. Wu, J.; Sun, B. (2021). Discontinuous mechanical analysis of manifold element strain of rock slope based on open source Gempy. E3S Web of Conferences, 248, 03084. https://doi.org/10.1051/e3sconf/202124803084
  42. Yamamoto, J.K. (1998). A review of numerical methods for the interpolation of geological data. Anais da Academia Brasileira de Ciências, 70(1), 91-116.
  43. You, Y.; Yang, J.; Zheng, X.; Xie, Y.; Lyu, J.; Osman, A.S. (2025). A 3D material point discretization approach for complex terrain and geological body: Numerical implementation and application. Computers and Geotechnics, 177(Part A), 106884. https://doi.org/10.1016/j.compgeo.2024.106884