Professional Documents
Culture Documents
Geoestadstica aplicada a la
evaluacin de yacimientos
bloque
Leccin 1:
Estudio exploratorio
de datos regionalizados
Introduccin
Introduccin (1)
La geoestadstica es una disciplina que permite analizar datos
ubicados en un espacio, por ejemplo:
leyes de cobre, molibdeno, arsnico, etc., en un yacimiento
nmero y dimetro de los rboles en una rea forestal
cantidad de nitrato, pH, conductividad elctrica en muestras de
suelo
concentracin de un elemento contaminante en la atmsfera
porosidad y permeabilidad de la roca en un acufero
precio del cobre a lo largo del tiempo
Introduccin (2)
El anlisis geoestadstico de datos interviene en todas las etapas
de un proyecto minero:
Estudio geolgico (largo plazo)
puede indicar direcciones de continuidad, restringir o
ampliar la extensin de la zona de inters
Campaa de exploracin
evaluar y categorizar los recursos in situ (evaluacin
global)
justificar la produccin de largo plazo
Introduccin (3)
Estudio de factibilidad y operacin
campaa de sondajes en malla densa
modelamiento geolgico
estimacin local de recursos para determinar reservas
mineras, planificar la produccin de mediano y corto
plazo, clasificar cada bloque como mineral o estril
reporte (inventario) de los recursos y reservas, detallando
su cantidad y su confiabilidad
auditoria para comprobar la evaluacin
Introduccin (4)
Explotacin
mediciones en pozos de tronadura
control de leyes: definir qu bloques mandar a planta o
botadero
reconciliacin mina - planta
A medida que avanza el proyecto minero, se tiene un conocimiento
ms completo del depsito y se actualiza los modelos geolgicos y
de recursos / reservas para incorporar la informacin nueva.
Introduccin (5)
Ejemplo: prfido cuprfero en el cual se mide la ley de cobre
soporte 5m 5m
3.93
9 119 81 140 75 106 215 75
34
91
t
Compsitos
Herramientas
exploratorias
Objetivos
Estudiar la cantidad, calidad y ubicacin de los datos disponibles
para realizar la estimacin de recursos y reservas
Comprobar la homogeneidad de las leyes en cada unidad geolgica,
y la pertinencia de las unidades geolgicas propuestas. Definir la
zona de estudio.
Anticipar dificultades o problemas que puedan surgir en la fase de
estimacin de recursos y reservas
Tipo de roca
Granodiorta cascada
Diorta
Brecha de turmalina
Brecha de polvo de roca
Brecha de polvo de roca y turmalina
28
29
Brecha monolito
Brecha de turmalina - monolito
alteracin
leyes, densidad, potencia, etc.
Tipos de despliegue: secciones; plantas; vistas 3D; mapas con
escala de colores, codificados por indicador, por smbolos, etc.
media
[% Cu]
desv. estndar
[% Cu]
0 50
0.55
0.27
50 100
0.96
0.46
100 150
1.23
0.81
150 200
1.13
0.57
200 250
1.15
0.82
250 300
0.94
0.52
300 350
0.82
0.42
350 400
0.73
0.47
media
[% Cu]
desv. estndar
[% Cu]
0 50
0.93
0.83
50 100
1.39
1.08
100 150
1.18
0.74
150 200
0.96
0.48
200 250
0.90
0.48
250 300
0.97
0.41
300 350
1.04
0.39
350 400
1.04
0.50
400 450
1.09
0.53
450 500
1.16
0.69
500 550
0.55
0.28
550 600
0.52
0.23
rango [m]
media
[% Cu]
desv. estndar
[% Cu]
0 25
0.91
0.48
25 50
0.95
0.45
50 75
0.95
0.51
75 100
1.00
0.65
100 125
1.03
0.73
Problemas prcticos
Estacionaridad (1)
La estacionaridad se refiere a una homogeneidad en el
espacio de las caractersticas de la variable en estudio:
media, dispersin, continuidad, etc. Implica que las
propiedades estadsticas de los datos son representativas del
total del campo.
El considerar la hiptesis de estacionaridad facilita la
elaboracin de modelos geoestadsticos, en especial en lo
que se refiere al anlisis variogrfico.
Estacionaridad (2)
En general, se tiende a considerar que la variable regionalizada
no tiene un comportamiento estacionario, por la presencia de
zonas de altas leyes y otras de muy bajas leyes.
Ahora bien, el concepto de estacionaridad es una propiedad del
modelo geoestadstico, no de la variable regionalizada misma.
Por ende, es una decisin del usuario considerar si se cumple o
no la hiptesis de estacionaridad (ni verdadera ni falsa, pero
juiciosa o no).
Estacionaridad (3)
Ejemplo: realizaciones de un modelo estacionario de media 0
tendencias
aparentes
Muestreo preferencial
Un muestreo es preferencial si privilegia las zonas de alta
ley. Hay que tener cuidado en el estudio geoestadstico de
tales muestreos, pues las estadsticas experimentales ya no
son representativas del campo entero
desagrupar los datos
el tener un muestreo preferencial dificulta el anlisis
variogrfico de los datos (por ejemplo, en presencia de
un efecto proporcional) y las posteriores estimaciones
de recursos y reservas.
Variables categricas
Codifican una propiedad del yacimiento (tipo de roca, unidad
geolgica...) no confundir con una variable regionalizada
tradicional.
Se distingue tres grandes zonas:
brecha de turmalina (centro)
diorta y granodiorta (este)
otras brechas (oeste)
Compsitos (1)
Un mismo conjunto de datos no debe contener muestras de
soporte distinto. Por ende, es necesario llevar las muestras a
compsitos de la misma longitud (generalmente, igual a la
altura del bloque de seleccin minera o a un sub-mltiplo
de esta altura).
Mientras ms largo el compsito, menos dispersos y menos
errticos los valores.
Si existen soportes muy distintos, se puede considerar el
atributo medido en cada soporte como una variable distinta.
Compsitos (2)
Los compsitos no deben cruzar fronteras duras entre unidades
geolgicas distintas. Es frecuente que se pierdan segmentos de la
informacin inicial al compositar (en la frontera de una unidad
geolgica o al final del sondaje).
Para variables categricas (ej: cdigo de litologa o mineraloga),
se puede asignar al compsito el cdigo que ms se repite entre
las muestras del compsito o el cdigo de la muestra ubicada en
su centro.
Compsitos (3)
Al compositar, se supone que las leyes son uniformes en cada
testigo inicial, para poder reconstituir el perfil de leyes de cada
sondaje.
Aumentar la longitud de los compsitos tiene varios efectos.
reduce el nmero de datos
disminuye la dispersin de los valores (efecto de soporte):
menos valores extremos, facilita el anlisis variogrfico
La longitud de los compsitos se escoge generalmente en base a
la altura de los bloques usados para modelar el depsito.
La regresin de D. Krige
cov (X, Y)
var ( X)
b mY a mX
Bibliografa (1)
Chils J.P. and Delfiner P., Geostatistics: Modeling Spatial Uncertainty, Wiley, New York, 1999,
696 p.
Deutsch C.V. and Journel A.G., GSLIB: Geostatistical Software Library and Users Guide,
Second edition, Oxford University Press, New York, 1998, 369 p.
Emery X., Geoestadstica lineal, Departamento de Ingeniera de Minas, Universidad de Chile,
2000, 411 p.
Goovaerts P., Geostatistics for natural resources evaluation, Oxford University Press, New York,
1997, 480 p.
Isaaks E. and Srivastava R., An Introduction to applied geostatistics, Oxford University Press,
New York, 1989, 561 p.
Journel A. G. and Huijbregts C. J., Mining geostatistics, Academic Press, London, 1978, 600 p.
Matheron G., The theory of regionalized variables and its applications, Les cahiers du centre de
morphologie mathmatique de Fontainebleau, Fascicule 5, Ecole des Mines de Paris, 1971, 212 p.
Sinclair A.J. and Blackwell G.H., Applied Mineral Inventory Estimation, Cambridge University
Press, Cambridge, 2002, 381 p.
Wackernagel H., Multivariate geostatistics: an introduction with applications, Springer-Verlag,
Berlin, 1998, 291 p.
Bibliografa (2)
Sobre categorizacin de recursos y reservas
CIM, CIM Standards on Mineral Resources and Reserves - Definitions and Guidelines. Prepared
by the CIM Standing Committee on Reserve Definitions: CIM Bulletin, v. 93, no. 1044, 2000, p.
53-61
CSA, Standards of disclosure for mineral projects: National Instrument 43-101, Canadian
Securities Administration, 2001, 22 p.
EURO, Code for reporting of mineral exploration results, mineral resources and mineral reserves
(the European code). Report prepared by the Institution of Mining and Metallurgy Working Group
on Resources and Reserves in conjunction with the European Federation of Geologists and the
Institute of Geologists of Ireland, 2002, 34 p.
JORC, Australasian Code for reporting of exploration results, mineral resources and ore reserves
(the JORC Code, 2004 Edition). Report prepared by the Joint Ore Reserve Committee of the
Australasian Institute of Mining and Metallurgy, Australian Institute of Geoscientists and Minerals
Council of Australia, 2004, 21 p.
SAMREC, South African Code for Reporting of Mineral Resources and Mineral Reserves (The
SAMREC Code). Report prepared by the South African Mineral Resource Committee SAMREC
under the auspices of the South African Institute of Mining and Metallurgy, 2000, 38 p.
Ejercicios
Repetir el estudio exploratorio de los datos de cobre y realizar el
estudio de los datos de oro en los sondajes de exploracin
locxyz, histplt, declus, scatplt, qpplt, probplt, gtcurve, getpairs
Comparar las caractersticas de las leyes de cobre en los
sondajes con aquellas de los pozos de tronadura ubicados en los
centros de los bloques de 25m 25m 12m
pixelplt, histplt, qpplt
Comparar las caractersticas de los pozos de tronadura con
aquellas de los bloques de 25m 25m 12m
pixelplt, histplt, qpplt, scatplt
Archivos de parmetros
de los programas GSLib
Mapa de ubicacin
Parameters for locxyz
*********************
START OF PARAMETERS:
muestras.dat
-file with data
1
2
4
columns for X, Y, variable
3
-1.0e21
1.0e21
columns for Z and coordinate limits
-1.0
1.0e21
trimming limits
mapa_muestras_Cu_planta.ps
-file for PostScript output
0.0
400.
-xmn,xmx
0.0
600.
-ymn,ymx
0
-0=data values, 1=cross validation
0
-0=arithmetic, 1=log scaling
1
-0=gray scale, 1=color scale
0
-0=no labels,
1=label each location
0.0
3.0
0.5
-gray/color scale: min, max, increm
0.25
-label size: 0.1(sml)-1(reg)-10(big)
Muestras de exploracion (planta)
-Title
Histograma
Parameters for HISTPLT
**********************
START OF PARAMETERS:
muestras.dat
4
0
-1.0
1.0e21
hist_muestras_Cu.ps
0.0
3.0
0.12
30
0
0
0
2
Histograma estandar
1.5
-1.1e21
Desagrupamiento (1)
Parameters for DECLUS
*********************
START OF PARAMETERS:
muestras.dat
1
2
3
4
-1.0
1.0e21
declus.sum
declus.out
1.0
0.25
0
94 30.0 500.0
10
Desagrupamiento (2)
Parameters for SCATPLT
**********************
START OF PARAMETERS:
declus.sum
-file with data
1
2
0
0
- columns for X, Y, wt, third var.
-1.0
1.0e21
- trimming limits
media_vs_tamano.ps
-file for Postscript output
0.0
500.0
0
-X min and max, (0=arith, 1=log)
0.8
1.10
0
-Y min and max, (0=arith, 1=log)
1
-plot every nth data point
0.5
-bullet size: 0.1(sml)-1(reg)-10(big)
0.0
5.0
-limits for third variable gray scale
Media desagrupada vs tamano de celda
-title
Desagrupamiento (3)
Parameters for DECLUS
*********************
START OF PARAMETERS:
muestras.dat
1
2
3
4
-1.0
1.0e21
declus.sum
declus.out
1.0
0.25
0
1 48.0 48.0
10
Desagrupamiento (4)
Parameters for HISTPLT
**********************
START OF PARAMETERS:
declus.out
4
7
-1.0
1.0e21
hist_declus_Cu.ps
0.0
3.0
0.12
30
0
0
0
2
Histograma desagrupado
1.5
-1.1e21
Grficos de probabilidad
Parameters for PROBPLT
**********************
START OF PARAMETERS:
declus.out
-file with data
4
7
- columns for variable and weight
-1.0 1.0e21
- trimming limits
logprobplt_declus_Cu.ps
-file for PostScript output
0
-number of points to plot (<0 for all)
1
-0=arithmetic, 1=log scaling
0.1
10.0
0.5
-min,max,increment for labeling
Grafico de probabilidad lognormal -title
Curvas tonelaje-ley
Parameters for GTCURVE
**********************
START OF PARAMETERS:
declus.out
4
7
-1. 1.0e21
100.0
gtcurve_declus_Cu.ps
30
0.0
3.0
0.0
1.0
0.0
5.0
Curvas Tonelaje-Ley
Nubes direccionales
Parameters for SCATPLT
**********************
START OF PARAMETERS:
declus.out
1
4
7
0
-1.0
1.0e21
nube_Cu_este.ps
0.
400.0
0
0.0
7.3
0
1
0.25
0.0
5.0
Nube direccional (este)
Nubes de dispersin
Parameters for SCATPLT
**********************
START OF PARAMETERS:
declus.out
4
5
7
0
-1.0
1.0e21
scatplt_cobre_oro.ps
0.
7.0
0
0.0
70.0
0
1
0.25
0.0
5.0
Nube de dispersion