Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estimacindereservas
Estimacindereservas
Introduccin
Aqu estudiaremos los aspectos ms bsicos de una de las labores ms complejas y de
mayor riesgo econmico en las que puede verse implicado un gelogo: la estimacin de
reservas (cubicacin).
Las muestras a partir de las cuales se estiman las reservas de un yacimiento representan
una fraccin mnima de ste. Por ejemplo, en la evaluacin del pequeo prfido
cuprfero de Copper Flat (Nuevo Mexico, USA), se recuperaron a partir de una malla
densa de sondeos, unas 200 TM (toneladas mtricas) de testigos. De esas toneladas se
utiliz una fraccin solamente para anlisis qumicos, y con este material se
definieron:
60 x106 TM de mineral.
Contacto econmico: los lmites del material a partir del cual se pueden obtener
ganancias (cut off grade).
Contenido en humedad.
Metodologa clsica
En esencia, una estimacin de reservas consiste en definir un volumen, al cual se le
aplica una ley y una densidad (peso especfico):
T = A x P x PE
Donde:
T: es el tonelaje del sector del depsito bajo evaluacin.
A: el rea; visualizacin 2D del sector del depsito bajo evaluacin; normalmente una
seccin vertical en cuerpos mineralizados irregulares.
P: la potencia; distancia horizontal aplicada a dicha seccin.
PE: el peso especfico de la roca mineralizada.
Si al resultado le aplicamos una ley concreta (e.g., 2.3 % Cu), entonces tendremos
toneladas con una ley especfica (e.g., 2500 toneladas a 2.3 %Cu).
En el caso de la determinacin de la ley media de un sondeo tendremos:
Si d son los tramos del sondeo (medidos en metros) y l las leyes de dichos tramos,
entonces la ley media del sondeo ser:
Leymedia = l i x di / di
En el caso de la determinacin de la ley media de una seccin de un depsito
tendremos:
Leymedia = l DDHi x Ai / Ai
Esta metodologa es particularmente til en la estimacin del tonelaje de cuerpos
mineralizados irregulares.
Ejemplo de una seccin. Primero calcularemos las leyes medias de los sondeos
(DDH). A continuacin aplicaremos esa ley al rea que resulta de aplicar la
distancia media entre los sondeos (reas definidas por las lneas de segmento).
Calcularemos las reas mediante planimetra, y determinaremos la ley final de la
seccin como: Leyseccin = l DDHi x Ai / Ai.
Y para obtener un volumen al que aplicarle las leyes y pesos especficos, as tendremos:
Una vez determinadas las leyes de cada seccin, lo que debemos hacer es calcular
los volmenes. En el ejemplo que muestra la figura, el volumen de roca
mineralizada ser igual a: (A1 + A2) x 0.5D, siendo D la distancia entre las
secciones A1 y A2.
Otro sistema es el denominado mtodo de los polgonos. Este mtodo ha sido utilizado
por la industria minera durante dcadas. Es un mtodo simple, las matemticas son
Bisectores perpendiculares.
Bisectores angulares.
La dilucin de leyes.
El coeficiente de extraccin.
La recuperacin de metal.
Resulta prcticamente imposible extraer solo el material econmico en una mina, de tal
manera que durante el proceso de la voladura de roca, quedar siempre incluido material
estril (lo cual lleva a la dilucin de leyes). Las causas son las siguientes:
Sobrevoladura: material que est fuera de los lmites econmicos del cuerpo
mineralizado queda incluido en el material extrado.
Ejemplo de dilucin de reemplazo. La lnea continua marca el contacto econmicomineralgico, la de segmento, lo que por ingeniera se puede obtener (contacto
promedio). Observe como en el material que se va a arrancar, entran zonas de
mineralizacin subeconmica o estril (waste), y como a su vez, zonas de mineral
econmico (ore) queda afuera.
Las minas operan con valores establecidos de dilucin, que deben ser aplicados a las
determinaciones de tonelaje realizadas por los gelogos (dilogo ingeniero de minas
gelogo).
A esto hay que sumarle el concepto de mineral extrable. Es prcticamente imposible
extraer el 100 % del material econmico de una mina. En el caso de una mina
subterrnea es fcil de entender esta situacin, pero tengamos en cuenta, que en cierta
medida lo mismo se aplica a las minas a cielo abierto. Si queremos que la mina no
colapse, obviamente no se podr extraer de ella todo el material que queremos.
Por ejemplo, a lo mejor solo el 80% del material ser susceptible de ser extrado si se
desea mantener lmites adecuados de seguridad. As, y siguiendo este ejemplo, para
una reserva "geolgica" de 10.000 TM de mineral al 2.3 % Cu, con un factor de
extraccin del 80 %, y una dilucin del 10 % tendremos:
Para este conjunto de datos la media es 0.93 y la desviacin estndar igual a 1.20
(valores redondeados). A continuacin realizaremos lo siguiente, consideraremos un
nuevo conjunto de datos (2: fichero Excel), equivalente al anterior en cuanto a nmero
de muestras y posicin de los puntos de muestreo, pero donde los valores de las
muestras han cambiado de posicin:
Resulta claro que la estadstica clsica no resulta una herramienta til para tratar casos
de esta naturaleza, los cuales por otra parte, son comunes en geologa, ya que no
trabajamos con datos abstractos, sino que estos tienen una distribucin en el espacio. Es
decir, para cada muestra, con coordenadas XY, existe al menos un valor Z. Este ltimo
puede corresponder a una concentracin de cobre y/o zinc en un punto X iYi, o bien a un
valor de emisin de gases de mercurio, o cualquier otro ejemplo que se nos venga a la
mente.
La pregunta es entonces como poder relacionar los valores con sus posiciones en el
espacio ? y ms importante aun como relacionar dichos valores entre s ? Este es el
requisito bsico para poder interpolar datos y obtener una informacin grfica sobre las
tendencias mostradas por las variables (kriging).
Donde:
A diferencia del caso anterior, donde la curva empieza en el origen del sistema XY
(varianza 0), aqu observamos el denominado efecto pepita (Nugget), el que se debe
a fluctuaciones aleatorias de la variable o a errores en el muestreo.
El primer punto de nuestra funcin (h) vendr dado por (100), esto es, la media de
los cuadrados de las diferencias entre todos los pares de muestras separados por una
distancia de 100 m:
En este caso estamos realizando un variograma experimental E-W, pero como ya hemos
discutido previamente, la distribucin de los valores en el espacio puede variar segn la
direccin en que nos movamos (anisotropa). De ah que sea importante realizar estas
operaciones en al menos tres direcciones en un plano XY: N-S, E-W, y NW-SE, para
comprobar el grado de anisotropa del sistema.
El uso de paquetes informticos modernos permite realizar estas operaciones con mucha
facilidad en ordenadores tipo PC (entorno Windows), y un nmero de ellos, entrega
por default el denominado variograma omnidireccional, esto es, un promedio de los
distintos posibles variogramas que se pueden realizar para diferentes direcciones.
De cualquier manera, todo esto es algo ms que pasar los datos (XYZ) a un archivo
Excel y pedirle al programa que nos proyecte los datos de la funcin (h). Una vez que
aparezcan los datos en el grfico (variograma experimental), deberemos seleccionar el
modelo que mejor se ajuste a nuestros datos.
Esta fase del trabajo es muy importante, ya que el trabajo de kriging depende
totaomente de: 1) del modelo a utilizar; y 2) del grado y direccionalidad de la
anisotropa. En otras palabras, el kriging ser tan bueno o tan malo como el ajuste
previo que hayamos realizado en el variograma.
Se nos ofrecen mltiples posibilidades, empezando por decidir que el punto 1 tendr
ms influencia que, digamos, el punto 5. Sin embargo cunta ms influencia debera
tener ? Aqu entramos en el problema de la ponderacin y los mtodos matemticos
clsicos de interpolacin (inversos de la distancia, inversos de los cuadrados de la
distancia, etc). Si recordamos el caso de la estimacin de leyes mediante el mtodo de
los polgonos, dijimos que un procedimiento comn era asignar el 50 % del valor final
al punto central y otro 50 % a los puntos situados en la periferia. En el ejemplo de abajo
esto sera 50 % al sondeo del centro y 50 % a los cinco restantes (10 % a cada uno).
Existen dos razones principales para hacer esto: 1) el variograma de nos da una medida
del alcance (range) de las muestra, esto es, nos dice hasta adonde en el espacio los
valores de estas son significativos; y 2) nos da una idea de la variabilidad de los
valores en el espacio, esto es, si el sistema es fuertemente anisotrpico, las muestras
pueden tener una mejor correlacin en una direccin que en otra. En otras palabras, el
alcance ser dependiente de la direccin. Si nuestro caso corresponde a un prfido
cuprfero, el comportamiento (dado el tipo geomtrico de mineralizacin) ser ms bien
isotrpico, pero si el ejemplo corresponde a un filn, intuitivamente podemos pensar
que la anisotropa en el sistema ser mayor. Por ejemplo, esperaremos una mayor
continuidad a lo largo de la direccin del filn que de su buzamiento. Por otra parte, la
cada de las leyes ser bastante abrupta cuando salgamos de la estructura mineralizada.
A efectos prcticos, todos los clculos son realizados hoy en da por programas
especializados, algunos de los cuales pueden ser muy caros (miles de euros). Opciones
relativamente econmicas son programas como Surfer8 o EcoSSe, que como
contrapartida no permiten el diseo y estudio de bloques (donde realizar la estimacin:
block kriging en el sentido minero del trmino), aunque se puede realizar una buena
modelizacin de variogramas experimentales y desarrollar kriging puntual. De esta
manera se pueden obtener mapas donde la interpolacin de valores en el espacio XY
est controlada por la funcin (h). Volvamos a uno de los ejemplos del principio (datos
2) trabajando con Surfer8:
Representacin de los datos del conjunto 2. Esta vez hemos puesto sobre cada
punto, el valor real Z (fichero Excel).
Pero dado que observamos que existe una tendencia de los puntos hacia el origen
del sistema, con un desarrollo de sill hacia la derecha, modelizamos a un
variograma esfrico (el ejemplo no es perfecto, pero ), y ah empezamos
detectar la fuerte anisotropa del sistema (ver elipse y su orientacin:
direccionalidad de los datos).
En este caso, vemos que los datos muestran una tendencia hacia el origen (X = 0; Y =
0), por lo cual descartamos la presencia del efecto pepita (nugget). Dado que los datos
crecen hasta un determinado punto (alcance = 11.6) y a partir de ah no existe un claro
incremento, podemos modelizar el variograma al tipo esfrico, y determinar la
anisotropa del sistema. Con el modelo, el grado de anisotropa (anisotropy ratio = 2), y
la direccin de la misma (32.51 N57.49), podemos pasar a los clculos de kriging
puntual introduciendo estos datos en el programa:
Mapa obtenido para el conjunto de datos 2, con los siguientes parmetros: modelo
de variograma: esfrico; anisotropy ratio: 2; direccin N57.49 (32.51).
Bibliografa
Annels, A.E. 1991. Mineral deposit evaluation: a practical approach. Chapman & Hall,
London, 435 pp.
Clark, I. 1979. Practical geostatistics. Applied Science Publishers LTD, Essex, 129 pp.
Clark, I. & Harper, W.V. 2001. Practical geostatistics 2000. Ecosse North America Llc.,
Columbus, 342 pp.
McKinstry, H.E. 1970. Geologa de minas. Omega S.A., Barcelona, 671 pp
Stone, J.G. & Dunn, P.G. 1993. Ore reserve estimates in the real world. Society of
Economic Geologists, Special Publication no. 3, 150 pp.