Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Surpac
Junio de 2009
Providencia, Santiago,Chile
http://gemcomsoftware.com/worldwide/chile
Contents
DESCRIPCION................................................................................................................................................. 5
Requerimientos......................................................................................................................................... 5
CONCEPTOS DE BASES DE DATOS GEOLOGICAS ........................................................................................... 6
Descripcin................................................................................................................................................ 6
Base de datos Surpac ................................................................................................................................ 7
Tabla Collar ........................................................................................................................................... 7
Tabla Survey .......................................................................................................................................... 8
Tablas opcionales .................................................................................................................................. 8
Crear base de datos geolgica .................................................................................................................... 10
Descripcin.............................................................................................................................................. 10
Crear una nueva base de datos............................................................................................................... 10
Conectarse a una base de datos existente ................................................................................................. 13
Descripcin.............................................................................................................................................. 13
Conectarse a una dase de datos ............................................................................................................. 13
Conectar la base de datos ....................................................................................................................... 17
IMPORTAR Y VER DATOS............................................................................................................................. 18
Crear base de datos nueva...................................................................................................................... 18
Importar datos ........................................................................................................................................ 20
DESPLIEGUE DE SONDAJES ......................................................................................................................... 23
Ver datos restringidos ............................................................................................................................. 23
Sondajes .................................................................................................................................................. 25
Aplicar estilos a los sondajes................................................................................................................... 26
Laboratorio 1........................................................................................................................................... 27
Creacin del modelo geolgico................................................................................................................... 28
Mtodos para la definicin de los contornos ......................................................................................... 28
Slidos a partir de los modelos de alambre o wireframe. .................................................................. 29
Slidos generados partir de superficies (Mtodo de superficies) ...................................................... 30
Creacin de secciones de sondajes ......................................................................................................... 31
Crear secciones regulares ....................................................................................................................... 33
Laboratorio 2....................................................................................................................................... 34
analisis exploratorio .................................................................................................................................... 35
1
DESCRIPCION
Este documento introduce al proceso de estimacin de recursos y provee de ejemplos detallados
usando las herramientas y funciones del software. Trabajando con este tutorial t sers capaz de crear
un modelo y estimarlo de mltiples formas para su comparacin.
Por estimacin de recursos entendemos la determinacin de la cantidad de materia prima contenida en
un yacimiento o en una de sus partes. La mayora de los recursos y reservas se calculan en toneladas
mtricas, solo la de los metales preciosos (oro, plata y platino) se calculan en kilogramos, los diamantes
en quilates y las reservas de gas natural, arena, piedras para la construccin, agua subterrneas, se
estiman en metros cbicos. Esta cuantificacin formal de las materias primas minerales estimada por
procedimientos empricos o tericos se denomina Inventario Mineral. Este a su vez se expresa en
trminos de recurso y reservas.
La estimacin de recursos es un fin de cada etapa de los trabajos de prospeccin y exploracin de
yacimientos minerales y este proceso continua durante la explotacin del depsito. Todos los trabajos
de exploracin de un yacimiento contribuyen ante todo a la estimacin de las materias primas
minerales.
La estimacin de recursos/reservas se considera un proceso continuo que se inicia con la exploracin y
recopilacin de la informacin seguida de la interpretacin geolgica y la estimacin de recursos.
Posteriormente se consideran los factores modificadores (mineros, metalrgicos, ambientales, legales
etc.) y se arriba al estimado de reservas. Durante las operaciones de la mina los estimados previamente
calculados son modificados por los resultados del control de ley y los estudios de reconciliacin. En estos
apuntes se hace mayor hincapi en la estimacin de los recursos.
Estos trabajos tienen como objetivo fundamental la mejor estimacin de la ley y el tonelaje de los
bloques de un cuerpo mineral as como determinar los errores probables de la estimacin con cierto
nivel de confianza. La relevancia de las estimaciones depende de la calidad, cantidad y distribucin
espacial de las muestras y el grado de continuidad de la mineralizacin.
La cantidad de reservas de un yacimiento, como uno de los factores principales que determinan su
viabilidad econmica, posee una gran influencia en la vida til del yacimiento, su produccin anual y la
decisin final de construir la empresa minera.
Por lo anteriormente expuesto queda claro que la estimacin de recursos es de vital importancia para el
xito de una inversin minera, por lo que los clculos de la ley y el tonelaje deben ser lo ms confiable
posible a partir de las muestras disponibles, la calidad de los anlisis y la definicin de los controles
geolgicos de la mineralizacin.
Requerimientos
Este tutorial asume que cuentas con los conocimientos bsicos de Surpac. Nosotros recomendamos que
antes de comenzar este, cuentes con los conocimientos del curso de Surpac bsico.
Tambin es necesario tener:
Instalado Surpac v6.1 o superior en tu computador
El set de datos que acompaan a este tutorial.
5
Estimacin de Recursos
Base de Datos
Perfiles de Sondajes
Modelo Geolgico
Estadstica Bsica
Modelo de Bloques
Variografa bsica
Kriging
Nota: Este es un flujo representativo del trabajo en Surpac. La manera particular de cmo lo realice el
usuario puede ser diferente.
Tabla Collar
La informacin almacenada en la tabla Collar describe la ubicacin espacial del collar de las
perforaciones, la mxima profundidad de la perforacin y describe la traza de la perforacin como un
sondaje Lineal o Curvo. Campos opcionales en esta tabla pueden ser establecidos como por ejemplo:
fecha de perforacin, nombre del proyecto, tipo de perforacin o equipo utilizado.
Los campos obligatorios en la tabla Collar se muestran en la imagen.
Tabla Survey
La tabla Survey almacena la informacin topogrfica usada para calcular la traza del sondaje y
coordenadas. Los campos obligatorios incluyen: profundidad del la perforacin a la cual los datos fueron
tomados y la direccin y manteo (inclinacin) del pozo.
Para perforaciones verticales en donde datos no han sido tomados a ninguna profundidad, la mxima
profundidad del pozo en la tabla Collar es la misma que el Max_depth en la tabla Survey, adems el Dip
seria -90 y el azimut seria cero.
Los campos X, Y, Z son usados para almacenar el valor de las coordenadas calculadas en cada punto de
medicin.
Los campos obligatorios en la tabla Survey son:
Tablas opcionales
A parte de las tablas obligatorias, tablas opcionales pueden ser agregadas y usadas para almacenar
informacin como Geologa y Leyes.
Existen 3 diferentes tipos de tablas opcionales pueden ser agregadas a la base de datos:
Intervalos (profundidad desde y Hasta)
Puntos (profundidad Hasta)
Discreta (datos en punto XYZ)
Las tablas de intervalos requiere la profundidad al inicio del intervalo y al final del intervalo, llamado
campos Depth_from y Depth_to respectivamente.
Las tablas de puntos requiere solo la profundidad donde la muestra fue tomada. Un campo de
identificador de muestra es definido para tablas de intervalo, pero esto no es un campo obligatorio y no
requiere datos si estos no estn disponibles. Los campos X, Y, Z son usados para almacenar las
coordenadas calculadas de la profundidad de la muestra.
Las tablas discretas son usadas para almacenar datos de puntos los cuales tienen una nica muestra
(samp_id). Todo lo que requiere esta tabla son los campos Samp_id y las coordenadas espaciales xyz.
Este tipo de tablas es ideal para almacenar datos de muestreos geoqumicos.
La tabla siguiente nos muestra un resumen de las tablas en las bases de datos Surpac:
10
Una base de datos con tablas obligatorias y campos obligatorios en la Tabla Collar, survey y tabla
Translation sern creadas. En este punto, tablas opcionales para muestras (Sample) y para la Litologa
(Geology) sern creadas.
11
La base de datos esta ahora creada. La base de datos queda cargada en el sistema y aparece en la barra
de estado la base de datos conectada.
8. Escoger Database-close
9. Abrir el archivo New_database.ddb en un editor de texto.
12
13
3. Se deber ingresar el nombre de la base del archivo .ddb el que por defecto aparece. Ingresar la
informacin como se muestra.
14
El formulario est dividido en 2 secciones. A mano izquierda, se encuentran los datos de la base de datos
original creada fuera de Surpac mostrando las tablas y campos que contiene. A manos derecha, los
detalles de la base de datos Surpac que requieren conexin con la base de datos original.
El detalle del formulario a mano derecha muestra dos carpetas Obligatorias y tablas opcionales.
4. Expandir las carpetas Collar y Survey haciendo clic en (+). Se encontraran los campos que son
necesarios de mapear. Las tablas opcionales muestran cinco carpetas.
La primera carpeta representa la Tabla Translatin que es requerida para traducir cdigos numricos,
tal como son catalogadas las muestras en un laboratorio. Esta tabla contendr campos obligatorios para
la tabla.
La tabla Styles almacena los estilos de dibujo creados para los cdigos de las perforaciones en la tabla
de litologas y de leyes que son almacenados en la base de datos. Cuando te conectas con una base de
datos existente, t necesitaras crear la tabla de estilos antes de desplegar los colores para los sondajes.
Las tablas de Intervalos, puntos y discretas son utilizadas para especificar tablas opcionales que tu
deseas incluir en la base de datos.
Nota: Deben ser mapeadas los campos que aparecen con un (*)
15
El campo hole_path no necesita ser mapeado. Si la base de datos externa no la tiene, entonces Surpac
utiliza por defecto el algoritmo CURVED y puede ser modificado internamente en Surpac.
Los campos que no son mapeados en las tablas obligatorias deben ser mapeados en los campos
opcionales.
6. Repetir el proceso de mapeo para cada tabla Survey.
Mapear las tablas de litologa y leyes. Estas son tablas opcionales de Intervalos y deben ser arrastradas
de la misma forma que se arrastraron los campos anteriormente.
16
Las tablas opcionales tambin contienen sus respectivos campos obligatorios marcados con (*).
7. Presionar Finish.
Nota: Para el campo Samp_id de las tablas de intervalos de Geologa, este aparece con (*), sin embargo, no es necesario
mapearlo. Cualquier otro campo que contenga (*), debe ser mapeado.
Nota: Si existen modificaciones en la base de datos externa, es posible utilizar la funcin DB MAPPER para actualizar la
informacin.
Aparecer un mensaje en la ventana de mensajes indicando que la base de datos esta conectada.
17
Para un proceso lgico de importacin es necesario primero crear la base de datos en Surpac o las tablas
y campos necesarios para almacenar la informacin.
Los datos a importar es posible tenerlos en formatos .txt y .csv. Ahora crearemos una base de datos
nueva e importaremos todos los datos necesarios para desplegar la informacin y trabajar con ella.
4.
Al realizar este procedimiento se crean en forma automtica las tablas obligatorias de una base de
datos, Collar y Survey. Es necesario solo crear las tablas opcionales que se deseen.
18
5. Ahora crear en la tabla Leyes un nuevo campo llamado Ley_oro como se muestra.
6. Realizar el mismo procedimiento pero ahora creando un nuevo campo para la tabla litologa
llamado Tipo_roca. Este campo debe ser tipo Carcter.
19
Importar datos
Es posible importar todos los datos de una vez. Estos datos estn contenidos en cuatro archivos,
collar1.csv, geology1.csv, leyes1.csv y survey1.scv.
PROFUNDIDAD
WD004
100
1724.725
7362.082
205.749
WD005
100
1643.45
7239.18
170.242
WD011
130
1562.176
7280.282
163.773
WD016
140
1600.01
7319.77
177.923
WD031
120
1568.654
7160.398
155
WD032
120
1636.444
7281.089
178.169
Geology
Desde
Hasta
Hole_id
Tipo de Roca
WD004
S2
WD004
SH
15.4
WD004
ST
15.4
16.65
WD004
QV1
Leyes
Desde
Hasta
Ley
Hole_id
Sample_id
0.03
WD004
WS689231
0.02
WD004
WS689232
WD004
WS689233
WD004
WS689234
Survey
Azimut
profundidad
Dip
Hole_id
-90
WD004
5.23
30
-88.7
WD004
2.5
60
-87
WD004
20
Si el archivo de formato de importacin no existe, nos preguntar si deseamos crearlo. Presionar Apply.
Este archivo de formato puede ser utilizado siempre que la estructura de los datos importados no
cambie.
4. Seleccionar las tablas que desean ser importadas. Escoger Collar, Survey, Leyes y litologa.
Presionar Apply.
5. Verificar el orden de los campos en cada tabla en los archivos que contienen la informacin e
ingresarlos como se muestra a continuacin.
21
6. En el siguiente formulario ingresar los archivos que contienen la informacin y presionar Apply.
7. Una vez cargado los archivos se entregar el archivo de reporte de importacin, que se muestra
a continuacin.
22
DESPLIEGUE DE SONDAJES
Los datos pueden ser directamente vistos arrastrando el archivo .ddb a la pantalla. Una vez que los
datos han sido importados, las tablas y campos pueden ser vistos y editados desde el men Edit.
Cuando seleccionamos View tabla constrained, nos permite filtrar la informacin que deseamos ver
dependiendo del valor particular de un campo en una tabla. Es posible utilizar mltiples constraints.
23
5. Presionar Apply.
6. Cerrar la base de datos.
24
Sondajes
Para desplegar los sondajes debemos seguir los siguientes pasos.
25
Cuando los sondajes son rotados estos pueden ser vistos con el despliegue de su traza. Por el momento
no existen coloreados de los sondajes ya que debemos configurar sus colores, es decir, que la tabla de
estilos se comience a llenar.
Ahora deberemos ingresar el color para cada tipo de roca que se encuentra en la tabla Litologa, campo
tipo de roca.
26
Ahora para obtener los colores para las leyes, realizar el mismo procedimiento pero para la carpeta
tabla leyes y el campo ley de Oro. Aqu seleccionar Get min Max range.
Aparecer un intervalo de leyes desde el mnimo valor al mximo valor. Se debern ingresar los
intervalos que el usuario defina y los colores correspondientes a cada intervalo de ley.
Laboratorio 1
1. Con los datos de la carpeta Lab_1, realizar la importacin de los datos, crear las tablas y campos
necesarios para importar la totalidad de la informacin.
2. Desplegar los sondajes y colorear los datos de leyes y de litologas.
27
28
Interpretacin de los lmites de los dominios geolgicos a partir de los datos mostrados en perfiles
Una vez que el mismo dominio geolgico ha sido interpretado en los distintos perfiles entonces se
procede a correlacionar la unidad geolgica en perfiles contiguos para lograr una representacin 3D del
cuerpo geolgico. Los permetros (contornos) digitalizados se van uniendo por los puntos de inflexin
correspondientes en los perfiles a travs de lneas de enlace (Control strings) hasta completar el
wireframe que encierra el volumen geolgico 3D. Esta correlacin seccin a seccin se requiere cuando
los contornos son irregulares (bifurcaciones, fallas, acuamientos, etc.). Si las unidades geolgicas
muestran una clara continuidad en 3D entonces no es necesaria la correlacin interactiva y se puede
prescindir de las lneas de enlace, en su lugar se usa un algoritmo de interpolacin lineal de los lmites en
las secciones
Los modelos slidos creados pueden ser cortados por planos de cualquier orientacin y espaciamiento,
esto nos permite corroborar nuestras interpretaciones en otra direccin cualquiera.
29
Muchas veces es posible confeccionar los slidos modelando las superficies estructurales que limitan
por encima y por abajo los cuerpos geolgicos. Este enfoque puede ser empleado en yacimientos
estratiformes de poca complejidad estructural
Este mtodo se realiza en 3 pasos fundamentales:
Extraccin de los puntos que yacen en las superficies (techo y piso) a partir de la intercepcin de
la traza del pozo con los planos estructurales).
Modelacin de las superficies (triangulacin o gridding)
Combinacin de las superficies y generacin del slido
Existen 2 variantes de modelacin de superficies:
Modelacin de superficie por triangulacin
La superficie de contacto se modela usando una red optimizada de tringulos irregulares que conectan
los puntos con coordenadas conocidas. La triangulacin se realiza en un plano de referencia que debe
ser paralelo a la superficie considerada, el mosaico de tringulos se genera sobre la base de la
coordenadas X;Y mientras que la Z define la topologa.
Cualquier superficie puede ser modelada (superficie topogrfica, planos de fallas etc.), interceptada con
el plano del perfil y ser utilizada para controlar la interpretacin geolgica. La modelacin de estas
superficies controladoras es el primer paso en la modelacin geolgica en 3D.
Para la triangulacin se debe tener el mximo de informacin posible sobre la superficie a modelar. Esta
informacin debe estar libre de errores o inconsistencias como pueden ser puntos con las mismas
coordenadas, curvas de nivel que se corten (strings) o puntos que no residan en la superficie.
El mtodo de triangulacin no suaviza y respeta la informacin original, aspecto muy importante
cuando la Z del punto se conoce con bastante certidumbre (superficie topogrfica, planos de falla),
30
3. Seleccionar la traza de las secciones a crear. Se debe considerar que la traza de las secciones es
una lnea perpendicular a las secciones que se crearn. Clic y mantener presionado el botn del
mouse hasta el punto final de la traza, luego soltar.
31
32
5. Elegir Section- Next o presionar el botn que se muestra a continuacin para avanzar a la
siguiente seccin.
33
Este formulario nos crear secciones comenzando desde la coordenada 7120 en Norte hasta la
coordenada 7600 en Norte cada 40 metros. Se debe notar que la seccin graficada en pantalla aparece
en la barra de estado indicando la coordenada en que se ubica.
Laboratorio 2
1. Para los datos de nuestra base de datos (Lab 1) obtener los perfiles en las direcciones Este
Oeste, encontrando sus puntos de inicio y trmino. Analizar cada cuantos metros es
conveniente hacer los perfiles
2. Adems obtener plantas cada 50 metros para la totalidad de los sondajes.
34
ANALISIS EXPLORATORIO
Generalmente los intervalos de muestreo en los pozos de exploracin no coinciden con los intervalos de
trabajo en la fase de estimacin de recursos. Los intervalos de muestreo son siempre menores pues se
busca revelar la variabilidad espacial de las variables que se estudian. El clculo de los compsitos no es
ms que un procedimiento mediante el cual las muestras de los anlisis se combinan en intervalos
regulares (igual longitud), que no coinciden con el tamao inicial de las muestras. La ley del nuevo
intervalo se calcula usando la media ponderada por la longitud de los testigos que contribuyen a cada
compsito y la masa volumtrica en caso de ser variable. El objetivo de la regularizacin es obtener
muestras representativas de una unidad litolgica o de mineralizacin particular las cuales pueden ser
usadas, a travs de una funcin de extensin, para estimar la ley de un volumen mucho mayor de la
misma unidad.
Entre las principales razones y beneficios de la regularizacin tenemos:
El anlisis geoestadistico exige muestras de igual longitud (similar soporte).
La Compositacin reduce la cantidad de datos y por consiguiente el tiempo de clculo o
procesamiento.
Se producen datos homogneos y de ms fcil interpretacin.
Se reduce las variaciones errticas (alto efecto pepita) producto de muestras con valores
extremadamente altos.
El proceso incorpora la dilucin como la provocada por la explotacin de banco con altura
constante en la minera a cielo abierto.
Existen muchos tipos de yacimientos minerales cada uno de los cuales requiere de un tratamiento
especfico de los datos de las muestras de manera que se logren los mejores intervalos de
Compositacin para la evaluacin del los mismos. Bsicamente existen 3 tipos principales de compsitos
y se usan en dependencia de la naturaleza de la mineralizacin y el mtodo de explotacin:
1. Compsito de Banco (bench composite): Las muestras se regularizan a intervalos que coinciden
con la altura de los bancos o una fraccin de esta. Se emplea para modelar los recursos de
yacimientos grandes, diseminados de baja ley que se explotan con minera a cielo abierto
(Yacimientos de Cobre porfdico).
2. Compsito de Pozo (down hole composite): Las muestras se combinan a intervalos regulares
comenzando desde la boca del pozo.
3. Compsito Geolgico (geological composite): Las muestras se combinan a intervalos regulares
pero respetando los contactos geolgicos entre las distintas unidades. Este mtodo se emplea
para prevenir la dilucin del compsito en el contacto estril mineral y donde se logra mayor
control sobre el proceso de regularizacin.
El empleo de compsito de banco o de pozo en estos casos provoca una distorsin de la distribucin de
la ley ya que se puede adicionar mineral de baja ley a la zona mineral o mineral de alta ley al estril.
Para escoger la longitud de regularizacin se emplean las siguientes reglas empricas:
El tamao del compsito se selecciona entre la longitud media de las muestras y el tamao del
banco
Para el caso de los cuerpos en los que su anlisis se hace de forma bidimensional, es necesario
computar por pozos una media ponderada de los valores de todas las variables de inters que
abarque todas las muestras positivas del intervalo mineralizado.
No se debe regularizar muestras grandes en intervalos ms pequeos pues se introduce una
falsa idea de continuidad espacial.
35
Antes de proceder con la estimacin de reservas propiamente dicha se debe, siempre que sea posible,
realizar un anlisis estadstico de los datos disponibles o los generados a partir del clculo de los
compsitos con el objetivo de caracterizar el comportamiento estadstico de las distintas variables en el
depsito y en las unidades geolgicas (dominios) que lo integran.
La organizacin de los datos cuantitativos y su anlisis pueden consumir el 50 % de tiempo necesario
para realizar la estimacin de reservas. El anlisis exploratorio de datos est dirigido a resolver las
siguientes cuestiones:
Identificar y eliminar los posibles errores.
Caracterizacin estadsticas de las variables de inters.
Documentar y entender las relaciones entre las variables.
Revelar y caracterizar la continuidad espacial de las variables (potencia y contenido del
componente til).
Identificar y definir los dominios geolgicos que requieren un tratamiento independiente
durante la estimacin de recursos.
Identificar y caracterizar las muestras con valores extremos (outliers).
El clculo de la estadstica bsica y el estudio de la distribucin de frecuencias de los parmetros
constituyen las principales herramientas que posibilitan el anlisis estadstico de los datos. Los
resultados de esta etapa complementan el modelo geolgico y se emplean en la modelacin de
recursos.
La estadstica bsica se calcula para las muestras originales y compositadas en cada dominio geolgico,
los cuales incluyen distintos tipos litolgicos, tipos de alteracin hidrotermal, dominios estructurales y
zonas o sectores en las que se reconoce (o se sospecha) que la distribucin estadstica de la variable es
diferente.
36
Estadstica Bsica
Descripcin
Uno de los pasos preliminares a un anlisis Geoestadistico de los datos es tener un buen nivel de
entendimiento de los datos ingresados en la base de datos. Existen dos caractersticas que pueden
potencialmente reducir la calidad de la informacin que estamos estimando, estn son el Bimodalismo y
Valores Anmalos. Un histograma puede ayudar a identificar ambas caractersticas.
Por otro lado debemos partir con el estudio de los datos tal y como se encuentran en los sondajes, es
decir, sin compositar.
Preliminarmente, podemos obtener la estadstica bsica de los datos de los sondajes. Esto nos entregar
valores referenciales de cada sondaje y de la globalidad de las perforaciones.
37
Surpac nos entregar un formulario con los estadsticos de los datos, adems del reporte.
Este anlisis es posible realizarlo para cada sondaje de la malla de sondajes o tambin restringirlo por
cualquier tabla y campo de la base de datos.
Histograma
Un histograma es un trmino estadstico que se refiere a un grfico de frecuencias V/S los valores. Un
histograma es la versin grfica de una tabla la cual muestra que proporcin de casos estn contenidos
en cada uno de los intervalos de cierta variable.
Por ejemplo, una distribucin de oro podra ser representado por la siguiente tabla.
38
39
Bimodalismo significa que existen dos valores que relativamente son los que ms se repiten y no estn
adyacentes uno del otro. En el siguiente set de datos, el nmero 2 y 8 son igualmente frecuentes y la
distribucin de denomina Bimodal.
1
Imaginar que se esta estudiando el promedio de la densidad de las rocas de un deposito de carbn. Un
histograma de todas las muestras nos entrega el siguiente resultado.
Un histograma el cual despliega dos mximos como en el ejemplo de arriba, se llama bimodal. La
distribucin bimodal en el ejemplo puede ser explicada por el hecho de que los datos utilizados para el
histograma cuentan con informacin de dos tipos de roca (bandas de Areniscas y Fangolitas). Los valores
de densidad entre 1 y 2 son representativos del carbn, mientras los valores entre 2 y 3 son
representativos de la roca envolvente.
A menudo los datos de una distribucin Bimodal pueden corresponder a dos dominios diferentes en un
mismo set de datos. Para minimizar el error de estimacin, t deberas confeccionar para cada dominio
un set de datos por separado. En el ejemplo arriba, se deberan separar los datos por tipo de roca.
40
Valores anmalos
Un valor anmalo es un trmino estadstico para un dato el cual est relativamente distante de la
mayora de los otros datos. Por ejemplo, en el siguiente set de datos, el nmero 236 debera ser
considerado como un valor anmalo.
1
236
Valores anmalos pueden causar problemas el clculo del variograma. Adicionalmente, si se utiliza un
valor anmalo en la estimacin, el resultado puede ser poco real y confiable. Una tcnica utilizada para
reducir el impacto de los valores anmalos es aplicar un Valor de Corte de los datos. Por ejemplo, en los
datos del ejemplo anterior, el valor 236 podra ser cortado y reemplazado por 9.
Otra alternativa es solo remover el dato.
41
Usaremos string 1 y 2 para el estudio de los datos. Los campos Minimun Value y Maximun Value
permiten excluir datos entregando un intervalo de valores a utilizar en el histograma.
El histograma se construir con los datos contenidos en el campo D1.
La opcin Name es opcional, peo este nombre aparecer en el reporte creado.
En la etiqueta Advanced, podemos filtrar los datos por posicin espacial.
42
43
Grficos de probabilidad
Los grficos de probabilidad normal constituyen otra importante herramienta grfica para comprobar si
un conjunto de datos puede considerarse o no procedente de una distribucin normal. La idea bsica
consiste en enfrentar, en un mismo grfico, los datos que han sido observados frente a los datos
tericos que se obtendran de una distribucin gaussiana. Si la distribucin de la variable coincide con la
normal, los puntos se concentrarn en torno a una lnea recta, aunque conviene tener en cuenta que
siempre tender a observarse mayor variabilidad en los extremos. En los grficos P-P se confrontan las
proporciones acumuladas de una variable con las de una distribucin normal. Los grficos Q-Q se
obtienen de modo anlogo, esta vez representando los cuantiles respecto a los cuantiles de la
distribucin normal. Adems de permitir valorar la desviacin de la normalidad, los grficos de
probabilidad permiten conocer la causa de esa desviacin. Una curva en forma de "U" o con alguna
curvatura, significa que la distribucin es asimtrica con respecto a la gaussiana, mientras que un grfico
en forma de "S" significar que la distribucin tiene colas mayores o menores que la normal, esto es,
que existen pocas o demasiadas observaciones en las colas de la distribucin.
Con los datos que se poseen del ejemplo anterior obtendremos el grfico de probabilidad.
1. En la ventana de estadsticas ir a Display Probability Curve.
2. Se mostrar en pantalla el grafico siguiente.
44
Existe una clara diferencia de los datos lo que nos obliga a realizar un estudio mayor posibilitando
teoras como que los datos corresponden a dos dominios diferentes.
Para determinar un valor de corte o lmite para crear el histograma y reporte es necesario establecer un
mtodo que nos permita llevar a un valor. Es posible utilizar:
Lmite superior entregado por intervalo de confianza.
Un percentil dado, por ejemplo 90.
Un valor arbitrario.
En nuestro ejemplo, usaremos para definir el lmite superior de los datos el lmite superior de un
intervalo de confianza de 95%.
El intervalo de confianza del 95% es un intervalo que incluye un 95% de los valores entre:
Valores = Media + (1.96 * Desviacin estndar)
45
5.120000
95.0 Percentil
9.280000
97.5 Percentil
27.872500
Para eliminar los valores que no necesitamos en nuestros datos, una forma es utilizar string Math.
1. Abrir el archivo golg_comp2.str y guardarlo con otro nombre, por ejemplo gold_cut.str. Esto es
ya que indicaremos que el valor mximo de los datos sea 17 gramos por tonelada.
2. Abrir el archivo gold_cut.str.
3. Ir a FileTools-String Math.
4. Ingresar la siguiente expresin para delimitar los datos y presionar Apply.
Una vez el archivo esta modificado, volver a crear un Histograma con el nuevo archivo gold_cut.str, y
adems un reporte. Este se debe comparar con el histograma y reporte inicial.
46
47
COMPOSITACION
Descripcin
Existen diferentes mtodos de Compositacin, sin embargo, solo el mtodo Elevacin y Downhole
producen compsitos de igual longitud los que son usados para el uso en estudios de Geoestadstica. De
igual forma darn a conocer caractersticas de los mtodos otros mtodos disponibles en el software.
48
49
Debido a que los archivos string entregados estn separados por elevacin, es posible y quizs necesario
juntarlos en un solo archivo. Para esto existen varias formas.
Abrir todos los archivos en una sola Layer presionando la tecla CTRL al momento de arrastrarlos
a la pantalla. Luego guardar toda sesta informacin en un archivo string.
La otra opcin es aplicar la funcin FileTools-Combine/Split File-Combine String file.
La diferencia con este segundo mtodo es que el nmero de string que entrega es diferente para cada
elevacin.
50
1. Seleccionar Database-Composite-Downhole.
2. Ingresar la informacin como se muestra.
4. Abrir el archivo creado, no mostrar las lneas y solo mostrar los marcadores.
5. Desplegar el descriptor 1 para ver las leyes de cada compsito.
51
1. Seleccionar Database-Composite-Downhole.
2. Ingresar la informacin como se muestra y presionar Apply.
Asegurarse de marcar la opcin Multiple Zones
3. Seleccionar la zona geolgica que se desea compositar. En este caso utilizaremos el cdigo de
roca obj8.
52
La opcin Intercept From / intercept to es la que nos indica en cuantas partes podra estar dividida
nuestra zona geolgica (separadas por otras zonas). En este caso le indicamos 1 y 999 lo que significa
que considere desde 1 divisin hasta 999 si se presentases ms de 1. La Compositacin continuar si es
que en el sondaje la zona geolgica obj8 tiene otros tipos de rocas entre medio.
Nota importante:
Cuando se crea el archivo string, este contendr los datos de compsitos en el string 1, sin embargo, cuando
aparecen los resultados, nos entrega informacin en string 2. Estos puntos son los que al momento de compositar
no cumplen la condicin de 50% de porcentaje de muestra incluida. Estos puntos se muestran de igual forma para
que sean visualizados y determinar si pueden o no ser considerados.
1. Ir a Database-composite-Downhole
2. Completar el formulario con la informacin que se muestra y presionar Apply.
53
El resultado de esta Compositacin es un archivo string nico con la informacin de puntos y leyes.
54
Compositacin grfica
Esta funcin nos permite especificar campos de la base de datos que se desean compositar, el cdigo
que se le asignara a los nuevos compositos, las propiedades de despliegue de los intervalos
compositados y las etiquetas y opciones de ponderacin.
55
56
Laboratorio 3
1. Con nuestra base de datos, realizar compositacin de los datos por bancos a 4 metros, 8 metros
y 16 metros.
2. Para cada compositacin, unir los archivos string de resultados en 1 solo.
3. Realizar grficos de estadsticas bsicas para los 3 archivos de compsitos (4, 8 y 16 metros) y
comparar los resultados. Crear archivos de reportes para cada uno.
4. Compositar por la zona geolgica (Elegir una zona con continuidad) a 4 metros, y obtener las
estadsticas bsicas del archivo, comparando los resultados con la compositacin realizada sin
zonas geolgicas.
57
Dominios
Descripcin
Uno de los aspectos ms importantes de la geoestadstica es estar seguro que los datos se estn
utilizando correctamente o estn clasificados en un dominio homogneo. Un dominio es una regin en
2D 3D la cual contiene datos relacionados unos con otros. Mesclar los datos de ms de un dominio o
no clasificar los datos en el dominio correcto es, a menudo, causal de errores en la estimacin.
Un ejemplo simple
Imaginar que somos un grupo de meteorologa y tenemos 3 temperaturas en 3 puntos diferentes, A, B y
C, como se muestra en la figura. Basado en los valores mostrados, podramos adivinar que la
temperatura en la ubicacin X? Podramos adivinar adems que la temperatura en la ubicacin X es ms
alta que los 25 grados.
58
Este tipo de anlisis es sumamente importante para obtener un correcto dominio de datos de estudio y
es la base para el estudio geoestadistico de una variable.
Uso de dominios
Mostraremos a continuacin un ejemplo en el uso de dominios en Surpac.
1. Abrir los archivos gc_orezones130.str, gc_hole_collares.str, gc130.mdl.
Los datos representan la elevacin 130 para muestras y delimitacin de zona en el modelo de bloques.
59
Usando las lneas de las diferentes zonas o cuerpos como diferentes dominios, solo las muestras que se
encuentran dentro de cada cuerpo debern ser usadas para estimar los bloques del modelo de bloques
que estn dentro de cada zona.
1.
2.
3.
4.
60
9.
10.
11.
12.
13.
14.
Borrar la pantalla
Abrir el archivo gc_zone1_130.str.
Mostrar el archivo como marcadores y no como lneas.
Abrir el archivo gc_zone2_130.str.
Tambin mostrarlos como marcadores y no como lneas.
Abrir el archivo gc_orezones130.str.
61
Note que las muestras ahora estn solo contenidas en las zonas que corresponden a cada
cuerpo.
Nota: Este es solo un ejemplo para 2 dimensiones. Otros procesos deben ser utilizados para 3 dimensiones.
62
MODELO DE BLOQUES
Descripcin
El modelo de bloques es una base de datos espacial referenciada que provee informacin en 3
dimensiones de un cuerpo desde puntos o intervalos de datos como por ejemplo los sondajes. Un
modelo de bloques consta de valores interpolados en lugar de medidas verdaderas. Este es un mtodo
de estimacin de volumen, tonelaje y promedio de ley de un cuerpo en 3D.
Cada bloque debe contener toda la informacin disponible en las fases de desarrollo de un proyecto:
litologa-mineraloga, contenidos de metales, calidades en el caso del carbn y rocas industriales,
contenidos de contaminantes, parmetros geomecnicos, datos hidrogeolgicos, etc.
Para definir el modelo de bloque es necesario establecer los siguientes parmetros:
1. Posicin del modelo: se especifica a partir de las coordenadas del centride o de la esquina del
primer bloque dependiendo del software.
2. Extensin del modelo en las distintas direcciones X, Y, Z (debe ser lo suficientemente grande
para enmarcar la regin de inters)
3. Dimensiones de las celdas o bloques por la X, Y y Z.
4. Orientacin del modelo definido (ngulo de inclinacin y el azimut)
5. Conjunto de variables a almacenar en el modelo con sus correspondientes formatos: ley de los
distintos metales, peso volumtrico, litologa, tipo tecnolgico de mena etc.
Con el objetivo de alcanzar una mayor resolucin del modelo de bloque en los lmites de los cuerpos
minerales se utilizan bloques (sub bloques) con dimensiones menores que los originales. El modelo de
bloques puede ser rotado y orientado de manera que se ajuste a la estructura geolgica y respete los
elementos del yacimiento estudiado.
Parmetros que definen el modelo de bloque: Posicin del bloque llave (Xmorg, Ymorg, Zmorg), dimensiones del bloque (dx,
dy, dz), extensin del modelo (X (nx), Y (ny), Z (nz).
63
Modelo
Las coordenadas espaciales que definen el modelo de bloques y sus extensiones son:
Norte Mnimo (Y), Este mnimo (X) y Elevacin (Z)
Norte Mximo (Y), Este Mximo (X) y Elevacin (Z)
64
Bloques y atributos
El centride de cada bloque define las dimensiones geomtricas de cada eje, es decir, coordenadas X, Y,
Z. cada bloque contiene atributos para cada propiedad a ser modelada. La propiedad o atributo puede
contener valores numricos o de caracteres. Los bloques pueden ser de tamao variable definido por el
usuario al momento de crear el modelo.
Restricciones
Todas las funciones del modelo de bloques puede ser restringida. Una restriccin es una combinacin
lgica de una o ms objetos en el espacio para seleccionar bloques del modelo d bloques. Variedades de
objetos pueden ser usados para hacer restricciones como DTMs, Superficies, Slidos, Segmentos
cerrados o bloques con valores. Estas restricciones pueden ser guardadas en un archivo de forma rpida
de manera de usarlas como componentes de otras restricciones.
A los bloques del modelo presentado se les aplica una restriccin. Se indica que solo se muestren los
bloques se encuentran bajo la superficie. Si el centride del bloque se encuentra bajo la superficie, este
forma parte de la restriccin. Por otro lado, si el centride no est bajo la superficie, no formar parte
de la restriccin.
Modelo no restringido
65
Estimacin
Una vez que el modelo de bloques es creado y los atributos son definidos, el modelo debe ser llenado a
travs de algn mtodo de estimacin. Esto es realizado por estimacin y asignacin de valores de
atributos desde algn dato que contenga coordenadas XYZ y el valor del atributo de inters.
Los mtodos de estimacin que es posible utilizar son:
Vecino ms cercano
Inverso de la distancia
Asignacin de Valor
Asigna el valor de la muestra que se encuentre a menor distancia del bloque a estimar.
Asigna el valor a un bloque utilizando el estimador de inverso de la distancia.
Asigna valores a bloques de forma explcita.
Kriging Ordinario
Kriging Indicador
66
67
5. Clic en el icono
para mostrar los datos en una vista de seccin.
6. Elegir Display-2D grid.
7. Ingresar la informacin como se muestra y presionar Apply.
68
De las imgenes anteriores se puede determinar el origen y extensiones del modelo de bloques el cual
cubrir a todo el cuerpo.
Tambin es posible utilizar el archivo ore1.str para determinar el origen y la extensin de los datos. Este
mtodo se describe a continuacin.
8. Elegir Block model. Open/New
9. Ingresar la informacin como se muestra y presionar Apply.
10. Presionar Apply para confirmar la creacin del nuevo modelo de bloques.
69
Las coordenadas del modelo son llenadas basadas en los valores de ore1.str.
70
13. Ajustar los valores como se muestra para crear un modelo de bloques que cubra por completo
el cuerpo.
71
16.
17.
18.
19.
72
Crear un atributo
Antes de crear algn atributo debemos primero revisar la informacin almacenada en nuestra base de
datos de sondajes, y decidir cul ser la informacin que incorporaremos.
1.
2.
3.
4.
Demos un vistazo a los datos contenidos en esta tabla y presionemos Apply. Esta tabla es tpica de datos
de una base de datos geolgica que puede ser utilizada para llenar un modelo de bloques.
73
6. Elegir Database-Close.
7. Elegir desde el men de modelo de bloques Attributes-New.
8. Ingresar la informacin como se muestra y presionar Apply.
74
Atributos calculados
La creacin de atributos calculados es una funcin que permite tener atributos en el modelo de bloques
basados en valores de otros atributos. La operacin matemtica debe ser definida como formato
algebraico libre con la flexibilidad de usar parntesis y estamentos condicionales. Estos atributos son
una poderosa herramienta para generar reportes sin necesidad de aumentar el tamao del modelo de
bloques.
4. Elegir View-Zoom-Out.
5. Ingresar la informacin como se muestra y presionar Apply.
75
76
Nota: al crear el atributo, la expresin iif(gold>20,20,gold) significa que si la ley de oro en el atributo gold es mayor a 20, le
asigne el valor 20 al atributo gold_cut y si no cumple con ser mayor, le asigne solo la ley que tiene el atributo.
77
14. Clic en unos pocos bloques para ver si el atributo cumple la condicin de un mximo de 20.
78
(sobre)
(dentro)
(menor)
(mayor)
(igual)
La operacin usada depende de la naturaleza de los objetos. Para reducir el nmero de operaciones
espaciales, la palabra NOT es usada para invocar al opuesto de una operacin. Por ejemplo, si queremos
referirnos a afuera de un slido, usaremos NOT INSIDE.
Cuando la palabra AND es usada en una combinacin de restriccin, los bloques que son comunes sern
seleccionados por la restriccin. Cuando la palabra OR es usada en una restriccin, todos los bloques
que estn bajo una propiedad o bajo otra propiedad de restriccin sern mostrados.
79
Una vez tengas construida la restriccin, esta se debe guardar ingresando un nombre en el campo Save
Constraint y luego presionar Apply.
80
Laboratorio 4
1.
2.
3.
4.
5.
6.
7.
81
82
Existe una variedad de mtodos para estimar y asignar valores a los atributos del modelo de bloques en
Surpac.
Inverso de la distancia. Este mtodo utiliza el estimador del inverso de la distancia para asignar
el valor a un bloque.
Asignar valor. Asigna un valor explicito a bloques del modelo de bloques.
Kriging Ordinario. Interpola valores de bloques usando Kriging con parmetros de un estudio
geoestadistico.
Asignar por String. Asigna a los bloques que estn dentro de un segmento cerrado el valor que
contiene el segmento en un descriptor del archivo.
Importar centrides. Importa los centrides de los bloques del modelo de bloques desde un
archivo de texto el cual contiene el valor de todos los atributos.
Vecino ms cercano. Asigna valor a un bloque con el dato ms cercano que tiene el bloque.
Si los bloques de un modelo son estimados con una restriccin, es completamente posible que si
tenemos Re bloqueo, estos bloques tambin contengan un valor para el atributo estimado. El valor
estimado para ese atributo en un bloque se Re bloqueo es simplemente el valor asignado al bloque
principal del modelo, es decir, se estima un valor para el bloque usuario y este valor es aplicado a todos
los bloques que corresponden al Re bloqueo.
83
5. Presionar Yes.
Vecino ms cercano
Para dar un ejemplo usaremos esta funcin para llenar los bloques del modelo con leyes de oro en la
zona BIF. Los datos de leyes se encuentran en el archivo cmpb1.str.
1. Abrir el archivo training.mdl
2. Elegir Block modelo-Display.
3. Ingresar la informacin como se muestra y presionar Apply.
84
85
86
87
La restriccin y el coloreo de los bloques que se encuentran en la zona bif1 son mostradas.
88
Inverso de la distancia
Esta funcin nos permite estimar valores basados en una ponderacin de valores de datos de puntos
ms cercanos al centride de los bloques. La ponderacin es inversamente proporcional a la distancia
del centride a estimar y el punto con el valor, elevada a la potencia especificada.
Es intuitivo suponer que la influencia potencial del valor de una muestra sobre un punto o bloque a
estimar decrece cuando este se aleja de dicho punto. El atributo estimado cambiar como funcin
inversa de la distancia. En otras palabras, se asigna mayor peso a los valores de las muestras ms
prximas y menor peso a las ms alejadas del punto de estimacin.
Para aplicar el mtodo es necesario en primer lugar escoger el valor del exponente del inverso de la
distancia. Por la frmula queda claro que en la medida que este aumenta disminuye la influencia de los
valores de las muestras ms alejadas, en esa misma medida aumenta la de las ms prximas. Con el
incremento de la potencia, la interpolacin de las leyes entre 2 puntos pasa del principio de los cambios
graduales (w=1) al principio de los vecinos ms cercanos (w ). Se debe resaltar que difcilmente en la
naturaleza la concentracin de un elemento qumico se subordine a la ley de la lnea recta y mucho
menos al principio de las zonas de influencia. Un exponente igual a dos produce una interpolacin
intermedia (solucin de compromiso) entre ambos principios. Por esta razn, el mtodo se conoce
tambin como inverso de la distancia al cuadrado. Los exponentes ms usados en la prctica son 2, 3
y1. Para seleccionar el valor que se va a emplear se puede utilizar la validacin cruzada. Si el exponente
es cero el mtodo del inverso de la distancia se reduce a una media aritmtica dentro de la vecindad de
bsqueda o sea a todas las muestras se le asigna un mismo peso independientemente de la distancia
que la separa del punto a estimar.
Un elipsoide 3D puede ser utilizado en el proceso de estimacin.
Para decidir cules son las muestras que se emplearan para estimar el valor del bloque o punto dentro
del yacimiento se define la vecindad o rea de bsqueda. La vecindad de bsqueda bidimensional se
emplea cuando la estimacin de reservas se realiza en un plano de proyeccin.
El rea de bsqueda 2D puede ser circular o elptica. La vecindad circular se emplea cuando la
mineralizacin en el yacimiento se considera isotrpica o sea cuando la variabilidad de la ley y la
potencia es la misma en todas direcciones. El radio del crculo se argumenta sobre la base del
conocimiento geolgico del yacimiento o los resultados de la variografa (ver mtodos geoestadsticos).
89
Una vez seleccionado el radio de bsqueda se calcula la distancia entre el centro del bloque que se
desea estimar y cada una de las muestras vecinas. Todas aquellas muestras que se localizan a una
distancia mayor que el radio se excluyen y no participan en la estimacin del bloque.
Los datos utilizados para la estimacin pueden estar almacenados en un archivo String u otro modelo de
bloques.
Un numero de atributos puede ser llenado al mismo tiempo desde descriptores de un mismo archivo
string, o de diferentes atributos en un modelo de bloques.
Ahora usaremos el archivo de compsitos cmpb1.str para estimar los bloques de la zona Sand.
1. Abrir el archivo training.mdl.
2. Elegir Block Model Display.
3. Ingresar la informacin como se muestra y presionar Apply.
4. Elegir View > Data view options > View by bearing and dip.
El modelo es mostrado
90
91
92
Una vez el proceso este completo, un reporte llamado training_id.not ser producido.
93
La restriccin y coloreo del modelo de bloques para la zona Sand1 son mostradas en pantalla.
Laboratorio 5
Realizar estimacin de los bloques de nuestro modelo en la zona Sand con el mtodo de inverso
de la distancia pero utilizando Power 1 y 3, adems ver qu sucede si utilizamos discretizacin 1
x 1 x 1.
Obtener reportes para cada una de estas estimaciones y comparar las leyes obtenidas.
94
Con la restriccin tradicional, el modelo de bloques es sub dividido (re bloqueo) hasta un tamao
mnimo de bloque y el chequeo se hace con la ubicacin espacial del centride y es un clculo sencillo. El
clculo de porcentaje parcial toma ms tiempo y que dependiendo del valor de precisin que le hemos
solicitado, el software dividir el bloque y realizar el chequeo en cada bloqueo creado. Mientras ms
grande el valor de precisin, mas bloques se forman en un bloque individual del modelo.
La funcin entonces crea su restriccin en los bloques pequeos y cuentan los que estn dentro o fuera
de la restriccin. El valor del atributo es almacenado en el bloque tamao usuario del modelo.
Bloques
8
64
512
4096
32768
Nota: Para abrir todos los archivos en la misma layer se debe mantener presionada la tecla Ctrl al arrastrar cada archivo.
4. Ingresar la informacin como se muestra y presionar Apply para guardar los resultados en
orebody1.dtm.
5. Elegir attribute New para crear un atributo para almacenar el valor del porcentaje parcial.
6. Ingresar la informacin como se muestra y presionar Apply.
96
Ahora le daremos un valor al nuevo atributo creado, basados en la posicin del centride.
7. Elegir Estimaction Parcial Percentage.
8. Ingresar la informacin como se muestra y presionar Apply.
Nota: es posible usar un string, una DTM o un modelo 3DM para restringir.
Esto nos generar un reporte para el volumen sin el uso de bloques con porcentaje.
12. Ingresar la informacin como se muestra y presionar Apply.
98
Ahora realizaremos el clculo pero esta vez usando el atributo de porcentaje calculado anteriormente.
99
100
Tu podrs ver la diferencia entre ambos reportes en trminos de volumen es un 0.6% y en trminos del
atributo Gold, 0.4 (5.2%). Si los bloques fuesen ms grandes, el atributo porcentaje y el reporte
mostrara un efecto mayor.
17. Guardar y cerrar el modelo de bloques.
101
ANLISIS GEOESTADISTICO
Probablemente el uso ms comn de los estudios geoestadsticos es para la estimacin, por ejemplo,
densidad de una roca en puntos donde no existe y utilizando unos pocos datos con informacin. Esto es
a menudo realizado en un ambiente de tres dimensiones. Un set de puntos estimados en el espacio es
conocido como modelo.
Existen diferentes tcnicas de trabajo en geoestadstica y su aplicacin. La decisin de que tcnica
aplicar y en qu orden son aplicadas es usualmente algo que la experiencia en este tipo de trabajos
entregar.
Se entregan puntos bsicos para el estudio geoestadistico.
1.
2.
3.
4.
5.
6.
7.
8.
Identificar dominios.
Crear compsitos
Anlisis de estadsticas bsicas.
Eliminacin de valores anmalos.
Calcular anisotropas y parmetros de variograma.
Anlisis de la vecindad del Kriging.
Anlisis Kriging ordinario.
Validar el modelo.
Anisotropa
Un importante aspecto de un estudio geoestadistico es comprender como los datos cambian en alguna
direccin. El trmino anisotropa se refiere a este concepto.
El termino Isotropa viene se isotrpico lo que significa mismo valor medido en diferentes direcciones.
El trmino Anisotropa viene de Anisotrpico lo que significa diferentes valores medidos en diferentes
direcciones.
Cuando estimamos valores en un modelo de bloques, la cantidad y direccin de anisotropa puede tener
un impacto significativo sobre los resultados. Por ejemplo, los modelos mostrados abajo fueron creados
con los mismos datos pero utilizando diferentes valores de anisotropa.
102
En este ejemplo, asumiremos que los datos estn todos en el plano XY y tambin que estimaremos el
valor del centride del bloque ubicado en 0,0 usando solo las dos muestras. Las dos muestras estn a la
103
misma distancia (3metros) del centride. Asumimos que el material es homogneo y no existe
continuidad en una direccin en particular por lo que las muestras contribuyen de igual forma a la
estimacin. Otra forma ms estadstica de decir lo mismo es que ambas muestras estn ponderadas de
igual forma.
En este caso, como solo existen 2 muestras para estimar, cada una estar ponderada por 0.5, por lo que
el clculo para el centride del bloque ser:
(muestra1*0.5)+(muestra2*0.5) = (10 *0.5) + (20*0.5)=15
Cuando se asume que no existe continuidad en alguna direccin, decimos que es un ambiente
Isotrpico. En el ejemplo abajo existe un bloque a estimar con las muestras que estn dentro del crculo
de bsqueda en un ambiente Isotrpico, es decir, cada muestra tendr el mismo peso o ponderacin.
Esto nos indica que la direccin en que estn las muestras no es importante, solo la distancia es
importante.
104
En Surpac, cuando estamos estimando, estimaremos valores del modelo de bloques dependiendo de la
orientacin de Eje mayor y Razones de Anisotropa. Asumiendo que los datos son Isotropicos, estos
valores son:
BEARING OF MAJOR AXIS (Azimut del eje mayor): Valores entre 0 y 360 = 0
PLUNGE OF MAJOR AXIS (ngulo de rotacin del eje mayor con respecto al semi eje mayor): Entre 0 y 90 =0
DIP OF SEMI]MAJOR AXIS (ngulo del semi eje mayor con respeto al eje menor): Entre 0 y 90 =0
MAJOR/SEMI]MAJOR ANISOTROPY RATIO: 1
MAJOR/MINOR ANISOTROPY RATIO: 1
Un sistema Anisotrpico es cuando no existe continuidad de los datos en diferentes direcciones. En este
caso para casi todos los datos que representan muestras tomadas desde la tierra. Un sistema
Anisotrpico puede ser el resultado de una condicin geolgica como una fractura o mtodo de
depositacin. Por ejemplo, en una vista de planta, la correlacin de muestras tomadas a lo largo de una
falla en una veta de oro puede ser mejor que la correlacin existente de muestras tomadas atravesando
la falla. Por otro lado, en un depsito sedimentario, las muestras pueden presentar correlacin
horizontal mayor que la correlacin vertical.
Cuando se estima con un sistema Anisotrpico, la direccin en que se encuentran las muestras en la
relacin al punto a estimar es muy relevante.
En la siguiente figura asumiremos que existe una razn de anisotropa de 3:1 (eje mayor : eje semi
mayor).
Como la muestra de valor 10 est a 1 m del centride y la de valor 20 est a 3 m del centride, ambas
muestras tendrn el mismo ponderador. Esto es ya que los pesos se calculan con las distancias de
anisotropa y no con la distancia real. Ya que tenemos razn de anisotropa 3:1, las muestras en
direccin Norte o Sur, tendrn su distancia de anisotropa 1m X 3 = 3. Para las muestras en direccin
Este u Oeste, se tendr 3m x 1 = 3.
105
Valor de Muestra
Azimut
Distancia actual
10
20
0
90
1
3
Factor de
Anisotropa
3
1
Distancia de
anisotropa
3
3
Peso o
ponderacin
0.5
0.5
(10*0.50) + (20*0.5) = 15
Si movemos la muestra de valor 10 a 3 metros con las mismas razones de anisotropa, se tendr lo
siguiente:
Valor de Muestra
Azimut
Distancia actual
10
20
0
90
3
3
Factor de
Anisotropa
3
1
Distancia de
anisotropa
9
3
Peso o
ponderacin
0.25
075
Por definicin, el eje mayor es el ms largo, es decir, en el que se presenta la mayor continuidad, el eje
semi mayor es el segundo en largo y el eje menor es el ms corto. Los tres ejes son perpendiculares
entre si.
106
Con la orientacin de los ejes como se muestra en la figura de arriba y con los siguientes razones de
anisotropa, tenemos:
Eje mayor / semi eje mayor = 2
Eje mayor / eje menor = 3
Eje
Mayor
Semi-Menor
Menor
Valor de
Muestra
5
10
25
Azimut
90
180
0
Dip
0
0
90
Distancia
actual
3
1.5
1
Factor de
Anisotropa
1
2
3
Distancia de
anisotropa
3
3
3
Peso o
ponderacin
0.333
0.333
0.333
107
El termino Efecto pepita viene de los depsitos de Oro en donde se puede encontrar este efecto, en
donde una muestra dividida en 2 mitades, una contiene ley de Oro y la otra no. Existen otros factores
que pueden contribuir al efecto pepita, sin embargo, escapan a la presentacin de este tutorial.
Sill (Varianza)
Si se comparan 2 muestras a cierta distancia, se esperara que la diferencia sea mayor que otras dos
muestras que se encuentran ms juntas. La porcin del variograma que sube a la derecha del efecto
pepita representa esta situacin. Se designa como (C).
Para los puntos, la diferencia entre muestras no puede llegar a ser mayor. Sobre el variograma, la
mxima diferencia es graficada como la porcin plana del grafico.
108
Rango
La distancia a la cual se alcanza el sill se define como rango. Se designa con (a).
Los grficos calculados son llamados Variogramas experimentales los que son utilizados para obtener
un modelo de variograma. Estos modelos son descritos por una ecuacin matemtica, sin embargo,
estn sujetos a la interpretacin de cada persona.
109
Variograma Omnidireccional
En este tipo de variogramas, los pares de datos que son seleccionados, se hacen basados solo en la
distancia de separacin entre ellas y no en qu direccin se encuentran dichos pares de muestras.
Por ejemplo, el par de muestras 1 y 2 es orientado Este-Oeste, el par de muestras es orientado NorteSur y ambos pares son usados para la confeccin del variograma omnidireccional.
Variogramas direccionales
Un variograma direccional es el cual utiliza todos los pares de muestras orientados en una direccin. Sin
embargo, en la mayora de los set de datos, existen una cantidad de datos en varias orientaciones, pero
un variograma direccional (utilizacin de software) solo utiliza los pares de datos que se encuentran
orientados en una direccin en particular, utilizando alguna tolerancia angular en particular. En Surpac
esta tolerancia se llama Spread.
Adems de eso, para el clculo de los variogramas es necesario definir un lmite para el Spread, como se
muestra en la siguiente imagen.
110
Como ya vimos, el estudio geoestadistico se basa en el estudio de las direcciones de mayor continuidad
y como los datos cambian en alguna direccin y en sus dos direcciones perpendiculares.
111
El mapa variogrfico nos muestra una direccin de mejor continuidad de las leyes.
En el caso de 2D, ambos ejes (eje mayor y semi mayor) estarn en el plano del mapa variogrfico
primario. La orientacin del eje mayor es elegida desde el variograma que tiene el rango (a) ms largo
para un valor de Varianza (Sill) dado.
1. Usar la barra deslizante de Lag para reconocer las reas de alta y baja varianza en el mapa
variogrfico. En otras palabras, mover la barra deslizante y ver los colores en el mapa
variogrfico. Usando el ejemplo, la orientacin de 45 grados representa colores de una baja
varianza.
112
2. Una vez se tenga la idea de cul es la orientacin del rango ms largo, mover el Lag para mejorar
la calidad del variograma en esa direccin. En la imagen anterior, se muestra que con un Lag de
4.3 se obtiene un variograma bastante bueno para la direccin de 45 grados.
3. Ahora que tenemos un aceptable variograma experimental, se debe crear el modelo del
variograma para esta direccin.
4. Elegir Variogram Model.
5. Clic y arrastrar el variograma para la direccin 45 grados, como se muestra en la figura.
113
6. Chequear los modelos de variogramas en todas las direcciones. El eje mayor debera ser el
variograma que tenga la varianza ms baja para la distancia ms larga. En este caso, el
variograma de la orientacin de 22.5 grados.
7. Si otra orientacin pareciese tener un rango ms amplio con una menor varianza, modificar el
modelo para ajustar el variograma experimental. Modificando el Lag para la orientacin se
puede obtener un mejor ajuste. Ahora modificaremos el variograma de la orientacin 22.5 como
se muestra.
8. Repetir los 2 pasos previos hasta estar satisfecho que se ha elegido la orientacin del eje mayor.
9. Despus que se ha definido el eje mayor, debemos ver nuestra zona geolgica en estudio y
comprobar la orientacin que se ha elegido parece estar correcta. En nuestro caso, la
orientacin 22.5 es una buena direccin y concuerda con la orientacin de nuestra zona.
Para la zona mineral mayor de la figura, la direccin del eje mayor es de 22.5.
10. Elegir File > Save > Experimental variogram and model.
114
Como se puede ver, la orientacin de variograma modelado esta a interpretacin y debate de cada
usuario.
La orientacin del semi eje mayor esta en el mismo plano y es perpendicular al eje mayor. La orientacin
del semi eje mayor es 22.5 + 90 = 112.5.
La razn de anisotropa es (rango eje mayor / rango semi eje mayor) para un valor de Sill Constante.
Para nuestro ejemplo, el rango del eje mayor es 15.1, el que se puede ver en la esquina superior derecha
de la ventana de variograma.
Para determinar el rango del semi eje mayor para un variograma con solo una estructura es simple: solo
ajustar el variograma experimental y cambiar el rango, siempre con un mismo valor de Sill.
115
Note que el valor de Sill es exactamente el mismo pero ahora el rango es de 6.1.
116
Usaremos esta funcin para estimar los bloques del modelo de bloques que se encuentran en la zona
BIF. Los datos a utilizar se encuentran almacenados en el archivo cmpb1.str.
4. Elegir View > Data view options > View by bearing and dip.
5. Ingresar la informacin como se muestra y presionar Apply.
117
118
119
120
121
Validacin grfica
Consiste bsicamente en determinar si los compsitos influenciaron de manera correcta a los bloques
estimados. Se debe verificar que en los puntos donde existan datos de alta ley, se generaron zonas de
bloques de alta ley y que lo mismo ocurra con las leyes bajas. Para realizarlo, se deben desplegar plantas
y secciones donde se incluyan los compsitos (considerando un espesor en la visualizacin) y los
bloques. Cualquier problema mayor en el perfil de kriging realizado antes podr observarse mediante
esta validacin.
Validacin estadstica
El siguiente paso consiste en calcular estadsticas del modelo de bloques por poblacin y compararlas
con las estadsticas de los compsitos utilizados para realizar la estimacin (desagrupadas). Sin embargo,
debe considerarse que las leyes de bloques estimadas sern ms suaves (menor varianza), por tratarse
de una interpolacin. Esta validacin permitir definir si existe sesgo global (debe compararse con las
122
estadsticas desagrupadas de los compsitos, por poblacin). Adems, se podr verificar la reduccin en
la varianza de dispersin, la que tericamente puede calcularse si se conoce el variograma.
Clculo de derivas
Para determinar si las tendencias en el espacio de la variable estimada corresponden a lo que los
compsitos indican, se calculan derivas, que corresponden a promedios tanto de los bloques estimados
como de los compsitos utilizados en franjas en cada una de las tres direcciones (este, norte y
elevacin). Se debe graficar, para cada direccin, la deriva de los bloques y la de los compsitos. Las
derivas de las leyes de bloque sern ms suaves que aquellas de los compsitos, por el efecto de
soporte.
La construccin de derivas permitir detectar errores en los mrgenes (extrapolaciones incorrectas),
principalmente.
1.
2.
3.
4.
5.
123
7. Analizar si las leyes estimadas del modelo concuerdan con los puntos y sus respectivas leyes con
las que fueron estimadas.
Para un caso ms avanzado es posible realizar la comparacin
Otra forma de validar la estimacin del modelo de bloques es con un reporte de toneladas y ley desde el
modelo de bloques y construir la curva.
1. Abrir el modelo gc130.mdl.
2. Ir a Block model Report.
3. Ingresar la informacin como se muestra y presionar Apply.
124
125
Gold Ok
Volumen
Toneladas
Ley
Media
Gold Ok
0
2500
2250
2750
4750
2500
3500
3250
3250
1750
4500
0
5000
4500
5500
9500
5000
7000
6500
6500
3500
9000
0
1.52
2.46
3.59
4.47
5.57
6.58
7.45
8.63
9.49
11.48
Grand Total
31000
62000
6.38
Toneladas
acumuladas
Ley Media
ponderada
0
5000
9500
15000
24500
29500
36500
43000
49500
53000
62000
0
7600
11070
19745
42465
27850
46060
48425
56095
33215
103320
Acumulados
ponderados
0
7600
18670
38415
80880
108730
154790
203215
259310
292525
395845
Ley Media
Ponderada
0
1.520
1.965
2.561
3.301
3.686
4.241
4.726
5.239
5.519
6.385
El reporte puede ser ponderado por masa y el atributo densidad puede ser ingresado.
Agrupar atributos (Grouping Attributes). El resultado puede ser agrupado basado en otro atributo del
modelo de bloques o la coordenada X, Y, Z. Si se est agrupando los resultados por ms de un atributo,
entonces el orden de en que se deben especificar los atributos debe ser primero el que tiene mayor
influencia sobre el resultado y por ltimo el que menor influencia.
127
En el ejemplo del formulario anterior, el atributo Gold en el modelo de bloques es reportado basado en
los valores de corte 0;1;3;5;10;999 y esos valores son reportados cada elevaciones de 50 metros entre
800 y 1100 metros. El resultado estar dividido en rangos de 50 metros en los cuales se realiza una
divisin por rangos de ley.
4. Ingresar la informacin como se muestra y presionar Apply.
Esto contiene la restriccin del reporte para hacerlo solo con el material que est dentro del pit
y bajo la topografa.
128
Descripcin
La estimacin generada anteriormente entrega valores para las leyes de bloques que tienen distintos
niveles de calidad (en cuanto a qu tan acertado es el valor estimado, si se lo compara con el valor real
desconocido). As, los bloques estimados en los mrgenes del depsito habrn utilizado un nmero de
muestras menor y la estimacin estar por lo tanto sujeta a un error mayor. Por esta razn, se definen
categoras de recursos y reservas. La categorizacin de recursos minerales (o geolgicos) y reservas
mineras es una de las etapas ms crticas en la evaluacin de un proyecto minero, dado que el
financiamiento del proyecto y las inversiones dependen de la cantidad (tonelaje) y calidad (ley) de los
recursos y reservas. Adems, la decisin de invertir en el proyecto considera la confiabilidad en los
valores estimados de estos recursos y reservas.
Sin embargo, ste es a la vez uno de los procedimientos ms subjetivos en la evaluacin, dado que la
clasificacin queda sujeta a la opinin experta de un especialista en evaluacin de yacimientos. En los
ltimos aos, los cdigos internacionales han tendido a incluir de manera ms explcita los
requerimientos para la divulgacin de resultados de la estimacin de los recursos y reservas, sin
embargo, an no se ha especificado una metodologa fija para todos los proyectos.
A continuacin se presenta una breve revisin de los cdigos internacionales para la presentacin
pblica de recursos geolgicos y reservas mineras. La mayor parte de estos cdigos explicita que las
cantidades deben documentarse junto a alguna medida de la calidad de la estimacin. Tras presentar los
cdigos y discutir los requerimientos que stos imponen, se analizan de manera crtica los distintos
sistemas para categorizar los recursos y reservas.
129
Este ltimo se ha convertido en el estndar de facto, y la mayor parte de las revisiones de los otros
cdigos se refieren a definiciones e indicaciones del JORC.
De los contenidos de estos cdigos, es necesario rescatar la definicin de recurso mineral o geolgico y
reserva minera y sus categoras:
Recurso Mineral: es una concentracin u ocurrencia de material de inters econmico intrnseco
en o sobre la corteza de la Tierra en forma y cantidad en que haya probabilidades razonables de
una eventual extraccin econmica. La ubicacin, cantidad, ley, caractersticas geolgicas y
continuidad de un Recurso Mineral son conocidas, estimadas o interpretadas a partir de
evidencia y conocimientos especficos geolgicos. Los Recursos Minerales se subdividen, en
orden de confianza geolgica ascendente, en categoras de Inferidos, Indicados y Medidos.
Reserva Minera: es la parte econmicamente explotable de un Recurso Mineral Medido o
Indicado. Incluye dilucin de materiales y tolerancias por prdidas que se puedan producir
cuando se extraiga el material. Se han realizado las evaluaciones apropiadas, que pueden incluir
estudios de factibilidad y contemplan la consideracin de y modificacin por factores
razonablemente asumidos de extraccin, metalrgicos, econmicos, de mercados, legales,
ambientales, sociales y gubernamentales. Estas evaluaciones demuestran en la fecha en que se
reporta que podra justificarse razonablemente la extraccin. Las Reservas Mineras se
subdividen, en orden creciente de confianza, en Reservas Probables y Reservas Probadas.
Ntese que la definicin de Reservas Posibles ha cado en desuso, debido a que los cdigos no
autorizan declarar reservas que provienen de recursos geolgicos inferidos. La definicin del
grado de confiabilidad de recursos y reservas se basa en diversos factores que son evaluados
por una persona competente. Este experto debe encargarse de cuantificar el grado de
incertidumbre en los valores estimados para calcular las figuras indicadas en el estudio de
factibilidad del depsito.
En la definicin del grado de confiabilidad, surge la subjetividad de las tcnicas aplicadas para definir
estas categoras. Varios aspectos son considerados al definir la calidad del valor estimado, siendo las
ms comunes:
El grado de continuidad geolgica que el experto considera existe en la mineralizacin,
La cantidad de informacin disponible y su configuracin geomtrica.
El grado de continuidad espacial de las leyes, el cul es medido a travs
de las herramientas que la geoestadstica provee.
Cuantificacin de incertidumbre
Dados los requerimientos de indicar el nivel de confianza en la estimacin de los recursos y reservas, es
necesario determinar metodologas que permitan categorizar los bloques en alguna de las dos o tres
categoras, segn si hablamos de reservas o recursos. Varios criterios pueden considerarse para definir a
qu categora pertenece un determinado bloque. Idealmente, estos criterios debieran combinarse de
manera de obtener la clasificacin ms acertada.
130
Criterios Geolgicos
Uno de los aspectos claves de la interpretacin geolgica es la comprensin de la continuidad geolgica
del depsito. sta se ve favorecida por un estudio exploratorio de datos detallado y por un
conocimiento razonable de la geologa regional en la que el depsito yace.
Por su naturaleza, tanto la interpretacin geolgica como la definicin de la continuidad geolgica de la
mineralizacin son extremadamente subjetivas y acarrean un grado de incertidumbre que debe
considerarse (aunque resulta extremadamente difcil de cuantificar). Buena comprensin de la geologa
regional y un anlisis detallado de los datos obtenidos dentro de la propiedad permitirn evaluar la
posibilidad de que existan discontinuidades en la mineralizacin, por fallas o intrusiones de cuerpos
menores.
Debe entonces enfatizarse que la continuidad geolgica no necesariamente implica continuidad en la ley
del elemento de inters (por ejemplo, aunque en algunos casos las vetas de oro pueden estar bien
delimitadas geolgicamente, stas suelen tener leyes muy errticas). La interpretacin geolgica debe,
en general, utilizarse en conjunto con otro criterio que pueda cuantificarse de manera ms consistente y
repetible.
Criterios Geomtricos
Una prctica habitual es asignar el grado de confianza de la estimacin de la ley de un bloque en base a
la configuracin espacial de las muestras utilizadas en su estimacin. Por ejemplo, un bloque cuya ley
fue estimada considerando solamente datos de un sondaje es considerado menos confiable que aquel
que ha sido estimado con informacin de varios sondajes a su alrededor (interpolacin vs.
extrapolacin). As, se definen criterios como densidad de sondajes o nmero de muestras combinado
con el nmero de sondajes de donde provienen stas, para definir las categoras.
Los criterios geomtricos pueden utilizarse para definir lo que se considera razonablemente estimado,
por ejemplo, para limitar la extensin de los recursos inferidos. Una prctica habitual es definir una
distancia mxima de extrapolacin, la cual, en cualquier caso, debera tambin considerar el grado de
continuidad espacial de las leyes.
Criterios Geoestadsticos
Uno de los inconvenientes de los criterios puramente geomtricos, es que no consideran las
caractersticas de continuidad espacial de las leyes. Por ejemplo, muchas mineralizaciones presentan
anisotropas, es decir, las concentraciones del elemento de inters son ms continuas en una direccin
que en otras. De hecho, es habitual ver que la variabilidad en la direccin vertical es diferente a lo que
ocurre en el plano horizontal, debido a los procesos de sedimentacin y compactacin que ocurren por
la gravedad. As, la caracterizacin de la continuidad espacial por medio de alguna herramienta
estructural geoestadstica como el variograma, el correlograma o la covarianza espacial, permite una
cuantificacin repetible de la ley.
Ahora bien, no basta slo con definir direcciones y alcances (radios de influencia) basados en el
variograma para utilizar un criterio geomtrico de clasificacin. Es necesario tambin considerar la
abundancia y redundancia de la informacin a la hora de estimar. La estimacin de la ley de un bloque
131
ser tanto mejor, cuanto ms informativos sean los datos disponibles. Se puede tener una situacin en
que se dispone de la misma cantidad de muestras para estimar la ley de un bloque, pero stas poseen
configuraciones geomtricas diferentes. A aquel bloque que sea estimado con datos menos
redundantes entre s, debe asignrsele una mayor confiabilidad. La clasificacin de recursos y reservas
debe tomar en cuenta la incertidumbre proveniente de cada uno de estos factores. Por ejemplo, la
aplicacin de criterios puramente geolgicos corre el riesgo de no considerar las fluctuaciones en la ley,
dentro de estructuras geolgicamente muy bien definidas. Asimismo, si se utiliza slo un criterio
geomtrico, no se estarn tomando en cuenta las anisotropas que la continuidad de ley podra
presentar. La geoestadstica entrega una serie de herramientas para cuantificar la incertidumbre, sin
embargo, es necesario definir un criterio para utilizar esta incertidumbre en un esquema de
clasificacin.
132
Estimacin geoestadstica
Las tcnicas geoestadsticas de estimacin, o kriging, permiten estimar la ley de bloque de manera
ptima, en el sentido que se minimiza la varianza de estimacin. La varianza mnima resultante se
conoce como la varianza de kriging.
Un fenmeno que a menudo se encuentra en las distribuciones espaciales de variables con histogramas
asimtricos es que la dispersin (variabilidad) depende de los valores locales de la variable. En minera,
esto se conoce como efecto proporcional y corresponde a un aumento en la variabilidad local, medida a
travs de la varianza local de las leyes, con la media local de las mismas. Por lo tanto, se encuentra que
las zonas con altas leyes presentan una variabilidad alta, mientras que las zonas de baja ley se
comportan de manera menos variable.
El uso del kriging como tcnica de estimacin asume un variograma (y por lo tanto una varianza) de las
leyes constante sobre dominios considerados geolgicamente homogneos. Esto no afecta la estimacin
misma, pero tiene un importante efecto en las varianzas de estimacin que se calculan. Sin importar si el
bloque se encuentra en una zona de alta o baja ley, slo la configuracin espacial de las muestras
utilizadas en la estimacin, no sus valores, influye en el valor de la varianza de kriging. Bloques en alta
ley, que intuitivamente tienen un valor estimado ms incierto dado el efecto proporcional, tendrn una
varianza de kriging que no castiga este hecho.
Esto, tiene la ventaja de que en general, las leyes altas son las que ms interesan y, aunque pueden ser
ms inciertas, son las que deben considerarse al inicio del proyecto en los planes de produccin. As,
utilizar varianzas de kriging de corte, permitir una categorizacin que no castiga las leyes altas por el
efecto proporcional presente. En definitiva, este criterio tiende a aceptar un error de mayor amplitud en
las altas leyes que en las zonas de bajas leyes.
Clasificar en base a varianzas de kriging de corte es una prctica bastante habitual. Se considera una
configuracin de la informacin que, a criterio del gelogo o ingeniero de minas a cargo, parece ser
suficiente para entregar un valor estimado de la ley de bloque con una alta confiabilidad. Con esta
configuracin y con el variograma de la ley en la unidad geolgica en estudio, se define la varianza de
kriging que se usar como corte para distinguir, por ejemplo, entre recursos medidos e indicados.
Tpicamente, para yacimientos tipo prfido cuprfero, se consideran esquemas como el siguiente:
Recurso medido es todo aquel cuya varianza de kriging es menor que aquella de un bloque
ubicado al centro de cuatro sondajes ubicados en una malla cuadrada de 60 por 60 metros.
Recurso indicado es todo aquel cuya varianza de kriging es mayor que aquella de un bloque
ubicado al centro de cuatro sondajes ubicados en una malla cuadrada de 60 por 60 metros, pero
menor que aquella en el caso de una malla de 120 por 120 metros.
133
Recurso inferido es todo aquel que haya sido estimado de manera razonable, pero con muy baja
confiabilidad. Se asume que existe continuidad en la mineralizacin, pero sta no se comprueba.
Una definicin tpica de esta clasificacin es definir como inferidos slo aquellos bloques que se
encuentren informados por un nmero mnimo de muestras y/o que se encuentren a una
distancia mnima de un sondaje.
Las reservas pueden definirse de manera similar, pero considerando los factores de la explotacin, tales
como dilucin, accesibilidad, ley de corte, etc.
Otra posibilidad consiste en normalizar la varianza de kriging por la ley estimada, es decir, definir una
varianza relativa (varianza de kriging dividida por el cuadrado del valor estimado por kriging), la cual
sirve para determinar las categoras de recursos o reservas. Sin embargo, tal criterio favorece los
recursos de altas leyes, los cuales tienden a ser clasificados como medidos.
Este efecto se ilustrar ms adelante a travs de un caso prctico.
Una forma alternativa de determinar las categoras es definir distintos planes de kriging. En primera
instancia, se disea un plan de kriging muy exigente, con radios de bsqueda pequeos y una gran
cantidad de muestras necesarias para entregar un valor estimado. La estimacin con este plan, generar
una importante cantidad de bloques no estimados, por no satisfacer las demandas del plan. A
continuacin, se disea un segundo plan de kriging, menos exigente que el anterior. El modelo de leyes
de bloques estimadas, se actualiza slo en aquellos bloques que no haban sido estimados con el primer
plan. An con este segundo plan de kriging hay bloques que no han sido estimados. Se utiliza un tercer
plan de kriging, menos exigente que permite generar valores estimados de menor calidad, pues no
cuentan con suficientes muestras o se encuentran en sectores escasamente muestreados en los
mrgenes de la mineralizacin. Las categoras se definen entonces, en funcin del plan que permiti
estimar la ley del bloque: recursos medidos si se trata del primer plan, indicados si se trata del segundo
plan, e inferidos si se trata del tercer plan.
La principal desventaja de este mtodo es que puede ser manipulado para generar recursos con escasa
informacin. Adems, la utilizacin de un plan muy exigente para definir los recursos medidos puede ir
en desmedro de la calidad de la estimacin de stos. Incorporar muestras fuera del radio de bsqueda
utilizado (es decir, usar un plan de kriging menos restrictivo) podra mejorar la estimacin.
Simulacin geoestadstica
Los mtodos de simulacin geoestadstica permiten cuantificar la incertidumbre en la ley de cada
bloque por medio de la generacin de mltiples modelos numricos que imitan las caractersticas
espaciales del depsito verdadero.
Cada modelo tiene un histograma que flucta en torno al histograma representativo de la ley y
reproduce la covarianza espacial (o variograma).
Adems, coincide con los valores de las muestras en sus ubicaciones, por lo que la simulacin se
denomina condicional.
134
A partir de estos modelos, se puede calcular la distribucin de incertidumbre de la ley de cada bloque
(histograma de sus valores simulados) y determinar una varianza local o condicional. Esta varianza, a
diferencia del caso de las estimaciones, depende de la ley de las muestras cercanas y, por ende,
considera el efecto proporcional. En general, leyes de bloque mayores vendrn acompaadas de mayor
incertidumbre.
Otra ventaja de las simulaciones condicionales es que permiten procesar los modelos numricos como
si fueran el depsito real. Por ejemplo, se puede aplicar a los modelos simulados un diseo, plan y
secuencia mineros y definir, en base a una ley de corte operacional, la produccin mensual y su
incertidumbre.
Una forma de considerar la varianza local generada a partir de modelos simulados es utilizarla en
relacin a la media local. Se define por tanto la varianza relativa, que se calcula dividiendo la varianza
local, por el cuadrado del valor estimado (promedio de las leyes simuladas del bloque). De esta forma,
no se penaliza la mayor variabilidad de los bloques de alta ley, que son los que mayor inters presentan
(la divisin de la varianza local por el cuadrado de la ley estimada compensa el efecto proporcional).
La varianza relativa puede utilizarse de manera similar a la varianza de kriging, en el sentido de que se
pueden definir valores de corte que separan lo que se clasifica como recursos medidos, indicados e
inferidos, o en el caso de reservas mineras, separan las reservas probadas de las probables.
Recientemente, algunas compaas mineras han adquirido una forma diferente de clasificar, utilizando
modelos simulados. La idea bsica es relacionar la incertidumbre con determinados periodos de
produccin.
Por ejemplo, se definen:
Reservas probadas, aquellas que presentan una variabilidad de 15% con un 90% de confianza,
respecto al valor estimado, sobre una produccin trimestral.
Reservas probables sern aquellas que flucten en 15% alrededor de la ley estimada con un
90% de confianza, para una produccin anual.
Esta definicin est acorde a los requerimientos del cdigo JORC, que exige la clasificacin por medio de
algn criterio estadstico.
Ejemplos
Se dispone de informacin de sondajes para generar un modelo de recursos en un yacimiento de cobre
tipo prfido cuprfero. En lo que se refiere a clasificar los recursos, se utilizan varios mtodos, con el fin
de demostrar las diferencias que stos generan y poder sacar algunas conclusiones respecto a sus
bondades y falencias. Considere los datos desplegados en la Figura 1, donde la escala de grises codifica
las leyes de cobre de cada compsito.
135
Tras el estudio exploratorio de los datos y anlisis variogrfico de la ley, se genera un modelo de valores
estimados mediante kriging ordinario. Se definen bloques de 20 x 20 x 12 m3. La altura de los bloques
(12 m) corresponde a la altura de banco en la mina. El kriging ordinario entrega para cada bloque, un
valor estimado y una varianza de kriging, tal como se muestra en la Figura 2.
Adems de esto, se considera la opcin de generar simulaciones condicionales. Para ello, se utiliza el
mtodo de simulacin Gaussiana secuencial, el cual requiere que la variable (ley) sea inicialmente
transformada a una distribucin normal estndar. Luego, se realiza el anlisis variogrfico de esta nueva
variable transformada y se genera cien modelos numricos, cada uno de los cuales reproduce el
histograma de los datos y su variograma y representa una posible distribucin en el espacio de leyes
puntuales.
Para el clculo de recursos, se debe realizar un cambio de soporte, al tamao de bloque deseado. Esto
se realiza en cada uno de los 100 modelos generados. Con ello, se obtienen 100 modelos de distribucin
espacial de las leyes de bloques. Se puede entonces calcular el estimador (promedio) y varianza local a
partir de las simulaciones de leyes de bloques, tal como se muestra en la Figura 3. Este resultado debe
compararse con el de la Figura 2.
En el caso de los mapas generados a travs de simulacin, la transformacin Gaussiana controla el
efecto proporcional existente, por lo que hay diferencias en los mapas, especialmente en la varianza
local de las simulaciones respecto a la varianza de kriging.
136
Figura 3: mapas de leyes de bloques estimadas y varianza local para los dos
bancos de inters mediante simulacin condicional.
137
En el presente ejemplo, compararemos la clasificacin originada a partir de los mapas obtenidos por
kriging ordinario y por simulacin condicional. Aplicamos un criterio de varianza de corte definido por
varianzas de corte escaladas a la varianza media de cada mtodo:
Recursos medidos: aquellos cuya varianza de estimacin (de kriging o simulacin) sea inferior o
igual a 1.5 veces la varianza media del mtodo.
Recursos indicados: aquellos cuya varianza de estimacin (de kriging o simulacin) sea superior
a 1.5 veces e inferior a 2 veces la varianza media del mtodo.
Recursos inferidos: aquellos que se encuentren a una distancia menor a 150 metros de una
muestra y que no se han clasificado como medidos o indicados.
Estos criterios permiten obtener tonelajes relativamente similares, sin embargo, se obtienen notables
diferencias particularmente en la ley media de los recursos en cada categora, segn el mtodo aplicado,
tal como se ilustra en la Tabla 1.
Lo ms notable de estos resultados es que el hecho de castigar las leyes altas debido al efecto
proporcional, como es el caso de utilizar slo la varianza local de simulacin, produce que los mejores
recursos (en ley) sean clasificados como los de peor confiabilidad, a pesar de que es all donde
generalmente el muestreo es ms denso. La varianza local est estrechamente relacionada con la media
local, lo que resulta preponderante y mitiga la mayor densidad de muestras del sector, haciendo que
muchas reservas de alta ley sean clasificadas como indicadas o inferidas (por su mayor variabilidad
local). Sin embargo, el hecho de escalar la varianza local, dividindola por el valor estimado del bloque al
cuadrado, permite recobrar las buenas propiedades de la varianza de kriging ordinario (indiferente al
efecto proporcional). Por el contrario, dividir la varianza de kriging por el cuadrado de la ley estimada
tiende a privilegiar las zonas de altas leyes, las cuales tienden a ubicarse en la categora de recursos
medidos. A juicio de los autores, dicho procedimiento resulta en una categorizacin demasiado
optimista y su uso debera evitarse.
Por otro lado, dado que la simulacin condicional trabaja con una transformada de los datos originales,
la variografa es mucho ms robusta y, en general, los resultados son ms confiables en ese sentido. Sin
embargo, la simulacin requiere una hiptesis mucho ms fuerte de estacionaridad (u homogeneidad
espacial) que el kriging ordinario. Esta es sin duda una desventaja de los mtodos de simulacin.
138
Como dato final, cabe mencionar que en el ejemplo recin presentado, la clasificacin por varianza de
kriging coincide en un 79% de los bloques con la basada en varianza local de simulacin. Esta
coincidencia aumenta al 87% de los casos, cuando se utiliza una varianza local escalada por la media
local. La categorizacin por varianza relativa de kriging coincide en el 80% de los bloques con la que
resulta al utilizar la varianza de kriging.
1.
2.
3.
4.
5.
6.
7. Ingresar el nombre de los atributos a crear por la estimacin del modelo. Estos atributos son
opcionales, sin embargo, para nuestro caso, es necesario colocarlos.
139
140
Notar que la opcin de restringir la interpolacin esta activada. Esto se haremos para solo estimar los
bloques que se encuentran dentro de un slido.
Notar que las leyes de la estimacin realizada varan entre 0 y 36,3 g/t.
Se pueden ver los sectores en donde la varianza es alta y baja, verificando sectores de mejor y peor
calidad de informacin.
143
Categora
Medidas
Indicadas
Inferidas
Rango var_Krig
0-4.9
4.9 7.4
Mayor a 7.4
Valor atributo
1
2
3
18. Realizar la misma operacin para los recursos Indicados e inferidos utilizando las siguientes
restricciones.
144
Reservas Indicadas
Reservas Inferidas
145
Ahora obtendremos un reporte con los tonelajes y leyes para cada categora.
146
147
Recursos
3500000
5
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
3000000
2500000
2000000
1500000
1000000
500000
0
Medidos
Indicado
Inferido
148