Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estimación de Reservas
Estimación de Reservas
R. Oyarzun
Introduccin
A lo largo de estos captulos hemos estudiado el porqu y cmo se prospectan los
yacimientos minerales. En ste entraremos a analizar lo que ocurre una vez que hemos
encontrado un depsito mineral. 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.
150 x 106 TM de estril.
Existen reglas claras para "afinar la puntera" ? desgraciadamente no, y solo podramos
mencionar dos herramientas indiscutibles:
Entender la geologa del prospecto, ya que sin una compresin adecuada de sta,
puede dar lo mismo el grado de refinamiento matemtico que se emplee, que las
probabilidades de cometer un grave error sern altas. Recuerde: las reservas las
estima un gelogo, no un ordenador ni un paquete de software. Somos gelogos, no
"aprietabotones". Por ejemplo, antes de aprender a utilizar el sistema Navstar
(navegacin va satelital), un oficial de la marina tiene que aprender a utilizar el
sextante para determinar la posicin de su barco.
Entender el modelo de yacimiento que estamos aplicando, siendo lo
suficientemente flexibles como para modificar nuestra perspectiva si los datos no se
ajustan al modelo. Recuerde Olympic Dam (captulo anterior).
Analicemos el siguiente ejemplo. En negro observar las intersecciones entre los
sondeos y la masa mineral. Arriba tenemos la interpretacin de la morfologa de los
cuerpos por parte del gelogo, y abajo la forma real de stos. La diferencia en tonelaje
es evidente, con el caso superior correspondiendo a una sobreestimacin. Se podra
evitar sto ? s, por ejemplo, con un buen control de la geologa en superficie. Note que
las dos situaciones se corresponden a su vez, a marcos geolgicos notablemente
diferentes. Importante: 1) sin sondeos no se puede evaluar un prospecto; 2) sin un
control geolgico riguroso, no se debe empezar a sondear.
Cabe destacar que los depsitos minerales eran evaluados, y sus reservas estimadas, mucho
antes de que aparecieran los ordenadores y los mtodos geoestadsticos. Se medan reas, se
estimaban volmenes y tonelajes, y las leyes se promediaban utilizando papel y lpices,
regla de clculo o calculadoras mecnicas. Esos resultados no eran peores (y en algunos
casos eran considerablemente mejores) que algunas estimaciones modernas por
geoestadstica con pobre control geolgico.
La estimacin de reservas es mucho ms que una mera proyeccin espacial (3D) de las
leyes (por ejemplo, % Cu, g/t Au, etc). Para determinar el verdadero valor de un yacimiento
necesitaremos adems determinar y proyectar los siguientes parmetros:
T = A x P x PE
Donde:
A: el rea; visualizacin 2D del sector del depsito bajo evaluacin; normalmente una
seccin vertical en cuerpos mineralizados irregulares.
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).
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
Leymedia = 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 fciles, y las
estimaciones pueden ser realizadas de manera rpida. Se emplea principalmente en cuerpos
tabulares (e.g., filones). Lo sondeos se dirigen normalmente a 90 con respecto a la masa
tabular bajo evaluacin. Para la construccin de los polgonos se pueden emplear dos
procedimientos:
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.
Dilucin interna: material subeconmico que se encuentra incluido dentro del
cuerpo econmico y que no puede ser segregado.
Dilucin de reemplazo o contacto: si el contacto estril/mineral es muy irregular
(y esto suele bastante normal), el resultado ser que un volumen equivalente de
material estril substituir al material econmico. Aunque la voladura de roca es un
arte que en ocasiones roza la perfeccin, tampoco se le pueden pedir milagros.
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).
Con lo cual tendremos al final de nuestras cuentas: 8.800 TM al 2.09 % Cu. Recuerde,
bajo un punto de vista exclusivamente geolgico, las reservas eran inicialmente de 10.000
TM al 2.3 % Cu.
Esto en lo que se refiere a la parte "minera" del problema. Pero a sto tenemos que
agregarle la problemtica de la recuperacin metalrgica del metal en cuestin. Sigamos
con el mismo ejemplo.
Una tonelada de material de mina al 2.09 % Cu contiene 20.9 kilos de cobre. Si este
material da unos 65 kilos de concentrado al 30 % Cu, entonces tendremos:
65 kg x 0.30 = 19.5 kg
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:
A la izquierda representacin de las muestras del conjunto 2, el tamao de los puntos
es proporcional al valor de cada una; a la derecha una representacin 3D de la
distribucin.
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 XiYi, 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).
En trminos muy simples podemos definir el variograma como la media de los cuadrados
de las diferencias entre pares de muestras separados por una distancia h:
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:
De esta manera obtenemos el primer punto para la construccin del variograma
experimental, donde en el eje Y ( (h)) tendremos un valor de 1.46 y en el X (h) otro de
100. Para conseguir el segundo punto (200) haremos lo siguiente (y as sucesivamente):
Estos puntos aparecern en el variograma experimental de la siguiente manera:
Y as continuaramos con (300), (400), (500), etc. Podramos continuar de esta manera
hasta 800, la mxima distancia muestreada, pero en general, se suele ir (particularmente si
los clculos son a mano), hasta la mitad de la distancia, esto es, 400.
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.
Ya hemos visto al comienzo la representacin del denominado modelo esfrico (con efecto
pepita: nugget). Aunque este suele ajustarse bastante bien a muchos casos en minera o
geoqumica, conviene que conozcamos otros modelos:
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).
Como en todas las cosas de la vida si funciona no lo cambies (o en ingls: never change a
winning game), pero y qu pasa si nuestra estimacin de leyes no est siendo la mejor
posible o es claramente mala ? Ahora es cuando deberamos recurrir a los mtodos
geoestadsticos, y en particular al variograma, nuestra herramienta bsica.
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 desarrollarkriging 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).
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:
En la ventana de kriging, seleccionamos opciones avanzadas (izquierda), y una vez en
estas, seleccionamos desde pantalla el variograma modelizado.