T-11 Procesamiento de

Información Geológica

926
Estimación multivariable de recursos recuperables: caso
de un depósito de lateritas niquelíferas
Enrique Caballero*, Xavier Emery
Departamento de Ingeniería de Minas, Universidad de Chile, Avenida Tupper 2069, Santiago, Chile
Advanced Mining Technology Center, Universidad de Chile, Avenida Beauchef 850, Santiago, Chile
* E-mail: enri.caballero@gmail.com
Resumen. El objetivo de este trabajo es la estimación de
recursos recuperables en depósitos mineros en los cuales
existen varios elementos de interés. Para ello, un modelo
geostadístico (el modelo Gaussiano discreto) es utilizado
para determinar las distribuciones locales conjuntas de las
leyes de bloques. La metodología es aplicada a un caso de
estudio consistente en datos de producción de un depósito
de lateritas niquelíferas, con información de las leyes de
níquel, fierro, cromo, alúmina y sílice. Los resultados de
esta metodología son comparados con una estimación por
cokriging ordinario, arrojando discrepancias importantes en
beneficio y clasificación de bloques entre mineral y estéril,
las cuales pueden ser explicadas por la propiedad de
alisamiento del cokriging y el sesgo que se produce al
estimar funciones no lineales de las variables de interés.
Palabras Claves: cambio de soporte; variables no aditivas;
estimación geoestadística multivariable
1 Introducción
La razón sílice-magnesio (RSM) es de suma importancia
en el proceso pirometalúrgico de lateritas niquelíferas, ya
que controla la temperatura de operación (y por lo tanto las
reacciones químicas) en la producción de ferroníquel. Por
lo anterior, las unidades selectivas de explotación (bloques)
que se envían a procesamiento, además de tener una ley de
níquel por sobre la ley de corte crítica, deben tener valores
controlados de la RSM. Asimismo, otra variable debe ser
controlada en este proceso: la razón fierro-níquel (RFN), la
cual tiene efectos sobre la temperatura de producción y la
calidad del producto final.
De esta manera, la clasificación de bloques entre mineral y
estéril se realiza considerando la ley de níquel, la RSM y la
RFN, siendo las dos últimas variables no aditivas (es decir,
su valor en un bloque no corresponde al promedio simple
de los valores puntuales dentro del bloque). Esto hace que
la estimación del destino de bloques y beneficio esperado
mediante métodos tales como kriging o cokriging pueda
estar sesgada (Emery et al., 2004; Carrasco et al., 2008).
Este trabajo busca presentar un modelo geoestadístico para
estimar sin sesgo un conjunto de variables regionalizadas,
considerando un cambio de soporte. La estimación permite
cuantificar la incertidumbre en los valores desconocidos de
las variables y calcular funciones no lineales de estas
variables (por ejemplo, cocientes como RSM o RFN, o
probabilidades de superar valores umbrales).
927
2 Metodología
2.1 Etapas del modelamiento
El análisis y modelamiento de las variables de interés
considera las siguientes etapas.
1) Estudio exploratorio de los datos disponibles.
2) Selección de unidad geológica de interés.
3) Transformación de cada variable en una variable
Gaussiana.
4) Cálculo de variogramas directos y cruzados.
5) Ajuste de un modelo de corregionalización.
6) Estimación de las variables Gaussianas mediante
cokriging ordinario de bloques.
7) Cálculo de coeficientes de corrección de soporte
(Chilès and Delfiner, 1999).
8) Simulación de Monte Carlo (100 realizaciones de
las variables Gaussianas en su conjunto).
9) Destransformación a las variables originales.
A partir de las realizaciones obtenidas, se puede evaluar la
probabilidad de superar determinadas leyes de corte para
cada bloque, calcular el beneficio esperado y el destino
más probable de cada bloque.
2.2 Clasificación de los bloques
El destino de bloques está dado por siguiente ecuación,
obtenida a partir de las restricciones de operación y la ley
de corte del yacimiento (Dalvi et al., 2004; Degel et al.,
2007):
Mineral si RFN < 68 y RSM < 10 y Ni > 0.6%
Bloque = 
Estéril en caso contrario
2.3 Cálculo del beneficio económico
A su vez el beneficio de cada bloque (en US$/t) se puede
obtener a través de la siguiente ecuación, basada en la
variabilidad de la recuperación metalúrgica en función de
la ley de alimentación (Crundwell et al., 2011), en el
precio de largo plazo del níquel y los costos de la mina,
estimados a partir de un proyecto de lateritas niquelíferas
en Guatemala (Rose et al., 2011) y ajustados al caso de
estudio:

− 4.0 si bloque = estéril
157.1 × Ni − 97 si bloque = mineral y Ni < 1.00
 níquel de un 1%, y el destino de los bloques para cada una

Beneficio = (134.8 + 23.3 × Ni 0.5 ) × Ni − 97
 si bloque = mineral y 1.00 ≤ Ni < 2.35

169.7 × Ni − 97 si bloque = mineral y 2.35 ≤ Ni
en donde la ley de níquel (Ni) está expresada en %.
3.3 Resultados
Se calcula la probabilidad de superar una ley de corte de
de las cien realizaciones obtenidas. Los bloques utilizados
miden 7×7×7 metros y, para los cálculos numéricos, están
discretizados en 5×5×1 puntos. Asimismo, se compara los
resultados con aquellos obtenidos mediante una estimación
por cokriging ordinario de bloques (sin recurrir a
transformaciones Gaussianas).

Los resultados de estas comparaciones arrojan una

3 Caso de estudio diferencia de 24.6% de bloques clasificados de forma
diferente (entre estéril y mineral) y una diferencia de 8.2
3.1 Presentación de los datos [MUS$] en el beneficio estimado para el caso de estudio
(Figuras 3 y 4).
El caso de estudio corresponde a una base de datos de
9990 pozos de tronadura del yacimiento Cerro Matoso
S.A. (Colombia), en los cuales se encuentra información
de seis leyes de elementos (níquel, hierro, magnesio, sílice,
aluminio y cromo).

La zona cubierta en el muestreo es de aproximadamente

180 × 200 × 70 metros, pero en ella se detecta la existencia
de más de una unidad geológica. Por ello se procede a
tomar una sub-muestra proveniente de una de las unidades
geológicas, obteniendo una base de datos filtrada con 736
datos y una zona cubierta de aproximadamente 180 × 75 ×
20 metros (Figura 1).

Figura 3. Destino de bloques (modelo Gaussiano discreto versus

estimación por cokriging) – proyecciones en planta

Figura 1. Proyecciones en planta y perfiles de los datos (escala

de color indica la ley de níquel medida).

3.2 Ajuste de un modelo de corregionalización

Las direcciones principales de anisotropía de la zona en

estudio corresponden a los ejes ortogonales definidos en
un plano rotado con respecto a la dirección este en 15º
hacia arriba. El modelo de corregionalización para ajustar
los variogramas de las variables Gaussianas considera un
efecto pepita y dos modelos esféricos anidados (Figura 2).

Se realiza una validación cruzada del modelo, obteniendo

más de un 95% de los datos con errores estandarizados
absolutos menores a 2,5. Figura 4. Beneficios esperados de bloques (modelo Gaussiano
discreto versus estimación por cokriging) – proyecciones en
planta

928
Las discrepancias entre ambos modelos se explican por la
propiedad de alisamiento del cokriging, que conduce a
estimaciones sesgadas, debido a que tanto el destino de los
bloques como el beneficio están dados por funciones no
lineales de las variables. En cambio, el modelo Gaussiano
discreto está diseñado para estimar sin sesgo tales
funciones no lineales (Chilès and Delfiner, 1999).
4 Conclusiones
El método propuesto permite construir modelos de bloques
que reproducen la variabilidad espacial de leyes y sus
relaciones de dependencias, con lo cual se puede estimar
sin sesgo variables no aditivas y funciones no lineales de
las variables. En particular, este método permite evaluar la
probabilidad de superar leyes de corte dadas, definir el
beneficio esperado y el destino más probable para los
bloques de selección minera.
Agradecimientos
Este trabajo fue financiado por el proyecto Innova-Corfo
Figura 2. Variogramas directos y cruzados, experimentales (cruces) y modelados (líneas), de las variables Gaussianas a lo largo de las
direcciones principales de anisotropía.
929
09CN14-5838 y desarrollado en el Advanced Laboratory
for Geostatistical Supercomputing de la Universidad de
Chile.
Referencias
Carrasco, P.; Chilès, J.P.; Séguret, S. 2008. Additivity, metallurgical
recovery, and copper grade. In: Proceedings of the 8th
International Geostatistics Congress, p. 465-476. Santiago.
Chilès, J.P.; Delfiner, P. 1999. Geostatistics: Modeling Spatial
Uncertainty. Wiley: 695 p. New York.
Crundwell, F.; Moats, M.; Ramachandran, V.; Robinson, T.;
Davenport, W.G. 2011. Extractive Metallurgy of Nickel, Cobalt
and Platinum Group Metals: 622 p.
Dalvi, A.; Gordon W.; Osborne, R. 2004. The past and the future of
Nickel Laterites. In: PDAC 2004 International Convention, 27 p.
Degel, R.; Kempken, J.; Kunze, J.; König, R. 2007. Design of a
modern large capacity FeNi Smelting Plant. In: Infacon XI, p.
605-620.
Emery, X.; Carrasco, P.; Ortiz, J.M. 2004. Geostatistical modelling of
solubility ratio in an oxide copper deposit. In: 1st International
Conference on Mining Innovation, p. 226-236. Santiago.
Rose, W.; Sim R.; Davis, B.; Barcza, N. 2011. Preliminary economic
assessment Mayaniquel project. Canadian National Instrument
43-101 Technical Report, 171 p.
Estimación de recursos en un yacimiento de hierro
Ignacio Salinas*, Xavier Emery
Departamento de Ingeniería de Minas, Universidad de Chile, Avenida Tupper 2069, Santiago, Chile
Advanced Mining Technology Center, Universidad de Chile, Avenida Beauchef 850, Santiago, Chile

* E-mail: i.salinas.luppi@gmail.com

Resumen. Este trabajo aborda el problema de estimar los perfecta entre las leyes de hierro y la densidad de roca.
recursos de hierro total y hierro recuperable en un Esta última observación indica que la densidad es una
yacimiento reconocido por sondajes de exploración. Se función lineal de la ley de hierro, por lo que se trata de una
compara los resultados obtenidos mediante dos métodos. variable calculada y no de una variable medida:
En el primero, se estima las leyes y la densidad de roca,
luego se calcula los contenidos de hierro (productos de las
leyes por la densidad y, en caso del hierro recuperable, por Densidad (t / m 3 ) = 2.48 + 0.032 × Fe(%)
la recuperación), mientras que el segundo método trabaja
directamente con los contenidos. Los resultados muestran
coincidencia en el tonelaje estimado por ambos métodos
(con un error relativo del orden de 0.5%), pero se observa
mayores discrepancias en las cantidades de hierro (con un
error relativo del orden de 5%). El segundo método es
preferible en la práctica, puesto que tiene sentido sumar
los contenidos estimados de todos los bloques, cosa que
no sucede con las leyes (variables no aditivas).

Palabras Claves: geoestadística; cokriging; densidad de

roca; variables no aditivas Figura 1. Nube de dispersión entre leyes de hierro y sílice.

1 Introducción
El objetivo de este trabajo es estimar los recursos de un
yacimiento de hierro, reconocido a partir de una campaña
de sondajes de exploración. Específicamente, se cuenta
con una base de datos con información de las coordenadas
espaciales (este, norte, cota), ley de hierro, ley de sílice,
densidad de roca y recuperación, que corresponde al
cociente entre la ley de hierro recuperable y la ley de hierro
total.
La estimación de los recursos se realizará con cokriging
(Chilès and Delfiner, 2012), comparando dos métodos para
llevar a cabo dicha estimación.
2 Presentación de los datos
La base de datos se compone de un total de 8373 muestras
de sondajes. Las estadísticas básicas de dichos datos se
presentan en la Tabla 1. Cabe notar que existe un sub-
muestreo de la recuperación, el cual se debe a un alto costo
asociado a pruebas de laboratorio utilizadas para medir la
ley de hierro recuperable en sectores con bajas leyes de
hierro total.
3 Metodología
3.1 Método 1: estimación de densidad y leyes
Para estimar los recursos, se opta primero por un enfoque
tradicional, el cual consiste en estimar las leyes usando
cokriging. Las etapas a seguir son:
1) Modelamiento de las relaciones entre las medias
de las variables de interés (a saber, ley de hierro,
ley de sílice y recuperación)
2) Modelamiento de variogramas directos y cruzados
3) Validación cruzada para verificar la calidad del
modelamiento
4) Estimación por cokriging de bloques, tomando en
cuenta los dos primeros puntos (Emery, 2012)
5) Corrección de las estimaciones negativas de leyes
6) Cálculo de la densidad de roca a partir de la ley de
hierro estimada, según la relación anterior
7) Cálculo de los contenidos de hierro y sílice. El
contenido se define como el producto de la ley
por la densidad y, en caso del hierro recuperable,
por la recuperación.
8) Reporte de los recursos (tonelajes y cantidades de
metal) de hierro total y hierro recuperable.

El análisis de las dependencias entre variables (Figura 1 y Con respecto a la primera etapa, se identifica una relación
Tabla 2) muestra una baja correlación entre la recuperación lineal entre las leyes medias de hierro y sílice:
y las leyes de hierro y sílice, una importante correlación
negativa entre las leyes de hierro y sílice, y una correlación m Si + 0.786 m Fe = 53.7

930

Esta relación se obtiene al visualizar la nube de dispersión
de la variable Si + 0.786 Fe, en función de la ley de hierro
(Fe), y al observar que dicha nube se distribuye en torno a
una recta horizontal de ordenada 53.7.
Con respecto a la segunda etapa, se analiza la continuidad
espacial de las variables a través de variogramas, con el fin
de construir un modelo de corregionalización. Se identifica
al plano horizontal y a la dirección vertical como las
direcciones principales de anisotropía. El modelo se
construye usando técnicas de ajuste semi-automático y
modelos esféricos anidados y efecto pepita.
La tercera etapa (validación cruzada) consiste en estimar
las leyes de cada dato por cokriging, utilizando solamente
la información de los otros datos, y comparar las leyes
estimadas con las leyes reales. Como resultado, se obtiene
que el cokriging entrega estimaciones insesgadas de las
leyes de hierro (y, por consiguiente, de la densidad de la
roca, que es una función lineal de la ley de hierro), lo cual
se ve reflejado en que la nube de dispersión entre las leyes
estimadas y las leyes reales presenta una recta de regresión
cercana a la identidad (Figura 2).
Figura 2. Nube de dispersión entre leyes estimadas y reales. La
recta de regresión (azul) coincide con la línea diagonal.
3.2 Método 2: estimación directa de contenidos
Un método alternativo para estimar los recursos consiste
en trabajar directamente sobre los contenidos de hierro y
sílice, los cuales tienen la ventaja de ser variables aditivas
(es decir, el valor de la unión de varios bloques es igual a
la suma de los valores de cada bloque) (Carrasco et al.,
2008). En este caso, las etapas a seguir son:
1) Cálculo de los contenidos de hierro, sílice y hierro
recuperable en las muestras de sondajes
2) Modelamiento de las relaciones entre contenidos
medios
3) Modelamiento de variogramas directos y cruzados
4) Validación cruzada para verificar la calidad del
931
modelamiento
5) Estimación por cokriging de bloques
6) Corrección de las estimaciones negativas de
contenidos
7) Determinación de las leyes y de la densidad de
roca a partir de los contenidos estimados, usando
la relación entre densidad y ley de hierro
8) Cálculo y reporte de los recursos de hierro total y
hierro recuperable.
Con respecto a la segunda etapa, se identifica las siguientes
relaciones lineales entre contenidos promedios:
mSi + 0.431mFe = 145.9
m FeRec = 0.973 m Fe
Tal como en el método anterior, el ajuste de variogramas se
realiza en las direcciones horizontales y verticales, usando
modelos esféricos y pepíticos anidados. En cuanto a la
validación cruzada, se obtiene estimaciones insesgadas y
una nube de dispersión entre contenidos estimados y reales
con una regresión cercana a la identidad (Figura 3).
Figura 3. Nube de dispersión entre contenidos estimados y
reales. La recta de regresión (azul) coincide prácticamente
con la línea diagonal.
4 Resultados
Para ambos métodos, el cokriging se aplica para estimar
una grilla de 331800 bloques de tamaño 15 × 15 × 10 m3.
Los recursos estimados por ambos métodos se indican en
la Tabla 3. A pesar de que las diferencias en el tonelaje
total estimado por ambos métodos son pequeñas (error
relativo del orden de 0.5%), existen mayores discrepancias
en las cantidades estimadas de hierro total y hierro
recuperable (error relativo mayor a 5%).
Para explicar estas diferencias, se debe considerar que, en
el primer método, no se estima correctamente las leyes de
cada bloque, debido a que dichas leyes no son variables
aditivas (habría que considerar un promedio de las leyes
ponderadas por la densidad). Asimismo, al multiplicar las cuales tiene sentido calcular una sumatoria sobre todos los
estimaciones de leyes y de densidad, se es susceptible de bloques. Entre las recomendaciones para completar este
generar un sesgo en la estimación. Estas desventajas estudio, se sugiere efectuar simulaciones de los contenidos
desaparecen al aplicar el segundo método, el cual tiene de hierro total y hierro recuperable. Esto permitiría
mayor sustento en este caso. construir escenarios y hacer análisis de riesgo económico,
mediante el cálculo de curvas tonelaje-ley asociadas a
Tabla 3. Tonelajes, cantidades y leyes medias, estimados por leyes de corte dadas.
ambos métodos.
Método 1 Método 2
Tonelaje (MTon) 2339.0 2351.3 Agradecimientos

Cantidad de hierro
504.3 535.9
Este trabajo fue financiado por los proyectos Innova-Corfo
total (MTon) 09CN14-5838 y Fondecyt 1090013, y fue desarrollado en
Cantidad de hierro
el Advanced Laboratory for Geostatistical Supercomputing
443.1 456.9 de la Universidad de Chile.
recuperable (MTon)

Ley media de
20.6 21.1
hierro total (%) Referencias
Ley media de hierro Carrasco, P.; Chilès, J.P.; Séguret, S. 2008. Additivity, metallurgical
18.9 19.4
recuperable (%) recovery, and copper grade. In: Proceedings of the 8th
International Geostatistics Congress, p. 465-476. Santiago.

4 Conclusiones Chilès, J.P.; Delfiner, P. 2012. Geostatistics: Modeling Spatial

Debe tenerse cuidado al momento de estimar los recursos
en yacimientos para los cuales la densidad de roca no es
constante. En estos casos, es recomendable trabajar con los
contenidos (leyes multiplicadas por la densidad), para los
Uncertainty. Wiley: 699 p. New York.
Emery, X. 2012. Cokriging random fields with means related by
known linear combinations. Computers & Geosciences 38 (1):
136-144.

Tabla 1. Estadísticas básicas de los datos de sondajes.

Variable Número de datos Mínimo Máximo Media Desviación estándar
Ley de hierro total (%) 8373 0.05 69.19 27.13 18.47
Ley de sílice (%) 6847 0.15 79.96 30.85 15.44
Recuperación 1219 0.08 1.00 0.88 0.11
Densidad (t/m3) 8373 2.44 4.69 30.85 15.44

Tabla 2. Matriz de correlación entre variables.

Ley de hierro total Ley de sílice Recuperación Densidad
Ley de hierro total 1 -0.942 0.522 1
Ley de sílice -0.942 1 -0.462 -0.942
Recuperación 0.522 -0.462 1 0.522
Densidad 1 -0.942 0.522 1

932
Modelamiento geoestadístico de mineralogías de sulfuros
en un yacimiento de cobre
Ignacio Gálvez*, Xavier Emery
Departamento de Ingeniería de Minas, Universidad de Chile, Avenida Tupper 2069, Santiago, Chile
Advanced Mining Technology Center, Universidad de Chile, Avenida Beauchef 850, Santiago, Chile

* E-mail: igalvez@ing.uchile.cl

Resumen. Las variables composicionales corresponden a 2 Metodología

variables coregionalizadas que son positivas y suman una
constante en todos los puntos del espacio. Para construir
2.1 Etapas del modelamiento
modelos que respeten estas restricciones, se propone una
extensión del llamado modelo plurigaussiano usado para
simular variables categóricas. Dicho modelo se aplica a un En el caso de composiciones con tres componentes (Z1, Z2,
pórfido de cobre que cuenta con información del porcentaje Z3), el modelo propuesto en un punto x del espacio es de la
de minerales sulfurados relativos al contenido total de siguiente forma:
sulfuros. Como resultado, se logra integrar un modelo de
simulación condicional con un plan minero de largo plazo, Z1 (x) = G1 (x)
permitiendo predecir las mineralogías de alimentación a 
planta de bornita y calcopirita en el tiempo, ambas con una Z 2 (x) = [1 − G1 (x)]G2 (x)
gran influencia en recuperaciones metalúrgicas. Z (x) = [1 − G (x)][1 − G (x)]
 3 1 2

Palabras Claves: composición regionalizada; simulación

condicional; modelo plurigaussiano; planificación minera.
1 Introducción
Las variables composicionales corresponden a variables
coregionalizadas que presentan la siguiente restricción: son
positivas y suman una constante en todos los puntos del
espacio. Ejemplos de éstas corresponden a porcentajes de
mineralogías de óxidos o de sulfuros, las cuales tienen una
gran influencia en las recuperaciones metalúrgicas.
donde G1 y G2 son funciones aleatorias, con valores entre 0
y 1, obtenidas al transformar cuatro funciones aleatorias
Gaussianas (Figura 1). Los detalles de las transformaciones
involucradas son descritas en (Emery and Gálvez, 2012).
Los parámetros del modelo se ajustan de tal manera de
reproducir los valores medios, histogramas, matriz de
varianza-covarianza y variogramas directos y cruzados de
las variables composicionales.

La restricción encontrada en este tipo de variables hace que

los métodos geoestadísticos clásicos, tales como cokriging
y simulación condicional, no sean aplicables, dado que no
respetan la condición sobre la positividad y suma constante
de las variables estimadas o simuladas. Para sortear este
problema, en la actualidad se utilizan transformaciones de
los datos basadas en la función logaritmo (Pawlowsky and
Olea, 2004), pero éstas no permiten modelar valores nulos, Figura 1: Representación del modelo plurigaussiano para tres
lo que en el contexto de un modelamiento geológico las componentes (Z1, Z2, Z3)
hacen no aptas.
La metodología propuesta consta de las siguientes etapas:
En este trabajo, se utiliza un modelo alternativo, basado en
1) Estudio exploratorio de los datos
el llamado modelo plurigaussiano (Armstrong et al., 2011),
2) Selección de unidad geológica de interés
que permite construir simulaciones condicionales de un
3) Determinación de parámetros de ajuste
conjunto de variables composicionales. La aplicación del
4) Conversión de los datos composicionales en datos
modelo se hace a un pórfido de cobre en el que se muestrea
Gaussianos, usando un método iterativo conocido
el porcentaje de minerales sulfurados relativos al contenido
como muestreador de Gibbs (Lantuéjoul, 2002)
total de sulfuros. Se llega a un plan minero y la predicción
5) Simulación condicional Gaussiana, vía el método
de mineralogías de alimentación a planta relevantes en la
de bandas rotantes (Lantuéjoul, 2002)
recuperación metalúrgica.
6) Transformación de las simulaciones Gaussianas
en simulaciones composicionales
7) Análisis de estrategia de consumo de reservas

933
 8) Determinación de mineralogías de alimentación a
planta en el tiempo.
Los pasos críticos de la metodología corresponden al 3), 4)
y 6) de la lista descrita, mientras que el resto es análogo
con una simulación condicional Gaussiana clásica (Emery
and Gálvez, 2012). El producto final corresponde a un
conjunto de simulaciones condicionales de la composición,
con las cuales se puede determinar el valor esperado de la
mineralogía alimentada a planta en el tiempo, así como las
probabilidades de superar determinados valores de una
mineralogía dada.
Como resultado del análisis económico se obtiene que el
yacimiento cuenta con un total de 3370 Mt, de las cuales
2300 corresponden a mineral (a una ley de corte de 0.23%
de cobre). La estrategia de consumo de reservas resulta en
que, al considerar una alimentación a planta de 54 millones
de toneladas por año (150 ktpd) y un secuenciamiento de
14 fases, se llega al plan minero mostrado en la Figura 3.
El valor esperado de las mineralogías de alimentación a
planta se presenta en la Figura 4, donde se aprecia que,
junto con la profundización de la explotación, aumentan
los porcentajes de bornita y calcopirita.

2.2 Estrategia de consumo de reservas

La estrategia de consumo de reservas se lleva a cabo, dada

la profundidad del yacimiento estudiado, para extracción
por métodos de rajo abierto. Una vez definidos los límites
económicamente explotables en función del contenido de
cobre presente, se procede a definir la secuencia óptima de
explotación. El plan minero se obtiene al definir los
destinos para un determinado bloque de selección minera
(planta o botadero) en el tiempo. La secuencia elegida es la
que garantiza el máximo beneficio en el tiempo. En este
punto, los bloques tienen asociados 100 simulaciones
condicionales de sus mineralogías, por medio de las que se Figura 3: Plan minero del yacimiento
pueden hacer análisis probabilísticos y calcular el valor
esperado de dichas mineralogías.

3 Caso de estudio

3.1 Presentación de los datos

El caso de estudio corresponde a un pórfido de cobre

caracterizado por leyes de cobre total y por los porcentajes
de minerales sulfurados relativos al contenido total de
sulfuros. La base de datos cuenta con de 33645 muestras
distribuidas en una zona de aproximadamente 4000 × 5000
× 1250 m3. Las mineralogías presentes corresponden a
bornita, calcopirita, calcosina, covelina, digenita, enargita,
galena, pirita, tenantita y tetraedrita. Sin embargo, muchas
de las mineralogías presentan valores ceros, por lo que
solamente se consideran las dos principales (bornita y
calcopirita), junto con una variable llamada “resto” (Tabla
1).
3.2 Resultados
La Figura 2 muestra el resultado del ajuste de variogramas
directos y cruzados, para las tres variables consideradas
(bornita, calcopirita y resto de los minerales sulfurados).
Con el modelo propuesto, se construye 100 simulaciones
condicionales de las mineralogías en el yacimiento, junto
con un modelo de ley de cobre total. Este último muestra
que el yacimiento cuenta con alrededor de 2250 millones
de toneladas sobre una ley de 0.5% de cobre.
Figura 4: Mineralogías de alimentación a planta (valores
esperados en el tiempo)
Finalmente la Figura 5 muestra el análisis de un banco en
explotación, con el valor esperado de bornita y el riesgo de
que el valor real supere 10%, lo que es de gran utilidad a la
hora de llevar a cabo un plan de corto plazo.
4 Conclusiones
Se presentó una aplicación de un modelo geoestadístico
para simular variables composicionales, el cual permite
reproducir sus medias, histogramas, varianzas-covarianzas,
variogramas. Por medio de la metodología presentada, se
logra hacer un análisis de las mineralogías alimentadas a
planta en el tiempo, tanto en valor esperado como en las
probabilidades de superar determinados valores umbrales.
El resultado es la integración entre la planificación y el
modelo de simulaciones propuesto, lo que tiene un gran
potencial cuando se cuenta con modelos metalúrgicos que
necesitan ciertas mineralogías para maximizar el beneficio.

934
 Agradecimientos

Este trabajo fue financiado por el proyecto Fondecyt

1090013.

Referencias
Armstrong, M.; Galli, A.G.; Beucher, H.; Le Loc’h, G.; Renard, D.;
Doligez, B.; Eschard, R.; Geffroy, F. 2011. Plurigaussian
Simulations in Geosciences. Springer. Berlin.

Emery, X.; Gálvez, I. 2012. A plurigaussian model for simulating

regionalized compositions, In: Proceedings of the 9th
International Geostatistics Congress, p. 12. Oslo.

Lantuéjoul, C. 2002. Geostatistical Simulation: Models and

Algorithms. Springer. Berlin.

Figura 5: Arriba: valor esperado del porcentaje relativo de Pawlowsky, V.; Olea, R. 2004. Geostatistical analysis of
bornita. Abajo: probabilidad de encontrar más de 10% de bornita compositional data, 1st edition, Oxford University Press: 181 p.
(Banco 2300 fase 1) New York.

Tabla 1: Estadísticas de la base de datos (valores en tanto por uno)

Número Mínimo Máximo Media Varianza
Bornita 33645 0.00 1.00 0.26 0.30
Calcopirita 33645 0.00 1.00 0.30 0.29
Resto 33645 0.00 1.00 0.44 0.40
Ley de cobre 33645 0.00 15.70 0.58 0.24

Figura 2: Variogramas omnidireccionales directos y cruzados, experimentales (cruces) y modelados (líneas continuas), para las tres
variables consideradas

935
Redefinition of Geo-metallurgical Wi Model using K-
means Clustering
Cristián Jeraldo*, Fernando Ramírez y Carlos Sáez
Superintendencia de Geología, Codelco Chile, División Chuquicamata

* E-mail: cjera001@codelco.cl

Abstract. Despite their geological differences, potassic

alteration domains in Chuquicamata deposit show similar
values of work index (Wi), a key parameter in operation of
mineral concentrator plants. This study presents a
proposal for redefinition of potassic alterations, using K-
means clustering, a data mining tool. Based on this, it is
posible to generate new domains, to better explain the
behavior of Wi at the Chuquicamata Mine.

Key words: Data mining, clustering, K-means, work

index

1 Introducción
Work Index (Wi) se define como la energía necesaria
para reducir un mineral de tamaño teóricamente infinito a
uno equivalente a 80% <0.1 mm. Es determinado
mediante un test de laboratorio (Bond, 1954). Con este
parámetro se estima el consumo de energía para molinos
de bolas, un ítem de alta incidencia en el costo de
operación de plantas concentradoras de minerales.

Para el yacimiento Chuquicamata se dispone de un

modelo de unidades geometalúrgicas de Wi, sustentado
en cerca de 1,500 test. El principal control geológico para Figura 2. Yacimiento Chuquicamata: (A) Planta con
la modelación de este parámetro son los dominios de alteraciones; (B) Planta con alteraciones, incluyendo dominios
alteración (Figura 1 y 2A). La distribución estadística de potásicos propuestos en este trabajo.
Wi para cada dominio de alteración se muestra en la
Figura 3.

Figura 1. Dominios de alteración en yacimiento

Chuquicamata. SGV=sericita gris-verde. La escala corresponde Figura 3. Distribución estadística de Wi por unidad de
a porcentaje de alteración cuarzo-sericítica. alteración.

936
A pesar de sus diferencias tanto en geología como mejorar la definición de unidades geometalúrgicas de Wi,
distribución espacial (Figura 1 y 2A), los valores de Wi utilizando agrupamiento mediante K-media.
para PF y PI son muy similares (Figura 3). Esto resulta
llamativo, puesto que tanto a nivel de laboratorio como 3.1 Agrupamiento en dominios PF y PI
industrial KSil (microbrecha con matriz de cuarzo y
feldespato potásico), determina los mayores valores de Se consideran las variables: coordenadas geográficas,
este parámetro. La igualdad de medias de Wi para ambos leyes, mineralogía de mena y alteraciones desagregadas.
dominios se ratifica mediante test de hipótesis, el que Usando software Statistica, se generan dos grupos por
determina un estadístico t de student 0.68, para zona de cada dominio (Figura 5).
rechazo con dos colas de + 1.97, con 95% de confianza.
Así, la hipótesis de igualdad de medias de Wi entre PI y
PF es aceptada.

2 Metodología de Agrupamiento

Agrupamiento o clustering es un método que permite

dividir n observaciones (muestras) en k grupos. Los
criterios de agrupamiento son: 1) maximizar la similitud
entre muestras de un mismo grupo; 2) minimizar la
similitud entre muestras de grupos distintos.

En este trabajo, para el agrupamiento se utiliza el

algoritmo K-media, el cual estima la distancia euclidiana
entre cada muestra y el centroide del grupo (Hastie et
al.). Cabe destacar que el agrupamiento será efectuado en
tantas dimensiones como variables tenga la matriz de
entrada (espacio n-dimensional, siendo n el número de
variables). Definiendo un número de grupos a priori, el
algoritmo K-media optimiza la ubicación de los
centroides, utilizando los criterios 1 y 2. En el ejemplo
(Figura 4), se cuenta con dos variables de entrada (2
ejes), buscándose definir 5 grupos.

Figura 5. Coordenadas del centroide de grupos 1 y 2 de

dominios PF (A) y PI (B), en espacio de 9 dimensiones. La
escala de las variables se muestra normalizada en el eje Y.

De la figura 5 se desprende que, tanto para las muestras

de PI como de PF, es posible generar dos grupos
distintivos. Coincidentemente, en ambos dominios de
alteración las muestras del grupo 1 se ubican en
promedio más al norte y al este, destacando además su
bajo contenido de KSil, en marcado contraste con las
muestras del grupo 2.

Figura 4. Ejemplo de agrupamiento usando dos variables
(bidimensional) y 5 grupos. Se optimiza desde A a D.
3 Evaluación de dominios de alteración
potásicos
Debido a la similitud de valores de Wi entre los dominios
de alteración PI y PF, se intenta reconocer eventuales
sub-poblaciones al interior de éstos, que permitan
3.2 Distribución espacial de Grupos 1 y 2
Luego de identificados los grupos al interior de los
dominios de alteración PF y PI, se despliegan las
muestras de cada uno en el espacio, con el objetivo de
verificar si este agrupamiento posee sentido espacial
(Figura 6). Se observa que tanto en el dominio PF como
PI, las muestras de ambos grupos se hallan fuertemente
segregadas, resultando muy pocas muestras del grupo 1
en la zona del grupo 2 (parte sur) y viceversa. Se

937
concluye entonces que los grupos generados de manera
matemática a partir de las muestras de las unidades PF y
PI, poseen consistencia tanto geológica como espacial
(figuras 5 y 6, respectivamente).
Figura 6. Distribución espacial de muestras de grupos 1 y 2 de
PF (izquierda) y PI (derecha). Las líneas definen las
envolventes de cada dominio de alteración.
3.3 Distribución estadística de Wi para Grupos
1y2
La Figura 7 muestra la distribución estadística de valores
de Wi para los 2 grupos de PF y 2 de PI generados por
agrupamiento. De la figura, se desprende la factibilidad
de efectuar la siguiente reagrupación:
Potásico de bajo KSIL (PBKSil): PI 1 + PF 1
Potásico de alto KSIL (PAKSil): PI 2 + PF 2
Figura 7. Distribución estadística de Wi para grupos 1 y 2 de
PF y PI. De ésta derivan los nuevos dominios de alteración
PBKSil y PAKSil.
938
La figura 8 muestra la distribución de Wi para el
yacimiento Chuquicamata con los nuevos dominios de
alteración potásica propuestos en este trabajo.
Adicionalmente, en la Figura 2B se muestra una planta
con la disposición espacial de estas unidades.
Figura 8. Distribución estadística de Wi según dominios de
alteración propuestos en este trabajo.
A través de un nuevo test de hipótesis, se corrobora la
diferencia de medias de Wi entre los dominios de
alteración PBKSil y PAKSil. El resultado del test
determina un estadístico t de student -11.9, para zona de
rechazo con dos colas de + 1.97, con 95% de confianza.
De esta forma, la hipótesis de igualdad de medias de Wi
entre PBKSil y PAKSil es rechazada.
Conclusiones
Usando agrupamiento por K-media, una herramienta de
minería de datos, es posible redefinir exitosamente los
dominios de alteración del yacimiento Chuquicamata. De
esta forma, el modelo geometalúrgico de Wi es mejorado
al reducir en cerca de 40% la varianza de este parámetro
en los nuevos dominios de alteración.
Agradecimientos
Los autores desean agradecer a los profesionales de la
Gerencia de Recursos Mineros y Desarrollo de
Chuquicamata, en particular a Manuel Vergara y Claudio
Barrientos. A Verónica Escobar por su legado.
Referencias
Bond F. C. 1954. Crushing and Grinding Calculations. CIM
Bulletin, Vol. 47, No 507, pp. 466-472.
Hastie, T; Tibshirani, R.; Friedman, J. 2009. The Elements of
Statistical Learning: Data Mining, Inference, and Prediction,
Second Edition (Springer Series in Statistics). Springer
Science+Business Media, LLC 2009.
Aplicación de kriging factorial en exploración geoquímica
de zonas cubiertas muestreadas con colectores pasivos.
1,2 2,3 1,2
Pamela Castillo *, Xavier Emery , Brian Townley y Álvaro Puig
(1) Departamento de Geología, Universidad de Chile, Plaza Ercilla 808, Santiago, Chile
(2) Advanced Mining Technology Center, Universidad de Chile, Av. Beauchef 850, Santiago, Chile
(3) Departamento de Ingeniería de Minas, Universidad de Chile, Av. Tupper 2069, Santiago, Chile
(4) Gerencia de Exploraciones, Codelco, Huérfanos 1270, Santiago, Chile
* E-mail: pcastillolagos@gmail.com
Resumen. Un muestreo mediante colectores pasivos en
áreas de prospección de CODELCO provee tres matrices
de datos de 313 muestras × 45 variables, 416 muestras ×
50 variables y 575 muestras × 56 variables. Estas bases de
datos fueron analizadas y depuradas mediante control de
calidad, estadística univariable y multivariable, mostrando
un sesgo analítico de dirección E-W y, a la vez, no
permitiendo delimitar claramente anomalías de contraste.
El método geoestadístico de kriging factorial propone un
modelamiento de la información a través de su correlación
espacial, con el fin de filtrar el sesgo analítico y además
delimitar anomalías de contraste multivariables según
escalas regionales y locales.
Palabras Claves: colectores pasivos, sesgo analítico,
kriging factorial, anomalía de contraste.
1 Introducción
La exploración geoquímica en zonas con cobertura plantea
un cambio en la evaluación tradicional de yacimientos.
Numerosos estudios se han focalizado en los mecanismos
que controlan la generación de anomalías superficiales de
depósitos ocultos bajo cobertura, integrando diferentes
tipos de muestreo y análisis químicos (Taylor et al., 1982;
Hamilton, 1998; Cameron et al., 2002; entre otros). Entre
estas metodologías, el Departamento de Geología de la
Universidad de Chile y el área de exploraciones de
CODELCO han estudiado la aplicabilidad de colectores
Ore Hound GOCC® en el muestreo de gases e iones libres
(Townley et al., 2007).
Las bases de datos obtenidas a través del muestreo de tres
áreas de prospección de CODELCO, han sido ordenadas,
analizadas e interpretadas mediante técnicas estadísticas y
geoestadísticas, para diferenciar falsas anomalías
provocadas por errores, o sesgos, analíticos o de medición.
En particular hemos explorado el método de kriging
factorial (Sandjivy, 1984; Goovaerts, 1992), que es usado
para aislar anomalías locales, regionales y errores,
considerando la naturaleza multivariable de los datos y la
ubicación espacial de las muestras.
2 Áreas de estudio y muestreo
Los prospectos seleccionados se ubican en las regiones
XV, II y III y, por confidencialidad, serán nombrados como
939
4
Zona 1, 2 y 3. Las mallas de muestreo cubren áreas de 75
km2, 100 km2 y 120km2, respectivamente. Los colectores
pasivos fueron instalados en mallas regulares de
400×500m y enterrados a 40 cm de profundidad durante 3
a 4 meses, obteniendo un total de 314, 417 y 575 muestras
válidas en cada zona.
Se definen dos conjuntos de datos según el tratamiento
analítico realizado sobre el material del colector (carbón
activado y caolín). Los análisis químicos se realizaron por
ICP-MS para un paquete de 72 elementos en Laboratorio
ACME (Toronto, Canadá), después de una lixiviación
ácida del carbón, realizada en Laboratorios AAA (Chile).
El análisis de 162 especies de compuestos de hidrocarburo
se realiza en el Laboratorio Activation Lab (Canadá), a
través de cromatografía de gases y espectrometría de masa
(GC-MS), practicada directamente por desabsorción sobre
la muestra de caolín, en estado de muestra sólida.
3 Marco geológico
Zona 1: La geología se compone principalmente de
ignimbritas, rocas volcánicas efusivas y secuencias
sedimentarias, con menor presencia de cuerpos intrusivos y
depósitos recientes. El muestreo se realiza sobre una
ignimbrita que corresponde a una toba riolítica de alto
sílice y potasio (García et al., 2004).
Zona 2: La zona está cubierta mayormente por depósitos
semiconsolidados a no consolidados. Los afloramientos de
rocas circundantes al muestreo corresponden a andesitas y
riolítas, intercaladas con arenas rojas continentales,
intruidos por diques y filones de composición andesítica a
dacítica (Naranjo y Puig, 1984). Hacia el SW del área
muestreada (figuras 1d-1f) existe un depósito de Fe-Cu-
(Au), hospedado en rocas volcánicas, 400 m bajo la
superficie actual, pero sobre el nivel freático presente.
Zona 3: El área está principalmente cubierta por depósitos
semiconsolidados a no consolidados. Las rocas aflorantes
se componen de secuencias volcánicas (andesíticas a
riolíticas) y volcanoclásticas y por cuerpos intrusivos de
composición intermedia a básica. En el prospecto se
presentan dos zonas de mineralización sondeada de tipo
pórfido cuprífero, ubicadas en la vertiente sur del área
muestreada (figuras 1g-1j). El agua subterránea está en
contacto directo con la mineralización (Soto, 2010).
4 Resultados y discusión pepita que corresponde a ruido y/o errores de medición.
Estas estructuras corresponden a los modelos teóricos que
4.1 Control de calidad y estadística univariable se han elegido para modelar los variogramas
experimentales simples y cruzados de las diferentes
El control de calidad a partir de estándares, duplicados de variables. A partir de cada una de las estructuras modeladas
terreno y analíticos, disminuye el número de variables a 45 se descomponen tres factores, cuyo porcentaje de varianza
en la Zona 1, 50 en la Zona 2 y 56 en la Zona 3. explicada se observa en la Tabla 1:
La estadística univariable comienza con el cálculo de los
estadígrafos básicos (media, desviación estándar, Tabla 1. Porcentaje de varianza para los factores obtenidos
percentiles, etc.). A partir de ellos, se realiza una búsqueda mediante KF, para cada estructura de los tres prospectos.
de valores outliers, eliminando una muestra para las bases Área Estructura Factor 1 Factor 2 Factor 3
de datos de las zonas 1 y 2. De este modo, las muestras se Local 86.5% 13.1% 0.29%
Zona
reducen a 313 en la Zona 1, 416 para la Zona 2 y 575 en la Regional 91.2% 8.8% 0.02%
1
Corto alcance 67.7% 22.2% 8.9%
Zona 3. Posteriormente se realizan mapas de cada variable,
en donde se observa un fuerte sesgo (error analítico) de los Local 65.3% 32.1% 2.1%
Zona
Regional 81.8% 12.1% 6.1%
datos a lo largo de la dirección E-W (preferentemente para 2
Corto alcance 79.1% 15.9% 4.4%
elementos químicos).
Local 89.7% 5.3% 3.7%
Zona
Regional 72.3% 18.4% 7.6%
4.2 Estadística multivariable 3
Corto alcance 89.2% 7.0% 2.5%

Examinando los coeficientes de correlación de Pearson, se

La estimación mediante co-kriging se realiza en una grilla
determina una baja correlación entre elementos químicos y
de 100×100 m, obteniendo mapas de distribución (Figura
compuestos de hidrocarburo. Por esto, la subsiguiente
1) para los factores y estructuras descritas en la Tabla 1. La
estadística multivariable se analiza por separado.
estructura de corto alcance refleja, para las tres zonas y en
La estadística multivariable se realiza por Análisis de
todos los factores asociados, el sesgo analítico (ej. Figura
componentes principales (ACP), el cual tiene como
1a), el cual está filtrado de mejor manera en las estructuras
objetivo crear variables sintéticas (o factores) mediante la
de alcance local (ejs. figuras 1b, 1d, 1e, 1g y 1h).
combinación lineal de las variables originales. Tales
Para la Zona 1 (figuras 1a-1c), se muestran los primeros
factores no tienen correlación y se ordenan
factores para las tres estructuras. En la estructura local
decrecientemente según la información que contienen.
(figura 1b) es posible delimitar dos anomalías de contraste
A través del ACP se separan distintas poblaciones
puntuales en el centro-sur y sureste del área. La estructura
multivariables de datos. Para las zonas 2 y 3 (levemente
regional (figura 1c) refleja una anomalía aparente al sur del
para la zona 1), se evidencia el sesgo analítico E-W en los
área, reconocida también en los datos originales.
elementos químicos. En cuanto a la delimitación de
En la Zona 2 (figuras 1d-1f), se observan dos anomalías de
anomalías por medio de los factores, las anomalías no son
contraste en los factores 1 y 2 de la estructura local. La
claras y persiste la reproducción del sesgo analítico.
anomalía del factor 1, al parecer está influenciada por un
valor outlier de carácter multivariable, que no fue
4.3 Geoestadística – Kriging factorial
identificado anteriormente. La anomalía del factor 2 se
ubica hacia el norte de la zona de mineralización conocida.
El Kriging factorial (KF) es un método geoestadístico que
La relevancia de ella dependerá de los elementos que
combina el ACP con el modelamiento y la estimación
caractericen a este factor y de la geología del área.
espacial. Esto permite estudiar e interpretar datos
La Zona 3 (figuras 1g-1j) muestra, en los factores 1 y 2 de
multivariables, considerando la información espacial y
la estructura local (Figuras 1g-1h), dos anomalías de
estructural que contienen. El KF se realiza mediante tres
contraste puntuales al sureste y al sur de una de las zonas
pasos:
de mineralización conocida. El origen geoquímico de estas
- Análisis variográfico multivariable, a través de un
anomalías debe analizarse con los elementos
modelo lineal de corregionalización.
representativos de estos factores, entre otros parámetros.
- Descomposición de las variables en factores
espacialmente no correlacionados que sintetizan la
información.
- Estimación de los factores por co-kriging. 5 Conclusiones
A partir de los datos originales se realizan los variogramas
A través de un análisis variográfico y de la utilización de
en dos direcciones principales: N90º (dirección E-W), con
KF es posible separar componentes asociadas a errores de
el fin de modelar y aislar el sesgo analítico reconocido, y
medición y a escalas espaciales diferentes (local y
N0º (dirección N-S). En base a los variogramas
regional).
experimentales, se ajustan modelos anidados, considerando
Se determina que la influencia del sesgo analítico ha sido
estructuras esféricas de distintos alcances (corto alcance,
aislada de las estructuras de alcance local, permitiendo
alcance local y alcance regional), además de un efecto
delimitar algunas anomalías de contraste positivas, que no

940
eran diferenciables en los datos originales tratados con
estadística uni- y multivariable.
En las estructuras de alcance regional se mantiene de
manera más evidente el sesgo analítico. No obstante,
podrán utilizarse en la interpretación y diferenciación de
anomalías de contraste positivas, de anomalías aparentes.
La interpretación conjunta con los elementos químicos que
representan a los factores y estructuras obtenidas mediante
el KF, entregará una visión geoquímica de la naturaleza de
las anomalías de contraste obtenidas.
Agradecimientos
Se agradece a CODELCO – Chile, quien financió
totalmente el Proyecto Ore Hound 2330-2. Adicionalmente
el primer autor agradece el financiamiento parcial de
CONICYT a través del Proyecto Fondecyt 1090013.
Referencias
Cameron, E.; Leybourne, M.,; Kelley, D. 2002. Exploring for deeply
covered mineral deposits: Formation of geochemical anomalies
in northern Chile by earthquake-induced surface flooding of
mineralized groundwaters. Geology 30(11): 1007-1010.
García, M., Gardeweg. M., Clavero, J., Hérail, G. 2004. Hoja Arica,
Región de Tarapacá, escala 1:250.000. Carta Geológica de Chile
Nº 84. Servicio Nacional de Geología y Minería: 149 p. Santiago.
Figura 1. Mapas de distribución de factores obtenidos por modelación y estimación de KF. Zona 1: 1a) Factor 1, estruct. corto alcance;
1b) Factor 1, estruct. local; 1c) Factor 1, estruct. regional; Zona 2: 1d-1e) Factores 1 y 2, estruct. local; 1f) Factor 1, estruct. regional;
Zona 3: 1g-1h) Factores 1 y 2, estruct. local; 1i-1j) Factores 1 y 2, estruct. regional. Cuadros blancos: áreas de mineralización conocida.
941
Goovaerts, P. 1992. Factorial kriging analysis: A useful tool for
exploring the structure of multivariate spatial soil information. J.
Soil Science 43(4): 597-619.
Hamilton, S. 1998. Electrochemical mass-transport in overburden: a
new model to account for the formation of selective leach
geochemical anomalies in glacial terrain. J. Geochem. Explor.
63: 155-172.
Naranjo, J.; Puig, A. 1984. Hojas Taltal y Chañaral, Regiones de
Antofagasta y Atacama, escala 1:250.000. Carta Geológica de
Chile Nº62-63. Servicio Nacional de Geología y Minería: 140 p.
Santiago.
Sandjivy, L. 1984. The factorial kriging analysis of regionalized data
- Its application to geochemical prospecting. In Geostatistics for
Natural Resources Characterization (Verly, G., Journel, A. G. &
Maréchal, A. eds.), Reidel: 559-571. Dordrecht.
Soto, M.C. 2010. Hidrogeología e hidrogeoquímica de aguas
subterráneas en el Distrito Inca de Oro, Región de Atacama:
procesos de interacción agua-roca y dispersión geoquímica. Tesis
de magister, Universidad de Chile, Departamento de Geología,
199 p.
Taylor , C.; Kesler, S.; Clocke, P. 1982. Sulfur gases produced by the
decomposition of sulfide minerals: application to geochemical
exploration. J. Geochem. Explor 17: 165-185.
Townley, B., Puig, A., Ojeda, G., Luca, R., Vargas, T., LeRoux, J.
2007. Understanding real time processes behind the development
of surface geochemical expressions from ore bodies beneath
cover: source to surface and detection by means of collector
devices. In Decennial International Conference on Mineral
Exploration; Nº 5: 4 p. Toronto, Canada.
Automatización de la construcción de simbología
compleja puntual en ambiente ARCGIS aplicada a bases
de datos de yacimientos minerales. Ventajas y
Limitaciones
Natalia Astudillo*
Departamento de Geología Regional. SERNAGEOMIN. Avda. Santa María 0104, Providencia. Chile
Vlamir Muñoz y Gilma Pantoja
Unidad de Recursos Minerales. SERNAGEOMIN. Avda. Santa María 0104, Providencia. Chile
* E-mail: natalia.astudillo@sernageomin.cl
Resumen. La construcción de un mapa geológico
involucra el concepto de la representación gráfica de la
información, de manera que la simbología utilizada
permita mostrar las características fundamentales de los
elementos geológicos que componen el mapa. En esta
línea de investigación en SERNAGEOMIN se han sehan
realizado avances conducentes a la optimización y
automatización de la construcción de simbología
representativa de yacimientos minerales.En este trabajo se
presenta tanto el algoritmo como especificaciones de una
aplicación desarrollada para cumplir esta función en la
plataforma ARCGIS 10.x, así como las ventajas y
limitaciones asociadas a la misma.
Palabras Claves: Yacimientos Minerales, Automatización y
Construcción Símbolos
1 Introducción
La construcción de cualquier mapa temático dentro de las
diversas disciplinas de la geología debe involucrar el
concepto de la representatividad gráfica de información, ya
que la contextualización espacial de la misma es uno de los
fundamentos de muchas de las interpretaciones obtenidas a
partir de los mapas. En esta línea de investigación, la
Unidad de Recursos Minerales y el Departamento de
Geología Regional del SERNAGEOMIN han realizado
avances conducentes a la automatización de la
construcción de simbología representativa de información
puntual; específicamente, de ciertos atributos geológicos
relacionados a yacimientos minerales. Como antecedente
previo, puede ser consultado el trabajo de Morales et al.
(2009), en lo que refiere a la solución de un caso base
dentro de ambiente GIS (por medio de programación en
lenguaje VB6 y ArcObject), y un problema similar ya
había sido abordado por geólogos del Departamento de
Geología Económica en base a un script desarrollado
dentro del programa MAPINFO.
En este trabajo se presenta tanto la generalización del
algoritmoutilizado para la construcción de símbolos de
yacimientos minerales, la estructura de BD a partir de la
cual se generan los mismos, problemas intrínsecos
942
detectados en el proceso de desarrollo del script y
especificaciones, así como ciertas consideraciones respecto
a ventajas y limitaciones de la automatización del proceso
descrito.
2 Personalización de la aplicación
2.1 Trabajo previo
Apuntando a una solución efectiva del problema de
automatización y construcción de los símbolos utilizados
en los diferentes mapas metalogénicos generados por el
SERNAGEOMIN, se realizó un estudio de la estructura de
4 BD’s antiguas de consulta frecuente en el ámbito de
exploración geológico minera en la institución: Ulriksen
(1990), Boric (1990), Ordoñez & Rivera (2004) y Vivallo
(1990); y a compilaciones de yacimientos actualizadas,
como la que mantiene el portal SIGEO y el Sistema de
Información de Yacimientos Minerales (SIA
YACIMIENTOS) en proceso por la Unidad de Recursos
Minerales. Lo anterior permitió (a) Determinar si la
estructura propuesta por Morales et al. (2009) destinada a
programación puede ser considerada un sub-conjunto de
las “estructuras madre” de cada una de las BD’s
consultadas. (b) Definir las modificaciones de estructura
que debían sufrir éstas para la aplicación del script de
forma estandarizada. (c) Completar las listas de términos
validos que controlan los atributos de un símbolo
representativo para un yacimiento, enfocado directamente
a lo que refiere a programación; y (d) Analizar la
pertinencia de la aplicación de una leyenda específica
representativa de todas las BD’s consultadas.
2.2 Estructura de la BD
Dentro de su definición, la estructura de la BD debe contar,
a lo menos, con información que permita generar un
equivalente a los siguientes campos: (i) FID: Código único
para la ocurrencia minera; (ii) Nombre de la ocurrencia
minera; (iii) Coordenadas X e Y: En UTM o DDG; (iv)
FORMA del yacimiento (ver discusiones, este trabajo); (v)
TAMAÑO del yacimiento; (vi) mena PPAL1, como Un ejemplo de lo anterior es la introducción de objetos,
mínimo; (vii) mena PPAL2 y/o(viii) mena PPAL3 y/o (ix) como la clase denominada ISimpleMarkerSymbol
mena SUB1 y/o(x) mena SUB2; y (x) AZIMUT: ya que (http://resources.esri.com/), en aquellos casos donde el
para esta aplicación se incluyó código que a través de este atributo FORMA no es especificada en la BD a simbolizar.
campo permite rotar ciertos símbolos. Para la introducción de nuevo código, podemos señalar la
condicionalidad de la propiedad de ángulo (.angle)en
2.3 Algoritmo y especificaciones función del azimutpara la clase
IMultiLayerMarkerSymbol. Las propiedades de
El algoritmo aquí presentado se basa en aquel desarrollado construcción de este símbolo son controladas por la
por Morales et al. (2009), agregándose nuevas estructura y normalización de la BD confeccionada para
funcionalidades al “casobase” para la adaptabilidad a este fin, según el siguente código fuente.
escenarios diferentes, en función de la lista de términos
para cada atributo derivada desde este trabajo (Tabla 1), y Dim pSimboloCompuesto As IMultiLayerMarkerSymbol
que se basa en una estructura de base de datos Set pSimboloCompuesto = New MultiLayerMarkerSymbol
parcialmente normalizada.
Se “apilan”, de forma condicional, los caracteres asignados
en función de los datos. En este caso, fueron creados y
recopilados en una fuente (font) única, dirigida a la
Tabla1.Listas de atributos que controlan la contrucción de un programación.
símbolo para la aplicación aquí presentada.
pSimboloCompuesto.AddLayer CapaSímbolo1
pSimboloCompuesto.AddLayer CapaSímbolo2
CAMPO TERMINOS VALIDADOS
… …
FORMA Sin Antecedentes pSimboloCompuesto.AddLayer CapaSímboloN
Otro
No Determinado La asignación de ángulo depende de la [forma] del
Vetiforme yacimiento
Estratiforme
Lenticular pSimboloCompuesto.Angle = [Azimut variable]
Irregular, Bolson
Stockwork, Porfido así como las consideraciones de tamaño:
Chimenea de Brecha
Vetiforme, Irregular pSimboloCompuesto.size = [Tamaño]
Vetiforme, Chimenea de Brecha
pSimboloCompuesto.XOffset = 0
Estratiforme, Irregular
pSimboloCompuesto.YOffset = 0
Estratiforme, Chimenea de Brecha (Alejamiento de símbolo respecto del punto representado)
Estratiforme, Vetiforme
TAMAÑO Sin Antecedentes Finalmente, el resultado es “cercano” a las leyendas
No Determinado correspondientes a los mapas utilizados como referencia
Muy Pequeño para la generación del script.
Pequeño
Mediano
Grande
3 Aplicaciones
Muy Grande
Mena Cu
Teniendo en cuenta el periodo de “ensayo-error” y
[PPAL1, Au
modificaciones que ha ido sufriendo el script, ésta ha sido
PPAL2, Ag
utilizada preferentemente en el Departamento de Geología
SUB1, Fe
Regional y Unidad de Recursos Minerales del
SUB2] Mn
SERNAGEOMIN. Su aplicación ha permitido identificar
Mo
visualmente en los mapas los distritos mineros y
Ni,Co
delimitarlos geológico-espacialmente, así como catalogar
Zn,Pb
información antigua de ocurrencias mineras. Por lo tanto,
Sb,Hg,Sn
constituye una herramienta dirigida a interpretaciones
S
metalogenéticas en función de un contexto geotectónico
U
determinado, como lo es el caso de las cartas 1:100.000, en
W
elaboración por el Plan Nacional de Geología.
AZIMUT 0 a 360 (número entero)

943
4 Discusión: Ventajas y Limitaciones
Uno de los temas sensibles dentro de la confección de un
mapa geológico son sus tiempos de elaboración. Una
aplicación que permita generar símbolos de forma
automática facilita esta tarea, si bien el algoritmo con el
que se construya no sea óptimo. En este contexto cabe
considerar 2 tópicos: (1) Un algoritmo óptimo para este
fin, que ocupe menos tiempo, consistiría en aquel que
logre identificar y agrupar todos los datos que tengan los
mismo atributos y los simbolice de manera conjunta, lo
que en este caso no ocurre, ya que en esta aplicación se
crea el símbolo para un dato a la vez. A pesar de esto, para
simbolizar una BD de 1600 datos demora
aproximadamente 15-30 segundos, lo que es despreciable
respecto a la asignación manual en base a categorías
combinadas (Morales et al, 2009). (2) Un segundo tópico
se relaciona a la especificidad del algoritmo en base a la
plataforma a partir de la cual se trabaja. En efecto, la
solución previa del problema dentro del software
MAPINFO 6 implementada en el departamento de
Geología Económica (actual Unidad de Recursos
Minerales) no fue posible incorporarla en versiones
actualizadas del programa ni en ARCMAP 9.x, dada su
construcción. Para la versión 10.x de este software aún
existe la posibilidad de instalar una versión del editor
Visual Basic a pedido (soporte.esri.com), lenguaje en el
cual está escrita la aplicación aquí mostrada, pero bajo la
advertencia de que a futuro los desarrolladores deberán
migrar sus personalizaciones a lenguaje Python. Por ende,
el detalle y respaldo de cada uno de los algoritmos
estructurados para generar símbolos es fundamental para
su reformulación y reproducibilidad en el tiempo.
La presentación espacial de los atributos relacionados a
yacimientos minerales, se estandariza por medio de una
aplicación de este tipo. Esto permite trabajar a partir de
diversas fuentes de información, por medio de un análisis
conjunto, para sustentar interpretaciones metalogenéticas a
diferentes escalas. De lo anterior, y a partir de la
información extraída a partir de todas aquellas BDs
consultadas, se concluyó la importancia de la construcción
de una estructura base y listas de términos válidos dirigidas
hacia la programación, con una metadata que señale y
resuma qué información comprende cierto atributo
específico. Esto se visualizó a partir del análisis del campo
FORMA de un yacimiento, ya que en las bases de datos
consideradas para este trabajo (seminormalizadas) en esta
categoría se encontró información referida tanto a
944
geometría espacial de un cuerpo mineralizado, como a
textura de la mineralización o modelo de yacimiento. En
este sentido es imprescindible el trabajo realizado por la
Unidad de Recursos Minerales como comité editor en lo
que refiere al SIA de Yacimientos, donde estos temas
tendrán una solución más consensuada y normalizada.
Por lo tanto, en la medida en que se utilicen campos de
atributos especialmente organizados y normalizados para
asignar el símbolo, entonces las subrutinas que permiten la
automatización serán más simples y de ejecución más
rápida.
Agradecimientos
Esta contribución fue patrocinada por la Subdirección
Nacional de Geología de SERNAGEOMIN, en el marco
del quehacer tanto de la Unidad de Recursos Minerales
como del Departamento de Geología Regional. Se
agradece entonces, a los Sres. Waldo Vivallo, Rodrigo
Carrasco, Manuel Suarez, Felipe Espinoza y Jorge Muñoz
por la disponibilidad de tiempo y recursos concedidos para
el mismo.
Referencias
Boric, R., Díaz, F. y Maksaev, V. 1990. Geología y Yacimientos
Metalíferos de la Región de Antofagasta, Norte de Chile. Boletín
n. 40, Servicio Nacional de Geología y Minería de Chile, 246 p.,
2 mapas. Santiago
Morales, V., Astudillo, N., Muñoz, V. 2009. Construcción de
simbologías complejas representativas para yacimientos
metalíferos por medio de programación basada en ArcObjects.
XII Chilean Geological Congress, Santiago. Extended abstract.
Ordoñez, A., Rivera, G. 2004. Mapa Metalogénico de la I Región de
Tarapacá. Geodatos Ltda. - Servicio Nacional de Geología y
Minería, 2 Vols., 3 mapas escala 1:500.000. Santiago.
Ulriksen, C. 1990. Mapa metalogénico de Chile entre los 18º y 34ºS,
escala 1:1.000.000. Boletín n.42, Servicio Nacional de Geología
y Minería de Chile, 26 p. 3 mapas. Santiago
Vivallo S., W., Díaz, A., Jorquera, R. 2008. Yacimientos metalíferos
de la región de Atacama, Escala 1:500.000. Servicio Nacional de
Geología y Minería, Carta Geológica de Chile, Serie Recursos
Minerales y Energéticos (n.27): 151 p. 1 mapa. Santiago.
Control de Calidad de Datos Geográficos, del Sistema de
Información de Yacimientos Minerales de Chile
Gilma Yane Pantoja*, Vlamir Muñoz, Miriella Ulloa, Ramón Moscoso y Victor Javier Morales
Unidad de Recursos Minerales. SERNAGEOMIN. Avda Santa María 0104, Providencia, Chile
*E-mail: gilma.pantoja@sernageomin.cl
Resumen. Como parte del procesamiento de datos
para poblar el Sistema de Información de Yacimientos
Minerales de Chile, se establecieron diversos controles
de calidad, siendo uno de ellos el orientado al
mejoramiento de las coordenadas de la posición
geográfica de los yacimientos. Se definió una
metodología, en plataforma GIS, orientada a detectar
aquellos yacimientos, cuya calidad de datos geográficos
no era aceptable, para luego relocalizarlos asignándoles
nuevas coordenadas. La metodología incluyó el uso de
diversas capas geográficas y la aplicación de
herramientas de geoprocesamiento. Una vez ejecutado el
control y detectados los yacimientos a relocalizar se
procedió a la actualización de sus datos de
posicionamiento geográfico x, y, z, pudiendo asignarles
además un error menor que el original. Además se está
automatizando la metodología de trabajo para optimizar y
agilizar la identificación de los yacimientos a relocalizar.
Palabras Claves: Base de Datos, Yacimientos, GIS
1 Introducción
La localización y distribución espacial de los depósitos
minerales son parámetros fundamentales para la Base de
Datos de Yacimientos Minerales de Chile desarrollada
por la Unidad de Recursos Minerales de
SERNAGEOMIN (Ulloa. M at al, 2012). En el control
de calidad de sus datos geográficos se han definido
metodologías, en plataforma GIS, que han permitido
identificar los yacimientos cuyas coordenadas requieren
relocalización, para luego proceder a su reubicación
espacial. En estos análisis se ha incorporado información
espacial vector y raster que ha permitido el control de
calidad geográfica y las relocalizaciones posteriores.
2 Datos Geográficos de los Yacimientos
La información original de los datos de ubicación
espacial de los yacimientos almacenados en la BD se
caracteriza por estar en coordenadas cartesianas y
geográficas en diferentes sistemas de proyección.
Además proviene de diferentes fuentes y escalas, tales
como bases de datos previas, informes inéditos,
publicaciones, tablas, mapas análogos y digitales e
información capturada en terreno por GPS. Entre los
atributos geográficos originales de los datos procesados
se contó habitualmente con Región, Provincia, Comuna,
Código de Carta IGM a Escala, 1:50.000, y Cota todos
945
correspondientes a campos del Sistema. Ésta información
fue analizada, estructurada, estandarizada y normalizada.
Las coordenadas fueron transformadas a los sistemas de
coordenadas del Sistema de Información de Yacimientos
Minerales de Chile (UTM19S y WGS84). Se estimó el
error de la georreferenciación original, el cual varió entre
25 y 500 metros como error máximo aceptable.
Posteriormente al procesamiento se aplicó el Control de
Calidad Geográfico para identificar aquellos yacimientos
que requerían ser reubicados, para luego asignarle nuevas
coordenadas. Así los datos cargados en el Sistema de
Información de Yacimientos Minerales contienen un
error, en su georreferenciación, variable entre 25 y 500
metros, lo que dependió de la fuente, la escala original, el
control de calidad y la relocalización realizada. Los
atributos geográficos ya mencionados fueron
actualizados, a partir de la coordenada finalmente
asignada al yacimiento. En algunos casos también se
actualizó la Cota.
Quedaron fuera de carga al Sistema, para un proceso
posterior, aquellos yacimientos donde el error en la
ubicación (x, y) fue superior a 500 metros, o que no
tenían asignadas coordenadas, ni referencias específicas
de su ubicación y donde no fue posible relocalizar el
yacimiento, con trabajo en gabinete, de manera confiable.
3 Metodología para el Control de Calidad
Considerando las coordenadas originales de los
yacimientos se realizaron chequeos, con respecto a
diversas capas geográficas, para verificar su consistencia
con los atributos geográficos originales; se analizó,
además, si la intersección con otros objetos geográficos
era aceptable conceptualmente.
El primer paso del control de calidad consistió en la
incorporación, en la tabla de datos de yacimientos, de los
siguientes campos: a) campos de control para diferentes
capas geográficas; b) un campo de control Clasificación
Localización para la calidad de la ubicación; c) campos
para asignar nuevas coordenadas, el método de
relocalización y el error final asociado (Figura 1).
Se utilizó como referencia, para análisis espacial, las
siguientes coberturas geográficas: a) división política
administrativa de región, provincias y comunas, provistas
por IGM a escala 1:50000; b) grilla de cartas IGM
provistas por IGM escala 1:50000; c) polígonos de las
áreas urbanas y cuerpos de agua del SIIT-BCN a escala
1:100.000; d) modelo digital de elevación SRTM
provisto por la NASA.
Para la detección de yacimientos con problemas en su
ubicación, se trabajó en base a conceptos como distancia,
área y superposición de atributos. La metodología
definida se enfocó en el uso de las siguientes
herramientas de geoprocesamiento: a) creación de
elementos puntuales; b) creación de áreas de influencia
(buffer); c) análisis de proximidad por intersección
espacial (spatial join) d) asignación de clasificación en
los campos de control creados para cada capa, en base al
resultado del análisis espacial; e) clasificación de los
yacimientos según lo indicado en los campos de control
asignándoles alguna de las siguientes categorías: Se
Conserva, Relocalizar o Relocalización posterior
(Figura 1). Esta metodología permitió la selección de los
yacimientos cuyas coordenadas requerían ser corregidas.
Este análisis consideró también el Tipo de Recurso.
3.1 Control de Calidad respecto de la División
Político Administrativa y Grilla de Cartas IGM
Al desplegar los yacimientos, en ambiente GIS y utilizar
las herramientas de geoprocesamiento, fue posible
verificar si éstos quedaban dentro o fuera de la división
política administrativa o del área de la carta IGM
atributadas originalmente en la información fuente. Para
ello, se hizo un cruce con la capa cartográfica de la
Comuna y por medio de un proceso de intersección de
localización, se seleccionaron de la comuna atributada
aquellos que por sus coordenadas se ubicaban dentro o
fuera del límite administrativo de la misma y por ende se
asignó en el campo de control Cruce Límite Comuna la
clasificación: a) Dentro del Perímetro en los casos en
que el yacimiento estaba dentro de la Comuna y b) Por
fuera del Límite cuando estaba fuera de la Comuna.
Además, por medio de la aplicación de buffers en torno
al límite comunal, se determinó aquellos casos que
estaba: Por fuera del Límite y a más de 500 metros del
límite comunal. En base al análisis hecho, en el campo de
control Clasificación Localización se asignó una de las
siguientes clasificaciones: a) Se Conserva para los casos
Dentro del Perímetro; b) Relocalizar para los casos Por
fuera del Límite y que estaban a menos de 500 metros
del límite comunal c) Relocalización posterior para los
casos Por fuera del Límite y que estaban a más de 500
metros del límite comunal. Así, la primera prioridad para
la reubicación eran los casos de Relocalización y la
segunda era Relocalización posterior (Figura 1). Un
método similar se utilizó para chequear la ubicación con
respecto a la grilla de Cartas IGM a Escala 1:50.000.
Finalmente, una vez relocalizado el yacimiento, los
campos de Provincia y Región fueron reasignados según
la Comuna correspondiente y las coordenadas asignadas
al yacimiento. También la Carta IGM fue reasignada
según las coordenadas finales del yacimiento.
946
3.2 Cruce con Cuerpos de Agua
Los puntos de los yacimientos que se encontraron dentro
de los polígonos de cuerpos de agua, se clasificaron como
Dentro de Cuerpo Agua, en el campo de control Cruce
Cuerpo de Agua. Luego se clasificaron como para
Relocalizar en el campo de control Clasificación
Localización (Figura 1). Sin embargo para los
yacimientos de Rocas y Minerales Industriales (RMI)
tales como los relacionados a Caliche, Carbonatos de
Calcio, Compuestos de Boro, de Litio, de Potasio o de
Sodio, fue necesario un segundo chequeo verificando si
el yacimiento se encontraba dentro del polígono de un
cuerpo de agua tipo Salar, lo cual es posible dado que en
los salares se encuentran esos recursos específicos de
RMI.
3.3 Cruce con Áreas Urbanas
Los puntos de los yacimientos que se encontraban dentro
de los polígonos, de las áreas urbanas, se clasificaron
como Dentro de Área Urbana en el campo de control
Cruce Área Urbana. Luego se clasificaron como para
Reubicación en el campo de control Clasificación
Localización. Sin embargo para los yacimientos de
Rocas y Minerales Industriales (RMI) tales como
Áridos, Arcillas o Rocas Ornamentales, fue necesario un
segundo chequeo verificando si el yacimiento
efectivamente se encontraba dentro del polígono del área
urbana, lo cual es posible cuando el límite del área
urbana ha crecido encerrando el yacimiento.
3.4 Verificación y Generación de Cota
La cota (z) complementa la localización de un yacimiento
(x, y), pues es parte de la ubicación geográfica y también
permite poner a revisión las coordenadas con las que
cuenta. Se cruzaron los yacimientos con datos de cota en
imágenes satelitales y con el modelo digital de terreno
SRTM provisto por la NASA, lo que permitió generar un
campo de Cota Calculada, que fue comparada con el
dato original, para identificar aquellos registros que
excedían una diferencia aceptable, y por lo tanto esos
registros fueron clasificados como Relocalizar. También,
considerando el error asignado a las coordenadas (x, y),
se generó un área de influencia (buffer) en torno a los
puntos de los yacimientos, con el fin de extraer los datos
de cota máxima y mínima a partir de las capas raster.
Entonces, en la base de datos se dispuso del campo Cota
Original y los campos de control: Cota Calculada
Puntual, Cota Calculada Máxima y Cota Calculada
Mínima; los cuales se compararon con la Cota Original a
fin de clasificar los registros para Relocalización.
4 Relocalización del Yacimiento
A los registros clasificados para Relocalización se les
asignó nuevas coordenadas, con apoyo de toda la
información disponible en el registro, más el apoyo de
imágenes satelitales de Google Earth, que según diversos
análisis contienen un error de georreferenciación de 25
metros. Para ello fue de gran utilidad el software
Arc2Earth que permite la sincronización entre ArcMap y
Google Earth. En Google Earth fue posible reconocer
visualmente las faenas mineras y poder asignar los datos
de coordendas (x,y) y cota (z).
Figura 1. Control de Calidad Geográfico. En la tabla de datos
de Yacimientos se tienen los campos Nombre Yacimiento,
Latitud Sur y Longitud Oeste. Además se agregaron los
siguientes campos de control: a) Cruce Comuna: los registros
se clasificaron como Dentro del Perímetro cuando la comuna
los contenía, o Por fuera del límite cuando los yacimientos no
estaban contenidos en la comuna a pesar de tenerla asignada en
sus atributos; b) Cruce Cuerpos de Agua: los registros se
clasificaron como Dentro del Cuerpo de Agua cuando los
yacimientos intersectan los polígonos de los cuerpos de agua; c)
Clasificación Localización: los registros se clasificaron en Se
Conserva cuando los yacimientos estaban clasificados como
Dentro del Perímetro y no habían otras indicaciones de un
problema en su localización y por lo tanto sus coordenadas se
mantuvieron, en Relocalizar cuando los Yacimientos fueron
clasificados como Por Fuera del Límite y/o Dentro del Cuerpo
de Agua, en Relocalización Posterior cuando los yacimientos
estaban clasificados como Por fuera del Límite y se localizaban
a más de 500 metros del límite comunal, lo que se grafica aquí
con un buffer. En la Tabla se destacan en color cyan los
registros clasificados como Relocalización y Relocalización
posterior.
5 Automatización del Control de Calidad
La automatización de los controles de calidad, en
plataforma ArcMap, se ha enfocado en programar vía
ModelBuilder, las metodologías descritas para usar las
herramientas de geoprocesamiento ya mencionadas,
como creación de elementos puntuales, áreas de
influencia (buffer), e intersección espacial (spatial join),
para asignar las clasificaciones en los campos de control.
947
6 Conclusiones
La metodología definida, incluyó el conjunto de
herramientas necesarias de geoprocesamiento para la
toma de decisiones, en la identificación, clasificación y
reubicación de los yacimientos. Este tipo de chequeos
permitió detectar y corregir errores en las coordenadas
originales, producto de asignaciones erróneas del sistema
de proyección en el GPS, de la escala original y de
digitación en el ingreso de datos a las tablas de proceso.
La información geográfica utilizada dentro del proceso
de valoración del registro, proporcionada tanto por el
IGM como el SIIT de BCN, fue necesaria y suficiente
para el alcance propuesto. Sin embargo, en los atributos
de los elementos espaciales de la cartografía temática de
IGM, la toponimia y los objetos geográficos asociados,
no están en una sola capa, lo cual no fue óptimo para los
objetivos de este trabajo. Además la atributación de los
puntos Mina, de la cobertura de Industria del IGM,
corresponde en realidad a diferentes tipos de
instalaciones mineras como mina, planta o tranque de
relave, por lo que esta ambigüedad en la atributación de
dicha capa, no permitió usarla de manera óptima para los
controles de calidad.
Si en la BD de yacimientos se incorporasen los campos
necesarios para el ingreso, en terreno, de datos como
toponimia, nombre de localidades cercanas, y propiedad
minera, entonces la metodología definida podría
extenderse a cruces de éstos datos con otras capas de
información. Esto potenciaría los controles de calidad
masivos y facilitaría el mejoramiento de las coordenadas
de los yacimientos.
La automatización de estos procesos facilita los controles
de calidad geográficos y optimiza el tiempo de
clasificación de los registros a Relocalizar.
Agradecimientos
Este trabajo se desarrolló como parte del proyecto
INNOVA-CORFO (07CN13IMM-87) denominado
“Información Geocientífica para el Fomento de la
Exploración Minera en Chile”. Este trabajo cuenta con el
patrocinio de la Subdirección Nacional de Geología de
SERNAGEOMIN.
Referencias
Ulloa, M.; Muñoz, V.; Pantoja, G. Y.; Moscoso, R.; Muñoz, N.;
Astudillo, N.; Morales, V.J., Vega, N. 2012. Características
Principales de la Base de Datos de Yacimientos Minerales de
Chile. In Congreso Geológico Chileno, N°13, Santiago, 5-9,
Agosto, 2012.
Metodología preliminar para la estimación de la
composición modal de rocas a partir del análisis
computacional de imágenes de láminas transparentes:
Aplicación en peridotitas de Chile Chico
1 2
Manuel Schilling *, Manuel Vásquez ,
1
Servicio Nacional de Geología y Minería, Av. Santa María 0104, Providencia, Santiago, Chile
2
Departmento de Geología, Universidad de Chile, Plaza Ercilla 803, Santiago, Chile
* E-mail: manuel.schilling@sernageomin.cl
Resumen. Se ha realizado una estimación de la
composición modal de 6 xenolitos mantélicos encontrados
en Chile Chico, mediante una metodología basada en el
análisis de imágenes de las láminas delgadas usando el
programa ENVI, creado para el análisis y procesamiento
de imágenes (Figura 1). Específicamente, se utilizó la
función Super Vector Machine (SVM) del programa, la cual
requiere que se indiquen áreas de interés a ser
identificadas. Como resultado, el programa hace un mapa
de los distintos minerales y zonas de fracturas
identificadas, y entrega las estadísticas con la cantidad de
puntos y porcentajes de cada mineral, con lo que se puede
calcular la composición modal de cada xenolito. Se
comparan los resultados con las estimaciones de la
composición modal calculados mediante un balance de
masas usando el método de mínimos cuadrados y la
composición química mineral y de roca total. Existe una
buena correlación entre los resultados entregados por el
programa ENVI y los cálculos realizados a partir de la
composición química de los xenolitos. Esto abre la
posibilidad de utilizar esta nueva metodología para la
caracterización petrográfica de xenolitos mantélicos, la cual
también podría ser utilizar en otros tipos de rocas.
Palabras Claves: Estimación composición modal, ENVI
1 Introducción
Se ha realizado una caracterización petrográfica de 6
xenolitos mantélicos encontrados en Chile Chico,
mediante una metodología basada en el análisis de
imágenes de las láminas delgadas usando el programa
ENVI, creado para el análisis y procesamiento de
imágenes (Figura 1). Específicamente, se utilizó la
función Super Vector Machine (SVM) del programa, la
cual requiere que se indiquen áreas de interés a ser
identificadas, lo cual se hace a través de la selección de
polígonos representativos de cada fase mineral. Además,
se le pide al programa que identifique las zonas de
fracturas o venillas de serpentina, que son relativamente
abundantes en las láminas estudiadas. Como resultado, el
programa hace un mapa de los distintos minerales y zonas
de fracturas identificadas, y entrega las estadísticas con la
cantidad de puntos y porcentajes de cada mineral, con lo
948
que se puede calcular la composición modal de cada
xenolito (Tabla 1: SVM). La razón para probar la
factibilidad de usar este programa en el análisis
petrográfico, es que para 5 de estas 6 muestras, se
disponen actualmente de análisis químicos de elementos
mayores de roca total (Tabla 2), y en las distintas fases
minerales (Tabla 3), lo cual permite calcular la
composición modal mediante un balance de masas usando
el método de mínimos cuadrados (Tabla 1: Química). A
partir de este primer análisis, se pudo comprobar que
existe una buena correlación entre los resultados
entregados por el programa ENVI y los cálculos
realizados a partir de la composición química de los
xenolitos. Esto debe ser analizado con mayor detalle, pero
aparentemente abre la posibilidad de utilizar esta nueva
metodología para la caracterización petrográfica de
xenolitos mantélicos, la cual también podría ser utilizar en
otros tipos de rocas.
2 Resultados
A partir de un análisis preliminar de los resultados, se
puede reconocer que el método SVM estima
concentraciones ligeramente mayores de espinela que
mediante el método basado en la composición química, lo
que puede ser consecuencia de que varias fracturas
presentan colores muy oscuros que confunden al programa.
Además, el programa parece sobrestimar los contenidos de
ortopiroxeno y subestimar los de olivino, aparentemente
como consecuencia de que las fracturas en olivinos tienen
colores similares a los ortopiroxenos. Pese a que las
estimaciones de la proporción de clinopiroxeno tienen
diferencias de hasta un 40%, es posible discriminar entre
lherzolitas y harzburgitas (más o menos 5% de
clinopiroxeno respectivamente), usando el programa
cuando no se cuenta con datos químicos, como es el caso
de la harzburgita PM26-8.
Figura 2. Figura 1. a) Imagen de lámina delgada obtenida directamente de escaner Epson, adaptado para diapositivas; b) Preparación de
la imagen para seleccionar el área a ser analizada; c) Selección de las regiones de interés (ROI) a ser usadas por el software (olivino en
amarillo; ortopiroxeno en rojo; clinopiroxeno en verde; espinela en negro; fracturas en celeste; y fondo púrpura); d) resultados obtenidos
utilizando la herramienta Super Vector Machine, a partir de la cual se calcula la composición modal presentada en la Tabla 1 (SVM).

949
Tabla 2. Comparación entre las estimaciones de la composición modal de xenolitos de Chile Chilco, obtenidas a partir del programa
ENVI (SVM), y las estimaciones realizadas mediante un balance de masas usando el método de mínimos cuadrados.

PM26-4 PM26-5 PM26-8 PM26-16 PM26-22 PM26-24

Mineral SVM Química SVM Química SVM Química SVM Química SVM Química SVM Química
Olv 66,4 68,2 57,7 64,5 73,1 - 42,1 58,8 54,4 58,9 55,9 67,5
Opx 19,6 20,4 34,0 28,8 22,4 - 38,6 26,7 33,1 25,0 28,0 18,9
Cpx 11,5 10,1 5,1 5,5 2,4 - 15,8 12,2 9,7 13,6 13,8 11,5
Sp 2,5 1,3 3,3 1,1 2,0 - 3,5 2,2 2,8 2,4 2,2 2,0
Fracturas 48,1 43,2 42,3 40,5 37,1 41,2

950
Agrupamiento de datos geoquímicos utilizando hormigas
artificiales.
Juan Pablo Lacassie
Servicio Nacional de Geología y Minería, Av. Santa María 0104, Providencia, Santiago, Chile.
Javier Ruiz del Solar
Advanced Mining Technology Center (AMTC), Universidad de Chile), Av. Tupper 2007, Piso 3, Santiago, Chile.
* E-mail: jlacassie@sernageomin.cl
Resumen. En este trabajo se explora la posibilidad de
utilizar un reciente paradigma del área de la Inteligencia
Artificial, conocido como SWARM Intelligence, para
agrupar datos geoquímicos reales. Basado en este
paradigma, se han desarrollado dos algoritmos para
estudiar un set de datos que incluye análisis químicos
(elementos mayores) de rocas volcánicas de arcos de
islas. El primer algoritmo modela el comportamiento de una
colonia de termitas que recogen, transportan y depositan
chips en un área dada. El segundo algoritmo modela el
comportamiento de un sistema natural en el que los
organismos buscan establecer colonias o vecindarios con
su misma especie. Cuando el set de datos se restringe a
datos químicos de basaltos y riolitas, ambos algoritmos
muestran resultados satisfactorios ya que generan grupos
claramente diferenciados. Cuando el set de datos también
incluye datos de rocas geoquímicamente intermedias
(andesitas y dacitas), para ambos algoritmos el resultado
es un único grupo con una morfología alargada.
Interesantemente este grupo alargado presenta un orden
que emula la variación geoquímica esperada del set de
datos: un extremo que agrupa exclusivamente basaltos,
pasando a un sector dominado por andesitas, después
dacitas, para llegar al otro extremo dominado por riolitas.
Palabras Claves: Swarm intelligence, geoquímica, data
mining, sistemas auto-organizativos descentralizados.
1 Introducción
Los sistemas auto-organizativos descentralizados basados
en sistemas biológicos reales, conocidos como Swarm
Intelligence, corresponden a un paradigma emergente de la
Inteligencia Artificial. Este paradigma está basado en el
estudio del comportamiento emergente de sistemas
naturales descentralizados y que se auto-organizan (Handl
y Meyer, 2007). El sistema natural comúnmente aludido
corresponde a las colonias de hormigas. Estas presentan
una serie de comportamientos descentralizados y auto-
organizativos tanto en sus actividades de recolección de
alimento (foraging; Dorigo y Stützle, 2004) como en
actividades de selección y formación de grupos (Bonabeau
et al., 1999). Para efectos de tareas de agrupamiento de
datos, aquellos algoritmos que simulan más directamente
estos sistemas naturales, se conocen como ant-based
clustering. Existe también un segundo tipo de algoritmo
que, si bien no está estrictamente ligado al comportamiento
951
de las colonias de hormigas, se basa en conceptos similares
de descentralización y auto-organización. Este último tipo
de algoritmo se conoce como swarm-clustering (Handl y
Meyer, 2007). En este trabajo se proponen dos algoritmos,
del tipo ant-clustering y swarm-clustering respectivamente,
para agrupar datos geoquímicos de rocas volcánicas de
arcos de islas.
2 Metodología
2.1 Set de datos estudiado
El set de datos estudiado corresponde al mismo set de
datos analizado por redes neuronales artificiales por
Lacassie et al (2006), el cual fue extraído de la base de
datos de GEOROC, a través de su sitio web
(http://georoc.mpch-mainz.gwdg.de/georoc/). Los datos
incluyen análisis químicos de rocas volcánicas de los arcos
de islas Lau y Taupo (213 análisis) y de la zona volcánica
de Taupo (Nueva Zelandia; 312 análisis), clasificados
petrológicamente en basaltos (32%), andesitas (28%),
dacitas (15%) y riolitas (25%). Cada análisis incluye las
concentraciones de 10 óxidos mayores (SiO2, TiO2,
Al2O3, K2O, Na2O, CaO, FeOt, MgO, MnO y P2O5). Se
realizaron 2 experimentos utilizando selecciones aleatorias
a partir de este set de datos. Los datos de cada experimento
correspondieron a:
Experimento 1: Selección aleatoria de 100 datos de
basaltos y 100 de riolitas.
Experimento 2: Selección aleatoria de 50 datos de basaltos,
50 de andesitas, 50 de dacitas y 50 de riolitas.
La estructura de grupos asociados a los datos de cada
experimento fue estudiada utilizando dos algoritmos de
tipo swarm intelligence, generados utilizando el lenguaje y
ambiente del software Starlogo (Resnick, 1997). El primer
algoritmo, de nombre “termite-populations”, se basa en las
ideas del algoritmo “termites” (Resnick, 1997).
Básicamente el algoritmo simula el comportamiento de las
termitas cuando estas forman pilas de chips de maderas, lo
cual resulta de “tomar “un chip cuando la termita encuentra
uno, desplazarse y soltar el chip en forma adyacente a
cualquier pila o grupo de chips encontrada (Resnick,
1997). En más detalle el primer algoritmo aquí propuesto
corresponde a la siguiente descripción:
Algoritmo Termites-Populations:
1. Inicialización del mapa y de las termitas:
1.1. Se crean N muestras, cada una asociada con un
dato (análisis geoquímico) del experimento en
cuestión. Los N datos se distribuyen
aleatoriamente sobre un espacio bidimensional
virtual o mapa.
1.2. Se crean M agentes o “termitas” y se distribuyen
aleatoriamente sobre el mapa.
1.3. Fin de esta etapa.
2. Generación de poblaciones (populations):
2.1. Los M agentes se mueven aleatoriamente sobre el
mapa hasta que “encuentran” (su posición
coincide con) una muestra.
2.2. La termita que encuentra una muestra registra en
su memoria el vector químico de esta primera
muestra encontrada.
2.3. La termita “salta” (se desplaza a una posición
aleatoria en el mapa) y se detiene.
2.4. Fin de esta etapa cuando las M termitas, ya
sensibilizadas a un dato registrado en su memoria,
se detienen.
3. Formación de grupos:
3.1. Cada termita se desplaza por el mapa hasta que
encuentra una muestra.
3.2. Computa la distancia vectorial (euclidiana) entre
el vector químico de la muestra encontrada con el
vector químico registrado en su memoria.
3.3. Si la distancia vectorial es menor que β
(parámetro de sensibilidad predefinido), entonces
aleatoriamente toma la muestra y se convierte en
una termita con carga.
3.4. La termita con carga salta a una nueva posición
aleatoria sobre el mapa y vuelve a desplazarse
hasta encontrarse con una nueva muestra.
3.5. Computa la distancia vectorial (euclidiana) entre
el vector químico de la muestra encontrada con el
vector químico de la muestra que carga.
3.6. Si la distancia vectorial es menor que β, entonces
aleatoriamente suelta la muestra cargada en el
espacio libre del mapa más cercano a la muestra
encontrada. Luego salta y vuelve a 3.1.
3.7. Si la distancia vectorial es mayor que β, la termita
con carga continua desplazándose sobre el mapa
y vuelve a 3.1.
El segundo algoritmo, de nombre “Happy-neighbors”, se
basa en las ideas del algoritmo “Pond” (Resnick, 1997).
Concordantemente el algoritmo busca optimizar un
parámetro conocido como “felicidad” para cada agente. La
felicidad de cada agente depende de cuan parecidos sean
sus vecinos inmediatos en cualquier sector del mapa. En
detalle el algoritmo corresponde a la siguiente descripción:
Algoritmo Happy-neighbors:
1. Inicialización de los agentes:
1.1. Se crean N agentes, cada uno asociado a la
información de una de las N muestras del set de
datos. Los N agentes se distribuyen
952
aleatoriamente sobre un espacio bidimensional
virtual o mapa.
1.2. Fin de esta etapa.
2. Formación de vecindades:
2.1. Los N agentes se mueven aleatoriamente sobre el
mapa hasta que “encuentran” con otro agente o
con una vecindad (grupo de agentes inmóviles que
ocupan espacios contiguos en el mapa).
2.2. El agente computa su nivel de felicidad, es decir,
la distancia vectorial entre su dato asociado con el
dato del agente o de cada uno de los vecinos
(agentes inmóviles pertenecientes a la vecindad
encontrada).
2.3. Si su nivel de felicidad dado el agente encontrado
o el nivel de felicidad promedio dados los vecinos
encontrados es menor que β (parámetro de
sensibilidad predefinido), entonces el agente se
detiene y pasa a formar parte de la vecindad.
2.4. En caso contrario el agente continúa
desplazándose.
3. Chequeo de vecindad:
3.1. Si un nuevo agente pasa a ser parte de una
vecindad, cada vecino re-chequea su nivel de
felicidad. Si su nivel de felicidad es menor que
β, entonces el agente continua formando parte
de la vecindad. En caso contrario se desplaza
hasta encontrar otra vecindad.
Tanto la etapa “Formación de vecindades” como “Chequeo
de vecindad” corresponden a algoritmos que están
continuamente y simultáneamente activos.
3 Resultados y discusión
Pese a que ambos algoritmos no presentan un claro criterio
de detención, luego de cierto número de iteraciones ambos
convergen a soluciones coincidentes con estados semi-
estables, tanto para el experimento 1 como para el 2.
En particular, para el Experimento 1, cuyos datos están
constituidos por una selección aleatoria de 100 datos de
basaltos y 100 de riolitas, ambos algoritmos convergen a
estados semi-estables coincidentes con 2 grupos bien
definidos (Figura 1A y 1B). En el caso del algoritmo
Termites-Populations, cada grupo está constituido casi en
su totalidad por muestras de la misma clase (grupos de
basaltos y riolitas respectivamente con ún 95% y 98% de
muestras bien agrupadas o clasificada; Figura 1A). En
contraste, en el caso del algoritmo Happy-neighbors, tanto
el grupo de riolitas como el de basaltos, está constituido en
un 100% con muestras bien clasificadas, presentando
bordes marcadamente regulares y con una clara separación
o frontera de decisión entre grupos (Figura 1B).
Los resultados del Experimento 2, constituido por una
selección aleatoria de 50 datos de basaltos, 50 de andesitas,
50 de dacitas y 50 de riolitas, son muy distintos respecto
del Experimento 1. Para ambos algoritmos el estado de agradecimientos a Felipe Astudillo por las fructíferas
convergencia corresponde a un grupo alargado een cuyos discusiones e ideas.
extremos se agrupan basaltos y riolitas, y cuyos centros
están formados por una mezcla de datos de andesitas y
dacitas. Se estima que este resultado refleja la continuidad Referencias
química de las muestras del experimento, con las muestras
más disímiles (basaltos
altos y riolitas) ubicadas en los extremos Bonabeau, E., Dorigo, M.,, & Theraulaz, G., 1999. 1999 Swarm
intelligence—from
from natural to artificial systems. Oxford: Oxford
y las muestras de composición intermedia (andesitas y University Press.
dacitas) en la zona intermedia (Figuras 1C y 1D).
Dorigo M. and Stützle, T., 2004. Ant Colony Optimization.
Optimization MIT
4 Conclusiones Press, Cambridge, MA.

Handl, J. and Meyer, B., 2007.. Ant-based

Ant and swarm-based
La aplicación de los algoritmos de swarmswarm-intelligence clustering. Swarm Intelligence 1(1): 95-113
95
propuestos indican que constituyen herramientas que
efectivamente logran agrupar datos geoquímicos. Estos Lacassie, J P, Ruiz del Solar, J, Roser, BP, Hervé, F.,
F. 2006.
resultados constituyen un avance preliminar aunque Visualization of volcanic rock geochemical data and
promisorio en cuanto a la aplicación de swarm
swarm-intelligence classification with artificial neural networks. Mathematical
Geology 3:697–710.
en ciencias de la tierra.
Resnick, M., 1997. Turtles, Termites, and Traffic Jams: Explorations
Agradecimientos in Massively Parallel Microworlds (Complex Adaptive Systems).
MIT Press, Masachussets.
Esta contribución
ión fue patrocinada por la Subdirección
Nacional de Geología de SERNAGEOMIN. Especiales

Figura 1. Grupos resultantes de la aplicación del algoritmo Termite

Termite-populations sobre los experimentos 1 (A) y 2 (C) y del
algoritmo Happy-neighbors sobre los experimentos 1 (B) y 2 (D).

953
Metodologías computacionales de restitución geométrica
de cuerpos geológicos para evaluación de yacimientos
Alvaro Egaña*, Julián M. Ortiz
Laboratorio ALGES, Advanced Mining Technology Center (AMTC), Universidad de Chile, Av. Tupper 2069, Santiago, Chile
Departamento de Ingeniería de Minas, Universidad de Chile, Av. Tupper 2069, Santiago, Chile
* email: aegana@ing.uchile.cl
Resumen. La estimación de recursos requiere inferir la
continuidad espacial de las variables de interés, tales como
leyes de elementos de valor económico y de
contaminantes. Esta continuidad está controlada por las
características de la roca al momento de la depositación de
los elementos de interés, generándose direcciones
preferentes de flujos mineralizadores y en consecuencia,
anisotropías en la continuidad espacial de las
concentraciones de éstos. Los cuerpos mineralizados son,
a menudo, sometidos a otros procesos geológicos que
afectan su forma y alteran la continuidad espacial. En
particular, se producen plegamientos, fallas,
compactaciones y erosión. En este artículo, presentamos
una revisión de dos métodos computacionales para restituir
volúmenes geológicos a su geometría original,
considerando las alteraciones producto de fallas y
plegamiento. Destacamos los problemas encontrados y las
soluciones propuestas para el desarrollo de herramientas
computacionales que faciliten la inferencia de la
continuidad espacial y el modelamiento posterior de los
recursos.
Palabras Claves: aplanamiento de superficies, evaluación
de yacimientos, estimación de recursos
1 Introducción
En el proceso de evaluación de yacimientos, el valor de las
variables de interés, tal como la ley de elementos de valor
económico o de contaminantes, es un dato desconocido en
el dominio de estudio. Mediante la obtención de muestras
en sondajes y otras muestras geológicas se obtienen
valores de esas variables en ciertos puntos - generalmente
muy pocos - para, en función de ellos, estimar su valor en
el dominio completo. La técnica de estimación
geoestadística más usada hoy en día es conocida como
kriging o krigeado, que es un estimador de la familia de los
interpoladores lineales. Si, por ejemplo, se quiere estimar
el valor , su forma general es [1]:
Donde es el valor estimado y son los valores
experimentales recogidos a través del proceso de muestreo.
Esto hace que el problema se reduzca a determinar los
coeficientes y . En general, son calculados de tal
manera de minimizar la varianza del error, dada por
E , resolviendo un sistema lineal de la forma
954
Donde es el número de muestras. La función es
conocida como función de covarianza y caracteriza la
continuidad espacial de las variables de interés, entre
puntos del dominio, separados por un vector .
Evidentemente, la función de covarianza no puede
distinguir la causa de la correlación que está capturando.
Es decir, en caso de que la variable de interés sea la ley de
algún mineral, por ejemplo, no es posible determinar si la
correlación sobre un cierto vector se debe al proceso de
mineralización en sí mismo o si fue causada por algún
evento geológico posterior (una falla o un plegamiento).
Por tanto, en caso de estar en presencia de dichos eventos
geológicos, el no tomar en cuenta este aspecto puede llevar
a errores de interpretación – asumiendo, por ejemplo, la
existencia de direcciones preferenciales de mineralización
donde no las hay – y por consiguiente, a errores de
estimación, afectando finalmente el proceso de evaluación
en su conjunto. En este artículo mostramos alternativas
para corregir este problema mediante la restitución
geométrica de los modelos numéricos de los cuerpos de
interés llevándolos a una geometría que se aproxime de
mejor manera a la situación previa al evento geológico. En
nuestra implementación, se consideran sólo fallas y
plegamientos, despreciándose en esta etapa, el efecto de
compactaciones y erosiones. Sin embargo, en lo que sigue
del artículo, nos enfocaremos solamente en la problemática
de los plegamientos.
2 Metodología
Como se mencionó, dada la complejidad del problema, en
este estudio sólo nos enfocamos en la restitución de
plegamientos. El objetivo no es reconstituir la historia
geológica – considerando, por ejemplo, la interacción con
fallas y la dinámica/cinemática asociada – sino generar una
geometría que permita una mejor inferencia de la
continuidad espacial. Para ello se asume que la situación
previa del volumen representado por el modelo es aquella
donde no existen pliegues.
2.1 Volumen modelado y ausencia de pliegues

Para definir lo que se entiende por ausencia de pliegues se
toma como referencia una superficie relevante del
volumen. Dado esto, decimos que un volumen no tiene
pliegues si su superficie es plana – formalmente esto se
traduce a imponer que dicha superficie tenga radio de
curvatura infinito [3].
2.2 Datos de entrada
Se considera que el dominio está discretizado en un
modelo de bloques.
Figura 1. Efecto producido por el aplanamiento usando MDS.
2.3 Algoritmo propuesto
1. Superficie de referencia: se identifican los bloques
que pertenecen a la superficie relevante del volumen
(o superficie de referencia).
2. Anclaje: todos los bloques restantes del volumen son
anclados al bloque más cercano en la superficie.
3. Aplanamiento de la superficie de referencia: para
cada bloque de ésta se calculan sus nuevas
coordenadas en la superficie aplanada (ver sección 3).
4. Proyección: Para cada uno de los bloques restantes, se
calculan sus nuevas coordenadas de acuerdo a la
proyección con respecto a la referencia obtenida en el
paso 2.
3 Métodos de aplanamiento de superficies
El aplanamiento de una superficie es un problema común
en computación gráfica – principalmente en imagenología
médica 3D y mapeo de texturas en superficies 3D. Se sabe
que es NP-hard [4], lo que significa que está en una
categoría de problemas que son conocidos por no poder ser
resueltos de manera óptima mediante procedimientos
algorítmicos – ya sean manuales, automáticos,
supervisados o no supervisados. Esto restringe el espacio
de soluciones a aproximaciones puramente heurísticas, es
decir, que sólo pueden obtener óptimos locales. En otras
palabras, esto significa que la superficie obtenida es una
aproximación a la superficie real y que necesariamente no
está exenta de deformaciones planares.
En este trabajo se proponen dos métodos de aplanamiento
para una superficie discretizada:
1. Usando Escalamiento Multidimensional (Multi
Dimensional Scaling o MDS, en inglés).
955
2. Usando Análisis de Componentes Principales
(Principal Component Analysis o PCA, en inglés).
3.1 MDS
En líneas generales, el escalamiento multidimensional se
utiliza para proyectar objetos de espacios de cierta
dimensión en algún espacio de dimensión menor. En este
caso, proyectamos vectores en 3D a un plano, es decir, a
2D. El único requisito para el espacio de origen es que
posea una métrica. En nuestro método, se considera la
métrica definida por la distancia geodésica de los bloques
en la superficie – que se define como la menor longitud de
las curvas que unen dos bloques de la misma. Para calcular
esta distancia en un espacio discretizado, Grossman [5]
propuso el siguiente método:
1. Construir un grafo no dirigido - con peso - con los
bloques de la superficie en los nodos.
2. Agregar una arista entre nodos que correspondan
a bloques adyacentes calculando su peso de
acuerdo al tipo de adyacencia (figura 2) de la
siguiente manera:
a. Si los bloques están unidos por una cara
se le asigna el peso de valor 1.
b. Si los bloques están unidos por una arista
se le asigna el peso de valor .
c. Si los bloques están unidos por un
vértice se le asigna el peso de valor .
Figura 2. Tipos de adyacencias entre bloques.
Luego, dados dos bloques y , la distancia geodésica
entre ellos queda estimada por
Donde son la cantidad de aristas del grafo
recorridas por cada tipo, respectivamente – usando el
algoritmo de Dijkstra – para llegar de un nodo a otro. Una
vez calculadas estas distancias, el algoritmo es el
siguiente:
1. Calcular la matriz de distancias cuadráticas
de (recordar que es el número
de muestras - bloques o nodos del grafo).
2. Calcular la matriz de coeficientes .
Donde y es una matriz cuyos
términos son todos iguales a 1.
3. Calcular la descomposición espectral hasta el rango 2
de . es una matriz de que
 contiene los 2 vectores propios dominantes en sus
columnas y es una matriz diagonal de que
contiene los valores propios asociados.
4. Finalmente se calcula que es una matriz
de que en sus filas contiene las nuevas
coordenadas de los bloques en el plano proyectado.
Este método tiene la gran ventaja de preservar la distancia
geodésica entre los bloques y minimiza el error:
donde es la norma de Frobenius. Su
efecto es el mismo que se obtiene al planchar una
superficie arrugada - figura 1.
3.2 PCA
Desde el punto de vista geométrico, el método anterior
tiene el comportamiento deseado. Sin embargo, es
computacionalmente muy costoso para un muy grande.
Como alternativa nos enfocamos en el método que
proyecta ortogonalmente todos los bloques sobre un plano
previamente definido. La dificultad estriba entonces en
estimar el mejor plano de proyección.
De antemano se sabe que la proyección ortogonal no
preserva el área de la superficie original en la proyectada.
El objetivo es entonces minimizar el error:
Donde es el área de la superficie proyectada y es la
superficie original. Esto puede ser logrado tomando las
coordenadas de los bloques en el espacio para encontrar
las dos direcciones de mayor varianza asumiendo que la
tercera dirección (recordando que se trabaja en 3D) es
significativamente menor – lo que en otras palabras
significa imponer que el radio de curvatura promedio sea
muy grande – utilizando PCA. El método de las
covarianzas exige calcular la matriz de covarianzas entre
las direcciones de la base ortonormal. Los dos vectores
propios dominantes de esta matriz corresponden a las
direcciones de mayor varianza – figura 3.
Figura 3. Las direcciones principales obtenidas usando PCA
definen el plano óptimo de proyección.
Una vez obtenidas estas direcciones, se calcula el plano
definido por ellas y se proyectan todos los bloques sobre
él.
A pesar de que este método tiene pérdidas desde el punto
956
de vista geométrico, es extremadamente rápido ya que la
matriz de covarianzas es de tamaño fijo ( ), sin
importar el número de datos – lo que hace que calcular los
vectores propios sea extremadamente barato.
4 Conclusiones
Se trabajó en el problema de restituir geométricamente un
volumen alterado por un plegamiento. Se propuso un
algoritmo basado en el aplanamiento de una superficie de
referencia. Para esto último se propusieron dos métodos
alternativos:
1. Usando MDS: resultó ser geométricamente
consistente al preservar de mejor manera las
relaciones topológicas de la superficie, pero
computacionalmente caro para modelos con
demasiados bloques.
2. Usando PCA: es extremadamente rápido, pero
sacrifica un poco la consistencia geométrica. Esto
no es particularmente relevante para plegamientos
poco pronunciados.
Finalmente, se generó un algoritmo que puede ser
integrado fácilmente a un software computacional de
evaluación de recursos para mejorar el problema de
inferencia en presencia de plegamientos.
Referencias
[1] Chilés JP, Delfiner P. Geostatistics : modeling spatial
uncertainty. New York: Wiley, 1999.
[2] Gondran, Michel. Graphs and algorithms. Chichester
West Sussex New York: Wiley, 1984.
[3] Do Carmo, M. Differential geometry of curves and
surfaces. Upper Saddle River, N.J: Prentice-Hall, 1976.
[4] Danny Z. Chen and Ewa Misionek. 2008. Optimal
Surface Flattening. In Proceedings of the 2nd annual
international workshop on Frontiers in Algorithmics (FAW
'08), Franco P. Preparata, Xiaodong Wu, and Jianping Yin
(Eds.). Springer-Verlag, Berlin, Heidelberg, 233-244.
[5] Ruth Grossmann, Nahum Kiryati, and Ron Kimmel.
2001. Computational Surface Flattening: A Voxel-Based
Approach. In proceedings of the 4th International
Workshop on Visual Form (IWVF-4), Carlo Arcelli, Luigi
P. Cordella, and Gabriella Sanniti di Baja (Eds.). Springer-
Verlag, London, UK, 196-204.
[6] Marsland, Stephen. Machine learning : an algorithmic
perspective. Boca Raton: CRC Press, 2009.
Aplicación de datos Aster para la detección de zonas de
alteración en los alrededores del Aº del Guindo, Cordillera
Frontal de Mendoza, Argentina
Karina Rodriguez*, y Amancay N. Martinez
SEGEMAR, Av. J. A. Roca 651, piso 10, Ciudad Autónoma de Buenos Aires, Argentina.
Departamento de Geología, FCFMyN, Universidad Nacional de San Luis, Ejército de Los Andes 950, Bloque II. (5700), San
Luis, Argentina
* E-mail: kmrodrigu@minplan.gov.ar
Resumen. El sensor ASTER (Advance Spaceborne
Thermal Emission and Reflection Radiometer) ha
permitido, por un lado, caracterizar la litología que
atraviesa el Aº del Guindo y por el otro determinar el tipo y
el grado de minerales de alteración presentes. Las
litologías presentes corresponden a unidades volcánicas y
plutónicas pertenecientes al Grupo Choiyoi Permo-triásico.
En la región se reconoce una secuencia bimodal integrada
por rocas máficas lávicas del tipo basaltos y rocas félsicas
tanto efusivas como piroclásticas, tobas riolíticas líticas
como vítreas y cristalinas, junto a riolitas efusivas (Martinez
y Giambiagi, 2010).
Palabras Claves: imagen Aster, minerales alteración,
combinación de bandas, Grupo Choiyoi
1 Introducción
El área de trabajo en el presente estudio se ubica en la
Cordillera Frontal de la provincia de Mendoza, Argentina,
más concretamente a los alrededores del Aº del Guindo,
cordón del Portillo (33° 34′ 48.71′′ latitud sur,
69° 31′ 5.45′′ longitud oeste). La geología del sector se
inicia con rocas metamórficas (metapelitas, metacuarcitas,
metagrauvacas, mármoles, esquistos anfibolíticos, y
anfibolitas de grado bajo a medio) de edad proterozoica.
Le sigue el Grupo Choiyoi (Permo-triásico), compuesto
por basaltos, andesitas, dacitas y riolitas correspondiendo a
volcanismo de tipo arco a extensional. También se
reconocen granitoides del Batolito Tunuyán (gabros,
tonalitas, granodioritas y granitos), también de edad
permo-triásica. Dentro de las unidades más jóvenes
depósitos glaciarios (bloques, gravas y arenas) cuya edad
va del Pleistoceno al Holoceno. La Formación El Zampal
holocena está compuesta por limos y arenas, cubierta por
los depósitos aluviales recientes (gravas, arenas y limos).
2 Metodología y resultados
Para su estudio se han procesado escenas del sensor
ASTER, el cual consta de 14 bandas cuyo rango espectral
va desde el visible al infrarrojo térmico. El subsistema
VNIR está compuesto por tres bandas, de resolución
957
espacial 15 metros y una banda adicional que permite
visión estereoscópica y generar el modelo digital de
terreno, siendo su rango 0.52-0.86 µm (visible e
infrarrojo). El subsistema SWIR posee 6 bandas que van
desde 1.600 a 2. 430 µm (infrarrojo de onda corta) siendo
su resolución espacial de 30 metros. Por último el
subsistema TIR opera en la región del infrarrojo térmico,
entre 8.125-11.65 µm compuesto por 5 bandas cuya
resolución espacial es de 90 metros. Se trabajó con
imágenes ortorrectificadas (Nivel 1 A) procesadas con el
programa Silcast 1.08 proyección UTM, 19 S. Se
confeccionó inicialmente una imagen pseudocolor natural,
RGB 2, (1+3)/2, 1 para obtener una visión rápida del
paisaje y las composiciones RGB 321 y RGB 431 para el
mapeo litológico inicial. Posteriormente la combinación
RGB 4 68 permitió identificar distintas áreas de alteración
y ocurrencia de minerales para cada una de las unidades
geológicas involucradas.
Se partió de imágenes ortorrectificadas con el programa
Sicast 1.08 (Nivel 1 A) y se confeccionó una escena
pseudocolor natural pues la misma plantea una visión
rápida de la superficie particularmente para resaltar la
fisiografía del mismo. De esta manera es posible establecer
indirectamente la humedad del terreno debido a su
asociación con la vegetación. Por otra parte, dado que la
presencia de este último enmascara muchas veces la
litología subyacente, determinar su posición se vuelve
imperativo para no cometer errores a la hora de interpretar
otras combinaciones y determinar su grado de
participación en el proceso de alteración. En cuanto a la
distinción litológica se comenzó con las combinaciones
RGB 321 y RGB 431 como base para el análisis puesto
que ambas resaltan los contactos de las diferentes
unidades. Cabe destacar que dada la similitud
composicional química de algunas de las unidades
(particularmente referidas a los granitoides Tunuyán y el
Grupo Choiyoi) esta tarea es compleja y es el color y la
textura lograda en la imagen las que lo permiten. Habiendo
previamente convertido los números digitales (DN) de las
bandas a reflectancia relativa, con la finalidad de poder
comparar las firmas espectrales de la imagen con las de las
bibliotecas espectrales (USGS en este caso), se trabajó
especialmente con el subsistema SWIR haciendo la
composición RGB 468 para una discriminación inicial de
la alteración en el área. Se efectuó los cocientes de bandas
3/1, 4/6, 7/5 indicando el color rojo una alta respuesta en el
índice 3/1 lo que significa reflectancia en la banda 3 y
absorción en la banda 1. Esto es típico de las zonas con
contenido de óxidos de hierro y sirve primordialmente para
una discriminación en el mapeo. La respuesta a este índice
sólo se dio en un lugar circunscripto del Grupo Choiyoi
donde aflora basalto. En el canal verde se encuentra el
índice 4/6 que indica alteración filítica en virtud a la
presencia de illita. Este índice revela, además, la presencia
de montmorillonita y caolinita, quienes poseen absorción
en la banda b6, pero su ocurrencia es muy sectorizada,
como se verá más adelante, vinculándose juntas a las rocas
metamórficas Proterozoicas, salvo la montmorillonita, que
se observa vinculada además a la Formación El Zampal.
Dado que el índice 7/5, color azul, realza los minerales con
contenido de AlOH, responde al tipo de alteración argilica.
En la Fig. 1 puede notarse que la respuesta en este canal la
producen los granitoides Tunuyán y el Grupo Choiyoi. Las
zonas de color amarillo obedecen a una alta respuesta tanto
en el canal rojo como el verde mientras que una tonalidad
blanquecina responde en todos los canales. De esta manera
para establecer cuáles eran realmente los minerales
presentes se utilizó la clasificación supervisada SAM
(Spectral Angle Mapper). La misma consta en determinar
la similitud entre el espectro de la imagen y un patrón de
referencia calculando el ángulo de mejor aproximación. En
este caso el valor angular de umbral es de 0.08 radianes. A
partir de dicha clasificación y como puede observarse en la
Fig. 1 el mineral montmorillonita y su asociación con illita
sólo se encuentran en las rocas metamórficas
proterozoicas, así como el epidoto y la calcita. La
asociación caolinita-esmectita también se presenta en esta
última. Las cloritas se localizan en el Grupo Choiyoi y en
los granitoides Tunuyán e illita sobre todas las formaciones
presentes.
958
3 Conclusiones
En conclusión, las combinaciones RGB 431 y 468 de
ASTER ofrecen excelentes resultados para realizar una
primera aproximación sobre la geología y las zonas de
alteración del área de estudio. Los cocientes de bandas 3/1,
4/6, 7/5 son un gran indicador del tipo de alteración que
puede presentarse pero está fuertemente sujeto al tipo de
composición de la roca madre. Su análisis sólo permite
acotar dentro de un rango los minerales que pueden
presentarse. La clasificación SAM permitió distinguir de
una forma clara el mineral que se presenta al ser
comparada la imagen con una biblioteca espectral y
constituye el indicador más fiel a la hora de la
identificación geológica.
Referencias
Kruse, F.A., Lefkoff, A.B., Boardman, J.B., Heidebrecht, K.B.,
Shapiro, A.T., Barloon, P.J. y Goetz, A.F.H. 1993. The Spectral
Image Processing System (SIPS): Interactive Visualization and
Analysis of Imaging Spectrometer Data: Remote Sensing of
Environment, 44: 145-163.
Martínez A. y L. Giambiagi 2010. “El magmatismo bimodal Permo-
Triásico del Grupo Choiyoi en el cordón del Portillo, Mendoza,
Argentina”. Revista Trabajos de Geología, Universidad de
Oviedo, 30: 432-451. España. ISSN (versión digital): 1988-517.
Ninomiya, Y. 2004. Lithologic mapping with multispectral ASTER
TIR and SWIR data. Sensors systems and next-generation
satelittes VII. SPIE Proceedings, 5234: 180-190.
Figura 1: clasificación SAM, a) calcita, b) epidoto, c) caolinita-esmectita, d) clorita, e) montorillonita, f) illita, g) montorillonita e illita.

959
Nuevos antecedentes sobre la geometría y los
mecanismos de emplazamiento de intrusivos: estudio
geofísico del Plutón las Campanas (regiones de Atacama
y Coquimbo, Chile)
Cecilia Donoso, Francisco Delgado, Christian Creixell, Mariana Labbé
Servicio Nacional de Geología y Minería (SERNAGEOMIN), Avenida Santa María 0104 Providencia, Santiago, Chile

* E-mail: cecilia.donoso@sernageomin.cl

Resumen. El plutón Las Campanas, de edad Paleoceno
inferior, se encuentra localizado aproximadamente 50 km al
sur de la ciudad de Vallenar. Este cuerpo intrusivo,
compuesto por dioritas y granodioritas, presenta un borde
occidental asociado espacialmente a una falla de escala
regional. En este cuerpo intrusivo se ha realizado un
estudio gravimétrico, aeromagnético y de radiometría de
Th. Los resultados de este estudio permiten modelar la
geometría en profundidad de este plutón, lo que sugiere
que éste tiene una morfología cercanamente tabular con
forma de cuña, es decir con una zona central de mayor
espesor que correspondería a los canales alimentadores
de magma que estuvieron activos durante el
emplazamiento magmático.
Palabras Claves: aeromagnetismo, gravimetría, intrusión
granítica, modelamiento.
forma parte de la franja de intrusivos del límite entre el
Cretácico Superior y el Paleoceno. El margen occidental
del plutón está ubicado en la zona de falla que marca el
borde del grupo Chañarcillo (Cretácico Inferior) con la
Formación Cerrillos (Truelove et al., 2003; Arévalo et al.,
2009), estando ambas unidades intruidas por este plutón.
El intrusivo posee una estratificación litológica, definida
por capas de granodiorita y diorita, con fábricas
magmáticas de alto manteo, y evidencias de mezcla
magmática. La presencia de un monoclinal en la roca de
caja sobre el intrusivo y de zonas de cizalle han sugerido
mecanismos de emplazamiento de depresión del piso y
alzamiento del techo plutónico (Cruden, 1998; Truelove et
al., 2003).

1 Introducción

La generación de los granitoides es un proceso que se ha

entendido con cuatro etapas, las cuales son la fusión
parcial, segregación del fundido, ascenso y emplazamiento
de magma (Petford et al., 2000), las cuales pueden ser
comprendidas desde observaciones geológicas (mapeo
estructural, petrografía y geoquímica) o indirectas
(modelos numéricos y análogos y mediciones geofísicas)
(Améglio y Vigneresse, 1999). Sin embargo, los métodos
geofísicos resultan ser los más efectivos para el estudio de
la geometría en profundidad de plutones (Améglio y
Vigneresse, 1999), los cuales a la vez entregan importantes
antecedentes sobre el emplazamiento de estos cuerpos
(Taylor, 2007). Los métodos geofísicos más útiles para
estudiar la geometría de cuerpos intrusivos son los
potenciales, debido a los contrastes existentes de densidad
y susceptibilidad magnética con la roca de caja
(Vigneresse, 1990; Améglio y Vigneresse, 1999). Así, para
determinar con mayor precisión la geometría y los
mecanismos de emplazamiento de intrusivos, se realizó un
levantamiento gravimétrico del plutón Las Campanas, el
cual fue complementado con datos aeromagnéticos y
radiométricos. Figura 1. Imagen Landsat ETM+, con combinación de bandas
742 del Plutón las Campanas (WGS84, UTM 19S). Los puntos
El plutón Las Campanas (Truelove et al., 2003), ubicado al rojos corresponden a las estaciones gravimétricas adquiridas en
sur de Vallenar (70°43’W, 29º03’S, figura 1), corresponde este estudio.
a un complejo plutónico de naturaleza compuesta, el cual

960
2 Metodología y Resultados
En Marzo del 2012 fue realizado un levantamiento
gravimétrico, durante el cual se adquirieron 26 estaciones a
lo largo de un perfil de dirección WSW-ENE. El perfil
tiene una extensión aproximada de 10,5 km, con estaciones
espaciadas cada 500 m, excepto en los bordes del plutón,
donde el espaciado fue reducido a 250 m. Los datos
aeromagnéticos y radiométricos utilizados en este trabajo
son parte de un estudio realizado a escala regional para el
Plan Nacional de Geología, y fueron adquiridos en un
vuelo realizado entre Diciembre y Febrero del 2012, con
líneas de producción de dirección N45ºE separadas cada
500 m, y a una altitud nominal de 150 m, y con líneas de
control de dirección N135ºE separadas cada 5 km. Ambos
conjuntos de datos fueron procesados de acuerdo a
procedimientos estándar (Blakely, 1996; Luyendyk, 1997)
para obtener las anomalías de campo total y residual de
Bouguer (diferencia entre campo magnético/gravedad
medida y un modelo de referencia). Posteriormente, el uso
de herramientas estándar de filtrado en el dominio de la
frecuencia y el uso de modelos en 2,75D (Blakely 1996)
facilitan la interpretación y permiten obtener la geometría
interna del plutón.
Los resultados gravimétricos muestran una anomalía
residual de Bouguer positiva sobre la parte central del
Plutón Las Campanas, y con una amplitud máxima de 7
mGal (figura 2), justo en la zona donde afloran las dioritas,
disminuyendo su amplitud en los bordes del cuerpo,
llegando a -3 mGal. Sin embargo, y pese a la presencia en
superficie de una gran superficie de granodioritas en el
sector E del intrusivo, el mapa de anomalía de campo total
reducida al polo (figura 3) muestra la presencia de varias
anomalías positivas de alta frecuencia. Lo anterior también
es apoyado por el mapa de radiometría de Th (figura 3), el
cual muestra poca radiación gamma en el centro del
plutón, lo que indicaría una mayor presencia de rocas de
composiciones intermedias.
3-Discusión y conclusiones
La interpretación más aceptada para las anomalías
gravimétricas en cuerpos intrusivos tabulares es que las
zonas donde éstas alcanzan valores máximos y/o mínimos
son las que corresponden a los sistemas alimentadores
principales (Améglio y Vignerese, 1999; Taylor, 2007). En
el caso del Plutón Las Campanas, el sector más profundo
está ubicado en su parte central, bajo los afloramientos de
dioritas. Resultados preliminares de un modelo
gravimétrico en 2,75D sugieren que el Plutón Las
Campanas tiene una forma tabular, y que el espesor del
alimentador es máximo en su parte central, donde éste
llega a los 2,8 km de profundidad. Lo anterior, junto a las
dimensiones horizontales del cuerpo (10 km), indican que
la razón entre el tamaño horizontal y el espesor mínimo del
cuerpo es de 3.5, por lo que el plutón tiene forma de cuña,
961
de acuerdo a la clasificación de Vigneresse et al. (1999).
En general, este tipo de cuerpos se emplaza como relleno
de fracturas dilantantes durante deformación por cizalle
(Vigneresse, 1995). Esto concuerda parcialmente con el
modelo de Truelove et al. (2003), en el que el espacio
necesario para el emplazamiento plutónico habría sido
facilitado por el movimiento vertical de la falla. La
discrepancia con este modelo se relaciona a que no se
observa un aumento de espesor del plutón hacia el borde
asociado a esta falla. A diferencia de lo anterior (Grocott et
al., 2009), el aumento del espesor plutónico ocurre en el
centro del plutón, posiblemente asociado a sistemas
alimentadores de magma, lo que sugiere que solo una parte
del espacio fue generado por la mencionada estructura.
Agradecimientos
Agradecemos a Herman Rojo y Boris Leighton por el
apoyo en terreno. Se agradece además a la Subdirección
Nacional de Geología de SERNAGEOMIN por el
patrocinio de esta investigación en el marco del Plan
Nacional de Geología y por la autorización para usar y
publicar los datos aeromagnéticos y radiométricos.
Referencias
Améglio, L., Vigneresse, J.L., 1999. Geophysical imaging of the
shape of granitic intrusions at depth: a review. In Castro, A.,
Fernández, C., Vigneresse, J.L., Understanding Granites:
integrating new and classical techniques. Geological Society of
London, Special Publication, v. 168.
Arévalo, C., Chávez, R., Mourgues, F.A. 2009. Geología del área
Vallenar – Domeyko, Región de Atacama. Servicio Nacional de
Geología y Minería. Carta Geológica de Chile, Serie Geología
Básica 120: 64 p., 1 mapa escala 1:100.000. Santiago.
Blakely, R., 1996. Potential theory in gravity and magnetic
applications. Cambridge University Press.
Cruden, A., 1998. On the emplacement of tabular granites. Journal of
the Geological Society, 155, 853-862.
Grocott et al, J., Arévalo, C., Welkner, D., Cruden, A., 2009. Fault-
assisted vertical pluton growth: Coastal Cordillera, north Chilean
Andes. Journal of the Geological Society, London, 166, 295-301.
Luyendyk, A.P.J., 1997. Processing of airborne magnetic data.
Journal of Australian Geology & Geophysics 17 (2) 31-38.
Petford, N., Cruden, A., Vigneresse, J.L., McCaffrey, K. 2000.
Nature, 408, 669-673.
Taylor, 2007. Pluton shapes in the Cornubian batholith: new
perspectives from gravity modeling. Journal of the Geological
Society, London, 164, 525-528
Truelove, L., Grocott, J., Arevalo, C., Gipson, M., Taylor, G. , 2003.
Emplacement and structural setting of Palaeocene plutonic
complexes in the main cordillera of the Andes, Vallenar region,
northern Chile (29ºS). In X Congreso Geológico Chileno,
 Concepción. Vigneresse, J.L., 1995b. Crustal
al regime of deformation and ascent
as of
granitic magmas. Tectonophysics 249, 187–202.
187
Vigneresse, J.L., 1990. Use and misuse of geophysical data to
determine the shape at depth of granitic intrusions. Geological Vigneresse, J.L.; Tikoff, B., Améglio, L., 1999. Modification of the
Journal, 25, 249-260. regional stress field by magma
gma intrusion and formation of tabular
granitic plutones. Tectonophysics, 302, 203–224.

Figura 2. Perfiles de topografía (curva azul) y anomalía residual de Bouguer (curva roja) del plutón Las Campanas.

Figura 3. Izquierda: anomalía de campo total reducida al polo. Derecha: espectrometría de rayos gamma, equivalente de torio. Los
puntos de colores corresponden a la amplitud de la anomalía residual de Bouguer en las estaciones medidas.

962
Sistema de Administración de Contenidos para
Información Geológica
Ignacio Bascuñán*, Alejandro Ramos
Servicio Nacional de Geología y Minería, Oficina Técnica Puerto Varas, Puerto Varas, Chile

* Email: ignacio.bascunan@sernageomin.cl

Resumen. Implementación de un Sistema de aplicaciones tiene la ventaja de ejecutarse desde cualquier

Administración de Contenidos (CMS de su sigla en inglés)
utilizando tecnología Open Source con el objetivo de
documentar o describir la Información Geológica en
formato digital existente y disponible en la Oficina Técnica
Puerto Varas (OTPV) del Servicio Nacional de Geología y
Minería (SERNAGEOMIN) para su publicación y acceso en
intranet.
Palabras Claves: Content Management System, CMS,
interfaz gráfica, Open Source, Joomla, geología, base de
datos, Intranet.
1 Introducción
El acceso a los datos digitales en forma rápida y oportuna
cada día toma mayor relevancia en el diario quehacer de
las distintas instituciones generadoras de información. La
prontitud en la entrega de la información, en algunos casos
puede llegar a ser un factor gravitante en la imagen que se
quiere entregar o en la forma en que se evalúa. El rápido
desarrollo tecnológico en el área de la informática ha
permitido ampliar los horizontes en el acceso y capacidad
de almacenamiento de los datos posibles de generar. Hace
menos de una década adquirir una unidad de
almacenamiento de datos de un terabyte (TB) era
prácticamente un desafío debido a los altos costos
económicos involucrados. Hoy en día se dispone de acceso
a discos duros de gran capacidad en los cuales es posible
guardar gran cantidad de archivos de variados formatos y
contenidos temáticos. El desafío actual es documentar esta
gran cantidad de información que se almacena para que
cuando se requiera pueda estar disponible en forma rápida
y efectiva. Al hablar de documentar la información
existente en los archivos, se refiere a describir el contenido
mismo de cada uno y debería contemplar datos relevantes
como el nombre del autor, temática y nombre del área,
entre otros aspectos. El presente trabajo muestra la
experiencia de realizar una documentación de Información
Geológica digital en estado de disponible implementando y
personalizando tecnología CMS.
navegador web instalando un mínimo de programas. La
variada disponibilidad de aplicaciones CMS de Código
Libre (Open Source) permite escoger la más adecuada de
acuerdo a los conocimientos propios en informática para
realizar una correcta implementación y personalización del
servicio que se desea entregar. La implementación y
personalización de un CMS para la OTPV del
SERNAGEOMIN tiene como objetivo incorporar la
Información Geológica regional y del Centro Sur de Chile
en los contenidos de interés de la aplicación CMS. Como
resultado se espera lograr, entre otras cosas, la
centralización de esta Información Geológica regional en
un sistema computacional que permita interactuar con la
información documentada y almacenada mediante el motor
de búsqueda de la base de datos.
2 Metodología
Para la implementación de un CMS para la OTPV del
SERNAGEOMIN se escogió la aplicación Open Source
Joomla! escrita usando código Hypertext Preprocessor
(PHP) debido a su amplia documentación en línea, fácil
implementación, no presenta cobros de licencias
(GNU/GPL License) y se encuentra disponible para su
descarga en la web (http://www.joomla.org). Esta
aplicación requiere la instalación y configuración de los
servicios de servidor Web Apache con PHP y MySQL (Fig.
1).

Un CMS es una aplicación web Cliente / Servidor que

permite administrar mediante una interfaz gráfica los
contenidos de interés que se alojan en una o varias bases
de datos. Los contenidos de interés definen la temática Figura 1. Esquema de servicios en ejecución para aplicación
presente en nuestra aplicación CMS. Este tipo de CMS Joomla!

963
La forma tradicional de compartir archivos digitales
contenidos en una computadora es mediante carpetas
compartidas. El acceso a las carpetas compartidas en una
red de área local (LAN) se realiza utilizando el examinador
de redes o ingresando directamente la dirección IP
(Protocolo de Internet). La implementación de esta
tecnología tiene como objetivo principal el de administrar
estos archivos digitales mediante el motor de búsqueda del
CMS.
La primera personalización realizada fue la de relacionar
los archivos digitales con un objeto o elemento atómico e
indivisible presente en la base de datos del CMS y que a su
vez cumpla con los objetivos de documentar la
Información Geológica. Los elementos atómicos de una
base de datos corresponden a la Primera Forma Normal
(1FN) descritas por Codd, E.
Identificación del elemento atómico:
Para este trabajo se identificó como el elemento atómico
dentro del CMS a los objetos llamados “artículos”. Los
“artículos” son registros de la base de datos y que a la vez
son publicaciones dentro del sistema. Para esta
personalización los “artículos” corresponderán a los
elementos únicos e indivisibles dentro del CMS. Esta
aplicación por definición administra “artículos”, los cuales
son almacenados en la base de datos. Los “artículos”
pueden ser incorporados en los distintos menús de la
interfaz gráfica de la aplicación.
Dentro de los productos de Información Geológica que
genera la OTPV podemos encontrar informes técnicos,
boletines, artículos para congresos y la Carta Geológica de
Chile. Todos estos productos son posibles de ser
almacenados en formato de documento portátil (PDF) lo
que garantiza su lectura al ser un formato masivamente
difundido. Cada “artículo” ingresado en la aplicación CMS
contiene la documentación o descripción del contenido de
un documento PDF en particular al cual hace referencia y
vincula. De esta forma la aplicación CMS documenta y
administra los productos de Información Geológica
ingresados al sistema.
Esta personalización identificó y relacionó los productos
de conocimiento geológico dentro de ocho tipos de
“artículos” y los incorporó dentro de tres diferentes niveles
de menús principales (Fig. 2).
Como cada “artículo” ingresado al sistema de
administración documenta o describe la información
contenida en cada archivo PDF a administrar, es necesario
ser riguroso en incorporar toda la información necesaria y
relevante relacionada con él. Como también, rigurosos en
realizar una estructura de directorios donde serán
almacenados estos archivos para ser promovidos dentro de
los programas de respaldos informáticos institucionales.
964
Figura 2. Esquema de identificación de los artículos y menús
en la base de datos.
La información contenida en los “artículos” describe en
forma detallada datos relevantes relacionados con los
productos de Información Geológica en formato PDF.
Estos datos tienen relación con el título del documento,
nombres de autores, fecha de publicación y área del
estudio, entre otros.
La interfaz gráfica permite acceder a los “artículos” según
su contenido mediante el motor de búsqueda de la base
datos. Si se conoce el nombre del autor o palabras claves
del” artículo” a buscar, basta con escribirlo en el recuadro
de búsqueda para obtener los resultados. Como también, es
posible navegar por la aplicación realizando accesos a los
vínculos previamente personalizados para la visualización
de los “artículos” publicados (Fig. 3)
3 Discusión
Algunas de las ventajas de incorporar este tipo de
tecnologías son:
- Documentación o descripción de la Información
Geológica digital disponible en la OTPV del
SERNAGEOMIN
- Normalización y estandarización de los archivos con
Información Geológica digital al documentarlos en
formato PDF.
- Centralización de los archivos con Información
Geológica Digital.
- Publicación de la Información Geológica digital en
intranet.
- Interfaz intuitiva y amigable para el acceso rápido a la
toda la información relevante.
- Administración, relaciones, búsquedas y almacenamiento
de contenidos.
- Contenido independiente de la presentación. Esto
significa que es posible cambiar evolutiva o drásticamente
la presentación o interfaz gráfica sin cambiar los
contenidos. Servicio Nacional de Geología y Minería.
- Seguridad y privilegios. Permite segmentar los
contenidos para diferenciar los accesos según los usuarios
registrados como definir los flujos de publicación de los Referencias
contenidos.
www.joomla.org
www.mysql.com
www.php.net
Agradecimientos www.opensource.org
www.gnu.org
Al personal de la Oficina Técnica Puerto Varas del
SERNAGEOMIN. Esta contribución cuenta con el
patrocinio de la Subdirección Nacional de Geología del

Figura 3. Ejemplo de personalización de interfaz gráfica. La secuencia numerada muestra los resultados mediante seguimiento de
vínculos para acceder a un mapa en formato PDF.

965
Técnicas de sensores remotos aplicadas al estudio de
la deformación estructural polifásica de terrenos
paleozoicos en la Precordillera Argentina.
a,b c a c a,b
Juan P. Ariza *, Florencia L. Boedo , Sofía B. Pérez , Graciela I. Vujovich y Myriam P. Martínez .
a –CIGEOBIO. Consejo Nacional de Investigaciones Científicas y Técnicas – Universidad Nacional de San Juan,
Argentina.
b –Instituto Geofísico Sismológico Volponi, Fac. Cs Exactas, Físicas y Naturales, Universidad Nacional de San Juan,
Argentina.
c –IDEAN. Depto. de Ciencias Geológicas, Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires,
Argentina.

*E-mail: juampariza@yahoo.com.ar

Resumen. La aplicación de sensores remotos al estudio
de problemas geológicos constituyen una poderosa
herramienta para analizar de manera preliminar un área de
interés. La Precordillera occidental argentina se caracteriza
por el desarrollo de una faja plegada y corrida de piel fina.
La estructuración interna de cada lámina de corrimiento se
caracteriza por la superposición de varias fases de
deformación. Con el fin de diferenciar los aspectos
estructurales de cada evento de deformación, se
ensayaron diferentes técnicas de sensores remotos.
Mediante la aplicación de los productos y cocientes de
bandas 5/7, 5/1, 5/4*3/4 y 7/5, 5/4, 3/1, se logró diferenciar
al menos cuatro grupos de estructuras distintas. Las
técnicas de sensores remotos aplicadas a zonas que han
sufrido una compleja evolución estructural, como la
Precordillera occidental argentina, constituyen una
excelente herramienta de aproximación, previa al estudio
estructural de detalle.
Palabras clave: Precordillera, Paleozoico, Landsat 7,
estructura, cociente de bandas.
1 Marco geológico
El área estudiada en el presente trabajo se ubica entre los
31º20-31º23'LS y los 69º09'-69º22'LO, sobre el borde
occidental de la Precordillera de San Juan, Argentina
(Figura 1). Estratigráficamente, la zona está representada
por espesas secuencias silicoclásticas marinas asignadas al
Paleozoico inferior y medio en las cuales se intercalan
rocas máficas (Quartino et al., 1971; Furque y Caballe,
1986; entre otros). Esta secuencia culmina con depósitos
continentales, entre los que se digitan niveles marinos de
edad neopaleozoica, y depósitos volcanosedimentarios
exclusivamente continentales de edad triásica (Kokogian et
al., 1999; Barredo y Martinez, 2008; entre otros). La
relación de contacto entre las unidades geológicas
presentes en la zona de estudio es principalmente de tipo
tectónica, lo cual introduce cierta complejidad en las tareas
de ordenamiento estratigráfico.
La región está caracterizada por una complejidad
estructural, típica de terrenos paleozoicos que han sufrido
varias fases de deformación y acreción a través de la
historia geológica (Ramos, 1995). La estructuración actual,
de edad principalmente terciaria, ha modelado los frentes
de corrimientos modernos y, en muchos casos, los
esfuerzos andinos han sido canalizados a través de
estructuras preexistentes de edad mesozoica e incluso
paleozoica (Cortés et al., 2005; Alonso et al., 2008). Esta
configuración suele dificultar el análisis estructural
detallado de cada una de las fases de deformación que han
actuado a través del tiempo, además de complicar la
comprensión de la cinemática del movimiento entre
bloques de falla (Quartino et al., 1971).
2 Metodología
Se utilizó información satelital Landsat 7 ETM,
realizándose un recorte de la escena cuyo path-row es:
232-082. El software utilizado para el procesamiento de
dichas imágenes fue el ENVI 4.5. Se ensayaron distintas
combinaciones de bandas y productos y cocientes de
bandas como: 5/7, 5/1, 5/4*3/4 (Sultan et al., 1986) y 7/5,
5/4, 3/1 (Gad y Kusky, 2006) (Figura 2). Con estas
técnicas es posible discriminar entre las distintas litologías
aflorantes en el área y distinguir, además, grupos de
estructuras según sus aspectos morfológicos y
geométricos.

966

Figura 1. Arriba – Imagen Landsat7 del área de estudio. La
combinación de bandas empleadas corresponde a RGB 321.
Abajo – Ubicación geológica y geográfica de la Precordillera. En
esta imagen se presentan las principales unidades
morfoestructurales relacionadas al área de estudio (modificado de
Caminos, 1979).
967
3 Conclusiones
A partir de las técnicas de teledetección aplicadas sobre
imágenes Landsat 7 ETM, se logró diferenciar al menos
cuatro grupos de estructuras, principalmente sobre la base
de sus aspectos tanto morfológicos como geométricos. Fue
posible discriminar, además, las distintas litologías
presentes en la zona de estudio.
Al cotejar la información de campo con la obtenida a partir
del ensayo de las técnicas mencionadas, puede reconocerse
que la contribución realizada por éstas últimas es válida al
momento de distinguir litologías y estructuras de manera
preliminar. Por ello, en zonas que han sufrido una
compleja evolución estructural, tales como la Precordillera
occidental Argentina, los sensores remotos constituyen una
excelente herramienta de aproximación, previa al estudio
estructural de detalle.
Figura 2. a) Imagen Landsat7 del área de estudio. El cociente
de banda aplicado corresponde a 5/7, 5/1, 5/4*3/4 (Sultan et
al., 1986). b) El cociente de banda empleado corresponde a
7/5, 5/4, 3/1 (Gad y Kusky, 2006).
4 Agradecimientos
Los autores desean expresar su agradecimiento al
Departamento de Geología (UNSJ). El presente estudio se
llevó a cabo en el marco de los proyectos CONICET PIP-
0072 (Graciela Vujovich) y E901-CICITCA (Patricia
Martínez).
5 Referencias
Alonso, J.; Gallastegui, J.; García-Sansegundo, J.; Farías, P.;
Rodríguez Fernández, L.; Ramos, V. 2008. Extensional tectonics
and gravitational collapse in an Ordovician passive margin: The
 Western Argentine Precordillera. Gondwana Research 13(2):
204–215.

Barredo, S.P.; Martinez, A. 2008. Secuencias piroclásticas triásicas

intercaladas en la Formación Ciénaga Redonda, Rincón Blanco,
San Juan y su vinculación con el Ciclo Magmático Gondwánico
del Grupo Choiyoi. Reunión Argentina de Sedimentología, No
12: 39. Buenos Aires.

Caminos, R. 1979. Sierras Pampeanas Noroccidentales. Salta,

Tucumán, Catamarca, La Rioja y San Juan. In 2º Simposio de
Geología Regional Argentina (Turner, J.C.M; editor). Academia
Nacional de Ciencias: 224-291. Córdoba.
Cortés, J. M.; Yamín, M.; Pasini, M. 2005. La Precordillera Sur,
provincias de San Juan y Mendoza. Congreso Geológico
Argentino, No. 16, Actas 1: 395- 402. La Plata.

Furque, G.; Caballé, M. 1986. Descripción geológica de la Hoja 20b -

Calingasta, provincia de San Juan. Servicio Geológico Minero
Argentino: 324 p. Buenos Aires.

Gad, S.; Kusky, T. 2006. Lithological mapping in the Eastern Desert

of Egypt, the Barramiya area, using Landsat thematic mapper
(TM). Journal of African Earth Sciences 44(2): 196–202.

Kokogian, D.A.; Spalletti, L.; Morel, E.; Artabe, A.; Martínez, R.N.;
Alcober, O.A.; Milana, J.P.; Zavattieri, A.M; Papú, O.H. 1999.
Los

depósitos continentales triásicos. In Geología Argentina (Caminos,

R.; editor). Servicio Geológico Minero Argentino. Anales 29:
377–398. Buenos Aires.

Quartino, B.; Zardini, R.; Amos, A. 1971. Estudio y exploración

geológica de la región Barreal- Calingasta, provincia de San
Juan, República Argentina. Monografía Nº1, Asociación
Geológica Argentina: 184 p. Buenos Aires.

Ramos, V. 1995. Field guide to the Geology of Precordillera Folded

and Thrust Belt (Central Andes). Andean Thrust Tectonics: 64 p.
San Juan.

Sabins, F.F. 1999. Remote sensing for mineral exploration. Ore

Geology Reviews 14(3-4): 157–183.

Sultan, M.; Arvidson, R.E.; Sturchio, N.C. 1986. Mapping of

serpentinites in the Eastern Desert of Egypt using Landsat
Thematic Mapper data. Geology 14(12): 995–999.

968
Características Principales de la Base de Datos de
Yacimientos Minerales de Chile
Miriela Ulloa*, Vlamir Muñoz , Gilma Pantoja, Ramón Moscoso, Nicole Muñoz, Natalia Astudillo, Víctor Javier Morales
y Natalia Vega.
Unidad de Recursos Minerales, Servicio Nacional de Geología y Minería-SERNAGEOMIN, Santa María 0104, Providencia.
Santiago,
*E-mail: Miriela.ulloa@sernageomin.cl
Resumen. SERNAGEOMIN cuenta actualmente con una
Base de Datos de Yacimientos Minerales para Chile, que
tiene una estructura de datos jerarquizados e
interconectados según su afinidad temática y según las
relaciones de dependencia entre los diversos set de
datos. Actualmente contiene más de seis mil registros de
yacimientos distribuidos de la XV a la VI Región que
pueden ser consultados a través del Sistema de
Información Administrativo de Yacimientos (SIA
YACIMIENTOS), y visualizados en ambiente GIS online
a través del Geovisor del PortalGeoMin de
SERNAGEOMIN. Los datos de los yacimientos minerales
son geológicos, mineros y geográficos, y han sido
procesados, normalizados, estandarizados y validados
por la Unidad de Recursos Minerales del Servicio.
Palabras Claves: Yacimientos, Base de Datos, Consulta,
GIS
1 Introducción
Este trabajo da cuenta de uno de los resultados del
proyecto INNOVA-CORFO "Información Geocientífica
para Fomento de la Exploración Minera en Chile", entre
cuyos objetivos estaba procesar información geográfica,
geológica y minera de los yacimientos minerales de Chile
comprendidos desde la Región XV a la VI y construir
una Estructura de Base de datos capaz de contener los
datos que permiten caracterizarlos, especialmente para
fines de exploración minera.
2 Estructura de los Datos y Normalización
La información de referencia para desarrollar el diseño
de la estructura de la Base de Datos de Yacimientos
correspondió a las planillas y Fichas de Yacimientos
Metálicos de la III Región (Vivallo et al, 2008), así como
diversas publicaciones, estudios y bases de datos
regionales previas, incluyendo la información de Rocas y
Minerales Industriales publicada por SERNAGEOMIN
en la Serie Recursos Minerales y Energéticos (Gajardo et
al, 2003).
La estructura fue desarrollada con la participación de los
geólogos de la Unidad de Recursos Minerales (Ex -
Departamento de Geología Económica) y optimizada en
969
conjunto con la Unidad de Sistema de Información
Geológico (USIG), por medio de ajustes sucesivos del
modelo de datos en base al resultado del procesamiento
sistemático de los datos existentes, los cuales fueron
reestructurados, normalizados y estandarizados (Ulloa,
M. et al. 2009; Muñoz, V. et al, 2009).
La estructura actual mantiene la relación entre dichos
datos a través 37 tablas temáticas (set de datos)
interconectadas por medio de un identificador único para
cada yacimiento, denominado ID_YACIMIENTO, el
cual permite vincular todos los datos de un yacimiento
distribuidos entre las diferentes tablas. Las tablas que
contienen los datos son de diverso tipo, las Tablas
YACIMIENTO y MINA son “Tablas Principales” en la Base de
Datos. La tabla YACIMIENTO se relaciona 1 a 1 con las tablas
COORDENADAS y UBICACION, y 1 a n con las tablas MINA,
FORMA y ESTRUCTURA a través del campo
ID_YACIMIENTO. Las Tablas COORDENADAS y
MINERALES son “Tablas de Doble Vinculación” ya que
pueden contener tanto datos de los Yacimientos como de las
Minas, cuya relación queda claramente definida por el campo
OBJETO y el identificador ID_YACIMIENTO o ID_MINA
según corresponda. La normalización de los datos se basa
en tablas de listas de validación (LV) que contienen los
términos únicos y validados para diversos temas tales
como Recurso, Forma y Minerales (Mena, Ganga y
Alteración), entre otros, lo que permite una descripción
homogénea de yacimientos que tengan características
comunes. (Figura 1).
3 Distribución Territorial de los
Yacimientos y Despliegue en GIS
Los datos actualmente están contenidos en el Sistema de
Información Administrativo de Yacimientos (SIA
YACIMIENTOS), cuya construcción fue parte de los
objetivos del proyecto INNOVA-CORFO. Este Sistema
contiene actualmente 6105 Registros de Yacimientos de
Recursos Minerales Metálicos (RMM) y de Rocas y
Minerales Industriales (RMI), de las Regiones XV, I, II,
III, IV, V, RM y V (Tabla 1). Cada registro está
georeferenciado dado que a cada yacimiento le
corresponde una coordenada geográfica x, y única
disponible en grados decimales (WGS84) y utm (zona
19S, WGS84) y con un error asignado en su ubicación,
cuantificado en metros. Todos los datos de un yacimiento
se pueden obtener por medio de una ficha del yacimiento
en formato pdf.
Su salida al público, vía internet, es a través del Geovisor
del Portal Geológico y Minero de SERNAGEOMIN
(Geoportal del PortalGeoMin), en ambiente GIS on-line
que permite la consulta de información geológica de los
yacimiento minerales de país al desplegarlos como una
capa de puntos, facilitando su análisis en relación a otras
capas de información geológica, minera y geográfica y
permite que sean incluidos en diversos tipos de mapas.
En este ambiente existe una herramienta de Consulta que
permite seleccionar yacimientos por características de
interés del usuario (Muñoz et al, 2012).
4 Conclusiones
La estructura de la Base de Datos de Yacimientos
Minerales de Chile, así como las relaciones establecidas
entre los diversos set de datos contenidos en sus tablas
permite:
• Organizar los datos de una manera jerárquica con
diversas relaciones de dependencia.
• Mantener la vinculación los datos de un yacimiento.
• Administrar datos normalizados y realizar
búsquedas de toda la información de un yacimiento.
• Conocer las fuentes bibliográficas de los datos..
• Realizar actualizaciones y conocer la trazabilidad de
las actualizaciones realizadas.
• Levantar los yacimientos en ambiente GIS como una
capa de puntos georeferenciados.
La calidad de los datos actuales es dependiente de la
calidad de la información previa incluida en el
procesamiento digital hecho para las regiones XV a VI.
En la medida en que estos datos sean sometidos a
actualizaciones, con la debida validación por parte de la
Unidad de Recursos Minerales de SERNAGEOMIN, se
tendrá una base de datos de calidad creciente en cuanto al
posicionamiento geográfico y que será más homogénea
en cuanto a datos de detalle de los yacimientos y de sus
aspectos genéticos.
Con el procesamiento de la información de la zona
centro-sur del país, más el aporte de información del Plan
Nacional de Geología, de la Unidad de Recursos
Minerales de SERNAGEOMIN, así como de SIMIN ésta
BD se acercará progresivamente al objetivo de contener
la totalidad de los yacimientos minerales del país.
Las futuras actualizaciones de datos incluirán
optimizaciones de la Estructura de la BD, así como la
incorporación de nuevas tablas de datos, en la medida
que los nuevos datos procesados así lo requieran y en la
970
medida en que los usuarios de esta información
propongan y justifiquen ese tipo de mejoras de la BD.
Agradecimientos
A todos los participantes en el proyecto “Información
Geocientífica para el Fomento de la Exploración Minera
en Chile” desarrollado entre los años 2008 a 2011 por
SERNAGEOMIN, con el aporte de INNOVA-CORFO
(Proyecto 07CN13IMM-87), ENAMI, SONAMI y SNIT.
Durante su desarrollo se contó con el apoyo conceptual
de todos los geólogos del Ex - Departamento de Geología
Económica de SERNAGEOMIN es decir con el aporte
de los Geólogos Waldo Vivallo (Director del Proyecto),
Anibal Gajardo, Mariano Gajardo, Rodrigo Carrasco,
Alejandro Diaz, Rodrigo Jorquera y Juan Pablo Lacassie.
Durante el desarrollo del proyecto se trabajó con el
personal de la USIG y SIGEO correspondiente a Paulina
Gana (Directora Tecnológica del Proyecto), Karim
Thiele, Daniel Calquin y Marcela Ruiz. También
participaron Miguel Rodriguez (Director Alterno del
Proyecto) y Gonzalo Palet integrante de la Unidad de TI
de SERNAGEOMIN, la cual realizó el soporte de
software, hardware y servidores para el procesamiento de
datos. Se agradece también a los geólogos Eric Ridelle,
Laura Mateo, Oscar Ercilla y Roxana Ortega
recientemente integrados a la actual Unidad de Recursos
Minerales, dirigida por Rodrigo Carrasco, por su interés
en aportar a estas materias. Este trabajo cuenta con el
patrocinio de la Subdirección Nacional de Geología de
SERNAGEOMIN.
Referencias
Gajardo, A. ; López, m. C. ; Carrasco, R. ; Mendoza, J. l. . (2003).
Mapa de yacimientos de rocas y minerales industriales de
Chile, Escala 1:1.000.000. SERNAGEOMIN, Carta Geológica
de Chile, Serie Recursos Minerales y Energéticos (n.7), 1 mapa
en 6 h.pleg.col, Santiago.
Muñoz, V.; Astudillo, N.; Morales, V.J.; Muñoz, N.; Ulloa, M.
2009. Descripción de conjuntos de datos, listas de validación y
procesamiento de la información para la Base de Datos de
Recursos Minerales de Chile. In Congreso Geológico Chileno,
No. 12. Santiago, 22-26 Noviembre, 2009.
Muñoz, V.; Ulloa, M.; Pantoja, G. Y., Moscoso, R. 2012. La Base
de Datos de Yacimientos Minerales de Chile como fuente de
Información para la Exploración Minera. In Congreso
Geológico Chileno, No. 13. Santiago, 5-9, Agosto, 2012.
Ulloa, M.; Muñoz, V.; Muñoz, N.; Astudillo, N.; Morales, V.J.
2009. Estructura del Sistema de Base de Datos para las Fichas
Mineras Metalogénicas del SERNAGEOMIN. In Congreso
Geológico Chileno, No. 12. Santiago, 22-26 Noviembre, 2009.
Vivallo, W.; Díaz, D.; Jorquera, R. 2008. Yacimientos Metalíferos
de la Región de Atacama. Servicio Nacional de Geología y
Minería. Carta Geológica de Chile, Serie Recursos Minerales y
Energéticos, Nº 27, 72 p., 1 CD, 1 mapa escala 1:500.000.
Tabla 1. Distribución de Yacimientos por región contenidos en el Sistema de Información de Yacimientos Minerales.

Figura 1. Ejemplo de Relaciones entre tablas y campos en la Estructura de la Base de Datos de Yacimientos Minerales. El campo
ID_YACIMIENTO contiene el identificador único para cada Yacimiento y que permite enlazar los diferentes datos de un Yacimiento.
Los campos OBJETO y ID_OBJETO permiten relacionar las tablas de doble vinculación “Hijas” con los registros de sus tablas “Madre”.

971
La Base de Datos de Yacimientos Minerales de Chile
como fuente de Información para la Exploración Minera
Vlamir Muñoz*, Miriela Ulloa, Ramón Moscoso y Gilma Pantoja
Unidad de Recursos Minerales, Servicio Nacional de Geología y Minería-SERNAGEOMIN, Santa María 0104, Providencia.
Santiago.
*E-mail: vlamir.munoz@sernageomin.cl
Resumen. La Unidad de Recursos Minerales, de
SERNAGEOMIN ha generado una Base de Datos de
Yacimientos Minerales de Chile, consultable a través de
un Sistema de Información de Yacimientos y del Geovisor
del PortalGeoMin, donde es posible aplicar filtros o
selecciones sobre diversos campos de datos
normalizados para generar subconjuntos de registros de
yacimientos con característica geológicas, mineras y/o
geográficas comunes. Esta BD es una fuente importante
de información para exploración minera, dado que sus
usuarios pueden realizar selecciones de diversas
maneras sobre sus diversos datos, optimizando la
extracción de información para diversos fines de análisis
según los objetivos de la exploración que se esté
desarrollando. Adicionalmente, la BD es desplegable
como una capa de puntos georeferenciados por lo que,
como complemento a la aplicación de filtros a los datos
de yacimientos, en ambiente GIS es posible potenciar el
análisis de relaciones espaciales entre los datos de los
yacimientos y otras variables geológicas, geofísicas y
mineras provistas por otras fuentes de información. Esta
BD también facilita al usuario la búsqueda de las
referencias bibliográficas y de datos de muestras
disponibles para cada yacimiento.
Palabras Claves: Yacimientos, GIS, PortalGeoMin.
1 Introducción
La BD de Yacimientos Minerales de Chile contiene
actualmente información geológica, minera, geográfica y
bibliográfica de 6.105 yacimientos minerales de Chile,
de la Región XV a la VI, que son administrados por el
Sistema de Información Administrativo de Yacimientos
Minerales (SIA YACIMIENTOS), con salida vía
internet, a través de un Geovisor del Portal Geológico y
Minero PortalGeoMin, que proporciona a los usuarios la
posibilidad de ejecutar diversas consultas sobre los
yacimientos en ambiente GIS. Para una adecuada
extracción de información para fines de exploración
minera, se debe considerar que la BD cuenta con una
estructura jerarquizada de tablas de datos interconectadas
con un identificador único para cada yacimiento,
ID_YACIMIENTO, y agrupadas según su afinidad
temática. (Ulloa et al, 2012). Por ello las selecciones de
yacimientos, por el usuario, en base a los datos relevantes
para fines específicos de la exploración minera, dependen
del objetivo de dicha exploración y de los datos
disponibles relacionados temáticamente a dicho objetivo.
972
2 Búsquedas, Selecciones y Análisis de
Información para fines de Exploración
Minera.
Para cada yacimiento se dispone de datos geológicos,
geográficos, mineros y bibliográficos normalizados
según Listas de Validación, que permiten la aplicación
de filtros para seleccionar términos específicos. La
disponibilidad de datos depende de que las fuentes de
información procesadas hayan contenido dicha
información. Por ello, al realizar búsquedas y selecciones
se debe tener especial cuidado al descartar los
yacimientos que no contengan datos en alguno de los
campos consultados. En los campos obligatorios se usa el
término No Especificado cuando no se tiene el dato
correspondiente. Existen también campos de tipo Texto
Libre que complementan los campos normalizados y que
ayudan al usuario a complementar los datos de los
yacimientos seleccionados. El usuario puede profundizar
además sus búsquedas de información, identificando las
Referencias Bibliográficas de cada yacimiento y que
indican la información fuente de los datos procesados.
Se presentan a continuación diversos casos de búsquedas,
selección y análisis de información orientados a
satisfacer diferentes objetivos en exploración minera.
2.1 Selecciones por Atributos Geográficos
Todos los Yacimientos tienen atributos geográficos
contenidos en las tablas de Coordenadas y Ubicación.
Por ejemplo, para buscar los yacimientos de la región de
Atacama, se procede filtrando en la tabla Ubicación por
el Código de la Región (03) o por el Nombre de la
Región. En el caso de una Provincia o Comuna
específica se pueden realizar los filtros por los nombres
de dichas divisiones político administrativas. También es
posible seleccionar los Yacimientos contenidos en cartas
IGM a escala 1:50.000 por medio del Código de la Carta
IGM. En las Regiones donde hay Distritos Mineros
asignados también se puede realizar un filtro por el
Nombre del Distrito o sobre el ID del Distrito Minero
que es un número único para cada distrito. Todos los
atributos geográficos han sido validados en base a las
Coordenadas de cada yacimiento, por lo que en ambiente
GIS el posicionamiento geográfico del yacimiento basta
para inferir los otros atributos geográficos, si se cuenta
con la capa geográfica apropiada del IGM.
2.2 Selección de Yacimientos según sus
Características Geológicas Principales
En la BD de yacimientos se tienen 2 grandes grupos de
registros según el Tipo de Recurso y que corresponden a
Recursos Minerales Metálicos (RMM) y Rocas y
Minerales Industriales (RMI). Esto es importante para
las consultas puesto que los datos están normalizados con
Listas de Validación diferentes, para estos grandes
grupos de yacimientos, para temas como Recurso y
Minerales. Además para RMI hay datos de su exclusiva
competencia, como Uso Industrial y Tratamiento.
La información que se usa habitualmente para
levantamientos preliminares para fines de exploración
minera son Nombre, Otros Nombres, Coordenadas,
Recurso, Forma y Modelo Genético. En Modelo
Genético para RMM se tienen datos principalmente
disponibles para yacimientos cuyas condiciones
genéticas están bien definidas en publicaciones, es decir
para yacimientos: a) de tamaño mediano a muy grande ya
que habitualmente tienen varios estudios asociados, b)
pequeños en Distritos Mineros con estudios geológicos
de detalle b) pequeños con modelos genéticos de fácil
asignación, como los de tipo Placer. Para la mayoría de
los RMI se tiene asignado un Modelo Genético.
2.3 Selección de Yacimientos para apoyar
interpretaciones Geofísicas
Para apoyar la realización de interpretaciones geofísicas
son fundamentales los datos de Recurso, Tamaño,
Forma y Minerales de los yacimientos. Por ejemplo para
complementar interpretaciones de anomalías magnéticas,
se debe tener en consideración que existen minerales
ferromagnéticos, como la magnetita, que dependiendo de
su abundancia puede afectar el campo magnético local.
Para ello conviene realizar una selección de yacimientos
de la BD con los siguientes filtros sucesivos: a) se
selecciona del campo Tipo de Recurso los
correspondientes a Recurso Mineral Metálico (RMM);
b) en Recurso aquellos que contienen Fe; c) se procede a
filtrar en el campo Minerales aquellos registros con
Magnetita como mineral de mena o ganga. Al desplegar
en ambiente GIS los puntos de los yacimientos
seleccionados (Fe y Magnetita) con un símbolo que
represente su Tamaño y Forma se podrá analizar su
relación espacial con las anomalías geofísicas.
2.4 Identificación de Minerales de Alteración en
Imágenes Satelitales
La BD de yacimientos cuenta con dos campos que
contienen los datos correspondientes al parámetro de
alteración, el campo Tipo de Alteración y el campo
Minerales de Alteración, el primero de los cuales tiene
973
que tiene una relación 1 a n con el segundo. Por la
relación entre estos datos ocurre que para un yacimiento
pueden tenerse Minerales de Alteración, pero sin que
esté clasificado el Tipo de Alteración, por lo que en esos
casos se tendrá un tipo No Especificado, siendo
necesario seleccionar los Minerales de Alteración
relacionados a ese tipo No Especificado.
En el desarrollo de proyectos de exploración minera se
recurre habitualmente a la identificación, en imágenes
satelitales, de áreas con minerales de alteración. Su cruce
o chequeo, en ambiente GIS, con datos de alteración de
la BD de yacimientos le agregará una confiabilidad
mayor al procesamiento de imágenes. Esto se puede
lograr seleccionando y comparando los datos de los
campos Tipos de Alteración y Minerales de Alteración,
de la BD de Yacimiento, con la información proveniente
de las imágenes, para chequear primeramente si calza
con los datos de alteración. Así será posible utilizar los
datos de alteración para: a) comprobar la identificación
de minerales hecha por medio de imágenes satelitales; b)
aportar datos para los campos de la BD de yacimientos;
c) orientar la identificación de minerales de alteración en
los procesos de extracción de información de imágenes.
2.5 Consultas y Cruces de Información en GIS
El Geovisor online de SERNAGEOMIN proporciona una
herramienta de Consulta que permite hacer filtros sobre
campos como Nombre del Yacimiento, Recurso y
Tamaño del Yacimiento. Por ejemplo para seleccionar
los yacimientos de Au, Cu y Fe, de la III Región, en la
Consulta se construye una sentencia que aplica varios
filtros y selecciona los yacimientos que cumplen con esas
características, quedando destacados con un círculo rojo
en torno a su símbolo, siendo posible además aplicar una
identificación sobre cada yacimiento para visualizar una
lista de sus datos más relevantes (Figura 1).
En Geovisor también permite desplegar capa de puntos
yacimientos y la capa de Propiedad Minera lo que
permite relacionar espacialmente ambas fuentes de
información para detectar oportunidades de negocios
mineros.
En ambiente GIS, a partir de exportaciones de los datos
de yacimientos, es posible realizar análisis espaciales
entre diferentes variables. Para análisis estructurales se
pueden usar los datos de orientación espacial, como
Rumbo y Manteo, de las Formas y Estructuras de los
yacimientos. Por ejemplo se puede analizar la relación
entre la orientación de los yacimientos con Forma de
Veta y el área de influencia de una falla regional.
También la BD aporta datos para estudios de anomalías
geoquímicas, como Recurso, Minerales de Mena, de
Ganga y de Alteración, Leyes, y Resultados de Análisis
de Muestras.
Conclusiones
Los campos con información normalizada de la BD de
Yacimientos Minerales de Chile permiten la aplicación
confiable de filtros sobre los datos para realizar
selecciones de yacimientos que, hechas sobre los campos
adecuados, satisfacen diversos requerimientos de
información para exploración minera. El ambiente GIS
online de SERNAGEOMIN permite la aplicación de
consultas sobre los campos de datos más relevantes,
permitiendo visualizar los subconjuntos de yacimientos
con las características de interés para el usuario.
Para una mayor capacidad de cruces de información por
parte de los usuarios, se requiere de exportaciones de los
datos de yacimientos a formatos compatibles con
software GIS, para poder relacionar espacialmente los
datos de interés con otras capas de información
geográfica, minera, geofísica y geológica, posibilitando
también análisis geoquímicos y estructurales.
Para exploración minera es importante que la BD de
Yacimientos de SERNAGEOMIN contenga todos los
yacimientos existentes y que la calidad de los datos sea
homogénea, tanto en sus diversos tipos de datos como en
sus diferentes niveles de detalle. Por ello es fundamental
el control de calidad de los datos, tanto en terreno como
gabinete, así como realizar actualizaciones permanentes.
Agradecimientos
Se agradece los usuarios de la información de la Base de
Datos de Yacimientos que están poniendo a prueba su
utilidad en SERNAGEOMIN, para fines especializados,
como Natalia Astudillo para Geología Regional, Jorge
Vivallos y Francisco Delgado de la Puente para
Geofísica, Juan Pablo Lacassie y Nicole Muñoz para
Geoquímica. Se agradece a los geólogos Rodrigo
Carrasco, por su apoyo y Waldo Vivallo por sus
observaciones durante este trabajo. Los datos contenidos
en la BD de Yacimientos Minerales se procesaron en el
marco del Proyecto INNOVA-CORFO (07CN13IMM-
87) denominado “Información Geocientífica para el
Fomento de la Exploración Minera en Chile”.
Referencias
Ulloa, M.; Muñoz, V.; Pantoja, G. Y.; Moscoso, R.; Muñoz, N.;
Astudillo, N.; Morales, V.J., Vega, N. 2012. Características
Principales de la Base de Datos de Yacimientos Minerales de Chile.
In Congreso Geológico Chileno, N°13, Santiago, 5-9, Agosto ,
2012.

Figura 1: Ejemplo de selección de yacimientos en ambiente GIS a través de la herramienta de consulta del Geovisor del PortalGeoMin,
provisto en internet por SERNAGEOMIN. La visualización representa la selección de los yacimientos de la Región de Atacama y que
contuviesen Au, Cu y Fe entre sus Recursos. Los yacimientos que cumplen ésta condición se destacan automáticamente con un círculo
rojo en el mapa, y es posible desplegar los atributos más relevantes de cada uno con una herramienta de identificación del Geovisor.

974
Aplicación de la Tecnología Measurement While Drilling
en Túneles
*1 1
Dixie Rivera y Sofía Rebolledo
1
Departamento de Geología, Facultad de Ciencias Físicas y Matemáticas, Universidad de Chile, Plaza Ercilla Nº 803,
Santiago, Chile.
*
E-mail: dirivera@gmail.com
Resumen. El sistema Measurement While Drilling (MWD)
consiste en el monitoreo durante la perforación de manera
automatizada de los parámetros de perforación (tasa de
penetración y presión de torque). Los datos proporcionan
información objetiva y consistente de las condiciones del
macizo rocoso. Esta información ayudará a prever el
comportamiento geotécnico de la roca y permitirá ajustar la
excavación y sostenimiento a las condiciones reales del
macizo rocoso. El análisis del túnel Strindheim (Noruega) y
del túnel Loren (Noruega) muestra que los mapas
resultantes de la tasa de penetración normalizada son
concordantes con el mapa geológico final del túnel,
observándose que la variación de la tasa de penetración es
acorde con la dureza de la roca. En el marco anterior, el
MWD es una herramienta útil y de gran potencial para las
excavaciones subterráneas (Shunnesson, 1998).
Palabras claves: Measurement While Drilling, Parámetros
de perforación, Tasa de penetración, Presión de torque.
1 Introducción
El sistema Measurement While Drilling (MWD) es un
método que consiste en el monitoreo y registro
automatizado de los parámetros de perforación, se realiza
mediante el programa Bever Team 3 de Bever Control. El
método proporciona información objetiva y consistente de
las condiciones del macizo rocoso. Esta información
ayudará a prever el comportamiento geotécnico de la roca
y permitirá ajustar la excavación y sostenimiento a las
condiciones reales del macizo rocoso.
Los principales parámetros de perforación son la tasa de
penetración y la presión de torque, estos parámetros
dependen de las características geológicas de la roca (como
dureza y estructuras), pero además responden a variaciones
externas, por eso deben ser normalizados para estandarizar
el método (Gjerstad, 2010). Los resultados muestran que
los parámetros de perforación normalizados responden a
cambios en las condiciones de la roca. También se ha
encontrado una relación entre la dependencia de la tasa de
penetración y la resistencia a la compresión uniaxial
(Thuro, 1997),
Diferentes tipos de roca responden de manera distinta a la
perforación (Rabia, 1985). El monitoreo durante la
perforación se basa en entender la respuesta de los
975
parámetros de perforación mostrados durante la
excavación y en la concepción de la relación entre estos
parámetros y las características de la roca. La esencia del
monitoreo es explorar las características de la roca in situ
de un macizo rocoso y extraer información útil de manera
automática de los datos de perforación (Gjerstad, 2010).
El monitoreo se realiza durante la perforación a través de
sensores instalados cerca de las válvulas que controlan las
presiones hidráulicas que se emiten, situados delante de la
cabina del Jumbo donde comienza el martillo, y son los
encargados de captar los parámetros de perforación y sus
variaciones a medida que se perfora, para luego llevar los
registros a los computadores que se encuentran en la
cabina de los Jumbos como en las oficinas establecidas
para el análisis de los datos.
La cantidad de datos que se tomen depende
exclusivamente de la cantidad de perforaciones que se
realicen y al estar los sensores en el interior del Jumbo,
todo tipo de perforación que haga será un medio de
obtención de datos. La frecuencia de estas perforaciones
depende exclusivamente de las condiciones del macizo
rocoso, en cuyo caso habrá frentes con más perforaciones
que otras y de distintos tipo.
2 Ventajas del sistema MWD
Con el monitoreo durante la perforación se tiene un control
constante sobre la calidad de la roca delante de la frente del
túnel, además demuestra una buena capacidad de prever las
condiciones de la roca cambiando oportunamente la
estrategia en el soporte de la roca estimado al comienzo,
mejorando el margen de seguridad y controlando de
manera más eficiente los tiempos para los preparativos en
caso de haber un cambio en la clase de roca.
El MWD es un sistema computarizado incorporado en los
equipos de perforación (Jumbos), por lo que es rápido,
práctico y de bajo costo operacional (Shunnesson, 1997).
Los datos pueden ser usados para una evaluación
inmediata y tan pronto como el registro de los datos esté
disponible, los resultados pueden ser graficados y
evaluados siendo parte esencial en el proceso de la toma de
decisiones (Shunnesson, 1998).

Al estar incorporado en los Jumbos, el sistema MWD se
puede utilizar en varios tipos de perforación, tales como en
sondajes exploratorios (de alerta temprana), perforación
para la preinyección (alerta temprana) y en rondas de
tronaduras (documentación incorporada), siendo ésta una
ventaja comparativa en cuanto a su multifuncionalidad.
Además el MWD es una herramienta complementaria que
entrega al geólogo información relevante para mejorar la
toma de decisiones y reducir las incertidumbres sobre las
condiciones de la roca, debido a que el
pronóstico geológico se puede hacer de manera objetiva
y consistente a lo largo de un proyecto completo.

El monitoreo también tiene la capacidad de proporcionar 5 Agradecimientos

un conocimiento detallado del tiempo empleado en cada
actividad y las características de cada una de ellas en un
ciclo de perforación. Una información detallada del tiempo
de cada actividad en un ciclo de perforación puede ser
presentada como una distribución de la producción total y
con esto se puede dar cuenta de cómo la capacidad de
producción se verá incrementada ((Shunnesson, 1996).
El sistema MWD puede ser usado en diversos ambientes
geológicos, ya que éste se calibra bajo las condiciones
geológicas actuales del proyecto. La base de la cual el
MWD comienza a medir varía en cada escenario y se
ajusta al tipo de roca que se espera encontrar.
Se agradece a Bever Control por el apoyo y la facilitación
del software MWD y los datos de los túneles Stringheim y
Loren para realizar los análisis.
6 Referencias
Gjerstad, J., 2010. Drill parameter analysis in the Loren tunnel;
Master Thesis in Geosciences, University of Oslo, Department of
Geosciences, Págs. 67.
Rabia, H., 1985. A unified prediction model for percussive and rotary
drilling, Mining, Págs. 207-216.

Shunnesson, H., 1996. RQD Predictions Based on Drill Performance

3 Resultados del sistema MWD Parameters, Vol 11, No. 3, Págs. 345-351.

Schunnesson, H., 1997. Drill process monitoring in perrcussive

En cuanto a los resultados obtenidos, el túnel Strindheim, drilling for location of structural features, lithological bondaries
donde se realiza una comparación entre el mapa geológico and rock properties, and for drill productivity evaluation,
final y los mapas resultantes de la tasa de penetración Department of Environmental Planning and Design, Luleä
normalizada (Figura 1) y la presión de torque normalizada, University of Technology. Luleä, Doctoral thesis, Págs. 2-34.
se muestra que el monitoreo durante la perforación
Schunnesson, H, 1998. Rock characterisation using percussive
presenta buena capacidad de prever las condiciones de la drilling, International journal of rock mechanics and mining
roca por delante del frente, ya que los mapas generados por sciences, Págs. 711-725.
el sistema MWD muestran resultados correlacionables con
la geología encontrada durante la excavación. Thuro, K., 1997. Drilability prediction: geological influences in hard
rock drill and blast tunnelling. Geol Rundsch, Págs. 426-438.
De igual forma para el caso del túnel Loren, el mapa
generado de la tasa de penetración normalizada (Figura 2)
muestra resultados concordantes con respecto al mapa
geológico, donde se observa que la variación de la tasa de
penetración es acorde con la dureza de la roca perforada.

4 Conclusiones

A partir del estudio de los parámetros de perforación (tasa

de penetración normalizada y presión de torque
normalizada) frente a las distintas respuestas de éstos a
cambios en el macizo rocoso durante la perforación, el
MWD es una herramienta útil y de gran potencial para las
excavaciones subterráneas debido a la buena capacidad que
tiene de predecir las propiedades de la roca en
combinación con la rápida y fácil evaluación, manteniendo
un control sobre los tiempos utilizados en el ciclo de
perforación, documentando y logrando un control
cuantitativo de cada actividad.

976
 (A) (B)

Leyenda
Tasa de Pentración
Normalizada (% )
-50
-30
-10
0
15
30
70
100
150

Figura 1. A): mapa geológico del túnel Strindheim entre los Pk 1040-1000. (B): mapa de dureza realizado por la tasa de penetración
normalizada (%), Línea punteada blanca y negra indican zonas con menor y mayor dureza respectivamente.

(A) (B)

Leyenda
Tasa de Pentración
Normalizada (% )
-50
-30
-10
0
15
30
70
100
150

Figura 2. (A): Mapa geológico del túnel Loren entre el Pk 1350 y Pk 1310. (B): mapa de dureza realizado por la tasa de penetración
normalizada (%) del túnel Loren, líneas punteadas blancas y amarillas indican zonas con menor y mayor dureza respectivamente.

977
Geological Model of Carmen de Andacollo Deposit:
Methods and Improvements
1 2
Alejandro Maldonado & Víctor Araya
Minera TECK Carmen de Andacollo
1
E-mail: alejandro.maldonado@teck.com

Abstract. The Carmen de Andacollo Copper Mine is 3. Minzones and Lithology

located in the Coast Range of central Chile, Coquimbo
Province. Domains of resource estimation are built using a
Minzones LIX (leach zone), ESEC1 (Strong Secundary
combination of structural domains, mineralization and
lithology. Minzones and some lithologies are built with Enrichment), ESEC2 (Weak Secundary Enrichment),
extrapolation methods into the sub-box model. The simple lithology (s_lith) ANIND (undifferentiated
methodology of construction of the geological model andesites) and BXIND (undifferentiated breccias), TDSO4,
Carmen de Andacollo has gone through different stages of TDCO3 are built as mesh in each sub-box, creating
improvement, where the most important are changing the intersection points for every logged zone in the drillhole
extrapolation equation for the interpretation of the flat (figure 1). The points are checked and the outlying values
contact units and the construction of porphyries and solids are fixed. Some points are added to assist the construction
of alteration using primitive solids .The improvement of the of the meshes, which are made using Dynageo3D software.
methodology of modeling has allowed optimizing quiet time
The obtained meshes are forced to follow the contacts of
of work.
the intersection points of each minzone or lithology with
Keywords: Carmen de Andacollo, Modeling, Commercial the points snapped to drillholes. The wireframes generated
Softwares. are used to cut each sub-box solids and together they form
the total unit, everything defined by the limits of the
modeling box (figure 2).
1. Location
HERMOSA
FAULT
The Carmen de Andacollo Copper Mine is located in the
Coast Range of central Chile, Coquimbo Province, Region
IV, at 30°15’ S latitude and 17°10’W longitude. The
property is adjacent to the town of Andacollo,
approximately 55 km southeast of the city of La Serena
and 350 km north of Santiago. Access to the Andacollo
property is by paved roads from La Serena. The property is
located near the southern limit of the Atacama Desert at an
elevation of approximately 1,000 meters.

2. Estimation Domains

The domains of resource estimation are built using a

combination of structural domains, mineralization and
lithology (Herrera et al, 2011).

The boundaries of the box model are given by the local

coordinates 50,400-53,500 N, 97,150- 99,700E and 200-
1250 RL. The box model is cut with current fault
generating sub-box solids. Each sub-box is used to build CARMEN
FAULT
Minzones, Andesite, Breccia and biotitic alteration solids
(flat units contact).

Structural domains are built considering the structural

information of historical database, drilling campaigns
results and bench logging. This information is modeled in TRES PERLAS CENTRAL
3D (structural model), creating solids by structural domain FAULT FAULT

in Vulcan®. They are encoded into eight structural Figure 1. Contact point for leach zone into main sub-box.
domains. The porphyries are built on the basis of interpretations in

978
sections each 25m (Sections EW to Post Min Porphyries, 5. Improvements
and N45°E°E to Min Porphyries), which we
were subsequently
carried on plans separated 10m. With polygons obtained in The main methodology of construction of the geological
plans, 3D model was built through
ough modeled bodies in model Carmen de Andacollo has gone through different
continuous solid. stages of improvement. The most important are:
(A)
1) Changing the extrapolation equation for the
interpretation of the flat contact units, replacing the
extrapolation
apolation of Laplace by Bézier Curve.
C This improved
the shape of the mesh around the contact point of the
drillholes (figure 3).
BOX

(A) Laplace extrapolation

MESH CONTACT
LEACH - ESEC1
1 2 3

TRES PERLAS
FAULT

(B)

(B) Bézier Curve

Figure 2. (A) Extrapolated mesh cutting sub-box

box of leach zone.
(B) ESEC1 (view from bottom).

4. Alteration

Dominant alteration has been modeled mainly to supply Figure 3. (A) View from upper of 3 Laplace Mesh. 1. Contact
geotechnical and geometalurgical requirements. Recoded point. 2. Laplace Mesh. 3. Contact points versus Laplace points.
(B) Cubic Bézier Curve (Q: Intermediate points, R: Cuadratic
C
database of Dominant Alteration has been used based on
Curves, P: Nodes).
historical and current codes. Subsequently Dominant
Alteration was simplified in field “s__alt”, grouping
minerals into 4 types: Sodic-potasic
potasic (Na_K), Biotitic Extrapolation of Laplace generates a regular grid of points
(BIO), Quartz-sericitic (QSER), and Argillic (ARG) that pass close to the contact points, whereas a mesh
alteration. The solids
olids of Biotitic alteration are built generated by the Bézier Curve
urve is forced through the
following the same procedure done for andesite
andesite, breccias contact.
and minzones, whereas the Argillic and quartzquartz-sericite
alteration was built on the basis of interpretation
interpretations in 2) Construction of porphyries and solids of alteration using
sections each 25m and planss each 10m. The Sodic
Sodic-Potasic primitive solids. Sectionss and solid primitives are built to
alteration is built using Dynageo3D® software. This get new solids easy to update using Dynageo3D®.
simple alteration (s_alt) supported the Basic Geotechnical
Units Model and Geometalurgical Units of Comminution.

979
 term.
3) Improve the shape of geological units and build even
more realistic.
4) Increase the accuracy and completeness of the model
ensuring resources and geological reserves recognized.
(Reconciliations TCu less than 2% between Long Term
and Grade Control Model 2010-2011 - Hypogene).
5) The technology used for the improvement and
innovation of the model increased the yield of team.
6) Decrease more than half the number of persons working
in previous years despite increasing volumes modeled and
models required.
7) Optimization of geological modeling in recent years
worked hard on increasing resources and reserves of
TECK CDA, which have increased 25% the last year
Figura 4. Left, primitive solid generated from sections.
impacting heavily on the Value Creation of the Company.
Right, solid improved using Dynageo3D®.
References
6. Conclusions
Herrera, H.; Canut de Bon, C.; Araya, V.; Iribarren, M.; Novoa, D.;
The improvement and innovation of the methodology Fuentealba, M.; Torres, L. Mineral Resource & Mineral Reserves
of modeling, has allowed mainly: End of Year 2011 Andacollo Copper Mine. Staff Planning &
Development TECK CDA.
1) Reducing time modeling despite increased volumes
modeled and models required.
2) Easy and quick to updating the models of long and short

GEOLOGICAL STRUCTURAL
MODEL MODEL

Hermosa Fault

PORPHYRIES ANDESITE BRECCIA

Figure 5. Structural and Lithological models of Carmen de Andacollo Deposit.

980
Litologia y velocidades sismicas de la formacion
Sierra de la Invernada, reserva Don Carmelo,
precordillera de San Juan, Argentina
1 1,2 2 2 3
Sofía Pérez Luján , Patricia Alvarado , Arturo Güell , Mauro Sáez y Graciela Vujovich
1
CIGEOBIO. Consejo Nacional de Investigaciones Científicas y Técnicas – Universidad Nacional de San Juan,
Argentina.
2
Departamento de Geofísica y Astronomía – Universidad Nacional de San Juan, Av. José Ignacio de la Roza y Meglioli,
5406, Rivadavia, San Juan
3
IDEAN. Depto. de Ciencias Geológicas, Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires,
Argentina.

Resumen. En este trabajo se presentan las en la zona de Calingasta, y en el extremo oeste de

características litológicas y resultados parciales de
datos sísmicos de refracción para un perfil oeste-
este, ubicado en el flanco occidental de la Sierra
de la Invernada, en las proximidades de la
Reserva Don Carmelo, Departamento Ullúm,
Provincia de San Juan, Argentina. La unidad
geológica aflorante en la zona de estudio
corresponde a la Fm Sierra de la Invernada de
edad paleozoica inferior; conformada mayormente
por material siliciclástico e intercalaciones de
cuerpos básicos. Los resultados geofísicos
permiten predecir que las capas sedimentarias
superficiales correspondientes a material aluvial
se apoyan sobre un substrato de baja velocidad
sísmica que correspondería a sedimentitas
clásticas bien compactadas y que las rocas
básicas se ubicarían a niveles aún más profundos
para los cuales se esperarían velocidades Vp
mayores, dentro de la sección analizada.
Palabras Claves. Fm Sierra de la Invernada,
ondas P, ofiolita, Precordillera, geofísica
la quebrada del río San Juan; que en conjunto
habrían sido interpretados por Borrello (1968,
1969) como parte de un sistema ofiolítico de edad
ordovícica media a superior obductado durante la
orogenia chánica. Esta zona definiría la sutura
entre el terreno de Cuyania y el terreno de
Chilenia (Ramos et al., 1984). En este trabajo se
presentan resultados parciales obtenidos a partir
del método sísmico de refracción y otros de
funciones del receptor obtenidos para la estación
sismológica DOCA de banda ancha, perteneciente
a la Universidad Nacional de San Juan, en las
inmediaciones de la zona en cuestión. Dicho
estudio permitió obtener las velocidades sísmicas
de ondas P en función de la profundidad desde
niveles de superficie hasta corticales.

1 Introduccion

La zona de estudio se encuentra sobre el flanco

occidental de la Sierra de la Invernada (Fig. 1 y
Fig. 2). El sitio es de fácil acceso a través de una
huella con buen mantenimiento sobre el valle de
la Invernada, tras recorrer 32 km desde la ruta
provincial Nº 149 que dista unos 130 km desde la
ciudad de San Juan (Fig. 1).

El interés del estudio consiste en profundizar el

conocimiento de la extensión de los cuerpos Figura 1. Ubicación de la Reserva Don Carmelo y
ígneos básicos aflorantes en la sierra; éstos se estación sismológica DOCA.
correlacionan con los de la Fm Yerba Loca en la
sierra del Tigre, cordón del Coronel y cerro
Cuesta del Viento y con los de la Fm Alcaparrosa

981

Figura 2. Mapa geológico en las inmediaciones de la
Reserva Don Carmelo y localización de la estación
sismológica DOCA. El rectángulo muestra las litologías
relevadas en este sector.
2 Litologia de la fm Sierra de la
Invernada
En este sector se encuentran dos miembros
inferiores compuestos por alternancias de
cuarcitas, subgrauvacas y filitas de color verde
claro grano estrato-crecientes, un miembro
cuarcítico medio consistente en un banco de
conglomerados en su techo y clastos de calizas
grises de la Formación San Juan y, un miembro
superior con una alternancia de cuarcitas y calizas
en estratos crecientes, que van de 5 cm hasta 1,5
m, los niveles superiores presentan una caliza
conglomerádica. La edad quedó asignada al lapso
Darriwiliano superior, Sandbiano y Katiano
inferior en base al hallazgo de niveles fosilíferos
de graptolitos y conodontes (Ortega et al., 2008).
Una característica a resaltar en la sierra de La
Invernada es la presencia de manifestaciones
magmáticas de carácter básico, sea en forma de
filones o cuerpos lenticulares concordantes con la
estratificación. En la zona de estudio se
reconocieron cuerpos de diabasa de coloración
verdosa en corte fresco de textura media a fina y
textura gruesa en otros casos, con venillas de
composición diorítica en su mayoría de rumbo N-
S con un ancho de hasta 3 cm. La composición
mineralógica de estas rocas observada con lupa de
mano consiste en plagioclasas mayormente
alteradas, piroxenos y biotita. En algunos casos
982
los cuerpos de diabasa se encuentran en contacto
con material clástico muy fino y, al menos
macroscópicamente, no se observaron cambios
texturales y/o composicionales en la zona de
contacto de ambas unidades reconociendo incluso,
en el material clástico, estructuras sedimentarias
bien preservadas de tipo convoluta y en las
proximidades del intrusivo.
Figura 3. Unidades aflorantes en las proximidades de
la estación sismológica DOCA y detalle de los distintos
tipos de rocas reconocidas. La línea amarilla separa las
rocas volcánicas máficas de las rocas sedimentarias.
3 Comparación de los resultados
sísmicos con el análisis de la
litología de la fm Sierra de la
Invernada
El ensayo de refracción sísmica realizado a
profundidades máximas investigadas menores que
10 m, determinó valores máximos de velocidades
sísmicas del orden de 4.000 m/s correspondientes
a un material fuertemente compactado cubierto de
sedimentos detríticos de origen aluvial acorde a la
morfología de la zona investigada. Este resultado
es en parte consistente con las observaciones
geológicas en superficie, donde el material
aflorante está constituido por subgrauvacas
laminadas y niveles de areniscas sabulíticas muy
bien compactados, intruidas por cuerpos de
diabasas en relación de concordancia con las
sedimentitas y probablemente de la misma edad
que las mismas. Es importante destacar que estas
litologías representan la composición
predominante de la sierra de la Invernada y por lo
tanto aquellas situadas en las inmediaciones de la
estación sismológica DOCA. Sin embargo es
posible esperar litologías de mayores velocidades
en base a los resultados de función del receptor
que predicen velocidades sísmicas superiores a 6
km/s y un espesor cortical de hasta 64 km.

4 Conclusiones

En base al relevamiento geológico de campo y al

análisis de los resultados geofísicos parciales
obtenidos para velocidades de ondas P en las
proximidades de la Reserva Don Carmelo, se
establecen valores que representarían material
fuertemente compactado cubierto de sedimentos
detríticos de origen aluvial. La comparación con
determinaciones globales tales como aquellos de
Brocher (2005) indican que existe una capa más
profunda compuesta por material clástico
compacto además de una capa intermedia de
material meteóricamente disgregado y una
cobertura sedimentaria de baja velocidad sísmica.
A profundidades corticales, es posible encontrar
litologías máficas de mayores velocidades de
ondas sísmicas (> 6.0 km/s).

Referencias

Borrello, A. V, 1968. Los pisos estructurales de la

Precordillera - Cordillera Frontal en su evolución
orogénica. Actas 3° Jornadas Geológicas Argentinas,
3: 227 - 232. Buenos Aires.

Borrello, A.V., 1969. Los geosinclinales de la Argentina.

Anales XIV, Dir.. Nac. Geología y Minería, Bs.As.
188 pp.
Brocher, T., 2005. Empirical Relations between Elastic
Wavespeeds and Density

in the Earth’s Crust. Bulletin of the Seismological Society

of America, Vol. 95, No. 6, pp. 2081–2092.

Ramos, V., Jordan, T., Allmendinger, R., Kay, S., Cortés,

J., Palma, M. 1984. Chilenia: un terreno alóctono en la
evolución paleozoica de los Andes Centrales. 9º Cong.
Geol. Arg., Actas 2: 84-106.

Ortega, G.; Albanesi, G. L.; Banchig A. L. y Peralta, G. L;

2008. High resolution conodont-graptolite
biostratigraphy in the Middle-Upper Ordovician of the
Sierra de La Invernada Formation (Central
Precordillera, Argentina). Geológica Acta, Vol. 6, N°
12. 161-180.

983