finalidad de determinar asociaciones geoquímicas y reducir el
número de valores de información.
I. MARCO METODOLÓGICO
I.1. Geología Regional
I.2. Geoquímica
La data que se trabajó corresponde a 2 361 muestras de
sedimentos de quebrada que cubren el área de estudio. Las
muestras fueron colectadas por el INGEMMET a una escala
regional de 1:10 000 km2 durante el periodo 2008-2010. El
método y estándares de muestreo, así como los métodos
analíticos están especificados en Chira et al. (2009), Chira et
al. (2011) y Chira et al. (2011). Las unidades de medida son
partes por billón (PPB) para el oro, porcentaje (PCT) para el
Al, Ca, Fe, K, Mg y Ti; y partes por millón (PPM) para los
otros 36 elementos restantes.
I.3. Análisis Exploratorio de Datos
En cuanto a los valores menores al límite menor de detección
(LLD) fueron reemplazados con la mitad del LLD, y para los
valores superior al límite superior de detección (ULD) fueron
reemplazados con la décima superior al ULD.
Adicionalmente, fueron eliminados los valores que no
tuvieron el análisis químico óptimo y los elementos con menos
de 30% de variabilidad.
Con la finalidad de realizar el procesamiento estadístico se
agrupó los datos según dominios geoquímicos en base a
características litológicas y estratigráficas. Determinándose 12
dominios geoquímicos siendo considerados como poblaciones
estadísticas.
Los valores de concentración de los valores de los 43
elementos analizados fueron normalizados, con los outliers
eliminados previamente, utilizando el logaritmo natural y
luego estandarizados mediante el z-score. Posteriormente se
elaboró el procesamiento estadístico univariado, multivariado
y robusta.
I.4. Estadística Univariada
Se determinó la distribución de cada uno de los elementos en
cada dominio geoquímico mediante el análisis de histogramas
y diagrama de “cajas y bigotes”. Para el cálculo del valor de
fondo (background) y los umbrales (thresholds) geoquímicos
se utilizó la media [X] y la desviación estándar [σ], en base a
los cuales se elaboraron mapas de anomalías geoquímicas
según la clasificación:
Background = [X]
Anomalía débil = [X] + 1[σ]
Anomalía moderada = [X] + 2[σ]
Anomalía fuerte = [X] + 3[σ]
Se utilizó el lenguaje de programación Phyton mediante la
plataforma Jupyter Notebook.
I.5. Estadística Multivariada
Para este apartado se utilizó la técnica multivariada Análisis
Factorial (AF), mediante el complemento XLSTAT en
Microsoft Excel, se trabajaron los valores de los elementos
con la tranformación Centered Logratio Transformation
(CLR) haciendo uso del software libre CodaPack, con la
De acuerdo al Coeficiente de Rango Correlacional (RCC), el
cual se basa en la correlación de Pearson, se definieron
ecuaciones que relacionan elementos tanto por su correlación
positiva como negativa, y se utilizó para destacar en el área de
estudio las zonas con asociaciones geoquímicas más
favorables (Rasekh et al., 2016; Valls, 2008).
I.6. Estadística Robusta
La técnica utilizada fue el Local Relative Enrichment Index
(LREI) que consiste en analizar un conjunto de datos
pertenecientes a un área dentro de una malla establecida con la
finalidad de eliminar el efecto pantalla de anomalías altas
sobre anomalías bajas distanciadas considerablemente (Zuo,
2014). Los valores se hallaron mediante la siguiente fórmula:
X i ( ppm)
LREI ( z i )= −1
Medianai
Las ventanas cuadrangulares utilizadas fueron de 20 km X 20
km.
I.7. Targets Geoquímicos
En base a los resultados anteriores se trazaron polígonos en las
zonas de anomalías geoquímicas más altas según los
resultados de las diferentes técnicas y elementos analizados
realizando puntuaciones para cada target según la intensidad
de anomalías para los metales base, elementos indicadores y
pathfinders en cada uno de los métodos realizados.
I.8. Sensores remotos en la exploración minera
I.8.1. Procedimiento de imágenes Aster
II. RESULTADOS
II.1.Geología Regional
II.2.Geoquímica
Se obtuvieron anomalías de Ag, As, Sb y Hg utilizando la
estadística univariada en el sector sur en zonas aledañas a la
mina Soledad, en el sector aledaño a la mina Pashpap, y en el
norte en alrededores de la mina Pasto Bueno.
El Au presenta anomalías fuertes (>550 ppb) al norte de
Soledad y en el sector norte en zonas exteriores al área de
estudio (>1500 ppb). Se presentan altas anomalías de Cu
alrededor de la mina Pasto Bueno (de 700 a 10000 ppm),
Pashpap (de 500 a 7700 ppm), y la mina Soledad (de 650 a
3400 ppm) (Ver Mapa N° XX, a).
En la estadística multivariada, de acuerdo al AF se obtuvieron
11 factores, de los cuales los más importantes son el F1, F2,
F4 y F7, los elementos que constituyen cada factor de
muestran a continuación:
Factor 1 As, Pb, Sb, Zn, In, Ag
Factor 2 U, W, Nb, Th
Factor 4 Ca, Sr, Cd
Factor 7 Ni, Co, Cd
 son coincidentes con los resultados de las anomalías obtenidas
mediante la estadística

Mapa N° XX. a. Resultados de anomalías para el Cu usando estadística univariada, b. Análisis Factorial 1, c. RCC 1, d. LREI para el Cu.

Se realizaron mapas de mayor índice para cada factor, en

donde el Factor 1 presenta una mayor distribución en el sector
norte (alrededores de la mina Pasto Bueno), en los alrededores
del proyecto Racaycocha y en el sector en la zona de la mina
Soledad (Ver Mapa N° XX, b), coincidiendo con las
anomalías marcadas por la estadística univariada. La
asociación mostrada en el Factor 1 es característica de
diversos tipos de depósitos, entre los cuales figuran los
yacimientos epitermales, pórfidos e Intrusion Related.
univariada y guardan una relación espacial con los
yacimientos conocidos. Los resultados del Zn y Pb son
similares al de la Ag. El Mo muestra zonas anómalas
principalmente en Pashpap y al norte de Pierina En el
targeting geoquímicos las zonas de mayor puntuación fueron
en el sector zonas alrededores de Pasto Bueno, en el centro al
sureste de Pashpap, y en el sur en los alrededores de Soledad.

Según el RCC se obtuvieron 2 ecuaciones:

4 As+3 SB
RCC1 =
5Y + 2 Lu+2 La+2Ce+ 3 K + Rb
RCC2 = Cd+ ¿+2 Pb

El RCC1 destaca el As, Sb (pathfinders de yacimientos

polimetálicos) y su relación inversa con Y, Lu, Ce, K y Rb
(elementos incompatibles), resaltándose las zonas anómalas en
los alrededores de las minas Soledad y Pasto Bueno (Ver
Mapa N° XX, c) asociadas a mineralizaciones de Au, Ag, Cu,
Zn y Pb. El RCC2 muestra la relación entre el Cd, In y Pb,
relacionados a mineralización de metales base.
Aplicando el LREI se analizaron 6 elementos: Ag, Au, Cu,
Mo, Pb y Zn. En los resultados del LREI de Ag puede
observarse altos índices en alrededores de las minas Pasto
Bueno, Pashpap, Pierina y Soledad, al igual que en la
estadística univariada, sin embargo, adicionalmente hay altas
anomalías en los sectores centro del área. Respecto al Au, no
hay anomalías altas sino en el sector al norte, en los límites del
área y en la zona de Pataz, fuera de nuestra área. Los
resultados en cuanto al Cu que presenta altos índices en la
zona de Pasto Bueno, Pashpap y Soledad (Ver Mapa N°XX, d)