Sunteți pe pagina 1din 97

Evaluacin de Recursos La definicin de los recursos y reservas de un yacimiento es la primera componente de la cadena de valor de un proyecto minero, y por ende

su evaluacin debe ser lo ms confiable posible para no ir en contra del plan de negocios del proyecto. As, al evaluar un yacimiento es necesario inferir a partir de muestras extradas de sondajes un recurso mineral el cual podr ser o no explotado. Esta decisin va a depender principalmente de la cantidad (tonelaje) y calidad (ley) que posee este recurso por sobre una ley de corte definida por parmetros econmicos. El enfoque clsico de realizar esta estimacin es utilizando las caractersticas de continuidad de la variable en estudio dentro de estas muestras (%Cobre, ppm de arsnico, % de oro, Work Index, Tipos de Roca, etc) a travs de una herramienta estadstica llamada Variograma. De acuerdo a sta, en promedio dos puntos tendrn una cierta correlacin al estar separados una cierta distancia en una determinada direccin. As, las tcnicas tradicionales de Kriging (determinstico) y las simulaciones (probabilstica) asignan un valor a la variable en posiciones entre las muestras, respetando esta condicin de correlacin generndose lo que usualmente se denomina un Modelo de Bloques. Adicionalmente es posible evaluar la confiabilidad del recurso mineral, es decir la probabilidad de cumplir con una curva Tonelaje - Ley prometida utilizando las simulaciones anteriores. Esto es de utilidad desde el evaluar el riesgo al invertir o no en un cierto depsito ofrecido por ejemplo por una Junior, hasta evaluar la confiabilidad del fino comprometido en un Plan de Produccin en una explotacin por Rajo Abierto. SERVICIOS

Muestreo Revisin de Modelos de Bloques Evaluacin de Recursos Inverso de la Distancia Kriging

Simulaciones Confiabilidad

GEOESTADSTICA Entre los problemas que existan para las empresas del sector minero estaba la subestimacin o la sur estimacin de las reservas minerales. Los mtodos convencionales (Polgonos, Tringulos, Secciones Transversales, Inverso de las Distancias al cuadrado o otra ponderacin)) no tenan respuesta a este problema. Estos mtodos no consideraban factores geolgicos importantes como anisotropas. Adems no evaluaban el margen de error de la evaluacin. Los mtodos estadsticos evalan el margen de error pero no llevan en cuenta la ubicacin de los puntos de toma de muestras.

Daniel Krige, estudiando yacimientos de oro de frica del Sur y Georges Matheron, ingeniero francs, empezaran buscar soluciones para estos problemas en los aos 1950. Georges Matheron y su equipe de colaboradores introduciran el soporte terico de la Geoestadstica (el trmino Geostadstica fue por primera vez utilizado en el libro Trait de Gostatistique Applique, de Georges Matheron). Pases de tradicin minera como frica del Sur, Australia, Canad, Estados Unidos y Chile empezaran a utilizar la Geoestadstica de forma intensa en sus yacimientos minerales, y se iniciaron cursos de formacin de personal experto en este tema, el ms conocido es el de Fontainebleau (Francia), en la cole Nationale Suprieure des Mines de Paris. Adems de su grande utilizacin en la evaluacin de reservas minerales la Geoestadstica es muy importante en la definicin de la densidad de la red de muestreo ms adecuado al conocimiento geolgico de las reas estudiadas. Son determinadas reas de influencia de las muestras, evitndose exageraciones de muestreo, con disminucin de gastos en las etapas de la exploracin minera. La Geoestadstica tuvo grande incremento de utilizacin en los ltimos aos, con resultados comprobados en las frentes de explotacin minera. Actualmente tiene grande utilizacin en Hidrogeologa, Meteorologa, Agricultura, Geologa Ambiental, Ciencias Econmicas y otras. La Geoestadstica es la tcnica de evaluacin de reservas minerales que tuvo el ms fuerte avanzo en los ltimos veinte aos, y tambin la que mostr resultados ms cercanos a los valores reales (los que fueron obtenidos en las actividades de explotacin).

INTRODUCCIN La estimacin (cubicacin) de reservas, es una tarea difcil, ya que las muestras a partir de las cuales se estiman las reservas de un yacimiento representan una fraccin mnima de ste. Si el gelogo se

pasa (sobreestima), la compaa puede empezar unos trabajos mineros que no sern rentables, pero si se queda corto (subestima), la compaa puede tomar la decisin de abandonar un prospecto que era rentable (prdidas de miles de euros). Desgraciadamente no existen tcnicas para afinar la puntera, sino que debemos entender la geologa del prospecto (ya que sin una compresin adecuada de sta, puede dar lo mismo el grado de refinamiento matemtico que se emplee), y entender el modelo de yacimiento que estamos aplicando, siendo lo suficientemente flexibles como para modificar nuestra perspectiva si los datos no se ajustan al modelo. Recuerde OlympicDam (captulo anterior). Los depsitos minerales eran evaluados, y sus reservas estimadas, mucho antes de que aparecieran los ordenadores y los mtodos geoestadsticos. Se medan reas, se estimaban volmenes y tonelajes, y las leyes se promediaban utilizando papel y lpices, reglas de clculo o calculadoras mecnicas. Esos resultados no eran peores (y en algunos casos eran considerablemente mejores) que algunas estimaciones modernas por geoestadstica con pobre control geolgico.

METODOLOGA CLSICA En esencia, una estimacin de reservas consiste en definir un volumen, al cual se le aplica una ley y una densidad (peso especfico):T=APPE, siendo T el tonelaje, A el rea (2D), PE la potencia de esta seccin, y P el peso especfico de la roca mineralizada. Se le puede aplicar una ley media, obteniendo el tonelaje en %; para obtener la ley media en un sondeo, se proceder al clculo del sumatorio del nmero de tramos multiplicado por las leyes de dichos tramos, y dividido entre el sumatorio del nmero de tramos. Esta metodologa es particularmente til en la estimacin del tonelaje de cuerpos mineralizados irregulares.

MTODO DE LOS POLGONOS Se trata de un mtodo muy simple que ha sido utilizado por la industria minera durante dcadas. Se emplea principalmente en cuerpos tabulares; se dirigen sondeos, normalmente a 90 con respecto a la masa tabular; luego, se pueden trazar polgonos mediante bisectores perpendiculares o angulares. MTODOS GEOESTADSTICOS Se utilizar la herramienta ms bsica de la geoestadstica, el variograma, una funcin matemtica que nos permite estudiar las diferencias entre muestras y la direccionalidad (anisotropa) de los valores: si la distancia h entre dos muestras es igual a 0, la diferencia entre los valores de estas ser nula (y la varianza = 0); si ambas muestras estn muy cerca, existir una diferencia, pero esta, expresada como la varianza, ser muy pequea; sin embargo, a medida que las muestras estn ms alejadas, llegar un momento en el cual deje de haber una relacin entre las muestras. En trminos muy simples podemos definir el variograma como la media de los cuadrados de las diferencias entre pares de muestras separados por una distancia h.

Introduccin Por estimacin de recursos entendemos la determinacin de la cantidad de materia prima contenida en un yacimiento o en una de sus partes. La mayora de los recursos y reservas se calculan en toneladas mtricas, solo la de los metales preciosos (oro, plata y platino) se calculan en kilogramos, los diamantes en quilates y las reservas de gas natural, arena, piedras para la construccin, agua subterrneas, se estiman en metros cbicos. Esta cuantificacin formal de las materias primas minerales estimada por procedimientos empricos o tericos se denomina Inventario Mineral. Este a su vez se expresa en trminos de recurso y reservas. La estimacin de recursos es un fin de cada etapa de los trabajos de prospeccin y exploracin de yacimientos minerales y este proceso continua durante la explotacin del depsito. Todos los trabajos de exploracin de un yacimiento contribuyen ante todo a al la estimacin de las materias primas minerales. La estimacin de recursos/reservas se considera un proceso continuo que se inicia con la exploracin y recopilacin de la informacin seguida de lainterpretacin geolgica y la estimacin de recursos. Posteriormente se consideran los factores modificadores (mineros, metalrgicos, ambientales, legales etc.) y se arriba al estimado de reservas. Durante las operaciones de la mina los estimados previamente calculados son modificados por los resultados del control de ley y los estudios de reconciliacin. En estos apuntes se hace mayor hincapi en la estimacin de los recursos. Estos trabajos tienen como objetivo fundamental la mejor estimacin de la ley y el tonelaje de los bloques de un cuerpo mineral as como determinar los errores probables de la estimacin con cierto nivel de confianza. La relevancia de las estimaciones depende de la calidad, cantidad y distribucinespacial de las muestras y el grado de continuidad de la mineralizacin.

La cantidad de reservas de un yacimiento, como uno de los factores principales que determinan su viabilidad econmica, posee una gran influencia en la vida til del yacimiento, su produccin anual y la decisin final de construir la empresa minera. Los distintos mtodos de estimacin de recursos que se emplean en la actualidad son definidos por los principios de interpretacin empleados y lastcnicas de interpolacin espacial. As tenemos los mtodos clsicos de clculos desarrollados y utilizados desde los principios de la minera hasta nuestros das, que se basan en procedimientos manuales y donde los principales parmetros son estimados a partir de la media aritmtica y la media ponderada. Por otra parte, los mtodos asistidos por computadoras que incluyen el mtodo de ponderacin por el inverso de la distancia y los geoestadsticos y que se fundamentan en procedimientos matemticos de interpolacin definidos a partir de informacin espacial y estadstica presente en los datos. Estos mtodos surgieron con el desarrollo de las computadoras. Actualmente con la disponibilidad de computadoras y software a precios accesibles existe una tendencia en las empresas mineras y las organizacionesgubernamentales al empleo de mtodos computarizados en detrimento de los mtodos clsicos. Es necesario resaltar que en algunos tipos de yacimientos minerales (Eje. Placeres) producto de la disposicin espacial y la cantidad de datos, la variabilidad espacial de los parmetros y el mtodo de exploracin empleado, los mtodos clsicos brindan los mejores resultados. Por lo anteriormente expuesto queda claro que la estimacin de recursos es de vital importancia para el xito de una inversin minera, por lo que los clculos de la ley y el tonelaje deben ser lo ms confiable posible a partir de las muestras disponibles, la calidad de los anlisis y la definicin de los controles geolgicos de la mineralizacin.

1 Sistemas y criterios de clasificacin de recursos y reservas El xito de cualquier negocio minero depende directamente de la calidad de la estimaciones de los recursos y reservas realizadas a partir de la informacin generada durante las campaas de exploracin. Este clculo, como cualquier estimacin basada en un nmero limitado de muestras esta sujeto a variaciones o errores respecto al valor real. De aqu precisamente surge la necesidad de establecer clasificaciones de recursos que indican losriesgos de las estimaciones realizadas. Los principales sistemas de clasificacin que se emplean hoy en el mundo se fundamentan en la confianza geolgica y en la viabilidad econmica. Todos los esquemas de clasificacin hacen uso del grado de confiabilidad o certidumbre como factor discriminante entre las distintas clases, entre tanto ninguno de esos sistemas muestran claramente como calcular el error asociado con cada estimacin. Un elemento que complica aun ms el proceso de categorizacin es la imposibilidad de cuantificar el error cometido en la creacin del modelo geolgico del yacimiento. Producto de las dificultades encontradas en cuantificar el error de estimacin, los sistemas de clasificacin se apoyan ms en aspectos cualitativos que en medidas reales de la dispersin de los valores obtenidos. Dado este elemento de subjetividad es que se introduce en la mayora de los sistemas de clasificacin el conceptode persona competente (ver cdigo JORC). Los principales mtodos a travs de los cuales los recursos minerales pueden ser categorizados se dividen en 2 grupos: (1) Criterios tradicionales o clsicos, (2) Criterios geoestadsticos. 1.1 Mtodos tradicionales de categorizacin Los mtodos tradicionales de categorizacin hacen uso de los siguientes criterios. Continuidad geolgica- La clasificacin de recursos y reservas minerales depende en primer lugar de la comprensin de la gnesis

del yacimiento y de la valoracin de la continuidad geolgica del volumen mineralizado. Aqu es muy importante establecer la continuidad fsica o geometra de la mineralizacin o de las estructuras controladoras. La continuidad fsica o geomtrica no es fcilmente cuantificable. Para establecer este tipo de continuidad es necesario interpretar los datos disponibles y establecer el modelo geolgico del yacimiento sobre la base del conocimiento existente y la experiencia previa obtenida en depsitos similares. Densidad de la red de exploracin (grado de estudio) -Para las distintas categoras se recomienda un determinado espaciamiento de la red de exploracin lo cual est en funcin del tipo de yacimiento. Las redes para cada categora se argumentan sobre la base de la experiencia (principio de analoga) en otros yacimientos similares (tabla #1.1) Tabla # 1.1 Ejemplo de clasificacin en funcin de la densidad de la red de exploracin. Densidad de la red para las distintas clases de recursos Medida Yacimiento de carbn De Witbank (Africa del Sur) Yacimiento Saddleback (Australia) Yacimiento Latertico Placeres pesados. de de Niquel minerales 25 x 25 m 200 x40 m de Oro de 25 x 25 m 250 x 250m Indicada Inferida 350 500 x 500m x350 m 50 x 50 100 x 100m m 50 m x50

Tipos de yacimiento

100 x 200 m

400 x 80 Continuidad m geolgica

Interpolacin contra extrapolacin - Los bloques cuyos valores han sido estimados por interpolacin o sea estn localizados dentro de la red demuestreo son clasificados en categoras ms confiables que los localizados ms all de la ltima lnea de pozos (extrapolados). La mayora de los sistemas de clasificacin exige no incluir bloques extrapolados en la clase de recursos medidos. Consideraciones tecnolgicas - incluye determinados aspectos que pueden ser utilizados para discriminar o rechazar un recurso en una categora dada. Como ejemplo se pude citar la presencia de elementos perjudiciales que impiden la buena recuperacin o hacen extremadamente cara la extraccin del componente til durante el proceso de beneficio. Calidad de los datos- La recuperacin del testigo, el volumen de las muestras, la forma en que fueron tomadas y el mtodo de perforacin influyen directamente sobre la calidad de los datos. Los sectores donde existen problemas de representatividad o confiabilidad de los anlisis deben ser excluidos de la categora de recurso medido. 1.2 Criterios geoestadsticos de categorizacin. Yamamotto, 1991 considera que los esquemas de clasificacin de reservas basados en medidas reales de la dispersin son ms confiables pues reflejan, sobre todo, la cantidad y la calidad de la informacin empleada para evaluar las reservas. Estos esquemas fueron denominados genricamente clasificaciones geoestadsticas pues se basan en la varianza Kriging. En este sentido, se recomienda la Geoestadstica como procedimiento vlido y confiable en la mayora de los sistemas de clasificacin, convirtindose en un estndar en la estimacin de recursos minerales. El cdigo propuesto por la ONU, por ejemplo, propone el uso de la Geoestadstica para clasificar los recursos pues permite de forma rpida y sin ambigedad identificar las categoras de recursos y reservas minerales(UN-ECE,1996). Algunos de los principales criterios

geoestadsticos que han sido empleados o propuestos para la clasificacin de recursos se explican a continuacin. 1.2.1 Alcance del variograma El variograma permite cuantificar la continuidad o nivel de correlacin entre las muestras que se localizan en una zona mineralizada dada. El grado de esa correlacin ha sido frecuentemente utilizado para clasificar los recursos y reservas. Froidevaux (1982) propuso 3 clases de clasificacin: Bloques en el rea muestreada ubicados dentro del radio de influencia definido por el alcance del variograma. Bloques en el rea muestreada ubicados ms all del radio de influencia definido por el alcance del variograma Bloques dentro del yacimiento ubicados a una distancia grande de los pozos (incluyendo los bloques extrapolados) Tpicamente se han empleado 2 enfoques para clasificar los recursos usando el variograma El primero se basa en la subdivisin arbitraria del alcance observado. Ejemplo, todos los bloques estimados con un nmero mnimo de muestras y ubicados dentro de un determinado radio de influencia podran ser clasificados como recursos medidos mientras que todos los bloques estimados con cierto nmero mnimo de muestras y localizados ms all del radio de influencia seran clasificados como indicados. En el segundo enfoque las categoras de recursos estn basadas en los valores de la meseta. Por ejemplo, los bloques comprendidos dentro de un alcance del variograma correspondiente a 2/3 del valor de la meseta pueden ser clasificados como medidos, el resto son indicados. 1.2.2 Varianza Kriging

El kriging permite obtener, adems de la estimacin del valor de un bloque, una indicacin de la precisin local a travs de la varianza kriging (Vk). Desde el inicio del desarrollo del Kriging la Vk ha sido empleada para determinar los intervalos de confianza de las estimaciones. Para esto es necesario asumir que esta se ajusta a un modelo normal o lognormal. Sin embargo, en la prctica es raro que los errores de estimacin se subordinen a estosmodelos de distribucin. Como para el clculo de la varianza kriging se emplea solamente la configuracin de las muestras en el espacio y no sus valores locales, esta no debe ser interpretada como una medida de la variabilidad local. Por otra parte como Vk es calculado a partir del variograma medio del yacimiento no es solo un ndice de la disposicin espacial de las muestras sino tambin caracteriza las varianzas medias globales permitiendo la discriminacin entre las clases o categoras de recursos. Este enfoque no es reciente y ha sido utilizado a lo largo de muchas dcadas, como se puede constatar en la tabla # 1.2 que resume las categoras de la clasificacin sugerida por Diehl y David (1982) y Wellmer (1983), basadas en la cuantificacin del error utilizando la desviacin estndar kriging. Tabla # 1.2 Clasificacin de recursos/reservas basada en la cuantificacin del error a partir de la desviacin estndar kriging

El mtodo propuesto por Diehl y David (1982) se basa en definir niveles de confianza y de precisin (error): la precisin se expresa en funcin de la desviacin estndar kriging y el valor estimado kriging Precisin =((kx100xZ1-()/ tki

Donde (k es la desviacin estndar kriging tki Valor del bloque estimado por kriging Z1-( Valor de la variable estandarizada distribuida normalmente con un nivel de confianza (1- () Si se fija la precisin en 10 % (reservas probadas) entonces se puede determinar la razn (k/ tki que divide las reservas probadas de las probables 10==((kx100xZ80)/ tki (k/ tki=10/(100x1.282)=0.078 Es bueno sealar que no existe consenso internacional sobre los niveles de confianza y precisin que deben tener las distintas categoras de reservas. El segundo mtodo para categorizar los recursos se basa en la construccin de la funcin de densidad de probabilidades o el histograma de las varianzas kriging (Annels, 1991). El histograma se examina para detectar evidencias de poblaciones complejas que pueden representar 3 poblaciones superpuestas (probable, posible e inferida). Esta situacin se refleja en la figura. 1.1

Figura 1.1 Histograma de las varianzas kriging (Vk) segmentado en 3 poblaciones: 1)0-0.0075 Reservas probables, 2) 0.0075-0.0135 Reservas posibles 3)(0.0135 Reservas inferidas (Annels, 1991) Mtodo del Error porcentual de la estimacin de la media Segn Valente (1982), el error porcentual de la estimacin de la media, para un conjunto de n bloques estimados para un 95 % de probabilidad ,se puede calcular por la expresin:

Donde tki y (2ki son los valores estimados por kriging y la varianza kriging de cada uno de los bloques. La utilizacin de este error para la clasificacin de recursos y reservas fue recomendado por la ONU a las instituciones financieras internacionales (Valente, 1982). La tabla # 1.3 representa las 3 categoras de reservas clasificadas segn el error kriging de la media para un nivel de probabilidad del 95 %. Tabla # 1.3 Clasificacin de reservas a partir de la utilizacin del error kriging de la media. Reserva Medida Indicada Inferida Error kriging de la media ( 20 % 20 %-50 % (50 %

Tambin existen otros criterios y mtodos que no sern abordados en este material como son la simulacin condicional para construir modelos de incertidumbre, la medida de eficiencia de los bloques (Krige,1986) y la desviacin estndar de la interpolacin (Yamamoto, 1989) entre otros.

1.3 Desarrollo histrico de un sistema internacional clasificacin de recursos y reservas.

de

Desde el inicio de la dcada de los 90 se ha desarrollado un esfuerzo sistemtico por crear patrones internacionales para la estimacin, reporte de la informacin de exploracin y la clasificacin de recursos y reservas. El cdigo de Australasia para informar sobre recursos minerales y reservas (cdigo JORC) fue publicado en Junio de 1988 e incorporado a las normasde la bolsa de Australia. En 1990 fue publicada una gua para el cdigo JORC. Despus de este hecho la SME (US Society for Minig, Metallurgy, and Exploration) public una gua para informar sobre datos de exploracin, recursos minerales y reservas. En 1991 en el Reino Unido el IMM (Institute of Mining and Metallurgy) revis sus patrones para informar sobre recursos y reservas basndose principalmente en el cdigo JORC de 1988. En septiembre de 1994 en el 15 Congreso del CMMI (Council of Mining and Metallurgical Institutions) celebrado en Sudfrica, se organiz una reunin con el objetivo especfico de discutir los estndar internacionales, esto result ser el primer encuentro de lo que posteriormente fue llamado el GrupoCMMI (International Resource/reserve definitions group). El Grupo CMMI, compuesto por representantes de Australia (AusIMM), frica del Sur (SAIMM), Estados Unidos ( SME), Reino Unido (IMM) y Canad (CIM), tena como objetivo desarrollar un conjunto de definiciones internacionales relacionadas con los recursos minerales y las reservas de mena. De la misma forma en 1992 las Naciones Unidas cre una comisin para desarrollar un sistema internacional de clasificacin de recursos y reservas, el cual sali a la luz en 1996 bajo el nombre de Marco Internacional de las Naciones Unidas para la clasificacin de reservas/recursos Combustibles slidos y sustancias minerales

("United Nations International Framework Classification for reserve / resource-Solid fuels and mineral Commodity "). El primer gran avance ocurri en octubre de 1997 en el encuentro del grupo CMMI en Denver Colorado y la aprobacin del llamado acuerdo de Denver donde se logr un consenso sobre un conjunto de definiciones de recursos y reservas. En 1998 en Ginebra, Suiza se llevo a cabo un encuentro entre el grupo CMMI y la comisin de Naciones Unidas, donde las definiciones y patrones del CMMI fueron incorporados, con pequeas modificaciones, al sistema de clasificacin de las Naciones Unidas, dndole un carcter verdaderamente internacional a las definiciones del CMMI. Despus de encuentro Australia, frica del Sur y Estados Unidos iniciaron la actualizacin de sus sistemas nacionales de clasificacin En noviembre de 1999 hubo un nuevo encuentro entre el Grupo CMMI y la comisin de Naciones Unidas para continuar el proceso de desarrollo de normas y definiciones internacionales. Con pequeas e insignificantes diferencias entre los pases los siguientes trminos han sido aceptados (fig. 1.2): Recursos minerales es una concentracin u ocurrencia de material de inters econmico intrnseco en o sobre la corteza de la Tierra en forma y cantidad en que haya probabilidades razonables de una eventual extraccin econmica. La ubicacin, cantidad, ley, caractersticas geolgicas y continuidad de un Recurso Mineral son conocidas, estimadas o interpretadas a partir de evidencias y conocimientos geolgicos especficos. Los Recursos Minerales se subdividen, en orden ascendente de la confianza geolgica, en categoras de Inferidos, Indicados y Medidos.

Figura 1.2 Relacin general entre Resultados de Exploracin, Recursos y Reservas Minerales Recurso Mineral Inferido es aquella parte de un Recurso Mineral por la cual se puede estimar el tonelaje, ley y contenido de mineral con un bajo nivel de confianza. Se infiere a partir de evidencia geolgica y se asume pero no se certifica la continuidad geolgica ni de la ley. Se basa en informacin inferida mediante tcnicas apropiadas de localizaciones como pueden ser afloramientos, zanjas, rajos, laboreos y sondajes que pueden ser limitados o de calidad y confiabilidad incierta. Recurso Mineral Indicado es aquella parte de un Recurso Mineral para el cual puede estimarse con un nivel razonable de confianza el tonelaje, densidad, forma, caractersticas fsicas, ley y contenido mineral. Se basa en informacin sobre exploracin, muestreo y pruebas reunidas mediante tcnicas apropiadas en ubicaciones como pueden ser: afloramientos, zanjas, rajos, tneles, laboreos y sondajes. Las ubicaciones estn demasiado espaciadas o su espaciamiento es inapropiado para confirmar la continuidad geolgica y/o de ley, pero est espaciada con suficiente cercana para que se pueda suponer continuidad.

Recurso Mineral Medido es aquella parte de un Recurso Mineral para el cual puede estimarse con un alto nivel de confianza el tonelaje, su densidad, forma, caractersticas fsicas, ley y contenido de mineral. Se basa en la exploracin detallada einformacin confiable sobre muestreo y pruebas obtenidas mediante tcnicas apropiadas de lugares como pueden ser afloramientos, zanjas, rajos, tneles, laboreos y sondajes. Las ubicaciones estn espaciadas con suficiente cercana para confirmar continuidad geolgica y/o de la ley. Reserva Minerales es la parte econmicamente explotable de un Recurso Mineral Medido o Indicado. Incluye dilucin de materiales y tolerancias por prdidas que se puedan producir cuando se extraiga el material. Se han realizado las evaluaciones apropiadas, que pueden incluir estudios defactibilidad e incluyen la consideracin de modificaciones por factores razonablemente asumidos de extraccin, metalrgicos, econmicos, demercados, legales, ambientales, sociales y gubernamentales. Estas evaluaciones demuestran en la fecha en que se reporta que podra justificarse razonablemente la extraccin. Las Reservas de Mena se subdividen en orden creciente de confianza en Reservas Probables Minerales y Reservas Probadas Minerales Reserva Probable Minerales es la parte econmicamente explotable de un Recurso Mineral Indicado y en algunas circunstancias Recurso Mineral Medido. Incluye los materiales de dilucin y tolerancias por prdidas que puedan producirse cuando se explota el material. Se han realizado evaluaciones apropiadas, que pueden incluir estudios de factibilidad, e incluyen la consideracin de factores modificadores razonablemente asumidos de minera, metalrgicos, econmicos, de mercadeo, legales, medioambientales, sociales y gubernamentales. Estas evaluaciones demuestran a la fecha en que se presenta el informe, que la extraccin podra justificarse razonablemente Reserva Probada Minerales es la parte econmicamente explotable de un Recurso Mineral Medido. Incluye los materiales de dilucin y tolerancias por prdidas que se pueden producir cuando se explota el material. Se han realizado evaluaciones apropiadas que pueden incluir

estudios de factibilidad, e incluyen la consideracin de modificaciones por factores fehacientemente asumidos de minera, metalrgicos, econmicos, de mercados, legales, ambientales, sociales y gubernamentales. Estas evaluaciones demuestran, a la fecha en que se publica el informe, que la extraccin podra justificarse razonablemente. Con esos trminos y definiciones aceptadas, el grupo CMMI se dedic a desarrollar las normas internacionales. La responsabilidad por las estimaciones de recursos y reservas debe ser atribuida a una persona responsable/competente, trmino este introducido inicialmente en el cdigo JORC. Con el establecimiento y adopcin de los patrones internacionales de estimacin y clasificacin de recursos y reservas muchos autores discuten la perspectiva inminente de transformar esos patrones en normas de certificacin del sistema ISO 9001. Segn Vallee, 1999 de todos los sistemas en uso el cdigo JORC es el ms compatible con la certificacin ISO. Mtodos clsicos de estimacin de reservas Estos mtodos sencillos, que se basan en criterios meramente geomtricos, han soportado el paso del tiempo. Sin embargo estn siendo paulatinamente sustituidos por mtodos ms sofisticados de estimacin que se basan en la aplicacin de los mtodos de estimacin espacial. 2.1 Parmetros bsicos de la estimacin de recursos. Los principales parmetros de estimacin se deducen del la ecuacin bsica que permite calcular la cantidad de metal o componente til (P). P = S*m*d*C donde, S- rea de la proyeccin del cuerpo mineral en un plano determinado. m- potencia media del cuerpo mineral en la direccin perpendicular al plano de proyeccin

d- masa volumtrica C- ley media del componente til. De esta ecuacin bsica se pueden derivar otras frmulas como: V=S*m volumen total ocupado por el yacimiento mineral (m3) Q=V*d Tonelaje o cantidad de reservas de mineral til (t) La frmula anterior muestra que los principales parmetros son: A) rea (m2) B) espesor medio (m) C) contenido medio de los componentes tiles (%, g/t, g/m3, kg/m3) D) Masa volumtrica o densidad aparente de la materia prima mineral (t/m3) Antes de comenzar el clculo es necesario determinar los valores de esos parmetros a partir de los datos adquiridos en el transcurso de los trabajos de prospeccin y exploracin. Esta tarea es muy importante pues de su correcta solucin depende la precisin de los resultados de la estimacin 2.2 Determinacin de los parmetros bsicos 2.2.1 Determinacin del rea del yacimiento Despus del levantamiento geolgico y la documentacin de los trabajos de exploracin se puede representar el yacimiento proyectndolo en un plano conveniente. Habitualmente los yacimientos con un buzamiento mayor de 45 se proyectan en un plano vertical, los de buzamiento menor se proyectan en un plano horizontal. En ambos casos el rea proyectada es menor que el rea real. La relacin entre el rea real (S) y el rea proyectada (S) en el plano vertical es: S=S*sen (Y)

Para el plano horizontal: S=S*cos (Y) Donde Y es el ngulo de buzamiento del yacimiento. Los yacimientos que tienen un rumbo y buzamiento constantes pueden ser proyectados en un plano paralelo a los mismos. Si el depsito est constituido por varios cuerpos el rea de cada uno se proyecta y determina aparte. La base para la proyeccin de los cuerpos y el clculo del rea son los planos del departamento del servicio topogrfico. En estos planos el gelogo debe delimitar el rea del cuerpo estudiado, demarcar los tipos tecnolgicos y las categoras segn el grado de estudio etc. Para calcular el rea es necesario inicialmente determinar los contornos de los cuerpos y del yacimiento mineral. Comnmente se trazan dos contornos o lmites: el interno y el externo. El contorno interno es una lnea que une todos los pozos externos positivos. Ahora bien como el cuerpo mineral continua mas all del contorno interno y no es posible conocer la posicin exacta del contorno real se hace necesario determinar un lmite (contorno externo) que sustituye el contorno real. Pueden existir 2 posibilidades: Detrs de los pozos extremos positivos se encuentra un pozo estril Detrs de los pozos extremos positivos no existen pozos de exploracin En el primer caso sabemos que el contorno real se encuentra en alguna parte entre el contorno interno y los pozos negativos entonces el contorno externo se determina por extrapolacin limitada. En el segundo caso no existen datos sobre la posicin exacta del contorno real y este se determina por extrapolacin no limitada. Los distintos mtodos que existen para determinar el contorno externo se representan en la figura 2.1.

Figura 2.1 Principales criterios para trazar el contorno externo Una vez contorneado el yacimiento el rea puede ser calculada empleando una de los siguientes mtodos: Planmetro Digitalizador Descomposicin en figuras geomtricas sencillas. Papel milimetrado Regla de Simpson 2.2.2 Determinacin de la masa volumtrica

La masa volumtrica de la mena (o mineral) no es ms que la masa de un metro cbico de esta en estado natural, es decir incluyendo poros, cavidades etc. La masa volumtrica (d) de la mena se define como: d= Q/(Vm+Vp) donde: Q es la masa de la muestra de mena Vm es el volumen de la mena Vp es el volumen de los poros La masa volumtrica se puede calcular en el laboratorio, en el campo y por mtodos geofsicos principalmente en pozos y excavaciones mineras. En el laboratorio se determina mediante el pesaje de las muestras y la determinacin del volumen. La medicin ms exacta y autntica se logra en el campo para esto se extrae una muestra global (alrededor de 10 m3). El volumen del espacio (V) se mide y la mena extrada se pesa (Q). d= Q/V (t/m3) La masa volumtrica de la mena puede cambiar en funcin de la composicin qumica y eventualmente de la textura, esto determina la necesidad de determinar la masa volumtrica para cada tipo natural de mena presente en el yacimiento. Habitualmente el peso volumtrico se determina para cada tipo como un promedio aritmtico de 10 20 muestras, en caso de yacimientos complejos de 20- 30 muestras La seleccin de una insuficiente cantidad de muestras y la no representatividad de las mismas constituyen las fuentes principales de errores en la determinacin de la masa volumtrica. Muchas minas en operaciones aplican una masa volumtrica constante (t/m3), la cual se obtiene a partir del promedio aritmtico de un nmero significativo de muestras. Si embargo esto puede conducir a errores graves en la determinacin del tonelaje y la cantidad de

metal, especialmente en aquellos casos donde la ley, la litologa de la roca de caja, el grado de alteracin o la profundidad del intemperismo y la mineraloga del componente til varan constantemente. Para superar este problema se emplea la regresin lineal. Este mtodo consiste en la determinacin de la masa volumtrica de un nmero significativo de muestras mineralizadas pertenecientes a un mismo tipo natural de mena. Simultneamente las muestras son analizadas para conocer el contenido del componente til. Con esta informacin se construye el grfico de dispersin, se realiza el anlisis de correlacin y se ajusta la ecuacin de regresin que permite predecir el valor de la masa volumtrica de cada muestra en funcin de la ley del componente til. Sobre la base de estos resultados tambin se confeccionan los nomogramas que permiten obtener directamente el valor de la masa volumtrica a partir de la ley del componente til de la muestra o interseccin. 2.2.3 Determinacin del espesor medio de un yacimiento El espesor de un yacimiento se puede verificar por mtodos directos o con ayuda de modos indirectos (por ejemplo los mtodos geofsicos en las perforaciones) El espesor o potencia se puede medir en los afloramientos naturales y artificiales, en las excavaciones mineras y en los pozos de perforacin. El espesor de los yacimientos hay que medirlo con una precisin de cm. En casos de yacimientos con contactos claros con las rocas vecinas el espesor se mide directamente. Cuando los contornos de la mineral no son claros el espesor se determina sobre la base de los resultados de los anlisis qumicos de las muestras y la precisin depende de la longitud de las muestras tomadas. . En la estimacin de recursos se puede emplear la potencia real o normal, la componente vertical (potencia vertical) y la componente horizontal (potencia horizontal). Todo depende del plano en el cual se ha proyectado el cuerpo. La dependencia entre el espesor real y los espesores horizontales y verticales es la siguiente.

mn = mh* sen (Y) mn = mv * cos(Y) mh = mv * ctg (Y) Donde Y es el ngulo de buzamiento de cuerpo, mn-potencia real mh - potencia horizontal, mv potencia vertical. La componente vertical se emplea cuando el yacimiento se proyecta en planos horizontales principalmente para los cuerpos de buzamiento suave. Como se observa en la figura 2.2 trabajar con la componente vertical y el rea proyectada en el plano horizontal es equivalente a emplear la potencia real y el rea real de cuerpo mineral.

Figura 2.2 Empleo de la potencia vertical cuando se proyecta el cuerpo en el plano horizontal. (Annels, 1991). La componente horizontal se emplea cuando los cuerpos se representan en proyecciones verticales longitudinales principalmente en cuerpos de yacencia abrupta que se explotan con minera subterrnea. La potencia aparente del cuerpo mineral es de poca importancia y su valor depende del buzamiento y la inclinacin del pozo. Si se conoce el ngulo de interseccin (?) entre el cuerpo mineral y el eje (traza del pozo) o puede medirse en el testigo entonces es posible calcular la potencia real empleando la siguiente frmula.

mn = ma* sen (?) En caso de que el ngulo de interseccin no pueda ser medido, el espesor real se calcula a partir de la inclinacin del pozo (a) en el punto medio del intervalo mineralizado y el buzamiento del cuerpo (Y) determinado a partir del perfil. mn = ma* sen (a+ Y) En los casos en que el plano vertical que contiene el pozo no es perpendicular al rumbo del cuerpo mineral entonces es necesario introducir un factor de correccin (Rm) en la frmula anterior mn = ma* sen (a+ Y)*Rm Rm= sen (a+ d)*cos(Y)/cos(d) Donde d es el buzamiento aparente del cuerpo mineral en el plano vertical que contiene el pozo. Tambin se puede emplear la frmula mn = ma* sen (a+ Y)*cos(?) Siendo ? el ngulo entre el plano vertical que contiene el pozo y un plano vertical perpendicular al rumbo del cuerpo mineral. Para la estimacin de reservas es necesario determinar el espesor medio del yacimiento o de una parte de este. Si los espesores particulares fueron medidos a distancias regulares, el espesor medio se calcula segn la frmula de la media aritmtica. m = (m1+m2+m3+ +mn)/n Si las mediciones de los espesores de un yacimiento fueron realizadas en distancias no regulares entonces el espesor medio se calcula segn la ecuacin de la media ponderada, empleando como factor de ponderacin las distancias entre las distintas mediciones (l) o el rea de influencia de cada una de ellas. m = (m1ll+m2l2+m3l3+ +mnln)/(l1+l2+l3++ ln)

2.2.4 Determinacin del contenido medio del componente til Durante la exploracin de un yacimiento se muestrean de forma continua los distintos tipos de mena. Los anlisis de las muestras permiten conocer el contenido o ley del componente til en los lugares donde las muestras fueron tomadas. El contenido de un componente til en la mena en la mayor parte de los casos se expresa en % de peso (Ej. Fe, Mn, Cu, Pb, Sb, Hg etc), sin embargo losmetales preciosos (Au, Ag, Pt etc.) se indican en gramos por tonelada (g/t). Finalmente en los yacimientos de placeres la ley de los metales se expresa en g/m3 o Kg/m3. Durante la exploracin, las concentraciones de los componentes tiles se determinan a travs de muestras individuales es por esto que la estimacin de los contenidos promedios para cada bloque se realiza en 2 etapas:

Clculo del contenido promedio del componente til en cada pozo o interseccin de exploracin a lo largo de toda la potencia del cuerpo mineral. Extensin de los contenidos determinados en las intersecciones a los volmenes adyacentes del subsuelo.

Antes de comenzar la primera etapa es necesario determinar en cada pozo cual es el intervalo que puede ser explotado con cierto beneficio econmico. Para este fin se emplean las condiciones industriales: potencia mnima industrial, contenido mnimo industrial, contenido en los bordes etc. Para obtener la ley media de cada pozo siempre se emplea el mtodo de la media ponderada empleando como factor de peso las longitudes de cada muestra individual. En caso de que la longitud de las muestras sea constante entonces se utiliza la media aritmtica.

Ci- Ley de cada muestra individual li Longitud de cada muestra C- Ley media de la interseccin econmica La extensin de los contenidos medios calculados para cada pozo o interseccin a los volmenes adyacentes del subsuelo se hace frecuentemente por va estadstica. Con este fin en los mtodos clsicos de clculo se emplea tanto la media aritmtica como la media ponderada. En el caso de los mtodos asistido por computadoras la extensin de los contenidos se realiza empleando mtodos de interpolacin espacial como el kriging y el inverso de la distancia, los cuales sern abordados en prximos captulos. 2.3 Consideraciones generales sobre la estimacin de recursos Matemticamente la estimacin de recursos no es ms que la integracin numrica de una funcin contenido o ley (expresada en unidades de masa por unidad de volumen) dentro del yacimiento de volumen V.

La figura 2.3a muestra el procedimiento de clculo de reservas a partir de la integracin de la funcin ley C(v) en el dominio V. a) b) Figura 2.3 Yacimiento mineral hipottico cuya funcin contenido C(v) es conocida y por tanto la reserva de metal se calcula por su

integracin numrica en el dominio del yacimiento .b) yacimiento subdividido en bloques de volmenes conocidos y las leyes determinadas por un mtodo de estimacin. Conocer la funcin C(v) implica saber en cada punto del yacimiento cual es la ley del componente til o sea la funcin que la describe matemticamente. En la prctica esto es imposible dada la densidad del muestreo por un lado y por otra parte la incapacidad de encontrar una funcin que se ajuste perfectamente a los datos. Como no se puede resolver directamente la ecuacin los mtodos existentes de estimacin de reservas, tanto los tradicionales como los asistidos por computadoras, solucionan la ecuacin empleando el caso discreto.

Donde Ci - ley del componente en el bloque i Vi volumen del bloque i

V- Volumen total del yacimiento La ecuacin anterior se resuelve fcilmente subdividiendo el yacimiento en n bloques de volmenes conocidos, cuyas leyes pueden ser determinadas por los mtodos de clculo existentes como se ilustra en la figura 2.3b. La estimacin de recursos es siempre hecha en bloques cuya geometra se define por la localizacin de los trabajos de exploracin en el caso de los mtodos clsicos, o en bloques de clculo definidos por la malla o red en el caso de los mtodos computacionales. Es justamente aqu donde radica la diferencia fundamental entre los mtodos clsicos y los asistidos por computadoras ya que los primeros determinan las reservas en bloques

de clculos de grandes dimensiones y los segundos en bloques de pequeas dimensiones compatibles con la densidad de informacin. 2.4 Mtodos clsicos de estimacin de reservas Los mtodos clsicos, desarrollados y empleados desde los mismos comienzos de la minera, se basan fundamentalmente en los principios deinterpretacin de las variables entre dos puntos contiguos de muestreo, lo que determina la construccin de los bloques geomtricos a los que se le asignan las leyes medias para la estimacin de recursos. Los principios de interpretacin de estos mtodos segn Popoff (1966) son los siguientes: Principio de los cambios graduales (funcin lineal) entre dos puntos de muestreo Principio de los vecinos ms cercanos o zonas de influencia Principio de generalizacin (analoga) o inferencia geolgica. El principio de los cambios graduales presupone que los valores de una variable (espesor, ley, etc.) varan gradual y continuamente a lo largo de la lnea recta que une 2 puntos de muestreo contiguos. El principio de vecinos ms cercanos admite que el valor de la variable de inters en un punto no muestreado es igual al valor de la variable en el punto ms prximo. El ltimo de los principios permite la extrapolacin de los valores conocidos en los puntos de muestreo a puntos o zonas alejadas sobre la base del conocimiento geolgico o por analoga con yacimientos similares. Todos estos principios de interpretacin son utilizados para la subdivisin del yacimiento mineral en bloques o sectores, los cuales son evaluados individualmente y posteriormente integrados para determinar los recursos totales del yacimiento.

Los mtodos clsicos o tradicionales han soportado el paso del tiempo pero estn siendo superados progresivamente por los mtodos geoestadsticos. Estos mtodos son aun aplicables en muchas situaciones, donde incluso pueden arrojar resultados superiores. Siempre es necesario realizar una valoracin crtica del empleo de la geoestadistica antes de desechar completamente las tcnicas tradicionales. El uso de las tcnicas kriging est supeditado a la existencia de una red de exploracin que permita la generacin de los modelos matemticos que describen la continuidad espacial de la mineralizacin del yacimiento que se evala. Cuando no existe suficiente informacin de exploracin o la variabilidad es extrema se deben emplear los mtodos geomtricos o tradicionales. Segn Lepin y Ariosa, 1986 los mtodos clsicos de estimacin ms conocidos son: Mtodo del promedio aritmtico o bloques anlogos Mtodo de los bloques geolgicos Mtodo de los bloques de explotacin Mtodo de los polgonos Mtodo de las isolneas. Mtodo de los perfiles 2.4.1 Mtodo de la media aritmtica. Es el mtodo de clculo ms simple. En este caso la forma compleja del cuerpo mineral se sustituye por una placa o lmina de volumen equivalente cuyo espesor corresponde con la potencia media del cuerpo. Los contornos se trazan en los planos o proyecciones verticales. El rea delimitada se determina planimtricamente o por otro mtodo de clculo. El espesor medio se estima por la media aritmtica simple o ponderada. El contenido promedio y la masa volumtrica se determina

de la misma forma. La parte del cuerpo comprendida entre el contorno interno y externo generalmente se calcula de manera independiente porque los recursos de esta zona se reportan en una categora inferior. A pesar de su sencillez se puede emplear exitosamente en yacimientos de constitucin geolgica simple Ej. Yacimientos de materiales de la construccin. Secuencia General de trabajo. -Delimitacin del rea del cuerpo mineral, trazando el contorno interno y externo. -Medicin del rea -Clculo de la potencia media del mineral til por promedio aritmtico o media ponderada. -Clculo de la masa volumtrica por promedio aritmtico o media ponderada. -Clculo de la ley media del mineral til por promedio aritmtico o media ponderada. -Clculo del volumen, tonelaje (reservas de mena) y reservas del componente til. Ventaja Su principal mrito radica en su simplicidad, brindando una rpida idea sobre los recursos de un yacimiento. Se utiliza en los estadios iniciales de los trabajos geolgicos de exploracin para realizar evaluaciones preliminares. Desventaja Imposibilidad del clculo selectivo de acuerdo con las diferentes clases industriales de mena, condiciones de yacencia, grado de estudio y condiciones de explotacin. 2.4.2 Mtodo de los bloques geolgicos

El cuerpo mineral se divide en bloques homogneos de acuerdo a consideraciones esencialmente geolgicas. De esta forma el cuerpo mineral demorfologa compleja se sustituye por un sistema de prismas polidricos de altura que corresponde con la potencia media dentro de cada bloque (fig2.4). El contorneo se realiza en cualquier proyeccin del cuerpo, adems es necesario trazar los lmites de los bloques geolgicos independientes.

Figura 2.4 Estimacin de reservas por el mtodo de bloques geolgicos Generalmente se forman bloques tomando en consideracin la variacin de los siguientes parmetros: Segn las diferentes vetas, capas o cuerpos presentes en el yacimiento Segn la existencia de intercalaciones estriles Segn la potencia del cuerpo mineral Segn la profundidad o cota de nivel Segn los tipos tecnolgicos, calidad o contenido de componente til (mena rica y mena pobre) Segn las condiciones hidrogeolgica (por encima y por debajo del nivel fretico) Segn el coeficiente de destape o relacin estril mineral. Segn la situacin tectnica

Adems de estos criterios geolgicos se consideran otros aspectos como: Diferencias en el grado de conocimiento Viabilidad econmica. Es importante sealar que si se toman en consideracin muchos parmetros el resultado ser la formacin de muchos bloques. En caso extremo cada pozo representa un bloque separado lo que reduce el mtodo de bloques geolgico al mtodo de los polgonos. Este mtodo se reduce al anteriormente descrito si se delimita un solo bloque que abarque todo el yacimiento. La metodologa de clculo dentro de cada bloque es exactamente igual al mtodo de media aritmtica. Las reservas totales del yacimiento se obtienen de la sumatoria de las reservas de los bloques individuales. El mtodo, que se caracteriza por su sencillez en el contorneo y el clculo, puede ser aplicado prcticamente para cuerpos minerales de cualquier morfologa, explorados segn una red regular o irregular y cualquiera que sean las condiciones de yacencia. El problema fundamental de esta tcnica radica en que durante el desarrollo y explotacin del yacimiento, es necesario reajustar todos los bloques para que se acomoden al mtodo de explotacin. 2.4.3 Mtodo de los bloques de explotacin Este mtodo es tambin una variante del mtodo de la media aritmtica y se desarroll esencialmente para los yacimientos filoneanos, los cuales son divididos en bloques por los laboreos de preparacin para la explotacin. Segn este mtodo, especfico de la minera subterrnea, las reservas del yacimiento se calculan por la acumulacin de las reservas parciales obtenidas en bloques de explotacin individuales. Los bloques de clculo son porciones del depsito delimitadas por 2, 3 y 4

lados por excavaciones mineras de exploracin (contrapozos, corta vetas, galeras, trincheras etc.).

desarrollo

La forma real del cuerpo dentro del bloque se reemplaza con un paralelepipedo cuya altura es igual a la potencia media del cuerpo mineral en el bloque. El clculo se realiza en el plano o en la proyeccin vertical longitudinal, sobre los cuales se proyectan las excavaciones mineras con los resultados de los anlisis y los espesores particulares. Para el clculo de la potencia y el contenido medio dentro de cada bloque, primeramente se determinan los valores medios en cada excavacin y posteriormente se calcula el valor medio del bloque a travs de la media aritmtica si la longitud de la excavaciones son aproximadamente iguales, en caso contrario se pondera por la longitud o rea de influencia de cada laboreo. La ventaja del mtodo radica en la sencillez del contorneo y la posibilidad de usar los resultados directamente en la proyeccin y planificacin de la extraccin del mineral til. Su debilidad principal radica en la divisin formal del cuerpo en bloques heterogneos por la potencia y calidad. 2.4.4 Mtodo de los polgonos o regiones prximas El mtodo se emplea para el clculo de reservas de capas horizontales o subhorizontales explorados por pozos irregularmente distribuidos. Si se calculan las reservas de un depsito segn este mtodo la morfologa compleja del yacimiento se reemplaza por un sistema de prismas polidricos, cuyas bases lo constituyen los polgonos o zonas de influencia y su altura es igual al espesor del cuerpo revelado por el pozo que se ubica en el centro del polgono. El mtodo se reduce a la separacin de las zonas de influencia de cada pozo o laboreo que intercepta el cuerpo mineral. Para la

delimitacin de las zonas de influencia es necesario realizar las siguientes construcciones: Se procede a unir mediante lneas rectas los pozos de perforacin contiguos posteriormente se determina la mediatriz de cada recta y la interseccin de las mismas definen la zona de influencia. Este procedimiento, que se conoce como divisin de Dirichlet o poligonos de Voronoi (Thiesen), genera un sistema nico de prismas polidricos en el cual los polgonos contiguos comparten una arista comn (Fig. 2.5). El empleo de este procedimiento permite obtener siempre el mismo mosaico de polgonos.

Figura 2.5 Estimacin de reservas por el mtodo de los polgonos. a) Parte de un plano de clculo indicando la forma en que se construyen los polgonos a partir de un pozo 1)Pozo positivo 2)Pozo negativo 3)limite de los polgonos de clculo 4)Contorno interno 5)contorno externo (Kreiter, 1968) El volumen del prisma se determina como el producto del rea del polgono por su altura. Otros parmetros del clculo se obtienen para cada prisma directamente del pozo central. El volumen total del yacimiento es la suma de los volmenes de cada prismas. Este mtodo puede ser utilizado para estimaciones preliminares de recursos, pues los clculos son tan simples que pueden ser hechos rpidamente incluso en el campo, otra ventaja importante del mtodo

es su reproducibilidad pues si se sigue el mismo procedimiento dos especialistas pueden llegar al mismo resultado. El mtodo de los polgonos posee muchas desventajas entre las que podemos mencionar: Cuando la red de exploracin es densificada, hay que rehacer nuevamente la construccin de los polgonos. El sistema de los prismas no refleja correctamente la forma natural del yacimiento. Los resultados no son satisfactorios principalmente cuando los valores observados son valores extremos lo cual provoca que los errores de extensin del pozo al polgono sean muy groseros. Este error de estimacin disminuye en la medida que aumenta la densidad de la red de exploracin Independientemente de las desventajas obvias que posee el mtodo, las cuales estn muy vinculadas con su sencillez y simplicidad, esta tcnica de estimacin ha soportado el paso del tiempo y aparece implementado en la mayora de los softwares modernos de modelacin gelogo minera. 2.4.5 Mtodo de las isolneas La estimacin de recursos por el mtodo de las isolneas presupone que los valores de la variable de inters varan gradual y continuamente entre las intersecciones de exploracin Durante la estimacin de las reservas de un yacimiento por este mtodo, la forma de este se sustituye por un cuerpo de volumen igual al cuerpo natural, pero delimitado en su base por un plano recto (fig2.6). En este mtodo se comienza con el trazado de los mapas de isolneas de las variables de inters (espesor, ley y masa volumtrica o reservas lineales). Las isolneas entre los laboreos de exploracin se construyen empleando el mtodo de triangulacin con interpolacin lineal.

Figura 2.6 Esquema de estimacin de recursos empleando el mtodo de las isolneas. Plano de isopacas con malla superpuesta y algunos pozos de exploracin a)Forma transformada del cuerpo mineral en un perfil geolgico b)Forma real del cuerpo; ?S rea elemental de la celda con altura 2.9 m y volumen elemental V=100*2.9=290 m3,Sirea dentro de la isolnea, h - equidistancia ente isolneas, hx altura o profundidad de las cpulas El volumen del cuerpo representado por las isolneas de espesor (isopacas) se puede calcular por el mtodo de la red milimtrica. En esta variante es necesario trazar los mapas de isovalores del espesor, ley de los componentes tiles y masa volumtrica. Posteriormente se superpone una malla o matriz de bloques, cuyo tamao est en correspondencia con la escala de los trabajos y la densidad de la red de exploracin. La matriz divide toda el rea del yacimiento en pequeos bloques cuadrados. Posteriormente a partir del mapa de isopacas se interpola el valor de la potencia en el centro de cada bloque lo cual permite determinar el volumen de cada celda elemental. Por la adicin de estos volmenes elementales (?V) se

determina el volumen total del yacimiento. Si se considera necesario para mejorar la precisin en los bloques limtrofes, se puede estimar la proporcin del bloque que se localiza dentro de los contornos del yacimiento. ?V=?S*mi Donde ?V volumen elemental de la celda o bloque mi espesor del yacimiento en el centro del rea parcial, se determina por interpolacin ?s rea de la celda (valor constante) El volumen total del cuerpo se calcula:

De esta expresin queda claro que el volumen de un yacimiento se determina como el producto del rea elemental del bloque con la suma de los espesores parciales que se determinan por interpolacin lineal a partir de las isolneas. El clculo de las reservas de menas del yacimiento es exactamente igual si la masa volumtrica es variable se construye el mapa de isovalores de este parmetro y a partir de aqu se interpola el valor "d" en cada celda.

Si d es constante entonces la formula queda de la siguiente forma

De forma anloga se estima la cantidad de metal

Esta variante del mtodo de isolneas es extremadamente importante pues contienen en esencia la idea fundamental sobre la que descansan los mtodos modernos asistidos por computadoras. En ellos tambin se subdivide o discretiza el yacimiento en pequeos bloques y posteriormente se estima en cada celda el valor de la variable de inters, con la nica diferencia que en los mtodos actuales la interpolacin se basa en mtodos de estimacin espacial (geoestadsticos y geomatemticos). La comprensin de esta variante es fundamental para poder entender los mtodos que sern discutidos en los prximos captulos. En resumen se puede decir que una de las ventajas del mtodo de isolneas es su claridad pues las curvas de isovalores brindan una idea clara sobre la constitucin del yacimiento y el comportamiento de los espesores y contenidos del componente til. Para trazar las isopacas no es necesario emplear espesores reales sino que se puede usar la componente vertical u horizontal de la potencia, todo depende del plano en el que se proyecte el cuerpo. El mtodo permite realizar estimaciones locales (bloque a bloque) lo cual facilita la utilizacin de los resultados para fines de planificacin minera. Segn la literatura la principal desventaja del mtodo radica en la complicacin de las construcciones, la cual ha sido superada con la introduccin de los ordenadores y el desarrollo de los mtodos geoestadsticos. El principal problema del mtodo est en la necesidad de contar con un grado de exploracin alto pues la construccin de las isolneas sobre la base de una red de exploracin poco densa no es confiable. 2.4.6 Mtodos de los perfiles El mtodo de estimacin mediante cortes o perfiles se puede usar si el yacimiento fue explorado en una red regular que permite la construccin de cortes geolgicos. Los cortes geolgicos de un yacimiento, segn su orientacin, pueden ser horizontales, verticales o perfiles no paralelos. La distancia ente los cortes particulares no es constante y corresponde a la distancia entre las lneas de exploracin

en el caso de perfiles verticales o la altura entre niveles de una mina en el caso de cortes horizontales.

Figura 2.7 Clculo de recursos usando el mtodo de perfiles paralelos. Para simplificar el esquema solo se traz el contorno externo. 1-Pozos positivos y negativos 2-nmero de los perfiles geolgicos 3-nmero de los bloques de clculo 4-intercalacin de roca estril, S - rea del cuerpo en los perfiles L- distancia entre los perfiles La sucesin de clculo en este caso es la siguiente.

Contornear el cuerpo mineral (contorno interno y externo) en el plano. Se dibujan los perfiles a una escala dada, incluyendo en los mismos los resultados del contorneo (Fig. 2.7). Se calculan las reas en los perfiles por su semejanza con figuras geomtricas sencillas Se calculan los volmenes entre perfiles utilizando las siguientes frmulas:

Cuando la diferencia entre las reas calculadas no supera el 40 % se utiliza la frmula del trapezoide Vi-ii = (S1+S2)/2 x L Si y Sii reas de los perfiles contiguos L distancia entre perfiles Si la diferencia es mayor del 40 % se utiliza la frmula del cono truncado

Vi-ii =

xL

El clculo del volumen en los flancos se realiza por las frmulas de la cua o el cono en dependencia de la forma aproximada del bloque en los extremos. V cua =1/ 2 S*L Vcono=1/3Sx L

Estimacin de los valores promedios de los parmetros para cada bloque (ley del componente til)

Estimacin de la ley media de cada perfil limtrofe a partir de la media aritmtica o media ponderada por la potencia.

Ci = (C1*m1+C2*m2+ +Cnmn)/ (m1+ m2+ +mn) (perfil I) Cii= (C1*m1+C2*m2+ +Cnmn)/ (m1+ m2+ +mn) (perfil II) Posteriormente se calcula el valor medio del bloque ponderando por el rea de cada perfil. Ci-ii = (Ci Si +CiiSii)/(Si+Sii) Se calcula el valor promedio de la masa volumtrica para cada bloque usando el mismo procedimiento

Clculo de las reservas de menas y del componente til en cada bloque

Qi-ii = Vi-ii*di-ii Pi-ii = Qi-ii*Ci-ii

Clculo de las reservas totales del yacimiento por la sumatoria de las reservas de los bloques individuales

Qt = Qi-ii + Q ii-iii + + Qn-1,n Pt = Pi-ii + P ii-iii + + Pn-1,n El mtodo de las secciones en todas sus variantes permite tener en cuenta de manera ms completa las particularidades de la constitucin geolgica del yacimiento, la morfologa y las condiciones de yacencia de los cuerpos minerales (Lepin y Ariosa,1986). El mtodo posee desventajas importantes. En primer lugar se basa en la interpolacin rectilnea de los datos de exploracin entre las secciones contiguas y por eso es inaplicable si la estructuratectnica del objeto es compleja. Adems si distancias entre los perfiles son grandes se puede incurrir en errores groseros en la determinacin de los volmenes. Por este motivo, no se recomienda este mtodo durante los estadios iniciales del estudio geolgico del yacimiento, especialmente si se supone una constitucin geolgica compleja.

En segundo lugar, al calcular las reservas de mineral til mediante este mtodo no se utilizan los datos de exploracin obtenidos en los puntos dentro del bloque, sino solo los ubicados en las secciones principales de exploracin. Anlisis exploratorio de datos 3.1 Compositacin o regularizacin Generalmente los intervalos de muestreo en los pozos de exploracin no coinciden con los intervalos de trabajo en la fase de estimacin de recursos. Los intervalos de muestreo son siempre menores pues se busca revelar la variabilidad espacial de las variables que se estudian. El clculo de los compsitos no es ms que un procedimiento mediante el cual las muestras de los anlisis se combinan en intervalos regulares (igual longitud), que no coinciden con el tamao inicial de las muestras. La ley del nuevo intervalo se calcula usando la media ponderada por la longitud de los testigos que contribuyen a cada compsito y la masa volumtrica en caso de ser variable. El objetivo de la regularizacin segn Barnes, 1980 es obtener muestras representativas de una unidad litolgica o de mineralizacin particular las cuales pueden ser usadas, a travs de una funcin de extensin, para estimar la ley de un volumen mucho mayor de la misma unidad. Entre las principales razones y beneficios de la regularizacin tenemos: El anlisis geoestadstico exige muestras de igual longitud (similar soporte). La compositacin reduce la cantidad de datos y por consiguiente el tiempo de clculo o procesamiento. Se producen datos homogneos y de ms fcil interpretacin. Se reduce las variaciones errticas (alto efecto pepita) producto de muestras con valores extremadamente altos.

El proceso incorpora la dilucin como la provocada por la explotacin de banco con altura constante en la minera a cielo abierto. Existen muchos tipos de yacimientos minerales cada uno de los cuales requiere de un tratamiento especfico de los datos de las muestras de manera que se logren los mejores intervalos de compositacin para la evaluacin del los mismos (Barnes, 1980). Bsicamente existen 3 tipos principales de compsitos y se usan en dependencia de la naturaleza de la mineralizacin y el mtodo de explotacin: Compsito de Banco(bench composite): Las muestras se regularizan a intervalos que coinciden con la altura de los bancos o una fraccin de esta. Se emplea para modelar los recursos de yacimientos grandes, diseminados de baja ley que se explotan con minera a cielo abierto (Yacimientos de Cobreporfdico). Compsito de Pozo (down hole composite): Las muestras se combinan a intervalos regulares comenzando desde la boca del pozo. Compsito Geolgico (geological composite): Las muestras se combinan a intervalos regulares pero respetando los contactos geolgicos entre las distintas unidades. Este mtodo se emplea para prevenir la dilucin del compsito en el contacto estril mineral y donde se logra mayor control sobre el proceso de regularizacin. El empleo de compsito de banco o de pozo en estos casos provoca una distorsin de la distribucin de la ley ya que se puede adicionar mineral de baja ley a la zona mineral o mineral de alta ley al estril. Para escoger la longitud de regularizacin se emplean las siguientes reglas empricas:

El tamao del compsito se selecciona entre la longitud media de las muestras y el tamao del banco Para el caso de los cuerpos en los que su anlisis se hace de forma bidimensional, es necesario computar por pozos una media ponderada de los valores de todas las variables de inters

que abarque todas las muestras positivas del intervalo mineralizado.

No se debe regularizar muestras grandes en intervalos ms pequeos pues se introduce una falsa idea de continuidad espacial (fig. 3.1).

Figura 3.1 Impacto provocado al regularizar muestras grandes en intervalos pequeos. 3.2 Anlisis exploratorio de datos. Antes de proceder con la estimacin de reservas propiamente dicha se debe, siempre que sea posible, realizar un anlisis estadstico de los datos disponibles o los generados a partir del clculo de los compsitos con el objetivo de caracterizar el comportamiento estadstico de las distintas variables en el depsito y en las unidades geolgicas (dominios) que lo integran. La organizacin de los datos cuantitativos y su anlisis pueden consumir el 50 % de tiempo necesario para realizar la estimacin de reservas. El anlisis exploratorio de datos est dirigido a resolver las siguientes cuestiones:

Identificar y eliminar los posibles errores Caracterizacin estadsticas de las variables de inters

Documentar y entender las relaciones entre las variables Revelar y caracterizar la continuidad espacial de las variables (potencia y contenido del componente til) Identificar y definir los dominios geolgicos que requieren un tratamiento independiente durante la estimacin de recursos. Identificar y caracterizar las muestras con valores extremos (outliers)

El clculo de la estadstica bsica y el estudio de la distribucin de frecuencias de los parmetros constituyen las principales herramientas que posibilitan el anlisis estadstico de los datos. Los resultados de esta etapa complementan el modelo geolgico y se emplean en la modelacin de recursos. La estadstica bsica se calcula para las muestras originales y compositadas en cada dominio geolgico, los cuales incluyen distintos tipos litolgicos, tipos de alteracin hidrotermal, dominios estructurales y zonas o sectores en las que se reconoce (o se sospecha) que la distribucin estadstica de la variable es diferente. 3.2.1 Estadstica descriptiva El anlisis estadstico comienza con el estudio de la distribucin de frecuencia la cual indica como se distribuyen las muestras en intervalos regulares de los posibles valores. A partir de aqu se construyen los histogramas y grficos de frecuencia cumulativa. El estudio del histograma permite extraer conclusiones sobre el tipo de distribucin que siguen los datos, la presencia de valores huracanados y la posible existencia de poblaciones complejas (bimodalidad). Al histograma calculado se le ajusta un modelo terico de distribucin. En la prctica de la estimacin de recursos se emplean mayoritariamente el modelo de distribucin normal o gaussiana y el modelo lognormal de 2 y tres parmetros.

Si el histograma del parmetro estudiado es simtrico en forma de campana y la distribucin de frecuencia cumulativa se plotea como una lnea recta en el papel probabilstico normal entonces los datos se ajustan al modelo de distribucin gaussiano. Este tipo de modelo se observa poco en los yacimientos minerales excepto en aquellos de origen sedimentario.

La funcin de densidad de probabilidades que describe matemticamente esta distribucin esta dada por la siguiente ecuacin Donde f(x)- funcin de densidad de probabilidad ( - media s- desviacin estndar El grfico de la funcin de densidad de probabilidad, conocida como curva normal, se muestra en la figura 3.2.

Figura 3.2 Grfico de la distribucin normal Una propiedad muy til de la distribucin normal es que el rea bajo la curva en un intervalo especfico puede ser fcilmente calculada. Por ejemplo, el 68 % de los valores de la variable caen en el intervalo (s, el 95% en el intervalo (2s y el 99% en el intervalo (3s. Si el histograma del parmetro estudiado es asimtrico, formando una cola hacia la derecha y la frecuencia cumulativa se grafica como una lnea recta en el papel probabilstico lognormal entonces los datos se ajustan al modelo de distribucin lognormal. Cuando los datos poseen ests caractersticas la variable original se transforma calculando el

logaritmo natural de sus valores. El histograma de la variable transformada se ajusta al modelo gaussiano. Este tipo de distribucin se encuentra en muchos problemas de evaluacin de reservas, donde existe una gran cantidad de valores bajos y unos pocos valores altos que definen el yacimiento. La funcin de densidad de probabilidades que describe matemticamente la distribucin lognormal esta dada por la siguiente ecuacin.

Donde ( - media de los logaritmos de x ( - desviacin estndar de los logaritmos de x Los grficos de probabilidad o frecuencia acumulada (normal o lognormal) son tambin de mucha utilidad para este anlisis. En primer lugar permite corroborar el modelo de distribucin al que se ajusta la variable y tambin calcular los principales parmetros estadsticos que describen la distribucin. En muchos casos los grficos obtenidos al representar la frecuencia acumulada no constituyen lneas rectas sino mltiples segmentos y curvas con sus respectivos puntos de inflexin. Estos puntos de cambios de pendiente se emplean para separar poblaciones complejas, siempre y cuando las subpoblaciones posean coherencia espacial y una lgica explicacin geolgica.. Una desviacin tpica de los grficos de probabilidad es una curva hacia abajo en el extremo inferior. Esta curva representa un exceso de muestras con leyes bajas comparado con lo que se debe esperar si la distribucin fuese lognormal. En los depsitos de cobre porfdico, por ejemplo, esto se explica por intrusiones tardas dbilmente mineralizadas o diques estriles posteriores a la mineralizacin. Los

datos deben ser examinados para determinar la fuente de las muestras de bajo contenido y valorar si esta poblacin ha sido o puede ser cartografiada y estimada de forma independiente. Este mismo comportamiento del grfico de probabilidad puede originarse al representar una distribucin normal en un papel probabilstico lognormal. Otra desviacin muy comn de la lnea recta en el grfico de probabilidades es una curva de mayor pendiente en el extremo superior. Esto representa un exceso de muestras con alto contenido lo cual puede ser causado por la superposicin de 2 poblaciones. Un ejemplo de esto puede ser vetas de alta ley que cortan mineralizacin diseminada de baja ley. Otras causas de muestras con valores muy altos pueden ser los pequeos sectores dentro del cuerpo altamente favorables para hospedar mineralizacin producto de su alta permeabilidad, propiedades qumicas favorables, enriquecimiento secundario o removilizacin metamrfica. Como la mineralizacin de alta ley generalmente posee menor continuidad que la de baja ley el origen de estas zonas debe ser identificado y su estimacin realizada de forma independiente. Una vez obtenidos los histogramas y grficos de probabilidades se calculan algunos parmetros de la estadstica descriptiva que caracterizan numricamente la distribucin estadstica. Los principales estadgrafos que deben ser calculados para las distintas variables son: Nmeros de datos (muestras o compsitos) Medidas de tendencia central (media, moda, mediana) Medidas de dispersin (varianza, desviacin estndar, rango y coeficiente de variacin) Medidas de forma (asimetra y kurtosis) 3.2.1.1 Medidas de tendencia central

La media aritmtica es el promedio de los n valores medidos. Posee el inconveniente de que es muy sensible a la presencia de valores extremos en los datos. La media o esperanza matemtica se calcula por la frmula siguiente

La moda es valor ms probable o frecuente de la variable estudiada

La mediana es el punto central de los valores observados si se organizan en orden ascendente. La mitad de los valores caen por debajo de la mediana y la otra mitad por encima. Cuando la variable se ajusta al modelo normal la moda, la mediana y la media coinciden, si la distribucin es lognormal, la moda es mayor que la mediana y esta a su vez es mayor que la media. Cuando la distribucin es asimtrica los valores medios de la ley u otro parmetro estimados a partir de una simple media aritmtica estn sesgados y no se confirma posteriormente durante la produccin. Si los datos se distribuyen lognormalmente, la poblacin se puede definir como una poblacin lognormal de dos parmetros (media y la varianza de la poblacin logartmica), entonces el valor medio de este tipo de distribucin se obtiene por la frmula siguiente: ( = e[(+ var/2] Donde:

( = Valor medio estimado de la variable ( = Media de la distribucin de los logaritmos de la variable var = varianza de la distribucin de los logaritmos de variable. Los valores ( y var pueden ser calculados por las frmulas anteriormente descritas o estimados a partir del grfico de probabilidad (fig. 3.5). La media de los logaritmos coincide con el percentil 50 mientras que la desviacin estndar es SD =0.5(X16-X84). Puede ocurrir que al representar los datos logartmicos en un diagrama de probabilidad, estos no se ajusten exactamente a una recta, mostrando una cierta curvatura en el comportamiento, lo que es indicativo de la presencia de una poblacin lognormal de tres parmetros (Fig. 3.5). Este tercer parmetro, denominado constante aditiva ((), se puede calcular como: ( = [ x50 ( x75 . x25 ) ] / (x25 + x75 2.x50) donde x25, x50 y x75 los valores de los percentiles 25, 50 y 75. Este valor ( se aade a la poblacin original de datos. A continuacin, se realiza la transformacin logartmica obtenindose una nueva poblacin ln(xi + (), la cual si se ajusta a una distribucin lognormal. El valor de ( estimado por este mtodo es tentativo y puede ser modificado de modo que se logre el mejor ajuste posible.

Figura 3.5 Grficos de probabilidad de una distribucin lognormal a)poblacin lognormal de 2 parmetros b) poblacin lognormal de 3 parmetros. Para calcular, en este caso, la media del parmetro se aplica el procedimiento descrito para la poblacin de dos parmetros, sustrayndose el valor de la constante aditiva al resultado final.

3.2.1.2 Medidas de dispersin Varianza: La varianza de los datos,??????se calcula de acuerdo a:

La varianza es la desviacin cuadrtica promedio de los datos respecto a su valor central, esta medida es sensitiva a valores extremos. Desviacin estndar: La desviacin estndar se calcula como la raz cuadrada de la varianza. Esta medida con frecuencia se prefiere en lugar de la varianza debido a que sus unidades son las mismas que la variable que se estudia. Rango: Es la diferencia entre el mximo y el mnimo. 3.2.1.3 Medidas de forma Coeficiente de simetra: El descriptor ms utilizado para medir la forma de la distribucin es el coeficiente de asimetra. Debido a la manera en que se calcula este coeficiente los valores del mismo pueden estar afectados por la presencia de valores extremos en los datos. Un slo valor extremo puede influenciar notablemente este coeficiente pues la diferencia entre cada valor y la media es elevado al cubo. La distribucin normal estndar es perfectamente simtrica, Sk = 0. Esta medida se calcula como:

Sk ( 0 Distribucin asimtrica negativa Sk = 0 Distribucin simtrica Sk ( 0 Distribucin asimtrica positiva

Coeficiente de variacin: Este coeficiente se usa como una alternativa al coeficiente de asimetra. Se emplea, principalmente, para distribuciones en las cuales todos sus valores son positivos y cuya asimetra es tambin positiva. Aunque puede ser utilizado para distribuciones con asimetra negativa en ellas su importancia como ndice de forma decrece considerablemente. Este coeficiente es una medida de dispersin adimensional, y no est definido para el caso en que la media es cero. Se calcula como la desviacin estndar dividida por la media de los datos. Un coeficiente de variacin mayor que uno indica la presencia de algunos valores errticos en la muestra los cuales pueden tener una gran influencia en la estimacin. Segn Finney (1941) una manera prctica de saber si los datos se ajustan a una distribucin normal o lognormal es calcular el coeficiente de variacin y verificar si este es mayor o menor que 1.2; si es mayor que este valor (gran dispersin de los valores) entonces la distribucin es lognormal, en caso contrario el modelo es normal. Noble, 2000 propone las siguientes reglas para interpretar el coeficiente de variacin.

Mtodos de estimacin de reservas asistido por computadoras Los mtodos de estimacin de recursos asistido por computadoras se han desarrollado ampliamente en los ltimos aos debido al desarrollo vertiginoso que han tenido los ordenadores y los softwares de aplicacin. Los primeros intentos estuvieron dirigidos a informatizar los mtodos clsicos o geomtricos (mtodo de los polgonos y de los perfiles) posteriormente con el desarrollo de la geoestadstica aparecieron mtodos ms potentes y con una filosofa totalmente diferente de trabajo. Los mtodos asistido por computadoras permiten realizar estimaciones en bloques ms pequeos (estimacin bloque a bloque, que idealmente deben ser del tamao de la unidad de seleccin minera) definidos en funcin del objetivo de la estimacin y la densidad de la red de exploracin. En esto radica precisamente la diferencia con los mtodos clsicos o geomtricos los cuales, como se conoce, definen el tamao del bloque sobre la base de conceptos de rea o volumen de influencia que comnmente son determinados empricamente, o tambin de acuerdo con la disposicin de las intersecciones de exploracin. Estos bloques as definidos son de grandes dimensiones y se evalan generalizando la variable estudiada a partir de la media aritmtica o la media ponderada segn sea el caso. Los mtodos computarizados para la estimacin de recursos se basan en procedimientos matemticos de interpolacin local y solamente emplean los datos de los pozos vecinos al bloque para realizar la estimacin de la variable estudiada. Un esquema simplificado de la estimacin de recursos asistida por computadora se muestra en la figura 4.1. El yacimiento o la zona mineral definido por la geologa se discretiza en una matriz de bloques

bidimensional o tridimensional segn el caso y cada bloque se estima utilizando los datos localizados dentro del rea o volumen de bsqueda. Los mtodos de ventanas mviles (inverso de la distancia y kriging) son las tcnicas ms empleadas en la estimacin de recursos asistida por computadora. El procedimiento general de los mtodos computarizados es el siguiente.

Confeccin de la base de datos con toda la informacin relevante de la exploracin del yacimiento Anlisis exploratorio de datos y variografa Creacin del modelo geolgico Modelo de recurso - Divisin del yacimiento mineral en una matriz de bloques regulares modelo de bloque o capa. Estimacin en cada bloque de las variables de inters (contenido, masa volumtrica etc.) empleando una tcnica de interpolacin espacial (funciones de extensin). El valor estimado de la ley en cada celda se calcula por la siguiente frmula:

Z*(x) = (i=1,n Wi Z (xi) i= 1,2,3,.......n Donde: Wi es el peso o coeficiente de ponderacin asociada a cada muestra y su valor depende del mtodo de estimacin espacial empleado, n es la cantidad de muestras seleccionadas para hacer la estimacin. A continuacin se describe detalladamente cada una de estas etapas. Mucho de los aspectos aqu discutidos para los mtodos asistidos por computadoras son igualmente vlidos para los tradicionales o geomtricos

4.1 Confeccin de la base de datos La estimacin de recursos/reservas a partir de un nmero limitado de pozos es una de las tareas ms complejas que enfrenta un gelogo explorador. En la medida que avanza la exploracin y se van recopilando datos relevantes del yacimiento estos se van organizando en una base de datos. El gelogo debe garantizar la integridad de la misma y tomar las medidas necesarias para evitar los errores de trascripcin o digitalizacin. La precisin y exactitud de la estimacin de reservas depende de la confiabilidad de los datos sobre los cuales se basa y ningn mtodo de estimacin, por muy sofisticado que sea, puede compensar la mala calidad de los datos (Burn, 1981). Queda claro que contar con una buena base de datos es la garanta de una correcta estimacin de reservas. Por esta razn, desde el mismo comienzo de los trabajos es necesario implementar procedimientos que garanticen un muestreo representativo y un estricto control sobre la calidad de los resultados del laboratorio. La base de datos debe integrar todo tipo de datos incluyendo litologa, documentacin, resultados de los anlisis, registros de carotaje, datos hidrogeolgicos y geotcnicos. Los datos de exploracin (pozos, galeras, generalmente se guarden en 3 o 4 tablas trincheras etc.)

Tabla 1 recoge la posicin espacial del pozo y est conformada por los siguientes campos: Nombre del pozo (DDH;BH), coordenadas X;Y;Z de la boca del pozo (collar), profundidad y otros datos adicionales como tipo de perforacin, ao de la campaa etc.

Tabla 2 recoge los datos de inclinometra que permiten determinar la posicin de las muestras en el espacio. Campos: Nombre del pozo, profundidad de la medicin, azimut y ngulo de inclinacin o ngulo cenital Tabla 3 recoge los datos referentes a las muestras tomadas (testigos) su descripcin (litologa codificada) y los resultados de los anlisis qumicos. Campos: Nombre del pozo, desde, hasta, # de la muestra, litologa, anlisis qumicos. Esta tabla en ocasiones se desdobla en dos, una para los anlisis qumicos y otra para la litologa, pues la longitud de los intervalos generalmente no coincide. Una vez que la base de datos ha sido compilada el gelogo debe validarla e identificar y eliminar todos los posibles errores. La mejor manera de comprobar la integridad de la base de datos es mostrando la informacin en perfiles y comparar con el modelo que se tiene del yacimiento. Tambin se acostumbra a comparar un porcentaje (10%) de los registros con la informacin original. La etapa siguiente tiene como objetivo caracterizar estadsticamente cada una de las variables estudiadas y cuantificar su variabilidad espacial. Estos aspectos son tratados en captulos independientes (captulos 3 y 5). 4.2 Creacin del modelo geolgico La experiencia ha demostrado que el problema principal en la estimacin de recursos no esta relacionado directamente con el mtodo de estimacin empleado sino con la correcta aplicacin de los principios geolgicos. La cuestin medular a resolver antes de la estimacin de recursos propiamente dicha es establecer la continuidad de la mineralizacin y la ley dentro del yacimiento. Un muestreo representativo, anlisis confiables y una coherente interpretacin geolgica son los componentes principales de la estimacin de recursos (Arseneau y Roscoe, 1997) La interpretacin geolgica siempre se basa en los datos y en el conocimiento que posee el gelogo sobre el yacimiento o del modelo

de yacimiento que se estudia. Esto conduce inevitablemente a que los mismos datos sean interpretados de forma diferente por distintos especialistas, y por consiguiente resultados diferentes de la estimacin de recursos. La interpretacin geolgica tradicionalmente ha descansado en la construccin de planos y secciones en los cuales se representa la morfologa, dimensiones y propiedades del yacimiento (Popoff,1966). La interpretacin de todos los datos recopilados durante la exploracin se basa en 3 enfoques principales:

Interpretacin basada en perfiles y secciones Interpretacin basada en planos de isolneas Principio de analoga o inferencia geolgica.

En la actualidad aunque el proceso se ha informatizado el procedimiento contina siendo el mismo y se basa en los enfoques anteriormente descritos. En los mtodos de estimacin asistidos por computadora el conocimiento geolgico que posee el gelogo sobre la continuidad de la estructura y la ley se traduce en la definicin de zonas o dominios geolgicos que poseen una forma geomtrica nica. Los dominios geolgicos no son ms que zonas geolgicamente y estadsticamente homogneas. Lo que realmente se hace cuando se crea el modelo geolgico del yacimiento es subdividir el mismo en subpoblaciones que cumplan o se aproximen a la hiptesis de estacionaridad (ver capitulo 5). La divisin del yacimiento en dominios siempre debe basarse en el conocimiento geolgico y el sentido comn. Guibal (1997) seala que la seleccin de los dominios geolgicos debe estar respaldada y validada por la estadstica y la variografa. La definicin de los lmites o contornos de los dominios geolgicos, los cuales determinan la geometra de los cuerpos y zonas, es el mtodo

bsico para aplicar control geolgico a la estimacin durante la modelacin de recursos. Los lmites o contornos de los dominios geolgicos se clasifican en difusos o gradacionales y fsicos. En los yacimientos que estn definidos por limites fsicos, (carbn, yacimientos sedimentarios, filones de oro etc.), el trazado de los contornos es relativamente fcil, pues estos coinciden con los planos o contactos geolgicos. En el caso de los yacimientos gradacionales (Cobre porfirico) los lmites se definen sobre la base de una ley econmica o cutoff.

4.2.1 Mtodos para la definicin de los contornos Existen distintos mtodos para correlacionar los lmites de los dominios y conformar las superficies o slido 3D que define la geometra de la unidad geolgica en el espacio tridimensional. 4.2.1.1 Slidos a partir de los modelos de alambre o wireframe. El wireframe es la manera ms verstil de definir los lmites de los dominios geolgicos. Cualquier lmite o contorno interpretado en perfiles, planos o directamente en 3D puede ser combinado para formar el modelo de alambre y finalmente generar el slido de la unidad geolgica. Para generar el slido a travs de este mtodo se digitaliza interactivamente en la pantalla de la computadora los lmites o contornos de las unidades geolgicas que constituyen el depsito (fig. 4.2). La interpretacin de cada unidad en los perfiles es representada por un polgono cerrado que posee una orientacin y posicin espacial, un cdigo que indica el dominio geolgico que encierra y una potencia o zona de influencia lo que hace que cada permetro englobe cierto volumen.

Existen herramientas que garantizan que los contornos de unidades contiguas en un perfil coincidan, de forma tal que no queden huecos o espacios vacos en el modelo geolgico.

Figura 4.2 Interpretacin de los lmites de los dominios geolgicos a partir de los datos mostrados en perfiles. Una vez que el mismo dominio geolgico ha sido interpretado en los distintos perfiles entonces se procede a correlacionar la unidad geolgica en perfiles contiguos para lograr una representacin 3D del cuerpo geolgico (fig. 4.3). Los permetros (contornos) digitalizados se van uniendo por los puntos de inflexin correspondientes en los perfiles a travs de lneas de enlace (tie lines) hasta completar el wireframe que encierra el volumen geolgico 3D. Esta correlacin seccin a seccin se requiere cuando los contornos son irregulares (bifurcaciones, fallas, acuamientos, etc.). Si las unidades geolgicas muestran una clara continuidad en 3D entonces no es necesaria la correlacin interactiva y se puede prescindir de las lneas de enlace, en su lugar se usa un algoritmo de interpolacin lineal de los lmites en las secciones

Los modelos slidos creados pueden ser cortados por planos de cualquier orientacin y espaciamiento, esto nos permite corroborar nuestras interpretaciones en otra direccin cualquiera.

Figura 4.3 Creacin del modelo slido 3D a partir del perfiles previamente interpretados. Como toda la informacin en los softwares de modelacin y estimacin de recursos es manejada en el espacio no es necesario realizar la interpretacin de los limites a partir de perfiles y planos, esta puede hacerse directamente en el espacio 3D. 4.2.1.2 Slidos generados partir de superficies (Mtodo de superficies) Muchas veces es posible confeccionar los slidos modelando las superficies estructurales que limitan por encima y por abajo los cuerpos geolgicos. Este enfoque puede ser empleado en yacimientos estratiformes de poca complejidad estructural Este mtodo se realiza en 3 pasos fundamentales:

Extraccin de los puntos que yacen en las superficies (techo y piso) a partir de la intercepcin de la traza del pozo con los planos estructurales) Modelacin de las superficies (triangulacin o gridding) Combinacin de las superficies y generacin del slido

Existen 2 variantes de modelacin de superficies: Modelacin de superficie por triangulacin La superficie de contacto se modela usando una red optimizada de tringulos irregulares (TIN) que conectan los puntos con coordenadas conocidas. La triangulacin se realiza en un plano de referencia que debe ser paralelo a la superficie considerada, el mosaico de tringulos se genera sobre la base de la coordenadas X;Y mientras que la Z define la topologa. Para generar el TIN se utiliza el mtodo de Delaunay (Voronoi, Thiessen). Cualquier superficie puede ser modelada (superficie topografica, planos de fallas etc.), interceptada con el plano del perfil (viewplane) y ser utilizada para controlar la interpretacin geolgica. La modelacin de estas superficies controladoras es el primer paso en la modelacin geolgica en 3D. Para la triangulacin se debe tener el mximo de informacin posible sobre la superficie a modelar. Esta informacin debe estar libre de errores o inconsistencias como pueden ser puntos con las mismas coordenadas, curvas de nivel que se corten (strings) o puntos que no residan en la superficie. El mtodo de triangulacin no suaviza y respeta la informacin original, aspecto muy importante cuando la Z del punto se conoce con bastante certidumbre (superficie topogrfica, planos de falla), puede ser aplicado a superficies de cualquier orientacin (horizontal, inclinado o vertical), da la posibilidad de representar las

discontinuidades (breaklines) y no genera superficie ms all de los puntos extremos. Modelacin de superficie por interpolacin (malla gridding) Representa la superficie como un malla o matriz bidimensional (formato RASTER) y requiere la interpolacin de la cota en los nodos de la red. El mtodo tiene el inconveniente que la representacin es solo en el plano horizontal, lo que limita su uso para modelar superficies inclinadas, adems suaviza los datos originales al tener que interpolar. Para generar la malla se utilizan diferentes tcnicas de interpolacin espacial (inverso de la distancia, kriging, vecino ms cercano, etc.). La combinacin de las superficies controladoras permiten el slido que representa el dominio geolgico estudiado. 4.3 Modelo de recursos Una vez obtenido el modelo geolgico entonces resta establecer la variacin espacial de las distintas variables de inters (leyes), adems de determinar los recursos, ley media y cantidad de metal en cada dominio geolgico y en el yacimiento en general. 4.3.1 Mtodo de bloques

El mtodo ms usado en la modelacin de recursos consiste en la discretizacin del espacio 3D en bloques o celdas tridimensionales

(voxels) (fig.4.5). Cada celda contiene los atributos (litologa, tipo de mineralizacin etc.) y las mediciones (leyes, propiedades fsico mecnicas) del dominio geolgico en que se encuentra. Los atributos de los bloques se determinan sobre la base de la interseccin con el modelo geolgico o su posicin respecto a una superficie triangulada y las leyes a travs de la estimacin con tcnicas de interpolacin espacial. Figura 4.5 Modelo de bloque El primer modelo de bloque fue utilizado a comienzos de los aos 60 por la Kennecott Koper Corporation en un depsito de prfido cuprfero. Se emple para describir la distribucin espacial de las leyes y no la geometra de los dominios geolgicos. Cada bloque debe contener toda la informacin disponible en las fases de desarrollo de un proyecto: litologa-mineraloga, contenidos de metales, calidades en el caso del carbn y rocas industriales, contenidos de contaminantes, parmetros geomecnicos, datos hidrogeolgicos, etc. Para definir el modelo de bloque es necesario establecer los siguientes parmetros (Fig.4.6)

Posicin del modelo: se especifica a partir de las coordenadas del centroide del bloque llave (key block). Extensin del modelo en las distintas direcciones X, Y, Z (debe ser lo suficientemente grande para enmarcar la regin de inters) Dimensiones de las celdas o bloques por la X, Y y Z. Orientacin del modelo definido (ngulo de inclinacin y el azimut) Conjunto de variables a almacenar en el modelo con sus correspondientes formatos: ley de los distintos metales, peso volumtrico, litologa, tipo tecnolgico de mena etc.

Con el objetivo de alcanzar una mayor resolucin del modelo de bloque en los lmites de los cuerpos minerales se utilizan bloques (sub bloques) con dimensiones menores que los originales. Tambin se pueden utilizar voxels con tamaos variables en distintas partes del depsito (Ej. zonas con diferente grado de estudio o continuidad espacial). El modelo de bloques puede ser rotado y orientado de manera que se ajuste a la estructura geolgica y respete los elementos de yacencia del yacimiento estudiado.

Figura 4.6 Parmetros que definen el modelo de bloque: Posicin del bloque llave (Xmorg, Ymorg, Zmorg), dimensiones del bloque (dx, dy, dz), extensin del modelo (X (nx), Y (ny), Z (nz). Un aspecto de primordial importancia en el modelo de bloque lo constituye la seleccin de las dimensiones del bloque. Lo ideal en este caso es que el tamao del mismo coincida con la unidad de seleccin minera que ser empleada durante la explotacin del yacimiento, sin embargo en muchas ocasiones esto no es posible pues no se cuenta con la densidad suficiente de informacin. Cabe destacar tambin que

al disminuir el tamao del bloque se aumenta el error de estimacin, es decir, su ley se determina con un alto grado de incertidumbre. Ahora bien, al aumentar el tamao del bloque las leyes son emparejadas artificialmente. Segn la teora geoestadstica por lo menos un tramo del pozo debe quedar dentro de cada bloque, y que estos tramos estn uno del otro a una distancia menor que el alcance del variograma, o sea, dentro de la distancia que se estima que una muestra tiene influencia sobre la otra. Este enfoque terico en muchos casos no es prctico desde el punto de vista tcnico (demasiados subbloques para poder respetar los lmites del modelo geolgico y lograr una buena precisin en el clculo del volumen, distintas redes de exploracin etc.) y generalmente se prefiere examinar el yacimiento en unidades de seleccin ms pequeas. Por esta razn se asume la siguiente regla ampliamente manejada en la literatura: el tamao del bloque puede ser tan grande como el espaciamiento medio de la red y no debe ser menor a o 1/3 del espaciamiento de esta (Houlding, 1994; Duke et. al., 1991). La determinacin de las dimensiones ptimas del bloque depende principalmente de:

Variabilidad de las leyes. Continuidad geolgica de la mineralizacin. Tamao de las muestras y espaciamientos entre ellas. Capacidades de los equipos mineros. Taludes de diseo de la explotacin.

4.3.2 Modelo de capa Aunque el modelo de bloques es el ms empleado en la prctica este es ms apropiado para depsitos de forma isomtrica. Para yacimientos relativamente planos como pueden ser los yacimientos estratiformes y tabulares, es preferible estimar las reservas en 2D, para lo cual se proyecta el cuerpo en un plano, se contornea y

delimitan los dominios geolgicos, se superpone una matriz de bloque 2d y finalmente se estima en cada bloque las variables de inters empleando el mtodo de inverso de la distancia o kriging. Un procedimiento similar a este fue explicado en el mtodo de isolineas en el captulo referente a los mtodos clsicos, con la diferencia de que en este caso se emplea un mtodo ms sofisticado para la interpolacin espacial de las variables de inters. Otra variante para este tipo de yacimiento es continuar trabajando en 3D y emplear un modelo de capa o de lmina, el cual es muy similar al modelo de bloque pero la Z de los bloques es variable y depende de la altura ente el piso y el techo del cuerpo. Se emplea en yacimientos donde su extensin horizontal es mucho mayor que su dimensin transversal (espesor) y donde la variacin de la ley en esa dimensin es despreciable o no se puede determinar (Filones, vetas, yacimientos laterticos y aluviales). Al igual que en el caso anterior hay que definir la posicin del modelo, su extensin, dimensines de las celdas (X,Y) y las variables a almacenar. La altura de la celda se define por la diferencia de las cotas (Z) de las superficies trianguladas que definen el la unidad geolgica. Una vez definido el modelo de bloque que ocupa toda la regin de inters entonces se procede a estimar la variacin espacial de las distintas variables definidas en el modelo, para lo cual se usa una amplia gama de tcnicas de interpolacin que sern discutidas a continuacin. Mtodos de estimacin espacial 5.1 Mtodo del Inverso de la distancia Este fue posiblemente el primer mtodo analtico para la interpolacin de los valores de la variable de inters en puntos no muestreados. Esta tcnica se ha convertido en una de las ms populares gracias a la aparicin de las computadoras y relativa sencillez. En principio se

adopta la hiptesis de que importancia de un dato aislado responde a una funcin inversa de la distancia. El objetivo del mtodo es asignar un valor a un punto o bloque mediante la combinacin lineal de los valores de las muestras prximas. Z*(x) = ( (i Z(xi) En la que (i son los pesos o coeficientes de ponderacin proporcionales a la distancia euclidiana entre las localizaciones muestreadas y la que se desea estimar, estos pesos son calculados por: (i = (1/doi)/ (1/doj) Donde: doi es la distancia entre la localizacin a estimar y la localizacin de la muestra i. Generalizando obtenemos: Z*(x) = [(i=1,n 1/doi Z(xi)] / (i=1,n1/doj Se pueden obtener distintos estimadores si escribimos la ecuacin anterior como: Z*(x) = [(i=1,n (1/doi)( Z(xi)] / (i=1,n(1/doj)( Z*(x) = [(i=1,n Z(xi)/ (XDi2 + YDi2)(/2 /] / (i=1,n1/ (XDi2 + YDi2)(/2 Note que si el exponente de la distancia ( = 1 obtenemos la ecuacin anterior. Es intuitivo suponer que la influencia potencial del valor de una muestra sobre un punto o bloque a estimar decrece cuando este se aleja de dicho punto. El atributo estimado cambiar como funcin inversa de la distancia. En otras palabras, se asigna mayor peso a los valores de las muestras ms prximas y menor peso a las ms alejadas del punto de estimacin. Para aplicar el mtodo es necesario en primer lugar escoger el valor del exponente del inverso de la distancia. Por la frmula queda claro

que en la medida que este aumenta disminuye la influencia de los valores de las muestras ms alejadas, en esa misma medida aumenta la de las ms prximas. Con el incremento de la potencia, la interpolacin de las leyes entre 2 puntos pasa del principio de los cambios graduales ((=1) al principio de los vecinos ms cercanos (( ( (). Se debe resaltar que difcilmente en la naturaleza la concentracin de un elemento qumico se subordine a la ley de la lnea recta y mucho menos al principio de las zonas de influencia. Un exponente igual a dos produce una interpolacin intermedia (solucin de compromiso) entre ambos principios. Por esta razn, el mtodo se conoce tambin como inverso de la distancia al cuadrado. Los exponentes ms usados en la prctica son 2, 3 y1. Para seleccionar el valor que se va a emplear se puede utilizar la validacin cruzada. Si el exponente es cero el mtodo del inverso de la distancia se reduce a una media aritmtica dentro de la vecindad de bsqueda o sea a todas las muestras se le asigna un mismo peso independientemente de la distancia que la separa del punto a estimar. 5.1.1 rea o vecindad de bsqueda Para decidir cuales son las muestras que se emplearan para estimar el valor del bloque o punto dentro del yacimiento se define la vecindad o rea de bsqueda. La vecindad de bsqueda bidimensional se emplea cuando la estimacin de reservas se realiza en un plano de proyeccin. El rea de bsqueda 2D puede ser circular o elptica. La vecindad circular se emplea cuando la mineralizacin en el yacimiento se considera isotrpica o sea cuando la variabilidad de la ley y la potencia es la misma en todas direcciones. El radio del crculo se argumenta sobre la base del conocimiento geolgico del yacimiento o los resultados de la variografa (ver mtodos geoestadsticos). Una vez seleccionado el radio de bsqueda se calcula la distancia entre el centro del bloque que se desea estimar y cada una de las

muestras vecinas. Todas aquellas muestras que se localizan a una distancia mayor que el radio se excluyen y no participan en la estimacin del bloque.

Figura 5.1 Ponderacin por el mtodo del inverso de la distancia empleando una vecindad de bsqueda circular El procedimiento general se puede observar en la figura 5.1. Como los 3 pozos caen dentro del crculo de bsqueda todos son utilizados para estimar el valor de la ley del bloque. El peso asignado a la muestra ms prxima aumenta con el incremento de valor de (. En este caso concreto esto provoca una disminucin de la ley pues la muestra ms cercana es la de menor concentracin. La ley del bloque fue estimada ponderando simplemente por el inverso de la distancia, si la potencia es variable entonces la ecuacin se modifica de la siguiente manera: Z*(x) = [(i=1,n 1/doi Z(xi)*mi] / (i=1,nmi/doj Si la mineralizacin es anisotrpica entonces se utiliza una vecindad de bsqueda elptica. La elipse debe orientarse de forma tal que el eje mayor (a) coincide con la direccin de mxima continuidad y el eje menor (b) con la direccin de mayor variabilidad o mnima continuidad. En estos casos el mtodo del inverso de la distancia puede ser modificado para acomodar la anisotropa del fenmeno y asignar mayor peso a las muestras ubicadas en la direccin de mxima continuidad o en las cercanas de esta. Esta modificacin permite acercar los resultados de este mtodo de estimacin a los obtenidos por kriging (ver Annels,1991) . Si la estimacin de recursos se realiza en el espacio 3D entonces para la seleccin de las muestras se emplea una volumen de bsqueda tridimensional que puede ser una esfera (cubo) si el yacimiento es isotrpico o un elipsoide (paraleleppedo) si es anisotrpico. En este

caso se necesita definir 3 ejes (mayor, intermedio y menor) y orientar correctamente el volumen de bsqueda en el espacio. El procedimiento de seleccin de las muestras es similar al caso 2D. Una vez determinada las dimensiones y la orientacin del volumen de bsqueda es posible aplicar otras restricciones a la vecindad pues no todas las muestras que caen dentro de ellas tienen necesariamente que ser empleadas en la interpolacin. Generalmente se fija un nmero mximo y mnimo por volumen de bsqueda. Si dentro del rea existen ms muestras que el mximo fijado entonces el algoritmo selecciona entre las ms cercanas un nmero que coincide con el mximo definido, si la cantidad de muestras no sobrepase el mnimo requerido entonces el bloque no se estima. Este tipo de restricciones permite simplificar los clculos al no considerar aquellas muestras, que a priori se conoce tienen poca influencia sobre el bloque que se desea estimar. Como regla el nmero mximo de muestras dentro del volumen puede variar entre 4-18 dependiendo de la red y las dimensiones de la vecindad de bsqueda que a su vez es funcin de la continuidad espacial de la mineralizacin definida con la ayuda del variograma. El volumen de bsqueda alrededor del bloque se puede dividir en sectores (1, 4 u 8) y posteriormente se procede a escoger de cada sector un nmero determinado de las muestras ms cercanas al bloque. La bsqueda por cuadrante (4 sectores) u octantes (8 sectores) permite reducir el sesgo provocado por la aglomeracin de los pozos o muestras en ciertas reas del yacimiento.

Figura 5.2 Impacto del empleo de la vecindad de bsqueda por sectores en la seleccin de las muestras a) bsqueda sin restriccin (1 sector) todas las muestras seleccionadas proceden de un solo pozo b) bsqueda por octantes (8 sectores) se selecciona 2 muestras de cada pozo. La figura 5.2 muestra una situacin hipottica donde se tienen 4 pozos de exploracin con 8 muestras regularizadas cada uno. Si se establece un volumen de bsqueda (global) y un mximo de 8 muestras para estimar el bloque, entonces se seleccionan las 8 muestras pertenecientes al pozo F1 que es el ms cercano al centro del bloque. Esto lgicamente no es lo ideal pues se est descartando la informacin brindada por el resto de los pozos. Ahora bien, si la bsqueda se realiza por octantes en lugar de un solo sector y se establece un mximo de una muestra por sector entonces se logra seleccionar las muestras ms cercanas de cada uno de los 4 pozos (2 muestras por pozos) lo cual garantiza una mejor representatividad espacial de la seleccin realizada. Este ejemplo demuestra que en la estimacin de reservas la seleccin de las muestras dentro del volumen de bsqueda debe realizarse por sectores para lograr un buen muestreo espacial, en caso contrario se corre el riesgo de evaluar un bloque empleando solamente las muestras del pozo ms prximo.

5.1.2 Consideraciones finales sobre el mtodo del inverso de la distancia Esta tcnica suaviza los valores de la variable estimada por lo cual el mtodo brinda mejores resultados en aquellos yacimientos en los que la ley vara de forma gradual (yacimientos de cobre porfrico, yacimientos de calizas etc.) La principal crtica que se le hace a esta tcnica de interpolacin espacial es que da los mismos resultados independientemente del tamao del bloque que se desea estimar (Annels,1991). Esto es motivado poque lo que realmente se estima es el centro del bloque (estimador puntual). Para revertir este problema Yamamoto, 1992 propone dividir los bloques en subloques, estimar puntualmente cada uno de ello por el mtodo del inverso de la distancia y posteriormente combinar los estimados parciales para calcular el valor medio del bloque. Esto es un procedimiento muy similar al empleado por el Kriging de bloque. Segn este autor la combinacin de los estimados de los subloques a partir del clculo del promedio de los estimados parciales es equivalente a la estimacin de los coeficientes de ponderacin medios de las muestras en los subloques, lo cual permite realizar una estimacin directa de la ley del bloque por este mtodo. Se debe destacar que todas las modificaciones introducidas al mtodo para que pueda considerar la anisotropa de la mineralizacin, la posibilidad de emplear bsqueda por sectores lo cual permite desagrupar las muestras y la variante de estimar directamente la ley del bloque hacen que los resultados obtenidos por este mtodo se aproximen mucho a lo brindados por los mtodos geoestadsticos. En resumen el mtodo es muy potente y se utiliza ampliamente en la prctica de la estimacin de recursos en sustitucin de los mtodos geoestadsticos cuando no es posible obtener modelos matemticos que describan la variabilidad espacial de la mineralizacin en el yacimiento.

5.2 Mtodos geoestadsticos 5.2.1 Geoestadstica, concepto. La Geoestadstica se define como la aplicacin de la Teora de Funciones Aleatorias al reconocimiento y estimacin de fenmenos naturales [Journel, A, G. and Huijbregts, C.J., 1978], o simplemente, el estudio de las variables numricas distribuidas en el espacio [Chauvet, P., 1994 Los fenmenos distribuidos en el espacio, la mineralizacin en un yacimiento mineral por ejemplo, presenta un carcter mixto, un comportamiento catico o aleatorio a escala local, pero a la vez estructural a gran escala. Se puede entonces sugerir la idea de interpretar este fenmeno en trminos de Funcin Aleatoria (FA), es decir, a cada punto x del espacio se le asocia una Variable Aleatoria (VA) Z(x), para dos puntos diferentes x e y, se tendrn dos VAs Z(x) y Z(y) diferentes pero no independientes, y es precisamente su grado de correlacin el encargado de reflejar la continuidad de la mineralizacin, o de cualquier otro fenmeno en estudio, de modo que el xito de esta tcnica es la determinacin de la funcin de correlacin espacial de los datos [Zhang, R., 1992]. Su estimador, El Kriging, tiene como objetivo encontrar el Mejor Estimador Lineal Insesgado a partir de la informacin disponible, y en efecto, el valor estimado obtenido Z*(x) de un valor real y desconocido Z(x), consiste en una combinacin lineal de pesos asociados a cada localizacin donde fue muestreado un valor Z(xi) (i = 1,n) del fenmeno estudiado, observando dos condiciones fundamentales: 1.- que el estimador sea insesgado. E[Z* - Z] = 0, 2.- que la varianza Var[Z* - Z] sea mnima, consiguindose de este modo minimizar la varianza del error de estimacin. 5.2.4 El Anlisis Estructural. El Anlisis Estructural o estudio variogrfico segn [Armstrong, M., y Carignan, J.,1997] est compuesto por:

El clculo del semivariograma experimental. El ajuste a este de un modelo terico conocido.

El clculo del semivariograma experimental es la herramienta Geoestadstica ms importante en la determinacin de las caractersticas de variabilidad y correlacin espacial del fenmeno estudiado [Chica-Olmo, M., 1987], es decir, tener conocimiento de como la variable cambia de una localizacin a otra [Lamorey, G., and Jacobsom, E.,1995], [Issaks & Co.,1999], representando el til ms importante de que dispone el geoestadstico para el anlisis del fenmeno mineralizado o de la variable de distribucin espacial en estudio. 5.2.4.1 El semivariograma experimental El variograma se define como la media aritmtica de todos los cuadrados de las diferencias entre pares de valores experimentales separados una distancia h. [Journel, A, G. and Huijbregts, C. J.,1978], o lo que es lo mismo la varianza de los incrementos de la variable regionalizada en las localizaciones separadas una distancia h. Var{Z(x+h)-Z(x)} = 2((h) La funcin ((h) se denomina semivariograma, el cual puede ser obtenido por la expresin.

donde: Np(h) es el nmero de pares a la distancia h. h es el incremento. Z(xi) son los valores experimentales. xi localizaciones donde son medidos los valores z(xi). Aunque la funcin ((h) por definicin es un semivariograma (la mitad del promedio de las diferencias al cuadrado) en la literatura cientfica se ha arraigado el trmino variograma (por definicin es 2((h)), esto ha

provocado que ambos trminos se empleen indistintamente. Su clculo no consiste en una simple evaluacin de su expresin, segn se plantea en [Krajewski, S. A. and Gibbs, B.L., 1993], [Journel, A, G. and Huijbregts, C. J.,1978], [David, M.,1977], [Xie, T., and Myers, D.E.,1995a] y [Pannatier, Y.,1993] esta operacin est relacionada con los elementos siguientes: La direccin en la que ser calculado el semivariograma, uno o dos ngulos que definen una direccin en el espacio ( (azimuth) y/o ( (inclinacin) con tolerancias angulares d( y/o d(. El semivariograma calculado usando tolerancia angular de 90 se denomina "semivariograma medio" u "omnidireccional". El incremento o paso en el clculo del semivariograma h y su tolerancia lineal dh, se recomienda que el valor de dh sea la mitad del incremento inicial. Una distancia, que representa la distancia mxima a que pueden estar alejados los segundos puntos del par con respecto a la lnea que define la direccin de clculo, conocido como Ancho de Banda. La distancia Lmx hasta la cual ser calculado el semivariograma, se recomienda que sta sea la mitad de la distancia entre las muestras ms alejadas [Armstrong, M., y Carignan, J.,1997] [Krajewski, S. A. and Gibbs, B.L.,1993], aunque dependiendo de la geometra del fenmeno regionalizado en algunos casos puede ser calculado hasta una distancia superior. En la mayor parte de los casos ((h) crece hasta cierto lmite llamado meseta, en otros casos puede crecer indefinidamente. El comportamiento en el origen puede tener diferentes formas como son segn [Armstrong, M., y Carignan, J.,1997], [Journel, A, G. and Huijbregts, C. J.,1978], [Chica-Olmo, M., 1987] (Figura 5.7). Parablico: Caracteriza a una variable muy regular, siendo continua y diferenciable.

Lineal: Caracteriza a una variable continua, pero no diferenciable, es decir menos regular. Discontinuidad en el origen: "Efecto de pepita", es el caso en que ((h) no tiende a cero cuando h tiende a cero. Representa a una variable muy irregular. Discontinuo puro: Llamado tambin ruido blanco, representa el caso de mayor discontinuidad o ausencia de estructura espacial, donde los valores de dos puntos cualesquiera no tienen correlacin alguna. El variograma experimental es calculado en diversas direcciones. Inicialmente se estima el semivariograma medio, global u "omnidireccional", como su nombre lo indica no depende de la direccin solamente de la magnitud de h, el cual proporcionando una idea inicial de la variabilidad espacial de los datos, siendo el ms idneo para representar u obtener una estructura clara y definida. Posteriormente deben ser calculados los semivariogramas en diferentes direcciones, puede ser calculado en 4 direcciones separadas 45 con tolerancia angular de 22.5, comenzando por 0 (fig. 5.8) hasta encontrar la direccin de mxima o mnima variabilidad, pueden ser calculados tambin, ms especficamente, en 8 direcciones separadas por 22.5. Tambin se calcula el variograma vertical (down hole), el cual se estima en la direccin ortogonal a la superficie del yacimiento mineral esto es en la direccin en la que fueron perforados los pozos. El variograma vertical (down hole) es de singular importancia pues es calculado en la direccin en la cual se posee mayor cantidad de datos. Esto hace que habitualmente se emplee el variograma calculado en la direccin de los pozos para evaluar la forma o comportamiento del variograma en el origen y determinar el efecto pepita (nugget). 5.2.5 Modelado de Semivariogramas. El modelado de semivariogramas consiste de dos etapas fundamentales [Xie, T., and Myers, D.E.,1995a], una vez construido el semivariograma experimental o emprico es necesario ajustar a este

un modelo terico, con el objetivo de determinar los parmetros descriptivos del semivariograma que posteriormente sern usados en la estimacin. 5.2.5.1 Parmetros del semivariograma. Los parmetros del semivariograma caracterizan tres elementos importantes en la variabilidad de un atributo que son: la discontinuidad en el origen (existencia de Efecto de Pepita), el valor mximo de variabilidad (Meseta), y el rea de influencia de la correlacin (Alcance), (fig. 5.9).

El Efecto Pepita (Nugget): El semivariograma por definicin es nulo en el origen, pero en la prctica las funciones obtenidas pueden presentar discontinuidad en el origen, a esta discontinuidad se le llama Efecto de Pepita, en ingles (Nugget effect). Puede ser obtenido trazando una lnea recta entre los primeros puntos del semivariograma emprico y extender sta hasta que se intercepte con el eje Y. Si esta interseccin ocurre por debajo de cero, el valor asumido por este efecto es cero, pues valores negativos de ((0) no tiene significado y no es comn. El Efecto Pepita se representa como Co. La Meseta (Sill): Es el valor de ((h) para el cual con el aumento de h su valor permanece constante, se representa como (CT = C + Co) y se denomina Meseta. Puede obtenerse trazando una lnea paralela a la abscisa y que se ajuste a los puntos de mayor valor del

semivariograma y su valor se lee en la interseccin de esta lnea con la ordenada. El Alcance (Range): La distancia h para la cual las variables Z(x) y Z(x+h) son independientes, se denomina Alcance y se representa por (a), es decir, las distancias para la cual los valores de la variable dejan de estar correlacionados, o lo que es lo mismo, la distancia para la cual el semivariograma alcanza su Meseta. El alcance siempre tiene valor positivo y puede ser obtenido a partir de la interseccin de las lneas descritas en los puntos anteriores, ese punto ledo en la abscisa es una fraccin del propio Alcance, fraccin que se detallara posteriormente en la explicacin de los modelos tericos Los modelos de variograma terico utilizado en el proceso de estimacin o simulacin deben satisfacer ciertas condiciones, es decir tienen que ser "definido positivo" o de "tipo positivo". En general el ajuste de modelos tericos al variograma emprico se realiza de forma visual. Atendiendo a las dos caractersticas ms importantes en el modelado de semivariogramas que son segn [Journel, A, G. and Huijbregts, C. J.,1978]: 1.- Su comportamiento en el origen, el cual puede ser linear, parablico y con Efecto de Pepita y 2.- La presencia o ausencia de Meseta. Estos modelos son: 5.2.5.2 Modelos Tericos de Semivariogramas. Los modelos de variograma terico utilizado en el proceso de estimacin o simulacin deben satisfacer ciertas condiciones, es decir tienen que ser "definido positivo" o de "tipo positivo". En general el ajuste de modelos tericos al variograma emprico se realiza de forma visual. Atendiendo a las dos caractersticas ms importantes en el modelado de semivariogramas que son segn [Journel, A, G. and Huijbregts, C. J.,1978]: 1.- Su comportamiento en el origen, el cual puede ser linear,

parablico y con Efecto de Pepita y 2.- La presencia o ausencia de Meseta. Estos modelos son: Efecto de Pepita: Corresponde a un fenmeno puramente aleatorio (ruido blanco), sin correlacin entre las muestras, cualquiera sea la distancia que las separe, (fig.5.10a), donde C representa el valor de la meseta. ((h) = 0 h = 0 =C|h|>0 Modelo Esfrico: Este modelo es probablemente el ms utilizado, es una expresin polinomial simple, en su forma representada en la figura 5.10b, se puede observar un crecimiento casi lineal y despus a cierta distancia finita del origen se alcanza una estabilizacin, la Meseta. La tangente en el origen encuentra a la Meseta en el punto de abscisa (2/3)a, donde a representa el valor del alcance. ((h) = C [ (3/2)(h/a) - (h/a)3 ] h ( a Ch>a Modelo Exponencial: Este modelo a diferencia del esfrico crece inicialmente ms rpido y despus se estabiliza de forma asinttica (fig. 5.10c). Como la Meseta no se alcanza a una distancia finita, se usa con fines prcticos el "alcance efectivo" o "alcance prctico" a, valor que se obtiene en el punto de abscisa para el cual el modelo obtiene el 95% de la Meseta, con un valor a=3a, donde a es el parmetro de escala. La tangente en el origen encuentra a la meseta en el punto a=(1/3)a. ((h) = C [1 - Exp(-|h|/a)] h ( a Ch>a Modelo Gaussiano: Este es un modelo extremadamente continuo (fig. 5.10d), inicialmente presenta un comportamiento parablico en el origen, despus al igual que en el modelo Exponencial se alcanza la

meseta de forma asinttica. El alcance prctico tiene un valor de a =1.73a, que es el valor de la abscisa donde se alcanza el 95% de la Meseta. ((h)= C [ 1 - Exp(-|h|2/a2)] h ( a Ch>a Modelo con funcin potencia: Este es un modelo sin meseta, su forma se representa en la figura 5.10e, para valores de ( correspondientes a 0.5, 1.0 y 1.5. ((h) = |h|( con ( (]0, 2[ Para el valor de (=1 en el modelo anterior se obtiene el modelo Lineal, al cual no tiene ni Meseta ni Alcance. Ahora por efectos prcticos, sin embargo, muchos programas informticos denotan la pendiente del modelo lineal con la relacin C/a, Figura 5.10f. ((h) = (C/a) |h| Estos modelos pueden ser ajustados individualmente, aunque es posible encontrar en la prctica aplicaciones donde a los semivariogramas experimentales se les debe ajustar ms de un modelo terico, es decir, a travs de superposicin, nombrndose estructuras imbricadas. [Krajewski, S. A. and Gibbs, B.L.,1993], [Journel, A, G. and Huijbregts, C. J.,1978], [David, M.,1977] 5.2.9 Mtodos geoestadsticos de estimacin Todo lo expresado hasta aqu tiene un nico objetivo, conocer la informacin disponible para realizar estimaciones [Journel, A, G. and Huijbregts, C. J.,1978], [David, M.,1977], [Armstrong, M., y Carignan, J.,1997], es decir, estimar valores desconocidos a partir, no slo de los conocidos, sino tambin de su estructura de continuidad espacial. Inicialmente, Matheron denomin a esta tcnica Krigeage (en francs) que en ingles se convierte en Kriging y en espaol se escribe Kriging.

Este trmino que tiene su origen en el apellido de D.G. Krige, reconociendo de esta forma su aporte. 5.2.9.1 Ecuaciones del Krigeage. Se dispone de los valores muestreados Z(xi), i=1,,n, y deseamos estimar un valor de la caracterstica observada en el panel Z(v) por una combinacin lineal de Z(xi). Z*(v) = ( (i Z(xi), donde Z*(v) es el valor estimado y (i son los peso de Kriging, de modo que los (i sean obtenidos de tal forma que proporcione un estimador: Insegado: E[Z*(v) - Z(v)] = 0 y de varianza mnima: Var[Z*(v) - Z(v)]. Teniendo en cuenta las hiptesis de la Geoestadstica se pueden obtener las ecuaciones del Kriging para los siguientes casos: Funcin Aleatoria Estacionaria de Esperanza Nula o Conocida, mtodo conocido como Kriging Simple. Para una Funcin Aleatoria Estacionaria de Esperanza Desconocida, y una Funcin Aleatoria Intrnseca, mtodo conocido como Kriging Ordinario. A continuacin se presenta el sistema Kriging para estos casos: Kriging Simple. Estimador: Z*(v) = ( (i Z(xi) + m(1- ((i). Sistema: ( (i C(xi, xj) = C(xj, v) j = 1,,n Varianza de Kriging: (2 = C(v,v) - ( (i C(xi, v) Kriging Ordinario. En trminos de la Covarianza. Estimador: Z*(v) = ( (i Z(xi) Sistema: ( (i C(xi, xj) - ( = C(xj, v) i,j = 1,,n ( (i = 1

Varianza de Kriging: (2 = C(v,v) - ( (i C(xi, v) + ( En trminos del Semivariograma. Estimador: Z*(v) = ( (i Z(xi) Sistema: ( (i ((xi, xj) + ( = ((xj, v) j = 1,,n ( (i = 1 Varianza de Kriging: (2 = ( (i ( (xi, v) - ((v,v) + ( Sobre el sistema Kriging es necesario hacer algunas observaciones segn [Journel, A, G. and Huijbregts, C. J.,1978]: 1.- El sistema Kriging tiene una solucin nica si y solo s la matriz de K es definida estrictamente positiva, es decir: (i=1,n(j=1,n (i(j C(xi, xj) ( 0 o en trminos de variograma: - (i=1,n(j=1,n (i(j ((xi, xj) ( 0 y no existen datos con las mismas coordenadas. 2.- El Kriging, el cual es un estimador insesgado, es tambin un interpolador exacto, es decir, para iguales soportes de observacin v( ((=1,,n) y de estimacin V, Los valores real Z( y estimado Z* son iguales, adems de que la varianza de Kriging (2k es cero. 3.- Las expresiones del sistema Kriging y de la Varianza de Kriging son completamente generales, es decir, son aplicables cualquiera sean los soportes de observacin y estimacin y el modelo estructural empleado. 4.- El Sistema Kriging y la Varianza de Kriging dependen slo: del modelo estructural C(h) o ((h) obtenido y de la geometra del soporte de observacin. Esta caracterstica da la posibilidad de que la Varianza de Kriging sea usada cuidadosamente para el estudio de redes y la clasificacin de reservas.

Es importante tener en mente que aunque la asignacin de pesos que hace el kriging, sobre la base del modelo de variograma, es ptima, en el sentido que minimiza la varianza de estimacin, puede asignar pesos negativos y positivos lo cual implica que se pueden obtener valores de contenido negativos. Por esto los resultados obtenidos por estos mtodos siempre tienen que ser chequeados contra el modelo geolgico y los valores de las muestras que conforman la base de datos. 5.3 Modelacin del contenido y otras variables de inters En esta etapa el gelogo debe decidir cual mtodo emplear para modelar en el modelo de bloque la variacin espacial de la ley y de otras variables cuantitativas de inters para el proyecto. Esta decisin no tiene una respuesta nica y estar condicionada fundamentalmente por las caractersticas de la mineralizacin y el tipo de distribucin al que se ajustan las variables estudiadas. Durante la estimacin se emplean tcnicas de control que obligan al interpolador a respetar la interpretacin geolgica. El primer mtodo para aplicar control geolgico a la estimacin se conoce como mtodo de control por dominios y consiste en estimar los bloques de un determinado sector del yacimiento con las muestras que pertenecen nicamente a dicha unidad geolgica, esto se logra asignndole el mismo cdigo a las muestras y bloques que pertenecen al dominio geolgico. El otro mtodo de controlar la estimacin es a travs de estrategias de bsqueda este punto ya fue ampliamente abordado. Una vez que se han estimado las leyes y el resto de las variables se procede a chequear el modelo de bloque construyendo perfiles y planos, que permitan visualizar los resultados obtenidos, y comparando los valores de las muestras originales con los valores estimados para cada variable. Tambin se recurre a la estadstica descriptiva para caracterizar los estimados y hacer las comparaciones pertinentes. De esta forma se pueden detectar errores en la estimacin. Una psima prctica es esta etapa es asumir los

resultados de la estimacin como ciertos sin someterlos al juicio de la duda y el sentido comn. A partir de la integracin de los distintos parmetros estimados en cada una de las celdas del modelo de bloque se calcula el tonelaje, ley media y cantidad de metal en todo el depsito y se generan los reportes de recurso.

Consideraciones finales Hasta aqu hemos discutido de forma crtica los principales mtodos de estimacin de recursos desde los geomtricos o tradicionales hasta los ms modernos que se apoyan en el empleo de ordenadores. Se presentaron los principales criterios empleados para la categorizacin de reservas y los esfuerzos por lograr un sistema internacional de clasificacin de recursos y reservas que sea reconocido por todas las partes involucradas en la actividad. Se discuti la filosofa general de trabajo de los mtodos asistidos por computadora. Por ltimo se abordaron las principales bondades y deficiencias de los mtodos geoestadsticos, as como las principales modificaciones realizadas al mtodo de estimacin inverso de la distancia, dirigidas a disminuir sus limitaciones y acercarlo lo ms posible al interpolador kriging. Para finalizar este trabajo se enumeran las principales limitaciones de los mtodos asistidos por computadoras y los errores ms frecuentes que se cometen.

1. El principal problema muchas veces es no chequear los resultados y aceptar tcitamente las soluciones brindados por la computadora. Es muy fcil y rpido crear un modelo computarizado pero es necesario que este responda al modelo geolgico del yacimiento y que respete los datos originales.

2. Muchas veces no es fcil combinar en un mismo modelo de recurso zonas con distinto grado de conocimiento geolgico 3. Empleo de bloques muy pequeos para la densidad de datos disponible y que falsean la variabilidad real de la ley en el yacimiento. 4. Demasiado suavizamiento de los datos producto al empleo de vecindades de bsqueda inapropiadas 5. Modelos de bloques de recursos construidos sin la participacin del gelogo del proyecto que es quien conoce realmente los datos y comprende la geologa del yacimiento 6. Datos insuficientes o inapropiados para modelar la naturaleza de la mineralizacin y su continuidad espacial. Lo que impide la obtencin de variogramas confiables. 7. Insuficiente control geolgico en la estimacin 8. Incorrecta modelacin del variograma.

http://cg.ensmp.fr/bibliotheque/public/ALFARO_Cours_0 0606.pdf

Un seminario en octubre en Perth destac los nuevos enfoques en Vulcan para manejar depsitos estratigrficos estructuralmente deformados. Anisotropa en un depsito se refiere a un atributo que tiene la continuidad variable en distintas direcciones. Si la direccin y la

magnitud de la anisotropa se entienden bien, no slo globalmente, sino tambin a nivel local, pueden ser tomados en cuenta para mejorar los modelos. Las tcnicas tradicionales de la interpolacin, como inverso a la distancia o kriging consideran slo escenarios simples de anisotropa global, y por lo tanto no puede captar la continuidad u otro modo de depsitos complejos deformados. De ello se deduce que los resultados geolgicamente ms realistas se pueden obtener considerando las variaciones locales en anisotropa. Maptek ha iniciado el desarrollo de un nuevo mtodo de unfolding para dar cuenta de estas variaciones. El estado del proyecto se present en el seminario y la retroalimentacin busc incorporar las sugerencias de los clientes en la nueva herramienta, que ser presentado en una versin futura de Vulcan. El seminario fue una gran oportunidad para la discusin cara a cara. Las necesidades del cliente deben guiar el desarrollo de productos. No tiene sentido disear software en el vaco , dijo Mike Husbands, Gerente de Servicios Tcnicos, Australia Occidental.

3.2.- Kriging IDW y Spline hacen referencia a mtodos determinsticos de interpolacin, esto porque ellos estn directamente relacionados con los valores medidos en su alrededor o en formulas matemticas determinadas que definen la suavidad de la superficie interpolada resultante. Un segundo grupo de mtodos de interpolacin consiste en los mtodos geoestadsticos (Geostatistical Methods) como es el caso de Kriging. Los cuales estn basados en modelos estadsticos que incluyen por ejemplo la autocorrelacin (relacin estadstica entre los valores medidos). Debido a esto, no slo estas tcnicas poseen la capacidad de producir una superficie de prediccin, sino que adems, proveen algunas herramientas para medir la certeza o precisin de

estas predicciones. Kriging es similar al mtodo IDW en cuanto a ponderar los valores medidos aledaos que servirn para derivar la prediccin de las locaciones no medidas en el anlisis. La formula general para ambos interpoladores es la siguiente

En IDW, la ponderacin depende solamente de la distancia hacia la locacin a predecir. Sin embargo, en el Kriging, las ponderaciones estn basadas no solo en la distancia entre las locaciones medidas y la prediccin realizada sino que adems se considera la forma en cmo se organiza espacialmente la totalidad de los puntos localizados sobre una superficie. Para utilizar la organizacin de los datos en la ponderacin, es necesario cuantificar la correlacin espacial de las mismas. De esta manera, en el Ordinary Kriging, la ponderacin depende del modelo de ajuste de los datos medidos, la distancia hacia las locaciones de prediccin y la relacin espacial entre valores medidos alrededor de las locaciones de prediccin.

Para realizar predicciones mediante Kriging, dos tareas deben ser realizadas: descubrir las reglas de dependencia y realizar las predicciones. Para realizar estas dos tareas ser necesario seguir un proceso de dos pasos: 1.- Generar las funciones de Variograma y covarianza para estimar la dependencia estadstica de los valores (denominada tambin Correlacin espacial) que dependern del modelo de autocorrelacin, que previamente ajustado, se va utilizar. 2.- realizar las predicciones. Es debido a estas dos distintas tareas que el interpolado mediante Kriging, utiliza los datos dos veces. La primera para estimar la correlacin espacial de los datos y la segunda para generar las predicciones. Variografa El ajuste de un modelo o el modelado espacial es conocido tambin como Anlisis estructural o Variografa. En el modelamiento espacial de los datos o puntos medidos, se comenzar con un grafico semivariograma emprico definido como: Semivariograma (distancia h) = 0.5 * promedio[(valor en la locacin i valor en la locacin j)2] Para todos los pares de locaciones separadas por la distancia h la formula involucra el clculo de la diferencia al cuadrado entre los valores de las locaciones pareadas. La imagen de abajo muestra los pares de un punto (Al centro en color rojo) junto a las dems locaciones medidas. Este proceso se realiza de manera repetitiva para cada locacin a evaluar

A menudo cada par de locaciones posee un valor nico de distancia, y adems, existen muchsimos pares de locaciones. Graficar esta situacin de manera rpida seria prcticamente inmanejable. Por este motivo los pares son agrupados en cuadrados que representan distancias (en ingls lag bins) para facilitar su anlisis y visualizacin.

As, los grficos muestran slo, una parte de las distancias totales, y en cualquier grafico desplegado en pantalla, el nmero de lag bins o cubos variara de acuerdo a la cantidad de puntos, distancias o nivel de correlacin dependiendo del tipo o naturaleza del proyecto. Por lo general el numero de cuadrados del grafico representan solo donde es posible visualizar una correlacin adecuada al semivariograma utilizado en cada caso. Por ejemplo, al mostrar un grfico en donde se observen slo, las distancias entre pares de puntos que vayan desde el valor 0 hasta no ms all de los 40 metros entre ellos. De esta manera todos los pares de puntos que se encuentren a una distancia mayor, quedaran automticamente fuera de la correlacin. Al no demostrar una relacin estrecha entre sus distancias y los valores de medicin contenidos en ellos. La cercana, un principio bsico La correlacin espacial cuantifica un principio bsico de la geografa. Las cosas que estn ms cercanas entre s, poseen una similitud mayor

que aquellas ubicadas a una distancia mayor. De esta manera, los pares de locaciones ubicados ms cerca entre s, se ubicarn abajo y a la izquierda del grafico. Mientras que los pares ubicados a una distancia mayor se ubicarn ms dispersos y heterogneamente distribuidos a medida que los datos se acercan hacia el lado derecho del grafico. Es decir, que a medida que la distancia entre los pares de puntos aumenta, los valores contenidos en ella (elevacin, contenido de hidrogeno o cualquier variable en estudio) tambin manifestarn una diferencia. Ajustando un modelo al semivariograma emprico El prximo paso es ajustar un modelo para los puntos que conforman el semivariograma emprico. El modelado del semivariograma en un paso clave entre la descripcin y la prediccin espacial. La principal aplicacin del Kriging es la prediccin de los valores en las locaciones no medidas. Se ha visto como el semivariograma emprico proporciona informacin sobre la autocorrelacin de los datos. Sin embargo, no provee informacin para todas las posibles direcciones y distancias. Por esta razn, y para asegurar que las predicciones en Kriging tengan varianzas positivas es necesario ajustar un modelo (por ejemplo de una funcin lineal o curva) al semivariograma emprico

Diferentes tipos de Modelos de semivariograma 3D Analyst provee las siguientes funciones para elegir la forma en cmo se modela el semivariograma emprico: Circular, Spherical, Exponential, Gaussian, y Linear. El modelo seleccionado influenciar la prediccin de los valores desconocidos. Cada modelo est diseado para ajustarse con precisin a diferentes tipos de fenmenos. Por ejemplo, si la altura de la curva es baja (cercana al origen) mayor ser la influencia ejercida por los valores cercanos o aledaos sobre la prediccin, y por lo tanto, la superficie resultante ser menos suave. Los siguientes diagramas ejemplifican las diferencias que representan dos modelos frente a los mismos valores

El Modelo Esfrico (Espherical model)

Este modelo muestra una progresiva disminucin en la autocorrelacin espacial (equivalente con el aumento de la semivarianza) hasta que alcanzada cierta distancia, sta se vuelve cero (representada como una lnea recta en el grafico a partir del la distancia 16,24-20,3). Este modelo es uno de los ms utilizados El Modelo Exponencial (Exponential Model)

Este modelo se aplica cuando la correlacin espacial disminuye exponencialmente a medida que la distancia entre los puntos aumenta. La autocorrelacin desaparece slo a una distancia infinita. Este modelo es tambin uno de los ms utilizados.

Comprendiendo el semivariograma: Range, Sill, y Nugget Para entender a cabalidad el semivariograma es necesario detenerse en algunos conceptos que forman parte de la estructura de todo grafico de prediccin. Range y Sill Al observar un modelo de semivariograma, se notara que a ciertas distancias el modelo se vuelve totalmente plano. Esta distancia adquiere el nombre de Range o rango.

De esta manera, las locaciones ubicadas al interior del rango se consideran como espacialmente correlacionadas. Fuera de ellas, las locaciones no se consideran en la correlacin. Los valores comprendidos al interior del rango a travs del eje Y se denomina Sill. El Partial Sill equivale a la resta del Nugget menos el valor total del Sill. El Nugget Tericamente, a una distancia de separacin igual a Cero (que es lo mismo que un Lag3 = 0) el valor del semivariograma debera ser tambin de valor Cero. Sin embargo, a una distancia de separacin infinitesimalmente pequea, el modelo a menudo exhibe un efecto Nugget o pepita. El cual es cualquier valor existente que sea mayor a

Cero. El punto en donde la curva del semivariograma toca el eje Y se le denomina Nugget. Si el punto posee un valor de 2. El nugget tendr entonces un valor de 2. El efecto pepita o Nugget puede ser atribuido tanto a errores de medicin como a la variacin de las distancias medidas que son ms pequeas que el intervalo de muestra, o inclusive a ambas situaciones. Los errores de medicin ocurren generalmente a fallas inherentes de los equipos encargados de capturar los datos. Mientras que la variacin de las distancias medidas, ocurre generalmente cuando ocurren variaciones de un nivel ms pequeo que la escala de trabajo. Ya sea al trabajar a una micro o macro escala, estos errores son incorporados al modelo como parte del efecto pepita o Nugget 3 Lag: Es la distancia existente entre dos puntos observados. Contiene una distancia Planimtrica y una direccin.

Elaborando una prediccin Una vez que la primera tarea de descubrir la dependencia o autocorrelacin de los datos ha sido descubierta, es necesario realizar la prediccin Para esta segunda tarea, se usaran nuevamente los datos para realizar las predicciones. Al igual que la interpolacin IDW, el modelo Kriging genera ponderaciones desde los valores medidos aledaos para predecir las locaciones no medidas. De esta manera, los valores medidos ms cercanos a las locaciones no medidas ejercen una mayor influencia durante el clculo. Sin embargo la ponderacin del Kriging es ms sofisticada puesto que en vez de utilizar un algoritmo basado en la distancia (como ocurre en IDW), utiliza una ponderacin basada en el semivariograma seleccionado durante la etapa anterior. El cual refleja de manera ms realista la organizacin y naturaleza de los datos analizados. Radio de Bsqueda o Search Radius Se puede asumir que a medida que nos alejamos de las locaciones de prediccin, los valores medidos tendrn una menor correlacin espacial con los valores que intentamos predecir. De esta manera, y para evitar complicaciones, es

necesario eliminar a todas aquellas locaciones que se encuentren a una distancia que ejerza poca, nula o inclusive negativa influencia sobre el modelo de prediccin analizado. Otra razn se encuentra basada en la velocidad de cmputo. Mientras ms pequeo es el radio de bsqueda, menor es el tiempo utilizado para realizar las operaciones de clculo. De esta manera, una prctica comn para reducir el nmero de puntos utilizados en la prediccin es mediante la utilizacin de un radio de bsqueda. La forma de este radio, definir la forma y hacia donde se realizara la bsqueda de locaciones a utilizar durante la prediccin. Otros parmetros de cercana (definido en el programa como neighborhood) restringen las locaciones a utilizar dentro del radio de bsqueda. Por ejemplo se puede definir un nmero de locaciones mnimas y mximas al interior de un radio de bsqueda determinado. Utilizando la configuracin de los puntos ubicados al interior de un radio de bsqueda en conjunto con un semivariograma previamente ajustado - de prediccin. Los valores para los puntos no localizados pueden ser asignados. 3D Analyst posee dos tipos de bsqueda de cercana o Neighborhoods Fixed y Variable. Radio de bsqueda ajustado (Fixed Search Radius) Un radio de bsqueda ajustado requiere de una distancia y un nmero mnimo de puntos. Las distancias definen el radio del crculo de bsqueda (en unidades del mapa). La distancia del radio es constante para cada celda bajo anlisis de interpolacin. El nmero mnimo de puntos definen el valor mnimo de medidas que se utilizaran al interior del radio de bsqueda, de esta manera todos los puntos que estn presentes al interior de ella sern utilizados para la interpolacin. Cuando existen pocos puntos al interior del radio de bsqueda (menos del mnimo definido) este aumentar hasta encontrar el nmero de puntos previamente definido. Este radio definido de bsqueda ser utilizado para interpolar cada celda en el rea de estudio. Radio de bsqueda variable (Variable search Radius) Al utilizar un radio de bsqueda variable, el nmero de puntos utilizados en el clculo de la interpolacin es especifico, lo que obliga a que el radio de bsqueda vare, dependiendo de qu tan lejos se encuentren stos

puntos, sobre la superficie de interpolacin. De esta manera, los radios de bsqueda fluctuarn dependiendo principalmente de la densidad o concentracin espacial de las locaciones. Opcionalmente puede definirse una distancia mxima de bsqueda, la cual limitar el radio de accin utilizado. De no alcanzar el mnimo de puntos en el radio mximo permitido, sern utilizados todos los puntos que se encuentren disponibles en el interior de ste. Mtodos de Kriging 3D Analyst posee dos metodologas de Kriging: Ordinary y Universal. 1.- Ordinary Kriging Ordinary Kriging es el ms generalizado y utilizado. Asume que el promedio constante de los valores es desconocido. Esta presuncin es razonable de utilizar a menos que existan bases cientficas que indiquen lo contrario. 2- Universal Kriging Universal Kriging asume la existencia de una tendencia al interior los datos (por ejemplo la direccin del viento) que puede ser modelada mediante una funcin determinstica, la polinomial. Esta polinomial es extrada desde los puntos de interpolacin medidos y la autocorrelacin es modelada a partir de los errores aleatorios. Una vez que se ha ajustado el modelo a estos errores y se ha realizado la prediccin, la polinomial es aadida a la prediccin para entregar un resultado final ms coherente. Universal Kriging solo debe ser usado cuando se conocen las tendencias contenidas al interior de los datos y estas pueden ser cientficamente justificadas