Documente Academic
Documente Profesional
Documente Cultură
1-2, 2004
3
Minería y Geología, Nos. 1-2, 2004
occurrence of the chromites was higher. For determinate Existe una alta desproporción entre la abundancia
the degree of uncertainness relate with the information de aparición de cada tipo litológico en el volumen
in existence and the behavior of spatial variability was analizado (ver Tabla 1). La continuidad geológica
simulated the rock type by sequential indicator también es desigual para cada tipo litológico; la mis-
simulation, as criteria of uncertainness we used the stan- ma se pierde casi por completo en los cuerpos de
dard deviation of the simulations, it was more cromititas, fundamentalmente entre perfiles conti-
representative of the uncertainness than the kriging guos, por esta causa la correlación geológica realiza-
indicator variance. da de forma manual es muy subjetiva e imprecisa.
Este efecto ocurre en menor medida para la dunita,
KEY WORDS: kriging, sequential indicator simulation,
en la cual una correlación manual es más realizable,
categorical variables, chromites, Merceditas ore deposit.
tal y como se muestra en la figura 1, donde se repre-
INTRODUCCIÓN senta el perfil con mejor correlación y abundancia
de datos.
Merceditas, por el volumen de reservas que se ex- Atendiendo a lo explicado anteriormente, decidi-
traen anualmente, es uno de los yacimientos mos emplear métodos de cálculo basados en técni-
cromíferos podiformes más importantes de la región cas probabilísticas encaminadas a determinar la
oriental de Cuba. Los cuerpos con forma de pods o probabilidad de aparición de un tipo litológico dado
lentes, en general están envueltos por una capa de en el espacio, y una medida del posible error local
dunitas de potencia variable, encajada en las rocas cometido en el cálculo; esta última, para clasificar
peridotíticas del complejo ultramáfico Moa-Baracoa. los recursos. Para ello seleccionamos el kriging indi-
Las cromitas extraídas de este yacimiento se emplean cador, a base de la estimación de la función aleatoria
fundamentalmente en la fabricación de refractarios. indicatriz:
Hacia los bordes del yacimiento disminuyen la con-
1 si s k = k
tinuidad geológica, el tamaño de los cuerpos secun- i (u , s k ) = (1)
darios aislados y la densidad de muestreo; por esta 0 en caso contrario
causa la explotación se vuelve menos rentable, aun- donde i(u, s k) es una realización de la función
que, en ocasiones, es conveniente por la proximidad aleatoria indicatriz en la posición u, del tipo litoló-
a las zonas de extracción de mineral. gico sk expresado en los datos por un código cual-
En la actualidad, la estimación de recursos se rea- quiera k.
liza de forma tradicional, por correlación geológica
El kriging indicador provee una estimación por
entre pozos y delimitación manual de los límites de
mínimos cuadrados de la función de distribución
los cuerpos cromíticos; hacia los extremos, esta prác-
condicional cumulativa para variables continuas y la
tica se vuelve inconsistente por las razones antes
función de probabilidades discretas para variables
expuestas. En este artículo se muestra una vía alter-
categóricas, ambas condicionadas por la cantidad de
nativa de estimación de los recursos a partir de mé-
información (n) disponible en la vecindad definida
todos geoestadísticos no lineales, fundamentalmente
por el elipsoide de búsqueda (Deutsh y Journel, 1998,
kriging indicador y la simulación indicatriz
p. 76). Para el caso de las Funciones Aleatorias Ca-
secuencial, ambos de variables categóricas.
tegóricas:
MATERIALES Y MÉTODOS [i(u, sk )]* = E{i(u, sk ) | (n)}* = Prob{sk = k | (n)} (2)
El sector estudiado es limítrofe a uno de los cuerpos donde s es la variable categórica y k es la k-ésima
podiformes de cromititas del yacimiento Merceditas, categoría, tal que k=1,…, K .
donde se desarrollan tres tipos litológicos básicos: No se descarta el empleo de métodos deter-
cromitita, dunita y peridotita, y se le asignan a cada minísticos como el Inverso de la Distancia de las fun-
tipo los códigos pertenecientes a los números ente- ciones indicatrices, en los casos donde no exista el
ros: 1, 2 y 3, respectivamente. También existe cierto variograma (efecto pepita puro) o kriging universal
desarrollo de gabros, pero de pequeña magnitud, por y kriging IRF-k para la función indicatriz con drift.
lo que no se incluyeron en la estimación y se les asig- Se decidió emplear el kriging indicador ordina-
nó el código de las dunitas debido a su relación con rio con un variograma independiente para cada
éstas. El orden de los códigos se tomó atendiendo al litología, con el objetivo de mantener la mayor in-
orden de aparición más común de estas litologías. formación posible de la variografía. Para el caso de
4
Minería y Geología, ISSN 0258 5979, Nos. 1-2, 2004
los métodos de simulación seleccionamos la simula- Seguidamente, se realizó la validación cruzada para
ción secuencial indicatriz, por su fácil aplicación, y cada categórica con kriging indicador ordinario;
las posibilidades del principio de simulación como era de esperar, los resultados fueron
secuencial con respecto a otros, como el de banda aparentemente catastróficos, en especial atendiendo
rotante (Deutsh y Journel, 1998, p. 174), o aquéllos a su distribución (ver Fig. 4). La causa es simple, no
con uso más específico como la simulación Booleana se puede comparar una variable indicatriz con una
basada en objetos (Bleines, Deraisme et al., p. 466). probabilidad P{sk, ∈ S}. Para solucionar esto se to-
En nuestro caso, el objetivo de la simulación es ob- maron las tres estimaciones y se seleccionó la de
tener una representación del grado de incertidumbre
mayor probabilidad, comparando éstas con la mues-
de los datos estimados; no se empleó directamente
tra real. El error obtenido por este método, basado
para obtener la probabilidad de los tipos litológicos,
pues las simulaciones, a diferencia del kriging, no en la proporción de valores mal estimados con res-
suavizan los datos estimados. pecto a los estimados correctamente, fue de 7,30 %
por lo que la data parece ser robusta para la estima-
Procedimiento ción. Por lo general, estos errores ocurren en las zo-
En las muestras con dunitas y peridotitas los testigos nas limítrofes entre un tipo litológico y otro.
de perforación tienen longitud variable; sin embar-
Estimación con kriging indicador
go, las muestras con cromitas poseen aproximada-
mente un metro de longitud y contienen, además, Para la estimación se empleó un elipsoide con radios
los contenidos químicos en porcentaje de FeO, 60 x 60 x 50 m, teniendo en cuenta la separación de
Cr2O3, Al2O3, SiO2 y CaO. los datos máxima y la distancia entre perfiles de ex-
ploración; esta última es de aproximadamente 50 m.
Análisis variográfico de los tipos litológicos
Se creó una rejilla de puntos tridimensional con un
Para la determinación de las litologías se partió de la espaciamiento de tres metros en los tres ejes de co-
regularización de la base de datos a un metro de dis- ordenadas, esta separación se tomó para facilitar la
tancia, y se definieron tres clases básicas: 1, 2 y 3
{ }
visualización de la morfología de los cuerpos mine-
k ) = 1 | ( n ) = F ( u ; k | ( n )) ∈[ 0 ,1]
Prob I ( u ; scorrespondientes a la cromita, dunita y peridotita, res-
rales, considerando las necesidades de la planifica-
pectivamente. Se generaron y ajustaron a un modelo
K ción de la explotación minera. La rejilla de puntos
∑
teórico
y
los variogramas de la función indicatriz, de-
F ( u ; sk | ( n )) = 1
finidak =como:
1
utilizada cubrió todo el volumen estudiado. Poste-
riormente, se procedió a la estimación y simulación
1 si s k =1..3 = k de los tipos litológicos y los contenidos de los ele-
i (u , s k ) = (3)
0 en caso contrario mentos químicos empleando el elipsoide antes men-
cionado.
Los variogramas obtenidos para las tres litologías
Una vez obtenidas las estimaciones de cada una
mantienen su forma con algunas diferencias en el
de las variables indicatrices por kriging indicador, se
alcance, la anisotropía y la desigualdad de sus mese-
corrigió según método propuesto por Deutsch y
tas que es más relevante, tal y como se muestra en la
figura 2 y la Tabla 2. Para el ajuste de los variogra- Journel, 1998, p. 80. Este método plantea que, atendien-
mas teóricos se empleó un modelo anidado con tres do a que el kriging indicador provee para el caso de
estructuras y con anisotropía independiente para cada variables categóricas la estimación de probabilida-
una de ellas. des discretas de existencia de una categoría determi-
Para la simulación se confeccionó un variograma nada, se deben verificar las condiciones siguientes:
único, que posteriormente se ajustó para cada cate-
goría en función de las proporciones de éstas en los
datos; aunque se mantiene la forma elemental des- (4)
aparecen las ligeras anisotropías existentes en los
otros variogramas y se resalta un crecimiento similar
a un drift que se ajusta a un modelo de covarianza Siempre y cuando las categorías sean mutuamente
legal por razones computacionales (Geovariances, excluyentes.
2000) (Fig. 3). Todos los variogramas experimenta- Por último, se asignó el código litológico de ma-
les se calcularon con los parámetros que se muestran yor probabilidad a cada una de las unidades del mo-
en la Tabla 4. delo de bloques.
5
Minería y Geología, Nos. 1-2, 2004
6
Minería y Geología, ISSN 0258 5979, Nos. 1-2, 2004
nes para cada tipo litológico de forma independiente tran algunos estadígrafos de los bloques donde la
y posteriormente se rectifique el resultado para la me- máxima probabilidad la tiene la cromita; note que el
dia de las simulaciones, tal y como lo exponen Deutsh valor mínimo de la probabilidad de cromita está, in-
y Journel, 1998. cluso, por debajo de 0,5; esta probabilidad mínima
Finalmente, el resultado queda como se muestra puede disminuir con el aumento de la cantidad de
en la figura 10; un modelo de bloques al que se le categorías.
Para definir el grado de incertidumbre de la esti-
asigna un código litológico y que contiene, además,
mación Tmineral (u, sk), empleamos las desviaciones
información de la probabilidad de ocurrencia de cada
estandarizadas de las simulaciones. Observe que se
litología y la desviación estándar de L simulaciones. encuentra en el intervalo de [0,1] y puede conside-
¿Como emplear la probabilidad de cada litología y rarse como la “Probabilidad de la Probabilidad”, es
decir, la probabilidad de que los valores I(u,sk)* se
la varianza de las simulaciones?
estimaron correctamente. Éste es el segundo criterio
Para las variables continuas la mayoría de los méto- necesario para definir las reservas, entonces se
dos indicatrices brindan una estimación de la distri- redefine Tmineral (u, sk) como:
bución cumulativa de frecuencias, esto es más
comprensible para las estimaciones en un bloque, I (u, s k ) * V (u ) D (u , s k ) para I (u , s k ) * ≥ Cutoff ( s k )
donde pueden interpretarse como la función de dis- Tmin eral (u , s k ) =
y DvStd( I (u , s k ) l ) ≤ Cutoff ( P{I (u, s k )})
7
Minería y Geología, Nos. 1-2, 2004
de las simulaciones, por el contrario, constituye Kriging”. Journal of Geographic Information and Decision
un criterio robusto del error local y puede emplear- Analysis, vol. 2, no. 2, pp. 65-76.
se directamente en la clasificación de los recursos BLEINES C., J. DERAISME, F. GEFFROY, S. PERSEVAL , F. RAMBERT,
D. RENARD, Y. TOUFFAIT (2001): Isatis Software Manual.
y reservas, según el grado de conocimiento de las
Geovariances, Avon Cedex, France, 531 pp.
mismas. CHICA OLMO, MARIO (1989): “Análisis geoestadístico en el
Por último, a fin de definir las reservas que se ex- estudio de la explotación de los recursos minerales”, Uni-
plotarán es imprescindible precisar un cutoff para el versidad de Granada, Granada, Tesis Ph.D.
porcentaje que ocupa la litología de interés econó- DAVID, MICHEL (1977): “Geostatistical Ore Reserve Estima-
mico en los bloques, que representa volumen míni- tion”, Amsterdam, Oxford, New York: Elsevier Scientific
mo admisible en cada uno V(u i). Es importante Publishing Company.
-------------------- (1984): “Applied Advanced Geostatistical
destacar que el valor mínimo de la litología mayori-
Ore Reserve Estimation”, Amsterdam, Oxford, New York:
taria en el bloque es 1/n, donde n es el número de Copyright Michel David.
categorías, si el número de categorías o litologías es DEUTSH V. CLAYTON, G. ANDRÉ JOURNEL (1998): “Geostatistical
muy elevado la selección de la litología de mayor Software Library and user’s Guide”, Oxford University,
probabilidad puede brindar una imagen falsa de la Oxford, New York, 309 pp.
geometría de los cuerpos minerales en el yacimiento. GEOVARIANCES (2000): ISATIS On-Line Help. Geovariances,
38 Ave. Franklin Roosevelt, BP 91, 77212 Avon Cedex,
REFERENCIAS BIBLIOGRÁFICAS FRANCE
PANNATIER, YVAN (1994): Variowin 2.1 User Manual. Copyrig-
ATKINSON M. METER, D. CHRIS LLOYD (1998): “Mapping ht © 1994 Institute of Mineralogy and Petrography-
Precipitation in Switzerland with Ordinary and Indicator University of Lausanne - Switzerland.
8
Minería y Geología, ISSN 0258 5979, Nos. 1-2, 2004
Cromita Dunita
D3 0.20
Variograma : Dunita
Variograma : Cromita
0.125 D3
D2
0.15 M4
M3
M2
0.100
D1 M1
M3
M2
0.075 0.10
D1 M4
D2
0.050 M1
D4
0.05
0.025
D4
0.000 0.00
0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.
Distancia (Metros X 10) Distancia (Metros X 10)
a) b)
Peridotita.
D3
Di Variograma experimental
Variograma : Peridotita
0.05
0.00
0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.
Distancia (Metros X 10)
c)
Litologías
0.7 D3
Variograma : Litologia
0.6
0.5 1.0
Valor Real
0.4 D2M1
M4
M3
M2
D1
0.3 0.5
D4
0.2
0.1
0.0
0.0
0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 0 .0 0 .5 1 .0
Distancia (Metros X 10) Valor estimado
Figura 3. Variogramas direccionales experimentales y modelo Figura 4. Diagrama de dispersión de la variable indicatriz de la
isotrópico ajustado. cromita versus el valor estimado empleando kriging indicador
ordinario.
9
Minería y Geología, Nos. 1-2, 2004
SiO2
Al2O3 CaO
D4
40. D4
D4 0.5
30.
Variograma : SiO2
Variograma : CaO
Variogram a: Al2O3
0.4 30.
0.2
D2
10. 10.
D1
D3
D3
0.1 D1
D3
D1
D2 0.
0.0
0. 0. 1. 2 . 3. 4. 5. 6. 7. 8. 9. 0. 1. 2. 3. 4. 5. 6. 7. 8. 9.
0. 1. 2. 3 . 4. 5. 6. 7. 8. 9.
Distancia (Metros X 10) Distancia (Metros X 10)
Distancia (Metros X 10)
FeO
Cr2O3
60. D4
1.25
Variogram a : Cr2O3
50.
Variograma : FeO
1.00
D1
40. D4
0.75 D2
D3
30.
0.50
20.
0.25
10. D3
D1
D2
0. 0.00
0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 0. 1. 2. 3. 4. 5. 6. 7. 8. 9.
Distancia (Metros X 10) Distancia (Metros X 10)
1 49.
11 .
249.
66 .
11
6.
49.
149 .
16
6.
66
4 9.
.
16
112.
.
112.
112. 112.
62.
62.
62. 62.
12.
12.
12. 12.
>=0.8 30196
0.7 782 53
0 .726 31
Peridotita 0.6 743 67
0.6 224 24
0.5 704 81
0.5 185 37
Vista perspectiva con:
0.4 665 94
249 .
0.3 107 65
.
0.2 588 22
112. 112. 0.2 068 78
0.1 549 35
62. 62. 0.1 029 92
0.0 510 49
12. 12. <-0.00 08941 05
Sin Datos
Figura 6. Distribución de las probabilidades independientes (sin rectificar) de cada tipo litológico en el perfil 26 del eje Y
(Norte) del modelo de bloques.
10
Minería y Geología, ISSN 0258 5979, Nos. 1-2, 2004
Desviación Estándar de la
Crom itaStDv
Simulación Indicatriz Secuencial >=0.994987
0.932801
0.870614
249. 0.808427
2 49 .
149 .
0.746241
11 6.
14 9.
0.684054
11 6.
6 .
6.
49.
16
49 .
0.621867
6 6.
6.
1
0.55968
112. 112. 0.497494
112. 112. 0.435307
62. 62. 0.37312
62. 62. 0.310934
12. 12. 0.248747
12. 12. 0.18656
0.124373
0.0621867
Vista perspectiva con: <0
>L ongitud 63 >Latitud -22 Vista perspectiva con:
Sin datos >Longitud 63 >Latitud -22 Sin datos
Figura 7. Distribución de la desviación estándar de estimación Figura 8. Distribución de la desviación estandarizada de las
con IK de la cromita en el perfil 42 del eje Y (Norte) del simulaciones en el perfil 42 del eje Y (Norte) del modelo de
modelo de bloques. bloques.
2.59375
149.
11 .
2.49219
66 .
6.
2.39063
49.
16
2.28906
112. 2.1875
112. 2.08594
1.98438
62. 62. 1.88281
1.78125
12. 12. 1.67969
1.57813
1.47656
<1.375
Vista perspectiva con:
>Longitud 63 >Latitud -22 Sin datos
Figura 9. Distribución de la media de las simulaciones en el Figura 10. Esquema 3D de distribución de las cromitas (gris
perfil 26 del eje Y. oscuro) y las dunitas (gris claro).
11
Minería y Geología, Nos. 1-2, 2004
CROMITAS
DUNITAS
PERIDOTITAS
Tolerancia 22,25°
Cantidad de lags = 10
Tolerancia 22,25°
Cantidad de lags = 25
12
Minería y Geología, ISSN 0258 5979, Nos. 1-2, 2004
Mínimo 0,3365385 0 0
13