Escolar Documentos
Profissional Documentos
Cultura Documentos
CAMPUS DE MARAB
FACULDADE DE ENGENHARIA DE MINAS E MEIO AMBIENTE
DIEGO SOUZA NUNES
APLICAO DA GEOESTATISTICA NA ESTIMATIVA E
CLASSIFICAO DE RECURSOS DE UM DEPSITO DE
COBRE
MARAB
2012
DIEGO SOUZA NUNES
APLICAO DA GEOESTATISTICA NA ESTIMATIVA E
CLASSIFICAO DE RECURSOS DE UM DEPSITO DE
COBRE
Trabalho de Concluso de curso
apresentado Faculdade de
Engenharia de Minas e Meio Ambiente
da UFPA - Universidade Federal do
Par, em cumprimento s exigncias
para obteno do grau de Bacharel em
Engenharia de minas e meio ambiente.
Orientador: Prof. Msc. Marinsio
Pinheiro de Lima
MARAB
2012
Dados Internacionais de Catalogao-na-Publicao (CIP)
Biblioteca II da UFPA. CAMAR, Marab, PA
Nunes, Diego Souza
Aplicao da geoestatstica na estimativa e classificao de
recursos de um depsito de cobre / Diego Souza Nunes ;
orientador, Marinsio Pinheiro de Lima. 2012.
Trabalho de Concluso de Curso (Graduao) - Universidade
Federal do Par, Campus Universitrio de Marab, Faculdade de
Engenharia de Minas e Meio Ambiente, Marab, 2012.
1. Geologia - Mtodos estatsticos. 2. Engenharia de minas -
Mtodos estatsticos. 3. Cobre. I. Lima, Marinsio Pinheiro de, orient.
II. Ttulo.
CDD: 22. ed.: 551.028
Dedico a Deus pela ddiva da
vida, e a minha famlia pelo apoio dado
nesse desafio.
AGRADECIMENTOS
Agradeo a Deus pelo amparo e conforto nos inmeros momentos de dificuldades
ao decorrer desse percurso.
A minha me Shirley, pela confiana incondicional depositada em mim, pelo carinho
e compreenso em todos os momentos, sem os quais no seria possvel concluir
esse desafio.
Ao meu pai Ronaldo, por sempre acreditar na minha capacidade e dedicao, e aos
ensinamentos dirios de humildade e honestidade ao longo da vida.
minha irm Renata, pelos incentivos e conselhos dados ao longo dos 5 anos de
graduao, sempre solcita e disposta a ajudar no que era necessrio.
Ao meu av pelo exemplo de pessoa que , pela generosidade de compartilhar a
sabedoria adquirida ao longo dos anos atravs de gestos dirios de humildade,
dignidade e respeito famlia que foram fundamentais para minha formao.
A todos os professores que participaram da minha formao, e principalmente
aqueles que ensinaram muito mais que a teoria, deram lies que sero lembradas
para a vida toda.
Ao professor Msc. Marinsio Pinheiro pelo apoio na realizao desse trabalho,
A todos os amigos do Laboratrio de Lavra da UFCG que me ajudaram na execuo
desse trabalho: Jonas, Digo, Robinho e Picu. Em especial ao professor Dr Arlindo
Bazante pela recepo e acolhida na UFCG.
O xito na vida no se mede pelo que
voc conquistou, mas pelas
dificuldades que voc superou no
caminho. A diferena entre o razovel e
o bom um pequeno esforo extra.
Somos o que fazemos repetidamente.
Por isso o mrito no est na ao,
mas sim no hbito.
Autor desconhecido
RESUMO
O objetivo deste trabalho foi a utilizao de uma metodologia adequada para a
quantificao e classificao de recursos minerais visando a obteno de uma base
de dados confivel para as posteriores etapas de planejamento, fundamentais para
qualquer empreendimento mineiro. Foram utilizados dados da campanha de
sondagem de um depsito de cobre, totalizando 13.381 amostras. Todos os furos de
sondagem foram analisados para verificao de consistncia dos dados. Os furos de
pesquisa foram interpretados em sees verticais e horizontais para definio do
modelo geolgico do depsito em estudo no software Datamine Studio 2. A anlise
de continuidade espacial foi realizada atravs da construo de semivariogramas
Down The Hole, onidirecionais e direcionais para a varivel cobre e para a varivel
densidade. Os recursos minerais foram estimados atravs do mtodo geoestatstico
de Krigagem Ordinria e classificados de acordo com o Cdigo JORC de
classificao de recursos e reservas minerais. Na validao do modelo
semivariogrfico tanto para a varivel cobre como para a varivel densidade foram
obtidas mdias do erro residual prximo a zero e correlao entre os valores
estimados e os valores reais maior que 60%, validando o modelo de continuidade
espacial. Foram apresentados bons resultados tambm na validao do modelo de
recursos por comparao estatstica global com diferena entre as compostas e os
blocos estimados de 12% para o cobre e 0,7% para a densidade, tendo uma leve
subestimativa das variveis. Igualmente foram apresentados bons resultados para a
validao visual e boa reproduo da mdia local das amostras nos blocos no
grfico tipo swath plot, principalmente nos pontos mais densamente amostrados. Os
recursos medidos, indicados e inferidos do depsito de cobre somaram 923 Mt com
0,23% de cobre, sendo 289,62 Mt de reservas provadas com teor mdio de cobre de
0,4% e uma reserva em potencial para o depsito de 638,45 Mt.
Palavras chave: Geoestatstica, Classificao de recursos, Krigagem Ordinria.
ABSTRACT
The purpose of this study was use an appropriate methodology for quantify and
classify mineral resources in order to achieve a reliable database for the following
stages of planning, essentials for any mining project. It was used data from drilling
campaign of cooper deposit, adding up 13.381 samples. All the drill holes were
analyzed for to check the integrity of the database. The drill holes were interpreted in
vertical and horizontal sections for definition of geological model of deposit using
Datamine Studio 2 software. The spatial continuity analysis was realized through
construction of variograms Down the hole, omnidirectional and directional for cooper
and density. The mineral resources were estimated through geoestatistical method of
Ordinary Kriging and classified according JORC CODE of classification mineral
resources and reserves. In the semivariogram model validation was obtained both for
cooper and density a residual error mean close to zero and correlation between
estimated values and real ones greater than 60%, validating the spatial continuity
model. It was presented good results also in validation of resource model by global
statistics analysis with differences between composites and estimated blocks of 12%
for cooper and 0,7% for density, showing a slight underestimation of the global mean.
Equally were presented good results for visual validation and good reproduction of
the samples global mean into estimated blocks in the swath plots, mainly in the most
densely sampled areas. The measured, indicated and inferred mineral resources of
cooper deposit were added 923 Mt with 0,23% of cooper, being 282,62 Mt of proven
reserves with cooper mean grade of 0,4% and a potential reserve of 638,45 Mt.
Key words: Geoestatistic, Resource classification, Ordinary Kriging.
LISTA DE ILUSTRAES
Figura 01 - Parmetros do semivariograma. ................................................ 188
Figura 02 - Semivariograma com patamar. .................................................. 199
Figura 03 - Semivariograma com efeito pepita puro. .................................... 20
Figura 04 - Semivariograma sem patamar. .................................................. 20
Figura 05 - Semivariograma cclico. ............................................................. 20
Figura 06 - Semivariograma com estruturas entrelaadas ........................... 21
Figura 07 - Os tipos de anisotropia. (A) Anisotropia geomtrica; (B) zonal e
(C) mista. ................................................................................... 22
Figura 08 - Representao grfica da anisotropia geomtrica em duas
dimenses. ................................................................................. 23
Figura 09 - Exemplos de dois esquemas de classificao de recursos e
reservas publicados.. ................................................................. 30
Figura 10 - Sequncia metodolgica adotada. ............................................. 31
Figura 11 - Mapa de localizao dos furos de sondagem. ........................... 33
Figura 12 - Mtodos de triangulao no software DATAMINE Studio ......... 34
Figura 13 - Triangulao do corpo de minrio mtodo Equi-angular Shape. 35
Figura 14 - Modelo geolgico tridimensional: a) vista em planta e b) vista
em seo vertical. ...................................................................... 35
Figura 15 - Histograma dos dados regularizados para a varivel cobre....... 36
Figura 16 - Histograma dos teores do cobre aps aplicao do capping. .... 37
Figura 17 - Histograma dos dados regularizados para a varivel densidade. 38
Figura 18 - Semivariograma Down the Hole para a varivel cobre. ............. 40
Figura 19 - Semivariograma na direo N22,5/D60 (maior alcance). ......... 41
Figura 20 - Semivariograma na direo N112,5 (menor alcance). .............. 41
Figura 21 - Semivariograma na direo N22,5/D-30 (alcance intermedirio). 42
Figura 22 - Histograma do erro residual da estimativa para a varivel
cobre .......................................................................................... 43
Figura 23 - Histograma dos erros residuais da estimativa para a varivel
densidade. ................................................................................. 44
Figura 24 - Grfico de disperso entre os valores verdadeiros e os valores
estimados para o cobre. ............................................................. 45
Figura 25 - Seo N-S 8429,82 comparando teores de cobre estimados
com as amostras dos furos de sondagem. ................................ 49
Figura 26 - Seo N-S 8199,82 comparando valores de densidade
estimados com as amostras dos furos de sondagem. ............... 49
Figura 27 - Mapa de localizao das faixas norte-sul................................... 50
Figura 28 - Swath plot horizontal para o cobre. ............................................ 51
Figura 29 - Swath plot vertical para a varivel cobre. ................................... 51
Figura 30 - Swath plot horizontal para densidade. ....................................... 52
Figura 31 - Swath plot vertical para a varivel densidade. ........................... 52
Figura 32 - Seo N-S para checagem visual da classificao de recursos
do depsito................................................................................. 54
Figura 33 - Curva de parametrizao para os recursos medidos e
indicados. ................................................................................... 55
Figura 34 - Viso 3D da reserva provada do depsito de cobre. ................. 57
LISTA DE TABELAS
Tabela 1- Estatstica descritiva dos dados regularizados para a varivel
cobre. ........................................................................................... 36
Tabela 2 - Estatstica univariada para densidade nas compostas. ................ 38
Tabela 3 - Parmetros do modelo de blocos para o depsito. ...................... 46
Tabela 4 - Parmetros de krigagem para a varivel cobre e densidade. ...... 47
Tabela 5 - Estatstica blocos versus amostras. ............................................. 48
Tabela 6 - Sumrio estatstico dos recursos Medido, Indicado e Inferido. .... 53
Tabela 7 - Total de recursos medidos, indicados e inferidos em incrementos
de teores de corte. ...................................................................... 54
Tabela 8 - Parmetros utilizados para a determinao do teor de corte do
depsito........................................................................................ 56
Tabela 9 - Reservas minerais estimadas para o depsito de cobre. ............. 57
LISTA DE ABREVIATURAS E SIGLAS
ASX - Australian Securities Exchange
AusIMM - Australasian Institute of Mining and Metalurgy
Cu - Cobre
G - Teor de corte marginal
JORC - Joint ore reserves comittee
KO - Krigagem Ordinria
NZX - New Zealand Exchange
SME - Society of Mining Engineers
SUMRIO
1 INTRODUO .................................................................................... 12
2 FUNDAMENTAO TERICA .......................................................... 13
2.1 CONCEITOS FUNDAMENTAIS DE GEOESTATSTICA.................... 14
2.1.1 Hipteses de estacionariedade ....................................................... 15
2.1.2 Semivariograma ................................................................................ 17
2.1.3 Grau de dependncia espacial ........................................................ 21
2.1.4 Isotropia e Anisotropia ..................................................................... 22
2.1.5 Modelos variogrficos ...................................................................... 23
2.1.6 Krigagem ........................................................................................... 25
2.1.6.1 Krigagem Ordinria ............................................................................. 26
2.2 CLASSIFICAO DE RECURSOS .................................................... 28
3 MATERIAIS E MTODOS .................................................................. 30
4 ESTUDO DE CASO ............................................................................ 32
4.1 BANCO DE DADOS ........................................................................... 32
4.2 MODELAMENTO GEOLGICO ......................................................... 34
4.3 ANLISE EXPLORATRIA DOS DADOS REGULARIZADOS .......... 36
4.4 CONTINUIDADE ESPACIAL .............................................................. 39
4.5 VALIDAO DO MODELO DE CONTINUIDADE ESPACIAL ............ 43
4.6 ESTIMATIVA DE RECURSOS ........................................................... 45
4.6.1 Modelo de blocos .............................................................................. 45
4.6.2 Interpolao dos teores de cobre e densidade .............................. 46
4.6.3 Modelo de validao ......................................................................... 47
4.6.3.1 Comparao estatstica ...................................................................... 48
4.6.3.2 Validao visual .................................................................................. 48
4.6.3.2 Swath Plots ......................................................................................... 49
4.7 CLASSIFCAO DE RECURSOS ..................................................... 53
4.8 ESTIMATIVA DE RESERVAS MINERAIS .......................................... 56
5 CONCLUSO ..................................................................................... 58
REFERNCIAS .................................................................................. 60
12
1 INTRODUO
Ainda h pouco tempo, a geologia era considerada uma cincia baseada em
interpretaes puramente qualitativas de fenmenos geolgicos. Nos ltimos anos,
porm, tem sido notvel a utilizao de mtodos quantitativos, principalmente na
rea de geologia aplicada.
Os mtodos quantitativos clssicos de estimativa de recursos, baseados na
geometria euclidiana, no consideravam a natureza irregular dos jazimentos e,
devido a isso, a sua utilizao era passvel a erros considerveis. Devido aos
grandes investimentos necessrios para a explorao de uma jazida de
fundamental importncia a estimativa dos recursos com o mnimo de erro associado,
a fim de obter base confivel tomada de decises.
Um estudo feito por Harquail
1
(1991 apud Souza, 2007) realizado na Amrica
do Norte mostrou que de 39 casos de insucessos em operaes de minerao
aproximadamente 60% estavam relacionados com questes ligadas a erros de
avaliao dos recursos e reservas minerais. Em outro trabalho similar, Burmeister
(1988) analisou 35 operaes de minerao de ouro australianas que haviam sido
iniciadas no perodo de 1984 a 1987 e observou que cerca de dois teros delas no
haviam conseguido atingir a meta planejada de produo no primeiro ano de
operao. Umas das principais razes apresentadas pelo autor foram a utilizao de
tcnicas de estimativa imprprias seguidas de anlises inseguras e incertas. Sendo
assim, a estimativa de recursos um dos pontos chave para o sucesso de um
projeto de minerao.
Visando a soluo deste problema de estimativa de recursos o engenheiro de
minas Daniel G. Krige, em trabalhos com dados de concentrao de ouro nas minas
de Rand na frica do Sul, observou que somente a informao dada pela varincia
era suficiente para explicar o fenmeno em estudo, sendo necessrio levar em
considerao a distncia entre as observaes. Partindo desse princpio, surgiu o
conceito de geoestatistica, a metodologia mais aceita e utilizada atualmente.
A crescente utilizao da geoestatistica na estimativa de recursos levou a
novos parmetros que vieram a auxiliar na classificao de recursos em diferentes
1
HARQUAIL, D. Investing in Junior Mining Companies. In: 6 Mineral Economics Symposium of CIM, Canadian
Institute of mining, Metallurgy and Petroleum, 1993, Montreal. 10 p.
13
classes, de acordo com o nvel de risco envolvido, dando possibilidade de que
medidas quantitativas venham a fazer parte dos sistemas de classificao,
contribuindo na diminuio dos aspectos subjetivos desses sistemas. Devido a
importncia da classificao de recursos no mbito do setor mineral, surgiu a
necessidade do estabelecimento de diretrizes e recomendaes que padronizassem
internacionalmente as prticas envolvidas neste processo. O JORC Code, tambm
denominado Cdigo Australiano, a norma mais utilizada pelas empresas e no meio
acadmico para classificao de recursos na indstria mineral.
O objetivo deste trabalho aplicar uma metodologia adequada para a
quantificao de recursos atravs da tcnica de krigagem ordinria e classificao
de recursos atravs de um estudo de caso de um depsito de cobre, envolvendo a
modelagem geolgica, a estimativa do inventrio mineral, com reviso dos principais
conceitos geoestatsticos e classificao dos recursos segundo normas
internacionais estabelecidas pelo cdigo JORC.
2 FUNDAMENTAO TERICA
De acordo com Guimares (2004) fenmenos naturais apresentam-se
frequentemente com uma estruturao entre vizinhos, portanto, conclui-se que h
certo grau de dependncia espacial entre as variveis, ou seja, elas no so
totalmente aleatrias como descritas pela estatstica clssica.
Portanto, os antigos mtodos estatsticos no so, por si s, suficientes para
descrever um fenmeno. Partindo dessa constatao, a anlise espacial dos dados
apresenta-se como uma alternativa e/ou uma complementao anlise clssica
dos dados, sendo que este tipo de anlise considera a correlao entre as amostras.
Existem alguns procedimentos descritos em literatura de anlise espacial de
dados, mas o mais recorrente a metodologia de anlise denominada
geoestatistica.
Esta tcnica emprica foi desenvolvida primeiramente pelo Engenheiro de
minas Daniel G. Krige e pelo estatstico H. S. Sichel para estimativa do clculo de
reservas minerais. Krige (1951), trabalhando com dados de concentrao de ouro,
concluiu que somente a varincia seria necessria para descrever o fenmeno em
14
estudo. Para isso, deveria levar em considerao a distncia entre as amostras.
Partindo desse principio surge o conceito de geoestatistica a qual considera a
localizao geogrfica e a dependncia espacial (CAMARGO et. al , 1998).
2.1 CONCEITOS FUNDAMENTAIS DE GEOESTATISTICA
No nicio dos anos 60, baseado nas observaes de Krige, o engenheiro de
minas G. Matheron (1963, 1971) desenvolveu a teoria das variveis regionalizadas,
ou seja, das variveis com condicionamento espacial. Ela foi definida como uma
funo espacial numrica, variando de um local para outro, apresentando
continuidade aparente e cuja variao no pode ser representada por uma funo
matemtica simples (LANDIM, 2006).
Segundo Burrough
2
(1987 apud Camargo et. al , 1998) a teoria das variveis
regionalizadas implica que a variao de uma varivel pode ser expressa pela soma
de trs componentes: i) uma componente estrutural, associada a um valor mdio
constante ou a uma tendncia constante; ii) uma componente aleatria,
espacialmente correlacionada; e iii) um rudo aleatrio ou erro residual.
Se representa uma posio em uma, duas ou trs dimenses, ento o valor
da varivel em , dado por:
(01)
Em que uma funo determinstica que descreve a componente
estrutural em ;
, o que na prtica
no possvel. Segundo Armstrong (1998) geralmente assume-se que a varivel em
considerao estacionria.
Segundo Guimares (2004) diz-se que uma varivel estacionria se o
desenvolvimento dessa varivel no tempo ou no espao ocorrer de maneira mais ou
menos homognea, com oscilaes aleatrias contnuas em torno de um valor
mdio, em que nem as oscilaes nem a amplitude mdia mudem bruscamente no
tempo ou no espao. importante salientar que as caractersticas de um processo
estacionrio independem da origem adotada.
A estacionaridade requer que todos os momentos estatsticos no variem com
a translao na rea em estudo. Como isto no pode ser verificado devido a
quantidade limitada de dados experimentais, somente so considerados os dois
primeiros momentos (mdia e covarincia).
Se a esperana matemtica de uma varivel aleatria constante,
independentemente da origem que se toma no espao ou no tempo, podemos dizer
que a varivel estacionria de primeira ordem, sendo assim, a mdia ser
constante para todo o processo (GUIMARES, 2004).
(02)
Se o segundo momento em relao a origem constante, dado que a
varincia constante independentemente da origem no espao ou no tempo e,
portanto, o processo estacionrio de segunda ordem.
(03)
(04)
16
Seja a esperana do produto (covarincia) do que ocorre em e , com
, definida como:
(05)
Se Z(x) estacionria a covarincia no depende de e , ou seja, da
origem, mas somente da distancia entre as observaes e desta forma:
(06)
Segundo Guimares (2004) importante observar que a varincia um caso
particular de covarincia, quando o valor de zero, como mostra a eq. 07:
(07)
Muitas vezes as condies de estacionaridade de primeira e de segunda
ordem no so satisfeitas. Para essas situaes foi desenvolvida a hiptese
intrnseca (MATHERON, 1965). Segundo Boezio (2004), neste caso, so os
incrementos da funo que so assumidos como estacionrios. A mdia (eq. 08) e a
varincia (eq. 09) dos incrementos so dependentes do vetor de separao .
(08)
Onde:
- a diferena que define o incremento.
(09)
Onde:
- a funo semi-variograma.
Se uma varivel estacionria de segunda ordem, ento ela tambm
intrnseca, mas nem toda varivel estacionria intrnseca de segunda ordem.
A hiptese intrnseca a condio mais frequentemente usada em
geoestatstica, devido ser menos restritiva e, portanto, o semivariograma a
ferramenta mais difundida na geoestatstica porque exige apenas a hiptese
intrnseca.
17
2.1.2 Semivariograma
O semivariograma o mtodo geoestatstico para diagnosticar a presena de
correlao espacial entre as amostras (DUARTE, 2000). Segundo Andriotti (2004) o
semivariograma uma funo intrnseca que reflete a estrutura do fenmeno
estudado, medindo as relaes estatsticas que existem entre as amostras
espaadas de sucessivos valores de . Para sua construo so usadas
simplesmente as diferenas ao quadrado dos valores obtidos (LANDIM, 2006).
Campozana (1990) descreve a anlise semivariogrfica como a etapa mais
importante da caracterizao espacial de uma varivel regionalizada. O semi-
variograma representa numericamente a continuidade espacial de um fenmeno
natural, como a continuidade de camadas sedimentares ou de tipos de solos,
levando em considerao a anisotropia e as feies estruturais do meio (OLIVEIRA,
2002).
O semivariograma definido sobre os dados amostrais de acordo com a
eq. 10:
(10)
onde:
- a funo semivariograma;
- o nmero de pares de valores medidos;
- e so valores da i-sima observao da varivel regionalizada,
coletada nos pontos
(11)
De acordo com o grau de dependncia espacial da varivel podemos
classific-lo como:
- componente aleatria pequena:
\
|
|
.
|
\
|
+ =
3
1 0
2
1
2
3
) (
a
h
a
h
C C h
para
(13)
1 0
) ( C C h + =
para
3 Exponencial: Neste modelo a inclinao da tangente junto origem ;
a assntota de uma curva exponencial e pode ser equalizada junto soleira; a
corresponde ao alcance prtico igual distancia segundo a qual 95% do
patamar foi alcanado;
(14)
4 Efeito buraco: Fenmenos cclicos, que so comuns em geologia, podem afetar
de forma significativa o semivariograma causando depresses. Campozana
(1990) explica que isso ocorre pelo fato de que, a partir de uma distancia
correspondente a um ciclo, os pontos comeam a ter correlao em outros
ciclos, causando diminuio nos valores de .
(15)
Os modelos sem patamar so:
25
1 Modelo potencial: indicado para modelar fenmenos com capacidade infinita
de disperso (no-estacionrios) com variveis que tm deriva;
para (16)
Os modelos apresentados so considerados modelos bsicos, denominados
de modelos isotrpicos por Isaak e Srivastava (1989), havendo a existncia de
outros modelos para explicar fenmenos mais complexos.
2.1.6 Krigagem
Segundo Landim (2006), Krigagem uma tcnica de estimativa de valores de
variveis distribudas no espao ou no tempo, a partir de valores adjacentes
enquanto considerados como interdependentes pelo semivariograma. De acordo
com o autor, trata-se em ltimo caso de um mtodo de estimativas por mdias
mveis. O termo Krigagem, do francs krigeage, foi cunhado pela escola francesa
de geoestatistica em homenagem ao engenheiro de minas sul-africano e pioneiro na
aplicao de tcnicas estatsticas na avaliao de reservas Daniel G. Krige.
A diferena da Krigagem e outros interpoladores a maneira como feita a
atribuio dos pesos s diferentes amostras (CAMARGO et. al, 1998). Por exemplo,
na interpolao linear simples os pesos so todos iguais a ( o nmero de
amostras). Na interpolao baseada no inverso do quadrado da distncia, os pesos
so definidos como o inverso do quadrado das distncias que separam o valor
estimado dos valores observados. No mtodo geoestatstico da krigagem os pesos
so atribudos a partir de uma anlise espacial, baseado no semivariograma
experimental. Alm disso, a krigagem fornece, em mdia, estimativas no
tendenciosas, ou seja, a mdia da diferena entre valores estimados e valores reais
para o mesmo ponto deve ser nula, e com varincia mnima.
O uso do semivariograma para a estimativa por krigagem no exige que os
dados tenham distribuio normal, mas a presena de distribuies assimtricas,
com muitos valores anmalos, deve ser considerada, pois a krigagem um
estimador linear (LANDIM, 2006).
26
Conforme descrito por Isaak e Srivastava (1989), a krigagem engloba um
conjunto de mtodos de estimao, a saber: Krigagem simples, Krigagem ordinria,
Krigagem universal, Co-krigagem, Krigagem disjuntiva, etc. Este trabalho limita-se
somente a utilizao da krigagem ordinria na estimativa de recursos.
2.1.6.1 Krigagem Ordinria
O mtodo da krigagem ordinria (KO) parte fundamental da geoestatistica
linear, sendo um mtodo que fornece valores estimados no-tendenciosos (FOLLE,
2009). Segundo Boezio (2004) o mtodo considera a mdia estacionria s na
vizinhana do local aonde vai se estimar.
O estimador de Krigagem ordinria pode ser escrito como na eq. 17:
(17)
onde:
-
;
-
.
Assim, a estimativa em um local , determinada por uma combinao linear
dos dados disponveis em locais
(18)
onde:
-
(19)
27
onde:
-
(20)
onde:
-
onde se
encontram as amostras e o local onde se estima;
- o parmetro de lagrange.
A varincia da krigagem depende do modelo de covarincia e da
configurao dos dados, mas independente dos valores desses dados. Dessa
forma, transforma-se em um indicador da qualidade da geometria das amostras, no
avaliando a disperso local dos erros (DEUTSCH e JOURNEL, 1998).
Na Krigagem tem-se um efeito de suavizao, j que a varincia global
diminui em relao varincia inicial dos dados (GOOVAERTS, 1997). Isso
acontece, j que o sistema de krigagem assegura que a covarincia entre as
amostras e o ponto estimado seja correta, mas no correta a covarincia entre
pontos estimados. Pela relao de Krige (ISAAKS e SRIVASTAVA, 1989) a
varincia total a priori dos dados pode ser escrita como:
(21)
onde:
- a varincia a priori dos dados;
28
-
\
|
|
.
|
\
|
+ |
.
|
\
|
+ |
.
|
\
|
+
|
|
.
|
\
|
|
.
|
\
|
+ |
.
|
\
|
+ |
.
|
\
|
+ =
2 2 2 2 2 2
3 , 2 , 1
208
30 / 5 , 22
124
5 , 12 ' 1
264
. 60 / 5 , 22
* 05 , 0
92
30 / 5 , 22
96
5 , 112
44
60 / 5 , 22
* 03 , 0 026 , 0
D N N D N
sph
D N N D N
sph
h h h
(22)
O mesmo estudo de continuidade espacial e definio de modelo semivariogrfico foi
realizado para a varivel densidade, de modo a fornecer parmetros sua estimativa nos
blocos do modelo, possibilitando clculos em tonelagens reais. O modelo de continuidade
espacial para a varivel densidade pode ser visualizado na eq. (23).
( )
|
|
.
|
\
|
|
.
|
\
|
+ |
.
|
\
|
+ |
.
|
\
|
+
|
|
.
|
\
|
|
.
|
\
|
+ |
.
|
\
|
+ |
.
|
\
|
+ =
2 2 2 2 2 2
3 , 2 , 1
240
80 / 5 , 22
260
5 , 12 ' 1
256
. 10 / 5 , 22
* 008 , 0
68
80 / 5 , 22
40
5 , 112
104
10 / 5 , 22
* 003 , 0 0001 , 0
D N N D N
sph
D N N D N
sph
h h h
(23)
43
4.5 VALIDAO DO MODELO DE CONTINUIDADE ESPACIAL
A verificao da validade do modelo de continuidade espacial e,
consequentemente, da qualidade da estimativa realizada por meio da re-estimativa
dos pontos amostrados, em um procedimento conhecido como validao cruzada
(Isaaks & Srivastava, 1989). A tcnica consiste na retirada do valor amostrado e a
estimativa desse ponto atravs da krigagem ordinria pontual, considerando a
vizinhana circunvizinha e o modelo de anisotropia ajustado. O valor estimado
adicionado ao banco de dados original para a estimativa do ponto seguinte.
Este procedimento repetido em todos os pontos amostrais. Depois de
concludo o processo calculado as diferenas entre os valores estimados e os
valores reais, obtendo os erros residuais. A mdia dos erros residuais da estimativa
deve ser zero ou prxima desse valor. Nas Figuras 22 e 23 podem ser observados
os histogramas dos erros residuais para a varivel cobre e densidade,
respectivamente, mostrando que a estimativa de ambas as variveis no apresenta
tendenciosidade.
Figura 22 - Histograma do erro residual da estimativa para a varivel cobre
44
Figura 23 - Histograma dos erros residuais da estimativa para a varivel densidade.
Outro indicador da qualidade da interpolao a correlao entre os valores
estimados e os valores reais atravs da construo de um scatterplot (grfico de
disperso). No caso de uma estimativa perfeita, os valores estimados e os valores
verdadeiros plotariam uma reta a 45 no grfico de disperso, e o coeficiente de
correlao, usado para sumarizar o quo perto os pontos se aproximam da reta,
seria 1. O scatterplot dos valores verdadeiros e dos valores estimados para a
varivel cobre pode ser visualizado na Figura 24, onde se verifica uma correlao
aceitvel, evidenciando o no-enviesamento condicional da estimativa.
45
Figura 24 - Grfico de disperso entre os valores verdadeiros e os valores estimados para o
cobre.
4.6 ESTIMATIVA DE RECURSOS
4.6.1 Modelo de blocos
Segundo Peroni (2002) um dos problemas frequentemente enfrentados por
engenheiros de minas a definio dos limites do corpo mineral , assim como a
avaliao da quantidade e qualidade dos parmetros de interesse. O mtodo mais
utilizado atualmente para a resoluo deste problema consiste na representao de
um modelo de blocos do depsito.
O modelo de blocos consiste na discretizao do corpo mineral em unidades
de lavra que serviro de base para o planejamento. Estas unidades de lavra,
tambm denominadas de blocos de cubagem, tm a forma de paraleleppedos e
suas dimenses dependem de aspectos tcnico-mineiros, geolgicos e prticos.
Aps a elaborao do modelo de blocos pode ser realizada a etapa referente
estimativa de recursos, atribuindo teor a cada unidade de lavra do modelo atravs
de mtodos de interpolao.
46
A construo do modelo de blocos para o presente estudo foi realizado no
software Datamine, discretizando o corpo mineral em blocos de 10 metros de
largura, 10 metros de comprimento e 16 metros de altura, no fazendo o uso de sub-
clulas. Os parmetros utilizados na elaborao do modelo de blocos so mostrados
na Tabela 3.
Tabela 3 - Parmetros do modelo de blocos para o depsito.
Origem (UTM) Dimenso N de blocos
X (Leste) 6987,68 10 224
Y (Norte) 10184,15 10 143
Z (Elevao) -200 16 36
4.6.2 Interpolao dos teores de cobre e densidade
A tcnica utilizada para a estimativa dos recursos minerais foi a Krigagem
Ordinria, mtodo geoestatstico muito utilizado na estimativa de inventrio mineral.
Os parmetros de krigagem como dimenses do elipside de busca, anisotropia da
vizinhana e nmero mnimo e mximo de amostras, foram definidos baseados na
anlise estatstica e de correlao espacial. Segundo Freitas (2009) o correto
equacionamento desses parmetros so fundamentais na minimizao da varincia
e na exatido da estimativa e devem ser testados em um processo iterativo de
tentativa e erro.
A estimativa por krigagem ordinria foi realizada em 3 passos de forma a
propiciar a classificao de recursos. Para o primeiro passo os eixos do elipside de
busca foram ajustados ao valor correspondente a 50% do alcance semivariogrfico.
Para o segundo e terceiro passo os eixos do elipside foram multiplicados por um
fator de expanso, de forma a atingir 100% e 200% do alcance do modelo,
respectivamente. importante salientar que blocos estimados no primeiro passo
foram excludos do segundo, e aqueles estimados no segundo foram excludos do
terceiro passo. Na Tabela 4 so apresentados os parmetros de krigagem para cada
passo.
47
Tabela 4 - Parmetros de krigagem para a varivel cobre e densidade.
4.6.3 Modelo de validao
Para checar a validade do modelo de recursos do depsito, uma validao
independente foi realizada para avaliar a execuo e a conformidade da krigagem
com a base de dados original. Uma srie de validaes foi realizada incluindo:
- Comparao estatstica entre as amostras e os blocos krigados;
- Validao visual dos teores estimados versus teores das compostas;
- Swath plots comparando teores dos blocos e teores das compostas.
Como um comentrio geral em relao as validaes realizadas neste
trabalho, as anlises somente determinam se a estimativa foi realizada dentro do
previsto. Validaes com resultados aceitveis no necessariamente significam que
o modelo est correto ou derivado de uma estimativa correta. Somente significa que
o modelo de recursos uma razovel representao das amostras usadas e do
mtodo de estimativa aplicado.
48
4.6.3.1 Comparao estatstica
A comparao estatstica global entre compostas e blocos estimados um
modo til de realizar uma validao global dos resultados da estimativa. O modelo
de blocos deve mostrar concordncia com as amostras e representar globalmente a
mdia dos teores dos dados originais.
A anlise esttistica global para o cobre e para a varivel densidade indicou
que os blocos estimados honraram a mdia global das compostas. Foi evidenciada
uma subestimativa da mdia global dos blocos krigados comparado com a mdia
das amostras, o que significa que os blocos estimados so conservadores. Na
Tabela 5 pode ser visualizada a comparao estatstica entre os blocos krigados e
as compostas para o cobre e para a densidade.
Tabela 5 - Estatstica blocos versus amostras.
Medida estatstica
Cobre Densidade
Blocos Amostras Blocos Amostras
Mdia 0,22 0,25 2,79 2,81
Desvio padro 0,12 0,32 0,09 0,1
Varincia 0,02 0,11 0,01 0,01
Coeficiente de variao 0,56 1,27 0,03 0,04
4.6.3.2 Validao Visual
Os teores estimados do depsito mostraram uma boa comparao visual com
as amostras dos furos de sondagem. Os blocos krigados, embora levemente
suavizados, seguiram as tendncias dos dados amostrados razoavelmente bem. As
Figuras 25 e 26 apresentam as sees de validao visual para a varivel cobre e
densidade, respectivamente.
49
Figura 25 - Seo N-S 8429,82 comparando teores de cobre estimados com as amostras
dos furos de sondagem.
Figura 26 - Seo N-S 8199,82 comparando valores de densidade estimados com as
amostras dos furos de sondagem.
4.6.3.3 Swath plots
Em muitas circunstncias, as comparaes estatsticas globais entre as
amostras e os blocos estimados podem ser potencialmente enganadoras devido o
fato de serem influenciadas pelos efeitos de extrapolao, cobertura errtica dos
furos e geometria dos domnios da estimativa. Para continuar a avaliar a
50
conformidade entre os blocos krigados e as amostras, em uma abordagem semi -
local, swath plots foram conduzidos para o depsito.
O swath plot uma representao grfica da distribuio de teores derivada
de uma srie de faixas, geradas em algumas direes atravs do depsito e
compara a mdia dos teores estimados com a mdia das amostras. Uma estimativa
por vizinho mais prximo foi executada como uma checagem com a krigagem.
Foram preparadas faixas norte-sul, com 100 metros de largura, comparando os
teores mdios das compostas, dos blocos krigados e dos blocos estimados por
vizinho mais prximo. A Figura 27 representa a localizao das faixas N-S para o
depsito.
Figura 27 - Mapa de localizao das faixas norte-sul.
O swath plot para o cobre mostrou boa reproduo local do teor das
amostras, evidenciando em alguns pontos uma leve subestimativa da varivel. A
Figura 28 mostra o swath plot para a varivel, comparando os teores mdios dos
blocos krigados, das compostas e da estimativa por vizinho mais prximo. Tambm
foram realizados swath plots verticais em intervalos de 50 metros, como mostrado na
Figura 29.
51
Figura 28 - Swath plot horizontal para o cobre.
Figura 29 - Swath plot vertical para a varivel cobre.
Os swath plots para a densidade mostraram uma boa reproduo da mdia
local da varivel, como pode ser visto nas Figuras 30 e 31.
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
T
e
o
r
m
d
i
o
C
u
%
Swath Plot - Cu
krigado
Compostas
Vizinho mais prximo
0
0,05
0,1
0,15
0,2
0,25
0,3
0 1 2 3 4 5 6 7 8 9 10 11 12
T
e
o
r
m
d
i
o
C
u
%
Profundidade
Swath Plot vertical - Cu
Krigado
Compostas
Vizinho mais prximo
52
Figura 30 - Swath plot horizontal para densidade.
Figura 31 - Swath plot vertical para a varivel densidade.
2,68
2,7
2,72
2,74
2,76
2,78
2,8
2,82
2,84
2,86
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
T
e
o
r
m
d
i
o
C
u
%
Swath Plot - Densidade
Krigado
Compostas
Vizinho mais prximo
2,72
2,74
2,76
2,78
2,8
2,82
2,84
2,86
0 1 2 3 4 5 6 7 8 9 10 11 12
D
e
n
s
i
d
a
d
e
m
d
i
a
Profundidade
Swath Plot vertical - densidade
Krigado
Compostas
Vizinho mais prximo
53
4.7 CLASSIFICAO DE RECURSOS
Os critrios de classificao de recursos utilizados no presente trabalho foram
baseados nos parmetros de continuidade espacial dos teores fornecidos pelo
estudo geoestatstico, distribuio espacial e quantidade de amostras usadas para
estimar o bloco e continuidade geolgica, representada pelo modelo de minrio,
estando de acordo com os padres definidos no cdigo JORC, reviso de dezembro
de 2004, classificao segundo o AusIMM (Australian Institute of Mining and
Metalurgy), em uso na Austrlia desde 1980.
Os recursos foram classificados em medidos, indicados e inferidos com base
no passo no qual o bloco foi estimado. Os blocos estimados no passo 1 foram
classificados como recursos medidos, enquanto os blocos estimados no passo 2
foram definidos como recursos indicados e os blocos estimados no passo 3 como
inferidos. A Tabela 6 apresenta um sumrio estatstico dos blocos estimados por
categoria.
Tabela 6 - Sumrio estatstico dos recursos Medido, Indicado e Inferido.
Medido Indicado Inferido
Mdia 0,25 0,22 0,20
Desvio padro 0,15 0,13 0,10
Varincia 0,02 0,02 0,01
Coef. De variao 0,60 0,60 0,49
N de blocos 68256 138862 178466
Porcentagem 18% 36% 46%
A classificao de recursos deve refletir o grau de confiabilidade dos teores
estimados nos blocos, levando em considerao parmetros geoestatsticos como
nmero de amostras, proximidade entre o ponto a ser estimado e a amostra, etc. De
forma a verificar a coerncia da categorizao dos recursos para o depsito foram
54
checadas sees verticais e planos, comparando visualmente a quantidade de
amostras e a distncia das amostras para o ponto estimado por classe. A Figura 32
mostra uma seo vertical utilizada para a checagem visual da classificao de
recursos evidenciando uma reduo gradativa da quantidade de amostras do
recurso medido (azul) ao inferido (vermelho).
Figura 32 - Seo N-S para checagem visual da classificao de recursos do depsito.
Os recursos medidos calculados pela tcnica de krigagem totalizam 307 Mt
de minrio sulfetado com um teor mdio de 0,25%, enquanto os recursos indicados
somam 621 Mt e os inferidos 791 Mt. A Tabela 7 sumariza o total de recursos
medidos, indicados e inferidos em incrementos de teores de corte.
Tabela 7 - Total de recursos medidos, indicados e inferidos em incrementos de teores de
corte.
Total de recursos medidos
Cut-off (Cu%) Teor mdio acima do Cut-off Mt
0 0,25 307,35
0,1 0,28 272,12
0,2 0,34 177,9
0,3 0,44 91,34
0,4 0,54 44,9
0,5 0,63 22,13
0,6 0,72 10,91
Total de recursos Indicados
55
Cut-off (Cu%) Teor mdio acima do Cut-off Mt
0 0,22 621,73
0,1 0,25 538,96
0,2 0,33 304,33
0,3 0,42 139,39
0,4 0,52 63,45
0,5 0,61 28,51
0,6 0,7 11,7
Total de recursos Inferidos
Cut-off (Cu%) Teor mdio acima do Cut-off Mt
0 0,2 791,6
0,1 0,21 678,11
0,2 0,29 313,65
0,3 0,38 98,64
0,4 0,48 29,35
0,5 0,58 8,72
0,6 0,68 2,63
Os recursos medidos e indicados somam 929 Mt com um teor mdio de
0,23% de cobre. A Figura 33 mostra a curva de parametrizao dos recursos
medidos e indicados.
Figura 33 - Curva de parametrizao para os recursos medidos e indicados.
0
0,2
0,4
0,6
0,8
1
0
100
200
300
400
500
600
700
800
900
1000
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
C
u
%
R
e
c
u
r
s
o
s
M
e
d
i
d
o
s
e
I
n
d
i
c
a
d
o
s
(
M
t
)
Cut-off (%)
Curva de parametrizao
Massa
Teor (Cu%)
56
4.8 ESTIMATIVA DAS RESERVAS MINERAIS
Para a definio das reservas foram considerados somente o minrio
sulfetado nos recursos medidos e indicados, segundo critrios definidos no cdigo
JORC, reviso de dezembro de 2004, classificao segundo o AusIMM (Australian
Institute of Mining and Metalurgy), onde os recursos minerais inferidos no so
considerados devido seu baixo grau de confiabilidade.
A estimativa das reservas de minrio foi feita analisando os recursos minerais
com base no teor de corte e categoria a que pertencem. Os parmetros utilizados
para o clculo de teor de corte marginal (breakeven cutt-off) para a jazida podem ser
observados na Tabela 8. Os parmetros foram definidos, em carter preliminar,
baseados em projetos do mesmo bem mineral na regio.
Tabela 8 - Parmetros utilizados para a determinao do teor de corte do depsito.
Parmetro Unidade Valor
Custo de processamento (CTP) US$/ton 9,42
Custo de recuperao ambiental (Crec) US$/t 1,25
Preo do cobre (PrCu) US$/lb 1,98
Custo de venda (CvCu) US$/lb 0,381
Recuperao da flotao (RcCu) % 96,40%
Recuperao da fundio (RfCu) % 82,12%
Perda no transporte (PT) % 0,40%
Fator de converso ton para lb 0,220462
O teor de corte marginal (G) aquele em que os custos com a lavra e
beneficiamento de um bloco so iguais ao beneficio obtido com a venda do mesmo,
dado pela eq. (24).
(24)
O teor de corte calculado para o depsito com os parmetros descritos de
0,27% de cobre.
Para a estimativa de reservas foi definido que os blocos classificados como
recursos medidos ou indicados que possuem teor igual ou acima do teor de corte
(>0,27%) vem a constituir as reservas provadas. Em contrapartida, os blocos
classificados como recursos medidos ou indicados com teor abaixo do teor de corte
57
(<0,27%) constituem, portanto, as reservas provveis. A Tabela 9 apresenta as
reservas minerais do depsito expressas em tonelada base seca.
Tabela 9 - Reservas minerais estimadas para o depsito de cobre.
Reserva N de blocos
Teor mdio
(Cu)
Tonelagem
(Mt)
Provada 64122 0,4 289,62
Provvel 142996 0,16 638,45
Provada e Provvel 207118 0,23 928,07
A Figura 34 mostra uma viso em 3 dimenses das reservas provadas do
depsito em estudo, com um total de 289,62 milhes de toneladas de cobre a um
teor mdio de 0,4%.
Figura 34- Viso 3D da reserva provada do depsito de cobre.
58
5 CONCLUSO
O presente estudo buscou aplicar uma metodologia adequada para a
quantificao e classificao de recursos minerais atravs de uma abordagem
geoestatistica, ilustrando a metodologia com o estudo de caso de um depsito de
cobre.
Na validao do modelo semivariogrfico tanto para a varivel cobre como
para a varivel densidade foram obtidas mdias do erro residual iguais a zero e
correlao entre os valores estimados e os valores reais maiores que 60%,
evidenciando a no tendenciosidade e o no enviesamento condicional da
estimativa, dessa forma, validando o modelo de continuidade espacial utilizado.
A validao do modelo de recursos realizada para verificar a conformidade da
krigagem com os dados originais obteve bons resultados na comparao estatstica
global entre a mdia das compostas e dos blocos estimados, com uma diferena de
12% para o cobre e de 0,7% para a varivel densidade, mostrando uma leve
subestimativa dos blocos krigados. A validao visual para o cobre e a densidade
apresentou resultados bons, os blocos estimados seguiram as tendncias de
acrscimo e decrscimo dos teores das compostas razoavelmente bem. Os grficos
tipo Swath plot mostraram boa reproduo local do teor das amostras, apresentando
maior conformidade, principalmente, em reas mais densamente amostradas, como
era esperado.
Na classificao dos recursos estimados os recursos medidos e indicados
somaram 923 Mt com um teor mdio de 0,23% de cobre e 54% dos recursos totais.
A checagem visual da classificao de recursos mostrou uma quantidade maior de
amostras utilizadas na estimativa dos recursos medidos, posteriormente os recursos
indicados, e o menor nmero de amostras utilizadas na estimativa dos recursos
inferidos, mostrando que a classificao dos recursos refletiu, realmente, o grau de
confiabilidade de cada classe.
Os recursos minerais estimados foram convertidos em reservas minerais com
base no teor de corte e classe. As reservas provadas do depsito contabilizaram
289,62 Mt com teor mdio de 0,4% e uma reserva em potencial de 638,45 Mt.
Existem poucos empreendimentos mais propensos ao risco do que a
minerao. Alm de diferir de outras atividades industriais, na forma como a
59
variabilidade do produto ditada pela natureza da matria-prima, ou seja, pelas
caractersticas do corpo mineral, as verdadeiras caractersticas do depsito nunca
podero ser previstas devido ao erro inerente qualquer mtodo de estimativa. O
grande desafio para a engenharia de minas , justamente, realizar a estimativa de
recursos com o mnimo de erro a fim de propiciar base de dados confivel para um
planejamento eficiente e estrategicamente direcionado.
60
REFERNCIAS
ANDRIOTTI, J. L. S. Fundamentos de estatstica e geoestatistica. So Leopoldo -
RS: Unisinos, 2004.
ARMSTRONG, M. Basic linear geoestatistics. Berlin: Springer Verlag, 1998. 149
p.
AUSIMM. Australian Institute of Geoscientists and Minerals Concil of Australia.
Australasian Code for Reporting of Mineral Resources and Ore Reserves (The
JORC Code): 2004 edition. Joint Ore Reserves Committee of The Australasian
Institute of Mining and Metallurgy, 2004, 20 p.
BOEZIO, M. N. Mtodos geoestatisticos para a incorporao da topografia
como informao secundria no mapeamento do nvel de gua subterrnea.
2004, 317 f. Tese de Mestrado (Ps-Graduao em Engenharia de Minas,
Metalrgica e de Materiais) - Universidade Federal do Rio Grande do Sul, Porto
Alegre, 2004.
BURMEISTER, B. From resource to reality: A critical Review of the
achievements of New Australian Gold Mining Projects During 1983-1987.
Melbourne: Macquarie University, 1988.
CAMARGO, E. C. G., et al. Geoprocessamento para projetos ambientais.Inpe:
So Jos dos Campos - SP, 1998.
CAMPOZANA, F. P. Modelagem probabilstica e Simulao de Reservatrios.
1990, 166 p. Dissertao de Mestrado Universidade Estadual de Campinas,
Campinas, 1990.
CORREA, S. M. B. Probabilidade e estatstica. 2 Ed. Puc-Minas: Belo Horizonte-
MG, 2003.
CRESSIE, N. Statistics for spatial data. New York: Wiley, 1993. 900 p.
61
DEUTSCH, C. V.; JOURNEL, A. G. Geoestatistical Software Library and Users
Guide. New York: Oxford university press, 1998. 369 p.
DUARTE, J. B. Sobre o emprego e a anlise estatstica do delineamento em
blocos aumentados no melhoramento gentico vegetal. 2000, 292 f. Tese de
Doutorado (Escola Superior de Agricultura Luiz de Queiroz - Universidade de So
Paulo, So Paulo, 2000.
FERREIRA, D. F. Esttistica bsica. Lavras: UFLA, 2005.
FERREIRA, M. S. Modelagem tridimensional de depsitos minerais. 2006, 111 f.
Dissertao de Mestrado Universidade Federal de Ouro Preto, Ouro preto, 2006.
FREITAS, S. Planejamento de lavra em complexos mineiros: Aplicao do
Whittle Multi-mine em modelos simulados na mina do sossego. 2009, 124 f.
Trabalho de concluso de curs Universidade Federal do Par, Marab, 2009.
GOOVAERTS, P. Geoestatistics for natural resources evaluation. New York:
Oxford university press, 1997. 483 p.
GUIMARES, E. C. Geoestatstica bsica e aplicada. Uberlndia: UFU, 2004.
ISAAKS, E. H.; SRIVASTAVA, R. M. An introduction to applied geoestatistics.
New york: Oxford university press, 1989. 561 p.
Landim P.M.B. Sobre Geoestatstica e mapas. Terr Didtica, Rio claro, 2006.
Disponvel em: <http://www.ige.unicamp.br/terraedidatica/>. Acesso em: 25 de julho.
2011.
LERCHS, H.; GROSSMANN, I. F. Optimum design of open pit mines. CIM
Bulletin, v. 38, p. 47-64, jan. 1965.
MACHADO, H. O. WHITTLE - Planejamento Estratgico de Mina, Gemcom do
Brasil LTDA. 2005. 165 p.
MATHERON, G. Les variables regionalises et leur estimation. Paris: Ed. Masson,
1965. 306 p.
62
NEUSS, I. Base Metals Best Practice. In: Mineral Resource and Ore Reserve
Estimation The AusIMM Guide to Good Practice. Melbourne: A C Edwards, 2001.
OLIVEIRA, A. Modelagem geolgica e geoestatistica da Bacia de Campos. 2002,
118 p. Dissertao de Mestrado Universidade Federal do Rio de Janeiro,
Departamento de Geologia, Rio de Janeiro, 2002.
PERONI, R. L. Anlise da Sensibilidade do Seqenciamento de Lavra em
Funo da Incerteza do Modelo Geolgico. 2002, 126 f. Tese de Doutorado
(Programa de Ps-Graduao em Engenharia de Minas, Metalrgica e de Materiais)
- Universidade Federal do Rio Grande do Sul, Porto Alegre, 2002.
PRATES, B. M. Modelao tridimensional de uma jazida mineral prospectadas
por sondagens e objetivando a sua explorao a cu aberto. 2009, 115 f. Tese
(Mestrado em engenharia geolgica e de minas) Universidade Tcnica de Lisboa,
Lisboa, 2009.
SENHORINHO, N. C. Metodologia de planejamento estratgico de lavra
incorporando riscos e incertezas para a obteno de resultados operacionais.
2008, 128 f. Tese de Doutorado Universidade de So Paulo, So Paulo, 2008.
SOUZA, L. E. Proposio Geoestatstica para Quantificao do Erro em
Estimativas de Tonelagens e Teores. 2007, 188 f. Tese de Doutorado (Ps-
Graduao em Engenharia de Minas, Metalrgica e de Materiais) - Universidade
Federal do Rio Grande do Sul, Porto alegre, 2007.
SPIEGEL, Murray. Estatistica. 2 edio. So Paulo: Mcgraw-hill do Brasil, 1985.
(reviso e adaptao Carlos Augusto Crusius/ srie Shaum).
TAYLOR, H. K. Mine Valuation and Feasibility Studies. Mineral Industry Costs:
Northwest Addociation., pp. 1-17, 1977.