UNIVERSIDADE FEDERAL DO PAR

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 ;

um termo estocstico, que varia localmente e depende

espacialmente de ; e

um rudo aleatrio no correlacionado, com

distribuio normal com mdia zero e varincia . Sendo assim, a teoria das
variveis regionalizadas, base terica da geoestatistica, pode ser vista como um
grande ramo da estatstica espacial (CRESSIE, 1993), que estuda a relao de uma
varivel regionalizada com ela mesma numa outra posio.



2
BURROUGH, P. A. Principles of geographical information systems for land resources assesstment. Oxford,:
Clanderon press, 1987. 193 p.
15

2.1.1 Hipteses de estacionariedade


De acordo com Boezio (2004), em geoestatistica os dados disponveis em
locais so considerados realizaes de uma varivel randmica . Nos locais
onde no se possui informao podem ser considerados como posies onde se
podem ter realizaes da mesma varivel. O conjunto das denominadas variveis
randmicas ou aleatrias chamado de funo randmica.
As funes randmicas tm funes de distribuio de probabilidade que
dependem da posio para cada varivel (GOOVAERTS, 1997). Assim chamada de
funo multivariada caracteriza a incerteza conjunta dos valores .
Para inferi-la, necessrio dispor de um conjunto de repeties

, 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

, separados pelo vetor .

De acordo com Guimares (2004), na funo semivarincia, quanto mais
prximos estiverem os pontos amostrados, maior ser a semelhana entre eles e,
consequentemente, menor a semivarincia. Em contrapartida, quanto mais distantes
estiverem os pontos amostrados maior ser a varincia (disperso). Na teoria
geoestatstica, temos que a uma distncia a semivarincia e, a
semivarincia cresce com o incremento de , at atingir um valor constante
para que corresponde s variaes aleatrias, ou seja, que no podem ser
justificadas pela semelhana de um ponto com outro.
18

A distncia a partir da qual se torna aproximadamente constante
chamada de alcance (a) da dependncia espacial, sendo que as medies
realizadas a distncias maiores que o alcance, tm distribuio espacial aleatria e,
portanto, so independentes entre si (GUIMARES, 2004). O valor de
constante chamado de patamar (C).
comum observar que para valores de igual a zero a varincia seja
no-nula. Este fato pode ocorrer devido os seguintes motivos: variaes a distncias
menores do que a menor distncia de amostragem, erros de amostragem, erros de
anlise de laboratrio, etc. Quando , surge um novo termo no
semivariograma, denominado efeito pepita (C
0
) e, neste caso, o patamar dado por

. A Figura 1 apresenta um esquema das principais estruturas do

semivariograma.


Figura 01 - Parmetros do semivariograma.

De acordo com Guimares (2004), se o semivariograma for constante para
qualquer valor de , temos o efeito pepita puro e, neste caso, temos a ausncia
total de dependncia espacial, ou seja, a dependncia espacial, se existir, ser
manifestada a distncia ou tempo menor que o espaamento entre as amostras.
19

Existe outro tipo de semivariograma, o qual caracterizado por apresentar a
semivarincia com flutuaes. Este semivariograma chamado de semivariograma
cclico ou peridico e indica uma periodicidade dos dados que pode ser justificada
por algum fator conhecido ou analisado por meio da densidade espectral.
Tambm podemos ter um tipo de semivariograma em que as semivarincias,
crescem sem limites, para todos os valores de , ou seja, semivariogramas sem
patamar definido. Este semivariograma indica que a hiptese de estacionaridade
de segunda ordem no foi atendida e que provavelmente estamos trabalhando com
a hiptese intrnseca (fenmeno com capacidade infinita de disperso). Ele indica
tambm que a mxima distncia entre as amostras no foi capaz de exibir toda a
varincia dos dados e provavelmente exista tendncia dos dados para determinada
direo.
Podemos ter ainda um semivariograma com mais de uma estrutura de
varincia, que so chamados de semivariogramas com estruturas entrelaadas ou
semivariogramas imbricados. Nestes casos, uma explicao prtica para esse
fenmeno estarmos trabalhando com mais de uma populao, por exemplo, at
uma determinada distncia estamos trabalhando com uma determinada populao e
a partir da com outra ou outras populaes. Os tipos de semivariogramas
experimentais so representados nas Figuras 2, 3, 4, 5 e 6.


Figura 02 - Semivariograma com patamar.
20


Figura 03 - Semivariograma com efeito pepita puro.


Figura 04 - Semivariograma sem patamar.


Figura 05 - Semivariograma cclico.
21


Figura 06 - Semivariograma com estruturas entrelaadas.


2.1.3 Grau de dependncia espacial


Segundo Landim (2006) uma considerao importante a ser feita sobre o
grau de aleatoriedade presente nos dados. O clculo do grau de dependncia
espacial ou de aleatoriedade pode ser feito atravs da eq. 11.

(11)

De acordo com o grau de dependncia espacial da varivel podemos
classific-lo como:
- componente aleatria pequena:

maior ou igual a 0,15;

- componente aleatria significante:

compreendido entre 0,15 e 0,30;

- componente aleatria muito significante:

maior que 0,30.

O extremo dessa situao o efeito pepita puro, mostrado na Figura 03, onde
no ocorre covarincia entre as amostras e, portanto, a anlise semivariogrfica no
pode ser aplicada.







22

2.1.4 Isotropia e Anisotropia


De acordo com Andriotti (2004), se os semivariogramas para diferentes
direes tiverem o mesmo comportamento, diz-se haver isotropia da varivel; caso
contrrio, diz-se haver anisotropia.
Sendo um vetor e, consequentemente, o semivariograma dependendo da
sua magnitude e da sua direo, haver isotropia no fenmeno quando para
qualquer direo de houver similaridade entre os semivariogramas. relevante
ressaltar que este tipo de comportamento no muito comum no estudo das
variveis regionalizadas.
Entretanto, quando os semivariogramas no possuem um comportamento
igual para todas as direes de , ou seja, quando as propriedades do meio so
diferentes ao longo de direes distintas, dizemos que h anisotropia. Segundo
Camargo et. al (1998) quando a anisotropia refletida pelo mesmo Patamar (C) com
diferentes Alcances (a) do mesmo modelo, ento ela denominada Geomtrica,
Figura 07A. Se os semivariogramas apresentarem os mesmos Alcances (a) e
diferentes Patamares (C) denominamos de anisotropia Zonal, Figura 07B. Existe
outro caso de anisotropia, mais comum no estudo das variveis regionalizadas, que
consiste na combinao da anisotropia geomtrica e zonal, chamada anisotropia
Combinada, Figura 07C.


Figura 07 - Os tipos de anisotropia. (A) Anisotropia geomtrica; (B) zonal e (C) mista.

Um modo muito utilizado para visualizar e calcular os parmetros (fator e
ngulo) da anisotropia geomtrica atravs do esboo grfico de uma elipse. Para o
eixo maior da elipse, denominado direo de maior continuidade, aplica-se o maior
23

alcance. Segundo as convenes adotadas por Deutsch e Journel (1998), o ngulo
da direo de mxima continuidade definido a partir da direo norte e no sentido
horrio. Seu valor corresponde direo de maior alcance. O eixo menor definido
pelo alcance na direo de menor continuidade, sendo esta ortogonal direo
principal.


Figura 08 - Representao grfica da anisotropia geomtrica em duas dimenses.
Fonte: modificada de Deutsch e Journel (1992).
Segundo Isaaks e Srivastava (1989), a anisotropia zonal pode ser
considerada como um caso particular de anisotropia geomtrica, ao se supor um
fator de anisotropia muito grande. A estrutura do semivariograma ento adicionada
somente para a direo de maior continuidade.


2.1.5 Modelos variogrficos


O grfico do semivariograma experimental formado por uma srie de
valores sobre os quais se objetiva ajustar uma funo. importante que o modelo
ajustado represente a tendncia de em relao a . Deste modo, as estimativas
obtidas sero mais exatas e, portanto mais confiveis (CAMARGO et. al, 1998).
De acordo com Oliveira (2002) os modelos semivariogrficos tericos podem
ser divididos, segundo o patamar, em dois grupos: os que atingem um patamar,
24

sendo coerentes com a hiptese de estacionaridade de segunda ordem, e os que
no tm patamar. Para os primeiros pode-se fazer uma subdiviso em 3 grupos: (a)
modelos com comportamento linear prximo origem; (b) modelos que apresentam
comportamento parablico prximo origem e (c) modelos de comportamento
constante, o efeito pepita.
Os modelos com patamar so:
1 Gaussiano: A curva parablica junto a origem e a tangente nesse ponto
horizontal, o que indica pequena variabilidade para curtas distancias; a
corresponde ao alcance prtico igual distancia segundo a qual 95% do
patamar foi alcanado;


(12)

2 Esfrico: A inclinao da tangente junto origem ( ) . o modelo
mais comum, podendo-se afirmar que se equivale funo de distribuio
normal da estatstica clssica;

|
|
.
|

\
|
|
.
|

\
|
+ =
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:
-

o estimador de krigagem ordinria para a varivel no local .;

-

so os dados da varivel disponveis em locais

;
-

o somatrio dos pesos da krigagem atribudos para cada valor

.

Assim, a estimativa em um local , determinada por uma combinao linear
dos dados disponveis em locais

no entorno de . Os pesos da krigagem so

escolhidos de forma que, simultaneamente, o valor esperado do erro seja nulo e a
varincia mnima, ou seja:

(18)

onde:
-

o erro da estimativa para krigagem ordinria para a varivel

no local .

(19)



27

onde:
-

o erro de estimativa da krigagem ordinria para a varivel

no local ;
-

a varincia da krigagem ordinria.

A varincia minimizada ento chamada de varincia da krigagem e dada
pela seguinte expresso:

(20)

onde:
-

a varincia da krigagem no local ;

- a covarincia para um vetor de separao nulo, igual a varincia priori
dos dados ;
-

o somatrio dos pesos da krigagem ordinria atribudos aos dados

da varivel nos locais ;
-

a covarincia da varivel entre os locais

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

-

a varincia da krigagem como foi definida na equao 20;

-

a varincia entre blocos.

Para a avaliao do modelo variogrfico e dos parmetros de estimativa,
existem vrias tcnicas de validao, sendo a mais utilizada a tcnica denominada
validao cruzada (cross validation). A tcnica consiste em retirar uma amostra com
valor conhecido

e estim-lo com as amostras remanescentes na vizinhana. O

erro ser a diferena entre o valor estimado e o valor verdadeiro. desejvel que
esse erro esteja distribudo simetricamente em torno de zero e sua mdia seja nula
com baixa varincia (BOEZIO, 2004). Tambm, ao construir um grfico de disperso
entre os valores verdadeiros e os valores estimados, desejvel que os pontos
alinhem-se ao longo de uma reta com inclinao de 45 e com coeficiente de
correlao prximo a um.


2.2 CLASSIFICAO DE RECURSOS


Atualmente, o inventrio de recursos e reservas minerais um parmetro
chave no conjunto de ativos de companhias de minerao e sua estimativa confivel
crucial tanto para estudos de viabilidade quanto para a operao diria de uma
mina (SOUZA, 2007). Devido ao grande nmero de fraudes no setor mineral, como
exemplos Busang na Indonsia (Bre-X), Josh em Nevada/EUA (Delgratia mining) e
Stenpad em Gana (Golden Rule Resources) (NEUSS, 2001), alguns cdigos de
classificao de recursos foram propostos objetivando uma maior transparncia,
materialidade e competncia.
O JORC CODE ou simplesmente NORMAS JORC um conjunto de
Normas e recomendaes australianas para relatrios de recursos minerais e
reservas de minrio, determinam os requisitos fundamentais, diretrizes e
recomendaes para o preparo de relatrios pblicos com resultados de explorao
mineral e estimativas de recursos e reservas de minrio adotadas na Austrlia e por
empresas que vendem aes na bolsa de valores da Nova Zelndia (NZX) e
Austrlia (ASX). Foi preparado pelo Joint Ore reserves committee (JORC) e,
segundo a reviso de dezembro de 2004, recomenda que a as estimativas de
29

Recursos Minerais e/ou Reservas de Minrio na qual se baseia o Relatrio Pblico
de Recursos Minerais e/ou Reservas de Minrio, deve ser preparada, diretamente
ou sob superviso, e assinada por uma pessoa membro ou associada do
Australasian Institute of mining and metallurgy ou Australian Institute of
Geoscientistis.
De acordo com o cdigo JORC os recursos minerais podem ser classificados,
com relao a ordem de confiana geolgica, em:
i Recursos inferidos: Parte do recurso mineral para a qual a tonelagem, teor e
contedo mineral podem ser estimados com baixo grau de confiabilidade.
inferido a partir de evidncia geolgica, com presumida, mas no comprovada,
continuidade geolgica e de teor. Deve abranger as situaes onde a ocorrncia
ou concentrao de minrio foi identificada com medies e amostragens, porm
os dados so insuficientes para permitir confivel interpretao dos teores e da
continuidade geolgica;
ii Recursos indicados: Parte do recurso mineral em que a forma do corpo, sua
tonelagem, as densidades, as caractersticas fsicas, o teor e o contedo mineral
podem ser estimados com razovel grau de preciso. Os locais de amostragem
se situam a grandes distncias ou a espaamentos insatisfatrios, inadequados
para a confirmao da continuidade geolgica e/ou de teor, mas suficientemente
prximos para admitir a continuidade da mineralizao. A confiana na
estimativa suficiente para que sejam aplicados parmetros tcnicos e
econmicos e para que seja realizada uma avaliao de viabilidade econmica.
iii Recursos medidos: a poro de um recurso mineral para o qual a tonelagem,
densidades, formato, caractersticas fsicas, teor e contedo mineral podem ser
estimados com alto grau de preciso. Os locais de amostragem esto
espaados em proximidade suficiente para confirmar a continuidade geolgica e
de teores.

. A parte economicamente lavrvel de um recurso mineral medido ou indicado
denominado reserva de minrio. Segundo o cdigo JORC, reviso de dezembro
2004, pode ser classificada em ordem de confiabilidade, em:
a) Reserva de minrio provvel: a parte economicamente lavrvel de um
recurso mineral indicado, e em alguns casos, de um recurso mineral medido;
30

b) Reserva de minrio provada: a parte economicamente lavrvel de um
recurso mineral medido. A reserva de minrio provada possui mais alto grau
de confiabilidade em relao a reserva de minrio provvel.


Figura 09 - Exemplos de dois esquemas de classificao de recursos e reservas publicados.
(a) Proposta da SME (Society of Mining Engineers US). (b) Classificao segundo o
AusIMM (Australasian Institute of Mining and Metalurgy) em uso na Austrlia desde 1980.


3 MATERIAIS E MTODOS


A primeira etapa deste trabalho consistiu no recebimento do banco de dados
de cobre proveniente da anlise qumica dos furos de sondagem do depsito. Para
manter a integridade e o sigilo sobre os dados do depsito de cobre a localizao
Recursos
Inferido
Indicado
Medido
Reservas
Provvel
Provada
Aumento do nvel
de conhecimento
geolgico e
confiabilidade
dos dados
Fatores econmicos, mtodo de lavra,
processo metalrgico, oscilaes no
mercado, aspectos ambientais, sociais e
governamentais podem causar a
transferncias entre recursos e reservas
(a) Informaes de Explorao
Recursos minerais
identificados (in situ)
Inferido
Indicado
Medido
Reservas Minerais
(lavrveis)
Provvel
Provada
Aumento do nvel
de conhecimento
geolgico e
confiabilidade
dos dados
Considerao de fatores econmicos, mtodo
de lavra, processo metalrgico, oscilaes no
mercado, aspectos ambientais, sociais e
governamentais
(b) Terminologia para Relatrios
Recursos
Inferido
Indicado
Medido
Reservas
Provvel
Provada
Aumento do nvel
de conhecimento
geolgico e
confiabilidade
dos dados
Fatores econmicos, mtodo de lavra,
processo metalrgico, oscilaes no
mercado, aspectos ambientais, sociais e
governamentais podem causar a
transferncias entre recursos e reservas
(a) Informaes de Explorao
Recursos minerais
identificados (in situ)
Inferido
Indicado
Medido
Reservas Minerais
(lavrveis)
Provvel
Provada
Aumento do nvel
de conhecimento
geolgico e
confiabilidade
dos dados
Considerao de fatores econmicos, mtodo
de lavra, processo metalrgico, oscilaes no
mercado, aspectos ambientais, sociais e
governamentais
(b) Terminologia para Relatrios
31

no ser divulgada e os teores do metal no banco de dados foram multiplicados por
um fator transformador.
A etapa seguinte consistiu na verificao da consistncia do banco de dados
atravs da checagem do relatrio de erros dos furos e verificao da ausncia de
dados. Na ocorrncia de erros na checagem, as linhas referentes ao erro foram
analisadas individualmente.
Posteriormente, foi aplicada a anlise exploratria dos dados seguida do
modelamento geolgico, elaborao do modelo de blocos, estimativa e classificao
dos recursos, como pode ser visto na Figura 10.



Figura 10 - Seqncia metodolgica adotada.

Devido ao grande nmero de litologias no depsito (12 litologias) foi realizada
a estimativa dos recursos envolvendo todos os litotipos existentes, salientando que
uma anlise pormenorizada de cada litologia produziria resultados mais confiveis
para a avaliao do depsito.
Para a anlise exploratria e organizao do banco de dados foram utilizados
os aplicativos Microsoft Excel (2007) e Bloco de Notas (2007). Para o tratamento
geoestatistico e classificao de recursos minerais foram usados os softwares
DATAMINE Studio 2, SGEMS (Stanford geoestatistical modeling software) verso
32

2.1 e Gslib90. Os procedimentos de modelamento geolgico e modelamento de
blocos foram realizados pelo programa DATAMINE Studio 2.


4 ESTUDO DE CASO


Neste item, so apresentadas as caractersticas do banco de dados, bem
como os resultados obtidos atravs da tcnica de modelamento geolgico,
estimativa dos recursos e classificao do inventrio mineral.
O banco de dados utilizado na metodologia apresentada foi, por motivos de
confidencialidade, modificado. Os valores de teor do metal foram multiplicados por
um fator transformador, de maneira a alterar os valores de porcentagem de cobre
originais, no havendo prejuzo aplicao da metodologia proposta e anlise dos
resultados no referido estudo.


4.1 O BANCO DE DADOS


Para o propsito do estudo de caso deste trabalho, utilizou-se um banco de
dados composto por informaes referentes a 59 furos de sonda rotativa com coroa
diamantada, sendo que a malha de sondagem foi executada em um espaamento
aproximado de 50 por 100 m. Os furos de sonda foram tipicamente iniciados em
tamanho H (65 mm de dimetro) e depois reduzidos para tamanho N (47,6 mm de
dimetro) de acordo com as condies de perfurao. A profundidade mdia dos
furos de sonda de aproximadamente 334 m, perfazendo um total de 19.720 m
perfurados e com mergulho aproximado de -55 com azimute para o norte.
A base de dados dos furos de sondagem foi recebida em quatro arquivos
(csv), sendo:
- Collars: BHID (identificador do furo), XCOLLAR (coordenada E-W da boca do
furo), YCOLLAR (coordenada N-S da boca do furo) e ZCOLLAR (cota da boca
do furo);
33

- Survey: BHID (identificador do furo), AT (profundidade na qual a medio do
desvio do furo foi realizada), BRG (azimute do furo), DIP (mergulho do furo);
- Assays: BHID (identificador do furo), FROM (profundidade onde o intervalo da
amostra se inicia), TO (profundidade na qual o intervalo da amostra termina),
CU (teor de cobre);
- Geology: BHID (identificador do furo), FROM (profundidade na qual o intervalo
de amostra se inicia), TO (profundidade onde o intervalo de amostra termina),
LITOCODE (cdigo numrico da litologia), DENSIDADE (densidade da
amostra), LITOTYPE (cdigo litolgico alfabtico).

Os furos foram recompostos atravs do processo validate and desurvey do
software Datamine. Este processo toma os dados dos arquivos collars, survey,
assays e geology e os recompe em outro formato, onde cada segmento de amostra
identificado por sua localizao e distribuio no espao. A recomposio um
mtodo padro para a gerao dos traos de furos de sondagem em 3D. Atravs
desse mtodo possvel tambm identificar erros na base de dados dos furos, pela
gerao do relatrio de erros de checagem. O processo foi realizado para o banco
de dados e alguns erros foram identificados. Os erros eram derivados de uma
desorganizao na sequncia dos intervalos das amostras em alguns furos na base
de dados original, os quais foram identificados e os respectivos erros solucionados.
A Figura 11 mostra a localizao das sondagens utilizadas no presente
estudo.


Figura 11 Mapa de localizao dos furos de sondagem (plan 480.1 azi 0.0).
34

O banco de dados fornecido composto por 13.381 amostras e possui
informaes de Cu e densidade. O comprimento mdio das amostras de 1,072
metros com uma variao de 0,4 a 2,36 m. Objetivando a padronizao do suporte
amostral, a base de dados passou por uma etapa de regularizao. As amostras
foram compostas em intervalos de 2 metros, comeando da parte superior do furo.


4.2 MODELAMENTO GEOLGICO


De acordo com Ferreira (2006) um modelo geolgico nada mais do que a
representao e interpretao de um depsito mineral em um determinado espao
amostral. Desde os primrdios do planejamento de lavra o modelamento geolgico
da jazida comea por sees horizontais e/ou verticais suportadas por furos de
sondagem, perfis verticais, amostras de solo, etc.
Sendo assim, o modelamento geolgico foi realizado atravs da interpretao
dos furos de sondagem alm de informaes sobre a gnese de depsitos de cobre,
gerando sees verticais espaadas entre si. Aps a definio das sees verticais
paralelas foi realizada a ligao (triangulao) entre as sees, formando um slido
constitudo por tringulos, denominado, neste trabalho, de wireframe. No software
DATAMINE Studio 2 existem trs mtodos disponveis de triangulao:
- minimum surface area: Atravs da utilizao deste mtodo o sistema realiza a
triangulao fazendo com que a superfcie da wireframe tenha a menor rea
possvel;
- equi-angular Shape: mtodo no qual o sistema cria tringulos equi-ngulares;
- Proportional Length: o programa cria tringulos objetivando manter a melhor
posio proporcional.


Figura 12 - Mtodos de triangulao disponveis no software DATAMINE Studio 2: a)
minimum surface rea; b) equi-angular shape e c) proportional length.
35


O mtodo de triangulao utilizado foi o Equi-angular shape por apresentar
resultados mais aceitveis, sem muitas irregularidades no slido gerado. O modelo
geolgico tridimensional do depsito, resultado da tcnica de modelamento,
apresentado nas Figuras 13 e 14.


Figura 13 Triangulao do corpo de minrio pelo mtodo Equi-angular Shape.


Figura 14 - Modelo geolgico tridimensional: a) vista em planta e b) vista em seo vertical.




36

4.3 ANLISE EXPLORATRIA DOS DADOS REGULARIZADOS


De acordo com Guimares (2004), a anlise exploratria dos dados um
mtodo de grande importncia na anlise estatstica, consiste em um procedimento
de anlise preliminar dos dados objetivando conhecer a varivel em estudo e
resumi-la atravs de interpretaes grficas e estatsticas.
A Figura 15 apresenta o histograma dos teores de cobre regularizados,
enquanto a Tabela 1 mostra a estatstica descritiva da varivel cobre.


Figura 15 - Histograma dos dados regularizados para a varivel cobre.

Tabela 1 - Estatstica descritiva dos dados regularizados para a varivel cobre.
Mdia 0,274
Desvio padro 0,638
Varincia 0,407
Coeficiente de variao 2,33
Mnimo 0,005
Mximo 27,915
Curtose 928,175
q(0,25) 0,055
q(0,50) 0,14
q(0,75) 0,32
q(0,90) 0,62
q(0,95) 0,911
q(0,97) 1,165
q(0,98) 1,44
q(0,99) 1,845
37

Como pode ser observado, o coeficiente de variao da varivel cobre est
acima de 2, o que significa que os valores anmalos tm influncia considervel no
comportamento dos dados. Isto pode ser confirmado atravs da verificao de
outliers no histograma da varivel. Este fato explicado por trabalharmos com todas
as litologias simultaneamente, considerando o depsito como uma nica populao
para o presente trabalho, como foi mencionado anteriormente.
A tcnica de capping tem a finalidade de eliminar os valores anmalos das
variveis, que podem aumentar a varincia dos teores e sistematicamente
desestruturar os variogramas experimentais, alm de evitar a superestimativa local
da varivel (FREITAS, 2009). O mtodo de capping pode ser feito de duas formas:
- anlise de quantil, onde se verifica o Quantil 99 que serve como referncia. Os
valores acima do valor de capping (Q99) so rebaixados a esse patamar;
- anlise dos valores acima do dobro do desvio padro.

O mtodo de capping utilizado foi baseado na anlise do Quantil 99, calculado
na estattica univariada. A Figura 16 mostra o histograma dos teores aps a
aplicao da tcnica para a varivel cobre, evidenciando um impacto dos teores
anmalos na mdia de 7% e reduo do coeficiente de variao para 1,27.


Figura 16 - Histograma dos teores do cobre aps aplicao do capping.

38

A Tabela 2 mostra a estatstica univariada realizada para a varivel densidade
nas compostas e seu respectivo histograma na Figura 17.

Tabela 2 - Estatstica univariada para densidade nas compostas.
Mdia 2,818
Desvio padro 0,11
Varincia 0,012
Coeficiente de variao 0,039
Mnimo 2,7
Mximo 3,26
Curtose -1,422
q(0,25) 2,7
q(0,50) 2,76
q(0,75) 2,96
q(0,90) 2,96
q(0,99) 3
.


Figura 17 - Histograma dos dados regularizados para a varivel densidade.



39

4.4 CONTINUIDADE ESPACIAL


De acordo com Peroni (2002) atravs do clculo do semivariograma em
diferentes direes, torna-se possvel capturar a anisotropia da continuidade
espacial, ou seja, a diferena de continuidade de uma varivel em distintas
orientaes. Dessa forma, o comportamento espacial de um dado atributo geolgico
modelado e traduzido em um modelo matemtico que , ento, utilizado para a
interpolao.
Issaaks & Srivastava (1989) apresentam as regras bsicas para o melhor
ajuste do modelo de continuidade espacial ao semivariograma experimental.
Normalmente, utilizado o semivariograma experimental onidi recional para o ajuste
inicial definindo o nmero de estruturas e o patamar do modelo semi variogrfico,
Baseando-se nesse modelo, so ajustados os semivariogramas direcionais.
Teoricamente, quanto melhor o comportamento espacial tiver sido modelado, maior
ser a confiabilidade do modelo interpolado.
No presente trabalho, o critrio utilizado para a modelagem semivariogrfica
foi ajustar os modelos at o patamar estabelecido pela varincia a priori dos dados.
Apesar de que, em alguns casos, o ajuste pudesse ter sido feito ligeiramente acima
ou abaixo da linha de varincia, isto se justifica pelo fato de que como o alcance das
variveis era relativamente grande em relao ao espaamento das amostras, a
parte inicial dos semivariogramas teria maior influncia nas medidas de continuidade
e, consequentemente, no processo de estimao. Para a definio da componente
aleatria do modelo semivariografico foram construdos semivariogramas ao longo
dos furos de sondagem (Down the hole), tomando pares de amostras em distancias
de 2 metros, como mostrado na Figura 18.

40


Figura 18 - Semivariograma Down the Hole para a varivel cobre.

Posteriormente foram gerados semivariogramas em 8 direes no plano XY,
de forma a definir a direo de maior e menor continuidade dos teores. Aps a
definio da direo preferencial do depsito foi analisada a existncia de mergulho
e plunge no corpo mineral, atravs da realizao de semivariogramas nos planos XZ
e YZ, respectivamente. As Figuras 19, 20 e 21 apresentam os semivariogramas nas
direes 22,5/D60 (maior alcance), 112,5 (menor alcance) e 22,5/D-30 (alcance
intermedirio).

41


Figura 19 - Semivariograma na direo N22,5/D60 (maior alcance).


Figura 20 - Semivariograma na direo N112,5 (menor alcance).

42


Figura 21 - Semivariograma na direo N22,5/D-30 (alcance intermedirio).

A eq. (22) apresenta o modelo de continuidade espacial para a varivel cobre,
com um efeito pepita de 0,026, um patamar de 0,106 e um modelo esfrico com
alcances distintos para cada uma das direes de continuidade (anisotropia
geomtrica).
( )
|
|
.
|

\
|
|
.
|

\
|
+ |
.
|

\
|
+ |
.
|

\
|
+
|
|
.
|

\
|
|
.
|

\
|
+ |
.
|

\
|
+ |
.
|

\
|
+ =
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.