Luis Eduardo de Souza et al.

Minerao
Alternativas para classificao de recursos minerais - mtodos geoestatsticos tradicionais
(Alternatives for resource classification traditional geostatistical methods)

Resumo
A dificuldade na quantificao do grau de incerteza associado com a estimativa de recursos minerais tem levado ao desenvolvimento de uma gama de metodologias, termos e definies. Isso gerou uma situao em que praticamente cada companhia de minerao possui sua metodologia particular de classificao. Intuitivamente, sabe-se que os mtodos tradicionais utilizados na avaliao de recursos no levam em considerao a continuidade espacial dos teores e, mesmo que algumas metodologias baseadas em mtodos geoestatsticos so incapazes de fornecer uma medida do erro associado s estimativas. Nesse sentido, esse artigo se prope a desenvolver uma metodologia que permita uma anlise quantitativa e qualitativa dos recursos minerais estimados por meio da incorporao da incerteza e da adequada definio do risco ou erro associado s estimativas. Um estudo de caso com um banco de dados de minrio de ferro tpico foi efetuado, permitindo uma comparao, tanto entre os diferentes sistemas de classificao, como entre os parmetros-chave de cada sistema, sendo que os resultados obtidos permitiram ressaltar as limitaes especficas de cada metodologia, alm de demonstra a natureza emprica dos mtodos tradicionais, devido ao seu carter predominantemente subjetivo. Palavras-chave: Estimativa de incerteza, classificao de recursos minerais.

Luis Eduardo de Souza

Dr., Engenheiro de Minas Professor, CSTM/Unipampa E-mail: luissouza@unipampa.edu.br

Abstract
The difficulty in quantifying the degree of uncertainty associated with the estimation of mineral resources has led to the creation of a large suite of methodologies, terms, and definitions, with almost every mining company having its own set of standards. It is intuitively known that traditional methods used to evaluate resources do not take into account the spatial continuity of the grades, and even some approaches based on geostatistical methods are unable to provide a measure of the error associated with their estimates. This article aims at developing a methodology for either quantitative or qualitative analysis of mineral resource estimation through uncertainty incorporation and for the correct definition of the associated risk or error. A comprehensive study about each technique was conducted allowing a comparison among the parameters
REM: R. Esc. Minas, Ouro Preto, 62(4): 525-532, out. dez. 2009 525

Joo Felipe C.L. Costa

Dr., Engenheiro de Minas Professor, DEMIN/UFRGS E-mail: jfelipe@ufrgs.br

Jair Carlos Koppe

Dr., Engenheiro de Minas/Gelogo Professor, DEMIN/UFRGS E-mail: jkoppe@ufrgs.br

Alternativas para classificao de recursos minerais - mtodos geoestatsticos tradicionais

affecting mineral inventory assessment. A case study was conducted with a typical iron ore deposit data set, and the results showed the specific limitations of each classification system and their influence in selecting key parameters. The developed software was used, and the results always demonstrated the empirical nature of the traditional methods based on subjective choices. Keywords : Uncertainty estimation, mineral resources classification.

nuidade geolgica e de teores. De-Vitry (2003) discute algumas razes para a no aplicao de critrios ou regras preestabelecidos, apontando, principalmente, para o fato de que, alm dessas regras: (i) dificilmente determinadas condies podem ser aplicadas adequadamente para todas as situaes ou, mesmo, para diferentes tipos de minrios dentro do mesmo depsito; (ii) que esse fato evitaria que tais regras fossem empregadas indiscriminadamente, sem uma clara compreenso de sua convenincia, acuracidade ou correta aplicao. Em razo disso, o que se percebe, claramente, que tanto (i) a falta de normas que prescrevam uma determinada metodologia quanto (ii) a dificuldade na quantificao do erro associado s estimativas fazem com que sejam empregadas, na indstria, de uma maneira geral, as mais variadas abordagens com vistas a tentar determinar essa incerteza, razo pela qual se observa, ainda hoje, o emprego de critrios subjetivos sem embasamento terico suficiente. Como nenhum dos atuais cdigos de classificao so prescritivos com respeito aos mtodos utilizados para estimativas de recursos, ao longo do tempo vrias abordagens tm sido sugeridas. Os principais mtodos pelos quais os recursos minerais podem ser classificados durante um projeto de avaliao so freqentemente divididos em dois grupos: os critrios ditos tradicionais ou clssicos (continuidade geolgica, densidade amostral, interpolao versus extrapolao, teor de corte, tecnolgicos, qualidade dos dados, geomtricos, isolinhas, rea de influncia) e os critrios com abordagem geoestatstica (alcance do variograma, varincia de krigagem, ndice de confiabilidade de recursos, simulao condicional). Nesse sentido, esse trabalho se prope a desenvolver uma metodologia de anlise quantitativa e qualitativa de recursos minerais que possibilite a incorporao da incerteza s estimativas. Essa metodologia, obrigatoriamente, prev a implementao computacional das principais tcnicas ou mtodos empre-

gados pela indstria mineira para elaborao de inventrios e relatrios de recursos e reservas minerais. O objetivo permitir um claro e rpido estudo comparativo, em termos de recursos totais, das diversas classes usadas na classificao e do impacto da utilizao de cada tcnica no inventrio final de recursos. Ilustra-se a metodologia em um estudo de caso com um banco de dados tpico de um depsito de minrio de ferro. Demonstra-se, que, alm de a proposta ser apropriada, para abordar o problema da quantificao da incerteza, possibilitando sua utilizao pelos sistemas de classificao de recursos e reservas, ela permite observar, claramente, as limitaes de cada tcnica e de seus parmetros-chave. Comprova-se que os resultados variam entre os diversos mtodos em funo dos critrios adotados por cada usurio, ressaltando, assim, seu carter subjetivo. Da mesma forma, as ferramentas computacionais desenvolvidas permitiram a realizao de uma anlise de sensibilidade dos mtodos analisados e a confeco de diferentes cenrios, alm da verificao do impacto nos recursos quando cada um dos diferentes mtodos selecionado.

1. Introduo
O inventrio de recursos e reservas minerais hoje um parmetro-chave no conjunto de ativos de companhias de minerao, sendo que uma estimativa confivel crucial, tanto para estudos de viabilidade, quanto para a operao diria de uma mina. A definio das reservas de minrio, que tem por base os recursos minerais estimados aps a aplicao de uma srie de parmetros tcnicos e econmicos, depende de um conjunto de hipteses e/ou cenrios, que, obrigatoriamente, deveriam fazer referncia existncia de um nvel de erro potencial, alertando-se sobre eles. No entanto, raramente, limites de confiana so claramente definidos e, se eles o so, freqentemente no levam em considerao muitos dos fatores que provocam incerteza nos teores e nas tonelagens estimadas ou, ento, tais limites so baseados em mtodos puramente empricos. Apesar da crescente preocupao da indstria mineira com o estabelecimento de padres internacionais de estimativa e de classificao de recursos, nenhum dos principais sistemas de classificao empregados mostra, claramente, como o erro ou nvel de confiabilidade associado s estimativas poderia ser calculado (Dowd, 1999; Arik, 1999). A totalidade dos cdigos atualmente empregados para classificao de recursos envolve a interao de numerosos critrios qualitativos e quantitativos, tais como a qualidade dos dados e a conti526

2. Metodologia
Ao longo do tempo, vrias abordagens tm sido utilizadas com vistas a categorizar recursos e reservas minerais, sempre tentando responder a algumas questes fundamentais: qual a quantidade existente do bem mineral, qual o seu teor mdio e qual o grau de certeza associado com essas estimativas? Na prtica, enquanto as mdias e grandes empresas se utilizam de ferramentas modernas de engenharia econmica e geoestatstica, j buscando atender s normas internacionais, as pequenas empresas, mesmo perdendo em eficincia empresarial e acuracidade, ainda fazem uso dos mtodos tradicionais. No entanto, mesmo os mtodos geoestatsticos podem implicar a adoo de critrios subjetivos e ambguos e, conseqentemente, estarem sujeitos a diversas contestaes.

REM: R. Esc. Minas, Ouro Preto, 62(4): 525-532, out. dez. 2009

Luis Eduardo de Souza et al.

Os mtodos mais amplamente empregados pelas empresas do setor mineral, para classificao de seus recursos, de maneira geral, so: (a) a densidade amostral na vizinhana de cada bloco a ser estimado, (b) alcance do semivariograma ou distncia de correlao e (c) varincia de krigagem. O fato de consistir em uma escolha arbitrria dos parmetros-chave (por exemplo, a definio do nmero de amostras necessrias para enquadramento em uma dada categoria ou o percentual do alcance do variograma a ser empregado), impedimentos de carter prtico (a existncia de anisotropia zonal impede a utilizao de tcnicas baseadas no alcance do variograma, pois este s seria atingido no infinito, o que implica em que todos os blocos fossem classificados como recursos medidos) e problemas de embasamento terico (a varincia de krigagem no uma medida absoluta de erro, j que no considera no seu clculo os valores dos dados na vizinhana do bloco krigado), por si s, impedem, tanto o emprego irrestrito dos mtodos, como sua utilizao de maneira padronizada em um dado sistema de classificao. Nesse sentido, com o objetivo de desenvolver uma metodologia que permitisse a obteno de uma anlise quantitativa e qualitativa dos recursos minerais, incorporando a incerteza s estimativas, entendeu-se que era necessrio dispor de uma ferramenta que tornasse possvel a obteno de uma anlise de sensibilidade de cada um dos parmetros utilizados nas tcnicas atualmente empregadas, de maneira a aferir o impacto dos mesmos nos inventrios de recursos. Utilizando como plataforma a rotina de interpolao por krigagem kt3d do GSLIB - Geostatistical Software Library (Deutsch & Journel, 1998), foi desenvolvido um programa computacional (MineReC - Mineral Resources Classification). Nesse programa, distintas tcnicas de classificao dos recursos (tradicionais e/ou geoestatsticas) podem ser empregadas, permitindo seu enquadramento nas categorias medido, indicado e inferido.

Desenvolvido em duas linguagens de programao, a interface grfica do programa foi escrita em Visual Basic, apresentando menus e janelas de fcil utilizao, sendo bastante intuitiva. Todas as demais operaes foram escritas em linguagem Fortran 90, escolhida devido sua robustez e estabilidade quando se exigem uma alta performance de processamento e a possibilidade de alocao dinmica de memria, otimizando o trabalho com grandes matrizes. O programa fornece um avanado sistema de interpolao 3-D para pontos ou blocos, por krigagem simples, ordinria, com modelo de tendncia externa e, ainda, por krigagem ordinria convexa, que realiza a correo dos pesos negativos (Deutsch, 1996), exigncia para utilizao das varincias como medidas de incerteza e clculo do erro. A Figura 1 ilustra a janela-padro apresentada pelo programa com as opes implementadas para categorizao dos recursos minerais baseado em: (i) nmero de amostras na vizinhana do bloco a ser estimado, opo que pode ser utilizada independentemente ou associada utilizao de uma porcentagem do alcance do variograma ou distncia

de correlao, (ii) mtodos geomtricos, com a definio de raios de influncia ou por dilatao e eroso, com distncias de extrapolao definidas pelo usurio, (iii) clculo do erro da estimativa (David, 1977; Yamamoto, 1999; Souza, 2002), permitindo ao usurio optar entre a utilizao do desvio-padro de krigagem, de interpolao (Froidevaux, 1993; Yamamoto, 1999) ou combinado (Arik, 1999) e do nvel de confiana desejado, (iv) ngulo de regresso linear (Mwasinga, 2001).

3. Discusso de resultados
Cabe salientar, novamente, que a principal inteno, quando da concepo do programa, no foi fornecer um conjunto de parmetros, para cada metodologia implementada, que viesse a ser utilizado indistintamente pelo usurio, mas introduzir uma ferramenta que viesse atender a dois aspectos principais: (i) permitisse a realizao de uma anlise da sensibilidade de cada um dos parmetros utilizados e (ii) disponibilizasse uma maneira de efetuar um estudo

Figura 1 - Janela-padro para escolha do mtodo e definio dos parmetros para categorizao dos recursos.

REM: R. Esc. Minas, Ouro Preto, 62(4): 525-532, out. dez. 2009

527

Alternativas para classificao de recursos minerais - mtodos geoestatsticos tradicionais

comparativo entre as diferentes metodologias. Em um arquivo de sada tpico, cada bloco recebe um carimbo, correspondente categoria de recurso, para um dado mtodo de classificao. Com a utilizao de uma rotina de classificao, numa base bloco-a-bloco, h uma alta probabilidade de obteno de blocos de uma determinada categoria cercados por blocos pertencentes a diferentes classes, evidenciando uma textura salt and pepper nos mapas de classificao. Dessa forma, foi implementada uma rotina de ps-processamento que visa a corrigir esses problemas, tornando os cenrios de classificao mais coerentes e exeqveis em termos de lavra. Na metodologia idealizada, o ps-processamento conduzido comparando-se a classe de um bloco com a percentagem de blocos na sua vizinhana local. Se essa vizinhana apresentar, por exemplo, mais de 80% dos blocos em uma categoria distinta daquele bloco em anlise, o mesmo reclassificado de acordo com a classe dominante. Os efeitos da aplicao desse procedimento de ps-processamento foram, tambm, analisados e, para este estudo de caso, a quantidade de blocos reclassificados foi considerada irrelevante em relao ao cenrio total de recursos, sendo que menos de 1% dos blocos originalmente classificados como medidos foram alterados.

Quando foi empregado o mtodo de classificao, apenas o nmero de amostras utilizadas foi estimado para cada bloco. Esse mesmo critrio foi aplicado em conjunto com uma reduo da vizinhana de busca, ou seja, para ser classificado em uma determinada classe, o bloco precisa de ter aquele nmero de amostras definidas pelo usurio em at 70% da distncia de alcance do variograma. No eixo horizontal, so apresentados os nmeros mnimos de amostras para incluir um bloco em cada classe, isto , 3 x 2 x 1 significa ao menos 3 amostras classificado como medido, ao menos 2 o bloco classificado como para indicado e ao menos uma o bloco classificado

como inferido. Como o nmero mnimo de amostras, para a categoria de recursos, aumenta, a quantidade de blocos satisfazendo as restries reduz, fazendo com que os blocos migrem de categorias. Isto explica a reduo de recursos medidos a o incremento de indicados e inferidos com o aumento do nmero mnimo de amostras. O exemplo corrobora o que j era esperado, ou seja, com a imposio de um incremento no nmero mnimo de amostras necessrias, h um decrscimo de blocos classificados nas categorias de recursos e um aumento de blocos no classificados, por no atenderem

(a)

(b)

Nmero de amostras
Nesse mtodo, os blocos so classificados em funo de um nmero mnimo de amostras encontradas em um volume de busca. Geralmente, o volume de busca definido como uma percentagem do alcance do variograma, uma vez que esses alcances indicam as distncias onde os dados exibem correlao espacial. Na Figura 2, so ilustrados os resultados em termos de nmero de blocos classificados em cada categoria de recurso (medido, indicado e inferido).
528
Figura 2 - Comparao em termos de classificao de recursos utilizando o critrio baseado apenas (a) no nmero mnimo de amostras para estimar um dado bloco e (b) no nmero mnimo de amostras em uma distncia mxima de 70% do alcance do variograma.

REM: R. Esc. Minas, Ouro Preto, 62(4): 525-532, out. dez. 2009

Luis Eduardo de Souza et al.

aos critrios estabelecidos. Intuitivamente, sabe-se que, quanto mais rigoroso o critrio, demandando um nmero maior de amostras, menor ser o erro associado com as estimativas. No entanto, no h condies de se saber qual o nvel de erro praticado. Da mesma forma, um excesso de rigorismo para obter um erro baixo certamente pode ser perigoso, na medida em que acarretar uma perda acentuada de recursos.

(a)

Erro-padro da estimativa
A krigagem ordinria (KO) , provavelmente, a tcnica geoestatstica mais amplamente empregada para estimativas de recursos minerais, tanto devido ao seu carter robusto, quanto s suas caractersticas relacionadas com a quantificao da incerteza pela varincia de krigagem (Matheron, 1963; David, 1977; Journel, 1983; Isaaks & Srivastava, 1989). No entanto, a varincia de krigagem sempre recebeu vrias crticas pelo fato de no reconhecer a variabilidade local dos dados, um importante aspecto quando depsitos minerais heterogneos com reas de altos e baixos valores esto sendo avaliados. Como a varincia obtida pela krigagem ordinria mede apenas a configurao espacial dos dados vizinhos, essa medida para incerteza no deveria ser utilizada para classificar blocos estimados. Assim, alternativas varincia de krigagem tm sido propostas e, nesse trabalho, duas abordagens distintas, para o clculo da varincia da estimativa, a partir dos pesos da krigagem ordinria, so utilizadas: (i) a varincia de interpolao (Yamamoto, 1999) e (ii) a varincia combinada (Arik, 1999). Assim, pode-se calcular o erro-padro com base em cada uma das varincias alternativas, assumindo-se um intervalo de confiana de 95% e uma distribuio Gaussiana dos erros (David, 1977). Na Figura 3, os blocos foram categorizados em funo das faixas de erro estabelecidas: entre 0 e 5% o bloco foi classificado como medido, entre 5 e 10% o bloco foi classificado como indicado e maior que 10%, o bloco foi classificado como inferido.

(b)

(c)

Figura 3 - Categorias de recursos para o nvel 970 m, baseado no erro-padro calculado a partir da (a) varincia de krigagem, (b) varincia de interpolao e (c) varincia combinada, sendo 1: blocos medidos, 2: indicados e 3: inferidos.

REM: R. Esc. Minas, Ouro Preto, 62(4): 525-532, out. dez. 2009

529

Alternativas para classificao de recursos minerais - mtodos geoestatsticos tradicionais

Percebe-se que cada tipo de varincia leva a diferentes cenrios de variabilidade, que reflete nos erros calculados e, portanto, na categoria dos blocos. Como, nesse estudo de caso, a varivel analisada apresentava uma baixa variabilidade dentro do domnio geolgico estudado, as mudanas na variabilidade local no afetaram, significativamente, o nmero de blocos em cada categoria com a mudana de abordagem.

Limites geomtricos ou rea de influncia

Os mtodos includos nesse grupo so ainda largamente utilizados na indstria mineira, justificando sua anlise e implementao. Duas variantes foram investigadas: (i) rea de influncia e (ii) dilatao-eroso. No entanto, na medida em que esses mtodos no fornecem uma medida direta da incerteza, como sugerido pelos principais cdigos de classificao, h um tendncia em se evitar sua utilizao. No primeiro mtodo, adota-se uma rea de influncia subjetiva (distncia) em torno dos furos de sondagem como critrio para discriminao entre recursos. De acordo com a distribuio espacial dos dados (distncia mdia entre os dados amostrais disponveis e distncia mxima de extrapolao), tenta-se interpretar, empiricamente, a continuidade geolgica. J o mtodo de dilatao-eroso, bastante empregado em minas de ferro no Brasil (Guimares et. al, 2004) seria um tipo de anlise de morfologia matemtica capaz de distinguir entre zonas de interpolao e extrapolao, assumindo, com base em evidncia geolgicas, que uma determinada malha de sondagem (geralmente 100 x 100 metros) apropriada para delinear com alto grau de confiana os corpos de minrio de ferro.

Na Figura 4, apresentada uma seo horizontal das categorias de recursos no nvel 970 m, definidas em funo das reas de influncia. As distncias selecionadas na definio das classes ao redor de cada furo de sonda foram de 75 m para medido, 125 para indicado e 150 para inferido.

Anlise combinatria dos mtodos de classificao

Conforme apresentado nas sees anteriores, cada uma das metodologias analisadas categoriza os blocos em classes de recursos utilizando diferentes abordagens, cada uma, no entanto, tentando acessar a incerteza associada com as estimativas. Percebe-se que, enquanto os mtodos baseados em abordagens geoestatstica tentam utilizar uma medida numrica para a incerteza, os mtodos tradicionais utilizam uma incerteza subjetiva normalmente associada com a densidade amostral. A partir de cada cenrio de recursos individual, obtido pelas metodologias testadas, optou-se por verificar como cada bloco seria classificado utilizando diversos mtodos de classificao diferentes simultaneamente, ou, mesmo, alterando os parmetros-chave que controlam cada mtodo. O mtodo

ngulo de regresso linear

O ngulo de regresso linear foi, originalmente, concebido como um teste para avaliar a qualidade das estimativas e consiste no clculo dos principais parmetros da regresso entre os valores estimados (Zv*) e reais (Zv) para cada bloco, assumindo-se as hipteses de que (i) o variograma seja vlido e que (ii) a regresso seja linear. Como os valores reais so desconhecidos, o ngulo de regresso linear obtido utilizandose as covarincias entre as amostras utilizadas para estimar um dado bloco e aquele bloco, sendo que as estimativas seriam mais prximas da realidade (menor o erro) quanto mais prximo de 1 fosse o valor de . Como foi previamente ressaltado, devido baixa variabilidade dos teores de minrio de ferro utilizados nesse estudo de caso e substancial quantidade de dados disponveis no depsito, a maioria dos valores calculados de ficaram prximos de 1. A Tabela 1 apresenta o nmero de blocos classificados em cada intervalo de valores de . O esquema de classificao adotado define como recurso medido os blocos onde 1, como recurso indicado os blocos do intervalo 1 > 2 e, como inferidos, os blocos com < 2. De acordo com a Tabela 1, h uma variao no nmero de blocos em cada categoria de adotado, com um aumento de blocos nas categorias de recursos indicado e inferido e um decrscimo de recursos medidos com o incremento de . O mtodo leva a resultados lgicos de que apenas blocos com alto grau de reconciliao (ngulo de regresso prximo de 1) so elegveis para a categoria de recursos medidos.
530

Tabela 1 - Nmero de blocos classificados em cada intervalo de valores de .

REM: R. Esc. Minas, Ouro Preto, 62(4): 525-532, out. dez. 2009

Luis Eduardo de Souza et al.

consiste em verificar a freqncia que um dado bloco tem em pertencer a uma categoria de recursos. Assim, um bloco com uma alta probabilidade de pertencer a uma dada categoria, mesmo aps a aplicao de mltiplos mtodos e/ou com variaes internas de seus parmetros de controle, garantiria uma razovel robustez em sua categorizao. Para ilustrar essa metodologia, 32 cenrios foram testados, envolvendo diferentes mtodos de categorizao de recursos e reservas e vrias escolhas de parmetros de cada mtodo. Escolhido um bloco ao acaso para exemplo, constata-se que o mesmo possui uma probabilidade de 84% (27 de 32 possibilidades) de ser atribudo categoria de recursos medidos. Assim, independentemente do tipo de abordagem escolhida como critrio de classificao, esse bloco, provavelmente, acabaria sendo classificado como recurso medido. Em se extendendo o procedimento para todos os blocos do modelo, possvel obter-se, ento, um modelo de blocos com a distribuio de probabilidades dos blocos pertenceram categoria de recurso medido, contemplando-se o conjunto de 32 cenrios testados

Figura 4 - Seo horizontal do nvel 970 m das categorias de recursos em funo das reas de influncia, sendo 1: medido, 2: indicado e 3: inferido.

sua aplicao num depsito tpico de minrio de ferro, sendo que a maioria das metodologias utilizada rotineiramente pela indstria, justificando uma anlise dos resultados que cada mtodo disponibiliza. Todas as metodologias abordadas foram implementadas computacionalmente utilizando o MineReC e foram mostrados o impacto que cada parmetro de controle tem sobre os mtodos especficos e o impacto em se optar por um ou outro mtodo. Os mtodos de densidade amostral, apresentados aqui, tm um aspecto bastante curioso no que diz respeito prpria percepo da diferena entre erro e incerteza. Intuitivamente, sabe-se que, quanto mais forem aumentadas as exigncias em termos de nmero de amostras, para classificar um determinado bloco, menor ser o erro associado estimativa, no entanto continua-se sem nenhuma informao em qual patamar este erro estar flutuando. Da mesma forma, um excesso de rigorismo com o intuito de se obter um erro baixo certamente ser perigoso, podendo, inclusive, inviabilizar uma operao com a perda excessiva de recursos minerais, conforme observado nos resultados obtidos. Salientaram-se, nesse trabalho, os problemas de embasamento terico rela-

cionados com a utilizao da varincia de krigagem como uma medida de incerteza e foram apresentadas duas alternativas que se propem corrigir essas deficincias. Os resultados apresentados mostram que pode haver um impacto considervel no inventrio de recursos quando cada uma das opes utilizada. Entende-se, que, tanto os mtodos geomtricos aqui apresentados, como o de ngulo de regresso linear, no fornecem, propriamente, medidas de incerteza, mas fornecem muito mais indicativos da distribuio espacial das amostras utilizadas para krigar um dado bloco. Dessa forma, tais mtodos no atendem as ltimas recomendaes dos cdigos internacionais para classificao de recursos e reservas. Como salientado anteriormente, no foi objetivo desse trabalho apontar a melhor ou pior tcnica, mas por meio dos resultados obtidos pode-se destacar dois aspectos principais: (i) o carter extremamente subjetivo da aplicao de determinadas metodologias, na medida em que pequenas alteraes nos parmetros podem impactar, significativamente, inventrio de recursos e (ii) a importncia de serem realizados testes e anlises de sensibilidade, tanto para definio dos parmetros, quanto para atestar os re531

4. Concluses
O inventrio de recursos e reservas minerais um parmetro-chave no conjunto de ativos de companhias de minerao, j que sua estimativa confivel crucial, tanto para estudos de viabilidade, quanto para a operao diria de uma mina. A definio das reservas de minrio, que tem por base os recursos minerais estimados aps a aplicao de uma srie de parmetros tcnicos e econmicos, depende de um conjunto de hipteses e/ou cenrios, que, obrigatoriamente, deveriam fazer referncia existncia de um nvel de erro potencial, alertando-se sobre eles. Esse estudo compara diferentes abordagens utilizadas para quantificao e classificao de recursos, ilustrando

REM: R. Esc. Minas, Ouro Preto, 62(4): 525-532, out. dez. 2009

Alternativas para classificao de recursos minerais - mtodos geoestatsticos tradicionais

sultados obtidos por diferentes mtodos de classificao.

5. Agradecimentos
Os autores gostariam de agradecer ao CNPq e Vale - Companhia Vale do Rio Doce pela cooperao e suporte para realizao deste estudo.

6. Referncias bibliogrficas
ARIK, A. An alternative approach to resource classification. In: INTERNATIONAL SYMPOSIUM ON COMPUTER APPLICATIONS IN THE MINERAL INDUSTRIES (APCOM99), 28. Proceedings... USA: Colorado School of Mines, Golden, 1999. p. 45-53. DAVID, M. Geostatistical ore reserve estimation. Developments in Geomathematics 2. Amsterdam: Elsevier Scientific Publishing Company, 1977. 364 p. DEUTSCH, C.V., JOURNEL, A.G. GSLIB: Geostatistical Software Library and

Users Guide. (2. ed.). New York: Oxford University Press, 1998. 369 p. 1998. DEUTSCH, C.V. Correcting for negative weights in ordinary kriging. Computers & Geosciences, v. 22, n.7, p. 765-773, 1996. DE-VITRY, C. Resource classification - a case study from the Joffre-Hosted iron ore of BHP Billitons Mount Whaleback operations. Mining Technology, Trans. Inst. Min. Metall., v. 112, p. A185-A196, 2003. DOWD, P.A. Reserves and resources - continuity and levels of confidence. In: INTERNATIONAL SYMPOSIUM ON COMPUTER APPLICATIONS IN THE MINERAL INDUSTRIES (APCOM99), 28. Proceedings... Colorado, USA: Colorado School of Mines, Golden, 1999. p.93-99. FROIDEVAUX, R. Constrained kriging as an estimator of local distribution functions. CAPASSO, V., GIRONE, G., POSA, D. (ed.). In: INTERNATIONAL WORKSHOP ON STATISTICS OF SPATIAL PROCESSES: THEORY AND APPLICATIONS. Proceedings... Bari, Italy, p. 106-118, 1993. ISAAKS, E.H., SRIVASTAVA, M.R. An introduction to applied geostatistics. New York: Oxford University Press, 1989. 561 p. JOURNEL, A.G. Non-parametric estimation of spatial distributions. Mathematical Geology, v. 15, n. 3, p. 445-468, 1983. MATHERON, G. Principles of geostatistics. Economic Geology, n. 58, p. 1246-1266, 1963. MWASINGA, P.P. Approaching resource classification: general practices and the integration. In: INTERNATIONAL SYMPOSIUM ON COMPUTER APPLICATIONS IN THE MINERAL INDUSTRIES (APCOM2001), 29. Proceedings... Beijing, China, 2001. p. 97-104. SOUZA, L.E. Estimativa de incertezas e sua aplicao na classificao de recursos minerais. Universidade Federal do Rio Grande do Sul: Programa de Ps-Graduao em Engenharia de Minas, Metalrgica e de Materiais (PPGEM), 2002. 171 p. (Dissertao de Mestrado). YAMAMOTO, J.K. Quantification of uncertainty in ore-reserve estimation: applications to chapada copper deposit, state of Gois, Brazil. Natural Resources Research, v. 8, n. 2, p. 153-163, 1999.

Artigo recebido em 11/11/2008 e aprovado em 21/05/2009.

A REM tem novo endereo:

FUNDAO GORCEIX - REM Rua Carlos Walter Marinho Campos, 57 Bairro: Vila Itacolomy 35400-000 - Ouro Preto - MG (31) 3551-4730 (31) 3559-7408

www.rem.com.br
532 REM: R. Esc. Minas, Ouro Preto, 62(4): 525-532, out. dez. 2009