Você está na página 1de 75

UNIVERSIDADE DE SO PAULO

INSTITUTO DE GEOCINCIAS

KRIGAGEM COM DERIVA EXTERNA APLICADA


AVALIAO DE RECURSOS MINERAIS DE
CALCRIO E DE MINRIO LATERTICO

Jorge Augusto Baslio Fernandes

Orientador: Prof. Dr. Marcelo Monteiro da Rocha

Dissertao de Mestrado

Programa de Ps-Graduao em Recursos Minerais e Hidrogeologia

So Paulo
2009

FOLHA DE APROVAO

KRIGAGEM COM DERIVA EXTERNA APLICADA AVALIAO


DE RECURSOS MINERAIS DE CALCRIO E DE MINRIO
LATERTICO

Jorge Augusto Baslio Fernandes

Dissertao apresentada ao Instituto de Geocincias


da Universidade de So Paulo para a obteno do
ttulo de Mestre
rea de concentrao: Recursos Minerais e Meio
Ambiente

COMISSO JULGADORA
Nome

Assinatura

Presidente: Prof. Dr. Marcelo Rocha

_______________

Examinadores: __________________

_______________

__________________

_______________

So Paulo
2009

AGRADECIMENTOS
Ao Prof. Dr. Marcelo Rocha orientador deste trabalho, pelos ensinamentos
em geoestatstica, pelas boas discusses e apoio na realizao de todas as
etapas desta dissertao.
Ao Instituto de Geocincias e comisso de ps-graduao pelo apoio e por
possibilitar a realizao deste trabalho concomitante com atividades profissionais
Ao Prof. Dr. Jorge Kazuo Yamamoto pelo apoio e pela cesso do uso do
software Geovisual que possibilitou importante aprendizado prtico.
Ao Prof. Dr. Teodoro Isnard coordenador do Programa de Ps-Graduao
em Recursos Minerais e Hidrogeologia pela orientao na fase inicial deste
trabalho.
empresa Votorantim Metais representada pelo Dir. Jones A. Belther e
Ger. Gel. Roney Sandrelli de Almeida que incentivaram e apoiaram a realizao
deste trabalho concomitantemente s minhas atividades na empresa.
empresa Petrus Consultoria Geolgica e seu presidente Gel. Silvio
Samir Saad que na fase inicial incentivou e apoiou este trabalho.
Ao Gel. Gabriel Silva Zorzi pela ajuda na montagem da dissertao.
Ana Paula Cabanal e Magali Poli Fernandes Rizzo da secretaria de psgraduao pelo auxlio e sempre pronto atendimento nas solicitaes.
Aos amigos Gel. Jos Antonio Lopes, Gel. Laercio Guedes Bertossi e
Eng. Bruno Yoshida Tomaselli pelas discusses sobre geologia, geoestatstica e
avaliao de recursos minerais.
Eliane pelo carinho e incentivo e tambm pacincia nas horas de
ausncia.
minha famlia pelo incentivo e apoio desde o incio.

Aos justos que encontrei pelo caminho

Resumo

Essa dissertao um trabalho na rea de geoestatstica aplicada


avaliao de recursos minerais. Esta aplicao pode ser considerada o passo
anterior avaliao das reservas minerais. Os conceitos bsicos so
fundamentados na geoestatstica atual, com amplo uso de recursos de
informtica.
O objetivo principal foi de testar a tcnica da krigagem com deriva externa
na avaliao de recursos minerais, principalmente no que tange o ganho de
resultado com a utilizao de mais de uma varivel, ou seja, verificar se o uso de
variveis auxiliares pode ser feito de maneira amigvel com bom custo/benefcio.
Foram escolhidos dois depsitos, com geologias distintas entre si, um
depsito de metal base com minrio saproltico e outro depsito de calcrio.
Em cada um foram selecionadas duas variveis, uma varivel principal e
outra secundria, no depsito latertico as variveis foram SiO2 e Fe e no depsito
de calcrio as variveis foram CaO e SiO2.
Foi elaborada a modelagem tridimensional dos depsitos no programa
Datamine. Os modelos foram transferidos para o programa Isatis e serviram como
base para a estimativa das variveis. Essa modelagem foi necessria para que se
pudesse dar aos blocos estimados a geometria do corpo do minrio.
A estimativa por krigagem com deriva externa foi comparada krigagem
ordinria, essa comparao serviu para mensurar as diferenas em relao a um
mtodo tradicional amplamente usado e divulgado com outro pouco utilizado, ou
mesmo difundido.
Os resultados mostraram pequenas diferenas entre os blocos estimados
por krigagem com deriva externa e por krigagem ordinria. Porm como na
minerao podem ocorrer situaes de sub-amostragem, por diversos fatores,
pode-se afirmar que a krigagem com deriva externa uma alternativa vlida, pois
demanda menos esforo na estimativa multivariada do que, por exemplo, a
cokrigagem ordinria.
Palavras-chave: Geoestatstica aplicada, avaliao de recursos minerais,
geoestatstica multivariada, krigagem com deriva externa, variograma de resduos

Abstract

This dissertation is a work on applied geostatistics to evaluation of


mineral resources. This application can be considered as the last step to such
the task. The basic concepts are based on current geostatistics, with extensive
use of informatics resources.
The first goal of this work was to test the technique named kriging with
external drift in the evaluation of mineral resources, concerning to the resulting
gain in the use of more than one variable, mainly whether the use of auxiliary
variables con be done in a friendly way.
Two deposits were chosen with different geology, a deposit of base metal
saprolitic ore and another deposit of limestone.
In each deposit two variables were selected, the principal and secondary
variable, at lateritic deposit variables were respectively SiO2 and Fe and at the
deposit of limestone were CaO and SiO2.
The

three-dimensional modeling of the deposits was made in the

software Datamine. The models were transferred to the software Isatis and
used as the base for interpolate variables. This model was necessary in the way
to print in the estimated blocks the geometry of the ore body.
Estimates by kriging with external drift was compared to ordinary kriging,
ones this comparison was done to measure the differences between a
traditional method widely used to another underutilized, or even non
widespread.
Results showed minor differences between the blocks estimated by bolth
methods. But as in mining sub-sampling can occur from several factors, one
can say that the kriging with external drift is a reliable alternative since it
requires less effort to perform multivariate estimation than those, for example, to
perform the ordinary cokriging.
Keywords: Applied geoestatistics, evaluation of mineral resources, multivariate
geostatistics, kriging with external drift, residuals variograms

ndice
Resumo
Abstract
ndice................................................................................................................................. i
ndice de figuras ............................................................................................................... ii
ndice de tabelas .............................................................................................................. iii
1. Introduo ..................................................................................................................1
2. Objetivos....................................................................................................................2
3. Justificativa ................................................................................................................2
4. Reviso Bibliogrfica .................................................................................................2
4.1
Anlise Estatstica.............................................................................................3
4.2
Anlise Geoestatstica .......................................................................................4
4.3
Fenmenos no estacionrios ...........................................................................6
4.4
Krigagem com modelo de deriva .....................................................................7
4.5
Krigagem com Deriva externa .........................................................................8
4.6
Modelagem geolgica 3D ................................................................................10
4.7
Regularizao de amostras.............................................................................11
4.8
Validao cruzada ..........................................................................................12
4.9
Clculo do resduo entre variveis primria e secundria............................12
5. Mtodos ...................................................................................................................14
6. Geologia dos depsitos.............................................................................................15
6.1
Depsito de minrio latertico ........................................................................15
6.1.1 Geologia local ..............................................................................................15
6.2
Depsito de calcrio ........................................................................................17
6.2.1 Geologia local ..............................................................................................17
7. Anlise e discusso dos dados ..................................................................................19
7.1
Modelagem geolgica......................................................................................19
7.1.1 Modelo latertico .........................................................................................20
7.1.2 Modelo calcrio...........................................................................................21
7.2
Anlise estatstica ...........................................................................................23
7.2.1 Modelo latertico .........................................................................................23
7.2.2 Modelo calcrio...........................................................................................28
7.3
Anlise geoestatstica ......................................................................................32
7.3.1 Modelo latertico .........................................................................................32
7.3.2 Modelo calcrio...........................................................................................48
8. Concluses ...............................................................................................................63
9. Referncias Bibliogrficas........................................................................................65

ndice de figuras
FIGURA 1. VARIOGRAMA EXEMPLIFICANDO A VARINCIA NO ESTABILIZADA, TPICO DE FENMENOS NO
ESTACIONRIOS. ...................................................................................................................................... 6
FIGURA 2. VARIOGRAMA EXEMPLIFICANDO A VARINCIA ESTABILIZADA, TPICO DE FENMENOS
ESTACIONRIOS. ...................................................................................................................................... 7
FIGURA 3 - SEO ESQUEMTICA DO COMPLEXO ULTRAMFICO. ................................................................. 16
FIGURA 4 PROJEO EM ESTEREOGRAMA DAS ESTRUTURAS DE ACAMAMENTO. ...................................... 16
FIGURA 5. VISTA EM PERSPECTIVA DOS FUROS DO DEPSITO DE NQUEL LATERTICO, OS FUROS SO
POUCO PROFUNDOS COM NO MXIMO 50M DE PROFUNDIDADE. .......................................................... 17
FIGURA 6. FUROS DO DEPSITO DE CALCRIO COM LITOLOGIA BSICA, AO FUNDO CORPO DE CALCRIO EM
AZUL, CALCRIO ALTERADO EM MAGENTA, GRANITO EM VERMELHO E FLUORITITO EM LARANJA, PERFIL
DE MODELO GEOLGICO. ....................................................................................................................... 18
FIGURA 7. FUROS DO DEPSITO DE CALCRIO, EM CONFIGURAO FINAL DE LAVRA.................................. 19
FIGURA 8 SLIDOS DA ZONA MINERALIZADA CONSTRUDOS A PARTIR DAS SEES VERTICAIS,
MOSTRANDO EM VERDE AS ZONAS DE SIO2 MAIOR QUE FE E EM AMARELO, ZONAS DE SIO2 MENOR
QUE FE. .................................................................................................................................................. 20
FIGURA 9 MODELO DE BLOCOS CONSTRUDO A PARTIR DOS SLIDOS 3D, TRECHOS DO MINRIO EM
AMARELO E VERDE. ................................................................................................................................ 21
FIGURA 10 MODELO DE BLOCOS REGULARIZADO EM 10X25X3M, APENAS LITOLOGIA MINRIO................ 21
FIGURA 11 SUPERFCIES EM 3D CONSTRUDAS A PARTIR DAS SEES VERTICAIS. .................................. 22
FIGURA 12 MODELO DE BLOCOS, SUB-BLOCADO, CONSTRUDO A PARTIR DAS SUPERFCIES EM 3D. ....... 22
FIGURA 13 MODELO DE BLOCOS REGULARIZADO EM 50X50X3M, APENAS LITOLOGIA MINRIO................ 23
FIGURA 14 HISTOGRAMA DAS ESPESSURAS DAS AMOSTRAS ANTES DE REGULARIZAR. ............................ 24
FIGURA 15 HISTOGRAMA DAS ESPESSURAS DAS AMOSTRAS APS A REGULARIZAO EM 1M. ................ 25
FIGURA 16 HISTOGRAMA DA VARIVEL SIO2 APS REGULARIZAO EM 1M. ............................................. 26
FIGURA 17 HISTOGRAMA DA VARIVEL FE APS REGULARIZAO EM 1M. ................................................ 26
FIGURA 18 MAPA BASE DA DISTRIBUIO NO PLANO DAS AMOSTRAS DAS VARIVEIS SIO2 E FE,
MOSTRANDO A HETEROTOPIA ENTRE AS VARIVEIS. ............................................................................ 27
FIGURA 19 DISPERSO ENTRE SIO2 E FE, MOSTRANDO BOA CORRELAO ENTRE AS VARIVEIS,
CORRELAO NEGATIVA DE -0.75. ........................................................................................................ 27
FIGURA 20 HISTOGRAMA DAS ESPESSURAS DAS AMOSTRAS ANTES DE REGULARIZAR. ............................ 28
FIGURA 21 HISTOGRAMA DAS ESPESSURAS DAS AMOSTRAS APS A REGULARIZAO EM 3M. ................ 29
FIGURA 22 HISTOGRAMA DA VARIVEL CAO APS REGULARIZAO EM 3M. ............................................ 30
FIGURA 23 HISTOGRAMA DA VARIVEL SIO2 APS REGULARIZAO EM 3M. ............................................ 30
FIGURA 24 MAPA BASE DA DISTRIBUIO NO PLANO DAS AMOSTRAS DAS VARIVEIS CAO E SIO2. ......... 31
FIGURA 25 DIAGRAMA DE DISPERSO ENTRE CAO E SIO2, MOSTRANDO EXCELENTE CORRELAO ENTRE
AS VARIVEIS. ........................................................................................................................................ 31
FIGURA 26 MAPA VARIOGRFICO DA VARIVEL SIO2, MOSTRANDO MELHOR CONTINUIDADE EM N15. ... 33
FIGURA 27 MAPA VARIOGRFICO DA VARIVEL FE, MOSTRANDO MELHOR CONTINUIDADE EM N15. ....... 34
FIGURA 28 VARIOGRAMA EXPERIMENTAL E RESPECTIVO MODELO TERICO, AJUSTADO PARA A VARIVEL
SIO2. ...................................................................................................................................................... 36
FIGURA 29 VARIOGRAMA EXPERIMENTAL E RESPECTIVO MODELO TERICO, AJUSTADO PARA A VARIVEL
FE........................................................................................................................................................... 37
FIGURA 30 VARIOGRAMA EXPERIMENTAL E RESPECTIVO MODELO TERICO, AJUSTADO PARA O RESDUO
ENTRE A SIO2 E O FE............................................................................................................................. 37
FIGURA 31 GRFICO DE VALIDAO CRUZADA DA KRIGAGEM COM DERIVA EXTERNA PARA A SIO2
USANDO FE COMO DERIVA EXTERNA. .................................................................................................... 38
FIGURA 32 HISTOGRAMA DOS TEORES DE SIO2 ESTIMADOS POR KRIGAGEM ORDINRIA. ....................... 41
FIGURA 33 HISTOGRAMA DOS TEORES DE SIO2 ESTIMADOS POR KRIGAGEM COM DERIVA EXTERNA. ..... 41
FIGURA 34 MODELO DE BLOCOS DO MINRIO (3D) COM OS TEORES ESTIMADOS POR KRIGAGEM COM
DERIVA EXTERNA, LEGENDA NO TOPO. ................................................................................................. 43
FIGURA 35 MODELO DE BLOCOS DO MINRIO (3D) COM OS TEORES ESTIMADOS POR KRIGAGEM
ORDINRIA, LEGENDA NO TOPO. ........................................................................................................... 43
FIGURA 36 GRFICO MOSTRANDO CURVAS TEOR X TONELAGEM PARA O MODELO ESTIMADO POR
KRIGAGEM COM DERIVA EXTERNA, VARIVEL SIO2. .............................................................................. 44
FIGURA 37 PERFIL NA DIREO LESTE COM PONTOS DE MDIAS DA KRIGAGEM COM DERIVA EXTERNA E
KRIGAGEM ORDINRIA, CALCULADAS A CADA 100M. ............................................................................ 46
FIGURA 38 PERFIL NA DIREO NORTE COM PONTOS DE MDIAS DA KRIGAGEM COM DERIVA EXTERNA E
KRIGAGEM ORDINRIA, CALCULADAS A CADA 100M. ............................................................................ 47

ii

FIGURA 39 PERFIL NA DIREO NORTE COM PONTOS DE MDIAS DA KRIGAGEM COM DERIVA EXTERNA E
KRIGAGEM ORDINRIA, CALCULADAS A CADA 10M. ............................................................................... 47
FIGURA 40 MAPA VARIOGRFICO DA VARIVEL CAO, MOSTRANDO MELHOR CONTINUIDADE EM N45. ... 49
FIGURA 41 MAPA VARIOGRFICO DA VARIVEL SIO2, MOSTRANDO MELHOR ESTRUTURAO EM N45. . 50
FIGURA 42 HISTOGRAMA DA VARIVEL RESDUO ENTRE A VARIVEL CAO E SIO2, MOSTRANDO
COMPORTAMENTO NORMALIZADO. ........................................................................................................ 52
FIGURA 43 VARIOGRAMA EXPERIMENTAL E RESPECTIVO MODELO, AJUSTADO PARA A VARIVEL CAO.... 53
FIGURA 44 VARIOGRAMA EXPERIMENTAL E RESPECTIVO, AJUSTADO PARA A VARIVEL SIO2. ................. 54
FIGURA 45 VARIOGRAMA EXPERIMENTAL E RESPECTIVO, AJUSTADO PARA O RESDUO ENTRE O CAO E A
SIO2. ...................................................................................................................................................... 54
FIGURA 46 GRFICO DE VALIDAO CRUZADA DA KRIGAGEM COM DERIVA EXTERNA PARA O CAO
USANDO SIO2 COMO DERIVA EXTERNA. ................................................................................................ 55
FIGURA 47 HISTOGRAMA DOS TEORES DE CAO ESTIMADOS POR KRIGAGEM ORDINRIA. ....................... 57
FIGURA 48 HISTOGRAMA DOS TEORES DE CAO ESTIMADOS POR KRIGAGEM COM DERIVA EXTERNA. ..... 58
FIGURA 49 MODELO DE BLOCOS (3D) COM OS TEORES ESTIMADOS (CAO) POR KRIGAGEM COM DERIVA
EXTERNA, MODELO SECCIONADO EM LESTE-OESTE.............................................................................. 59
FIGURA 50 MODELO DE BLOCOS (3D) COM OS TEORES (CAO) ESTIMADOS POR KRIGAGEM ORDINRIA,
MODELO SECCIONADO EM LESTE-OESTE. ............................................................................................. 59
FIGURA 51 GRFICO MOSTRANDO CURVAS TEOR X TONELAGEM PARA O MODELO ESTIMADO POR
KRIGAGEM COM DERIVA EXTERNA E KRIGAGEM ORDINRIA.................................................................. 60
FIGURA 52 PERFIL NA DIREO LESTE COM PONTOS DE MDIAS CALCULADAS A CADA 100M. ................. 62
FIGURA 53 PERFIL NA DIREO NORTE COM PONTOS DE MDIAS CALCULADAS A CADA 100M. ................ 62
FIGURA 54 PERFIL NA DIREO VERTICAL COM PONTOS DE MDIAS CALCULADAS A CADA 15M............... 63

ndice de tabelas
TABELA 01 ESTATSTICAS DAS AMOSTRAS ANTES DE REGULARIZAR. ........................................................ 25
TABELA 02 ESTATSTICAS APS A REGULARIZAO DAS AMOSTRAS EM 1M. ............................................ 25
TABELA 03 ESTATSTICAS DAS AMOSTRAS ANTES DE REGULARIZAR. ........................................................ 29
TABELA 04 ESTATSTICAS APS A REGULARIZAO DAS AMOSTRAS EM 3M. ............................................ 29
TABELA 05 TABELA COM OS PARMETROS PARA O CLCULO DOS MAPAS VARIOGRFICOS DE CADA
VARIVEL................................................................................................................................................ 32
TABELA 06 TABELA COM OS PARMETROS PARA O CLCULO DOS VARIOGRAMAS DE CADA VARIVEL. .... 35
TABELA 07 TABELA MOSTRANDO O PROCEDIMENTO PARA DETERMINAO DA MELHOR FUNO PARA O
CALCULO DO RESDUO ENTRE AS VARIVEIS SIO2 E FE....................................................................... 35
TABELA 08 VALORES DOS MODELOS TERICOS DE VARIOGRAMA AJUSTADOS PARA AS VARIVEIS FE,
SIO2 E RESDUO SIO2/FE..................................................................................................................... 36
TABELA 09 TABELA COM OS PARMETROS DE BUSCA DA KRIGAGEM ORDINRIA E KRIGAGEM COM DERIVA
EXTERNA PARA AS VARIVEIS SIO2 , FE E RESDUO SIO2/FE. ............................................................ 39
TABELA 10 TABELA COMPARANDO OS VALORES DO MODELO ESTIMADO POR KRIGAGEM COM DERIVA
EXTERNA (KDE_ SIO2) E KRIGAGEM ORDINRIA (K_ SIO2) COM AS AMOSTRAS DOS FUROS. ............ 40
TABELA 11 TABELA MOSTRANDO TONELAGEM ACUMULADA E MDIA DO TEOR DE SIO2 CORRESPONDENTE
PARA A ESTIMATIVA POR KRIGAGEM COM DERIVA EXTERNA E POR KRIGAGEM ORDINRIA E A
DIFERENA ENTRE AS DUAS. ................................................................................................................. 45
TABELA 12 TABELA COM OS PARMETROS PARA O CLCULO DOS MAPAS VARIOGRFICOS DE CADA
VARIVEL................................................................................................................................................ 48
TABELA 13 TABELA COM OS PARMETROS PARA O CLCULO DOS VARIOGRAMAS DE CADA VARIVEL. .... 51
TABELA 14 TABELA MOSTRANDO O PROCEDIMENTO PARA DETERMINAO DA MELHOR FUNO PARA O
CALCULO DO RESDUO ENTRE AS VARIVEIS SIO2 E CAO. .................................................................. 51
TABELA 15 TABELA COM OS VALORES DOS VARIOGRAMAS AJUSTADOS PARA AS VARIVEIS CAO, SIO2 E
RESDUO SIO2/CAO. ............................................................................................................................. 53
TABELA 16 TABELA COM OS PARMETROS DE BUSCA DA KRIGAGEM ORDINRIA E KRIGAGEM COM DERIVA
EXTERNA PARA AS VARIVEIS CAO, SIO2 E RESDUO CAO/SIO2. ..................................................... 56
TABELA 17 TABELA COMPARANDO OS RESULTADOS DO MODELO ESTIMADO POR KRIGAGEM COM DERIVA
EXTERNA (KDE_CAO) E KRIGAGEM ORDINRIA (K_CAO) COM AS AMOSTRAS DOS FUROS. .................. 56
TABELA 18 TABELA MOSTRANDO TONELAGEM ACUMULADA E MDIA DO TEOR DE CAO
CORRESPONDENTE. ............................................................................................................................... 61

iii

1. Introduo
A avaliao e classificao de recursos minerais uma rea chave na
anlise de projetos de minerao. A geoestatstica est inserida neste contexto
fornecendo meios para a estimativa de valores das variveis de interesse em
locais no amostrados do depsito.
Dentre as tcnicas geoestatsticas existem algumas que possibilitam o uso
simultneo de duas ou mais variveis, sempre uma tratada como varivel
principal e as demais como secundrias. Entre essas tcnicas multivariadas est
a krigagem com deriva externa, que foi utilizada nesta dissertao. Destaca-se
que alm desta existem outras, tais como a cokrigagem e cokrigagem colocalizada, ambas mais difundidas do que a primeira.
Como todas as tcnicas multivariadas, a krigagem com deriva externa
utiliza uma varivel auxiliar, que tenha boa correlao linear com a principal, para
estimar a varivel principal, porm existe a necessidade da multicolocalizao dos
dados.
Foram analisados dois depsitos diferentes com variveis apresentando
diferentes formas de distribuies estatsticas. Os dados tm heterotopia parcial,
e na amostragem os elementos alvo foram SiO2, Fe e CaO. No depsito de
calcrio a SiO2 apresenta distribuio assimtrica negativa e o CaO assimetria
positiva. No depsito latertico a SiO2 e o Fe apesar de serem assimtricos
aproximam-se de uma distribuio normal.
Como a componente de deriva externa na krigagem com deriva externa
precisa ser conhecida em todos os pontos a serem estimados e nos pontos
amostrais (colocalizao de dados), as variveis secundrias foram estimadas por
krigagem ordinria, antes da estimativa por krigagem com deriva externa da
varivel primria ser realizada.
Os dados utilizados nesta dissertao pertencem a duas empresas de
minerao que os cederam gentilmente, porm devido a um acordo de
confidencialidade a localizao e informaes detalhadas sobre gnese e
geologia dos depsitos no sero divulgadas.

2. Objetivos
O objetivo deste estudo analisar os resultados da krigagem com deriva
externa em variveis com diferentes tipos de medidas de forma e compar-las
com a krigagem ordinria buscando identificar e apontar eventuais vantagens
e/ou desvantagens de um mtodo em relao ao outro.
Para atingir os objetivos descritos, objetivos especficos devem ser
alcanados, dentre os quais se destacam:
- Comparar os resultados das estimativas, mdia, varincia, blocos
estimados, para cada tipo de assimetria e observar o comportamento dos
respectivos variogramas.
- Verificar se o mtodo multivariado utilizado apresenta qualquer vantagem
sobre a krigagem ordinria.
- Observar a validade da aplicao dos mtodos de estimativa adotados,
nos cenrios especficos utilizados.
3. Justificativa
A modelagem geolgica e a interpolao de teores so imprescindveis na
prospeco mineral e na rotina das minas. Seu estudo e aplicao utilizando
ferramentas de computao de ltima gerao ainda no so amplamente
difundidos ou usados em todo o pas.
A interpolao por mtodos multivariados aplicada a dados geolgicos
demanda tempo, trabalho e conhecimento, principalmente no que tange ao ajuste
de variogramas cruzados, deste modo, mtodos que demandem menos tempo e
com boa confiabilidade so preferveis em relao a outros mtodos que
despendam mais tempo e trabalho.

4. Reviso Bibliogrfica
A geoestatstica trata variveis regionalizadas, atravs de diversos
mtodos desenvolvidos ao longo dos anos, aplicados nos mais variados campos
do conhecimento, cada mtodo apresenta caractersticas especficas, indicadas a
problemas especficos.

4.1 Anlise Estatstica

Antes da anlise geoestatstica necessrio analisar a consistncia dos


dados esta pode ser realizada pela estatstica clssica. A partir da estatstica
possvel inferir caractersticas presentes nos dados, tais como: diferentes
populaes indicando litologias e/ou mineralizaes diferentes, definio de faixas
de teores ricos, alm da robustez do banco dados. Para Yamamoto, Bettencourt &
Montanheiro (2001), a anlise estatstica feita antes de uma avaliao de reservas
tem o objetivo de caracterizar e descrever estatisticamente as distribuies dos
dados para o melhor entendimento do comportamento das variveis de interesse
dentro do depsito.
Para atingir estes objetivos devem-se calcular as medidas de tendncia
central, que so a mdia, mediana e moda, e as medidas de disperso em torno
da mdia, que so a varincia, o desvio padro e o coeficiente de variao. Com
estas estatsticas pode-se avaliar os dados com consistncia.
A mdia amostral calculada como:

X=

1
xi
n i =1
A mediana a observao correspondente metade de uma populao.

Para um conjunto onde o nmero de observaes mpar, a mediana o prprio


valor central. Quando se tem nmero par por padro a mediana a mdia
aritmtica dos dois valores centrais. A mediana divide uma populao em duas
partes iguais.
A moda corresponde ao valor mdio da classe de valores de maior
freqncia na distribuio. Em algumas situaes em que o nmero de
observaes muito grande, conveniente definir moda como uma medida de
concentrao de dados, o que possibilita dizer que algumas variveis apresentam
um comportamento bi-modal, sem que as respectivas freqncias sejam iguais.
A varincia (S2) a medida de disperso mais utilizada na prtica e mede
quanto os valores de uma distribuio distam de sua mdia, sendo calculada
3

como:
S2 =

1 n
( X i X )2

n i =1

O desvio padro simplesmente a raiz quadrada da varincia e aplicado


por ser uma medida expressa na mesma unidade dos valores originais.

S = S2

com S sendo o desvio padro.


O coeficiente de variao (CV) obtido atravs da diviso do desvio
padro pela mdia, conforme:

CV =

S
X
Por ser uma medida adimensional, permite a comparao da disperso

relativa de variveis com diferentes distribuies, como por exemplo, para


comparao e classificao de depsitos minerais segundo sua variabilidade
natural (Yamamoto, Bettencourt & Montanheiro, 2001).

4.2 Anlise Geoestatstica

A geoestatstica foi desenvolvida inicialmente para resolver problemas de


minerao, nesta rea que se encontra mais difundida, apesar de cada vez
mais ser aplicada em outras reas do conhecimento, desde agricultura, meioambiente at cincias biomdicas.
Na minerao a geoestatstica visa soluo de problemas de estimativa
para recursos e reservas minerais, um mtodo probabilstico que utiliza a
posio espacial das observaes para estudar a variabilidade dos valores
amostrados, ou seja, trata-se de uma ferramenta que permite estimar a varivel
em locais no amostrados levando em conta o comportamento espacial do
fenmeno previamente amostrado.
Matheron (1965), descreve as variveis regionalizadas como possuindo as
mesmas caractersticas qualitativas do fenmeno que elas representam,
caracterstica que a estatstica convencional no capaz de exprimir. Ainda de
acordo com o mesmo autor, as variveis regionalizadas apresentam como
4

caractersticas: localizao, suporte, continuidade e anisotropia.


Uma varivel regionalizada apresenta distribuio espacial que varia com
continuidade aparente, mas estas variaes no so passveis de representao
por uma funo determinstica (Bubenicek & Haas, 1969).
Para descrever quantitativamente a varincia de qualquer fenmeno
regionalizado no espao utiliza-se a funo semivariograma (h) que metade
da funo variograma 2 (h) , no entanto na literatura os termos variograma e
semivariograma so tratados de maneira indistinta, sendo referida a funo (h)
como variograma, conforme.

( h) =

1 n
[Z ( x + h) Z ( x)]2
2n i =1

A funo variograma tambm pode ser expressa em termos de varincia


C (0) e covarincia C (h) entre pontos separados pela distncia h , conforme:

( h ) = C ( 0) C ( h )
A demonstrao da relao entre varincia espacial e covarincia espacial
pode ser vista em Yamamoto (2001).
O variograma a representao grfica da funo variograma, a partir dele
pode-se observar algumas propriedades que descrevem o comportamento das
variveis regionalizadas.
De acordo com Yamamoto (2001) o variograma possui as seguintes
propriedades:
Amplitude distncia at onde ocorre interdependncia das amostras.
Patamar valor mximo de varincia.
Efeito pepita descontinuidade prxima origem do variograma.
Varincia espacial diferena entre o patamar e o efeito pepita.
O variograma funo direcional, mas no vetorial, quando se escolhe
uma direo ela vale para os dois sentidos, o escolhido e o oposto, com limitao
lateral limitada pelos ngulos e distncias de abertura da busca, denominadas,
tolerncia angular e distncia mxima.
5

Para iniciar a anlise geoestatstica calculam-se variogramas experimentais


em diversas direes, este procedimento denominado anlise estrutural
(Huijbregts, 1975; Olea, 1991).
Ao variograma experimental ajustada uma funo matemtica prdefinida, esse procedimento conhecido como ajuste de modelos tericos de
variogramas e geralmente feito interativamente com o auxlio de programas de
computador.

4.3 Fenmenos no estacionrios


Fenmenos no estacionrios so fenmenos que no podem ser
representados por variogramas, com varincia finita, ou seja, quando calculado, o
variograma experimental no estabiliza no patamar e a varincia cresce
indefinidamente (Figura 1), na Figura 2 apresenta-se um variograma com
estacionaridade de segunda ordem.

varincia

Varincia no
estabilizada

distncia
Figura 1. Variograma exemplificando a varincia no estabilizada, tpico de
fenmenos no estacionrios.

Varincia
estabilizada

varincia

Patamar

distncia
Figura 2. Variograma exemplificando a varincia estabilizada, tpico de fenmenos
estacionrios.

De acordo com Soares (2000) nos fenmenos no estacionrios a varivel


a ser estimada no tem comportamento homogneo dentro da rea amostrada,
com os valores crescendo de um modo sistemtico em uma dada direo ou um
ponto com valores altos concentrados e valores baixos ao redor decrescendo de
forma radial.

4.4 Krigagem com modelo de deriva


Segundo Deutsch & Journel (1998) a krigagem com modelo de deriva foi
inicialmente definida como krigagem universal, neste caso tem-se de calcular
simultaneamente num ponto no amostrado os valores da deriva e do resduo. No
mtodo de krigagem universal a funo que descreve a deriva deve ser conhecida
a priori e representar, ou descrever, o fenmeno fsico. De outro modo,
necessrio inferir e assumir esta funo arbitrariamente o que torna o mtodo
inconveniente sempre que o fenmeno no conhecido.
A krigagem com deriva externa tambm requer modelo de deriva, mas
neste caso o mesmo deduzido a partir de uma funo linear da varivel auxiliar
que tem de ser conhecida em todos os pontos do espao, ou ao menos em todos
os pontos do espao que sero estimados.

4.5 Krigagem com Deriva externa


A krigagem com deriva externa aplicada no caso em que a varivel
principal apresenta relao de dependncia com a varivel auxiliar externa.
Este mtodo utiliza variveis auxiliares para estimar um modelo de
tendncia. Estas devem ser conhecidas em todo o domnio onde a varivel
principal ser estimada, ou seja, a(s) varivel(eis) auxiliar(es) deve(m) ser
multicolocalizada(s).
Segundo Deutsch & Journel (1998) a krigagem com deriva externa uma
extenso da krigagem de tendncia.
De acordo com Soares (2000) a krigagem com deriva externa pode ser
expressa de acordo com as funes:
Deriva entre a varivel principal e secundria.
m( x ) = a 0( x) + a1( x) y ( x)

Nesta funo os coeficientes a 0 e a1 so estimados junto Z ( x ) e a


deriva m( x 0) assume o valor da varivel Y ( x 0) . O estimador em x 0 calculado
utilizando as n amostras vizinhas, conforme:
n

[ZKDE ( x )] = KDE Z ( x )
0

=1

Com

KDE sendo o ponderador da krigagem e Z ( x ) a varivel a ser

estimada.
Ainda segundo Soares (2000), para que no exista enviezamento
necessrio assegurar que a diferena entre os valores reais e estimados seja
igual a zero:

{[

E Z * KDE ( x 0) Z ( x 0)} = 0
n
n
E KDE Z ( x ) Z ( x 0)} = KDE m( x ) m( x 0)
=1
=1
n

[a + a Y ( x )] [a + a Y ( x )] = 0

KDE

=1

Onde m( x 0) a deriva dos pontos estimados e m( x ) a deriva das


amostras.
De onde resulta uma condio de universalidade, para cada uma das P

variveis auxiliares da deriva externa, acrescentar-se primeira condio uma


segunda que a condio de universalidade da krigagem ordinria, atravs de:
N

KDE

Y ( x ) = Y ( x 0 )

=1

KDE

=1

=1

Com Y ( x 0) como a varivel secundria conhecida em todos os pontos.


Lus (2004) sugere, para compreender melhor a krigagem com deriva
externa, decompor a funo

Z (x) em uma soma de um valor mdio com um

resduo:
Z ( x) = m( x) + R( x) , onde R (x) tem mdia igual a zero e covarincia CR

A minimizao da varincia obtida pelo formalismo de Lagrange,


igualando a zero as (n + 1 + P) derivadas parciais de:

2
E{ [[R( x 0)] R( x 0)] + 2 0 KDE 1 + 21 KDE Y ( x ) Y ( x 0)

KDE
Os ponderadores i
so obtidos atravs de (n + 1 + P) equaes

lineares:
N
N KDE
CR ( x , x ) + 0 + KY ( x ) = CR ( x , x 0), = 1,..., N
k =1
N=1

KDE
= 1
N=1
KDEYp ( x ) = Yp ( x 0)

=1

com P=1,..., nmero de variveis auxiliares


Com CR sendo a covarincia do resduo.
Segundo Bourennane et al (2000) a krigagem com deriva externa mais
precisa que a regresso linear, e esta preciso diretamente proporcional ao
aumento do nmero de amostras usadas. E no caso de o variograma da varivel
de interesse ser efeito pepita puro a krigagem com deriva externa se torna
equivalente a regresso linear.

Snepvangers et al (2003) apontam a krigagem com deriva externa como


apresentando algumas vantagens sobre a krigagem ordinria no domnio espaotemporal, principalmente por ser possvel controlar o modelo de tendncia. Mas
relatam tambm vantagens da krigagem ordinria sobre a krigagem com deriva
externa principalmente no que tange a simplicidade.
Luis (2004) usou Krigagem com Deriva externa na estimativa de teores de
Au com informaes auxiliares como, litologias, associaes de litologias, teores
de Ag, classes de teores de Ag, entre outros, e concluiu que o uso dessas
informaes ajudou a melhorar a preciso das estimativas dos teores de Au.
Watanabe (2008) descreve os resultados obtidos com a krigagem com
deriva externa em relao correlao entre as variveis, e conclui que mesmo
quando a correlao baixa, os resultados no apresentam distores
significativas.
Rocha, Yamamoto & Fonteles (2009) compararam a krigagem com deriva
externa em relao cokrigagem ordinria na aplicao para clculo de nveis
potenciomtricos em aquferos, os autores consideraram os resultados da
krigagem com deriva externa superiores em relao aos resultados da
cokrigagem ordinria.

4.6 Modelagem geolgica 3D


Para representar o conjunto de dados dentro de uma fronteira convexa
como no caso de corpos geolgicos 3D, corpos de minrios ou rochas
encaixantes, necessrio desenhar superfcies que se aproximem ao mximo da
realidade apresentada pelos dados.
A geologia interpretada em sees, aps essas sees so ligadas as
sees anteriores criando um slido fechado em 3D, esse slido preenchido
com blocos para simular a geologia da rea. Cada bloco possui os atributos da
rocha que representa, como por exemplo, densidade, cdigo litolgico e
posteriormente recebe o teor estimado.
Essa parte da modelagem 3D em geologia sofreu diversos avanos nos
ltimos anos com softwares cada vez mais amigveis, mas o princpio utilizado
pela maioria continua o mesmo, usando, pontos, linhas e wireframes, esse

10

ltimo a representao por tringulos formados entre pontos e linhas.


O programa Datamine usado para a modelagem dos dados em 3D, usa
os slidos baseados em wireframes, que so construdos com base em linhas
(strings) e linhas guias (tag strings), desenhadas pelo gelogo durante a
interpretao das sees geolgicas e elaboradas a partir de furos de sonda e/ou
informaes de mapeamento de superfcie.
Os tringulos podem ser construdos por diversos mtodos de triangulao
como mtodo de superfcie mnima, mtodo equiangular e mtodo do
comprimento proporcional.
- Superfcie mnima: mtodo considerando a construo de tringulos com
a menor superfcie possvel.
- Equiangular: os tringulos so construdos como tringulos issceles,
indicado para superfcies complexas e com dobramentos.
- Comprimento proporcional: por este mtodo tenta-se manter as distncias
proporcionais entre os pontos que formaro os tringulos, indicado para triangular
superfcies contnuas, como depsitos homogneos.
4.7 Regularizao de amostras
De acordo com Yamamoto & Rocha (2001) a regularizao de amostras
importante para que se possa deixar todas as amostras com o mesmo suporte
para produzir dados homogneos e facilitar a interpretao, alm de adequar a
escala de amostragem a escala de trabalho de lavra.
Existem vrios mtodos de regularizao de furos, Yamamoto & Rocha
(2001) descrevem em detalhes dois destes mtodos, o pelo tamanho do banco de
lavra ou bancada e o pela faixa mineralizada ou zona mineralizada. O primeiro
caso considera a altura bancada de lavra e regulariza as amostras de acordo com
essa altura, se aplica mais para minerais industriais em cavas a cu aberto. O
segundo caso regulariza as amostras de acordo com a geometria do corpo
mineralizado, aplicado em minas subterrneas.
A regularizao de amostras consiste basicamente em calcular a mdia
ponderada do teor pelo comprimento, rea ou volume das amostras.

11

4.8 Validao cruzada


Segundo Davis (1987), a validao cruzada surgiu como uma adaptao
da tcnica da estatstica no paramtrica de validao cruzada de um conjunto de
dados. A validao retira um valor do conjunto de dados e estima-o com os
parmetros a serem usados na interpolao dos pontos no amostrados, ou seja
o modelo terico do variograma e as condies de vizinhana.
Aps a estimativa compara-se o valor real e o estimado, com essa anlise
possvel observar possveis vieses na estimativa.
Soares (2000), alerta para diversas limitaes dessa tcnica como:
- Falta de possibilidade de testar o efeito pepita, bastante sensvel ao efeito
proporcional, ocorrncia da suavizao da krigagem ordinria.
- Grande influncia dos parmetros escolhidos como distncias e mtodos
de busca, influncia de malha irregular, suscetvel presena de cluster.
- Deve ser considerada varincia homognea para todo o conjunto dos
dados.
Todos esses pontos mostram que mesmo com bons resultados uma
validao cruzada pode no mostrar os defeitos do modelo escolhido para estimar
o evento de interesse.

4.9 Clculo do resduo entre variveis primria e secundria


Para que se possa usar a Krigagem com Deriva externa necessrio
calcular o resduo entre as variveis primria e secundria, esse resduo
necessrio para a construo do variograma, usado na estimativa da varivel
principal.
De acordo com Bourennane (2003), a determinao da funo de resduo
pode ser feita selecionando os pontos da base de dados dentro de um raio de
busca predeterminado, usa-se esses pontos para testar polinmios de diversos
graus usando o erro dos mnimos quadrados. Pressupondo que a melhor funo
de resduo a que apresenta na mdia a menor varincia do erro, escolhe-se o
polinmio que resultem nestas caractersticas.
Segundo o mesmo autor um dos problemas nesse mtodo que este

12

suscetvel a outiliers, que produzem variaes que mascaram a diferena entre


os diferentes polinmios.
Outro critrio que pode ser usado a classificao dos vrios erros dos
mnimos quadrados dos diversos polinmios. A primeira categoria atribuda ao
menor erro, e se faz a classificao como um rank, assim no final em mdia se
ter a menor mdia de classificao correspondente a um grau timo de deriva.
No software Isatis o mtodo utilizado para a determinao do resduo
semelhante ao usado para a validao cruzada, e feita de acordo com os
passos abaixo (Geovariances, 2009):
(1) seleo de um dado nmero N de tentativas de deriva;
(2) definio de vizinhana;
(3) seleo de um ponto de amostra (centro) do valor Z;
(4) determinao dos vizinhos correspondente amostra selecionada;
(5) o ponto selecionado retirado das amostras e seu valor Z * estimado a
partir de um modelo que corresponde a um efeito pepita puro;
(6) para cada ensaio de deriva, o erro experimental Z-Z * calculado. N erros
experimentais so assim produzidos, que so classificados de acordo com seus
valores (do menor ao maior).
Os passos 3 a 6 so repetidos para todos os pontos da amostra. Para cada
ensaio so exibidos, o valor mdio da classificao, o valor mdio do erro
experimental (mdia de erro), e da varincia do erro experimental (varincia do
erro).
O nmero de amostras selecionadas na vizinhana de busca subdividido
em dois anis para o processamento e reconhecimento da covarincia. Em
seguida, cada ponto de um dos dois anis, em comparao com todos os pontos
do outro anel, constituir uma realizao. A mdia do erro do anel externo, em
detrimento da mdia do erro do anel interno, usada para definir o melhor
polinmio, quanto menor melhor.

13

A sintaxe para os polinmios disponveis no software Isatis para testar :


1 corresponde condio de universalidade;
x o desvio monomial que corresponde primeira coordenada;
y o desvio monomial que corresponde segunda coordenada;
z o desvio monomial que corresponde terceira coordenada;
f1, ... f10 representam o padro para as diferentes funes deriva
externa.
1, x, y correspondem a uma deriva linear;
1, x, y, x2, XY, y2 para um desvio quadrtico;
1, f1 para uma deriva externa nica;
1, x, y, f1 para uma deriva externa combinada com um plano linear.
Na etapa de identificao covarincia para cada combinao, realizado
um teste "Jackknife", resultando na razo entre a varincia experimental e uma
terica. Na tcnica Jackknife, cada medida formada retirando-se a amostra do
ponto estimado, onde cada ponto estimado visto como uma varivel aleatria
independente e identicamente distribuda, levando-se a um estimador muito
simples de varincia.

5. Mtodos
Os modelos geolgicos foram feitos em Datamine e a anlise
geoestatstica no Isatis.
Os dados foram baseados em informaes de mapeamento geolgico de
superfcie e descrio litolgico-estrutural de furos de sonda com as respectivas
anlises qumicas para os elementos de interesse econmico. Tais dados foram
utilizados na elaborao de um modelo geolgico 3D, depois de regularizados
serviram como base para os estudos geoestatsticos.
O modelo de blocos em 3D foi criado com base em slidos e superfcies 3D
que representam a geologia ou a caracterstica geolgica desejada na
representao do modelo. Esses blocos possuem dimenso compatvel com a
malha de amostragem e com a geologia local.
Na anlise estatstica foram calculadas estatsticas clssicas. Na anlise
geoestatstica fez-se o clculo dos variogramas para cada varivel, alm dos

14

variogramas dos resduos entre as variveis dependentes e independentes. De


acordo com o recomendado em Yamamoto (2001) aos variogramas foram
ajustados modelos tericos de variogramas. Com as informaes dos modelos,
cada bloco definido dentro do modelo tridimensional foi estimado por krigagem
ordinria e por krigagem com a deriva externa. Para obter a multicolocalizao da
varivel secundria foi feita a Krigagem Ordinria.

6. Geologia dos depsitos


Nas reas alvos j so operadas minas, as nomenclaturas e divises
litolgicas utilizadas atendem basicamente s necessidades da operao de
planejamento e lavra. A descrio da geologia de cada depsito suficiente para
suportar

os

estudos

geoestatsticos

realizados

dado

acordo

de

confidencialidade firmado. Todas as informaes relacionadas geologia das


reas foram repassadas pelos tcnicos das mineraes.

6.1 Depsito de minrio latertico


6.1.1

Geologia local
O primeiro depsito de Ni latertico, as variveis SiO2 e Fe foram

escolhidas por serem importantes parmetros no beneficiamento. Outro motivo


que justifica esta escolha so as distribuies de freqncia apresentadas por
estas variveis.
Na sequncia inferior do complexo ultramfico foram diferenciados os
seguintes

litotipos:

Gabro

basal,

dunito

macio,

piroxenito,

dunitos

interacamadados, piroxenitos interacamadados e gabro superior.


O complexo ultramfico representado pela variao cclica de unidades
ultramficas na base at gabro no topo. Ocorrem de quatro a cinco ciclos
principais, decamtricos a hectamtricos, de camadas de Dunito (harzburgito)
Piroxenito Gabro (Figura 3).

15

Figura 3 - Seo esquemtica do complexo ultramfico.

Existem na rea dois tipos de minrio, silicatado e oxidado, o minrio


silicatado origina-se do piroxenito enquanto o oxidado do dunito, como todo
depsito latertico, apresenta grande variabilidade com influncia das estruturas e
do perfil de intemperismo.
O complexo apresenta acamamento S0 na direo N1015E e mergulho
que varia entre 3050 NW (Figura 4).

Figura 4 Projeo em estereograma das estruturas de acamamento.

16

Os dados do depsito latertico englobam zonas oxidadas e silicatadas.


Essa zonas apresentam variaes de SiO2 e Fe, com trechos onde a SiO2 baixa
e o Fe alto, tambm ocorre transio para zonas onde a SiO2 alta e o Fe
baixo. Os trechos de modelo selecionados para a estimativa so trechos
mineralizados.
Foi escolhida apenas parte da rea de lavra, com aproximadamente 1085
furos (Figura 5), a profundidade mdia dos furos de apenas 20 metros.

Figura 5. Vista em perspectiva dos furos do depsito de nquel latertico, os furos so


pouco profundos com no mximo 50m de profundidade.

6.2 Depsito de calcrio


6.2.1

Geologia local
O depsito de calcrio estudado formado por rochas metassedimentares,

alternando metacalcrios calcticos, dolomticos e rochas calciossilicatadas com


teores de SiO2 tanto elevados quanto baixos.
Na rea ocorrem, dobras, falhas e fraturas, o acamamento S0 tem atitude
aproximada de N45 e mergulho aproximado de 40. O corpo de calcrio calctico

17

predomina na rea central dobrada, com o calcrio dolomtico e o calcrio


silicatado nas bordas, lateralmente os corpos de metacalcrios so limitados por
um granito (Figura 6).

Figura 6. Furos do depsito de calcrio com litologia bsica, ao fundo corpo de calcrio
em azul, calcrio alterado em magenta, granito em vermelho e fluoritito em laranja,
perfil de modelo geolgico.

A SiO2 tem alta correlao negativa com o CaO, e reflete diretamente a


variao litolgica.
Foi escolhida toda a rea da lavra com aproximadamente 115 furos (Figura
7), a profundidade mdia dos furos de aproximadamente 200 metros. Apenas os
trechos do modelo de blocos com minrio foram utilizados para estimativa.

18

Figura 7. Furos do depsito de calcrio, em configurao final de lavra.

7. Anlise e discusso dos dados


Para iniciar a anlise geoestatstica necessrio construir um modelo de
blocos em 3D para que cada bloco possa receber o valor krigado.
O software Datamine trabalha com sub-blocos para honrar os contatos
geolgicos de forma precisa, mas o software Isatis trabalha melhor com blocos
de tamanho nico, ento aps a construo os blocos foram regularizados em
tamanho padro e importados para o software Isatis, onde foi realizado o
restante da anlise geoestatstica.

7.1 Modelagem geolgica


Os modelos foram construdos a partir da descrio geolgica dos furos
assim como nas anlises qumicas das amostras, nos casos onde havia
discrepncia entre as descries e as anlises qumicas a informao qumica
recebeu maior importncia por ser considerada mais confivel.

19

7.1.1

Modelo latertico
O modelo latertico foi construdo a partir de sees verticais, baseadas nas

informaes das anlises qumicas e descrio litolgica feita nos furos.


Com as sees verticais foram construdos slidos 3D (Figura 8), esses
slidos foram preenchidos com blocos, de dimenses em 10m na direo X, 25m
na direo Y e 3m na direo Z (Figura 9). O comprimento em Z foi escolhido por
ser a altura de cada avano de desmonte.
Os modelos de blocos construdos foram feitos com sub-blocos, para a
importao para o Isatis foi necessrio a regularizao em blocos iguais (Figura
10).

Figura 8 Slidos da zona mineralizada construdos a partir das sees verticais,


mostrando em verde as zonas de SiO2 maior que Fe e em amarelo, zonas de SiO2
menor que Fe.

20

Figura 9 Modelo de blocos construdo a partir dos slidos 3D, trechos do minrio em
amarelo e verde.

Figura 10 Modelo de blocos regularizado em 10x25x3m, apenas litologia minrio.

7.1.2

Modelo calcrio
O modelo de calcrio tambm foi construdo a partir de sees verticais,

baseadas nas informaes de anlises qumicas e descrio litolgica feita nos


furos.
Com as sees verticais foram construdas por triangulao, superfcies em
3D (Figura 11), esses slidos foram preenchidos com blocos de dimenses em

21

50m na direo X, 50m na direo Y e 3m na direo Z (Figura 12).


Os modelos de blocos construdos foram feitos com sub-blocos, para a
importao para o Isatis foi necessrio a regularizao em blocos iguais (Figura
13).

Figura 11 Superfcies em 3D construdas a partir das sees verticais.

Figura 12 Modelo de blocos, sub-blocado, construdo a partir das superfcies em 3D.

22

Figura 13 Modelo de blocos regularizado em 50x50x3m, apenas litologia minrio.

7.2 Anlise estatstica


Foi feita anlise estatstica bsica para os dois modelos, com os furos
originais e os furos com as amostras regularizadas, para efeitos de comparao.
Esse passo importante, pois faz parte do processo de validao dos dados,
qualquer inconsistncia ou problema pode ser detectado nesta fase.

7.2.1

Modelo latertico
Os furos inicialmente tiveram as amostras regularizadas em comprimento

de 1m, o comprimento modal das amostras enviadas ao laboratrio e a altura


mnima da bancada de lavra.
Foram feitos histogramas para visualizar a distribuio dos comprimentos
das amostras (Figuras 14 e 15) e das variveis (Figuras 16 e 17). Tambm foi
feita a estatstica bsica para as variveis antes e depois da regularizao, os
resultados apontam consistncia entre as duas bases de dados, pois se verifica a
ausncia de diferenas significativas (Tabelas 01 e 02). Foram encontradas 10
amostras com valores de SiO2 e Fe fora dos limites tericos, para garantir melhor
resultado na estimativa essas amostras foram descartadas.

23

Alm dos histogramas, foram elaborados os mapas base (Figura 18) para a
visualizao da distribuio espacial das amostras, neste mapa pode-se observar
a heterotopia das variveis, com mais amostras de Fe do que de SiO2.
O diagrama de disperso (Figura 19) mostra a boa correlao entres as
variveis Fe e SiO2, o que possibilita o uso da varivel Fe como varivel
secundria.

Figura 14 Histograma das espessuras das amostras antes de regularizar.

24

Figura 15 Histograma das espessuras das amostras aps a regularizao em 1m.


Tabela 01 Estatsticas das amostras antes de regularizar.
Estatstica Univariada
amostras
SIO2
5635
FE
20942

mnimo
0.25
0.05

mximo
91.1
62.4

mdia
30.1
22.71

varincia mdia norm. varincia norm


371.87
29.86
373.68
195.75
23.14
201.26

Estatstica Bivariada
amostras
SIO2
5635
FE
5635

mnimo
0.25
0.53

mximo
91.1
62.4

mdia
30.1
25.77

varincia
371.87
208.76

correlao
-0.75
-0.75

mdia norm.
29.86
25.8

varincia norm
373.68
208.02

Tabela 02 Estatsticas aps a regularizao das amostras em 1m.


Estatstica Univariada
amostras
SIO2
5813
FE
18973

mnimo
0.25
0.06

mximo
90.3
61.8

mdia
29.9
23.03

varincia mdia norm. varincia norm


363.55
30.05
363.81
199.13
23.04
199.18

Estatstica Bivariada
amostras
SIO2
5813
FE
5813

mnimo
0.25
0.53

mximo
90.3
61.8

mdia
29.9
25.53

varincia
363.55
206.29

correlao
-0.75
-0.75

mdia norm.
30.05
25.51

varincia norm
363.81
205.94

25

Figura 16 Histograma da varivel SiO2 aps regularizao em 1m.

Figura 17 Histograma da varivel Fe aps regularizao em 1m.

26

Figura 18 Mapa base da distribuio no plano das amostras das variveis SiO2 e Fe,
mostrando a heterotopia entre as variveis.

Figura 19 Disperso entre SiO2 e Fe, mostrando boa correlao entre as variveis,
correlao negativa de -0.75.

27

7.2.2

Modelo calcrio
Os procedimentos usados foram os mesmos do modelo latertico, as

amostras antes dos clculos dos variogramas tiveram o comprimento regularizado


em 3m.
Para identificar o comportamento das espessuras das amostras foram
construdos histogramas das espessuras, antes e depois da regularizao
(Figuras 20 e 21), para identificar o padro de distribuio das variveis tambm
elaborou-se histogramas, representados nas Figuras 22 e 23, respectivamente
antes e depois da regularizao.
A estatstica bsica das amostras (Tabelas 03 e 04), antes e depois da
regularizao, mostra coerncia entre as duas bases de dados. Alm dos
histogramas, foram plotados mapas base (Figura 24) para a visualizao da
distribuio espacial das amostras, nos mapas base pode-se observar a
heterotopia entre as variveis CaO e SiO2, mas menor do que no modelo
latertico.
Infere-se pela anlise do diagrama de disperso da varivel

CaO em

relao SiO2 (Figura 25) que existe correlao linear, possibilitando, assim o
uso da varivel SiO2 como varivel secundria.

Figura 20 Histograma das espessuras das amostras antes de regularizar.

28

Figura 21 Histograma das espessuras das amostras aps a regularizao em 3m.


Tabela 03 Estatsticas das amostras antes de regularizar.
Estatstica Univariada
Total
CAO
726
SIO2
735

Minimo
0.42
1.36

Maximo
54.94
71

Media
23.88
39.75

Variancia Media Norm. Variancia Norm.


545.01
35.17
475.07
889.43
25.44
775.23

Estatstica Bivariada
Total
CAO
726
SIO2
726

Minimo
0.42
1.36

Maximo
54.94
71

Media
23.88
40.03

Variancia
545.01
893.68

Correlaao
-0.99
-0.99

Media Norm.
35.17
25.6

Variancia Norm.
475.07
784.01

Corr.
-0.99
-0.99

Tabela 04 Estatsticas aps a regularizao das amostras em 3m.


Estatstica Univariada
Total
CAO
1582
SIO2
1600

Minimo
0.42
0.8

Maximo
55.98
71

Media
35.37
25.22

Variancia Media Norm. Variancia Norm.


475.16
36.11
460.72
776.36
24.29
753.77

Estatstica Bivariada
Total
CAO
1582
SIO2
1582

Minimo
0.42
0.8

Maximo
55.98
71

Media
35.37
25.31

Variancia
475.16
784.22

Correlaao
-0.99
-0.99

Media Norm.
36.11
24.37

Variancia Norm.
460.72
761.37

Corr.
-0.99
-0.99

29

Figura 22 Histograma da varivel CaO aps regularizao em 3m.

Figura 23 Histograma da varivel SiO2 aps regularizao em 3m.

30

Figura 24 Mapa base da distribuio no plano das amostras das variveis CaO e SiO2.

Figura 25 diagrama de disperso entre CaO e SiO2, mostrando excelente correlao


entre as variveis.

31

7.3 Anlise geoestatstica


Na anlise geoestatstica foram calculados os variogramas das variveis
principal, secundria e do resduo entre as duas. Os modelos tericos de
variograma foram ajustados aos variogramas experimentais. Feita a definio da
vizinhana de busca por amostras, calculou-se a estimativa pelos mtodos de
krigagem com deriva externa e krigagem ordinria.
Para definir a presena de anisotropia foi usado o procedimento da anlise
estrutural (Huijbregts, 1975, Olea, 1991), calculando mapas variogrficos para as
variveis de interesse. Com esses mapas foi possvel identificar as direes de
maior e menor amplitude e comparar com as informaes fornecidas pela anlise
geolgica.
7.3.1

Modelo latertico
O procedimento da anlise estrutural foi realizado no Isatis com 12

direes diferentes, totalizando os 180, os parmetros para o clculo dos


variogramas podem ser vistos na Tabela 05. A anlise foi feita para as duas
variveis de interesse SiO2 e Fe.
Pela anlise estrutural concluiu-se que a direo de maior continuidade foi
N15, tanto para a varivel SiO2 como para a varivel Fe (Figuras 26 e 27).
Tabela 05 Tabela com os parmetros para o clculo dos mapas variogrficos de cada
varivel.
Numero de direes

Varivel SiO2 - Variograma


12
12

12
15 0
5
10
50
20
1.5

Numero de direes

15 0
15 0
25
5
20
10
50
50
20
20
1.5
1.5
Varivel Fe - Variograma
12
12

ngulo abertura
Passo
Numero de passos
Abertura X (m)
Abertura Z (m)
Tolerncia (Passo)

15 0
25
20
50
20
1.5

15 0
5
10
50
20
1.5

ngulo abertura
Passo
Numero de passos
Abertura X (m)
Abertura Z (m)
Tolerncia (Passo)

15 0
5
10
50
20
1.5

12

32

Figura 26 Mapa variogrfico da varivel SiO2, mostrando melhor continuidade em N15.

33

Figura 27 Mapa variogrfico da varivel Fe, mostrando melhor continuidade em N15.

Com as direes de maior continuidade definidas, foram calculados os


variogramas para as variveis SiO2, Fe e resduo entre SiO2 e Fe, de acordo com
os parmetros de clculo da Tabela 06. O azimute de 15, definido a partir dos
mapas variogrficos, confere com as informaes da geologia estrutural do
depsito.

34

Tabela 06 Tabela com os parmetros para o clculo dos variogramas de cada varivel.

Azimute

X
Y
Varivel SiO2 - Variograma

15 0

ngulo abertura
Passo
Numero de passos
Abertura X (m)
Abertura Z (m)
Tolerncia (N Passos)

30
30
15
15
10
10
500
500
50
50
0.5
0.5
Varivel Fe - Variograma

45 0
2
30
500
50
0.5

Azimute

15 0

ngulo abertura
Passo
Numero de passos
Abertura X (m)
Abertura Z (m)
Tolerncia (N Passos)

30
30
15
15
10
10
500
500
50
50
0.5
0.5
Varivel Resduo - Variograma

45 0
2
30
500
50
0.5

Azimute

15 0

ngulo abertura
Passo
Numero de passos
Abertura X (m)
Abertura Z (m)
Tolerncia (N Passos)

30
15
10
500
50
0.5

30
15
10
500
50
0.5

45 0
2
30
500
50
0.5

Antes do clculo dos variogramas foi feita a anlise do resduo entre a


varivel SiO2 e a varivel Fe. Foram testadas sete funes diferentes e escolhida
a que apresentou a menor mdia no segundo Ring, funo 1 x y f1 (Tabela 07).
Tabela 07 Tabela mostrando o procedimento para determinao da melhor funo para
o calculo do resduo entre as variveis SiO2 e Fe.
Mean Error
Trial
T5
T2
T1
T7
T4
T3
T6

Ring1
-3.26E-01
-1.07E+00
1.73E+00
-3.10E-02
1.91E+00
2.53E+00
1.50E+00

Ring2
-1.20E+00
-2.86E-01
-4.66E-01
-1.41E+00
-1.05E+00
-7.13E-01
-9.95E-01

Total
-4.88E-01
-9.27E-01
1.32E+00
-2.88E-01
1.36E+00
1.93E+00
1.04E+00

Mean Rank
Mean Squared Error
Ring1
Ring2
Total
Ring1
Ring2
Total
1.93E+02 2.48E+02 2.03E+02
3.545
3.679
3.57
2.20E+02 2.18E+02 2.20E+02
4.107
3.832
4.056
2.17E+02 1.17E+02 1.99E+02
4.197
3.934
4.148
6.94E+02 2.89E+02 6.18E+02
4.27
3.942
4.209
2.53E+02 1.15E+02 2.28E+02
4.033
4.073
4.041
2.31E+02 1.41E+02 2.14E+02
3.967
4.197
4.009
3.59E+02 3.14E+02 3.51E+02
3.882
4.343
3.967

Funo
1 x y f1
1 x f1
1 f1
1 x y x2 xy y2 f1
1 z f1
1 y f1
1 x y z f1

Aos variogramas experimentais foram ajustados modelos tericos de


variogramas com os parmetros apresentados na (Tabela 06). Na Figura 28
apresenta-se o variograma experimental e respectivo modelo da varivel SiO2, na
Figura 29 apresentam-se os mesmos grficos, mas para a varivel Fe e por fim,
na Figura 30 os grficos so do resduo entre SiO2 e Fe.

35

Tabela 08 Valores dos modelos tericos de variograma ajustados para as variveis Fe,
SiO2 e resduo SiO2/Fe.
Estruturas
Efeito pepita
1 Estrutura
2 Estrutura
3 Estrutura
Efeito pepita
1 Estrutura
2 Estrutura
3 Estrutura
Efeito pepita
1 Estrutura
2 Estrutura
3 Estrutura

X (m)
Y (m)
Varivel SiO2 - Modelo Esfrico

Z (m)

Patamar

22
20
55
44
80
Varivel Fe - Modelo Esfrico

10
22
40

25
115
100
40

25
20
60
45
120
Varivel Resduo - Modelo Esfrico

10
30
80

20
85
70
24

5
35
40

2
45
60
50

32
65
-

20
70
100

Figura 28 Variograma experimental e respectivo modelo terico, ajustado para a


varivel SiO2.

36

Figura 29 Variograma experimental e respectivo modelo terico, ajustado para a


varivel Fe.

Figura 30 Variograma experimental e respectivo modelo terico, ajustado para o


resduo entre a SiO2 e o Fe.

Para que o Fe pudesse ser usado como varivel secundria, foi necessrio

estim-lo previamente em todos os pontos onde a SiO2 seria estimada. A


estimativa do Fe foi feita atravs de krigagem ordinria.
Como teste de validao do modelo escolhido foi feita a validao cruzada
da SiO2 com o Fe como deriva externa, o resultado foi considerado satisfatrio

37

apresentando coeficiente de correlao aproximadamente de 0.88 (Figura 31)

Figura 31 Grfico de validao cruzada da Krigagem com Deriva externa para a SiO2
usando Fe como deriva externa.

Para a estimativa foram considerados os modelos de blocos de minrio,


estes modelos foram regularizados em blocos de tamanho padro e transferidos
do software Datamine para o Isatis, aps a estimativa foi feito o caminho inverso,
o modelo de blocos foi transferido do Isatis para o Datamine para que se pudesse
trabalhar com o modelo de blocos em 3D e construir as figuras de anlise.
Os parmetros de vizinhana utilizados foram diviso da vizinhana local

38

em octantes com no mnimo 4 amostras e no mximo 16 para estimar um bloco


conforme apresentado na Tabela 09. Nesta Tabela observam-se tambm os raios
de busca empregados.
Para facilitar a comparao entre os resultados de krigagem com deriva
externa com os da krigagem ordinria foram utilizados os mesmos parmetros de
busca por amostras em ambas estimativas, mesmo os modelos tericos de
variogramas tendo sido diferentes.
Tabela 09 Tabela com os parmetros de busca da krigagem ordinria e krigagem com
deriva externa para as variveis SiO2 , Fe e resduo SiO2/Fe.
Parmetros de busca - Krigagem Ordinria_Kriggagem com Deriva Externa

X (m)
Azimute
Raio de busca
Mtodo
Mnimo de amostras
Amostras por octantes
Dist.mnima entre as amostras
Max. octantes vazios consec.

120

Y (m)
120
octantes

Z (m)
15 0
80

2
1
4

Aps as estimativas foram feitas as anlises estatsticas e os resultados


desta anlise foram comparados aqueles dos furos de sonda buscando verificar a
consistncia da estimativa.
Analisando a Tabela 10 observa-se que as mdias das estimativas so
semelhantes das amostras e que as varincias diminuram, caracterizando o j
esperado efeito de suavizao da krigagem.

39

Tabela 10 tabela comparando os valores do modelo estimado por krigagem com deriva
externa (kde_ SiO2) e krigagem ordinria (k_ SiO2) com as amostras dos furos.
MODELO
VARIVEL
KDE_SiO2
TOTAL
16865
N AMOSTRAS
16865
MINIMO
2.4
MAXIMO
72.1
RAIO
69.7
MEDIA
31.8
VARIANCIA
142.2
DESVIOPADRAO
11.9
ASSIMETRIA
0.1
CURTOSE
-0.5
MEDIAGEOMETRICA
29.2
DIF. FUROS
107%

KSiO2
16865
14325
1.1
75.5
74.4
30.8
128.5
11.3
0.3
0.2
28.4
103%

FUROS
SiO2
3744
2317
0.6
90.3
89.7
29.9
316.4
17.8
0.5
-0.7
17.6

Conforme j afirmado, em conjunto com a krigagem com deriva externa foi


realizada a krigagem ordinria da varivel SiO2, a

escolha desta tcnica

decorrncia desta ser um dos mtodos de utilizao mais difundida e cuja


confiabilidade bastante aceita. Os parmetros de busca para a krigagem
ordinria foram os mesmos usados para a krigagem com deriva externa.
Pela anlise dos histogramas de ambos os resultados (Figuras 32 e 33),
pode-se notar que os resultados so prximos, mas a krigagem com deriva
externa mostra maior disperso na distribuio em torno dos valores mdios
enquanto a krigagem ordinria mostra uma distribuio indicando maior
suavizao.

40

Figura 32 Histograma dos teores de SiO2 estimados por Krigagem Ordinria.

Figura 33 Histograma dos teores de SiO2 estimados por Krigagem com Deriva externa.

41

Nos modelos de blocos (Figuras 34 e 35) pode se notar diferenas, mas


no discrepncias muito grandes, o grau de diferena dos valores das variveis
estimadas pelos dois mtodos pequeno. A Krigagem com Deriva externa
apresentou maior nmero de blocos estimados do que a Krigagem Ordinria, isso
devido heterotopia da amostragem. Como o nmero de amostras do Fe maior
que o nmero de amostras de SiO2 e este foi usado como varivel auxiliar pela
Krigagem com Deriva externa, houve a estimativa da varivel primria em mais
pontos do que aquela por Krigagem Ordinria.

42

Figura 34 Modelo de blocos do minrio (3D) com os teores estimados por krigagem
com Deriva externa, legenda no topo.

Figura 35 Modelo de blocos do minrio (3D) com os teores estimados por krigagem
Ordinria, legenda no topo.

Curvas do tipo teor x tonelagem, utilizadas para analisar os resultados da


estimativa, so obtidas pela acumulao progressiva da tonelagem em relao a
vrios teores de corte (cutoff), bem como dos teores mdios tambm em funo
dos diversos teores de corte estabelecidos, a densidade usada foi de 1,08.

43

As curvas teor x tonelagem foram confeccionadas, para os dois modelos,


utilizando com o mesmo cutoff (Figura 36, Tabela 11). Os resultados mostram que
os teores mdios ficam prximos variando quando deslocados em direo aos
extremos da distribuio, e em mdia os teores de SiO2 estimados por krigagem
com deriva externa so mais altos do que os estimados por Krigagem Ordinria.
Porm quando o cutoff maior do que 40, a krigagem ordinria apresenta
teores mdios mais altos. A tonelagem acumulada mostra que a krigagem com
deriva externa estimou mais blocos do que a krigagem ordinria, isso devido
heterotopia das amostras, uma vez que os parmetros de krigagem foram os
mesmos para os dois mtodos.

TEOR x TON - VARIVEL SIO2


75
14
70

13
12

65

11

Tonelagem (Mt)

55

TON_KDE
TON_KO
TEOR_KDE
TEOR_KO

7
6

50

Teor(%)

60

10

45

5
40

4
3

35

2
30
1
0

25
0 2 4

6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50 52 54 56 58 60 62 64 66 68 70 72 74

Cut-Off

Figura 36 Grfico mostrando curvas teor x tonelagem para o modelo estimado por
krigagem com deriva externa, varivel SiO2.

44

Tabela 11 Tabela mostrando tonelagem acumulada e mdia do teor de SiO2


correspondente para a estimativa por Krigagem com deriva externa e por Krigagem
Ordinria e a diferena entre as duas.
KDE

KO

DIFERENA KDE - KO

TONELAGEM

MDIA

TONELAGEM

MDIA

TONELAGEM

MDIA

13660650
13660650
13643640
13580460
13479210
13339890
13092840
12763170
12332250
11847870
11156130
10440090
9784800
9018540
8288730
7507080
6778080
6050700
5268240
4540050
3617460
2903850
2142450
1587600
1162350
864270
616410
395280
283500
159570
129600
89910
25920
12150
6480
810
810

31.8
31.8
31.9
32.0
32.2
32.4
32.8
33.3
34.0
34.7
35.6
36.6
37.5
38.6
39.6
40.7
41.8
42.8
44.0
45.1
46.7
48.1
49.9
51.6
53.4
55.0
56.6
58.5
60.0
62.3
63.1
64.0
66.4
68.0
68.9
72.1
72.1

11603250
11593530
11544120
11478510
11399940
11288970
11126160
10892880
10643400
10235970
9668970
9089010
8312220
7572690
6689790
5700780
5044680
4339170
3633660
3097440
2546640
1897020
1419120
1068390
783270
515160
365310
280260
190350
153090
127170
121500
59940
47790
34020
34020
4050

30.8
30.9
31.0
31.1
31.3
31.5
31.8
32.2
32.6
33.2
34.1
34.9
36.0
37.1
38.4
40.0
41.2
42.6
44.0
45.2
46.6
48.5
50.3
52.1
53.9
56.4
58.7
60.5
63.1
64.6
65.8
66.0
68.9
69.9
71.2
71.2
75.2

2057400
2067120
2099520
2101950
2079270
2050920
1966680
1870290
1688850
1611900
1487160
1351080
1472580
1445850
1598940
1806300
1733400
1711530
1634580
1442610
1070820
1006830
723330
519210
379080
349110
251100
115020
93150
6480
2430
-31590
-34020
-35640
-27540
-33210
-3240

1.0
1.0
0.9
0.9
0.9
0.9
1.0
1.1
1.4
1.4
1.6
1.7
1.6
1.5
1.2
0.7
0.6
0.3
0.0
-0.1
0.1
-0.4
-0.4
-0.4
-0.5
-1.4
-2.1
-1.9
-3.1
-2.3
-2.7
-2.0
-2.4
-1.9
-2.3
0.9
-3.0

45

Para comparar as mdias locais da SiO2 estimada por krigagem com deriva
externa e por krigagem ordinria, foram calculadas as mdias das variveis nos
blocos em faixas contnuas do modelo a cada 100 metros, nas direes norte e
leste e 10 metros na vertical (Figuras 37, 38 e 39), as coordenadas so relativas.
Analisando estes resultados observa-se que as mdias locais da SiO2 estimada
por krigagem com deriva externa aproxima-se das mdias da estimativa por
krigagem ordinria.
Alm dos valores da SiO2 estimada foram considerados os valores da SiO2
das amostras que serviram como base para a estimativa, tambm os valores de
Fe estimado por krigagem ordinria que serviu como varivel auxiliar. A mdia
das amostras difere um pouco da mdia estimada mostrando a suavizao da
krigagem, pode-se notar tambm que os valores de Fe so opostos aos valores
da SiO2 estimada por krigagem com deriva externa.
A distncia de 100 metros foi escolhida por ser maior que a malha mdia e
por representar razoavelmente o comprimento das frentes lavradas na jazida.

OK_SIO2
KDE_SIO2

57
53
49
45
41
37
33
29
25
21
17
13
9
5

9180

9080

8980

8880

8780

8680

8580

8480

8380

8280

8180

8080

7980

7880

7780

7680

AMOSTRAS_SIO2
OK_FE

7580

TEOR

COMPARAO MDIAS K.O x K.D.E

LESTE

Figura 37 Perfil na direo leste com pontos de mdias da krigagem com deriva externa
e krigagem ordinria, calculadas a cada 100m.

46

TEOR

COMPARAO MDIAS K.O x K.D.E

55

OK_SIO2
KDE_SIO2

45

AMOSTRAS_SIO2

OK_FE

35
25
15

8150

7750

7950

7350

7550

7150

6750

6950

6350

6550

5950

6150

5550

5750

5150

5350

4750

4950

4350

4550

3950

4150

3750

3550

3350

NORTE

Figura 38 Perfil na direo norte com pontos de mdias da krigagem com deriva
externa e krigagem ordinria, calculadas a cada 100m.

COMPARAO MDIAS K.O x K.D.E


OK_SIO2
KDE_SIO2

55

OK_FE
NI-DH

TEOR

45
35
25
15

1120

1110

1100

1090

1080

1070

1060

1050

1040

1030

1020

1010

1000

990

980

970

960

950

940

COTA

Figura 39 Perfil na direo norte com pontos de mdias da krigagem com deriva
externa e krigagem ordinria, calculadas a cada 10m.

47

7.3.2

Modelo calcrio
A anlise estrutural para o calcrio seguiu os mesmos moldes da feita para

modelo latertico, apenas com algumas variaes. O mapa de variograma foi


calculado para 18 direes diferentes, totalizando os 180, os parmetros para o
clculo dos variogramas podem ser vistos na Tabela 12. A anlise foi feita para as
duas variveis de interesse CaO e SiO2.
A anlise estrutural mostra que a direo de maior continuidade N45,
tanto para a varivel CaO como para a varivel SiO2 (Figuras 40 e 41).
Tabela 12 Tabela com os parmetros para o clculo dos mapas variogrficos de cada
varivel.

Numero de direes

Varivel CaO - Variograma


18
18
0
0
10
10
30
10
20
20
50
50
30
30
1.5
1.5
Varivel SiO2 - Variograma
18
18

ngulo abertura
Passo
Numero de passos
Abertura X (m)
Abertura Z (m)
Tolerncia (Passo)

10
30
20
50
30
1.5

Numero de direes
ngulo abertura
Passo
Numero de passos
Abertura X (m)
Abertura Z (m)
Tolerncia (Passo)

10
10
20
50
30
1.5

18
0
10
10
20
50
30
1.5
18
0

10
10
20
50
30
1.5

48

Figura 40 Mapa variogrfico da varivel CaO, mostrando melhor continuidade em N45.

49

Figura 41 Mapa variogrfico da varivel SiO2, mostrando melhor estruturao em N45.

Depois de definidas as direes de maior continuidade, os variogramas


foram calculados para as variveis CaO, SiO2 e resduo entre CaO e SiO2, de
acordo com os parmetros de clculo da Tabela 13. A direo principal de 45
mostrada nos mapas de variograma compatvel com a direo das camadas da
zona mineralizada.

50

Tabela 13 Tabela com os parmetros para o clculo dos variogramas de cada varivel.

Azimute
ngulo abertura
Passo
Numero de passos
Abertura X (m)
Abertura Z (m)
Tolerncia (N Passos)
Azimute
ngulo abertura
Passo
Numero de passos
Abertura X (m)
Abertura Z (m)
Tolerncia (N Passos)
Azimute
ngulo abertura
Passo
Numero de passos
Abertura X (m)
Abertura Z (m)
Tolerncia (N Passos)

X
Y
Varivel CaO - Variograma

0
0
45
45
35
35
10
10
500
500
200
200
0.5
0.5
Varivel SiO2 - Variograma

45 0
0

45
3
50
500
200
0.5

45 0

45 0
45 0
35
35
10
10
500
500
200
200
0.5
0.5
Varivel Resduo - Variograma
45 0
35
10
500
200
0.5

45 0
3
50
500
200
0.5
45 0

45 0
35
10
500
200
0.5

45 0
3
50
500
200
0.5

Para se poder calcular o variograma do resduo entre as variveis CaO e


SiO2, foi feita a anlise do resduo entre uma varivel e outra. Foram testados 07
polinmios, e o resultado foi escolhido de acordo com os critrios apresentados
no item 5.9. O polinmio que apresentou a menor mdia no rank do anel externo
Ring2, Tabela 14, foi a funo 1 f1, sendo esta a escolhida. A distribuio dos
resduos pode ser observada na Figura 42.
Tabela 14 Tabela mostrando o procedimento para determinao da melhor funo para
o calculo do resduo entre as variveis SiO2 e CaO.
Mean Error
Trial
T1
T7
T5
T2
T3
T4
T6

Ring1
1.16E-02
-2.11E+00
1.27E-01
1.15E-01
2.25E-02
2.85E-02
1.42E-01

Ring2
3.26E-02
-1.54E+01
1.68E+00
1.08E-01
7.05E-01
1.48E-01
1.64E+00

Total
1.68E-02
-5.42E+00
5.15E-01
1.13E-01
1.93E-01
5.83E-02
5.17E-01

Mean Squared Error


Ring1
Ring2
3.15E+00 3.17E+00
2.69E+02 1.94E+03
3.75E+00 4.37E+01
3.75E+00 3.83E+00
3.43E+00 1.03E+01
3.67E+00 8.46E+00
4.40E+00 6.12E+01

Mean Rank
Total
3.16E+00
6.87E+02
1.37E+01
3.77E+00
5.15E+00
4.86E+00
1.86E+01

Ring1
3.674
5.187
3.949
3.641
3.792
3.647
4.11

Ring2
3.486
3.837
3.918
3.928
3.957
4.284
4.591

Funo
Total
3.627
4.85
3.941
3.712
3.833
3.806
4.23

1 f1
1 x y x2 xy y2 f1
1 x y f1
1 x f1
1 y f1
1 z f1
1 x y z f1

51

Figura 42 Histograma da varivel resduo entre a varivel CaO e SiO2, mostrando


comportamento normalizado.

Com os variogramas experimentais calculados, passou-se para os ajustes


dos modelos tericos. Os parmetros usados para o ajuste encontram-se na
Tabela 15. O variograma experimental e respectivo modelo da varivel CaO pode
ser visto na Figura 43, na Figura 44 encontram-se os grficos para a varivel SiO2
e na Figura 45 os grficos so do resduo entre a varivel CaO e a varivel SiO2.

52

Tabela 15 Tabela com os valores dos variogramas ajustados para as variveis CaO,
SiO2 e resduo SiO2/CaO.
Estruturas
Efeito pepita
1 Estrutura
2 Estrutura
3 Estrutura
Efeito pepita
1 Estrutura
2 Estrutura
3 Estrutura
Efeito pepita
1 Estrutura
2 Estrutura
3 Estrutura

X (m)
Y (m)
Varivel CaO - Modelo Esfrico

Z (m)

Patamar

80
15
150
35
300
200
Varivel SiO2 - Modelo Esfrico

40
120
200

20
140
200
100

80
15
150
35
300
200
Varivel Resduo - Modelo Esfrico

40
120
200

10
200
430
113

5
25
75

0.2
2
3
2.5

60
250
300

55
160
200

Figura 43 Variograma experimental e respectivo modelo, ajustado para a varivel CaO.

53

Figura 44 Variograma experimental e respectivo, ajustado para a varivel SiO2.

Figura 45 Variograma experimental e respectivo, ajustado para o resduo entre o CaO e


a SiO2.

54

Como a SiO2 foi usada como varivel secundria foi necessrio estim-la
previamente em todos os blocos onde o CaO seria estimado. Para isso foi usado
o variograma SiO2 e como mtodo de estimativa usou-se krigagem ordinria.
Para validar o modelo escolhido e a vizinhana de estimativa do CaO por
krigagem com deriva externa foi feita uma validao cruzada, com bons
resultados mostrando coeficiente de correlao superior a 0.9 (Figura 46).

Figura 46 Grfico de validao cruzada da Krigagem com Deriva externa para o CaO
usando SiO2 como deriva externa.

Como mtodo de busca na estimativa foram usados octantes com o


mnimo de 4 amostras e mximo de 16 amostras por bloco, de acordo com o
apresentado na Tabela 16. Os raios de busca usados foram 300m em X, 200m

55

em Y e 200m em Z.
Os parmetros de busca foram os mesmos para a krigagem com deriva
externa e para a krigagem ordinria, para facilitar a anlise comparativa entre as
duas estimativas, os variogramas usados foram os das respectivas variveis.
Tabela 16 Tabela com os parmetros de busca da krigagem ordinria e krigagem com
deriva externa para as variveis CaO, SiO2 e resduo CaO/SiO2.
Parmetros de busca - Krigagem Ordinria_Kriggagem com Deriva Externa

X (m)
Azimute
Raio de busca
Mtodo
Mnimo de amostras
Amostras por octantes
Dist.mnima entre as amostras
Max. octantes vazios consec.

300

Y (m)
200
octantes

Z (m)
45 0
50

2
3
4

Feita a estimativa, as estatsticas dos resultados foram calculadas e para


aferir a qualidade das mesmas estas estatsticas foram comparadas s dos furos
de sonda.
As mdias dos blocos estimados so semelhantes s mdias das
amostras, com a suavizao da varincia conforme esperado na estimativa por
krigagem (Tabela 17).
Tabela 17 tabela comparando os resultados do modelo estimado por krigagem com
deriva externa (kde_cao) e krigagem ordinria (k_cao) com as amostras dos furos.
MODELO
VARIVEL
KDE_CAO K_CAO
TOTAL
3607834 3607834
NAMOSTRAS
3399456 3399456
MINIMO
12.7
25.5
MAXIMO
54.7
54.3
RAIO
42.1
28.7
MEDIA
48.8
48.4
VARIANCIA
26.9
26.5
DESVIOPADRAO
5.2
5.1
ASSIMETRIA
-2.4
-1.9
CURTOSE
6.8
3.4
MEDIAGEOMETRICA
48.5
48.1
DIF. FUROS
102%
101%

FUROS
CAO
5093
1071
2.0
56.0
53.9
47.9
82.8
9.1
-2.2
4.5
46.4

56

Assim como, e pelos mesmos motivos, que no modelo latertico, no modelo


de calcrio a varivel principal foi estimada por krigagem ordinria. Os parmetros
de busca utilizados foram os mesmos para as duas tcnicas, apenas os modelos
tericos de variograma foram diferentes.
Os histogramas das duas estimativas (Figuras 47 e 48) mostram resultados
prximos, mas com alguns pontos distintos, a krigagem com deriva externa
apresenta limite inferior menor. Para valores de CaO elevados o comportamento
de ambos histogramas muito semelhante, embora as freqncias de cada
classe sejam sutilmente diferentes.

Figura 47 Histograma dos teores de CaO estimados por Krigagem Ordinria.

57

Figura 48 Histograma dos teores de CaO estimados por krigagem com Deriva externa.

No depsito de calcrio a anlise visual dos blocos em 3D (Figuras 49 e


50) mostra diferenas sutis entre as duas estimativas, porm com algumas
variaes, principalmente em regies onde ocorrem teores mais baixos da
varivel CaO.
Diferentemente do modelo latertico o nmero de blocos estimados pela
krigagem com deriva externa e krigagem ordinria foram os mesmos, devido ao
fato da heterotopia ser bem menos acentuada.

58

Figura 49 Modelo de blocos (3D) com os teores estimados (CaO) por krigagem com
deriva externa, modelo seccionado em leste-oeste.

Figura 50 Modelo de blocos (3D) com os teores (CaO) estimados por krigagem
ordinria, modelo seccionado em leste-oeste.

59

As curvas teor x tonelagem foram construdas usando o mesmo cutoff


(Figura 51, Tabela 18). Observa-se que os teores mdios ficam prximos, mas os
teores de CaO estimados por krigagem com deriva externa so em mdia mais
altos do que os estimados por krigagem ordinria, isso advm do fato de o
modelo da krigagem com deriva externa apresentar mais blocos com maiores
teores do que a krigagem ordinria. Na prtica a quantidade de CaO contida no
primeiro modelo maior do que no segundo.

TEOR x TON - VARIVEL CAO


70
65

54

60

52

50
45
50

Teor(%)

Tonelagem (Mt)

55

40
35

TON_KDE
TON_KO
TEOR_KDE
TEOR_KO

30
25

48

20
46
10.0 12.0 14.0 16.0 18.0 20.0 22.0 24.0 26.0 28.0 30.0 32.0 34.0 36.0 38.0 40.0 42.0 44.0 46.0 48.0 50.0 52.0 54.0

Cut-Off

Figura 51 Grfico mostrando curvas teor x tonelagem para o modelo estimado por
krigagem com deriva externa e krigagem ordinria.

60

Tabela 18 Tabela mostrando tonelagem acumulada e mdia do teor de CaO


correspondente.
KDE

KO

DIFERENA KDE - KO

TONELAGEM

MDIA

TONELAGEM

MDIA

TONELAGEM

MDIA

65662037.5
65662037.5
65633983.6
65633983.6
65625198.4
65625198.4
65554921.0
65436895.2
65282296.7
64895242.8
64520930.0
64220511.1
63816470.4
62964788.1
62175986.0
61045670.9
59610288.4
56949739.1
54176984.4
49083711.4
38182895.7
14286599.8
278666.9

48.8
48.8
48.8
48.8
48.8
48.8
48.9
48.9
49.0
49.1
49.2
49.3
49.4
49.6
49.7
49.9
50.2
50.5
50.8
51.2
51.7
52.6
54.3

65662037.5
65662037.5
65662037.5
65662037.5
65662037.5
65662037.5
65662037.5
65662037.5
65650646.8
65367172.9
64723059.2
64243876.0
63789055.0
62600083.0
61816886.3
60589384.5
58055512.7
55300052.7
51656371.3
45968276.7
34986793.3
12810863.2
115129.1

48.4
48.4
48.4
48.4
48.4
48.4
48.4
48.4
48.4
48.5
48.7
48.8
48.9
49.2
49.4
49.6
49.9
50.3
50.6
51.1
51.7
52.6
54.0

0.0
0.0
-28053.9
-28053.9
-36839.1
-36839.1
-107116.5
-225142.3
-368350.1
-471930.1
-202129.2
-23364.9
27415.4
364705.1
359099.7
456286.4
1554775.7
1649686.4
2520613.1
3115434.7
3196102.4
1475736.6
163537.7

0.4
0.4
0.4
0.4
0.4
0.4
0.5
0.5
0.6
0.6
0.5
0.5
0.5
0.4
0.4
0.4
0.2
0.2
0.1
0.1
0.0
0.0
0.3

Foram construdos perfis com a mdia dos teores ao longo do modelo,


espaados a cada 100 metros em X e Y e a cada 15 metros em Z (Figuras 52, 53
e 54). As mdias foram calculadas para a varivel CaO estimada por krigagem
com deriva externa e krigagem ordinria; para a SiO2 estimada por krigagem
ordinria e usada como varivel secundria; e a varivel CaO presente nas
amostras usadas na estimativa.
As mdias locais das amostras so maiores que as mdias estimadas
ressaltando a suavizao da krigagem com deriva externa e krigagem ordinria.
Os valores de SiO2 usados como varivel auxiliar se comportam como espelho
aos valores de CaO estimado por krigagem com deriva externa, isso devido as
duas variveis terem alta correlao negativa. Observando as linhas das mdias
pode-se inferir que o uso da varivel auxiliar, SiO2, na estimativa do CaO diminuiu
a suavizao em relao aos valores obtidos para o CaO pela krigagem ordinria.

61

COMPARAO MDIAS K.O x K.D.E x Amostras

60

TEOR

50
40

KCAO
KDE_CAO

30

AMOSTRAS_CAO
KSIO2

20
10

6250

6150

6050

5950

5850

5550

5650

5750

LESTE

Figura 52 Perfil na direo leste com pontos de mdias calculadas a cada 100m.

COMPARAO MDIAS K.O x K.D.E x Amostras


60

TEOR

50
40

KCAO
KDE_CAO

30

AMOSTRAS_CAO
KSIO2

20
10

85110

85010

84910

84810

84710

84610

84510

84410

84310

84210

NORTE

Figura 53 Perfil na direo norte com pontos de mdias calculadas a cada 100m.

62

COMPARAO MDIAS K.O x K.D.E x Amostras


60
50

TEOR

40

KCAO
KDE_CAO

30

AMOSTRAS_CAO
KSIO2

20
10

670

655

640

610

625

595

580

565

550

535

520

505

490

475

460

445

430

400

415

385

370

355

340

COTA

Figura 54 Perfil na direo vertical com pontos de mdias calculadas a cada 15m.

8. Concluses
A aplicao de mtodos alternativos para estimativa vlido, uma vez que
alguns mtodos podem apresentar maior facilidade na aplicao que outros,
diminuindo a carga de trabalho na elaborao de modelos muito complexos.
Os variogramas de todas as variveis ficaram bem estruturados,
possibilitando bons ajustes de modelos tericos de variogramas.
Devido alta correlao os variogramas dos resduos apresentaram
comportamento semelhante ao da varivel principal, com estruturas semelhantes,
mas com diferenas relevantes nas varincias, pois a natureza da varivel e dos
resduos diferente.
O clculo do resduo um dos passos mais importantes e sensveis, uma
vez que influencia diretamente nos valores estimados. Testes realizados durante
o trabalho mostram que resduos calculados com polinmios no adequados
enviesam os resultados da estimativa.
A amostragem bem distribuda possibilitou boa estimativa dos blocos com
praticamente a totalidade dos modelos sendo estimados. No caso do modelo de
calcrio os dois mtodos estimaram o mesmo nmeros de blocos devido
heterotopia entre as variveis ser pequena, no modelo latertico ocorreu
diferenas entre o nmero de blocos estimados pelos dois mtodos pelo fato da

63

heterotopia entre as variveis ser acentuada. Deste modo a heterotopia e os


domnios amostrados interferem diretamente no nmero de blocos estimados.
Os resultados dos diversos testes de comparao realizados, tais como;
mdia, mdias locais, histogramas, curvas teor x tonelagem, mostraram que a
krigagem com deriva externa apresenta resultados muitos parecidos com a
krigagem ordinria, no caso do modelo de calcrio se observou de forma mais
evidente a menor suavizao dos teores mdios estimados por krigagem com
deriva externa em relao os teores mdios das amostras e do que os teores
mdios estimados por krigagem ordinria.
Estes resultados confirmam que a krigagem com deriva externa apresenta
vantagens em casos de uma varivel sub-amostrada, que tenha boa correlao
com outra varivel super-amostrada. Esse tipo de cenrio no muito comum em
dados de minerao, mas ocorrem principalmente em projetos antigos e projetos
que analisam elementos raros, sendo assim um mtodo plausvel de ser usado
quando estas condies esto presentes.

64

9. Referncias Bibliogrficas
Bubenicek, L. & Haas, A. Method of the iron ore reserves in the Lorraine Deposit.
In: The decade of digital computing in the mineral industry. The American
Institute of Mining, metallurgical e petroleum Engineers, Inc. New York,
1969, pp. 170-210.
Bourennane, H., King, D., Couturier, A., 2000. Comparison of kriging with external
drift and simple linear regression for predicting soil horizon thickness with
different sample densities. Geoderma 97, 255 271.
Bourennane, H., King, D., 2003. Using multiple external drifts to estimate a soil
variable. Geoderma 114, 01 18.
Davis, S. B., 1997. Use and abuses of Cross Validation: Mathematical Geology,
v.19, n. 3, p 249-258.
Deutsch, C.V. & Journel, A.G. GSLIB Geostatistics Software Library and Users
Guide Second edition, New York Oxford University Press. 1998, 340 p.
Huijbregts, C.J. 1975. Regionalized variables and quantitative analyses of spatial
data. In: Davis, J.C. & McCullagh, M.J. (orgs.). Display and analyses of
spatial data, New York, John Wiley, 1975, pp. 38-53.
Geovariances. 2009. Isatis Thechnical References. Version 9.0, 260 p.
Lus, A. G. 2004. Utilizao de Informao Auxiliar na Estimao e Simulao de
Variveis Regionalizadas.Lisboa, IST-UTL. Tese de Doutorado. 210p.
Matheron, G. 1965. Les variables rgionalises et leur estimation Une
Application de la Thorie des fonctions alatoires aux Sciences de la
Nature. Paris, Masson et Cie, diteurs. 1965. 302 p.
Olea, R.A. 1991. Geostatistical glossary and multilingual dictionary. Oxford
University Press. 175 p.
Rocha, M. M. ; Yamamoto J. K. ; Fonteles, H. R. N. . Cokrigagem Ordinria vs.
Krigagem com Deriva externa: Aplicaes para a Avaliao do Nvel
Potenciomtrico em um Aqfero Livre. Geologia USP. Srie Cientfica, v.
09, p. 73-84, 2009
Soares, A. 2000. Geoestatstica para cincias da terra e do ambiente. I.S.T.
Press;206 p.
Snepvangers, J.J.J.C., Heuvelink, G.B.M., Huisman, J.A., 2003. Soil water content

65

interpolation using spatio-temporal kriging with external drift. Geoderma


112, 253 271
Watanabe, J. 2008. Mtodos geoestatsticos de co-estimativas: estudo do efeito
da correlao entre variveis na preciso dos resultados. So Paulo. IGcUSP. Dissertao de Mestrado. 89 p.
Yamamoto, J.K. 2001. Anlise geoestatstica. In: Yamamoto, J.K. (org.). Avaliao
e classificao de reservas minerais. So Paulo, Edusp. p. 49-68
Yamamoto, J.K.; Bettencourt, J.S. e Montanheiro, T.J. 2001. Anlise estatstica In:
Yamamoto, J.K. (org.). Avaliao e classificao de reservas minerais. So
Paulo, Edusp. p. 67-91
Yamamoto, J.K.; Rocha, M. M. 2001. Inventrio e avaliao dos parmetros
geolgicos e geomtricos para o calculo de reservas In: Yamamoto, J.K.
(org.). Avaliao e classificao de reservas minerais. So Paulo, Edusp. p.
35-48

66