UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL

ESCOLA DE ENGENHARIA

Programa de Pós-Graduação em Engenharia de Minas, Metalúrgica e Materiais

Laboratório de Pesquisa Mineral e Planejamento Mineiro

Flávio Azevedo Neves Amarante

Relatório de Prática em Geoestatística

PORTO ALEGRE

2017
 ÍNDIDE DE ILUSTRAÇÕES

Figura 2-1: Mapa de localização das amostras de ferro. A) Plano XY. B) Plano YZ. .. 2
Figura 2-2: Histograma de frequência e acumulado do ferro. ..................................... 3
Figura 2-3: Modelo do desagrupamento pelos polígonos de influência. ..................... 4
Figura 2-4: Histograma dos dados desagrupados....................................................... 4
Figura 2-5: Variograma vertical. .................................................................................. 5
Figura 2-6: Variogramas experimentais na horizontal. A) Azimute 0º. B) Azimute 22.5º.
C) Azimute 45º. D) Azimute 67.5º. E) Azimute 90º. F) Azimute 112.5º. G) Azimute 135º.
H) Azimute 157.5º. ...................................................................................................... 6
Figura 2-7: Variogramas experimentais com azimute 45º. A) Dip 0º. B) Dip 22.5º. C)
Dip 45º. D) Dip 67.5º. E) Dip 90º. F) Dip 112.5º. G) Dip 135º. H) Dip 157.5º. ............. 8
Figura 2-8: Modelo estereográfico obtido pelo site visible geology. O plano
perpendicular 135/67.5 é o plano perpendicular ao eixo de maior continuidade 44/22.5.
.................................................................................................................................... 9
Figura 2-9: Variogramas das retas contidas no plano 135/67,5. A) Azi 306º/Dip 20º. B)
Azi 294º/Dip 40º. C) Azi 272º/Dip 58º. D) Azi 225º/Dip 67º. E) Azi 179º/Dip 59º. F) Azi
156º/Dip 41º. G) Azi 144º/Dip 21º. H) Azi 135º/Dip 01º. ............................................ 10
Figura 2-10: Modelo da Krigagem ordinária do ferro com grid 25x25x15m. .............. 11
Figura 2-11: Rotação dos eixos do sistema de coordenadas para posicionamento da
krigagem.................................................................................................................... 12
Figura 2-12: Histograma do modelo estimado para o ferro. ...................................... 13
Figura 2-13: Cross-validation. A) Histograma do erro da validação cruzada. B)
Scatterplot entre os dados reais e os dados estimados ............................................ 14
Figura 2-14: Comparação visual entre as amostras e a krigagem. A-B Superfície e
Wireframe no plano XZ.C-D Superfície e Wireframe no plano YZ. E-F Superfície e
Wireframe no plano XY. ............................................................................................ 15
Figura 2-15: Histograma dos pesos positivos gerados pelo processo de krigagem
ordinária. ................................................................................................................... 16
Figura 2-16: Histogramas dos métodos de correção da mudança de base. A) Affice
Corrected. B) IL Corrected. C) DGM Corrected Diffusion Model. D) DGM Corrected
Mosaic Model. ........................................................................................................... 19
Figura 2-17: Gráfico de dispersão entre teores de ferro (%) vs Recuperação (%). ... 19
Figura 2-18: Swathplot entre a krigagem e a declusterização. A) Swathplot no eixo X.
B) Swathplot no eixo Y. C) Swathplot no eixo Z. ....................................................... 21
Figura 3-1: Mapa de localização das amostras de ouro. ........................................... 22
Figura 3-2: Histograma de frequência e acumulado do ouro. ................................... 23
Figura 3-3: Histograma de frequência e acumulado do ouro após o capping. .......... 24
Figura 3-4: Modelo do desagrupamento pelos polígonos de influência. ................... 25
Figura 3-5: Histograma dos dados de ouro desagrupados. ...................................... 25
Figura 3-6: Correlograma vertical. ............................................................................. 26
Figura 3-7: Variogramas experimentais na horizontal. A) Azimute 0º. B) Azimute 22.5º.
C) Azimute 45º. D) Azimute 67.5º. E) Azimute 90º. F) Azimute 112.5º. G) Azimute 135º.
H) Azimute 157.5º. .................................................................................................... 27
Figura 3-8: Variograma Omini-direcional na horizontal. ............................................ 28
Figura 3-9: Modelo estereográfico obtido pelo site visible geology, representando os
três eixos principais. .................................................................................................. 29
Figura 3-10: Modelo da Krigagem ordinária do ferro com grid 25x25x1m3. .............. 30
Figura 3-11: Histograma do modelo estimado para o ouro. ...................................... 31
Figura 3-12: Comparação visual entre as amostras e a krigagem. A) Wireframe no
plano XY. B) Modelo racionado com norte posicionado para a direita C) Região sul em
detalhe. D) Região central e norte em detalhe. ......................................................... 32
Figura 3-13: Cross-validation. A) Histograma do erro da validação cruzada. B)
Scatterplot entre os dados reais e os dados estimados ............................................ 32
Figura 3-14: Histograma dos pesos positivos gerados pelo processo de krigagem
ordinária. ................................................................................................................... 33
Figura 3-15: Gráfico de dispersão entre teores de ouro (%) vs Recuperação (%). ... 35
Figura 3-16: Figura 4 15: Swathplot entre a krigagem e a declusterização. A) Swathplot
no eixo X. B) Swathplot no eixo Y. C) Swathplot no eixo Z. ...................................... 36
Figura 4-1: Mapa de localização das amostras de níquel. ........................................ 37
Figura 4-2: Histograma de frequência e acumulado para o níquel. ........................... 38
Figura 4-3: Modelo do desagrupamento pelos polígonos de influência. ................... 39
Figura 4-4: Histograma dos dados de níquel desagrupados ..................................... 39
Figura 4-5: Correlograma do níquel na vertical. ........................................................ 40
Figura 4-7: Modelo estereográfico obtido pelo site visible geology, representando os
três eixos principais. .................................................................................................. 41
Figura 4-6: Correlogramas experimentais na horizontal. A) Azimute 0º. B) Azimute
22.5º. C) Azimute 45º. D) Azimute 67.5º. E) Azimute 90º. F) Azimute 112.5º. G)
Azimute 135º. H) Azimute 157.5º. ............................................................................. 42
Figura 4-8: Modelo da Krigagem ordinária do ferro com grid 15x15x5m................... 43
Figura 4-9: Histograma do modelo estimado para o níquel. ...................................... 44
Figura 4-11: X-validation da estimativa do níquel. A) Histograma do erro da validação
cruzada. B) Scatterplot entre os dados reais e os dados estimados. ........................ 45
Figura 4-10: Comparação visual entre as amostras e a krigagem. A) Wireframe no
plano XY. B) Wireframe no plano XZ. C) Wireframe no plano YZ. D) Detalhe do
wireframe no plano XY .............................................................................................. 46
Figura 4-12: Histograma dos pesos positivos gerados pelo processo de krigagem
ordinária do níquel. .................................................................................................... 47
Figura 4-13: Histogramas dos métodos de correção da mudança de base para o
níquel. A) Affice Corrected. B) IL Corrected. C) DGM Corrected Diffusion Model. D)
DGM Corrected Mosaic Model. ................................................................................. 48
Figura 4-14: Gráfico de dispersão entre teores de níquel (%) vs Recuperação (%).48
Figura 4-15: Swathplot entre a krigagem e a declusterização. A) Swathplot no eixo X.
B) Swathplot no eixo Y. C) Swathplot no eixo Z. ....................................................... 50
 ÍNDIDE DE TABELAS

Tabela 2-1: Resumo dos dados obtidos com a variografia na horizontal. ................... 7
Tabela 2-2: Resumo dos dados obtidos com a variografia de azimute 45º. ................ 7
Tabela 2-3: Resumo dos dados obtidos com a variografia das retas pertencentes ao
plano 135/67.5........................................................................................................... 11
Tabela 2-4: Parâmetros de entrada para a krigagem do ferro. ................................. 12
Tabela 2-5: Valores do Gráfico de dispersão entre teores de ferro (%) vs Recuperação
(%). ............................................................................................................................ 18
Tabela 3-1: Resumo dos dados obtidos com a variografia na horizontal. ................. 28
Tabela 3-2: Parâmetros de entrada para a krigagem do ouro. .................................. 30
Tabela 3-3: Histogramas dos métodos de correção da mudança de base para o níquel.
A) Affice Corrected. B) IL Corrected. C) DGM Corrected Diffusion Model. D) DGM
Corrected Mosaic Model. .......................................................................................... 34
Tabela 3-4: Valores do Gráfico de dispersão entre teores de ouro (%) vs Recuperação
(%). ............................................................................................................................ 34
Tabela 4-1: Resumo dos dados obtidos com a variografia na horizontal. ................. 41
Tabela 4-2: Parâmetros de entrada para a krigagem do níquel. ............................... 44
Tabela 4-3: Valores do Gráfico de dispersão entre teores de níquel (%) vs
Recuperação (%). ..................................................................................................... 49
 ÍNDICE DE EQUAÇÕES

Equação 2-1 .............................................................................................................. 11

Equação 2-2 .............................................................................................................. 17
Equação 2-3 .............................................................................................................. 17
Equação 2-4 .............................................................................................................. 18
Equação 2-5 .............................................................................................................. 18
Equação 3-1 .............................................................................................................. 29
Equação 4-1 .............................................................................................................. 43
 SUMÁRIO

1. INTRODUÇÃO ..................................................................................................... 1

1.1 Objetivos ............................................................................................................ 1

2. FERRO (FE)......................................................................................................... 2

2.1 - Banco de dados ............................................................................................... 2

2.2 - Análise exploratória dos dados ........................................................................ 2

2.4 - Desagrupamento ............................................................................................. 3

2.5 - Continuidade espacial ..................................................................................... 5

2.6 - Krigagem ....................................................................................................... 11

2.7 - Validação ....................................................................................................... 14

3. OURO (AU) ........................................................................................................ 22

3.1 - Banco de dados ............................................................................................. 22

3.2 - Análise exploratória dos dados ...................................................................... 23

3.4 - Desagrupamento ........................................................................................... 24

3.5 - Continuidade espacial ................................................................................... 26

3.6 - Krigagem ....................................................................................................... 29

3.7 - Validação ....................................................................................................... 31

4. NÍQUEL (NI) ....................................................................................................... 37

4.1 - Banco de dados ............................................................................................. 37

4.2 - Análise exploratória dos dados ...................................................................... 38

4.4 – Desagrupamento .......................................................................................... 39

4.5 - Continuidade espacial ................................................................................... 40

4.6 - Krigagem ....................................................................................................... 43

4.7 - Validação ....................................................................................................... 45

5. CONCLUSÃO .................................................................................................... 51

REFERENCIAS BIBLIOGRÁFICAS .......................................................................... 52

 1

1. INTRODUÇÃO
O relatório desenvolvido a seguir trata das técnicas apresentadas na disciplina
Prática em Geoestatística. Dentre os bancos de dados ofertados pela disciplina, foram
selecionados três para o desenvolvimento do relatório: o banco de dados do ferro, o
banco de dados de ouro e o banco de dados de níquel.

Os bacos de dados utilizados apresentam peculiaridades distintas que demandam

técnicas para obter estimativas consistentes e validadas. A característica marcante no
banco de dados de ferro é sua continuidade espacial em três dimensões exigindo uma
análise variográfica detalhada, o banco de dados de ouro apresenta valores extremos
como característica e o banco de dados do níquel foi transformado previamente pelo
processo de ‘unfolding’. Essas peculiaridades serão discutidas e trabalhadas no
trabalho a seguir.

1.1 OBJETIVOS
Esse trabalho tem como objetivo gerar estimativas e previsões para os três
bancos de dados selecionados, assim como validar as estimativas. A principais etapas
consistem:

 Análise exploratória dos dados através do uso de distribuição de

frequências,
 Histogramas e resumos estatísticos.
 Descrição da continuidade espacial das variáveis
 Estimativa através do uso de modelos Krigados
 Validação dos modelos Krigados
 2

2. FERRO (FE)
2.1 - BANCO DE DADOS
O banco de dados de ferro possui um total de 1195 amostras representadas na
Figura 2-1 pelos seus mapas de localização, sendo possível observar na imagem que
a direção de maior continuidade para a distribuição dos dados está no sentido NE-SO.
Podemos observar também uma malha amostral regular, ou seja, não há uma
amostragem preferencial dos dados.

Figura 2-1: Mapa de localização das amostras de ferro. A) Plano XY. B) Plano YZ.

Os dados foram recebidos em arquivo .txt com quatro colunas, sendo as três
primeiras colunas referentes as coordenadas geográficas e a última aos teores de Fe
em porcentagem. A malha amostral é de aproximadamente 100x100m2 no plano XY
e 15m em Z, com dimensões com cerca de 2500m em X, 1500m em Y e 760m em Z.

2.2 - ANÁLISE EXPLORATÓRIA DOS DADOS

O conjunto amostral composto de 1195 amostras, está representado na Figura
2-2 pelos seus histogramas de frequência e acumulado, nos quais os teores variam
entre 23.8% e 51.0% de ferro. A média aritmética das amostras é de 46.29%, a
mediana de 46.1%, o coeficiente de variação de 0.145 e a variância de 44.93%.
 3

Figura 2-2: Histograma de frequência e acumulado do ferro.

O histograma da figura acima possui distribuição simétrica, com média muito

semelhante a mediana, e coeficiente de assimetria próximo a zero. É possível
observar também a ausência de valores estremos no histograma dos dados, indicando
a existência de um único domínio.

2.4 - DESAGRUPAMENTO
O desagrupamento das amostras foi realizado pelo método dos polígonos
através do uso do software SGeMS. A Figura 2-3 representa o resultado do processo
de declusterização onde foi definido um grid 5x5x5m3 metros contendo 441 células no
eixo X, 256 células no eixo Y e 154 no eixo Z.
 4

Figura 2-3: Modelo do desagrupamento pelos polígonos de influência.

Figura 2-4: Histograma dos dados desagrupados.

Como observado anteriormente os dados originais foram coletados através de

uma malha regular, desta forma, o resumo estatístico dos dados desagrupados
apresentado na Figura 2-4 é muito semelhante aos dados originais, com exceção a
variância dos dados que aumenta de 44.93%2 nos dados originais para 63.95%2 nos
dados desagrupados. Ao contrário do resumo estatístico, a forma do histograma
apresentou mudanças se tornando mais assimétrica, com maior distribuição dos
dados ao longo do histograma e apresentando leve tendência negativa.
 5

2.5 - CONTINUIDADE ESPACIAL

Para o estudo da continuidade espacial do ferro foram gerados modelos de
variogramas com o uso do software SGeMS em vinte e quatro direções obtendo o
alcance em cada direção.

A primeira etapa do estudo variográfico consistiu na construção do variograma

vertical, onde o azimute foi de 0º, o mergulho de 90º e a tolerância angular de 45º
(Figura 2-5). Os espaçamentos entre amostras (lag) selecionado foi de 10m com
tolerâncias de 50% e largura de banda de 5m para cada lado. Este variograma
permitiu obter o valor de 5,0 para o efeito pepita, a partir da variância dos dados a
priori de 44.93%2.

Figura 2-5: Variograma vertical.

Após obter o valor do efeito pepita, foram modelados oito variogramas

direcionais variando de 0º a 157.5º no plano XY e mergulho 0º, com tolerância angular
de 22.5º e largura da banda de 50m. Para a geração dos oito variogramas utilizou-se
de 20 lags com espaçamento entre amostras (lag) de 100m e com tolerância de 50%.

A Figura 2-6 apresenta os variogramas direcionais obtidos. Nesta etapa do

estudo variográfico foram definidos a utilização de duas estruturas o sill1 de 15 e sill2
 6

de 24.93 ambas para um modelo do tipo esférico. Podemos observar pela Tabela 2-1
que a direção de 45º apresentou os maiores valores para o alcance.

Figura 2-6: Variogramas experimentais na horizontal. A) Azimute 0º. B) Azimute 22.5º. C) Azimute
45º. D) Azimute 67.5º. E) Azimute 90º. F) Azimute 112.5º. G) Azimute 135º. H) Azimute 157.5º.
 7

Tabela 2-1: Resumo dos dados obtidos com a variografia na horizontal.

Azimute Dip Range 1 Range 2

0 0 180 520
22.5 0 150 550
45 0 225 570
67,5 0 200 450
90 0 175 300
112.5 0 225 350
135 0 250 375
157.5 0 170 450

Ao se tratar de um banco de dados em três dimensões e para se determinar o

alcance real do eixo de maior continuidade, foram testados diversos mergulhos para
a direção de 45º. Os oito ângulos de mergulho (Dip) gerados cariaram em 22.5°, entre
0 e 157.5º. Como na etapa anterior foi utilizado de 20 lags com espaçamento entre
amostras (lag) de 100m e com tolerância de 50%. Podemos observar na Tabela 2-2
que o eixo de maior continuidade apresentou azimute de 45 º e mergulho de 22.5° e
alcance máximo de 850m.

Tabela 2-2: Resumo dos dados obtidos com a variografia de azimute 45º.

Azimute Dip Range 1 Range 2

45 0 225 525
45 22.5 160 850
45 45 150 600
45 67.5 55 260
45 90 90 240
45 112.5 105 195
45 135 90 150
45 157.5 120 225
 8

Figura 2-7: Variogramas experimentais com azimute 45º. A) Dip 0º. B) Dip 22.5º. C) Dip 45º. D) Dip
67.5º. E) Dip 90º. F) Dip 112.5º. G) Dip 135º. H) Dip 157.5º.
 9

A partir do eixo de maior continuidade podemos identificar o plano

perpendicular a ele que contém os demais eixos principais e obter o alcance médio e
o alcance mínimo. Através do uso do site visible geology de estereografia online para
a projetar o plano 135/67.5, perpendicular ao eixo de maior continuidade, e obter as
oito retas contidas nesse plano (Figura 2-8). As retas variam em 22.5º e indicam as
direções no plano utilizadas para a construção dos variogramas. Foram utilizados de
40 lags com espaçamento entre amostras (lag) de 15m e tolerância de 50% para a
construção dos variograma (Figura 2-9).

Figura 2-8: Modelo estereográfico obtido pelo site visible geology. O plano perpendicular 135/67.5 é o
plano perpendicular ao eixo de maior continuidade 44/22.5.
 10

Figura 2-9: Variogramas das retas contidas no plano 135/67,5. A) Azi 306º/Dip 20º. B) Azi 294º/Dip 40º.
C) Azi 272º/Dip 58º. D) Azi 225º/Dip 67º. E) Azi 179º/Dip 59º. F) Azi 156º/Dip 41º. G) Azi 144º/Dip 21º.
H) Azi 135º/Dip 01º.
 11

Tabela 2-3: Resumo dos dados obtidos com a variografia das retas pertencentes ao plano 135/67.5.

Azimute Dip Range 1 Range 2

306 20 100 475
294 40 100 500
272 58 50 400
225 67 60 390
179 59 150 425
156 41 60 340
144 21 150 425
135 1 50 450

A direção de maior continuidade no plano 135/67.5 apresentou azimute de 144º

e mergulho de 21º e a de menor continuidade apresentou azimute de 272º e mergulho
de 58º, como apresentado na Tabela 2-3 acima. A equação que descreve o modelo
experimental esférico de continuidade para o ferro é dada por:

º/ . º º/ º º/ º º/ . º º/ º º/ º
(ℎ) = 5 + 15 ∗ ℎ ; ; + 24.93 ∗ ℎ ; ; (2-1)

2.6 - KRIGAGEM
A estimativa do depósito utilizou do modelo obtido na variografia para realizar
o método da krigagem ordinária com discretização dos blocos de 25x25x15m e
mínimo de 3 e máximo de 15 amostras. O elipsoide de busca foi dividido em 8 setores
angulares, com máximo de 2 e mínimo de 1 amostra por setor. A estimativa obtida
está representada na Figura 2-10, na qual estão evidentes os 220322 blocos
estimados.

Figura 2-10: Modelo da Krigagem ordinária do ferro com grid 25x25x15m.

 12

A krigagem ordinária necessita da orientação do modelo através de uma

sequência de três rotações em relação aos eixos do sistema de coordenadas. Deutsch
& Journel (1998) descrevem as convenções estabelecidas para a orientação no
software GSLIB, as mesmas convecções são utilizadas no software SGeMS o qual foi
utilizado nesse estudo. Desta forma, são necessários três ângulos de rotação para
posicionar o modelo, sendo a primeira rotação em função do eixo Z, a segunda em
relação ao eixo X e a terceira em relação ao eixo Y (Figura 2-11). A primeira rotação
(azimute) no eixo Z é positiva no sentido horário, a segunda rotação (mergulho) em X
é negativa no sentido horário e positiva no sentido anti-horário e a terceira rotação
(rake) em Y é positiva no sentido horário. A Tabela 2-4 apresenta os parâmetros
utilizados na krigagem.

Figura 2-11: Rotação dos eixos do sistema de coordenadas para posicionamento da krigagem.

Tabela 2-4: Parâmetros de entrada para a krigagem do ferro.

Krigagem Ordinária
Azimute 45
Dip -22.5
Rake 22.5
Alcance Máximo 850
Alcance Médio 500
Alcance Mínimo 340
Efeito Pepita 5.0
Sill 1 15.00
Sill 2 24.93
Número de células 89x52x52
Tamanho das células 25x25x15
Máximo de amostras 15.0
Mínimo de amostras 3.0
Min Octante não vazio 1.0
Min por Octante 1.0
Max. por Octante 4.0
 13

A Figura 2-12 apresenta o histograma de frequência para a estimativa realizada

que apresenta forma simétrica, onde o valor da média é semelhante a mediana e
consequentemente o valor do coeficiente de assimetria próximo a zero. A média obtida
na krigagem de 46.58% se manteve bem semelhante à média global dos dados
originais e da média dos dados desagrupados de 46.29% e 46.63% respectivamente.
Podemos observar ainda que a variância da krigagem de 27.5%2 apresentou mudança
significativa quando comparada a variância dos dados desagrupados de 66.76%2.
Essa diminuição da variância ocorre provavelmente devido a mudança de suporte de
pontos amostrais para blocos.

Figura 2-12: Histograma do modelo estimado para o ferro.

 14

2.7 - VALIDAÇÃO
A validação do modelo de estimativa por krigagem verifica se o modelo
proposto está adequado. Uma das primeiras formas de validação é a validação visual
ou inspeção visual onde por sobreposição de imagens são comparados os dados
amostrados com os valores amostrados pela estimativa por krigagem. Observando a
Figura 2-14 podemos destacar que os teores das amostras e os valores estimados
obedecem ao mesmo padrão espacial e os valores dos blocos e das amostras são
condizentes.

Podemos comparar os dados estimados com os dados verdadeiros através da

ferramenta X-validation do software SGeMS, onde obtemos o histograma de erros da
validação cruzada (Figura 2-13-A). A média do histograma de erros apresentou valor
de 0.099, demonstrando alta confiabilidade na estimativa, já que o valor está próximo
de zero.

Figura 2-13: Cross-validation. A) Histograma do erro da validação cruzada. B) Scatterplot entre os

dados reais e os dados estimados

O scatterplot pode ser utilizado para comparar os valores reais e estimados, dessa
forma podemos verificar a correlação entre os dados. Quanto maior a correlação entre
os dados melhor é a qualidade da estimativa. Na Figura 2-13-B podemos observar
que ocorre uma alta correlação ente os dados com coeficiente de correlação de 0.77,
afirmando que os parâmetros utilizados na krigagem foram bem selecionados e que a
qualidade da krigagem é aceitável e a estimativa possui um bom grau de
confiabilidade.
 15

Figura 2-14: Comparação visual entre as amostras e a krigagem. A-B Superfície e Wireframe no plano
XZ.C-D Superfície e Wireframe no plano YZ. E-F Superfície e Wireframe no plano XY.
 16

Pesos negativos na krigagem podem ocorrer, durante a resolução dos sistemas

de krigagem, devido à presença de arranjos de dados peculiares combinados a um
alto grau de continuidade no modelo de variograma.

Os pesos negativos apesar de aceitáveis ou até desejáveis em algumas

situações tal como dados de topografia, para outras, no entanto, podem implicar erros
nas estimativas gerando valores de probabilidades negativas, probabilidades maiores
que um, porosidades negativas ou até espessuras negativas (Deutsh, 1996).

A Figura 2-15 abaixo apresenta o histograma da soma dos pesos positivos

gerados pela krigagem ordinária, na qual podemos observar que valores maiores do
que um para a soma dos pesos positivos indicam a existência de pesos negativos, já
que se trata de uma compensação positiva nos pesos na região a fim de que a soma
de todos os pesos seja igual a um. A estimativa obtida pela krigagem ordinária se
torna melhor ao reduzirmos ao máximo a quantidade de pesos negativos, desta forma
o histograma da figura que apresenta 90% dos pesos utilizados como positivos, e
evidencia uma boa escolha para os parâmetros de krigagem.

Figura 2-15: Histograma dos pesos positivos gerados pelo processo de krigagem ordinária.

Segundo Isaaks & Srivastava (1989), ao realizarmos uma mudança de suporte

surtimos efeito no resumo estatístico dos dados. Desta forma, ao aumentarmos o
suporte reduzimos o espalhamento das amostras e o desvio padrão, diminuímos os
 17

valores máximos e aumentamos o valor mínimo. Outra mudança, ocorre na

distribuição dos dados que se torna mais simétrica, com diferença entre a mediana e
a média menor. Essas mudanças são ainda mais expressivas em bancos de dados
em que ocorrem valores extremos.

A krigagem ordinária realizada nesse estudo suavizou as estimativas ao

trabalhar com blocos ao invés dos pontos de dados, gerando uma mudança de
suporte. A suavização pode ser calculada ao compararmos a diminuição da variância
com a krigagem com diversos procedimentos matemáticos que tem como objetivo
ajustar a distribuição da estimativa a mudança de suporte.

Os principais procedimentos de ajuste têm como características comuns

manterem a média da distribuição inalterada e a justar a variância por algum fator, f,
de ajuste (Isaaks & Srivastava, 1989). A principal diferença entre os procedimentos
difere na maneira implícita que eles lidam com a simetrização.

Um dos procedimentos de correção mais simples é o Affice Correction, que

consiste na ideia de que a variância de distribuição pode ser reduzida sem alterar a
média ao ‘achatarmos’ os valores próximos da média (Isaaks & Srivastava, 1989). O
procedimento transforma os quantis de uma distribuição em quantis de outra
distribuição através de um fator de transformação, mantendo a forma da distribuição
dos dados e sem melhorar a sua simetria. A transformação dos quantis é realizada
pela equação abaixo:

= ∗( − )+ (2-2)

Em que m é a média, f o fator de transformação, q’ o quantil da nova distribuição

e q o quantil da distribuição original.

O método de correção IL Corrected consiste na ideia de que a mudança de

suporte pode afetar as distribuições de maneira semelhante a descrita por duas
distribuições log-normais com a mesma média, mas com variâncias diferentes (Isaaks
& Srivastava, 1989). Desta forma a curva q-q transforma uma distribuição log-normal
em outra possui a forma exponencial dada pela equação:

= (2-3)

Em que o coeficiente a e o expoente b são dados pelas equações:

 18

= ∗[ ] (2-4)
∗

( ∗ )
= (2-5)
(

Nas quais m é a média, CV é o coeficiente de variação e f é o fator de ajuste. Desta

forma a transformação ILC aumenta a simetria da distribuição mas não ajusta a forma
da distribuição.

O modelo gaussiano discreto (DGM) não é uma técnica trivial, utiliza da

representação de quantis por polinômios de Hermite (Wackernagel, 2003 in
Zagayevskiy & Deutsch, 2011) para transformar a distribuição original em uma
distribuição mais simétrica e gaussiana. O DGM de baseia na expansão dos valores
dos dados no suporte de ponto e bloco através de polinômios de Hermite, de dados
normalizados, funções de anamorfoses e coeficientes de correlação de ponto-bloco
entre os polinômios de Hermite no espaço normal (Zagayevskiy & Deutsch, 2011).

Para a validação da krigagem ordinária do ferro foi utilizado do aplicativo

histscale do software GSLIB para gerar quatro modelos de histograma dos métodos
de correção Affice Corrected, DGM Corrected Diffusion Model, DGM Corrected Mosaic
Model e IL Corrected (Figura 2-16).

A Figura 2-17 apresenta a curva de dispersão dos teores de ferro contra a

recuperação para os modelos de correção da variância e a krigagem ordinária.
Podemos destacar ao analisarmos a Tabela 2-5 que a diferença entre os modelos e a
krigagem foi menor que 10% para todos os pontos, indicando uma suavização
aceitável.

Tabela 2-5: Valores do Gráfico de dispersão entre teores de ferro (%) vs Recuperação (%).
 19

Figura 2-16: Histogramas dos métodos de correção da mudança de base. A) Affice Corrected. B) IL
Corrected. C) DGM Corrected Diffusion Model. D) DGM Corrected Mosaic Model.

Figura 2-17: Gráfico de dispersão entre teores de ferro (%) vs Recuperação (%).
 20

O swathplot é uma ferramenta usada na validação que consiste na comparação

de dois conjuntos de dados. Essa técnica permite identificar diferenças obtidas ao usar
métodos diferentes de estimativa. Para isso o depósito estimado é dividido em janelas
ao longo dos eixos X e Y. O uso mais comum consiste na comparação entre os teores
obtidos pela declusterização com os teores obtidos pela estimativa de blocos. Caso
os métodos de estimativas utilizados forem adequados é esperado que os teores dos
dados da declusterização e os teores dos dados da krigagem apresentem o mesmo
comportamento dentro das janelas.

Como podemos observar nos gráficos da Figura 2-18 os dados da declusterização

e da krigagem ordinária do ferro apresentam a mesma tendência dentro das janelas
ao compararmos. Foram utilizados nos gráficos swatplots de vinte janelas para a as
três direções X,Y e Z.
 21

Figura 2-18: Swathplot entre a krigagem e a declusterização. A) Swathplot no eixo X. B) Swathplot no

eixo Y. C) Swathplot no eixo Z.
 22

3. OURO (AU)
3.1 - BANCO DE DADOS
No estudo de estimativas e previsões para ouro foi utilizado de um banco de
dados que possui 4000 amostras representadas na Figura 3-1 pelo mapa de
localização. Na imagem podemos identificar que a direção de maior continuidade para
a distribuição dos dados ocorre no sentido Norte-Sul.

Figura 3-1: Mapa de localização das amostras de ouro.

Os dados foram recebidos em arquivo .txt com quatro colunas, sendo as três
primeiras colunas referentes as coordenadas geográficas e a última aos teores de
ouro. A malha amostral é de aproximadamente 50x50m2 no plano XY e 15m em Z,
com dimensões com cerca de 700m em X, 4500m em Y e 1m em Z.
 23

3.2 - ANÁLISE EXPLORATÓRIA DOS DADOS

O conjunto amostral de 4000 amostras de ouro está representado na Figura
3-2 pelos seus histogramas de frequência e acumulado. Podemos destacar que os
teores variam entre 0.005ppm e 20.05ppm de Au. A média aritmética das amostras é
de 0.719 ppm, a mediana 0.48 ppm, o coeficiente de variação de 1,23 e a variância
de 0.783 ppm2.

Figura 3-2: Histograma de frequência e acumulado do ouro.

O histograma apresenta distribuição assimétrica positiva, com média maior que

a mediana, e coeficiente de assimetria menor que zero. Podemos observar a presença
de valores extremos no histograma de dados gerando um coeficiente de variação
acima de um e que viria a interferir nas estimativas. Desta forma, foi necessário a
realização do capping através da ferramenta calculator do software SGeMS.

A técnica capping ou cutting consiste em retirar valores extremos (outliers) do

conjunto de dados, sendo fortemente difundida na indústria mineral. Segundo Sinclair
& Blackwell (2004), a técnica diminui os teores extremos para um limiar de modo que
o ouro perdido ao reduzir os valores extremos é recuperado estendendo os teores
cortados da mesma maneira que os teores baixos são estendidos ao realizar
estimativas em blocos. O limiar do capping é determinado por tentativa e erro, sendo
muitas vezes arbitrário, o que pode levar a um limiar que representa apenas uma
porção limitada do depósito e a grandes incertezas nas estimativas de teor e
 24

tonelagem. Apesar disso, a prática do cappping continua sendo muito empregada

devido ao grande potencial de superestimativas devido a presença de outliers.

Neste estudo foi selecionado o valor do percentil 95 ou P95 de 1.94ppm para

realizar o capping. O novo histograma de frequência e acumulado é apresentado na
Figura 3-3, não qual podemos destacar que a média baixou para 0.55ppm a mediana
para 0.44ppm o coeficiente de variação de 0.71 e a variância de 0.154 ppm2. Ele
também apresenta distribuição assimétrica positiva, com média maior que a mediana,
e coeficiente de assimetria menor que zero.

Figura 3-3: Histograma de frequência e acumulado do ouro após o capping.

3.4 - DESAGRUPAMENTO
O desagrupamento das amostras foi realizado pelo método dos polígonos
através do uso do software SGeMS. A Figura 3-4 representa o resultado do processo
de declusterização onde foi definido um grid 5x5x1m3 metros contendo 135 células no
eixo X, 780 células no eixo Y e 22 no eixo Z.
 25

Figura 3-4: Modelo do desagrupamento pelos polígonos de influência.

Figura 3-5: Histograma dos dados de ouro desagrupados.

O resumo estatístico dos dados desagrupados representado na Figura 3-5

sofreu diferença perceptível, na qual a média dos dados desagrupados reduziu em
comparação aos dados originais de 0.546ppm para 0.463ppm e variância reduziu de
0.154ppm2 para 0.100ppm2. Ao contrário do resumo estatístico, a forma do histograma
não apresentou mudanças muito significativas mantendo a distribuição assimétrica
positiva.
 26

3.5 - CONTINUIDADE ESPACIAL

Para o estudo da continuidade espacial do ouro foram gerados modelos de
correlogramas com o uso do software SGeMS em nove direções obtendo o alcance
em cada direção.

A primeira etapa do estudo de continuidade espacial consistiu na

construção do correlograma vertical, onde o azimute foi de 0º, o mergulho de 90º e a
tolerância angular de 45º (Figura 3-6). Os espaçamentos entre amostras (lag)
selecionado foi de 1m com tolerâncias de 50% e largura de banda de 0.5m para cada
lado. Este variograma permitiu obter o valor de 10% da variância a priori de 0.154ppm2
para o efeito pepita, ou seja, 0.0153.

Figura 3-6: Correlograma vertical.

A próxima etapa consistiu na construção de oito correlogramas na horizontal

variando de 0º a 157.5º, tolerância angular de 22.5º, largura de banda de 12.5m, 35
lags e espaçamento entre amostras (lag) de 25m mais uma tolerância de 50%. A
Figura 3-7 apresenta os correlogramas direcionais obtidos, na qual foram definidos a
utilização de duas estruturas o sill1 de 0.130 e sill2 de 0.0085 ambas para um modelo
do tipo esférico, que representam respectivamente 85% e 5% da variância a priori.
 27

Figura 3-7: Variogramas experimentais na horizontal. A) Azimute 0º. B) Azimute 22.5º. C) Azimute 45º.
D) Azimute 67.5º. E) Azimute 90º. F) Azimute 112.5º. G) Azimute 135º. H) Azimute 157.5º.
 28

A Tabela 3-1 apresenta os valores obtidos nos correlogramas onde é

perceptível a falta de uma direção de maior continuidade. Desta forma, foi necessário
o uso de um correlograma omini-direcional no plano XY com as mesmas
características usadas nos correlogramas anteriores (Figura 3-8). Devido a falta da
direção de maior continuidade, foi utilizado de mergulho 0º e rake 0º (plano horizontal).

Tabela 3-1: Resumo dos dados obtidos com a variografia na horizontal.

Azimute Dip Range 1 Range 2

0 0 31 181
22.5 0 27 210
45 0 27 166
67.5 0 28 131
90 0 27 166
112.5 0 30 140
135 0 32 166
157.5 0 32 175

Figura 3-8: Variograma Omini-direcional na horizontal.

 29

Figura 3-9: Modelo estereográfico obtido pelo site visible geology, representando os três eixos
principais.

A Figura 3-9 acima foi obtida através do site visible geology de estereografia
online e apresenta os eixos para o níquel. A equação que descreve o modelo
experimental esférico de continuidade para o ouro é dada por:

º/ º º/ º º/ º º/ º º/ º º/ º
(ℎ) = 0,0153 + 0,13 ∗ ℎ ; ; + 0,0085 ∗ ℎ ; ; (3-1)

3.6 - KRIGAGEM
A krigagem ordinária do ouro utilizou do modelo de continuidade espacial obtido
para realizar o método da krigagem ordinária para a estimativa em blocos de
25x25x1m3. O elipsoide de busca foi dividido em oito setores angulares, com máximo
de 4 e mínimo de 16 amostras por setor. A estimativa obtida está representada na
Figura 3-10, na qual estão evidentes os 49340 blocos estimados.
 30

Figura 3-10: Modelo da Krigagem ordinária do ferro com grid 25x25x1m3.

Como descrito anteriormente, a krigagem ordinária realizada no software

SGeMS necessita dos ângulos de rotação que posicionam o modelo. A Tabela 3-2
apresenta os parâmetros utilizados.

Tabela 3-2: Parâmetros de entrada para a krigagem do ouro.

Krigagem Ordinária
Azimute 0.0
Dip 0.0
Rake 0.0
Alcance Máximo 190
Alcance Médio 190
Alcance Mínimo 11
Efeito Pepita 0.0153
Sill 1 0.130
Sill 2 0.0085
Número de células 27x156x20
Tamanho das células 25x25x1
Máximo de amostras 16.0
Mínimo de amostras 4.0
Min Octante não vazio 1.0
Min por Octante 1.0
Max. por Octante 2.0

O histograma da Figura 3-11 possui assimetria levemente positiva onde a

média é maior que a mediana. A média obtida na krigagem de 0,50ppm se manteve
semelhante a média dos dados desagrupados de 0,463ppm apresentando a pequena
diferença de 8%, enquanto a variância de krigagem de 0,0265ppm representa uma
diminuição significativa de 73% quando comparada a variância dos dados
 31

desagrupados de 0,10ppm. Essa diminuição da variância ocorre devido a mudança

de suporte de pontos amostrais para blocos.

Figura 3-11: Histograma do modelo estimado para o ouro.

3.7 - VALIDAÇÃO
Após realizar a krigagem ordinária se faz necessário validar a escolha dos
parâmetros e verificar se o modelo está adequado.

A validação visual para a krigagem do ouro foi a primeira realizada onde foram
sobrepostas imagens dos dados amostrados e valores das estimativas por krigagem
ordinária. A Figura 3-12 confirma que os teores das amostras e os valores estimados
obedecem ao mesmo padrão espacial e os valores dos blocos e das amostras são
condizentes.

A próxima validação realizada foi a validação cruzada que consiste em comparar

os dados estimados com os dados verdadeiros, com o objetivo de obter o histograma
de erros da validação cruzada (Figura 3-13-A). A média do histograma de erros
apresentou valor de 0.0064, demonstrando alta confiabilidade na estimativa, já que o
valor está próximo de zero.

O scatterplot comparou os valores reais e estimados, e dessa forma, verificou a

correlação entre os dados. Na Figura 3-13-B podemos observar que ocorre uma
 32

correlação aceitável ente os dados com coeficiente de correlação de 0.58, afirmando

que os parâmetros utilizados na krigagem foram bem selecionados e que a qualidade
da krigagem é aceitável e a estimativa possui um bom grau de confiabilidade.

Figura 3-12: Comparação visual entre as amostras e a krigagem. A) Wireframe no plano XY. B) Modelo
racionado com norte posicionado para a direita C) Região sul em detalhe. D) Região central e norte em
detalhe.

Figura 3-13: Cross-validation. A) Histograma do erro da validação cruzada. B) Scatterplot entre os

dados reais e os dados estimados
 33

A terceira validação realizada para o ouro foi a soma dos pesos positivos
apresentada na Figura 3-14, na qual podemos observar que valores maiores do que
um para a soma dos pesos positivos indicam a existência de pesos negativos. Como
a estimativa obtida pela krigagem ordinária se torna melhor ao reduzirmos ao máximo
a quantidade de pesos negativos e o histograma da figura que apresenta 91% dos
pesos utilizados como positivos, temos uma evidencia da boa escolha para os
parâmetros de krigagem.

Figura 3-14: Histograma dos pesos positivos gerados pelo processo de krigagem
ordinária.

A quarta validação realizada foi a validação da suavização da Krigagem. A

suavização dos teores ocorre como consequência da mudança de suporte ao
realizarmos a krigagem ordinária. Podemos determinar a suavização ao compararmos
a diminuição da variância com a krigagem com diversos procedimentos matemáticos
que tem como objetivo ajustar a distribuição da estimativa a mudança de suporte. O
aplicativo histscale do software GSLIB foi utilizado para gerar os quatro modelos de
histograma dos métodos de correção Affice Corrected, DGM Corrected Diffusion
Model, DGM Corrected Mosaic Model e IL Corrected (Figura 3-3).
 34

A Figura 3-15 apresenta o gráfico da curva de dispersão dos teores de níquel

contra a recuperação para os modelos de correção da variância e a krigagem
ordinária.

Tabela 3-3: Histogramas dos métodos de correção da mudança de base para o níquel. A) Affice
Corrected. B) IL Corrected. C) DGM Corrected Diffusion Model. D) DGM Corrected Mosaic Model.

Tabela 3-4: Valores do Gráfico de dispersão entre teores de ouro (%) vs Recuperação (%).

Analisando a Tabela 3-4 acima e o gráfico de dispersão podemos destacar que

os modelos apresentaram grandes diferenças entre si. O modelo DGM Corrected
Diffusion Model e a krigagem estão muito semelhantes com erros relativos menores
que 10%. O modelo IL Corrected foi o mais discrepante entre os modelos analisados
ao compararmos com a krigagem e/ou os demais modelos. Os demais modelos
apresentam pontos que diferem da krigagem em quase 40%, mas são semelhantes
 35

na maioria dos pontos apresentando erros relativos menores que 10%, e desta forma,
não comprometendo a estimativa gerada para o ouro.

Figura 3-15: Gráfico de dispersão entre teores de ouro (%) vs Recuperação (%).

A última validação realizada foi o swathplot que que consiste na comparação

de dois conjuntos de dados. Para isso, foram utilizados para a construção dos gráficos
swatplots de vinte e cinco janelas nas direções X, Y e duas janelas na direção Z. A
Figura 3-16 mostra que ao compararmos os dados da declusterização e da krigagem
ordinária do ouro obtemos a mesma tendência dentro das janelas.
 36

Figura 3-16: Figura 4 15: Swathplot entre a krigagem e a declusterização. A) Swathplot no eixo X. B)
Swathplot no eixo Y. C) Swathplot no eixo Z.
 37

4. NÍQUEL (NI)
4.1 - BANCO DE DADOS
O banco de dados de Níquel possui 26.971 amostras representadas na Figura
4-1 pelo mapa de localização. Além disso, ele recebeu um tratamento de
desdobramento ou unfolding permitindo a identificação da continuidade espacial.

O método de unfolding consiste em realizar transformações nas coordenadas

com o objetivo de melhorar ou facilitar a modelagem (Rossi & Deutsch, 2014). Esse
processo é utilizado em casos onde existem dobras ou ondulações de larga escala.

Os algoritmos de unfolding são responsáveis transformar as coordenadas X, Y

e Z, em coordenadas correspondentes “desdobradas”. Geralmente os algoritmos
criam uma nova coordenada de azimute Xi e uma nova coordenada perpendicular a
estrutura Zi, mantendo a coordenada de mergulho inalterada, ou seja Yi=Y (Deutsch,
2004). Esse processo deve ocorrer de modo reversível, permitindo o processo inverso
após a modelagem e as estimativas.

Figura 4-1: Mapa de localização das amostras de níquel.

 38

Para a utilização nesse estudo, foi disponibilizado o banco de dados em formato

.txt com cinco colunas, sendo a primeira a identificação dos furos de sondagem, as
três colunas seguintes referentes as coordenadas X, Y e Z respectivamente e a última
coluna referente aso teores de níquel em porcentagem. Os dados apresentam malha
amostral de 50x50m2 no plano XY e 1m em Z, com dimensões com cerca de 2500m
em X, 2000m em Y e 123m em Z.

4.2 - ANÁLISE EXPLORATÓRIA DOS DADOS

O conjunto amostral composto de 1195 amostras, está representado na Figura
4-2 pelos seus histogramas de frequência e acumulado, nos quais os teores variam
entre 0.02ppm e 4.32ppm de níquel. A média aritmética das amostras é de 0.65ppm,
a mediana de 0.49ppm, o coeficiente de variação de 0.767 e a variância de 0.25ppm2.

Figura 4-2: Histograma de frequência e acumulado para o níquel.

O histograma possui distribuição assimétrica positiva, com média maior que a

mediana e coeficiente de assimetria menor que zero. Não foi observado no histograma
a presença de valores extremos.
 39

4.4 – DESAGRUPAMENTO
O desagrupamento dos dados de Níquel foi realizado pelo método dos
polígonos através do uso do software SGeMS. A Figura 4-3 representa o resultado do
processo de declusterização onde foi definido um grid 5x5x1 metros contendo 506
células no eixo X, 342 células no eixo Y e 128 no eixo Z.

Os dados apresentados para o estudo foram coletados em uma malha amostral

quase regular e desta forma o resumo estatístico dos dados desagrupados é bem
semelhante aos dados originais (Figura 4-4). A média dos dados desagrupados de
0.67ppm apresentou uma variação de menos de 5% em relação aos dados originais
de 0.64ppm e a variância dos dados desagrupados de 0,28ppm2 variou 15% em
relação a variância dos dados de 0,24ppm2. O histograma dos dados desagrupados
é semelhante ao histograma dos dados originais apresentando assimetria positiva.

Figura 4-3: Modelo do desagrupamento pelos polígonos de influência.

Figura 4-4: Histograma dos dados de níquel desagrupados

 40

4.5 - CONTINUIDADE ESPACIAL

O estudo da continuidade espacial do níquel consistiu no uso do software
SGeMS para criar correlogramas em oito direções obtendo o alcance em cada direção
e determinando os alcances máximo, médio e mínimo.

Ao observarmos os dados podemos inferir que a direção de menor continuidade

dos dados estaria na vertical ao longo dos furos de sondagem. Desta forma, foi gerado
inicialmente um correlograma na vertical, azimute de 0º e mergulho de 90º, com
tolerância angular de 45º e espaçamento entre amostras (lag) de 1m com tolerância
de 50% para cada lado (Figura 4-5). O modelamento deste correlograma permitiu
determinar que 15% da variância a priori de 0.2467ppm2 seriam o efeito pepita, ou
seja, um efeito pepita igual a 0.037.

Figura 4-5: Correlograma do níquel na vertical.

Após obter o efeito pepita, foram construídos oito correlogramas na horizontal

variando de 0º a 157.5º, com tolerância angular de 22.5° e largura de banda de 50m.
Para a geração dos correlogramas utilizou-se de 35 lags com espaçamento entre
amostras (lag) de 50m e com tolerância de 50%. A Figura 4-7 apresenta os
correlogramas direcionais obtidos. Nesta etapa do estudo de continuidade espacial
foram definidos a utilização de duas estruturas o sill1 de 0.1604 e sill2 de 0.0493 ambas
para um modelo do tipo esférico, que representam respectivamente 65% e 20% da
variância a priori. Podemos observar pela Tabela 4-1 que a direção de 67.5º
 41

apresentou os maiores valores para o alcance e a direção de 157.5º apresentou os

menores valores.

Tabela 4-1: Resumo dos dados obtidos com a variografia na horizontal.

Azimute Dip Range 1 Range 2

0 0 45 330
22.5 0 54 342
45 0 47 348
67.5 0 50 480
90 0 51 423
112.5 0 58 360
135 0 36 320
157.5 0 40 300

Figura 4-6: Modelo estereográfico obtido pelo site visible geology, representando os três eixos
principais.
 42

Figura 4-7: Correlogramas experimentais na horizontal. A) Azimute 0º. B) Azimute 22.5º. C) Azimute
45º. D) Azimute 67.5º. E) Azimute 90º. F) Azimute 112.5º. G) Azimute 135º. H) Azimute 157.5º.
 43

A Figura 4-6 foi obtida através do site visible geology de estereografia online e
apresenta os eixos de maior, média e menor continuidade espacial para o níquel. A
equação que descreve o modelo experimental esférico de continuidade para o níquel
é dado por:

. º º . º º º º . º/ º . º/ º º/ º
(ℎ) = 0,037 + 0.1604 ∗ ℎ ; ; + 0.0493 ∗ ℎ ; ; (4-1)

4.6 - KRIGAGEM
A estimativa do depósito de níquel utilizou do modelo de continuidade espacial
obtido para realizar o método da krigagem ordinária para a estimativa com
discretização dos blocos de 15x15x5m3. O elipsoide de busca foi dividido em 8 setores
angulares, com máximo de 2 e mínimo de 1 amostra por setor. A estimativa obtida
está representada na Figura 4-8, na qual estão evidentes os 459448 blocos
estimados.

Figura 4-8: Modelo da Krigagem ordinária do ferro com grid 15x15x5m.

Como discutido anteriormente, para realizar a krigagem ordinária no software

SGeMS são necessários os ângulos de rotação que posicionam o modelo. A Tabela
4-2 apresenta os parâmetros utilizados.

O histograma de frequência da estimativa realizada é apresentado na Figura

4-9, no qual podemos destacar a assimetria positiva onde a média é maior que a
mediana e coeficiente de assimetria menor que zero. A média obtida na krigagem de
0.715ppm se manteve semelhante a média dos dados desagrupados de 0,675ppm
apresentando pequena diferença de 6%, enquanto a variância de krigagem de
 44

0,144ppm2 representa uma diminuição significativa de quase 50% quando comparada

a variância dos dados desagrupados de 0,285ppm2. Essa diminuição da variância
ocorre devido a mudança de suporte de pontos amostrais para blocos.

Tabela 4-2: Parâmetros de entrada para a krigagem do níquel.

Krigagem Ordinária
Azimute 67.5
Dip 0.0
Rake 0,0
Alcance Máximo 480
Alcance Médio 300
Alcance Mínimo 100
Efeito Pepita 0.037
Sill 1 0.1604
Sill 2 0. 0493
Número de células 169x124x26
Tamanho das células 15x15x5
Máximo de amostras 12.0
Mínimo de amostras 3.0
Min Octante não vazio 1.0
Min por Octante 1.0
Max. por Octante 4.0

Figura 4-9: Histograma do modelo estimado para o níquel.

 45

4.7 - VALIDAÇÃO
Com a finalidade de garantir que a escolha dos parâmetros de krigagem foi
bem realizada e verificar se o modelo está adequado são realizadas as validações da
estimativa do níquel. A validação visual foi a primeira validação realizada onde foram
sobrepostas imagens dos dados amostrados e valores das estimativas por krigagem
ordinária. A Figura 4-11 confirma que os teores das amostras e os valores estimados
obedecem ao mesmo padrão espacial e os valores dos blocos e das amostras são
condizentes.

A segunda validação foi a validação cruzada que consiste em comparar os

dados estimados com os dados verdadeiros, com o objetivo de obter o histograma de
erros da validação cruzada (Figura 4-10-A). A média do histograma de erros
apresentou valor de 0.00057, demonstrando alta confiabilidade na estimativa, já que
o valor está próximo de zero.

O scatterplot foi utilizado para comparar os valores reais e estimados, dessa forma
podemos verificar a correlação entre os dados. Quanto maior a correlação entre os
dados melhor é a qualidade da estimativa. Na Figura 4-10-B podemos observar que
ocorre uma alta correlação ente os dados com coeficiente de correlação de 0.82,
afirmando que os parâmetros utilizados na krigagem foram bem selecionados e que a
qualidade da krigagem é aceitável e a estimativa possui um bom grau de
confiabilidade.

Figura 4-10: X-validation da estimativa do níquel. A) Histograma do erro da validação cruzada. B)

Scatterplot entre os dados reais e os dados estimados.
 46

Figura 4-11: Comparação visual entre as amostras e a krigagem. A) Wireframe no plano XY. B)
Wireframe no plano XZ. C) Wireframe no plano YZ. D) Detalhe do wireframe no plano XY

A resolução dos sistemas de krigagem podem gerar pesos negativos devido a

presença de arranjos de dados peculiares combinados a um alto grau de continuidade
no modelo de variograma.

A Figura 2-15 abaixo apresenta o histograma da soma dos pesos positivos

gerados pela krigagem ordinária, na qual podemos observar que valores maiores do
que um para a soma dos pesos positivos indicam a existência de pesos negativos. O
histograma da figura que apresenta 91% dos pesos utilizados como positivos,
evidencia uma boa escolha para os parâmetros de krigagem.
 47

Figura 4-12: Histograma dos pesos positivos gerados pelo processo de krigagem ordinária do níquel.

A estimativa para os teores de níquel por krigagem ordinária foi suavizada ao

realizar a mudança de suporte dos pontos amostrais para os blocos. Essa suavização
pode ser calculada ao compararmos a diminuição da variância com a krigagem com
diversos procedimentos matemáticos que tem como objetivo ajustar a distribuição da
estimativa a mudança de suporte.

Da mesma forma das demais estimativas, o aplicativo histscale do software

GSLIB foi o escolhido para gerar os quatro modelos de histograma dos métodos de
correção Affice Corrected, DGM Corrected Diffusion Model, DGM Corrected Mosaic
Model e IL Corrected (Figura 4-13).

A curva de dispersão dos teores de níquel contra a recuperação para os

modelos de correção da variância e a krigagem ordinária está representada no gráfico
da Figura 4-14. Podemos destacar na Tabela 4-3 que a diferença entre os modelos e
a krigagem foi menor que 10% para todos quase todos os pontos, indicando uma
suavização aceitável.
 48

Figura 4-13: Histogramas dos métodos de correção da mudança de base para o níquel. A) Affice
Corrected. B) IL Corrected. C) DGM Corrected Diffusion Model. D) DGM Corrected Mosaic Model.

Figura 4-14: Gráfico de dispersão entre teores de níquel (%) vs Recuperação (%).
 49

Tabela 4-3: Valores do Gráfico de dispersão entre teores de níquel (%) vs Recuperação (%).

Como discutido anteriormente, o swathplot é uma ferramenta usada na validação

que consiste na comparação de dois conjuntos de dados. Para isso, foram utilizados
para a construção dos gráficos swatplots de vinte janelas nas direções X,Y e cinco
janelas na direção Z. A Figura 4-15 mostra que ao compararmos os dados da
declusterização e da krigagem ordinária do níquel obtemos a mesma tendência dentro
das janelas.
 50

Figura 4-15: Swathplot entre a krigagem e a declusterização. A) Swathplot no eixo X. B) Swathplot no

eixo Y. C) Swathplot no eixo Z.
 51

5. CONCLUSÃO
Este relatório técnico trabalhou os principais assuntos desenvolvidos na disciplina
Prática em Geoestatística, gerando estimativas e previsões a partir de três bancos de
dados conhecidos e validou as estimativas, o banco de dados de ferro, o banco de
dados de ouro e o banco de dados de níquel. Cada um dos bancos de dados
trabalhados aqui apresentou peculiaridades e diferentes métodos foram utilizados
para obter êxito e resultados satisfatórios.

O banco de dados de ferro necessitou de uma análise detalhada da

continuidade espacial. O banco de dados do ouro apresentou valores extremos, sendo
necessário a aplicação da técnica de capping e não foi possível encontrar uma direção
de maior continuidade, sendo necessário o uso de um variograma omnidirecional para
a estimativa. Já o banco de dados do níquel apresentou eixo de maior continuidade
no plano horizontal, apesar disso é necessário salientar que o banco de dados foi
tratado previamente pela técnica de unfolding, permitindo o estudo da continuidade
espacial.

Os estudos realizados nos três bancos de dados iniciaram pela estatística

descritiva, com a análise dos tipos de dados existentes, a geração de histogramas e
resumos estatísticos. Em seguida foi analisado a possível existência de agrupamentos
preferenciais ou cluster de dados, e a comparação entre os dados originais e os dados
desagrupados gerados pelo método dos polígonos. As estimativas foram realizadas
pela krigagem ordinária e os modelos foram validados através de cinco técnicas
diferentes garantindo uma boa seleção de parâmetros na krigagem.
 52

REFERENCIAS BIBLIOGRÁFICAS
DEUSTCH, C.V. 2005. Practical unfolding for geostatistical modeling of vein-type and
complex tabular mineral deposits. In: Proceedings of the 32nd international
APCOM symposium, published by the Taylor and Francis Group, London. p. 197-
202.

DEUTSCH, C.V. 1996. Correcting for Negative Weights in Ordinary Kriging.

Computers & Geosciences, Vol. 22, No.7, p. 765-773.

DEUTSCH, C.V.; JOURNEL, A.G. GSLIB - Geostatistical Software Library and User’s
Guide: Oxford University Press.1998. 369 p.

ISAAKS, E.H.; SRIVASTAVA, M.R. 1989. An Introduction to Applied Geostatistics.

New York: Oxford University Press. 553 p.

ROSSI, M. E.; DEUTSCH, C. V. 2014 Mineral resource estimation. Springer Science

& Business Media. 332 p.

SINCLAIR, J.A.; BLACKWELL, G.H. 2004. Applied Mineral Inventory Estimation.

Cambridge: Cambridge University Press. 377 p.

ZAGAYEVSKIY, Y. V.; DEUTSCH, C. V. 2011. A Short Note on an Update to the

Change of Support Program. CCG Annual Report 13 - Paper 313. 12p.