Академический Документы
Профессиональный Документы
Культура Документы
,QWURGXFFLyQ
El presente informe corresponde a un estudio solicitado por la Gerencia de Recursos Mineros
de la compaa SQM. Su objetivo es realizar simulaciones condicionales de leyes de nitrato y
yodo en un yacimiento de caliche, con tal de determinar una clasificacin de los recursos de
nitrato y yodo.
La estimacin de recursos se realiza tradicionalmente mediante el mtodo de NULJLQJ. Este
mtodo consiste en estimar las leyes en sectores no muestreados por un promedio ponderado
de las leyes muestreadas en sitios cercanos. Tambin cuantifica la amplitud del error de
estimacin mediante una desviacin estndar, la cual incorpora parmetros geomtricos
(nmero de datos cercanos al bloque estimado y su configuracin en el espacio) y parmetros
globales (variograma de los datos que representa su continuidad en el espacio). Sin embargo,
la desviacin estndar de kriging no toma en cuenta parmetros locales, como los valores
mismos de los datos, su media y dispersin local. En particular, es indiferente al llamado
HIHFWRSURSRUFLRQDO, es decir, a la existencia de una mayor dispersin local en las zonas de
mayores leyes.
Contrariamente al kriging, las simulaciones condicionales buscan reproducir la variabilidad
real de las leyes en el yacimiento, entregando de este modo escenarios posibles de lo que
podra ser el yacimiento real. La simulacin condicional toma en cuenta todas las fuentes de
incertidumbre en las leyes: parmetros geomtricos (cantidad y disposicin espacial de los
datos), parmetros globales (variograma) y locales (valores de los datos). Por lo tanto,
constituye una herramienta ms adecuada / completa que el kriging para cuantificar la
incertidumbre en forma realista y para clasificar los recursos minerales.
,QIRUPDFLyQGLVSRQLEOH
La informacin disponible consiste de leyes de nitrato y yodo muestreadas a lo largo de
sondajes verticales. Ms especficamente, dos tipos de bases de datos han sido entregados:
El trabajo de simulacin de recursos se llevar a cabo en cada uno de estos dos sistemas de
coordenadas por separado. Asimismo, para cada tipo de coordenadas, se han considerado
cuatro bases de datos, donde vara la densidad de muestreo (mallas 50m 50m, 100m
100m, 200m 200m y 400m 400m, siendo cada malla un subconjunto de la malla anterior).
Con esto, se buscar determinar la influencia de la malla de muestreo en la clasificacin de los
recursos.
El anlisis de los datos se realizar con el software geoestadstico ISATIS, que posee todas las
herramientas para el modelamiento y la simulacin condicional de los datos en estudio.
5HYLVLyQ\DQiOLVLVH[SORUDWRULRGHODVEDVHVGHGDWRV
Los sondajes estn distribuidos en una regin de tamao 7.5 km 6.5 km, en mallas (casi)
regulares, tal como se ilustra en la figura siguiente.
)LJXUD. Distribucin espacial de los sondajes para cada tipo de malla. Vista en planta.
Con respecto a la dimensin vertical, el muestreo se ha realizado cada 0.5m, sobre una
profundidad total de 12 metros al mximo. En el sistema de coordenadas reales, debido a
cambios en la topografa, las muestras se distribuyen entre las cotas 1394m y 1508m.
variable
nitrato
(%)
yodo
(ppm)
malla
nmero
mnimo
mximo
media
50 50
100 100
200 200
400 400
50 50
100 100
200 200
400 400
67 153
15 416
3 810
949
67 153
15 416
3 810
949
0.1
0.55
0.55
0.55
3
3
50
50
21.2
20
20
20
2272
2000
2000
2000
5.28
5.29
5.38
5.37
376.3
377.5
392.1
378.1
desviacin coef. de
estndar variacin
3.79
0.72
3.78
0.71
3.74
0.70
3.66
0.68
320.3
0.85
318.6
0.84
324.5
0.83
315.1
0.83
7DEOD. Estadsticos bsicos sobre las leyes muestreadas para cada tipo de malla.
Los histogramas presentan distribuciones asimtricas, no destacndose valores anmalos. Las
diferencias entre los estadsticos obtenidos para distintas mallas son propias de las diferencias
entre estadsticos de una poblacin y de un muestreo de ella. Los valores de los coeficientes
de variacin son razonablemente pequeos (menores que 1), indicando que la dispersin de
las leyes muestreadas no es considerable en torno al valor promedio; ahora, esto no impide
que la correlacin espacial de estas leyes sea muy pobre y que su distribucin espacial sea
errtica.
(WDSDVSDUDODVLPXODFLyQFRQGLFLRQDOGHOH\HV
A continuacin, se describe los pasos a seguir para la realizacin de simulaciones
geoestadsticas de las leyes de nitrato y yodo.
'HVDJUXSDPLHQWRGHORVGDWRV
Siendo el muestreo casi regular, esta etapa es opcional; se realiz porque existen algunos
sectores donde la malla de muestreo es ms densa que en el resto de la zona. El
desagrupamiento consiste en ponderar los datos para tener un histograma representativo de las
leyes. La ponderacin se obtiene mediante el mtodo de las celdas; en el caso que nos
interesa, se elige una celda de tamao 50m 50m 0.5m (Men 7RROV'HFOXVWHULQJ).
nitrato (%)
yodo (ppm)
Mnimo
experimental
0.1
3
mnimo
asumido
0
0
mximo
experimental
21.2
2272
mximo
asumido
22
2500
0.4m
1
90
25m
10
50% del paso
10
0.5m
10
50% del paso
sistema de
coordenadas
variable
nitrato
cota real
yodo
nitrato
cota planar
yodo
nmero de
alcance prctico alcance prctico
modelos meseta
(plano
(direccin
anidados
horizontal)
vertical)
0.8
10m
3m
0.13
350m
3m
3
0.07
350m
0.75
10m
3.3m
0.26
350m
3.3m
3
0.03
3.3m
0.8
10m
3m
0.13
700m
3m
3
0.05
700m
0.75
10m
3.3m
0.16
350m
3.3m
3
0.13
3.3m
7DEOD. Parmetros de los modelos variogrficos (datos de malla 50m 50m). Todos los
modelos corresponden a variogramas exponenciales anidados.
Se puede hacer los siguientes comentarios sobre los variogramas obtenidos:
Los variogramas horizontales poseen un alcance mayor, entre 350 y 700 metros. Sin
embargo, estos alcances son ms bien nominales y los variogramas estn
prcticamente estabilizados despus de los 300 metros, puesto que en cada modelo
existe una estructura de corto alcance que cuenta por cerca del 75%-80% de la meseta
total. El alcance de esta micro-estructura no es fcil de determinar, dado los pocos
pares de datos disponibles para distancias menores a 50 metros. Se opt por un alcance
de 10 metros, que es compatible con los pocos puntos experimentales obtenidos para
las pequeas distancias (Figura 10).
Los variogramas horizontales calculados con los datos de cota planar son levemente
ms continuos (mayor alcance) que aquellos calculados con los datos de cota real.
Esto indica que el sistema de cota planar permite interpretar mejor la correlacin
espacial de las leyes en el yacimiento y, por ende, es preferible para el anlisis
geoestadstico de las leyes, ya sea mediante kriging o simulacin condicional.
La presencia de una micro-estructura implica una gran erraticidad de las leyes, tanto
para nitrato como para yodo, a la escala de observacin (50m 50m o ms). Esta
situacin genera una importante incertidumbre en las leyes de las zonas no
muestreadas y puede ser crtica al momento de clasificar los recursos.
10
La escala de trabajo (50 metros) es grande con respecto a la escala de variacin de las
leyes en el yacimiento.
12
malla
radio horizontal
radio vertical
50m 50m
100m 100m
200m 200m
400m 400m
250m
400m
600m
1200m
0.6m
1.5m
2.0m
3.0 m
nmero ptimo
de datos
48
48
48
48
discretizacin
del bloque
661
661
661
661
7DEOD. Parmetros de las vecindades de kriging usadas para condicionar las simulaciones.
13
)LJXUD. Ponderadores de kriging ordinario, obtenidos al estimar un bloque
a partir de 48 datos (malla 50m 50m). Izquierda: datos de misma cota que el
bloque a estimar. Derecha: datos de la cota inmediatamente superior
Estos parmetros han sido elegidos despus de varias pruebas, donde se ha examinado
indicadores estadsticos de la calidad del kriging (3ULQW:HLJKWV 5HVXOWV en la ventana
Test anterior), en particular la pendiente de la regresin entre valores reales y estimados. A
modo de ejemplo, la vecindad para la malla 50m 50m da los siguientes indicadores:
Number of Neighbors
= 48
Slope of the regression Z | Z* = 0.949539
El hecho de que los radios de la vecindad sean superiores al alcance de los variogramas no es
problemtico: aunque poco correlacionados con el bloque a estimar, los datos lejanos
permiten indirectamente estimar la media local y mejorar la estimacin por kriging. Se
aprecia en la figura 12 que sus ponderadores de kriging no son despreciables.
6LPXODFLyQFRQGLFLRQDOSRUEDQGDVURWDQWHV
Al terminar el anlisis variogrfico y la eleccin de las vecindades de kriging, se procede a la
simulacin propiamente tal de las leyes de nitrato y yodo. Existen varios algoritmos que
permiten simular campos Gaussianos.
A continuacin, utilizaremos el mtodo de bandas rotantes, programado en Isatis (Men
,QWHUSRODWH&RQGLWLRQDO6LPXODWLRQV7XUQLQJ%DQGV) (Figura 13). Este mtodo logra la
simulacin tridimensional de leyes mediante una serie de simulaciones unidimensionales a lo
largo de direcciones que discretizan el espacio 3D. Para la implementacin prctica, es
necesario elegir un nmero elevado de direcciones (en general, se recomienda usar varios
centenares); en este caso, se opt por 1000 direcciones.
14
El programa toma como input los datos Gaussianos, el modelo de variograma, la funcin de
anamorfosis y la vecindad de kriging previamente definida. Los resultados corresponden a las
leyes de nitrato y yodo (en escala original, es decir, transformados de vuelta desde el espacio
Gaussiano) simuladas en bloques de 25m 25m 0.5m. El activar la opcin block al inicio
del men de simulacin permite que el programa simule directamente los valores promedios
sobre los bloques.
La zona simulada corresponde a una regin especifica del yacimiento, de tamao de 1.5 km
1.5 km (Tabla 6). En la dimensin vertical, esta zona mide 14.5 metros (con el sistema de cota
planar) o 30.5 metros (con el sistema de cota real). Se ha definido una variable de seleccin
(llamada zona til ) sobre la grilla de bloques, la cual indica los bloques correspondientes a
la sobrecarga, manto de caliche y subyacente.
Note que cada corrida de simulacin requiere definir un nmero de semilla (VHHG) para la
generacin de nmeros aleatorios. Es necesario cambiar este nmero cada vez que se procede
a simular, de lo contrario los valores simulados seran los mismos que aquellos obtenidos en
la corrida anterior.
Para condicionar las simulaciones, procederemos a utilizar kriging ordinario (esto se hace
dejando tal cual las opciones especiales del modelo en el men de simulacin), que asume que
las leyes medias en cada vecindad de kriging son desconocidas. Esta postura es ms
conservadora que aquella consistente en utilizar kriging simple (con medias conocidas) y
resulta ms robusta frente a cambios locales que puedan sufrir las leyes en el yacimiento.
En total, se han generado 16 series de 50 realizaciones condicionales, tomando en cuenta:
15
60
60
29
X0=
Y0=
Z0=
Directory Name
File Name
Organization
Number of Samples
NX=
NY=
NZ=
60
60
71
:
:
:
:
X0=
Y0=
Z0=
Modelo de bloques
Grilla Cota planar
Grid - 3D
104400
435012.50m
7445512.50m
1486.75m
:
:
:
:
DX=
DY=
DZ=
25.00m
25.00m
0.50m
Modelo de bloques
Grilla Cota real
Grid - 3D
255600
435012.50m
7445512.50m
1425.75m
DX=
DY=
DZ=
25.00m
25.00m
0.50m
7DEOD. Informacin sobre los modelos de bloques (cota planar y cota real).
16
&KHTXHRGHODVVLPXODFLRQHV
El chequeo de las simulaciones se puede hacer al visualizar algunas plantas de las leyes
simuladas, as como al calcular estadsticos bsicos sobre los valores simulados para algunas
realizaciones. Las leyes medias simuladas deben ser parecidas a aquellas de los datos
originales, mientras que las varianzas deben ser ms bajas, debido a que se ha simulado las
leyes a escala de bloques (la varianza disminuye por el efecto de soporte).
)LJXUD. Cuatro realizaciones de las leyes de nitrato,
sistema de cota planar y malla 50m 50m. Planta n20.
17
Count
58139
58139
58139
58139
Minimum
0.6744
0.6314
0.5206
0.1826
Maximum
19.4070
15.9434
18.8234
18.8850
Mean
5.2729
5.3176
5.3038
5.2522
Variance
3.5316
3.3530
3.5410
3.4942
yodo[00001]
yodo[00002]
yodo[00003]
yodo[00004]
Count
58139
58139
58139
58139
Minimum
18.6982
20.1976
15.8494
13.3422
Maximum
1893.4056
2112.3967
1944.4325
1502.5909
Mean
352.6691
352.6574
355.8060
348.0527
Variance
30198.0071
34283.0796
30491.0251
28128.2187
7DEOD. Estadsticos bsicos de algunas realizaciones (cota planar, malla 50m 50m).
La zona a simular contiene 59008 bloques en total, en ambos sistemas de coordenada. De
ellos, la mayora ha sido simulada; slo una fraccin de los bloques (ubicados en los bordes
del manto) no han sido simulados por no contar con muestras en la vecindad de kriging.
18
3URFHVDPLHQWRGHODVVLPXODFLRQHV
Una vez realizadas las simulaciones, se calcula, para cada bloque, indicadores estadsticos que
sern relevantes para la clasificacin de los recursos:
)LJXUD. Procesamiento de las simulaciones (variable nitrato, cota planar, malla 50 50m).
&ODVLILFDFLyQGHORVUHFXUVRV
Se busca ahora clasificar los recursos estimados en tres categoras: recursos medidos , en los
cuales se tiene una confiabilidad razonable; recursos indicados , en los cuales se tiene una
confiabilidad mediana; recursos inferidos , en los cuales se tiene una confiabilidad baja. Para
ellos, es necesario definir un criterio para separar lo que se entiende como razonable ,
mediana y baja . Dicho criterio es necesariamente subjetivo y depende de la persona a
cargo de la clasificacin.
En el yacimiento que nos interesa, la clasificacin se ve complicada por dos factores:
Se opt por clasificar cada bloque en base a un criterio estadstico simple, que es el
coeficiente de variacin de las leyes simuladas en este bloque. Este coeficiente de variacin
corresponde a la desviacin estndar de las leyes simuladas dividida por el promedio de
dichas leyes simuladas. Indica, de cierto modo, el error relativo que uno est cometiendo al
estimar las leyes por el promedio de las realizaciones.
El utilizar la desviacin estndar misma (sin dividir por la ley media) podra penalizar la
clasificacin de recursos de altas leyes, puesto que dichas leyes suelen presentar una mayor
variabilidad local que las bajas leyes (efecto proporcional). El coeficiente de variacin
permite medir la variabilidad en trminos relativos y resulta un criterio ms neutral para
realizar la clasificacin.
El clculo del coeficiente de variacin se realiza en el men )LOH&DOFXODGRU (Figura 17).
20
Tipo de recurso
Medido
Indicado
Inferido
)LJXUD. Creacin de una variable de seleccin para definir los recursos medidos.
(variable nitrato, cota planar, malla 50 50m).
El clculo de los tonelajes y finos para cada categora de recurso se realiz asumiendo una
densidad de la roca de 2.1 ton/m3 (Tablas 9 a 12).
21
0$//$&/$6(721(/$-(),12/(<0(',$
P0WRQ.WRQ
50x50
100x100
200x200
400x400
medido
0.89
0.06
0.01
0.00
3.3
0.2
0.0
0.0
61.62
4.36
0.55
0.10
4.2
0.3
0.0
0.0
6.89
6.87
7.08
7.86
50x50
100x100
200x200
400x400
indicado
23.86
23.47
20.96
17.58
89.2
87.9
78.4
65.8
1320.19
1317.04
1227.42
1092.40
89.8
90.0
81.3
69.1
5.53
5.61
5.85
6.21
50x50
100x100
200x200
400x400
inferido
1.99
3.17
5.76
9.16
7.4
11.9
21.5
34.2
87.75
141.49
282.21
488.79
6.0
9.7
18.7
30.9
4.41
4.47
4.90
5.34
50x50
100x100
200x200
400x400
total
26.74
26.70
26.73
26.74
100.0
100.0
100.0
100.0
1469.56
1462.89
1510.18
1581.28
100.0
100.0
100.0
100.0
5.50
5.48
5.65
5.91
0$//$&/$6(721(/$-(),12/(<0(',$
P0WRQ.WRQ
50x50
100x100
200x200
400x400
medido
0.18
0.00
0.00
0.00
0.7
0.0
0.0
0.0
13.92
0.23
0.00
0.00
0.9
0.0
0.0
0.0
7.58
6.96
0.00
0.00
50x50
100x100
200x200
400x400
indicado
25.08
21.12
15.15
11.22
93.3
78.6
56.4
41.8
1390.72
1175.33
873.93
649.07
93.9
81.0
58.5
43.1
5.55
5.56
5.77
5.78
50x50
100x100
200x200
400x400
inferido
1.61
5.75
11.73
15.65
6.0
21.4
43.6
58.2
76.33
275.07
619.98
856.07
5.2
19.0
41.5
56.9
4.73
4.78
5.29
5.47
50x50
100x100
200x200
400x400
total
26.87
26.87
26.87
26.87
100.0
100.0
100.0
100.0
1480.96
1450.63
1493.91
1505.14
100.0
100.0
100.0
100.0
5.51
5.40
5.56
5.60
22
0$//$&/$6(721(/$-(),12/(<0(',$
P0WRQWRQSSP
50x50
100x100
200x200
400x400
medido
0.02
0.00
0.00
0.00
0.1
0.0
0.0
0.0
8.09
0.36
0.00
0.00
0.1
0.0
0.0
0.0
488.1
723.8
0.0
0.0
50x50
100x100
200x200
400x400
indicado
21.49
14.18
6.73
2.58
80.4
53.1
25.2
9.6
8046.13
5423.48
2807.07
948.49
85.2
58.7
29.4
10.2
374.5
382.6
417.2
367.6
50x50
100x100
200x200
400x400
inferido
5.24
12.52
19.96
24.16
19.6
46.9
74.8
90.4
1388.72
3807.93
6726.55
8389.42
14.7
41.2
70.6
89.8
265.1
304.1
337.0
347.2
50x50
100x100
200x200
400x400
total
26.74
26.70
26.69
26.74
100.0
100.0
100.0
100.0
9442.94
9231.77
9533.62
9337.92
100.0
100.0
100.0
100.0
353.1
345.7
357.2
349.2
0$//$&/$6(721(/$-(),12/(<0(',$
P0WRQWRQSSP
50x50
100x100
200x200
400x400
medido
0.00
0.00
0.00
0.00
0.0
0.0
0.0
0.0
0.63
0.00
0.00
0.00
0.0
0.0
0.0
0.0
339.6
0.0
0.0
0.0
50x50
100x100
200x200
400x400
indicado
17.56
6.68
1.54
0.29
65.4
24.9
5.7
1.1
6889.83
2627.19
619.72
100.41
69.0
26.4
5.9
1.1
392.3
393.4
402.8
346.1
50x50
100x100
200x200
400x400
inferido
9.31
20.20
25.34
26.58
34.6
75.1
94.3
98.9
3093.71
7308.30
9864.61
9272.91
31.0
73.6
94.1
98.9
332.3
361.9
389.4
348.8
50x50
100x100
200x200
400x400
total
26.87
26.87
26.87
26.87
100.0
100.0
100.0
100.0
9984.17
9935.49
10484.33
9373.31
100.0
100.0
100.0
100.0
371.5
369.7
390.1
348.8
23
&RQFOXVLRQHV\UHFRPHQGDFLRQHV
La mayora de los recursos corresponden a recursos indicados o inferidos. Incluso en la malla
50 50m, slo un pequeo porcentaje de los bloques pudo ser clasificado como medido , y
gran parte de los recursos slo es indicado .
Para las mallas 200 200m y 400 400m, la mayor parte de los recursos de yodo (> 75%) y
una parte importante de recursos de nitrato quedan como inferidos . Sin embargo, uno
observa que parte de los recursos de nitrato aparecen clasificados como indicados . Ahora,
cabe sealar que el ejercicio de simulacin se realiz con los variogramas obtenidos de la
malla 50 50m. En la prctica, al disponer de las mallas 200 200m 400 400m, no se
contara con dichos variogramas (sino que con variogramas similares a aquellos presentados
en la Figura 11), por lo cual sera ms prudente clasificar todos los recursos como inferidos,
por desconocer la continuidad espacial de las leyes.
En lo que concierne a la malla 100 100m, es posible dejar la clasificacin de recursos tal
como aparece en las tablas anteriores, siempre que se pueda determinar y modelar los
variogramas horizontales de forma razonable.
Para mejorar el conocimiento del yacimiento y la clasificacin de los recursos, se sugiere las
siguientes pistas:
$XPHQWDUODPDOODGHPXHVWUHR
Es la pista ms evidente, pero trae importantes costos adicionales. No est seguro que, incluso
con una malla de 25 25m, se disminuya en forma significativa el coeficiente de variacin de
las realizaciones. La razn se debe al corto alcance (del orden de 10m) que presenta la microestructura de los variogramas experimentales.
7DPDxRGHORVEORTXHV
La incertidumbre que se tiene en la ley media de un bloque disminuye a medida que las
dimensiones de este bloque aumentan. Esto se explica por el HIHFWRGHVRSRUWH, segn el cual
la dispersin de las leyes decrece cuando se aumenta el tamao de los bloques. Quizs la
clasificacin de los recursos deba basarse en bloques mayores (por ejemplo, 50m 50m
0.5m, 100m 100m 0.5m, 200m 200m 0.5m 400m 400m 0.5m, segn la malla de
muestreo) que aquellos utilizados en este estudio.
6RSRUWHGHORVGDWRV
As como se puede aumentar el tamao de los bloques a clasificar, se sugiere tambin analizar
la posibilidad de cambiar el soporte de los datos. El aumentar este soporte debera incidir en
los modelos variogrficos, tendiendo a disminuir considerablemente la componente de microestructura, y permitir apreciar mejor la correlacin espacial subyacente de las leyes.
Para ello, se puede:
24
Trabajar con acumulaciones en lugar de leyes de cada compsito individual. Esta pista
se sustenta en que no se tiene mucha selectividad sobre la dimensin vertical (al
momento de la explotacin, se explota hasta cierta profundidad, sin que se tenga la
posibilidad de descartar determinados bloques). En este contexto, la clasificacin
podra considerar la pila de bloques ubicados a la vertical uno de otros, en lugar de
cada bloque individualmente. Esto no impide que, en un estudio complementario, se
haga la evaluacin de leyes de cada bloque por separado, mediante kriging ordinario.
5HIHUHQFLDVVREUHVLPXODFLyQFRQGLFLRQDO\FODVLILFDFLyQGHUHFXUVRV
Blackwell, G.H., 1998, Relative kriging errors a basis for mineral resource classification:
Exploration and Mining Geology, v. 7, no. 1-2, p. 99-106.
Chils, J.P., and Delfiner, P., 1999, Geostatistics: Modeling spatial uncertainty: Wiley, New
York, 695 p.
CIM, 2000, CIM Standards on Mineral Resources and Reserves - Definitions and Guidelines.
Prepared by the CIM Standing Committee on Reserve Definitions: CIM Bulletin, v. 93,
no. 1044, p. 53-61.
CSA, 2001, Standards of disclosure for mineral projects: National Instrument 43-101,
Canadian Securities Administration, 22 p.
Diehl, P., and David, M., 1982, Classification of ore reserves/resources based on geostatistical
methods: CIM Bulletin, v. 75, no. 838, p. 127-136.
EURO, 2002, Code for reporting of mineral exploration results, mineral resources and mineral
reserves (the European code): report prepared by the Institution of Mining and Metallurgy
Working Group on Resources and Reserves in conjunction with the European Federation
of Geologists and the Institute of Geologists of Ireland, 34 p.
JORC, 2004, Australasian Code for reporting of exploration results, mineral resources and ore
reserves (the JORC Code, 2004 Edition): report prepared by the Joint Ore Reserve
25
26