Estudo de alternativas de estimativa para jazidas de ferro utilizando dados heterotópicos

Abstract

Grande parte dos custos da fase de exploração mineral vem das sondagens e análises químicas e granulométricas, principalmente em depósitos onde são necessárias informações sobre múltiplos atributos, como os depósitos de ferro, manganês e bauxita. Neste tipo de depósito mineral, é freqüentemente necessário estimar os atributos discriminados em diversas faixas granulométricas. Este trabalho avalia o efeito do adensamento amostral de apenas alguns atributos, os teores em base global, em minério de ferro, para auxiliar na escolha ou priorização entre projetos de mineração em fase preliminar de pesquisa ou para auxílio no planejamento de curto prazo. Para isso, foram analisadas diversas alternativas metodológicas de estimativa utilizando dados com adensamento amostral menos custoso e comparados os modelos estimados nestas alternativas com um modelo de referência, obtido de um banco de dados denso e completo. Entre todas as alternativas analisadas, o melhor procedimento de estimativa utilizando adensamento amostral de atributos em base global consiste na utilização das relações entre os atributos para preencher o banco de dados por modelos de regressão linear para depois estimar o depósito - uma variação da técnica conhecida como krigagem combinada com regressão (regression-kriging). Dentro dessa técnica, cokrigagem foi utilizada como método base para a obtenção dos modelos analisados, através do uso do Modelo de Corregionalização Intrínseca - MCI. Foi possível gerar estimativas com qualidade necessária às propostas do estudo, obtendo-se 50% do depósito estimado com erros relativos ao Modelo de Referência menores do que 10%, utilizando 14% da informação química discriminada em faixas granulométricas. O procedimento de estimativa obtido nesta dissertação para a resolução do problema existente garante coerência entre as múltiplas variáveis estimadas, mantendo as correlações existentes entre elas. Também garante que os balanços de massa (estequiométricos e granulométricos) que os dados apresentam sejam respeitados nas estimativas.

Drilling and sampling are responsible for most of the costs during mineral exploration, especially in multi elements and polymetallic deposits, such as iron, manganese and bauxite deposits. On these deposits, often it is necessary to estimate multiple attributes at several granulometric fractions, i.e., distinct particle sizes. This work investigates the effect of sampling in a dense grid only the head grades for the multiple chemical species in iron ore deposits. The remaining required data at the various grain sizes are sampled in a sparse grid. The derived geological model is checked for precision and accuracy comparing the output obtained against a model obtained using a complete isotopic dataset including head grades and chemical analysis at each granulometric fraction analyzed in all sampled positions. Among the several tested alternatives, the best procedure for dealing with the problem at hand involved utilizing the correlation coefficients between the grades at distinct fractions to obtain an isotopic database prior interpolation - a modified regression-kriging technique. Cokriging was the method used, based on the Intrinsic Coregionalization Model. Estimates were obtained with the quality needed for the proposal of the study. Results showed that at least 50% of the blocks were estimated with errors less than 10% relative to the grades obtained at the Reference Model, using only 14% of the granulochemical data employed to obtain the Reference Model. The method also preserved on the estimated model the correlations between the attributes in their several granulometric fractions and the mass balances (granulometric and stoichiometric) that the data exhibit.