Geoestadística Aplicada a la Evaluación de Yacimientos

INFORME 1

Diploma de Postítulo Planificación Minera

Sebastián Espina Navarro

20 de agosto de 2021
Introducción

El presente documento corresponde a la construcción de un modelo de bloques a partir de una base de datos para
dos variables en estudio, cobre total y cobre soluble.

El estudio realizado abarca desde el análisis exploratorio de las variables hasta la estimación de recursos de
acuerdo con leyes de corte y un supuesto de densidad; utilizando como herramienta el kriging. Se busca por medio
de una base de datos, estimar los recursos de un yacimiento cuprífero

Objetivo y alcance

El objetivo principal es estimar valor de dos variables a partir de una base de datos y por medio de la construcción
de un modelo de bloques utilizando un modelo geoestadístico.

De acuerdo con el objetivo, la metodología utilizada será la siguiente:

• Estudio exploratorio y depuración de la base de datos.

• Análisis variográfico a las variables.
• Validación de modelos variagráficos obtenidos.
• Construcción de un modelo de bloques.
• Estimación de las variables y cálculo de recursos bajo criterios de densidad 2.6 t/m3, ley de corte 0.5%
CuT y razón soluble mínima de 70%.

1
Análisis exploratorio

La base de datos en análisis presenta siete variables, tres para coordenadas en metros, cobre total, cobre soluble,
solubilidad y zona mineral; esta última identificada con valores de 1 y 2.

Se realiza un análisis estadístico básico para conocer el orden de magnitud y distribución general de los datos.
Además, un mapa de datos en secciones para cada variable y conocer su distribución espacial. El resumen de la
estadística se encuentra en Tabla 1 y el mapa de datos de Figura 1.
Tabla 1: Estadística básica para variables CuT y Cus.
Estadística para CuT Estadística para CuS
Total Zmin 1 Zmin 2 Total Zmin 1 Zmin 2
Número de datos 5,222 2,923 2,299 Número de datos 5,222 2,923 2,299
Media 0.923 0.938 0.904 Media 0.624 0.698 0.530
Varianza 0.432 0.307 0.591 Varianza 0.489 0.557 0.387
Mínimo 0.017 0.017 0.017 Mínimo -1.000 -1.000 -1.000
Mediana 0.808 0.884 0.713 Mediana 0.625 0.764 0.460
Máximo 8.970 7.861 8.970 Máximo 7.423 7.423 3.812

Figura 1: Mapa de datos para variables CuT y Cus1.

Se observa una distribución de datos del tipo sondaje, con una malla irregular y preferencia de información en un
plano con rumbo N 45 W, del que se observa una tendencia de altas leyes. En los sondajes, se observa un aumento
de leyes a medida que se profundiza la muestra. Las medias de ambas variables hacen llamativo el estudio
respecto a las leyes de corte utilizadas en la industria para yacimientos de cobre. De ser un yacimiento tipo pórfido,
podría hacer referencia la zona de superior de este, que presenta minerales del tipo óxido interesantes para su

2
procesamiento. Si bien la varianza del CuS es menor, este efecto de menor dispersión no es representativo para
la comparación debido a que existen datos con valor -1.000 para esta variable.

Para la depuración de la base de datos, se aplicaron cuatro criterios:

(1) Valores con coordenadas anómalas (fuera del box de estudio).

(2) Valores distintos para una misma representación de coordenadas E, N, Cota (tolerancia 0.05m).
(3) Valores de CuS > CuT dado que esta representación es naturalmente imposible.
(4) Valores atípicos.

Si bien existen distintas convenciones para el tratamiento de estas anomalías, en el alcance de este estudio estos
valores serán eliminados de la base de datos. Del análisis revisado por criterio (1) se elimina 1 dato (fila 923); por
criterio (2) no existen valores con iguales coordenadas en los tres ejes y por criterio (3) se elimina 1 dato (fila 33).
Se observa un universo de 848 datos cuya ley de CuT es igual a la ley de CuS; si bien esto poco común pero dado
que representan un 16% del total, se asumirán como datos correctos; sin embargo, se recomienda revisar
procedimientos y métodos de análisis de muestra para determinación de leyes (matriz rayos x, análisis químico y
preparaciones de muestras). Finalmente, por el último criterio seleccionado, se eliminan 3 datos por presentar
leyes muy por sobre la media (CuT>7%) que podrían influir sobreestimando algún sector (fila 67, 266 y 269).

Después de la depuración inicial y como se menciona anteriormente se observa, además, que existen 423 datos
con valores de CuS -1.000 que coincidentemente poseen solubilidad de -1.000 en la base de datos. Esta ausencia
de datos no está asociada a bajas leyes o alguna zona mineral en específico. Dado que utilizaremos ambas
variables para la estimación, se completarán estos datos ausentes por medio de una regresión lineal con ambas
variables, obteniéndose la Fórmula 1:

𝐶𝑢𝑇 = 0.7364𝐶𝑢𝑆 + 0.0958 (1)

con un R2=0.7834, y para resultados CuS>CuT se utilizará un criterio con las solubilidades promedio por cada zona
indicado en Fórmula 2:

𝐶𝑢𝑆 = 𝐶𝑢𝑇𝑥𝑅𝑆𝑜𝑙𝑧𝑚𝑖𝑛 , donde Rsolzmin1=95.162 y Rsolzmin2=72.485. (2)

De la misma forma, los valores de solubilidad -1.000 serán reemplazados por el cociente entre CuS y CuT.

De esta manera, para continuar con el estudio utilizaremos 5,218 datos.

Dado que se observa una agrupación de datos en un plano preferente, para realizar la estadística e histograma
del yacimiento en estudio luego de depurar la base de datos, se realizará un desagrupamiento para corregir la
distribución. Se utilizará el método de celdas de tamaño 40x40x25, de lo que se obtiene una actualización a la
estadística en Tabla 2 y 3:
Tabla 2: Estadística básica para variables CuT y Cus.
Estadística para CuT Estadística para CuS
Total Zmin 1 Zmin 2 Total Zmin 1 Zmin 2
Número de datos 5,218 2,921 2,297 Número de datos 5,218 2,921 2,297
Media 0.833 0.898 0.726 Media 0.726 0.845 0.529
Varianza 0.361 0.314 0.421 Varianza 0.274 0.275 0.21
Mínimo 0.017 0.017 0.017 Mínimo 0.009 0.009 0.013
Mediana 0.725 0.840 0.530 Mediana 0.628 0.786 0.396
Máximo 6.394 5.520 6.394 Máximo 5.060 5.060 4.669

Tabla 3: Coeficiente de correlación entre CuT y CuS por zonas.

Global Zona 1 Zona 2
CuS CuS CuS
CuT 0.935 0.983 0.904

3
Con el desagrupamiento y el ajuste de leyes de CuS se observa una disminución en la ley media del yacimiento,
lo que confirma un muestreo preferente. Aumenta la diferencia de leyes entre zonas, presentando una mejor ley
en zona mineral 1. De la misma forma, si bien ambos coeficientes de correlación son altos, existe una mayor
relación entre ambas variables en zona mineral 1, este efecto se puede desprender de los valores identificados
con solubilidad de 100% cuya presencia se encuentra principalmente asociada a esta variable.

Figura 2: Diagrama de cajas e histogramas para variables CuT y CuS.

En concordancia con lo mencionado anteriormente, se observa en Figura 2 el efecto de leyes para las zonas 1 y
2. La zona 1 presenta mayores leyes en su distribución que la zona 2. Se observa una curva en el histograma
acumulada a la izquierda respecto al eje en ambos casos, esperable para un yacimiento masivo de cobre.

Si bien no se posee detalles, como se observa en la Figura 3, la ubicación espacial de las zonas minerales muestra
una ellas preferentemente en la zona superior del yacimiento; lo que podría explicarse por la presencia sobrecarga
de estéril o mineral de menor ley en el yacimiento, asociado a esta zona mineral de óxidos.

Figura 3: Distribución espacial variable Zmin.

4
 Figura 4: Diagrama de dispersión variables CuT y CuS.

A partir de los gráficos de nubes de puntos, se observa que en la dirección este no existe ningún quiebre de
comportamiento particular de leyes. Por otro lado, en sentido norte existe un aumento significativo entre las
coordenadas 300 y 500; lo mismo ocurre en el eje vertical, a partir de la cota 800 abruptamente comienza a
aparecer un cuerpo de alta ley hasta la cota 300.

De manera gráfica en la figura CuT & CuS, se observa que todos los valores se encuentran bajo la bisectriz por lo
que no existen datos aberrantes respecto a la condición CuS>CuT. Además, como se mencionó anteriormente,

5
gran parte de la población de datos con mayor solubilidad se encuentran asociados a la zona mineral 1; por lo que
infiere la presencia de una zona de óxidos de alta ley y recuperación. Por lo mismo, se recomienda validar
resultados de laboratorio de muestras con solubilidad 100%.

Figura 5: Diagrama de dispersión en contacto zona mineral.

A partir del análisis de contacto para la zona mineral descrita (1 y 2), se observa para ambas variables CuT y CuS
que la media, señalada en un punto rojo, prácticamente es la misma. Además, existe una alta correlación en la
nube de puntos. En conclusión, se observa una frontera blanda donde no existe algún comportamiento geológico
que genere un cambio abrupto para las variables de estudio asociadas a cada zona mineral por lo que pueden
considerarse datos de ambas unidades al estimar.

Análisis variográfico y construcción modelo de bloques

Al analizar la distribución y comportamiento espacial de las variables en estudio como se indica en Figura 1, se
observa que pueden existir dos comportamientos distintos. Por un lado, se observa en vista en planta una
zonificación de altas leyes para un azimut de 135° y una deficiencia de muestras e información para un azimut de
45° por el tipo de malla escogido. Con esto en consideración, se realiza un análisis variográfico para cuatro
direcciones en el plano horizontal y uno para el plano vertical para cada variable, además, de un variograma
cruzada para ambas variables. Los resultados se detallan en la Figura 6.

Figura 6: Variogramas direccionales variables CuT, CuS y CuT&CuS.

A pesar de que el primer punto, en proporción, utiliza menos pares de datos, se observan variogramas similares
en todas las direcciones y, a medida que aumenta la distancia, estos se entremezclan. Si bien se observa una
mayor apertura en las curvas para distancias mayores a 200 m y para la dirección 45°, por lo explicado
anteriormente, no se observa una diferencia radical que identifique una dirección con un comportamiento distinto,
por lo que se considerará como modelo isótropo. Según lo anterior, se opta por realizar un variograma
omnidireccional para cada variable indicado en Figura 7.

6
 Figura 7: Variogramas y covarianza omnidireccional variables CuT, CuS y CuT&CuS.

Se observa de la gráfica de los variograma un compartimiento creciente, estable y modelable para ambas variables;
un pequeño efecto pepita para ambas variables a muy baja escala. Lo mismo ocurre con el variograma cruzado.
En términos generales, la variable CuT presenta una mayor desemejanza que la variable CuS.

Al analizar la gráfica de covarianza experimental para la variable CuT, la tendencia del modelo indica que la
varianza debiese ser mayor, por lo que no es directamente modelable. Por otro lado, existe una mejor tendencia
para la variable CuS y la covarianza cruzada, por lo que bastaría obviar para la gráfica CuT&CuS los primeros
grupos de datos que presentan una tendencia distinta.

De esta forma, se realiza el variograma experimental obteniendo los resultados indicados en Tabla 4 y Figura 8.
Tabla 4: Variograma experimental para variables en estudio
CuT Δ Var Alcance CuS Δ Var Alcance CuT%CuS Δ Var Alcance
Pepita 0.06174 0 Pepita 0.05087 0 Pepita 0.05486 0
Esférica 0.04135 40 Esférica 0.02763 50 Cubica 0.03567 30
Exponencial 0.30776 200 Exponencial 0.20249 140 Esférica 0.02133 100
Exponencial 0.19592 190

7
 Figura 7: Variogramas y covarianza omnidireccional variables CuT, CuS y CuT&CuS.

Para la validación de los variogramas se utilizará validación cruzada (cokriging). Se utilizan bloques de 10x10x10
discretizando con soporte puntual para cada uno de ellos. Dado que consideramos un comportamiento isótropo, la
vecindad del elipsoide de búsqueda será de 150 m en todas direcciones. Si bien existen zonas en la malla que no
poseen información, para cada dato considerando ese radio existen valores para su estimación. Para que ingrese
información de un sondaje se dividirá en octantes utilizando 8 datos en cada uno de ellos, asegurando que para
valores cercanos exista cierta continuidad al utilizar similar información. Para evitar el impacto de la estimación con
influencia de datos muy para el sondaje se define una zona de exclusión del 15% del tamaño de la vecindad
utilizada.

Según se indica en Tabla 4 al analizar los indicadores de media y varianza para la validación cruzada para los tres
variogramas, se observa un mejor desempeño al realizar cokriging a pesar de que las tres poseen una media del
error cercano a 1 y una varianza del error estandarizado cercano a 1.

Para esta validación, se observa en Figura 8, un histograma del error centrado en cero, además, no existe gran
cantidad de datos que tengan error mayor a 1%. Se observa un menor error de estimación para la variable CuS;
con una cola levemente mayor hacia la derecha. Por otro lado, según se observa en la regresión lineal y condicional
de los gráficos de dispersión predicción y real, para ambas variables se puede determinar que no existe sesgo
condicional. En conclusión, se valida para su utilización el variograma CuT&CuS, cokriging y vecindad considerada.
Tabla 4: Variograma experimental para variables en estudio
CuT&CuS CuT CuS
Error Std. Error Error Std. Error Error Std. Error Error Std. Error
CuT CuT CuS CuS CuT CuT CuS CuS
Media -0.003 -0.005 -0.004 -0.010 Media -0.004 -0.007 Media -0.004 -0.010
Varianza 0.243 1.014 0.170 1.175 Varianza 0.245 1.061 Varianza 0.168 1.144

8
 Figura 8: Histogramas y diagramas de dispersión para error utilizando cokriging CuT&CuS.

Para la confección del modelo de bloques se utiliza un tamaño de 10x10x10, con 70 bloques en Este, 74 en Norte
y 95 en elevación. Los datos que no sean estimados a partir de los criterios seleccionados, y dado que no existe
una topografía de referencia, se considerarán como lastre ley 0% CuT y CuS; lo mismo para valores estimados
negativos.

De esta forma, para la estimación en cota 600m y como se observa en Figura 9, se representa la tendencia de
altas leyes mencionadas con un azimut de 135°. Si bien presenta alta ley de cobre, en el sector central la ley de
cobre soluble disminuye abruptamente, pero mantiene una solubilidad en el extremo norte; lo que podría implicar
una transición de óxidos a sulfuros secundarios en zona mencionada.

Figura 9: Histogramas y diagramas de dispersión para error utilizando cokriging CuT&CuS.

9
Por otro lado, según lo solicitado por el mandante, los recursos de cobre considerando:

• Razón de solubilidad mínima de 70%.

• Ley de cobre total mínima de 0.5% CuT.
• Densidad de roca de 2.6 t/m3

Se resumen en Tabla 5.
Tabla 5: Reservas estimadas según restricciones de ley y densidad.
Mineral [Mt] CuT[%] CuS[%] Fino contenido [ktmf]
750.8 0.975 0.900 6,759.8

Desde el punto de vista de recursos, se aprecia un yacimiento altamente llamativo por la gran solubilidad presente.
Esto podría significar, dada la relación directa que existe, un material con muy buena recuperación metalúrgica por
su alta solubilidad considerando un procesamiento mediante lixiviación. Se hace llamativo continuar con los
estudios, inicialmente con la ubicación y la topografía del sector que darán cuenta de la factibilidad técnica de su
extracción.

Conclusiones y recomendaciones

Los resultados del análisis realizado a la base de datos entregada dan cuenta de un yacimiento muy atractivo para
su explotación. Posee grandes recursos, una elevada ley media y alta solubilidad, por lo que se recomienda
continuar con los estudios que dictaminen su factibilidad técnica, económica, social y ambiental de explotación.

Desde del punto de vista de la información entregada, se recomienda:

• Realizar una nueva campaña de sondajes para robustecer la información, estimación y los modelos
utilizados. Indicando, además, más información del yacimiento dado el muestro preferente en la malla
utilizada procurando cubrir zonas no muestreadas.
• Se identifica en la depuración de la base que existen datos con valores -1.000 para esta variable, crítica
en el proceso. No se observa una tendencia preferente para esta omisión, por lo que se recomienda revisar
información y respaldos de sondajes para sectores que no fueron analizados para CuS.
• Se identifica gran cantidad de datos con solubilidad del 100% representando un 16% del total. Si bien, esto
podría ocurrir, naturalmente es muy difícil que se genere de manera masiva por lo que se recomienda
revisar procedimientos y métodos de análisis de muestra para determinación de leyes (matriz rayos x,
análisis químico, preparaciones de muestras, entre otros.)
• Con más información y muestreo, validar el comportamiento isótropo sugerido para las variables en
estudio.
• Si bien el análisis para la zona de contacto entrega resultados de frontera blanda, se recomienda validar
con geología y si corresponde esta ocurrencia dada la transición y la variación de solubilidades observada.
De la misma forma, de ser necesario, replantar los límites sugeridos para estas.

10