Gisement

Pr
Tayeb SERRADJ Projet minier à ciel ouvert Chapitre 3 : Description du gisement
Génie Minier : Exploitation des Mines

Aujourd'hui, la plupart des gisements potentiels sont explorés en utilisant le forage carottant au
diamant.
Les carottes collectées de chaque trou fournit une «ligne» continue de l'information géologique.
Chaque carotte récupérée est étudiée en détail et les informations contenues enregistrées.
Le processus est appelé «logging» ou enregistrement des carottes.
Chaque «ligne» est ensuite subdivisée en une série de segments représentant un type de roche
particulier, caractéristique structurelle, type de minéralisation, qualité, etc.
En forant un réseau de tels trous, une série de lignes segmentées similaires sont représentées dans
l'espace. Grâce à ces informations, ainsi que la connaissance du contexte géologique et d'autres
facteurs, le géologue minier procède à la construction d'une représentation en 3 dimensions du
corps minéralisé. L'objectif est de quantifier, le mieux possible, la taille, la forme et la distribution des
caractéristiques géologiques observables.
La répartition des teneurs en minerai sont corrélées à la lithologie, l'altération, la structure, etc.
Le résultat est un inventaire minéral ou de la ressource géologique.
À ce stade du processus d'évaluation, l'économie n’est prise en considération pour que les termes
tels que «minerai» ou " réserves de minerai " ne soient pas impliqués.

L'élaboration d'un inventaire minéral implique un jugement substantiel, des hypothèses en ce qui
concerne l'échantillon et la qualité de l'analyse, l'interprétation et la projection des caractéristiques
géologiques fondées sur des données très limitées. La base de données géologique, correctement
recueillies et interprétées, devrait rester utile pour de nombreuses années. Elle constitue la base
pour les études de faisabilité en cours et à venir, la planification minière et des analyses financières.
Le succès ou l'échec d'un projet peuvent ainsi être directement liés à la qualité de sa base de
données enregistrées, les enregistrements (logs) de forage et les cartes.
Cet atelier couvre certaines des techniques de base impliquées dans le développement et la
présentation d'un inventaire minéral.

CARTES D’EXPLOITATION DES MINES
Les documents fondamentaux dans toutes les étapes de planification et de conception de la mine
sont les cartes. Les cartes sont indispensables dans le but de:
‐ Collecte,
‐ Plan, et
‐ corréler
une grande partie des données nécessaires à une étude de faisabilité de l'exploitation minière à ciel
ouvert. Ces cartes sont dessinées à différentes échelles. L’ «échelle» est le rapport entre les distances
linéaires sur la carte et les distances correspondantes sur le site.
Dans le système métrique, l'échelle de la carte concerne la carte similaire et unités de distance
réelles:
Distance de la carte (m) = KM × Distance réelle (m)
ou
Distance de la carte (cm) = KM × Distance réelle (cm)
où KM est l'échelle de la carte métrique.
Une échelle de 1: 1000 signifie qu'une longueur de 1 mètre sur la carte représente 1000 mètres dans
le terrain.
De même, une longueur de 1 cm représente une distance de 1,000 cm.
Une échelle métrique de 1: 1250 est très proche de l'échelle anglaise de 1 in = 100 ft.
On parle d'une carte étant d'échelle supérieure ou inférieure à une autre.
La figure 3.1 montre un domaine particulier à une échelle de 1:50. Dans la figure 3.2 de la région
dans les lignes pointillées de la figure 3.1 a été attirée sur une échelle de 1:20. Dans cette figure le
bâtiment semble plus grand. Ainsi, l'échelle de la carte1 :20 est plus grande que celle de la carte 1:50.
Une carte d'échelle 1:40 serait de plus grande échelle d'une établie à 1: 200.
Pr Tayeb SERRADJ Projet minier à ciel ouvert Chapitre 3 : Description du gisement

Figure 3.1. Plan de carte dessinée à l'échelle 1:50.

Figure 3.2. Une partie de la carte du plan de la figure 3.1 dessinée à l'échelle 1:20.

Dans le système métrique, les échelles habituelles sont:
1: 1000
1: 1250
1: 2000

La cartographie géologique se fait couramment sur une plus grande échelle tels que 1 in = 40 ft
(l'échelle métrique correspondante est de 1: 500). Aux fins de planification, les caractéristiques
géologiques (contours) sont retracées sur les cartes à petite échelle.

Les types de cartes préparées et utilisées dépendent du stade de la vie de la mine. Au stade de
l'exploration, des cartes satellites peuvent fournir des informations importantes concernant les
régimes structurels et les sites d'exploration potentiels. Celles‐ci peuvent être complétées par des
photos infrarouges, etc. Pour certains types d'informations, par exemple l'emplacement des
fonderies, une petite échelle de carte, comme une carte de l’US, peut être la plus appropriée.
Certains matériaux, comme la pierre concassée, sont fortement tributaires des coûts de transport.
Les cartes régionales recouvertes avec des cercles correspondant à différents tarifs de fret sont utiles
pour l'affichage des marchés potentiels.
Une carte d'état de la Figure 3.3 peut fournir une quantité considérable d'informations de base:
‐ autoroutes les plus proches,
‐ les plus proches villes,
‐ emplacement de la mine,
‐ les lignes de chemin de fer, et
‐ les grosses propriétés foncières.

Figure 3.3. Une section de la route nationale carte du Colorado (Colorado Ministère de la Voirie).

Une échelle typique pour une carte d'état est de 1 pouce égal à 15 miles.

Plus précisément, cependant, on a besoin de cartes à plus grande échelle pour la planification plus
détaillée. Aux États‐Unis, ce sont souvent les cartes topographiques établis par l’US Geological
Survey. Ces cartes "quadrangulaires" sont préparées en deux séries.
La 7½ minute série (couvre une superficie de 7½ minutes de latitude (élevé) par 7½ minutes de
longitude (large)) avec une unité (métrique) d’échelle de 1: 24000. Cela correspond à une échelle de
1 pouce égale à 2000 pieds. La série de 15 minutes comprend une zone de 15 minutes de latitude par
15 minutes en longitude. Une minute, représente un soixantième de degré.
Les cartes Quadrangle montrent les caractéristiques topographiques, des routes, des rivières et des
régions de drainage (Fig. 3.4).

Figure 3.4. La carte quadrangulaire USGS y compris Golden, Colorado (USGS, 1976).

Ces cartes peuvent être agrandies à l'échelle souhaitée (figures 3.5 et 3.6), pour servir de base
comme les cartes jusqu'à ce que plus d'arpentage détaillé soient fait. Les photos aériennes de la
région sont parfois disponibles à travers les services de l’Etats. Plusieurs sections de l’US ont été
cartographiées sur des cartes en relief par le Corps américain des ingénieurs.

Figure 3.5. L'élargissement de la carte quadrangulaire Golden.

Figure 3.6. L'élargissement de la carte.

Très tôt dans la vie d'une région minière prospective, il est nécessaire de développer une carte de
propriété. Aux États‐Unis, la meilleure carte de propriété disponible peut être obtenue à partir de
l'office de l'arpenteur‐comté ou le greffier du comté (le cadastre en Algérie).

Dans l'ouest des États‐Unis, la plupart des terres et des minéraux appartiennent à l'État ou au
gouvernement fédéral. Un processus en quatre étapes est suivi (Parr & Ely, 1973) pour déterminer
l'état actuel de la terre.

Étape 1. Consulter les terres de l'État approprié, ANAM Algérie, Geological Survey office ou Bureau
régional du Bureau of Land Management des Etats‐Unis, service du cadastre.
Ces agences et offices peuvent déterminer si les terres en question sont disponibles ou s'il y a des
permis de prospection / baux en vigueur.

Étape 2. Si les terres de l'Etat sont impliquées, les terres de l'État approprié, à travers l’agence ANAM
devraient être consultées en ce qui concerne le statut de ces terres.

Étape 3. Les enregistrements de l'enregistreur de comté approprié ou autre service et agence
doivent être vérifiés en ce qui concerne les concessions minières.

Étape 4. Une visite sur le site doit être effectuée pour déterminer s'il y a quelque chose
(l'emplacement des marqueurs de concession minière, chantiers miniers, etc.) non inclus dans
d'autres contrôles des étapes.
Pour la planification de la mine et de la conception, il existe trois types de cartes (Phelps, 1968) à
différentes échelles:
1. Plan de la zone générale,
2. Carte générale de la mine,
3. Carte détaillée de la mine (plans et coupes).

L'objectif de la carte générale est de montrer de nombreuses fonctionnalités pertinentes:
‐ géologie (étendue des gisements, des zones minéralisées),
‐ itinéraires de transport (autoroutes, voies ferrées,
‐ propriété et le contrôle des biens,
‐ distances aux clients sur le marché, transformation ou transfert (taux de fret applicables),
‐ accès disponibles,
‐ emplacement des lignes de transmission d’énergie pour l'alimentation (capacité et distances de
construction requises pour les connexions),
‐ emplacement des deux zones d'approvisionnement en eau / réservoirs potentiels présents et
futurs,
‐ zones appropriées pour les terrils, résidus, boue et évacuation des déchets par rapport à
l'exploitation minière et au traitement.

En tant que telle, elle est considérée comme une carte à petite échelle. On peut superposer les
données relatives à ces cartes soit directement, soit par l'utilisation de transparents (calques). La
Figure 3.7 est un exemple d'une carte générale de la zone. La Figure 3.8 est un exemple d'une carte
géologique de la zone générale. La carte générale de la mine est une carte d'échelle «moyenne». Elle
couvre une région particulière dans la carte générale de la zone. Parce que l'échelle est plus grande,
plus de détail peut être examiné. Figure 3.9 est un exemple d'une carte générale de la mine. Les
types de choses qui pourraient être affichées sur une telle carte comprennent:
‐ emplacement de l'usine de traitement,
‐ structures de la mine,
‐ les lignes électriques,
‐ approvisionnement en eau,
‐ routes d'accès,
‐ les lignes de chemin de fer,
‐ des lignes de convoyage,
‐ pipelines,
‐ L'emplacement du gisement,
‐ L'emplacement de quelques forages,
‐ emplacements Terril / étang de décantation,
‐ Propriété le contrôle des biens,
‐ Le calendrier d'exploitation minière.

Figure 3.7. Un exemple d'une carte générale de la zone (McWilliams, 1959).


Figure 3.8. Un exemple d'une carte géologique de la zone (Hardwick, 1959).

Figure 3.9. Un exemple d'une carte géologique de la zone (Hardwick & Jones, 1959).

Une carte géologique minière générale est représentée sur la figure 3.10.

Figure 3.10. Un exemple d'une carte géologique de la mine générale (Hardwick, 1959).

Les cartes de mines détaillées sont celles utilisées pour la planification de la fosse réelle. Le paquet
de planification de base se compose de deux cartes de plan et des sections. Les emplacements des
trous de forage sont disposés sur des cartes de plan à une échelle appropriée aux exigences.
Dans l'hémisphère Nord, la carte est normalement exposée dans le quadrant nord‐est (Fig. 3.11).

Figure 3.11. Emplacement typique du quadrant NE d’une carte en plan.

La partie active de la carte est sélectionnée avec les coordonnées initiales suffisamment grandes
pour qu'il n'y ait pas de danger que d'autres quadrants seront impliqués. Lorsque cela se produit
l'utilisation maladroite de +, ‐ les coordonnées ou la nomenclature Ouest et du Sud est nécessaire.
Les deux mènent à la confusion et les erreurs possibles. Dans l'hémisphère sud, le quadrant sud‐
ouest est souvent utilisé.
La sélection de la carte direction «nord» n’est pas universelle. Certaines mines sélectionnent le nord
géographique comme au nord. D'autres utilisent le nord magnétique. Une grande mine réputée
sélectionne le nord par rapport à la direction que le directeur de la mine donnait sur la mine de sa
fenêtre du bureau de direction. Pour les gisements allongés, comme le montre la figure 3.12, le
dépôt se prête à des sections primaires fonctionnant N‐S.

Figure 3.12. Système de grille superposée sur un gisement allongé.

Figure 3.13. Système de grille superposée sur un dépôt circulaire.

La mine locale du Nord est ensuite commodément sélectionnée comme perpendiculaire à l'axe
longitudinal du dépôt. Pour des dépôts massifs, plus ou moins circulaires (Fig. 3.13), le choix est
moins évident. Parfois, il y a un système de coordonnées différent pour la fosse comme dicté par la
géométrie du corps minéralisé et de la mine dans son ensemble.
Des trous de forage exploratoires et de développement au diamant sont généralement disposés dans
un modèle plus ou moins régulier. Lorsque l'évaluation du corps minéralisé est faite en utilisant des
sections, il est commode, mais pas impératif, si les mines de forage et de grilles sont alignées.
Lorsque des modèles de blocs sont utilisés pour représenter les corps minéralisés, ce n'est pas aussi
important.

Le tableau 3.1 contient des lignes directrices pour la préparation des cartes des mines. Les largeurs
de ligne pour les frontières et les systèmes de coordonnées doivent être soigneusement
sélectionnées afin qu'illes puissent être facilement visibles, mais ne pas interférer avec l'objectif
majeur de la carte ‐ celle de présentation de l'information graphique.
Des systèmes de dessin DAO (CAD) modernes (conception assistée par ordinateur) ont grandement
simplifiés cette tâche, précédemment très fastidieuse et consommatrice de temps.
Il est très important que la révision / versions des différentes cartes soient maintenues.

Les coordonnées des cartes sont étiquetées comme 1600N, 1400E, etc. Celles‐ci sont présentées
dans la figure 3.14.
Les sections verticales sont faites sur la base de ces cartes de plan. Comme on le voit sur la figure
3.14, il y a deux façons de construire les sections de fonctionnement N‐S.

Figure 3.14. Les deux directions d'observation pour les sections.

Dans la construction de la section 1050E, on pourrait obtenir les résultats présentés dans les figures
3.15a, b selon que l'on est à la recherche d'Est en Ouest ou d'Ouest en Est.
Puisque l'un est utilisé pour un nombre croissant de gauche à droite, l'Est à l'Ouest est choisi.

Figure 3.15a. Les sections créées à la recherche de l'Est à l'Ouest.

Figure 3.15b. Les sections créées à la recherche de l'Ouest à l'Est.

L'emplacement des trous de forage ont été ajoutés à la carte du plan de la figure 3.16.
La nomenclature DDH est souvent utilisée pour identifier les forages au diamant.
Ces trous sont également ajoutés aux sections verticales (Fig. 3.17).
Normalement, l'échelle verticale pour les sections est choisie pour être la même que celle de
l'horizontale. Si cela ne se fait pas, alors les pentes de la carrière et d'autres caractéristiques se
déforment.

Figure 3.16. Additions des emplacements de trou de forage au diamant (DDH) au plan de la carte.

Tableau 3.1. Lignes directrices pour la préparation des cartes des mines (source inconnue).


Figure 3.17. Sections typiques avec les trous de forage ajoutés.

En examinant les types de roche et teneurs présentes dans les trous sur une section donnée,
Le géologue connecte des caractéristiques similaires (Fig. 3.18).

Figure 3.18. L'addition de la zone de minerai à une section.

De cette façon, une vue préliminaire de la taille, la forme et l'étendue du gisement est atteinte.
Ces sections et leurs plans constituent les éléments de base utilisés dans la planification et la
conception de la mine. Parfois, cependant, il est très utile à des fins de visualisation d'utiliser des
projections isométriques. Figure 3.19 est une projection pour la mine de Bingham Canyon.

Figure 3.19. Une vue isométrique de la fosse Bingham (Kennecott, 1966).

INFORMATIONS GEOLOGIQUES
Les opérations minières de tout gisement donné peuvent être divisées en quatre étapes.
Prospection (étape 1), est l'acte de recherche de minéraux précieux. Avec la découverte de ces
minéraux, la propriété devient une perspective minérale. La propriété est alors explorée pour obtenir
des informations initiales concernant la taille, la forme, la position, les caractéristiques et la valeur du
dépôt. Si cette phase d'exploration (étape 2) est réussie, la décision de procéder à l'étape 3
(développement) peut être faite. Des informations géologiques détaillées (Waterman & Hazen, 1968)
doivent être collectées et mises à disposition au début de cette étape pour faciliter la planification et
la conception.
Les points suivants devraient être inclus:
1. La géologie de la zone minéralisée;
2. La taille physique et la forme du dépôt;
3. Les données quantitatives sur les teneurs et tonnages de matériau dans les limites de teneurs de
coupure pertinentes;
4. Les caractéristiques minéralogiques et métallurgiques du minerai;
5. Les caractéristiques physiques du minerai et des stériles; et
6. Les données sur les conditions du sol, des eaux souterraines et d'autres facteurs qui influent sur la
conception et l’exploitation de la mine.
L’Etape 4 est l'exploitation réelle du gisement.
Bien que l'excavation de tranchées, le fonçage des puits, et la conduite des tunnels sont parfois
utilisés dans l'évaluation d'une perspective d'exploration de surface, le plus souvent la collecte
initiale et continue des informations géologiques est accomplie grâce à un programme de forage.
Les diverses méthodes de forage et leurs caractéristiques sont résumées dans le tableau 3.2. Ici,
l'accent sera mis sur le forage au diamant qui produit une carotte pour l'enregistrement et l'analyse.
Les deux types de base de forage au diamant sont: (a) conventionnel et (b) filaire. Dans le forage
classique, la carotte est retenue par un ressort de carotte ou carotte de levage dans le canon de base
qui se trouve juste derrière le taillant. Lorsque le carottier est plein ou après le forage d'une certaine
longueur, la chaîne entière de forage doit être enlevé afin d'en extraire le noyau.
Agitation

Le procédé utilise un câble métallique carottier amovible à l'intérieur de la tige de forage avec un
dispositif d'encliquetage sur l'extrémité d'un câble. Avec cette méthode, le noyau peut être récupéré
à tout point désiré. En raison de l'espace occupé par le corps interne, les carottes filaires sont plus
petites que celles obtenues dans le forage classique pour la même taille de trou. La taille du noyau le
plus commun est NX / NQ qui signifie que pour un trou de diamètre nominal de 3 pouces, un noyau
de 1 7/8 pouces de diamètre est récupéré. Les noyaux sont généralement récupérés à intervalles de 5
à 10 pieds. Parfois, la récupération de la carotte est pauvre et la teneur est obtenue en analysant les
boutures / boues. Le noyau récupéré est placé dans l'ordre dans des caisses pour l'étude, le transport
et le stockage. Le tableau 3.3 est un exemple d'un journal de trou de forage. La quantité de base
récupérée a été notée et une description du matériel fourni pour chaque intervalle.
Des échantillons représentatifs du noyau sont sélectionnés et envoyés pour analyse.
Le tableau 3.4 présente les résultats pour le noyau décrit dans le tableau 3.3.
Les informations de ce type peuvent être tracées directement sur des sections ou introduites dans un
fichier de base de données pour le traitement informatique. Le tableau 3.5 est un exemple d'un tel
fichier informatique.

En plus du type d'information nécessaire pour calculer la teneur et le tonnage, les données
structurelles du massif de roche sont importantes pour la conception de la pente de fosse. Une
feuille de données simplifiée et compréhensible utilisée dans l'enregistrement des informations
structurelles sont données dans les tableaux 3.6 et 3.7 respectivement. Ces données sont les bases
pour les étapes de planification et de conception. L'information représentée par un seul trou est
étendue à une assez grande région, y compris le trou. Ainsi, des erreurs dans l'évaluation, de
mauvaises pratiques de forage, la récupération de base pauvre, la tenue des dossiers bâclés, etc.,
peuvent avoir des conséquences très graves. Dès que ces données sont entrées dans l'ordinateur ou
sur des sections et des plans, le niveau ou l'incertitude qui leur est associé disparaît. De bons chiffres
et de moins bons chiffres portent tous le même poids à ce stade. Il est donc impératif que le plus
grand soin doit être exercé à ce stade précoce pour fournir une évaluation complète et précise de
toutes les informations. Chaque trou est assez cher et il y a une pression pour les maintenir à un
minimum. D'autre part, de mauvaises décisions fondées sur des données insuffisantes sont
également coûteuses. Cette évaluation des coûts réels par rapport aux avantages du projet n’est pas
facile.


REGULARISATION (COMPOSITION) ET CALCULS DU FACTEUR DE TONNAGE
1 Composition
Tel que discuté dans la section précédente, après que le noyau de diamant ai été extrait, il est
enregistré par le géologue et les échantillons représentatifs sont envoyés pour analyse chimique.
Lors de la réception, les tests sont ajoutés aux autres informations collectées. Ces valeurs de dosage
individuel peuvent représenter des longueurs de base de quelques pouces à plusieurs pieds.
La régularisation (composition) est une technique par laquelle ces données d'analyse chimique sont
combinées pour former la moyenne ou teneurs composites pondérées représentant des intervalles
plus longs que ceux propres. Le journal de forage représenté schématiquement sur la Figure 3.20
contient une série de longueurs de minerai li et teneurs gi correspondant.
Dans ce cas, les limites entre le minerai et les stériles sont supposées fortes. La première question
qui pourrait se poser est «Quelle est la teneur moyenne pour cette intersection de minerai?
La moyenne pondérée est trouvée par la somme li des longueurs individuelles et leurs teneurs
correspondantes gi.



Cette valeur est alors reportée dans la table. Dans ce cas, est appelé le composite du minerai de la
zone. Bien que le composite est habituellement une moyenne pondérée en longueur, si la densité est
extrêmement variable, le facteur de pondération utilisé est la longueur fois la densité (ou la masse
spécifique). Cette procédure est répétée pour chacun des trous. A noter que chaque intersection du
minerai serait, en général, une longueur différente. Les élévations supérieures et inférieures seraient
également différentes. Pour les grands gisements uniformes où la transition du minerai vers les
stériles est progressive (la coupure est plutôt économique que physique) l'intervalle de composite est
la hauteur du gradin et les élévations sélectionnées. Ce gradin composite est la méthode la plus
utilisée pour la modélisation des ressources dans les mines à ciel ouvert aujourd'hui. Sur la figure
3.21, un banc est indiqué par rapport aux deux lignes horizontales en pointillé.

Figure 3.21. Hauteur de gradin comme composite.

Dans ce cas particulier, la partie supérieure du banc se trouve dans les «stériles».
Le teneur de banc composite est

Le composite avec des intervalles et des élévations fixes, est très facile à présenter et à analyser les
résultats pour un dépôt contenant un certain nombre de trous de forage. Certaines des raisons et les
bénéfices du composite comprennent:
1. Les échantillons de longueur irrégulière doivent être combinés pour fournir des données
représentatives pour l'analyse.
2. Le composite intègre une dilution telle que celle de l'extraction des bancs de hauteur constante
dans une mine à ciel ouvert.
3. Le composite réduit la variation erratique en raison des valeurs très élevées ou très faibles des
échantillons.
4. A travers le composite, le nombre de données, et donc les temps de calcul requis, sont réduits.

Pour illustrer les principes présentés, considérer le log simplifié du trou de forage
(Davey, 1979) donnée dans le tableau 3.8.

Il a été décidé que 40 pieds de hauteur de banc et une élévation de référence de 5200 pieds seront
utilisés. Cela signifie que les élévations de banc de crête seraient de 5200 pieds, 5160 pieds, 5120
pieds, etc. Les 38 pieds supérieurs du trou C‐22 se trouveraient au niveau du banc 1. Les 40 pieds
suivants seraient au banc 2 et le trou se terminerait au banc 3. En utilisant la procédure décrite ci‐
dessus, la teneur de composite à cet emplacement du trou pour le banc 2 est déterminée comme
suit:

La mi‐élévation du banc 2 est 5140.0 ft. Les composites des parties restantes du trou de forage situés
au‐dessus et au‐dessous de ce banc se trouvent dans le même sens. Les résultats sont donnés ci‐
dessous.

Si la du matériau courant est de 0,3% et plus, est entendu comme minerai, donc la zone de minerai
dans ce trou, se prolonge depuis la surface jusqu'à une profondeur de 65 pieds. Le composite de la
zone de minerai serait:

Dans ce cas, lorsque les longueurs sont toutes égales, la teneur moyenne est juste la moyenne simple
des teneurs.

La même technique de composition peut être utilisée lorsque le traitement concerne des teneurs
représentant différentes zones ou volumes. Cela sera démontré plus loin.

2 Facteurs de tonnage
En extraction minière, bien que les volumes de matériau soient retirés, le paiement est normalement
reçu sur la base du poids du matériau précieux contenu. Ceci est en contraste avec les projets de
génie civil où, normalement, le paiement est reçu sur la base simplement du volume de matériau
enlevé ou mis en place. Même ici, cependant, la conversion du volume en poids doit souvent être
faite en raison des limitations du chargement et transporter de l'équipement utilisé.
La conversion du volume V de poids W et vice versa se fait dans le système d’unités anglais
à l'aide d'un facteur de tonnage TF (volume / poids):

où TF est le facteur de quantité (volume / poids), V est le volume, et W est le poids. La détermination
d'un facteur (s) représentatif est très important pour les opérations minières.
Dans le système anglais de mesure, l'unité de base pour décrire le poids des matériaux est le poids
d'un pied cube d'eau.
La densité de l'eau est WD

Bien que simple en principe, il n’est pas aussi facile dans la pratique de déterminer les densités
appropriées des matières qui seront utilisées dans les calculs. Il peut y avoir beaucoup de différents
matériaux impliqués dans une mine à ciel ouvert et chaque «matière» peut varier en densité d’un
point à un autre.
Trois techniques sont disponibles pour déterminer la densité du matériau:
1. Tests de densité de petits échantillons au laboratoire.
2. Fouille minutieuse et pesage d'un grand volume.
3. Calcul sur la base de la composition (minéralogie) en utilisant des densités publiées telles que les
données des tableaux 3.9 à 3.11.

En fonction des besoins, toutes les trois sont parfois utilisées.
Pour la technique 1, il y a deux tests primaires qui sont faits. Dans le premier, l'échantillon est
d'abord pesé (W) dans l'air. Le volume V de l'échantillon est ensuite déterminé par déplacement
d'eau (le niveau d'eau dans un cylindre gradué, par rapport à avant immersion et après immersion de
l'échantillon).

La densité d est ensuite calculée:

Dans le second type de test, l'échantillon est d'abord pesé (W) dans l'air, puis pesé (S) lorsqu'il est
suspendu dans l'eau. Le poids spécifique est

Des précautions doivent être prises pour corriger à la fois la porosité et l'humidité.
La technique 2 est la plus chère et prend du temps, mais fournit les meilleurs résultats de site
spécifique. Ces tests devraient être réalisés pour différents endroits dans la mine.

Pour illustrer l'utilisation de la technique 3, envisager un minerai d'or constitué de 94% en poids de
quartz et 6% de pyrite de fer. D'après les tableaux 3.9 et 3.10 une note que les masses spécifiques
respectives sont les suivantes:
‐ Quartz: 2,65
‐ Pyrite de fer: 5.1
Le poids spécifique global pour le minerai est
SG = 2.65 × 0.94 + 5.1 × 0.06 = 2.80
Et le facteur de tonnage (système anglais) est

Une marge de sécurité est introduite lors de l'application des résultats de l'une quelconque des
techniques. Dans ce cas, une valeur de 12 ou même davantage peut être utilisée. Ceci est le facteur
de tonnage in‐situ ou sur place. Pour illustrer les principes impliqués dans la conversion de volumes
en poids et vice versa, supposer qu'une société minière ait un contrat de vente de 5000 tonnes de
métal X par an. Le matériau extrait contient 1% de métal contenu et l'usine de traitement récupère
50%. Le tonnage total TA qui doit être extrait et traité chaque année est donnée par

En supposant que la couche à extraire a une épaisseur t de 20 pieds, la question est de savoir quelle
est la largeur de la zone A qui doit être exposé pour produire le tonnage nécessaire.
Le volume annuel VA est

VA = t A

Le même problème va maintenant être traité en utilisant le système métrique. Il est supposé que
4537 tonnes de minerai sont produites à partir d'une couche de 6,1 m d'épaisseur. La densité et la
masse spécifiques sont les mêmes dans ce système, ce qui simplifie les calculs.
Étant donné que le poids spécifique de la matière extraite est de 2.5, la densité est de 2.5 t / m3,
le facteur de tonnage est

MÉTHODE DES SECTIONS VERTICALES
1. Introduction
La méthode traditionnelle pour l'estimation des réserves de minerai est faite avec l'utilisation de
sections. Le procédé présente un certain nombre d'avantages, le premier est qu'il peut être effectué
à la main. D'autres avantages sont que ces réserves peuvent être facilement illustrées, comprises et
vérifiées. On supposera que le procédé est effectué à la main. Toutefois, un certain nombre de
techniques informatiques sont disponibles pour permettre au concepteur une souplesse des données
d’entrée tout en faisant les calculs par machine. Certains programmes informatiques ont été conçus
pour reproduire essentiellement la logique d'interprétation faite actuellement à la main par des
ingénieurs et géologues.

2. Procédures
Les procédures générales décrites ci‐après ont été utilisés par l'Office d' Estimation Minérale de
l’Université du Minnesota (Weaton, 1972, 1973) pour la préparation et / ou de la révision des
estimations des réserves de minerai de fer pour l'État du Minnesota. Elles peuvent facilement être
adaptées à d'autres types de minéralisation et de gisements.

Planification des Matériaux
1. Un plan de carte, mis à jour ; rendu à une échelle pratique (généralement 1 = 100 pieds) et montre
ce qui suit:
(A) les conditions de surface de la fosse, les détails existants de la proximité immédiate.
(B) Lieu de tous les trous de forage.
(C) Lieu de toutes les lignes de coupe et des lignes de propriété.
(D) Emplacement des sections transversales de la fosse.
2. Un ensemble complet de sections transversales. Elles sont représentées par toute échelle
convenable (habituellement 40 pieds pour 1 pouce) et contiennent les éléments suivants:
(A) Tous les trous de forage d'exploration qui tombent sur ou à proximité de la section (à mi‐chemin
de la prochaine section), l'analyse détaillée de chaque échantillon prélevé. Les résultats des tests de
lavage à la main ou de densité si elles ont été faites. En outre, la localisation et l'analyse de tous les
échantillons qui ont été pris.
(B) Une ligne montrant le haut du matériau restant dans le sol non perturbé.
(C) Des lignes de structure géologique montrant une interprétation des limites des zones de minerai,
et les divers minerais pauvres (basse teneur) ou formations de stériles.

Les procédures de planification
1. Les échantillons de forage sont évalués sur les sections et les zones de différents types de
matériaux croisés sont codés par couleur pour plus de commodité. Si la fosse a débutée
l’exploitation, toutes les opérations de fosse ou observations qui peuvent réfuter des échantillons de
forage de quelque manière que soit sont prises en considération dans les zones de différents types
de matériaux.
2. Les limites de matériaux minerai sont transposées sur la carte du plan comme un cadre général
pour la surface de la mine.
3. Le plan de mise en fosse est développé pour récupérer la totalité du minerai qui est
économiquement exploitable avec l'élimination nécessaire des stériles. De nombreux facteurs
entrent dans ce plan, et régissent la quantité de matière qui doit être enlevée. Certains d'entre eux
sont:
(A) La nature de l'écrêtement de surface; à savoir, le sable, l'argile, le gravier, etc., et l'angle sous
lequel ce matériau reste stable dans le gradin.
(B) La nature de la roche et des stériles et l'angle sous lequel ils resteront stable lorsqu’ils sont
exposés.
(C) Le terrain local et l'emplacement des zones d'installations minières, usine de traitement et de
vidage par rapport à la fosse.
(D) La pente de la voie de roulage et de la largeur requise pour les camions de transport.
(E) Le nombre de bermes de protection qui seront nécessaires pour assurer la sécurité des gradins et
la stabilité des versants (berges).
4. Une fois le plan de la fosse aménagé, et les pentes de fosse représentées sur les sections
transversales, les tonnages peuvent être calculés.
5. Sauf remise en cause par d'autres forages ou échantillonnages, le matériau de chaque section est
supposé s’étendre au point situé à la moitié de la distance de la section de chaque côté ou 100 pieds
au‐delà de la section d'extrémité.
6. Le calcul des volumes en mètre cubes est fait en mesurant la surface de chaque matériau, comme
illustré sur la section transversale, et en multipliant par la distance représentée par la partie (la
moitié de la distance par rapport à chaque section adjacente). Par expérience, le facteur mètre cube
par tonne est mis en place, à la fois pour le minerai et autres matériaux. Tests de concentration sur
des échantillons de forage de matériaux nécessitant un traitement minéral et niveau de récupération
ou combien de concentré restera après une concentration à l’usine.
7. Les tonnages de chaque section sont additionnés pour donner le tonnage des réserves finales.
8. Une moyenne pondérée des analyses chimiques de chaque type de matériau est calculée pour
produire la teneur finale estimée des produits inclus dans l'estimation.

3 Construction d'une section transversale
Une section E‐W (640 N) prise à travers du gisement de fer est représentée sur la figure 3.22.
L'objectif est de commencer par les données des trous de forage et de passer par la détermination
des zones des différents matériaux qui seraient inclus dans la fosse finale. Les symboles qui ont été
utilisés pour désigner les couches sont:
SU = matériau de surface (morts‐terrains) (sol, etc.) qui peut être enlevé sans forage et dynamitage.
DT = taconite décomposé.
OP = minerai et roche.
OT = minerai et taconite.
SWT = minerai de sable de lavage et taconite.

BES = minerai Bessemer.
ODT = minerai et décomposés taconite.
LO = minerai pauvre (basse teneur).
SW = minerai sablonneux de lavage.
HM = minerai lourd.
Étape 1. Les trous de forage et la topographie de surface sont tracés sur la section.
Étape 2. La bissectrice entre DDH57 et DDH60 est construite. L’interface surface‐roche est tirée. Les
points communs aux 3 trous sont reliés (Fig. 3.23).
Étape 3. A partir de la surface, relier les points communs restants dans les trous DDH57 et DDH6 et
les étendre à gauche de DDH6. A droite de DDH57 étendre les couches sur la ligne bissectrice. Celles‐
ci sont établies parallèlement aux surfaces sus‐jacentes connues. Remplissage dans la zone entre
DDH57 et la bissectrice, en étendant les couches parallèles aux lignes de tendance sus‐jacentes
connues. (Fig. 3.24).
Étape 4. Les couches restantes intersectées par DDH60 sont étendues à la bissectrice gauche et vers
la droite. (Fig. 3.25).
Étape 5. Le contour de la fosse se superpose à la section. Dans ce cas, les règles suivantes
ont été utilisées:
‐ Le minerai pauvre intercepte la forme au fond de la fosse,
‐ Une extension de 50 pieds à l'extérieur des trous de forage au fond de la fosse est supposée,
‐ L'angle de pente de fosse admissible dans le matériau de surface est de 27° alors que dans les
couches rocheuses près du fond de la fosse, il est de 54°. Une transition de 41° est utilisée entre ces
deux angles. (Fig. 3.26).
Étape 6. Une route d'accès de 50 pieds de largeur traverse cette section à la position indiquée
(Fig. 3.27).



Étape 7. Les zones des différents matériaux sur la section sont déterminées au moyen d'un
planimètre (Fig. 3.28).
Même dans ce cas relativement simple, il est clair qu'une bonne connaissance de la structure
du gisement est nécessaire (Fig. 3.29), ainsi qu’un certain jugement afin de créer de telles sections.
Comme on le verra plus en détail plus tard, les contours de fosse finaux peuvent être déterminés
seulement en tenant compte de toutes les sections ensemble.

4 Calcul du tonnage et de la teneur moyenne pour une fosse
Cet exemple simplifié a également été prise de la pratique des mines de fer. Les concepts suivants
seront illustrés:
1. L'achèvement de côté pour les sections.
2. Développement d'une fosse finale, y compris les extrémités de la fosse.
3. Détermination du tonnage et teneur moyenne pour une section.
4. Détermination du tonnage et teneur moyenne de la fosse.
Bien que la plupart de la discussion tournera autour de la coupe 1 + 00, la même approche sera
utilisée pour toutes les sections.

L’achèvement de côté
Comme décrit dans l'exemple précédent, la section 1 +00 (Fig. 3.30) a été prolongée de 50 pieds au‐
delà des positions des trous de forage ultrapériphériques. Sur le côté gauche de la section, le minerai
semble pincer dans cette zone. La pente de la fosse de 27 a été établie pour passer à travers la mi‐
hauteur de cette extension. La largeur associée avec le trou 6 serait de 50 pieds plus la moitié de la
distance entre les trous 6 et 1. Sur le côté droit, le minerai est assez épais (25 pieds) et semble se
poursuivre. La pente a été établie à un point mesuré 50 pieds le long du fond de la fosse. La largeur
de minerai associée avec le trou 5 devient 75 pieds.

Aperçu de la fosse finale
La surface est supposée être plate et à élévation 0. Une hauteur de banc de 25 pieds sera utilisée.
Grâce à un examen de toutes les sections, on voit que l'interface morts‐terrains – roche se trouve à
une altitude moyenne d'environ 100 pieds. Dans la vue en plan montrée à la figure 3.31, la surface (x)
et les 100 pieds d’intercepte (o) lus à partir de 6 sections ont été marqués.

Les extrémités de la fosse doivent maintenant être remplies. Il y a plusieurs constructions possibles
qui pourraient être utilisées.
1. Construire des coupes longitudinales du gisement et estimation de la continuation du minerai par
projection.
2. Elargir le minerai à une distance égale à l'épaisseur du minerai observée dans la section
d'extrémité.
3. Étendre les extrémités de certaine distance fixe passée la dernière section. Par exemple 100 pieds
ou distance égale à la moitié de la distance entre les sections.

Dans ce cas particulier, la deuxième méthode a été choisie. Comme on peut le voir sur la figure 3.30,
l'épaisseur de minerai maximum de 60 pieds se produit dans le trou 2. Cette épaisseur se prolonge
dans le plan des trous 1 à 4. Projection des lignes à partir du fond de la fosse aux 100 pieds et les
élévations de surface donnant les points a, b, c et d montrés à la figure 3.32. La même procédure a
été suivie à l'extrémité Est de la fosse où l'épaisseur du minerai est de 40 pieds. L'étape finale est de
relier les points en courbes lisses. Dans ce cas, la transition entre les sections est lisse et aucun
réglage supplémentaire n’est nécessaire. Si les sections individuelles ne représentent pas si bien
ensemble comme la figure 3.32, alors évidemment une procédure itérative d'aller du plan vers la
coupe et vers le plan, etc. est nécessaire.

Tonnage et teneur moyenne pour une section
La Section 1 +00 est définie par 6 forages. Le premier pas dans la détermination de la teneur
moyenne de la section est de trouver la teneur moyenne pour chaque trou de forage. Si l'intervalle
d'échantillonnage était toujours le même alors une simple moyenne des essais serait suffisant. En
général, ce n'est pas le cas et le composite doit être fait. Les résultats sont donnés dans le tableau
3.12. Un zone d’influence pour chaque trou doit maintenant être calculée. Cette zone est la hauteur
d’intercepte du minerai fois la largeur. Pour les trous intérieurs, la largeur se prolonge à mi‐chemin
des trous adjacents. Pour les trous latéraux la largeur se prolonge depuis la ligne de côté à mi‐chemin
vers le trou adjacent. Pour cette section, les zones d’influence sont indiquées dans la figure 3.33 et
résumées dans le tableau 3.13. En utilisant les teneurs et les zones d’influence, une teneur moyenne
de la section est déterminée par composition. Dans ce cas, elle est de 56,8% Fe.

Tonnage et teneur moyenne de la fosse
Le volume de minerai attribué à la section est obtenu en multipliant la zone de section (déterminée
par calcul ou planimètre) par l'intervalle de section qui, pour la section 1 +00 est de 210 pieds
(Tableau 3.14). Pour cette section, le volume de minerai est de 4,357,500 pieds3. L'application d'un
facteur de tonnage de 14 pieds3 / livre donne 311.000 tonnes courtes (anglaise).
Des figures similaires sont développées pour chacune des autres sections. La teneur moyenne de la
fosse est obtenue par composition. Le tonnage de minerai total est juste la somme des tonnes (A).
Les stériles associés se compose de deux types:
‐ Un matériau de surface, et
‐ Taconite.
Sur chaque section, les zones de chaque type de matériau sont déterminées par planimétrie. Les
résultats pour la section 1 +00 sont donnés dans les tableaux 3.15 et 3.16.

Tonnage final de fosse
Un problème quelque peu difficile est de décider comment inclure le matériau constituant les
extrémités de la fosse. L'extrémité ouest de la fosse sera examinée dans cet exemple en supposant
que tout le matériau au‐dessus du contour 100 pieds est un matériau de surface. Dans la figure 3.33,
la fin a été divisée en cinq secteurs qui seront estimés par les deux formes suivantes.
‐ Prisme (A1), et
‐ Tronc de cône droit (A2 → A5).

Une représentation isométrique des secteurs A1, A2 et A3 est représentée sur la figure 3.34. Des
parties individuelles sont représentées sur la figure 3.35. La formule générale pour le volume d'un
prisme est

Où S1, S2 sont les surfaces des zones supérieure et inférieure, respectivement, et h l'altitude

La formule pour le volume d'un cône droit est

Où r est le rayon de la base.
La formule pour le volume du cône droit tronqué est

Où r1 est le rayon de la base et r2 est le rayon de la partie supérieure.


Vue de la fosse et les volumes explosés.


L'application d'un facteur de tonnage de 19 pieds3 / st, donne 590.000 st. La scission entre taconite
et roche peut être trouvée en intégrant l'interface dans les dessins.
Dans l'estimation de la teneur réelle et le tonnage de la fosse, il faut prendre en compte:
‐ les pertes de minerai dans la fosse,
‐ la dilution, et
‐ la récupération à l'usine.

6 MÉTHODE DE SECTIONS VERTICAL (TENEUR DE CONTOURS)

Une technique moins couramment utilisée pour représenter les teneurs des sections est par
contours iso‐teneur. Bien qu'il existe plusieurs raisons d'adopter une telle approche, le principal dans
l'exemple à prendre en considération est le fait que les directions des trous de forage d'exploration
ont été très variables. Cet exemple, en utilisant les données et l'approche de Cherrier (1968), fera la
démonstration de l'application de la technique pour la détermination des tonnages et teneur
moyenne ainsi que l'application des sections longitudinales pour remplir les extrémités de la fosse. La
Figure 3.36 est une carte pour un gisement de molybdène montrant l'emplacement des trous de
forage et la topographie de la surface. Le système de grille a été superposé. Les sections 4, 8, 12, 16
et 20 sont donnés dans les figures 3,37 à 3,41. Les trous de forage sur les sections 2 et 22 n’ont
révélé aucun minerai présent. En utilisant les données des trous de forage et une connaissance de la
forme du gisement, les contours de teneurs ont été créés. Un aperçu de la fosse a été développé en
utilisant des procédures qui seront décrites dans un autre atelier. Dans la visualisation des 5 sections
transversales, on peut voir que la section longitudinale 3200 N s’étend approximativement le long de
l'axe de la fosse proposée. Cette section est représentée sur la figure 3.42. Des études de mécanique
des roches ont suggéré une pente d’un angle de 45° à l'Est et est de 50° à l'Ouest. A partir des
résultats de forage, le gisement doit se terminer entre les sections 2 à 4, à l'Ouest et 20 à 22 à l'Est.
Les lignes de contour de teneur ont été établies pour représenter cette condition (Fig. 3.43). En
examinant la représentation du plan (Fig. 3.44) de la fosse finale, et la section longitudinale, il a été
décidé d'intégrer les volumes de la fosse finale dans les sections 4 et 20 plutôt que de les traiter
séparément. Ceci est réalisé en faisant varier la longueur d’influence longitudinale de sorte que les
volumes résultant soient corrects. Pour les extrémités Est et Ouest ce qui suit a été utilisé:







Le lecteur est invité à vérifier ces approximations. Pour chaque section, les zones correspondant à
chaque zone de teneur dans le contour de la fosse sont déterminées à l'aide d'un planimètre. Sont
ensuite convertis en volumes et des tonnes résumées dans le tableau 3.17. Un résumé du tonnage du
minerai et des tonnages des stériles ainsi que le taux de découverture moyen par section est donné
dans le tableau 3.18. Le taux de découverture global de la fosse est également calculé.

Un échantillon a été réalisé pour chaque 10 pieds de carotte dans tous les trous de forage. Pour
chaque section, les échantillons se trouvant dans une zone de teneur particulière ont été ajoutés
ensemble. Cette somme est ensuite divisée par le nombre d'échantillons pour obtenir une moyenne.
Chaque échantillon moyen a été pondéré par le volume de l'influence de la zone respective. Ces
moyennes pondérées ont été additionnées et divisées par le volume total pour les trois zones. Ce
chiffre est alors la teneur moyenne de la zone de minerai entier sur cette section. Les résultats de ces
calculs sont donnés dans le tableau 3.19. La teneur moyenne globale pour la fosse se trouve dans le
tableau 3.20.

Une certaine perte et dilution de minerai peut être attendue de ce gisement en raison de la difficulté
de définir la teneur de coupure et d'exploitation minière à cette teneur dans la moitié supérieure du
corps minéralisé. Le calcul suivant illustre la façon dont on pourrait tenir compte de ces effets et de
déterminer une teneur moyenne pour le minerai extrait effectivement.


7 LA MÉTHODE DE SECTIONS HORIZONTALES
7.1 Présentation
Bien que les sections verticales ont joué un rôle dominant dans l’estimation des réserves de minerai
dans le passé, aujourd'hui, pour beaucoup, sinon pour la plupart, cette fonction est rapidement
remplacée par des techniques basées sur l'utilisation de sections horizontales. La principale raison
étant la disponibilité généralisée des ordinateurs pour faire le fastidieux temps des calculs impliqués et
le développement de nouvelles techniques pour estimer les teneurs entre les trous de forage. Les
sections prises dans le plan du gisement sont généralement utilisées pour évaluer les gisements
relativement minces, plats, tels que l'uranium, le charbon, le sable, le gravier, l'or alluvionnaire, etc.
Elles peuvent être d'une épaisseur relativement uniforme ou variable. Des dépôts épais sont extraits
dans une série de tranches horizontales (bancs) d'épaisseur uniforme. Pour la planification de
l'extraction, les plans de bancs montrant les tonnages et les teneurs sont d'une importance capitale.
Par conséquent, même si les sections verticales sont utilisées pour l'évaluation initiale, les sections
horizontales de bancs (gradins) sont éventuellement nécessaires. Dans cette section, les méthodes
de calcul des tonnages et des teneurs à basées sur les méthodes des triangles et des polygones
seront discutées. Ces discussions vont utiliser comme base les forages présentés dans la figure 3.45.
Les teneurs correspondantes et les coordonnées de localisation sont données dans le tableau 3.21.
3.7.2 Méthode des Triangles

Dans la méthode des triangles, schématiquement illustré sur la figure 3.46, chaque trou est considéré
comme étant dans un coin d'un triangle. Si le triangle solide formé est d'épaisseur constante t, son
volume est juste égal à la surface A du plan fois cette épaisseur. Pour obtenir des tonnes, le facteur
de tonnage approprié est appliqué. La moyenne cumulative est donnée par
Où gi sont les teneurs aux trois coins.
La surface du triangle peut être trouvée à l'aide d'un planimètre ou par calcul si les coordonnées (xi, yi)
des coins sont connus. Cette méthode, illustré à la figure 3.47, adapte facilement l’application du
calcul informatique. La teneur moyenne pour le bloc est strictement correcte que pour les triangles
équilatéraux. Pour d’autres formes de triangles la zone associée à chaque teneur n’est pas égale
comme supposée dans la formule. Pour les solides triangulaires qui ne sont pas d'épaisseur
constante, quelques calculs supplémentaires sont nécessaires. L'épaisseur moyenne est donnée
par
Utilisation de l'épaisseur moyenne, la zone du plan et le facteur tonnage, les tonnages peuvent être
trouvés. L'élément triangulaire formé par les trous C-30, C-40 et C-50 (en supposant une épaisseur de
banc constante de 40 pieds et un facteur de tonnage de 12,5 ft3 /st), contient 64.000 tonnes(s) avec
une teneur moyenne de 0,17.
3.7.3 Méthode des Polygones

Dans la méthode polygonale, chaque trou de forage se trouve dans le centre d'un polygone. Le
polygone est construit de telle sorte que sa limite soit toujours à égale distance du trou voisin le plus
proche. À l'intérieur du polygone, la teneur est supposée constante et égale à celle du trou qu'il
comporte. L'épaisseur du polygone est constante et égale à l'épaisseur du minerai d'interception / de
banc. Les étapes suivies pour la formation d'un polygone autour du trou C-41 sont illustrées sur la
Figure 3,48. Dans l'étape 1, les lignes radiales (semblables aux rayons d'une roue) sont tirées du trou
de forage à ses voisins les plus proches. Les médiatrices à ces lignes sont construites et prolongées
jusqu'à ce qu'elles rencontrent celles des trous adjacents (étape 2). La superficie du polygone est
ensuite déterminée et le volume calculé (étape 3). A la limite du forage, étant donné qu'il y a des trous
sur un seul côté, certaines procédures spéciales sont nécessaires. Ici, il sera supposé qu'une
appropriée qu’un rayon d’influence approprié R est connu. Ce concept sera discuté en détail dans la
section suivante. La Figure 3.49 illustre les étapes nécessaires pour construire le polygone autour du
trou C-14. L’étape 1 se déroule comme avant avec des lignes radiales tracées aux trous environnants.
Pour alimenter les côtés manquants un cercle de rayon R est établi (étape 2). Dans ce cas, R = 250 ft.
Les accords sont établis parallèlement à la limite de la propriété (grille) de lignes le long du dessus et
de côté (étape 3). Les cordes restantes sont tracées à des angles de 45 °, la tangente au cercle. Dans
l'étape finale (étape 4) la zone est déterminée, le tonnage calculé et la teneur attribuée.
Les règles développées par Hughes & Davey (1979) qui peuvent être suivies lors de la construction
des polygones sont données dans le tableau 3.22. La Figure 3.50 montre les polygones générés
manuellement pour les données de trous de forage de la figure 3.45.
Après avoir donné ces deux exemples, présentons les étapes générales (s’après Hughes & Davey,
1979) qui sont suivies:
1) Les emplacements des trous de forage et d'autres échantillons sont établis pour un niveau donné
en utilisant les données de prospection disponibles de trou de forage. Habituellement, l'emplacement
des trous de forage et les échantillons d'intérêt sont représentés sur une section horizontale.
2) Les données d'analyse d'intervalle des trous de forage sont combinés à des intervalles compatibles
avec la hauteur du banc (gradin). L'élévation de l'échantillon est typiquement déterminée au milieu du
banc.
3) La zone d'influence ou le rayon d'influence est établie par expérience géologique et minière.
.
4) Les lignes sont tracées entre les trous de forage qui sont deux fois le rayon d'influence de l'autre.
Cette étape peut être modifiée par des règles telles que celles du tableau 3.22.
5) Les médiatrices sont construites sur chacune de ces lignes de connexion.
Tableau 3.22. Exemple de règles d'interpolation de polygone (Hughes et Davey, 1979).
6) Les bissectrices sont étendues jusqu'à ce qu'elles se croisent. Si deux lignes parallèles ou
sensiblement parallèles, et il est évident qu’elles ne vont pas se croiser avant la ligne la plus proche
du trou de forage intersectant une autre ligne, la bissectrice qui est la plus proche du trou de forage
est acceptée comme la limite du polygone.
7) Dans les zones où les trous de forage sont séparés par des distances supérieures à deux fois le
rayon d'influence, un polygone à huit côtés (octogone) est établi autour de l'emplacement du trou, ce
qui représente la superficie maximale d'influence. Cette étape peut également être modifiée par des
règles telles que celles du tableau 3.22.
8) Les trous de forage le long de la périphérie du corps de minerai sont extrapolés au rayon
d'influence et la forme octogonale est tracée autour du trou de forage.
Si le minerai est défini comme ayant une teneur de
g ≥ 0,6%
puis pour ce gradin le tonnage prévu est de 1,990,000 st à une teneur moyenne de 0,93. Un facteur
de tonnage de 13 ft3 / st (masse spécifique de SG = 2,47) et une hauteur de gradin de 40 pieds a été
pris en considération.
Il est évident que la zone / rayon d'échantillon d’influence est plus élevé sous un certain nombre de
conditions spécifiques. Quelques exemples de ces conditions particulières sont les suivantes:
- Les teneurs ne doivent pas être projetées d'un type de formation, de minéralisation, de type de
roche, etc. à l'autre.
- Les teneurs des échantillons ne doivent pas être projetées d'un côté d'une structure de poste
minéralisation telle que d’une faille à l'autre.
Les règles doivent être déterminées pour faire face à l'attribution d'une teneur en métal au matériau en
place qui est inférieure à une pleine épaisseur d’hauteur de gradin, comme près de la surface du
dépôt.
L'utilisation d'un ordinateur, comme les listes duTableau 3.22 peuvent automatiquement être
considérées ainsi que les règles relatives aux contrôles de minéralisation pour le dépôt spécifiques.
Cependant, il est très compliqué qu’un ordinateur puisse tracer des lignes représentant les limites des
polygones et d'affecter les teneurs de la zone selon les procédures décrites précédemment.
3.8 MODÈLES DE BLOCS
3.8.1 Présentation
Le fondement pour l'application des techniques informatiques pour l’estimation de la teneur et le
tonnage est la visualisation du gisement comme un ensemble de blocs. Un tel modèle de bloc est
représenté sur la Figure 3.51.
Quelques conseils pour la taille des blocs choisis ont été fournis par David (1977).
Typiquement, dans la profession, les gens aiment connaître autant que possible leur gisement et par
conséquent, ils demandent une estimation détaillée sur la base des plus petits blocs possibles.
Cette tendance, en plus d'être éventuellement inutilement coûteuse apportera également des résultats
décevants. On trouve que ce petit bloc voisin reçoit des teneurs très similaires. Il faut se rappeler que
si la taille d'un bloc diminue, l'erreur d'estimation de ce bloc augmentera. En outre, en divisant les
dimensions linéaires d'un bloc par 2, cela multipliera le nombre de blocs à estimer et probablement le
système d'équations à résoudre par 8! En règle générale, la taille minimale d'un bloc ne doit pas être
inférieure à ¼ de l'intervalle moyen des trous de forage, disons des blocs de 50 pieds pour une grille
de forage de 200 pieds et 200 pieds pour une grille de forage de 800 pieds.
La hauteur du bloc est souvent celle du gradin qui sera utilisée dans l'industrie minière. En outre,
l'emplacement des blocs dépend d'un certain nombre de facteurs. Par exemple, une élévation clé
pourrait être basée sur le contact minerai – stérile entre les types de minéralisation (oxydes-sulfures),
les zones de teneur riche et teneur basse, etc.
La superposition d’une grille de blocs de 100 pieds x 100 pieds sur les données des trous de forage
de la figure 3.45 est représentée sur la figure 3.52. Comme on peut le voir, certains blocs contiennent
des trous de forage, mais la plupart des blocs ne contiennent pas de trous de forage.
Certaines techniques doivent être utilisées pour attribuer des teneurs à ces blocs. Le tonnage de
chaque bloc peut être facilement trouvé à partir du volume de bloc (le même pour tous les blocs) et le
facteur de tonnage (qui peut varier). Deux techniques seront discutées dans cette section et une
supplémentaire à la section 3.10. Elles sont toutes basées sur l'application de la «sphère
d'influence », concept dans lequel les teneurs sont attribuées à des blocs par "pondération" des
teneurs de blocs voisins. Les variations de la façon dont les facteurs de pondération sont sélectionnés
distinguent trois méthodes. Une simplification qui sera faite dans cette discussion est de considérer
les blocs comme des valeurs de points plutôt que des volumes.
Cette distinction est illustrée sur la figure 3.53. En traitant le bloc comme un point on ferait un calcul de
la teneur moyenne de bloc en fonction de la distance du centre de bloc aux points environnants. Si le
bloc est divisé en un maillage de petits blocs, le calcul serait effectué pour chaque sous-bloc et les
résultats additionnés. Dans la littérature cette intégration volumétrique est notée par des intégrales ou
des sommations. Hughes & Davey (1979) ont indiqués que la différence entre l'approche du point et le
volume est faible. Nous avons choisi de prendre l'approche la moins compliquée dans la présentation
des principes. En outre, l’approche à deux dimensions sera axée sur seulement sur le passage de la
référence aux extensions en 3 dimensions. Les exemples utilisés se concentreront sur l’affectation
des teneurs pour un gradin en utilisant les teneurs composites pour ce gradin uniquement. Les
teneurs situées au-dessus ou au-dessous du gradin en question ne seront pas incluses dans les
calculs. Enfin, sauf spécifiquement mentionné, toutes les teneurs seront supposées appartenir au
même type de minéralisation et sont toutes utilisables dans l'attribution des teneurs aux blocs, à savoir
qu'il n'y a pas de caractéristiques qui éliminent certaines des valeurs (changement dans la
minéralisation, la formation, le type de roche, les caractéristiques structurelles). Le lecteur
verra comment cela peut-il être pris en considération.
Figure 3.53. Bloc et représentation de points.
3.8.2 Règle-de-points les plus proches

L'approche du polygone décrit dans le chapitre précédent est un exemple de la règle de points les
plus proches. La zone entourant un trou de forage est défini de telle sorte que la frontière soit toujours
à égale distance des points les plus proches. Bien que des programmes informatiques maintenant
existent pour faire cette procédure, Hughes & Davey (1979) suggère que peu de précision est perdue
en utilisant une grille régulière.
L'ordinateur calcule les distances entre les centres de bloc à la teneur connue entourant l’endroit, et
attribue la teneur au bloc de la teneur la plus proche. Si la distance la plus proche est supérieur à R,
aucune valeur n’est affectée. Dans certains cas, le centre de bloc peut être à égale distance de
deux teneurs ou plus connues. Une procédure doit être établie pour gérer cela. Parfois, une valeur
moyenne est affectée.
La figure 3.54 illustre l'application d'une interpolation polygonale informatisée aux valeurs indiquées
composites tel que le niveau 5140 sur la figure 3.45. Si le bloc contient un trou, il est affecté à cette
valeur. Les blocks sans trous sont affectés de la valeur du trou le plus proche dans un rayon de 250 ft.
Pour les blocs ayant des centres en dehors de ce rayon une valeur de 0 est attribuée.
La zone ombrée a été interpolée comme une minéralisation ≥ 0,6% Cu. Parce que la distance du bloc
composite est calculée à partir du centre de bloc, les résultats varient légèrement pour les polygones
définis dans la figure 3.50. L'accumulation de blocs avec des teneurs projetées ≥ 0,6% Cu est
calculée comme 2.033.778 st à une teneur moyenne de 0,92%.
Figure 3.54. Polygones générés par ordinateur pour la figure 3.45 (Hughes & Davey, 1979).
3.8.3 Techniques de pondération à distance constante

Dans la technique précédente, la teneur est supposée rester constante sur une région allant à mi-
chemin vers le trou adjacent. Lorsque la limite entre blocs est traversée, la teneur tombe à celle de la
région adjacente. La teneur à un point est déterminée par la teneur la plus proche et rien d'autre. Une
approche plus sophistiquée serait de permettre à toutes les teneurs environnantes pour influencer
l'estimation des teneurs en un point. La figure 3.55 illustre l'attribution des teneurs le long d'une ligne
entre deux teneurs connues. En supposant un changement linéaire de teneur entre les deux teneurs
connues (Fig. 3.56), on peut calculer les teneurs attendues aux points a, b, et c.
La formule utilisée pour calculer cela peut être écrite comme
où gi est la teneur attribuée à la distance d du point désiré.

Figure 3.56. Variation linéaire de teneur avec la distance de séparation.
L'application bidimensionnelle de cela aux données de Hughes & Davey (1979) est représentée sur la
figure 3,57. La teneur calculée au point est donnée par 0,45%.
Cette méthode est appelée la technique de pondération de la distance inverse. L'influence des
teneurs environnantes varie inversement avec la distance séparant la teneur et le centre du bloc.
Il est évident que la teneur du bloc doit être plus semblable aux points plus proches que ceux qui sont
loin. Pour souligner cette dépendance, la pondération avec la distance peut être augmentée. Ceci est
réalisé en changeant la puissance de di dans l'équation (3.18). Si la dépendance varie inversement
avec le carré de la distance plutôt que linéaire, l'équation (3.18) devient
Ceci est la formule de pondération de la distance inverse au carré couramment utilisée (IDS).
L'appliquer au calcul des teneurs aux points a, b et c le long de la ligne (Fig. 3.55) comme
précédemment, on trouve que
Figure 3.57. L'application de la technique de la distance inverse.
Il est évident que les résultats sont tout à fait différents du précédent. En appliquant la technique 2-D
de l'exemple de Hughes et Davey (Fig. 3,57), on constate que
Si l'on devait choisir une puissance différente pour d, le résultat changerait. La formule générale est
Figure 3.58. Exemple simple d'application de la technique de la distance inverse au carré (IDS)
Pour une dépendance linéaire m = 1, dépendance quadratique (carré), m = 2, etc. La valeur m = 2 a

été trouvée pour être adaptée à un certain nombre de différents types de gisements et est largement
utilisée. En pratique, une distribution des valeurs de m sera obtenue à partir de laquelle une moyenne
peut être déterminée et une meilleure valeur sélectionnée.
À ce stade de la discussion, il a été supposé que la fonction de pondération est indépendante de la
position angulaire des teneurs connues par rapport à l'inconnu. Une telle fonction est appelée isotrope
(indépendamment de l'orientation). Cela est vrai pour de nombreux gisements. Pour d'autres,
cependant, la variation de teneur avec la distance ne dépend pas de la direction. Ainsi, dans un sens,
par exemple N-S, la meilleure valeur pour m est m1 alors que dans la direction E-W serait m2. Un tel
dépôt serait appelé anisotrope. Les procédures sont disponibles pour l'inclusion de ces effets. Leur
discussion est au-delà de la portée de notre atelier. Avant de poursuivre, nous allons jeter un coup
d'œil de plus près à la formule du carré de la distance inverse.
Elle sera appliquée au cas simple représenté sur la figure 3.58. L'élargissement de la formule donne
Le dénominateur devient 5.694 et l'équation peut être écrite comme

sera toujours égale à 1. Plus 0 ≤ ai ≤1.
Dans la section suivante, il sera montré que l'approche géostatistique d'estimation de la teneur donne
la même forme d'équation. Les coefficients ai sont simplement déterminés de façon différente. Les
contraintes sur les ai sont les mêmes.
À ce point, il a été tenté de démontrer simplement comment la méthode fonctionne. Quelques mots
supplémentaires sont nécessaires sur l'application dans la pratique. Quelques règles à cet égard sont
donnés par Hughes & Davey (1979) dans le tableau 3.23. Un exemple montrant l'application des
règles suivantes:
(1) une exclusion angulaire de 18° (exclut G3 et G5),
(2) maximum de sept trous les plus proches (exclut G1 et G8), et
(3) puissance m = 2
est donné à la figure 3.59.
La Figure 3.60 montre l'évaluation informatique d'une distance inverse au carré (m = 2) du niveau
5140. Les règles utilisées pour la simulation sont les suivantes:
rayon d'influence = 250 ft
m=2
angle d'exclusion angulaire = 18°
L'accumulation de blocs ≥0.6% Cu est calculée pour être 2.003.000 st à une teneur moyenne de
0,91% de Cu.
Figure 3.60. Interpolation du carré de l'inverse de la distance pour les échantillons de composition sur
la figure 3,45 (Hughes et Davey, 1979).
3.9 BASE STATISTIQUE D'AFFECTATION DE TENEUR
Dans la section précédente une technique pour attribuer des teneurs à des blocs, sur la base de
coefficients de pondération dépendant de la distance, a été discutée. L'application dépendait de la
sélection de la puissance m et un rayon d'influence pour les échantillons. Dans certains cas, une
valeur de m est juste prise (souvent 2), et dans d'autres un jeu de données est numérisé. Certains ont
mentionnés la façon de sélectionner une valeur pour R. Si m = 2 est utilisée, la diminution de
l'influence de la distance est assez rapide et l'utilisation d'une grande valeur n'est pas si grave. La
valeur minimale de R est déterminée par la nécessité d'inclure un nombre de points suffisant pour les
calculs. Cela varie évidemment avec la maille de forage. La géostatistique a contribué avec un certain
nombre de techniques qui peuvent être utilisées. Une importance particulière est la manière d'évaluer
le rayon d'influence R et l'affectation des teneurs à des blocs. Malheureusement, en raison de la
nature hautement mathématique de leur présentation, le niveau de compréhension et d'appréciation
de la technique au sein de la majeure partie de l'industrie minière est pauvre. Dans cette section, il est
tenté de clarifier certains ces concepts.
3.9.1 Quelques statistiques sur le gisement

L'une des premières choses qui peuvent et doivent être faites est de voir comment les teneurs sont
distribuées. Il est plus facile à faire en traçant un histogramme des données. Cela a été fait dans la
figure 3.61 en utilisant les données du gradin 5140 (tableau 3.21). La moyenne cumulative ¯g est
calculée en utilisant
où n est le nombre d'échantillons et gi sont les teneurs individuelles. Dans ce cas, la teneur moyenne
est
Elle a été superposée à la figure 3.61. Si la distribution de teneur avait été vraiment normale alors
serait prévu une courbe en forme de cloche centrée autour de la valeur moyenne. Ici, ce n'est pas le
cas. Il y a beaucoup de valeurs groupées en dessous de la moyenne et une longue queue dans le
haut des valeurs. Ceci est appelé un biais positif et est assez fréquent pour les dépôts de basse
teneur.
Le degré de départ de la normalité peut être vérifié en traçant les valeurs sur papier de probabilité
standard. D'abord on arrange les teneurs dans l'ordre comme dans le tableau 3.24. Ensuite la
fréquence cumulée correspondante des teneurs est calculée à l'aide de
où i est la i-ème observation, n étant le nombre total d'observations et Cf est la fréquence cumulative.
Si n est grand, il n’est pas nécessaire de tracer chaque point (tous les 5-ème ou 10 ème point peuvent
être assez). Les résultats sont représentés graphiquement sur la Figure 3,62. Comme on peut le voir,
il y a des départs à partir d'une ligne droite, en particulier aux teneurs inférieures. Pour les classes
supérieures à 0,3% Cu, l'ajustement est assez bon. Si la totalité de la distribution doit être
représentée, des mesures doivent être prises pour les convertir en une distribution normale. Deux
types de transformations logarithmiques peuvent être appliqués à de telles distributions asymétriques
(que ce soit positivement ou négativement). Dans le cas le plus simple, on trace le logarithme naturel
de la teneur (ln gi) en fonction de la fréquence cumulée sur papier à probabilité (Fig. 3.63).
On observe pour les classes supérieures à environ 0,3% de Cu, une ligne droite. Toutefois, pour les
teneurs inférieures, les points tombent en dessous de la courbe. D'où la simple transformation de ln gi
ne donne pas la distribution normale souhaitée. La prochaine étape est de prendre le logarithme
naturel de la teneur plus une constante additive β et dessiner ln (gi + β) sur papier à probabilité.
Si le nombre d'échantillons est assez grand, on peut estimer β selon la formule suivante et les valeurs
suivantes de la Figure 3,62:
où m est la teneur à 50% de la fréquence cumulée, f1 est la valeur de l'échantillon correspondant à

15% de la fréquence cumulée et f2 est la valeur d'échantillon correspondant à 85% de la fréquence
cumulée. En générale f1 correspond à la fréquence P et f2 à la fréquence 1-P. En théorie, toute
valeur P peut être utilisée, mais celle entre 5 à 20% donne les meilleurs résultats. En appliquant cette
règle, on constate que
La valeur résultante ln(gi + 0,935) fournit un degré élevé de normalisation à la distribution de teneur
(Fig. 3.64).L'utilisation de la distribution log-normale introduit des complexités qui sont au-delà de la
portée de cet atelier. Par exemple il faut être conscient que la teneur à 50% de probabilité sur un
graphique de distribution lognormale, représenterait la médiane - aussi appelée la moyenne
géométrique - et non la vraie (arithmétique) moyenne de la distribution. On suppose que les teneurs
du banc 5140 peuvent être représentées de manière adéquate par une distribution normale. Comme
on peut le voir dans le tableau 3.24, il y a un grand écart ou plage dans les teneurs. La plage est de
0,012% à 1,615%. La variance s2, obtenue à l'aide
est trouvée égale à

Figure 3.64. Représentation du logarithme (gi + β) par rapport à la probabilité cumulative pour les
teneurs du gradin 5140.
L'écart-type (s), qui est juste la racine carrée de la variance, devient

s = 0,368%
Il convient de rappeler que près de 68% des teneurs doit être contenue
entre ¯g ± 95%
entre ¯g ± 2s donnant une distribution normale.
Cette approche statistique traditionnelle a traité tous les échantillons comme un grand groupe sans
remarque particulière accordée à leurs positions relatives au sein du groupe. Une telle attention sera
vue dans la section suivante.
3.9.2 Portée de l'influence de l'échantillon

Lors de l'utilisation des techniques de pondération inverse de la distance, la zone d'influence d'un
échantillon est théoriquement infinie. Dans la pratique, une certaine gamme finie est affectée. La
question se pose de savoir si d'une manière plus quantitative de la détermination de la portée réelle
de l'échantillon pourrait être mise au point? L’approche géostatistique décrite dans la présente section
donne un sens. La logique de base impliquée sera d'abord décrite suivie par un exemple.
Si lors de l'échantillonnage d'un gisement, les échantillons sont prélevés à proximité ensemble, on
pourrait penser que les valeurs d'échantillon résultant soient similaires. D'autre part, si elles sont
recueillies éloignées, peu de similitude est attendue. Entre ces deux extrêmes, on pourrait attendre
une sorte de relation fonctionnelle entre la différence de teneur et la distance de séparation à
appliquer. Si la fonction pourrait être déterminée, la distance (plage d'influence) à laquelle les
échantillons d'abord devenu indépendant les uns des autres n'a pu être trouvée. La procédure de
base (Barnes, 1980) serait:
1. Décider des distances de séparation h dans lesquelles les paires d'échantillons seraient
regroupées. Ces distances sont souvent appelés portées (lags). Par exemple, les distances de
séparation (portées) de 100 ft, 200 ft, 300 ft, etc.
Bien que chaque portée est considérée comme une distance spécifique, dans la pratique, la portée
représente généralement la moyenne d'un intervalle de classe de distance. En d'autres termes, la
portée de 15m (50 pieds) peut représenter toutes les paires d'échantillons tombant entre 11½ et 19½
m (37½ et 62½ ft). Une telle pratique est rendue nécessaire par l'espacement inégal de la plupart des
échantillons, en particulier lors du calcul de variogrammes directionnels qui ne sont pas parallèles ou
perpendiculaires à un motif d'échantillonnage à peu près rectangulaire.
2. Identifier les paires entrant dans un groupe particulier. La Figure 3.65 illustre un cas simple de n
échantillons séparés par une portée constante h. Plusieurs paires peuvent être formées. Il existe n-1
paires distantes de h, n-2 paires de distance de séparation 2h, n-3 paires séparées par 3h, etc.
Figure 3.65. Système de calcul de la variance en utilisant des paires d'échantillons d'une distance
donnée (Barnes, 1979).
3. Calculer la différence de teneur gi -gj pour chacune des paires dans chaque groupe. On a constaté
que la distribution des différences existe. Comme on l'a déjà fait, la moyenne, la variance et l'écart
type pourraient tous être calculés. Un type particulier de variance définie comme
où n (h) est le nombre de paires dans le groupe de portée h, s2 (h) est la variance pour les paires avec
portée h et gi est la teneur au point i de la paire, sera utilisée. Pour plus de commodité mathématique,
une moitié de s2 (h), désigné par le symbole γ (h) sera utilisé:
On appelle cela la variance géostatistique ou semi-variance (moitié de la variance).
4. Une fois que les valeurs de γ ont été trouvées pour chacun des différents groupes (appelés
cellules), l'étape suivante consiste à tracer les résultats. Le graphe de γ en fonction de la moyenne de
la portée h est appelé variogramme ou plus exactement semi-variogramme. Dans cet atelier, le terme
de variogramme est conservé.
5. La dernière étape consiste à exprimer la relation entre γ et h dans un certain type de forme
utilisable. La valeur de h au-delà de laquelle peu ou pas de changement dans γ est observé est
appelée palier 'a'.
3.9.3 Exemple illustratif

Pour illustrer ces concepts, par exemple, les paires de données N-S de la figure 3,45 seront utilisées.
En regardant le plan, il est clair que la plupart des trous sont espacés de 200 pieds de distance. Le
tableau 3.25 résume les paliers et le nombre de paires correspondantes. Il est commode de
considérer les données dans treize cellules (groupes) incrémentées les unes aux autres par 100
pieds. Les cellules sont résumées dans le tableau 3.26. L'emplacement des 19 paires à une distance
de séparation de 600 pieds est représenté sur la figure 3.66. Le calcul de γ (600) est indiqué dans le
tableau 3.2.
Dans la figure 3.67, le nombre de paires de données représentées par chaque point est tracée. Il est
important que les paires se trouvent suffisantes à chaque portée dans une direction quelconque pour
assurer la signification statistique. Idéalement au moins 30 de ces paires sont nécessaires pour
calculer la variance pour chaque portée dans une direction donnée. Parfois, dans la phase
d'échantillonnage précoce, il est difficile de trouver assez de paires à certaines portées pour produire
un point de variogramme viable et un nombre moindre peut être utilisé. Un programme de
variogramme qui va afficher un symbole différent lorsque vous tracez la valeur γ (h) pour toutes les
portées ayant moins de 30 paires est utile pour une reconnaissance rapide de points moins fiables
(Barnes, 1980b).
Comme indiqué précédemment, il est souhaitable de trouver la valeur de h à laquelle γ cesse de varier
avec la distance. Ceci est appelé la zone d'influence (portée). En raison du petit nombre de paires
d'échantillons aux distances de séparation plus élevées, aucune valeur de plateau particulier n’est
observé. Si toutes les directions sont incluses (pas seulement N-S), alors un plus grand nombre de
paires est obtenu. La figure résultante est représentée sur la figure 3.68. Un net "nivellement" est
observé avec la distance même si l'ampleur du plateau (appelé palier), est difficile de discerner à
partir de ces données. La variance de l'ensemble des échantillons a été déterminée plus tôt pour être
0,1351. Il peut être démontré que cela devrait être égal au palier. D'où cette ligne a été superposée à
la figure.
Afin de compléter la courbe, le comportement au niveau de l'origine est nécessaire. Pour les
échantillons prélevés très rapprochés (h~ = 0), on pourrait attendre une différence entre les valeurs
d'échantillon en raison de
- Manque de soins dans la collecte de l'échantillon.
- Précision analytique pauvres (limites de précision analytique),
- Une mauvaise préparation de l'échantillon, et
- Une minéralisation très irrégulière à faible échelle.
Ce type de variance serait prévu pour être indépendant de la distance actuelle d'échantillonnage. Sa
magnitude est donnée par le symbole co et il est appelé l'effet de pépite. Dans certains textes cette
partie de la variance totale est appelée la variance chaotique ou non structurée. (Fig. 3.69).
La partie du variogramme situé entre l'effet de pépite et le palier représente la variabilité réelle dans le
gisement pour la minéralisation donnée. Elle est appelée la variance structurée.
Figure 3.69. Représentation schématique d'un variogramme sphérique
Une ligne droite se prolongeant à partir de l'axe Y au palier a été établi à travers les quelques
premiers points dans la figure 3.70. La valeur de Co (effet de pépite) tel que lu à partir de la courbe est
de 0,02. Pour le modèle sphérique (dont celui-ci est un exemple), il a été constaté que la ligne droite
se coupe au palier h = 2/3 a, où a est la portée. Dans ce cas, a ~ =450 ft.
En résumé:
c0 = effet de pépite = 0,02
c1 + c0 = palier = 0,135
c1 = variance structurée = 0,135 à 0,02 = 0,115
Ar = R = portée = 450 ft
Il est clair que ce processus peut être appliqué dans des directions particulières pour évaluer le
comportement anisotrope (ou variation de portée, avec la direction). La portée h aurait une direction
associée et devenir ainsi une quantité vectorielle notée
Les variogrammes sont préparés pour chaque type de minéralisation dans un gisement.
Le processus d'évaluation peut être arrêté à ce stade. La valeur requise de R = a peut être utilisée
dans un polygone, la distance inverse ou d'autres systèmes pour le calcul du tonnage-teneur. D'autre
part, le variogramme qui reflète la variabilité de teneur avec la distance peut être utilisé pour
développer des coefficients de pondération similaires aux ai décrits précédemment par rapport à la
méthode de la distance inverse. Ce processus qui est appelé krigeage sera décrit dans la section
3.10.
Figure 3.70. Détermination de la portée, du palier et de la pépite.
Figure 3.71. variogramme typique pour un dépôt stratiforme (Barnes, 1979b).

Figure 3.72. variogramme typique pour un dépôt de cuivre porphyrique (Barnes, 1979b).
3.9.4 Description de variogrammes par des modèles mathématiques

Les figures 3.71, 3.72 et 3.73 sont des variogrammes réels expérimentaux générés à partir de trois
types de dépôts différents (Barnes, 1980). La croissance lente et régulière de γ de zéro à la figure
3.71 est caractéristique de nombreux dépôts stratigraphiques et stratiformes avec une minéralisation
assez uniforme ayant un haut degré de continuité. La Figure 3.72 a été générée à partir de données
de cuivre de gisement porphyrique où les minéraux sont à veinules, les changements dans l'intensité
structurelle, et d'autres caractéristiques discontinues ont créés un effet significatif de pépite en raison
de changements sur de très courtes distances. Au-delà des effets de courte portée, cependant, γ (h)
représente une courbe de croissance relativement uniforme et atteint un plateau au niveau du palier
du variogramme qui est la variance globale de tous les échantillons.
Le variogramme expérimental de la figure 3.73 illustre un effet aléatoire total d'objets trouvés dans
certains gisements d'or. La continuité minérale est inexistante, et les échantillons semblent être
totalement indépendants quelle que soit la distance qui les sépare. Les techniques géostatistiques
d'estimation des réserves de minerai ne peuvent pas faire une contribution à l'évaluation du dépôt
ayant un effet de pépite pur car aucun élément régionalisé n'est présent.
Le changement de la variance avec la distance entre les échantillons peut être lue directement à partir
de la courbe tracée à la main par les points expérimentaux. Pour les calculs informatiques cependant,
il est nécessaire de disposer d'une équation qui décrit la courbe. Les trois modèles donnés sur la
figure 3.74 (ainsi que d'autres) ont été utilisés pour approximer les variogrammes réels.
A la fois le modèle linéaire et le modèle De Wijsian, qui produira une ligne droite lorsque la portée h
est tracée à l'échelle logarithmique, implique que γ (h) augmente infiniment avec des distances
croissantes. L'expérience a montrée que souvent les deux modèles représentent avec précision les
données de variogrammes expérimentaux près de l'origine, mais se décomposent quand h devient
grand.
Le modèle sphérique ou modèle Matheron, comme il est parfois appelé, est celui dans lequel le
variogramme atteint une valeur finie quand h augmente indéfiniment. Cette valeur finie, appelée palier
du variogramme sphérique, est la variance globale du dépôt et est atteinte lorsque les teneurs sont
suffisamment éloignées pour devenir indépendantes les unes des autres et d'agir de manière
aléatoire. Le modèle sphérique est devenu le plus important et de nombreux géostatisticiens l'ont
adopté comme un modèle quasi universel. Le modèle a été trouvé représenter adéquatement divers
gisements tels que les dépôts de minerai de fer, les dépôts de cuivre prophyrique, les dépôts de
plomb-zinc stratiformes, la bauxite et le nickel latéritiques, ainsi que des gisements d'uranium et de
phosphate. Ce modèle sera le seul discuté plus loin dans ce texte. Le schéma sphérique est défini par
la formule
où c1 + c0 = γ (∞) et est appelé palier (ou la valeur de seuil),
c0 est l'effet de pépite (généralement présent), et
a la portée (a = Ar = R) ou zone d'influence maximale.
3.9.5 Quantification d'un gisement par variogrammes

Barnes (1979b, 1980) a résumé très bien les types d'informations quantitatives fournies par les
variogrammes.
(a) Une mesure de la continuité de la minéralisation: Un taux d'augmentation de γ (h) près de l'origine
et pour les petites valeurs de h reflète la vitesse à laquelle l'influence d'un échantillon diminue avec la
distance à partir du site de l'échantillon. La courbe de croissance démontre l'élément régionalisé de
l'échantillon, et son lissage en augmentation régulière est indicative du degré de continuité de la
minéralisation. L'intersection de la courbe avec l'origine fournit une mesure positive de l'effet de pépite
des échantillons à partir desquels le variogramme a été généré et indique l'ampleur de l'élément
aléatoire des échantillons.
(b) Une mesure de la zone d'influence d'un échantillon: La zone d'influence d'un échantillon est la
distance ou la portée dans une direction quelconque sur laquelle l'élément régionalisé est en vigueur.
Lorsque les échantillons atteignent un point assez loin en dehors de manière à n'avoir aucune
influence sur l'autre, nous avons établi la portée ou la zone d'influence de l'échantillon. La
quantification de la portée ou de la zone d'influence dans diverses directions a d'importantes
applications dans la conception et l'espacement du développement des trous de forage dans un
dépôt. La zone totale d'influence est indiquée par le point où la courbe de croissance de γ(h) atteint un
plateau, appelé dans le schéma sphérique palier.
(c) Une mesure de la tendance minérale ou anisotropie minérale du gisement: Le fait d'anisotropie
minérale dans divers types de dépôts est reconnu depuis longtemps. La portée d'influence d'un
échantillon est plus élevée le long de la direction ou la tendance du dépôt que la normale à la
tendance. La plupart du temps, un autre anisotropism est évident dans la dimension verticale. Avant le
variogramme, il n'y avait aucun moyen satisfaisant pour déterminer l'influence tridimensionnelle d'un
échantillon. Avec le processus simple de calcul de variogrammes dans des directions différentes ainsi
que verticalement, on peut facilement déterminer non seulement la tendance minéralogique, mais
aussi l'ampleur des changements de direction dans la zone d'influence. Sachant quantitativement la
portée minéralogique en trois dimensions, il est relativement simple d'attribuer des facteurs
d'anisotropie directionnels qui donneront une bonne pondération des échantillons par rapport à leur
emplacement du point ou du bloc en cours d'évaluation. Par exemple, si la portée d'influence le long
de la tendance est deux fois plus grande que la normale à la tendance, on peut multiplier la distance
dans la direction normale par un facteur de deux pour restaurer l'isotropie géométrique en termes de
direction de tendance principale.
3.10 Krigeage
3.10.1 Introduction
Avant d'aller dans les détails, il est peut-être utile de revoir l'objectif et de résumer l'approche à
prendre. Le problème général (représenté sur la figure. 3.75) est celui de l'attribution d'une teneur g0
au point x0 connaissant la teneur gi aux points environnants x. L'objectif peut être simplement exprimé
comme celui de la détermination des coefficients ai qui, quand multipliés par les teneurs connues gi et
les produits résultants additionnés donneront une meilleure estimation de la teneur g0. L'équation
développée est appelée un estimateur linéaire et a la forme
où g0 est la catégorie à estimer, gi sont les qualités connues et ai sont des fonctions de pondération.
Comme on l'a vu plus haut, la méthode de la distance inverse est également de cette forme. Les
coefficients seraient
Le facteur de pondération de la distance m est souvent choisi égal à 2.

Figure 3.75. Lieux de prélèvement pour l'exemple de point de krigeage.
Dans le cas présent, nous avons une courbe (un variogramme) qui exprime la variance en fonction de
la distance. Cette courbe peut être utilisée pour calculer la variance totale estimée de la teneur g0 pour
différentes combinaisons des coefficients ai. La meilleure estimation de g est celle pour laquelle la
variance est un minimum. Un puissant avantage de cette technique par rapport à celle d'autres
techniques, est que la variance est calculée ainsi que la teneur estimée. Le problème se résume donc
à trouver les coefficients. Un tel ensemble de coefficients doit être calculé pour chaque point
nécessitant une affectation de teneur dans la région considérée. Par conséquent, l'utilisation d'un
ordinateur à grande vitesse est une exigence.
3.10.2 Développement du concept

Pour l'exemple illustré à la figure 3.75, il y a six classes environnantes, donc une équation de la forme
est demandée.
Ainsi six coefficients a1, a2, a3, a4, a5, a6 doivent être trouvés, au moins six équations
contenant ces six inconnues doivent être développées et résolues. Bien que les valeurs des variances
γ sont lues directement à partir du variogramme et peuvent être utilisées directement dans ce
processus, il est plus commode d'utiliser les covariances σ. La covariance est liée à la variance,
comme illustrée sur la figure 3.76.
Considérant que γ (la variance) est la distance entre l'axe X et la courbe pour une portée donnée h, la
covariance en h est la distance entre la courbe et le palier c0 + c1.
A une distance de portée h0 , σ (h0) = γ0 et la covariance est
Pour h = 0 (juste à l'emplacement de l'échantillon lui-même) la variance de l'échantillon lui-même γ est

évidemment égal à zéro, γ (0) = 0. La covariance correspondante (σ) de l'échantillon avec lui-même se
trouve soit à partir de la courbe ou en utilisant l'équation suivante:
Figure 3.76. La relation entre la variance et covariance.
Ainsi γ (0) est juste la valeur de seuil (palier). Pour les échantillons prélevés très proche (h = 0 +), mais
pas de l'échantillon, la valeur de la variance γ (0+) saute au niveau de pépite c0 et de même la
covariance devient
qui est la véritable variabilité du gisement. A la portée de l'échantillon d'influence (a), γ (a) = c1 + c0 et
la covariance devient σ(a) = 0. La raison de l'utilisation des covariances dans la formule plutôt que les
valeurs équivalentes gamma est principalement due à la complexité de programmation linéaire (David,
1977). Dans tous les cas, ceci est une substitution très simple et ne devrait pas présenter de difficultés
au lecteur. L'équation pour l'estimation de la variance totale écrite en termes de covariance est
donnée ci-dessous
Où σx0x0 est la covariance entre la teneur au point et lui-même,

σx0xi est la covariance entre le point considéré (x0) et le point de l'échantillon xi,
ai, aj sont les coefficients de pondération,
σxixj est la covariance entre les échantillons xi et xj, et
est la variance totale.
Comme on peut le constater, la variance totale se compose de trois parties:

- La covariance de la classe inconnue avec elle-même. Comme nous venons de le voir, elle est égale
à (c0 + c1) qui est la valeur seuil (palier) et est constante.
- La covariance pondérée entre la teneur inconnue et chacun des autres échantillons.
La covariance peut être calculée entre le point et chacun des échantillons du variogramme car la
distance est connue. Les coefficients de pondération ai sont inconnus.
- Les covariances pondérées entre chacun des échantillons connus. Celles-ci peuvent être calculées à
partir du variogramme car les distances sont connues. Les coefficients de pondération ai applicables
dans cette région ne sont pas connus.
Comme indiqué précédemment, l'objectif est de minimiser par un choix approprié des coefficients
ai. Semblable à trouver un minimum dans de nombreux autres types de problèmes d'ingénierie, pour
ce faire on prend la dérivée, mettre l'équation résultante égale à zéro, et résoudre pour l'inconnu. Pour
un système d'équations de ce type, les dérivées partielles, par rapport à chacun des coefficients
inconnus, sont prises, les équations linéaires résultantes sont prises égales à zéro, et trouver les
coefficients.
Prenant les dérivées partielles de l'équation ci-dessus par rapport à ai, on trouve
Dans ce cas, une contrainte est imposée aux ai de veiller à ce que l'estimation de la teneur n'est pas
biaisée. Cela signifie qu'en moyenne, la teneur calculée doit être égale à la vraie teneur et pas
systématiquement plus ou moins élevée. Cette contrainte est écrite comme suit
Il est dit simplement que la somme des facteurs de pondération doit être égale à un. Dans ce nouveau
problème de minimisation de à la lumière d'une contrainte, une procédure mathématique spéciale
impliquant des multiplicateurs de Lagrange est utilisée. Un traitement de cela dépasse le cadre de cet
atelier, et seules les deux équations résultantes seront données:
où λ est le multiplicateur de Lagrange. Pour n teneurs, il y a n + 1 inconnues (a1,…an, λ). Les deux
équations ci-dessus fournissent les n + 1 équations nécessaires. Une fois que les ai ont été trouvés, la
teneur estimée sera
La variance estimée peut alors être trouvée en remplaçant la valeur de λ et ai dans
Ainsi, ce processus fournit ce que la distance inverse au carré et d'autres procédures d'estimation ne
font pas, une mesure de la confiance associée à la teneur attribuée. Il convient de rappeler que l'on
attendrait la teneur réelle de tomber dans la fourchette de la moyenne ± 1 écart-type 68% du temps
(et de ± 2 écarts types 95% du temps) si la distribution de l'échantillon est symétrique.
où a1, a2, a3 sont les coefficients de pondération. Un variogramme sphérique ayant les valeurs
suivantes:
a été trouvé pour décrire le gisement (Hughes & Davey, 1979). Ce variogramme est représenté sur la
figure 3.77.
Les distances requises sont d'abord trouvées (tableau 3.29). Après, les valeurs correspondantes des
variances γ sont trouvées en utilisant les formules générales
Substituer les valeurs données dans les équations précédentes donne

Pour h01= 141, on trouve
Les valeurs obtenues sont résumées dans le tableau 3.30.

Dans l'analyse, les covariances σ définies par
sont utilisées.
Pour cet exemple, elles deviennent

En développant on trouve
Les valeurs des covariances sont maintenant remplacées dans le Tableau 3,31 dans les équations ci-
dessus
On est maintenant confronté à la résolution des 4 équations à 4 inconnues. Les réponses sont:
Le teneur estimée est
La variance de l'estimation est donnée par
Comme
Donc
L'écart-type (SD) est la racine carrée de la variance de l'estimation ou

Le lecteur intéressé est invité à estimer la teneur en x0 en utilisant tous les 6 points environnants. Les
réponses sont:
3.10.4 Exemple d'estimation pour un niveau

Une évaluation de krigeage du niveau 5140 a été réalisée par Hughes & Davey (1979).
Les variogrammes le long de la direction (N 45◦W à S 45◦E) et perpendiculaire à la direction (S 45 E)
sont indiqués dans la (Fig. 3.78).
Les règles utilisées par Hughes & Davey dans l'interpolation sont:
Les résultats sont montrés sur la figure 3.79.
3.10.5 Krigeage de bloc

Dans les sections précédentes de la discussion il a été question du krigeage. Les valeurs de bloc
peuvent être estimées en considérant les blocs pour être constitué de plusieurs points. Les valeurs
aux points sont calculées comme précédemment à travers leur moyenne, une valeur de bloc est
obtenue. Parker & Sandefur (1976) ont cependant montrés que seule une petite erreur est induite
lorsqu'ils représentent la teneur d'un bloc entier par un point. D'où l'effort supplémentaire nécessaire
dans le krigeage de bloc peut ou ne pas être justifié.
Figure 3.78. Les variogrammes expérimentaux pour le gradin 5140 le long de la direction et
perpendiculaire à la direction (Hughes & Davey, 1979).
3.10.6 Les problèmes communs associés à l'utilisation de la technique de krigeage

Hughes & Davey (1979) ont suggéré que les problèmes suivants sont couramment associés à
l'utilisation de la technique de krigeage.
1. Les variogrammes ne représentent pas avec précision la zone minéralisée en raison de
l'insuffisance des données.
2. Les modèles mathématiques ne représentent pas avec précision les données de variogramme, ou
les variogrammes ont été mal interprétés.
3. Le krigeage est insensible aux coefficients des variogrammes.
4. Les problèmes et les charges de calcul sont associés à des inverseurs de grandes matrices de
façon répétée.
Figure 3.79. Les résultats krigés pour le gradin 5140 (Hughes & Davey, 1979).
5. La matrice impliquée pour trouver les coefficients tend parfois à être mal conditionnée. Cela signifie
que pour certaines géométries, le krigeage ne fonctionne pas bien.
6. Il y a des problèmes liés à la pondération des coefficients.
3.10.7 Comparaison des résultats en utilisant plusieurs techniques

Le tableau 3.32 montre une comparaison de certaines des méthodes décrites dans ce chapitre
(Hughes & Davey, 1979). La décision quant à la méthode à appliquer à toute évaluation de gisement
particulier est laissée à l'utilisateur, et certainement dépendra du gisement, des données disponibles,
de la densité de l'échantillon, du type de résultats requis, de la précision requise, du temps
nécessaire, de l'argent, et de l'énergie que l'on est prêt à consacrer à l'évaluation d'un gisement
spécifique.
Comme indiqué par Hughes & Davey (1979), il y a des avantages et des inconvénients avec chaque
méthode. Beaucoup de designers innovants ont combinés ce qu'ils considèrent comme le meilleur des
diverses techniques pour leur application particulière. Les règles de pondération de la distance
inverse décrites par Hughes & Davey (1979) dans le tableau 3.23 sont en fait une combinaison de la
distance inverse et méthodes géostatistiques. Bien que la présente discussion a été limitée à des
exemples en deux dimensions, les applications en trois dimensions, en particulier avec l'aide
d'ordinateurs, sont tout à fait pratiques et donnent généralement une meilleure interpolation du dépôt.
Il ne fait aucun doute que l'incorporation de données géologiques (variant les types de roches, des
défauts, etc.) dans le processus d'attribution de teneur est essentielle pour la production du modèle le
plus précis du gisement.
REFERENCES AND BIBLIOGRAPHY

Adisoma, G.S., and Y.C. Kim. 1993. Jackknife kriging – A simple and robust new estimator. 24th International
Symposium on Application of Computers and Operations Research in the Mineral Industry:
2(343–349). Montreal: CIMM.
Adisoma, G.S., and M.G. Hester. 1996. Grade estimation and its precision in mineral resources: the jackknife
approach. Mining Engineering. 48(2): 84–88.
Ailleres, L., Finlay, J., Betts, P., Williams, H., and D. Milton. 2009. Three-dimensional combined gravity and
magnetics inversion modelling as a guide to target haematitic iron ores – an example from the Koolanooka
South (Western Australia) prospect. Iron Ore 2009 Conference, Proceedings, AusIMM Publication Series
7/2009. Australasian Institute of Mining and Metallurgy, Carlton, Victoria, pp. 189–196.
Altman, K.A., Taylor, D.L., and R.W. Smith. 2000. How much testing should I do? Are the samples really
representative? Pre-print Paper 00-71. 2000 SME Annual Meeting, Feb 28–Mar 1. SLC, UT.
Axelson, A.H. 1963. A practical approach to computer utilization in mine planning. Twenty-fourth annual
mining symposium. University of Minnesota: 151–165.
Bahaaddini, M., Sharrock, G., and B.K. Hebblewhite. 2011. Synthetic rock mass modelling of a rock mass
with non-persistent joints. Proceedings of the 35th APCOM. Wollongong NSW, Australia. September
24–30. pp. 615–624.
Barnes, M.P. 1979a. Case study – ore-body modeling at Sacaton Mine, Arizona. In: Computer Methods in
the 80’s (A. Weiss, editor): 268–275. NewYork: SME-AIME.
Barnes, M.P. 1979b. Drill-hole interpolation: Estimating mineral inventory. In: Open Pit Mine Planning
and Design (J.T. Crawford & W.A. Hustrulid, editors): 65–80. SME-AIME.
Barnes, M.P. 1980. Computer-Assisted Mineral Appraisal and Feasibility. New York: Society of Mining
Engineers of the AIME.
Barnes, N.W. 1989. The Limitations of Popular Techniques for Preproduction Reserve Estimation in Mining.
Salt Lake City, UT: M. Barnes and Associates, Inc.
Batterham, R.J., and R.A. Bearman. 2005. The role of science and technology in the future of the iron
ore industry. Iron Ore 2005 Conference, Proceedings, AusIMM Publication Series 8/2005. Australasian
Institute of Mining and Metallurgy, Carlton, Victoria, pp. 3–7.
Behn, R.G., Beniscelli, J., Carrasco, C.P., Cuadra, P., and G.A. Ferguson. 1998. Estimation of resources
and engineering of reserves, Radomiro Tomic Project. 27th International Symposium on Application of
Computers and Operations Research in the Mineral Industry: 241–264. London: IMM.
Berry, M., and P. McCarthy. 2006. Practical Consequences of Geological Uncertainty, AUSIMMConference
Proceedings, 6th International Mining Geology Conference Darwin, NT, August 2006, pp. 253–258.
Best, J., and K. Gallant. 2004. Reconciliation wars – Who’s data are right? Pre-print Paper 04-183. 2004
SME Annual Meeting, Feb 23–25. Denver, CO.
Blackwell, G. 1998. Effective modeling of grades of mineral resources. 27th International Symposium on
Application of Computers and Operations Research in the Mineral Industry: 265–280. London: IMM.
Blackwell, G.H., andA.J. Sinclair. 1993. QMIN, geostatistical software for mineral inventory using personal
computers. 24th International Symposium on Application of Computers and Operations Research in the
Mineral Industry: 2(350–357). Montreal: CIMM.
Blais, J. 1985. Personal Communication. Pueblo, Colorado: CF&I Steel Corporation.
Bodycoat, F.M. 2007. Stratigraphic and Structural Setting of Iron Mineralisation at E Deposit (East), Area C,
Hamersley Province, Western Australia, AUSIMM Conference Proceedings, Iron Ore Conference Perth,
WA, August 2007, pp. 51–56.
Boyle, C. 2007. Comparison of Multivariate Conditional Simulation Methods at the Yandicoogina Iron Ore
Deposit, AUSIMM Conference Proceedings, Iron Ore Conference Perth, WA, August 2007, pp. 57–66.
Bye, A. 2006. The strategic and tactical value of a 3D geotechnical model for mining optimization, Anglo
Platinum, Sandsloot open pit. JSAIMM. 106(2): 97–104.
Call, R.D. 1979. Development drilling. In: Open Pit Mine Planning and Design (J.T. Crawford &
W.A. Hustrulid, editor): 29–40. NewYork: SME-AIME.
Carew, T.J. 2002. Unfolding – Getting the geometry right. 30th International Symposium on Application of
Computers and Operations Research in the Mineral Industry: 103–112. Alaska: SME.
Carrasco, P.C. 2010. Nugget effect, artificial or natural? JSAIMM. 110(6): 299–305.
Case Histories and Methods in Mineral Resource Evaluation (A.E. Annels, editor). 1992. London: The
Geological Society.
Cherrier, T.E. 1968. A report on the Ceresco Ridge extension of the Climax Molybdenite Deposit. M.Sc.
Thesis. University of Minnesota.
Clark, A. 2011. Greenfields exploration and land access vital for pipeline of new projects. AusIMM Journal.
Issue 5. Oct.
Clark, I. 1979a. Does geostatistics work? In: 16th APCOM (T.J. O’Neil, editor): 213–225. SME.
Clark, I. 1979b. Practical Geostatistics. London: Applied Science Publishers.
Clark, I. 1999. A case study in the application of geostatistics to lognormal and quasi-lognormal problems.
28th International Symposium on Application of Computers and Operations Research in the Mineral
Industry: 407–416. Colorado School of Mines: CSM.
Clark, I. 2000. Erratic highs – A perennial problem in resource estimation. Pre-print Paper 00-110. 2000
SME Annual Meeting, Feb 28–Mar 1. SLC, UT.
Clark, I. 2010. Statistics or geostatistics? Sampling error or nugget effect? JSAIMM. 110(6): 307–312.
Clark, I., and W. Harper. 2000. Practical geostatistics 2000. Ecosse North American Llc. Columbus, Ohio,
USA, 342 pp.
Clark, J.W., Couzens, T.R., Dixon, W.C., and K.D. Wiley. 1984. Geological and geostatistical applications to
mine production at Inspiration. Presented at the SME-AIME Fall Meeting Denver, Colorado Oct. 24–26,
1984. Preprint 84-381.
Clout, J.M.F. 2005. Iron Formation-Hosted Iron Ores in the Hamersley Province of Western Australia, Iron
Ore 2005 Conference, Proceedings, AusIMM Publication Series 8/2005. Australasian Institute of Mining
and Metallurgy, Carlton, Victoria, pp. 9–19.
Colorado Department of Highways. Colorful Colorado Road Map.
Cortez, L.P., Durão, F.O., andA.J. Sousa. 1999. Mineral resources estimation methods: Acomparative study.
28th International Symposium on Application of Computers and Operations Research in the Mineral
Industry: 425–434. Colorado School of Mines: CSM.
Cortez, L.P., Sousa, A.J., and F.O. Durão. 1998. Mineral resources estimation using neural networks and
geostatistical techniques. 27th International Symposium on Application of Computers and Operations
Research in the Mineral Industry: 305–314. London: IMM.
Crawford, J.T. and Davey, R.K. 1979. Case study in open pit limit analysis. In: Computer Methods for the
80’s in the Mineral Industry (A. Weiss, editor): 310–318. SME-AIME.
Crawford, D., Leevers, P., Parsons, S., Solly, G., and Nielsen. 2005. Grade control in the southern Middleback
Ranges: a case study. Iron Ore 2005 Conference, Proceedings, AusIMM Publication Series 8/2005.
Australasian Institute of Mining and Metallurgy, Carlton, Victoria, pp. 271–280.
CRC Handbook of Chemistry and Physics, 1991–1992, 72nd Edition (D.R. Lide, editor-in-Chief): 4.1–4.34,
4.150–4.155. Boston: CRC Press.
Dagbert, M. 1982. Orebody modelling. Presented at the 1982 American Mining Congress International
Mining Show, Las Vegas, NV, Oct. 11–14, 1982.
Dagbert, M., and M. David. 1977. Predicting vanishing tons before production starts or small blocks are no
good for planning in porphyry type deposits. Presented at the 1977 AIME Annual Meeting, Atlanta, GA.
Society of Mining Engineers of AIME: preprint number 77-AO-83.
Darragh, M., Clark, F., and B. Catto. 2009. Kicking the bucket – A case study of evolving domains and
geological modeling, Sunrise Dam Gold mine, Western Australia. Seventh Int, Mining Geology Conf.
Perth, WA. August 17–19. pp. 87–94.
Davey, R.K. 1979. Mineral block evaluation criteria. In: Open Pit Mine Planning and Design (J.T. Crawford
and W.A. Hustrulid, editors): 83–96. NewYork: SME-AIME.
David, M. 1971. Geostatistical ore reserve calculations, a step by step case study. Decision Making in the
Mineral Industry, CIM Special Volume 12: 185–191.
David, M. 1972. Grade-tonnage curve use and misuse in ore reserve estimation. Trans. Inst. Min. Metall.
(Min. Sect. A): 129–132.
David, M. 1977. Geostatistical Ore Reserve Estimation: 283. Amsterdam: Elsevier.
David, M. 1988. Handbook of Applied Advanced Geostatistical Ore Reserve Estimation. Amsterdam:
Elsevier.
David, M., and E. Toh. 1989. Grade control problems, dilution and geostatistics: Choosing the required
quality and number of samples for grade control. CIM Bulletin (931) 82(11): 53–60.
Deraimse, J., and A.M. Thwaites. 1998. Use of non-linear geostatistical techniques for recoverable reserves
estimation – a practical case study. 27th International Symposium on Application of Computers and
Operations Research in the Mineral Industry: 315–326. London: IMM.
De Souza, L.E., Costa, J.F., and J.C. Koppe. 2002. Ageostatistical contribution to the use of resource/reserves
classification systems. 30th International Symposium on Application of Computers and Operations
Research in the Mineral Industry: 73–84. Alaska: SME.
Deutsch, C.V., and R.W. Lewis. 1992. Advances in the practical implementation of indicator geostatistics.
23rd International Symposium on Application of Computers and Operations Research in the Mineral
Industry: 169–180. Tucson: SME.
Deutsch, C.V., Magri, V., and Norrena. K. 1999. Optimal grade control using geostatistics and economics:
Methodology and examples. Pre-print Paper 99-018. 1999 SME Annual Meeting, Mar 1–3.
Denver, CO.
De-Vitry, C. 2005. Alternatives to Conditional Simulation for the Estimation of Iron Grade Distributions –
A Case Study From BHP Billiton’s Mt Whaleback Operations, Iron Ore 2005 Conference, Proceedings,
AusIMM Publication Series 8/2005. Australasian Institute of Mining and Metallurgy, Carlton, Victoria,
pp. 183–192.
De-Vitry, C., Vann, J., and H. Arvidson. 2007. A Guide to Selecting the Optimal Method of Resource
Estimation for Multivariate Iron Ore Deposits, AUSIMM Conference Proceedings, Iron Ore Conference
Perth, WA, August 2007, pp. 67–77.
Dias, P.M., Costa, J.F.C.L., Koppe, J.C., and C. Diedrich. 2011. The effects of considering the spatial
bulk density variability in mineral resources and reserves. Proceedings of the 35th APCOM. Wollongong
NSW, Australia. September 24–30. pp. 81–88.
Dowd, P.A. 1998. Geostatistics in the United Kingdom – past, present and future. 27th International
Symposium on Application of Computers and Operations Research in the Mineral Industry: 327–336.
London: IMM.
Emery, X., and J.M. Ortiz. 2005. Estimation of mineral resources using grade domains: critical analysis and
a suggested methodology. JSAIMM. 105(4): 247–256.
Emery, X., Ortiz, J.M., andA.M. Cáceres. 2008. Geostatistical modelling of rock type domains with spatially
varying proportions: application to a porphyry copper deposit. JSAIMM. 108(5): 285–292.
Erarslan, K. 2001. Three dimensional variogram modeling and Kriging. 29th International Symposium on
Application of Computers and Operations Research in the Mineral Industry: 51–56. Beijing: Balkema.
Francis, H.L., et al. 2000. Intelligent ore delineation: Integrating geosensing and geographical information
systems. CIM Bulletin 93(1042): 96–99.
Fraser, S.J., Whitbourn, L., Yang, K., Ramanaidou, E., Connor, P., Poropat, G., Soole, P., Mason, P.,
Coward, D., and R. Phillips. 2006. Mineralogical Face-Mapping Using Hyperspectral Scanning for Mine
Mapping and Control, AUSIMM Conference Proceedings, 6th International Mining Geology Conference,
Darwin, August 2006, pp. 227–232
Frempong, P.K., and I. Clark. 1996. An indicator-based geostatistical assessment of the global vermiculite
reserves at Palabora Mining Company. In Surface Mining 1996 (H.W. Glen, editor): 1–12. SAIMM.
Gertsch, L., Eloranta, J., and R. Gertsch. 2005. Ore characterization for process control: An update of a
Mesabi Range project. Pre-print Paper 05-007. 2005 SME Annual Meeting, Feb 28–Mar 2. SLC, UT.
González Jiménez, P., and S. Cossío Torres. 2008. Value Creation Through Sampling of a Gold Ore,
AUSIMM Conference Proceedings, Sampling Conference Perth, WA, May 2008, pp. 69–71.
Green, C., and G. Dankett. 2011. Value creation through orebody knowledge innovations. AusIMM Journal.
Issue 3. June.
Hanson, C., Thomas, D., and B. Gallagher. 2005. The Value of Early Geotechnical Assessment in Mine
Planning. Coal 2005 Conference Brisbane, Proceedings, Australasian Institute of Mining and Metallurgy,
pp. 17–30.
Hardwick, W.R. 1959. Open-Pit Copper Mining Methods, Morenci Branch, Phelps Dodge Corp., Greenlee
County, Ariz. U.S. Bureau of Mines Information Circular 7911.
Hardwick, W.R. and E.L. Jones. III. 1959. Open-Pit Copper Mining Methods and Costs at the Bagdad Mine,
Bagdad Copper Corp., Yavapai County, Ariz. USBM IC 7929.
Hardwick, W.R. and M.M. Stover. 1960. Open-Pit Copper Mining Methods and Practices, Copper Cities
Division, Miami Copper Co., Gila County, Ariz. Bureau of Mines IC 7985.
Hatch, A.L. 1966. Factors affecting ore grade values. Mining Engineering 18(1): 72–75.
Hazen, S.W., Jr. 1967. Assigning an Area of Influence for an Assay Obtained in Mine Sampling. U.S. Bureau
of Mines RI 6955.
Hekmat, A., Osanloo, M., and P. Moarefvand. 2011. Investigating the effect of different block dimensions
on the economic life of open pit mines. Proceedings of the 35th APCOM. Wollongong NSW, Australia.
September 24–30. pp. 287–295.
Henley, S., and D.F. Watson. 1998. Possible alternatives to geostatistics. 27th International Symposium on
Application of Computers and Operations Research in the Mineral Industry: 337–354. London: IMM.
Hewlett, R.F. 1961. Application of computers to open pit ore reserve calculation. Short Course on Computers
and Computer Applications in the Mineral Industry, volume I. University of Arizona.
Hewlett, R.F. 1962. Computing Ore Reserves by the Polygonal Method Using a Medium-Size Digital
Computer RI 5952: 31 pp.
Hewlett, R.F. 1963. Computing Ore Reserves by the Triangular Method Using a Medium-Size Digital
Computer RI 6176: 26 pp.
Hewlett, R.F. 1963. Computer methods in evaluation development, and operations of an ore deposit. Annual
Meeting of the AIME, Dallas, Texas, Feb 24–28, 1963.
Hewlett, R.F. 1965. Design of drill-hole grid spacings for evaluating low-grade copper deposits. USBM
R.I. 6634.
Hewlett, R.F. 1970. Comparison of the Triangular, Polygonal, and a Statistical Method of Computing
Grade and Tonnage of Ore for the Silver Bell Oxide Porphyry Copper Deposit U.S. Bureau of Mines RI
7331: 33 pp.
Hodkiewicz, P., Guibal, D., and H. Arvidson. 2005. Structural Controls on Iron Mineralisation and Resource
Domains in C Deposit, Area C, Hamersley Province, Australia Iron Ore 2005 Conference, Proceedings,
AusIMM Publication Series 8/2005. Australasian Institute of Mining and Metallurgy, Carlton, Victoria,
pp. 79–83.
Holmes, R.J. 2010. Sampling mineral commodities – the good, the bad, and the ugly. JSAIMM. 110(6):
269–276.
Hughes, W.E., and R.K. Davey. 1979. Drill hole interpolation: Mineralized interpolation techniques. In:
Open Pit Mine Planning and Design (J. Crawford and W. Hustrulid, editors): 51–64. NewYork: Society
of Mining Engineers of the AIME.
Hulse, D.E. 1992. The consequences of block size decisions in ore body modeling. 23rd International
Tucson: SME.
Hulse, D.E., and F. Davies. 1993. Using indicator kriging to analyze the impact of mining dilution. 24th
International Symposium on Application of Computers and Operations Research in the Mineral Industry:
Inoue, T., and K. Okaya. 1993. Modeling of ore grade variation and its application. 24th International
Symposium on Application of Computers and Operations Research in the Mineral Industry: 2(386–393).
Montreal: CIMM.
Jackson, C.F., and J.H. Hedges. 1939. Metal mining practice. USBM Bulletin 419: 58–79.
Jackson, C.F., and J.B. Knaebel. 1932. Sampling and estimation of ore deposits. USBM Bulletin 356:
114–149.
Jalkanen, G., and S. Vitton. 2009. Parameter estimation of the inverse distance estimation algorithm. Paper
09-116. SME Annual Meeting. Feb 22–25. Denver, CO.
Jalkanen, G., and S. Vitton. 2010. Dealing with trend in inverse distance estimation. Paper 10-045. SME
Annual Meeting. Feb 28–Mar 3. Phoenix, AZ.
Jalkanen, G., Greuer, R., and H.S. Chen. 2002. Screening Kriging. 30th International Symposium on
Application of Computers and Operations Research in the Mineral Industry: 95–102. Alaska: SME.
Johnson, K.R. 1995. Geological modeling – The way ahead (Concept modelling for exploration and mine
planning). 25th International Symposium on Application of Computers and Operations Research in the
Mineral Industry: 1–4. Brisbane: AusIMM.
KCC (Scientific and Engineering Computer Center) 1967. Isometric View of Bingham Pit (5). Kennecott
Copper Company.
Kenworthy, S., Noormohamed, K., Stuart, H., and P. Hodkiewicz. 2009. Mapping and three-dimensional
modeling of structural controls in the Chirano gold deposits, Ghana – Keys to better near-mine exploration
targeting. Seventh Int, Mining Geology Conf. Perth, WA. August 17–19. pp. 101–106.
Knudsen, H.P., Kim, Y.C., and E. Mueller. 1978. Comparative study of the geostatistical ore reserve
estimation method over the conventional methods. Mining Engineering 30(1): 54–58.
Krige, D.G. 1984. Geostatistics and the definition of uncertainty. Trans. Inst. Min. Metall (Sect A: Mining
Ind.) 93(4): A41–A47.
Krige, D.G. 1999. Conditional bias and uncertainty of estimation in geostatistics. 28th International Symposium
on Application of Computers and Operations Research in the Mineral Industry: 3–14. Colorado
School of Mines: CSM.
Krige, D.G., and P.G. Dunn. 1995. Some practical aspects of ore reserve estimation at Chuquicamata Copper
Mine, Chile. 25th International Symposium on Application of Computers and Operations Research in the
Krige, D.G., and W. Assibey-Bonsu. 2001. Valuation of recoverable resources by Kriging, direct condition
or simulation. 29th International Symposium on Application of Computers and Operations Research in
the Mineral Industry: 3–8. Beijing: Balkema.
Kuchta, M.E. 1986. Conceptual mine planning with interactive computer graphics. MSc Thesis T-3194.
Colorado School of Mines.
Leevers, P., Gaughan, C., and G. Bubner. 2005. The Iron Magnet deposit. Iron Ore 2005 Conference,
Proceedings, AusIMM Publication Series 8/2005. Australasian Institute of Mining and Metallurgy,
Carlton, Victoria, pp. 85–97.
Lemieux, M. 2000. Parametric analysis in surface-mine reserve definition: the inherent error and its
correction. Mining Engineering. 52(8): 57–64.
Lemieux, M. 2000. Surface mine reserve definition and the high grade fallacy. Mining Engineering. 52(2):
48–50.
Leonardson, R.W., Weakly, C.G., Lander, A.M., and P.B. Zohar. 2005. Exploring between drill holes
yields new ounces at Goldstrike. Pre-print Paper 05-110. 2005 SME Annual Meeting, Feb 28–Mar 2.
SLC, UT.
Leuangthong, O., Hodson, T., Rolley, P., and Deutsch. C.V. 2006. Multivariate geostatistical simulation at
Red Dog mine, Alaska, USA. CIM Magazine. May. pp. 115–124.
Leuangthong, O., Lyall, G., and C.V. Deutsch. 2002. Multivariate geostatistical simulation of a nickel laterite
deposit. 30th International Symposium on Application of Computers and Operations Research in
the Mineral Industry: 261–274. Alaska: SME.
Lilly, P.A. 2006. Geology and the Engineering of Safe and Efficient Mines, AUSIMM Conference
Proceedings, 6th International Mining Geology Conference Darwin, August 2006, pp. 7–9.
Lopez, W.A. 1990. Cokriging: A multivariate geostatistical analysis to enhance ore reserve estimation. MS
Thesis T-3577, Colorado School of Mines.
Martinez, L., Leiva, O., and J. Araya. 2011. What do geostatistics and cut-off grade optimisation have to
do with real options applied to mine project evaluation? Proceedings of the 35th APCOM. Wollongong
NSW, Australia. September 24–30.
McIntosh, C., and L.J. Reynolds. 2006. ANewGeological Model for the Globe Progress Mine, NewZealand,
AUSIMM Conference Proceedings, 6th International Mining Geology Conference Darwin, August 2006,
pp. 51–55.
McWilliams, J.R. 1959. Mining Methods and Costs at the Anaconda Company Berkeley Pit, Butte, Mont.
U.S. Bureau of Mines Information Circular 7888.
Merks, J.W. 1992. Geostatistics or voodoo statistics. E&MJ 193(9): 45–49.
Mohanta, H.K., and A.K. Sen. 1995. Computerized orebody modeling and mine design for the Chira Iron
Ore deposit. 25th International Symposium on Application of Computers and Operations Research in the
Murthy, P.S.N., and M. Makki. 1999. Possible alternatives to geostatistics – some views. 28th International
Colorado School of Mines: CSM.
Nelson, M.G., and N.K. Riddle. 2003. Sampling and analysis for optimal ore-grade control. Pre-print Paper
03-128. 2003 SME Annual Meeting, Feb 24–26. Cincinnati, OH.
O’Donnell, N. 1950. Mine and surface maps. Mining Engineering 2(9): 944–946.
Ortiz, J.M., and X. Emery. 2006. Geostatistical estimation of mineral resources with soft geological
boundaries: a comparative study. JSAIMM. 106(8): 577–584.
Page, P.I. 2005. Mining grade and sampling theory – the logical way to evaluate ore reserves. JSAIMM.
105(5): 311–316.
Parker, H.M. and R.L. Sandefur. 1976. A review of recent developments in geostatistics. AIME Annual
Meeting, Las Vegas, NV.
Parker, H.M., Stearley, R.D., Swenson, A.J., Harrison, E.D., Maughan, J.R., Switzer, J.E., Mudge, K.L.,
and T.W. Smith. 2001. Evolution of computerized resource estimation at Bingham Canyon, Utah. 29th
International Symposium on Application of Computers and Operations Research in the Mineral Industry:
25–30. Beijing: Balkema.
Parr, C.J. and N. Ely. 1973. Chapter 2. Mining law. SME Mining Engineering Handbook, Volume 1 (A.B.
Cummins and I.A. Given, editors): 2-2–2-4. SME-AIME.
Parrish, I.S. 1993. Tonnage factor – a matter of some gravity. Mining Engineering. 45(10):1268–1271.
Patterson, J.A. 1959. Estimating ore reserves follows logical steps. E&MJ 160(9): 111–115.
Pelley, C.W., and O.A. Satti. 1993. Geostatistics for risk analysis in orebody evaluation and ore related mine
decisions. 24th International Symposium on Application of Computers and Operations Research in the
Mineral Industry: 2(302–309). Montreal: CIMM.
Peters, W.C. 1978. Exploration and Mining Geology: 434. NewYork: John Wiley & Sons.
Pfleider, E.P. 1962. Mine valuation problem. University of Minnesota.
Phelps, E.R. 1968. Correlation of development data and preliminary evaluation. Surface Mining
(E.P. Pfleider, editor): 122–137. NewYork: AIME.
Pilger, G.G., Costa, J.F., and J.C. Koppe. 2002. Optimizing the value of a sample. 30th International Sympo-
sium onApplication of Computers and Operations Research in the Mineral Industry: 85–94. Alaska: SME.
Popoff, C.C. 1966. Computing Reserves of Mineral Deposits: Principles and Conventional Methods. Bureau
of Mines IC 8283.
Ramsey, R.H. 1944. How Cananea develops newest porphyry copper. E&MJ 145(12): 74–83.
Ranta, D.E., A.C. Noble and M.W. Ganster. 1984. Geology and geostatistics in ore reserve estimation
and mine evaluation. Mine Feasibility – Concepts to Completion (G.E. McKelvey, compiler). Northwest
Mining Association.
Rattenbury, M., Lane, R., van Dam, M., McIntosh, C., Whetter, N., and M. McCulloch. 2009. Rapid
three-dimensional modeling of mine geology – Structural applications to the Globe-Progress mine, West
Coast, New Zealand. Seventh Int, Mining Geology Conf. Perth, WA. August 17–19. pp. 13–17.
Reich, H. 1961. Density of rocks. Mining Engineers’Handbook, Third Edition (R. Peele, editor) 1: 10-A-30.
NewYork: Wiley.
Rendu, J.-M. 1980. A case study: Kriging for ore valuation and mine planning. E&MJ 181(1): 114–120.
Rendu, J.-M. 1984. Pocket geostatistics for field geologists. Presented at the SME-AIME Fall Meeting,
Denver, Colorado, Oct. 24–26, 1984. Preprint 84-408.
Rendu, J.M. 1994. 1994 Jackling Lecture: Mining geostatistics – forty years passed. What lies ahead. Mining
Engineering. 46(6): 557–558.
Rendu, J.M. 1998. Practical geostatistics at Newmont Gold: A story of adaptation. Mining Engineering.
50(2): 40–45.
Ripke, S. 2007. Mystery of missing grade and recovery. Paper 07-018. SME Annual Meeting. Feb 25–28.
Denver, CO.
Robson, S.D., and M.J. Nugus. 2006. Multiple Geological Models, AUSIMM Conference Proceedings,
6th International Mining Geology Conference Darwin, August 2006, pp. 185–190.
Rossi, M. 2004. Comparing simulated and interpreted geologic models. Pre-print Paper 04-29. 2004 SME
Annual Meeting, Feb 23–25. Denver, CO.
Rossi, M.E. 1999. Improving the estimates of recoverable reserves. Mining Engineering. 51(1): 50–54.
Rossi, M.E., and J. Camacho Vidakovich. 1999. Using meaningful reconciliation information to evaluate
predictive models. Pre-print Paper 99-020. 1999 SME Annual Meeting, Mar 1–3. Denver, CO.
Roy, I., and B.C. Sarkar. 2002. Geostatistical orebody modeling and inventory of Gua Iron Ore Deposit,
Jharkhand, India. 30th International Symposium on Application of Computers and Operations Research
in the Mineral Industry: 243–250. Alaska: SME.
Samanta, B., Bandopadhyay, S., Ganguli, R., and S. Dutta. 2005. A comparative study of the performance of
single neural network vs. Adaboost algorithm based combination of multiple neural networks for mineral
resource estimation. JSAIMM. 105(4): 237–246.
Schneider, S., Murphy, R.J., Melkumyan, A., and E. Nettleton. 2011. Autonomous mapping of mine
face geology using hyperspectral data. Proceedings of the 35th APCOM. Wollongong NSW, Australia.
September 24-30. pp. 865–876.
Schofield, D., and B. Denby. 1993. Genetic algorithms: A new approach to pit optimization. 24th International
Symposium on Application of Computers and Operations Research in the Mineral Industry:
Schurtz, R.F. 1999. A rigorous integral relation between kriging and inverse distance with certain of its
implications. 28th International Symposium on Application of Computers and Operations Research in
the Mineral Industry: 417–424. Colorado School of Mines: CSM.
Scofield, N.A. 2011. Geological domaining and resource estimation – A discussion. Proceedings of the 35th
APCOM. Wollongong NSW, Australia. September 24–30. pp. 99–112.
Seigel, H.O., Gingerich, J.C., and E.O. Köstlin. 2002. Explore or acquire? The dilemma. CIM Bulletin
95(1058): 62–69.
Sikka, D.B., and R.B. Bhappu. 1994. Economic potential of the Malanjkhand Proterozoic porphyry copper
deposit, M.P. India. Mining Engineering. 46(3): 221–229.
Stanley, B.T. 1979. Mineral model construction: Principles of ore-body modelling. Open Pit Mine Planning
and Design (J.T. Crawford and W.A. Hustrulid, editors): 43–50. NewYork: SME-AIME.
Stanley, D. 1993. Geologic modeling at Newmont Gold Company. 24th International Symposium on
Application of Computers and Operations Research in the Mineral Industry: 2(445–452). Montreal:
CIMM.
Storkey, A., Doecke, A., and A. Whaanga. 2007. Stratigraphy of the Western Channel Iron Deposits
of the BHP Billiton Iron Ore Marillana Creek Operations, Western Australia, AUSIMM Conference
Proceedings, Iron Ore Conference Perth, WA, August 2007, pp. 187–195.
Tang, Y., and Y. Lan. 2001. A new calculation method of mineral reserves and examination of mineral
reserves. 29th International Symposium on Application of Computers and Operations Research in the
Mineral Industry: 35–38. Beijing: Balkema.
Thompson, I.S. 2002. A critique of valuation methods for exploration properties and undeveloped mineral
resources. CIM Bulletin 95(1061): 57–62.
Thwaites, A.M. 1998. Assessment of geological uncertainty for a mining project. 27th International
London: IMM.
USGS (United States Geological Survey). 1976. Jefferson County, Colorado – County Map Series
(Topographic). Scale 1:50000.
Vallée, M. 2000. Mineral resources +engineering, economy and legal feasibility =ore reserves. CIM
Bulletin 93(1033): 53–61.
Vorster, A.P., and W.L. Schöning. 1995. A revision of ore evaluation techniques at Sischen Iron Ore Mine,
South Africa. 25th International Symposium on Application of Computers and Operations Research in
the Mineral Industry: 139–148. Brisbane: AusIMM.
Vorster, A.P., and J. Smith. 1996. Developments in ore evaluation and grade control at Sishen Iron Ore mine.
In Surface Mining 1996 (H.W. Glen, editor): 105–115. SAIMM.
Wade, E.J. 1967. Computerization of ore reserve calculations at Tasu. Canadian Mining Journal 88(3).
Waterman, G.C. and S. Hazen. 1968. Chapter 3.1. Development drilling and bulk sampling. In: Surface
Mining (E.P. Pfleider, editor): 69. NewYork: AIME.
Weaton, G.F. 1972. Valuation of a mineral property. Personal Communication. Minneapolis, Minn.
Weaton, G.F. 1973. Valuation of a mineral property. Mining Engineering 25(5).
Westerfelt, W.Y. 1961. Weights of minerals and rocks. Section 25. Mine Examinations. In: Mining Engineers
Handbook – Third Edition (R. Peele, editor) II: 25–21.
Whitworth, D. 2009. Geology, Grade Control and Reconciliation at the Douglas Mineral Sands Deposit.
Seventh Int, Mining Geology Conf. Perth, WA. August 17–19. pp. 155–166.
Williams, W.R. 1983. Mine Mapping & Layout. New Jersey: Prentice-Hall.
Wu, X., and P.D. Williams. 2007. Indicator Kriging Model and Revenue-Based Mine Planning System
Implemented at Phoenix Mine, AUSIMM Conference Proceedings, Large Open Pit Mining Conference
Perth, WA, September 2007, pp. 159–165.
Yalcin, E., and A. Ünal. 1992. The effect of variogram estimation on pit-limit design. CIM Bulletin
(961)85(6): 47–50.
Yamamoto, J.K. 1996. Ore reserve estimation: A new method of block calculation using the inverse of
weighted distance. 197(9): 69–72.
Zhu, D., Qiu, G., and J. Pan, 2009. Present situation and future trends in the Chinese steel industry and
utilisation of lowgrade iron ore resources. Iron Ore 2009 Conference, Proceedings, AusIMM Publication
Series 7/2009. Australasian Institute of Mining and Metallurgy, Carlton, Victoria, pp. 35–42.
REVIEW QUESTIONS AND EXERCISES

1. Briefly discuss the steps in the development of a geologic data base.
2. What is meant by core ‘logging’?
3. In a surface mine feasibility study, what role do maps serve?
4. What is meant by the ‘scale’ of a map?
5. In the English system of units, what is meant by a scale of 1:50?
6. In the metric system, what is meant by a scale of 1:1000?
7. Is a scale of 1:50 larger or smaller than a scale of 1:20? Explain your answer.
8. What different types of maps might be involved in a feasibility study? What type(s) of
information might be included/shown on each?
9. In the U.S., what process might be followed to determine the ownership status of a
certain parcel of land?
10. What are the three common map types used for mine planning and design? What would
be shown on each?
11. In plan, in which quadrant is the map normally positioned?
12. For sections, which is the normal viewing direction chosen?
13. What are some of the different possibilities for the choice of the north direction?
14. What are some of the possible choices for the coordinate system?
15. Practical guidelines for the preparation of maps are provided in Table 3.1. What is
meant by ‘scale: graphic and numerical’? Why is this important?
16. What does the nomenclature DDH stand for?
17. Mining operations are commonly divided into four stages. What are they? Today, what
is an important fifth stage?
18. What types of geologic information should be developed in the exploration stage?
19. What are the two basic types of diamond core drilling? Describe each.
20. What types of information might be collected during the logging of core?
21. Summarize the characteristics of each of the different exploratory techniques.
22. Why is it important that the core and the information gathered there from be treated
with utmost respect?
23. In Table 3.4, assay values are given for both core and sludge samples. What are
sludge samples? How do the values compare? What is a possible reason for the
differences?
24. Where is the ore located based upon the drill hole log from the Comstock mine? What
is the mineral? What is the nature of the overburden?
25. What is meant by oriented core? What is the purpose?
26. What is meant by the RQD? How is it calculated? What information does it provide?
27. What is the purpose(s) of compositing?
28. What is the difference between a simple average and a weighted average?
29. What is the difference between an ore zone composite and a bench composite?
30. What are some of the benefits of compositing?
31. Using the drill-hole log given in Table 3.8 and assuming a bench height of 18 ft, what
would be the composite grades assigned to the first three benches?
32. How does the choice of bench height affect the compositing?
33. How does the choice of bench elevation affect the compositing?
34. What is the purpose of a tonnage factor?
35. Assuming that an ore has a specific gravity of 2.9, what would be the tonnage factor
expressed in the English and metric systems?
36. Assuming that the ore density is 3.1 g/cm3, what is the tonnage factor in the English
system?
37. Assuming that the ore density is 190 lbs/ft3, what is the tonnage factor in the metric
system?
38. What techniques are available to determine the density of the material to be mined?
Why is this determination important?
39. In the example given in section 3.4.2, assume that the mining company has a contract
to sell 7000 tons of metal X per year. The mined material contains 1.5% of the contained
metal and the processing plant recovery is 75%. How large a plan area must be
exposed per year? Assume the other factors in the example are the same.
40. Begin with Figure 3.22 and complete the steps required to arrive at the final section
shown in Figure 3.27.
41. Repeat Problem 40 but first draw Figure 3.22 in AutoCad. Then use the technique to
complete the steps. Compare the areas with those shown in Figure 3.28.
42. What geologic features are evident on the Mesabi iron range of Minnesota? Why is it
helpful to know this?
43. In Figure 3.30 the pit slope angles are indicated to be 27◦. On the drawing, however,
they appear to be at 45◦. What is the reason?
44. Describe the process by which the 2D sections are combined to form the 3D pit.
45. In Table 3.13 the ore area and the average grade for a section have been determined.
Repeat the process assuming that Hole 6 is missing.
46. How is the overall pit ore tonnage and grade determined?
47. How is the pit end tonnage determined?
48. Discuss the method of vertical sections based upon the use of grade contours.
49. In section 3.6 equivalent influence distances have been chosen for sections 4 and 20
to incorporate end volumes. Show how the numbers were chosen.
50. Discuss the process used to obtain the ore tonnage, the average in-place ore grade, and
the average grade of the mined ore in the example given in section 3.6.
51. What is the significance of the 0.12% grade used in the example?
52. In Table 3.18 an average stripping ratio has been determined. What definition of
stripping ratio has been used here?
53. Today, horizontal rather than vertical sections are commonly used when describing ore
bodies. What has been the primary reason for the change?
54. Determine the average grade for the triangular solid defined by holes C-51, C-28 and
C-47 in Figure 3.45? If the thickness of the slice is 40 ft, what is the volume of the
solid? If the density is 2.6 g/cm3, how many tons are involved?
55. Repeat problem 54 assuming that the ore intercept is 40 ft for hole C-51, 20 ft for hole
C-28, and 30 ft for hole C-47.
56. In section 3.7.3 an example involving a polygon formed around hole C-41 has been
presented. Apply the process to hole C-35.
57. In Figure 3.49 the process involving the construction of a polygon at the boundary of
a hole array is demonstrated. Apply the technique to hole C-51. Assume R =250 ft.
58. Summarize the steps in developing hand-generated polygons.
59. What are some special conditions where the radius of sample influence does not apply?
60. Today, typically block models are used to represent ore bodies. Summarize the
important guidelines regarding block size.
61. What ‘special case’ situation will be used in this section to assign grades to the blocks?
62. What is meant by the rule of nearest points? Assign grades in the region defined by
500N–1000N and 500E–1000E using this rule. Compare your results to what is shown
in Figure 3.54.
63. Describe the inverse distance weighting technique.
64. Assign a grade to the block having center coordinates (650E, 850N) in Figure 3.57
using the inverse distance weighting technique.
65. Describe the inverse squared weighting technique. Assign a grade to the block in
problem 64 using this technique.
66. How might you determine the most appropriate distance weighting power to be used?
67. What is meant by the angle of exclusion?
68. How do you select the radius of influence?
69. What is meant by the term ‘isotropic’? What is meant by the term ‘anisotropic’? How
would this property be included?
70. Carefully read the rules provided in Table 3.23. How does one take into account the
presence of different rock types?
71. Using the grades for bench 5140 as given in Table 3.21, check the given average
grade value.
72. Plot a histogram of the values using an interval of 0.2% Cu. Superimpose the mean
value.
73. From viewing the histogram developed in problem 72, what type of distribution is
shown?
74. Discuss the procedure used to calculate the % cumulative frequency.
75. What is the finesse provided by standard probability plots? Locate this paper on the
Web and download an example. Plot the data provided in Table 3.24. Compare your
result with that given in Figure 3.62.
76. Repeat the process described in the book to determine the additive constant ß. Develop
the plot shown in Figure 3.64.
77. What is meant by the following terms:
– range
– variance
– standard deviation
78. Determine the variance for the data set given in Table 3.24.
79. Describe the logic for determining the range of sample influence using geostatistical
techniques.
80. What is meant by:
– the lag
– the geostatistical variance
– the semi-variance
– the semi-variogram
81. In section 3.9.3 an example is provided of the calculation of γ(600) using N-S pairs.
Repeat the procedure for γ(800) using N-S pairs.
82. In figure 3.68 all of the pairs have been used independent of direction. To be able to
do this, what must be true?
83. What is meant by
– the sill
– the nugget effect
– the range
84. How does the ‘sill’ relate to the usual statistical values as determined in problem 77?
85. What is the reason for the occurrence of the ‘nugget effect’?
86. What is meant by
– the chaotic variance
– the structured variance
– the total variance
87. What might an experimental variogram look like for
– a strataform deposit
– a porphyry copper deposit
– a placer gold deposit
88. Why do you need a mathematical expression to represent the experimental variogram?
89. What are the characteristics of the spherical model?
90. What is the equation for the spherical model? What parameters must be extracted from
the experimental variogram?
91. What type of information concerning the deposit is provided by a variogram?
92. Discuss the basic idea behind the use of kriging.
93. What is meant by covariance?
94. An example of the application of kriging has been presented in section 3.10.3. Follow
through the example. Check the answers provided for a1, a2, a and γ. Determine the estimated grade
value.
95. Assign a grade to point x0 using the inverse distance technique and the same holes as
were used in problem 93.
96. Repeat the kriging example in section 3.10.3 but now use all six of the surrounding
holes.
97. Assign the grade to point x0 using the inverse distance technique and the same holes as in
problem 95.
98. Figure 3.78 shows the variograms determined along strike and against strike. What is
the conclusion?
99. What is meant by block kriging?
100. What are some of the common problems associated with the use of the kriging technique?
101. What are the advantages of kriging? How is the estimation variance used?

Gisement

Transféré par

Droits d'auteur :

Formats disponibles

Gisement

Transféré par

Informations du document

Description originale:

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Gisement

Transféré par

Droits d'auteur :

Formats disponibles

Pr

SG = 2.65 × 0.94 + 5.1 × 0.06 = 2.80

3.7.2 Méthode des Triangles

Où gi sont les teneurs aux trois coins.

3.7.3 Méthode des Polygones

Tableau 3.22. Exemple de règles d'interpolation de polygone (Hughes et Davey, 1979).

3.8 MODÈLES DE BLOCS

Figure 3.53. Bloc et représentation de points.

3.8.2 Règle-de-points les plus proches

3.8.3 Techniques de pondération à distance constante

où gi est la teneur attribuée à la distance d du point désiré.

Figure 3.56. Variation linéaire de teneur avec la distance de séparation.

Figure 3.57. L'application de la technique de la distance inverse.

Pour une dépendance linéaire m = 1, dépendance quadratique (carré), m = 2, etc. La valeur m = 2 a

Le dénominateur devient 5.694 et l'équation peut être écrite comme

sera toujours égale à 1. Plus 0 ≤ ai ≤1.

3.9 BASE STATISTIQUE D'AFFECTATION DE TENEUR

3.9.1 Quelques statistiques sur le gisement

où m est la teneur à 50% de la fréquence cumulée, f1 est la valeur de l'échantillon correspondant à

est trouvée égale à

L'écart-type (s), qui est juste la racine carrée de la variance, devient

3.9.2 Portée de l'influence de l'échantillon

On appelle cela la variance géostatistique ou semi-variance (moitié de la variance).

3.9.3 Exemple illustratif

Figure 3.69. Représentation schématique d'un variogramme sphérique

Figure 3.70. Détermination de la portée, du palier et de la pépite.

Figure 3.71. variogramme typique pour un dépôt stratiforme (Barnes, 1979b).

3.9.4 Description de variogrammes par des modèles mathématiques

3.9.5 Quantification d'un gisement par variogrammes

Le facteur de pondération de la distance m est souvent choisi égal à 2.

Figure 3.75. Lieux de prélèvement pour l'exemple de point de krigeage.

3.10.2 Développement du concept

Pour h = 0 (juste à l'emplacement de l'échantillon lui-même) la variance de l'échantillon lui-même γ est

Figure 3.76. La relation entre la variance et covariance.

Où σx0x0 est la covariance entre la teneur au point et lui-même,

Comme on peut le constater, la variance totale se compose de trois parties:

La variance estimée peut alors être trouvée en remplaçant la valeur de λ et ai dans

Substituer les valeurs données dans les équations précédentes donne

Pour h01= 141, on trouve

Les valeurs obtenues sont résumées dans le tableau 3.30.

Pour cet exemple, elles deviennent

Le teneur estimée est

La variance de l'estimation est donnée par

L'écart-type (SD) est la racine carrée de la variance de l'estimation ou

3.10.4 Exemple d'estimation pour un niveau

Les résultats sont montrés sur la figure 3.79.

3.10.5 Krigeage de bloc

3.10.6 Les problèmes communs associés à l'utilisation de la technique de krigeage

3.10.7 Comparaison des résultats en utilisant plusieurs techniques

REFERENCES AND BIBLIOGRAPHY

REVIEW QUESTIONS AND EXERCISES

Vous aimerez peut-être aussi