AGRADECIMENTOS

Em primeiro lugar agradecemos a Deus pelo dom da vida e pelas outras bnos que a
nossa conscincia humana no pode materializar, aos nossos estimados familiares pelo
suporte incondicional que tem vindo a nos dar na carreira estudantil, perspectivando um
futuro melhor.

Ao Instituto Superior Politcnico de Tete (ISPT) que tem dado o mximo para que eu
tenha uma formao de qualidade.

E por fim endereamos os nossos agradecimentos com grande estima e considerao ao

Docente da Cadeira que de forma presencial e incansvel procura suprir alguns dfices
de conhecimento relativo a matria leccionada, desenvolvendo desta forma novas
aptides.

1
RESUMO
O foco desta pesquisa descobrir como feita a quantificao de reservas tendo em conta
a krigagem pontual, sendo que as classificaes geoestatsticas de reservas baseadas na
varincia de krigagem no se adaptam para medidas reais de disperso, pois elaboram-se
para medidas relativas de disperso. Portanto, sugere-se, como tema de pesquisa futura,
a elaborao de uma classificao baseada em medidas reais de disperso que levem
tambm em considerao a variabilidade natural do depsito. As principais alteraes
propostas referem-se ao clculo do teor e varincia em blocos de lavra por meio de sua
discretizao em sub-blocos, os quais so avaliados pontualmente e os valores de teor e
varincia so ento compostos para o domnio original. As reservas de cobre, que se
sugere como exemplo para o estudo, so confiveis para os estudos futuros de viabilidade
tcnica e econmica; entretanto, as reservas de ouro calculadas devem ser interpretadas
com reserva, devido, principalmente, densidade insuficiente de dados na regio sudoeste
onde ocorrem valores anmalos de ouro e, tambm, devido a anlises inadequadas
realizadas para esta regio.

Palavras-chaves: classificaes geoestatsticas, krigagem pontual, varincia.

2
NDICE
AGRADECIMENTOS ..................................................................................................... 1

RESUMO ......................................................................................................................... 2

1. INTRODUO ........................................................................................................ 4

2. OBJECTIVOS ........................................................................................................... 5

2.2. Especficos ......................................................................................................... 5

3. METODOLOGIA ..................................................................................................... 6

4. QUANTIFICAO DE RESERVAS ...................................................................... 7

4.1. Mtodos Computacionais .................................................................................. 7

4.1.1. Principal diferena dos mtodos convencionais: ........................................ 7

4.1.2. Requisitos para avaliao dos blocos de cubagem ..................................... 7

4.2. Krigagem ........................................................................................................... 7

4.2.1. Relao variograma x krigagem ................................................................. 8

4.3. Krigagem pontual .............................................................................................. 9

4.3.1. Localizao e seleo de pontos de dados vizinhos ................................. 10

5. CONCLUSO ........................................................................................................ 15

6. BIBLIOGRAFIA ..................................................................................................... 16

3
 1. INTRODUO

O presente trabalho referente a cadeira de Gesto de Recursos Mineiros, tm como tema

Quantificao de reservas: Krigagem pontual, visto que a indstria de minerao
disponibiliza recursos minerais essenciais para o crescimento econmico de diversos
pases e o desenvolvimento da sociedade de maneira geral.

Assim sendo, krigagem pontual a maneira mais eficiente e economicamente vivel, ou

seja, um mtodo de regresso usado em geoestatstica para aproximar ou interpolar
dados. A teoria de Kriging foi desenvolvida a partir dos trabalhos do seu inventor, Daniel
G. Krige, pelo matemtico francs Georges Matheron, no comeo dos anos sessenta. Na
comunidade estatstica, tambm conhecido como Processo Gaussiano de Regresso.

Observando-se que a estimao com base em apenas um atributo insere-se no mbito da

Krigagem, a estimao de um atributo custa de outros atributos insere-se no mbito da
Co-krigagem, para desmonte de rocha em minerao.

4
2. OBJECTIVOS
2.1.Geral
Analisar de forma suscita a quantificao de reservas tendo como foco a Krigagem
pontual.

2.2.Especficos
Conceptualizar detalhando os requisitos necessrios para a krigagem pontual;
Descrever os diversos princpios de krigagem, observando aspectos mais
relevantes.

5
 3. METODOLOGIA

Para a execuo do presente trabalho de investigao, adotou-se como mtodo de

pesquisa de dados: o mtodo bibliogrfico buscando-se informaes em literaturas
autenticadas e consultadas na internet. Feita a recolha de dados seguiu-se a fase de anlise
dos mesmos que consistiu na leitura e realizao de snteses de acordo com pontos
considerados mais pertinentes j especificados, interpretando-os e a fase final consistiu
na digitao reviso do trabalho, de modo a ir ao encontro dos objetivos anteriormente
definidos.

6
 4. QUANTIFICAO DE RESERVAS
A quantificao de reservas minerais, em termos de teor e tonelagem, deve ser
acompanhada de uma medida de grau de confiabilidade a elas associado. Inerente a:

Mtodos de pesquisa utilizados

Mtodos analticos
Preciso da localizao dos pontos de amostragem
Variabilidade apresentada pelo corpo de minrio.

Sendo que as classificaes de reservas permitem expressar quantidades de minrio de

acordo com o grau de preciso e conhecimento a elas associado, fundamentais para a
declarao de reservas minerais, convertidas em valores monetrios e da objeto de
investimento, negociao e indenizao. Conde (2000)

4.1.Mtodos Computacionais
Dependem de computadores para o clculo de recurso/reserva e fazem uso de
funes matemtica de interpolao, as quais so aplicadas para o clculo de teor
tonelagem, densidade, espessura nos blocos de cubagem.

4.1.1. Principal diferena dos mtodos convencionais:

Fazer uso de mtodos matemticos de interpolao;
Krigagem ordinria;
Inverso da potncia da distncia;
Outras diferenas: geometria e dimenso dos blocos de cubagem.

4.1.2. Requisitos para avaliao dos blocos de cubagem

Estarem no domnio do depsito;
Apresentar amostras de furos vizinhos, segundo critrios de seleo;
Passveis de avaliao com o mnimo de informao, verificada a distncia
mxima de amostras.

4.2.Krigagem
Krigagem o procedimento que permite calcular os ponderadores para uma dada
configurao (bloco x disposio das amostras no espao), com mnima varincia de
krigagem, ou seja, um mtodo geoestatstico estimador que leva em considerao as

7
caractersticas espaciais de autocorrelao de variveis regionalizadas. Assim sendo, nas
variveis regionalizadas deve existir uma certa continuidade espacial, o que permite que
os dados obtidos por amostragem de certos pontos possam ser usados para parametrizar
a estimao de pontos onde o valor da varivel seja desconhecido, ao ser constatado que
a varivel no possui continuidade espacial na rea estudada, no h sentido lgico em
estimar/interpolar usando-se a krigagem.

Optando se por estabelecer, a partir de expresses matemticas, o melhor estimador

possvel do valor mdio (teor, espessura, acumulao, densidade) na rea de influncia
de um furo de sonda ou de um bloco de minrio em servio mineiro (galeria, chamin)

Em sondagem, o clculo do valor mdio e da reserva em cada rea de influncia dos furos,
intervm no s o furo central mas os outros furos, ponderando cada informao em
funo da distncia ao bloco que est sendo krigado. Yamamoto(1999)

Melhor forma de avaliao de uma jazida mineral, mas s se aplica a minrio com
modelos de variogramas esfricos ou logartmicos que so tcnicas superiores porque
permitem o clculo do erro associado s estimativas, chamada varincia de krigagem.

Para efetuar a krigagem de uma rea necessrio primeiro efetuar a anlise variogrfica
do minrio, visto que os estudos geoestatsticos levam a definio de um modelo de
variograma que servir para inferir os valores da funo variograma que sero utilizados
pelos mtodos geoestatsticos de interpolao. Yamamoto (1999)

4.2.1. Relao variograma x krigagem

O conhecimento da variabilidade natural do depsito, expressa por meio de um
variograma, a base da geoestatstica que permite realizar estimativas precisas, bem
como avaliar o erro cometido nessas estimativas. Popoff (1966)

Varincia de krigagem permite determinar o erro associado configurao espacial das

amostras consideradas para a estimativa.

A krigagem, como mtodo de interpolao na avaliao de recurso/reserva, s deve ser

utilizada quando o variograma experimental for estruturado, ou seja se a variabilidade
no for totalmente aleatria (efeito pepita puro).

8
Com o modelo de variograma se reconhece anisotropias e se tem uma idia da
variabilidade a pequenas distncias dada pelo comportamento prximo a origem.

4.3.Krigagem pontual
Usada para estimar qualquer varivel (teor, espessura) em um ponto no
amostrado. A aplicao prtica da krigagem pontual de representao grfica de dados
geolgicos, por mapas de isovalores ou superfcies 3D, obtidas pela projeo
perspectiva da malha regular.

Estimar o ponto no centro do bloco.

A organizao do sistema de krigagem comea com o clculo da matriz dos termos

(xi xj) que a funo do semivariograma (h) ou variograma 2 (h);

1
2() = . { [ Z (x + h) Z (x) ]2}

=1

Onde:

n- nmeros de pares de pontos separados por uma distncia h;

Z(x) - valor da varivel no ponto x;

Z(x + h) - valor da varivel no ponto x +h.

9
 4.3.1. Localizao e seleo de pontos de dados vizinhos
1 ponto mais prximo por quadrante.

Krigagem pontual exemplo hipottico

Dados selecionados pelo critrio de quadrantes para a estimativa do bloco B2:

Furo X (m) Y (m) Espessura Teor(g/t)

(m)

1 100 50 1.5 5
4 150 100 1.9 15
5 100 150 1.73 18

9 150 187,5 2.63 20

Para o clculo da funo semivariograma, entre as amostras 1 e 4;

Determina-se primeiro a distncia entre elas: d (x1, x4) = (100 150)2 +

(50 100)2 = 70,71
1. A distncia encontrada convertida em funo semivariograma, usando as
equaes dos modelos, para teor;

1,5(70,71) 0.5(70,71)3

(x1-x4)= 40{ 200 200 } = 20.23

10
Variograma do exemplo hipottico

3 1
(h) = 0 + { ( ) ( )}
2 2

h- altura

a- amplitude

(h) = 0 + C para h

Pontos do variograma experimental para teor com ajuste de modelo esfrico (B).

2. A distncia encontrada convertida em funo semivariograma, usando as

equaes dos modelos: para espessura

70,71 2
(1 4 ) = 0,35 {1 exp ( ) } = 0,138
100

h 2
(h) = 0 + C {1 exp ( ( ) )}
a

Pontos do variograma experimental para espessura com ajuste de modelo gaussiano (B).

11
O procedimento repetido para todos os pares de amostras e se obtm as matrizes dos
valores da funo semivariograma (xi xj) para teor e:

0 , 27,5 36,06
20,33 0 20,33 24,58
[ ]
27,50 20,33 0 18,14
36,06 24,58 18,14 0

Ao longo da diagonal, em que as distncias so nulas, os valores das funes

semivariograma sero tambm nulos, independente da presena ou ausncia do efeito
pepita. A funo semivariograma descontnua na origem!

3. O procedimento repetido para todos os pares de amostras e se obtm as matrizes

dos valores da funo semivariograma (xi xj) para espessura e:

0 0,138 0,221 0,309

0,138 0 0,138 0,187
[ ]
0,221 0,138 0 0,113
0,309 0,187 0,113 0

O vetor dos valores das funes semivariograma (xo xi), entre a amostra
e o ponto estimado, tambm calculado da mesma forma.

Determina-se a distncia entre a amostra e o ponto a ser estimado, obtm-se o

valor da funo semivariograma:

4. Localizao do ponto Xo

Exemplo para a amostra 1:

(0 , 1 ) = (100 131,35)2 + (50 118,75)2 = 75,52

12
Para teor:

(75,52) 0,5(75,52)3
(0 1 ) = 40 (1,5 ) = 21,58
200 200

Para espessura

(75,52)2
(0 1 ) = 0,35 [1 exp ] = 0,152
100

Calcula-se os valores das funes semivariograma para todas as amostras, tem-se o vetor
(xox1) entre amostras e o ponto a ser estimado:

21,58 0,152
7,91 0,024
( ) ( )
13,04 0,062
20,47 0,139

Teor Espessura

Assim se tem todos os elementos para os sistemas de equaes de krigagem para

estimativa do ponto de coordenadas (131,25; 11,75), para teores e espessura:

0 20,33 27,5 36,06 1 1 21,58

20,33 0 20,33 24,58 1 4 7,91
27,50 20,33 0 18,14 1 5 = 13,04
36,06 24,58 18,14 0 1 9 20,47
[ 1 1 1 ]
1 0 [] [ 1 ]

Teor

0 0,138 0,221 0,309 1 1 0,152

0,138 0 0,138 0,187 1 4 0,024
0,221 0,138 0 0,113 1 . 5 = 0,062
0,309 0,187 0,113 0 1 9 0,139
( 1 1 1 1 0) ( ) ( 1 )

Espessura

13
Resolvendo o sistema de equaes obtm se os ponderadores:

Amostra Teor(g/t) , = , Espessura (m) , = ,

1 5 0,047 1,5 -0,04
4 15 0,572 1,9 0,676
5 18 0,317 1,73 0,392
9 20 0,064 2,63 -0,028

O teor no centro do bloco B 2 ento :

= (5x0,047) + (15x0,572) + (18x0,317) + (20x0,064) = 15,801g/t

A espessura no centro do bloco B2 ento :

= (1,50,04) + (1,90,676) + (1,7380,392) + (2,630,028) = 1,829/

Este procedimento ento repetido para cada ponto que se quer estimar.

14
 5. CONCLUSO
Findo trabalho conclui-se, que os requisitos para avaliao dos blocos de cubagem
permitem estar no domnio do depsito, apresentando amostras de furos vizinhos,
segundo critrios de seleo Passveis de avaliao com o mnimo de informao,
verificada a distncia mxima de amostras, para alm de se definir os pontos de
amostragem que sero efetivamente utilizados pelos mtodos de interpolao, os critrios
para seleo dos pontos vizinhos ao bloco e o nmero de pontos devem ser exibidos no
incio do processo de avaliao.

Assim sendo, para se efetuar a krigagem de uma rea necessrio primeiro efetuar a
anlise variogrfica do minrio. Os estudos geoestatsticos levam a definio de um
modelo de variograma que servir para inferir os valores da funo variograma que sero
utilizados pelos mtodos geoestatsticos de interpolao.

Nota se a Krigagem a melhor forma de avaliao de uma jazida mineral, mas s se

aplica a minrio com modelos de variogramas esfricos ou logartmicos. So tcnicas
superiores porque permitem o clculo do erro associado s estimativas, chamada
varincia de krigagem.

15
6. BIBLIOGRAFIA
1. CONDE, R.P. (2000), Geoestatstica aplicada a avaliao de reservas e controle
de lavra na mina de cana Brava, So Paulo, Brasil.
2. POPOFF, C.C. (1966), Computing reserves of mineral deposite: principles and
conventional methods, Washington, Bureau of Mines.113p
3. YAMAMOTO,J.K (1999), Avaliao de reservas por mtodos computacionais: um estudo
de caso na mina de canoas 2(pr),

16