UNIVERSIDAD NACIONAL DE CAJAMARCA

FACULTAD DE INGENIERA
ESCUELA ACADMICO PROFESIONAL DE INGENIERA GEOLGICA

APLICACIN DEL SOFTWARE SGEMS EN LA

INTERPRETACIN GEOQUMICA ENTRE LOS
DEPARTAMENTOS CAJAMARCA Y AMAZONAS
PROYECTO 50% - GEOESTADISTICA

DOCENTE:

ING. Wilder Chuquiruna Chavez

ALUMNOS:

CARDENAS CUBAS, Ana Luca

HERRERA TERAN, Rigoberto
MALAVER RODRIGUEZ, Sosimo
MARCHENA ESTRADA, Filadelfio

Cajamarca, 28 de Noviembre del 2017

 AGRADECIMIENTOS

A NUESTRA ALMA MATER

La Universidad Nacional de Cajamarca,
particularmente a la Facultad de Ingeniera, y a la
Escuela acadmico Profesional de Ingeniera
Geolgica, a donde quiera que est llevar siempre en
alto el honor de haber sido estudiante de tan ilustre
institucin.

AL Ing. WILDER
CHUQUIRUNA CHVEZ
Por compartir sus conocimientos en este
caso a la Geoestadstica que nos permitirn
ampliar nuestros conocimientos sobre el
curso y poder aplicarlo a nuestra carrera.
DEDICATORIA

A Dios por darnos la vida, permitindonos

lograr nuestras metas profesionales.

A nuestros padres
porque gracias a ellos con su apoyo
podemos seguir estudiando, forjando
nuestro futuro.
RESUMEN
ABSTRACT
 INTRODUCCIN
La geoestadstica es una ciencia que utiliza la informacin recogida de la superficie terrestre,
expresada en cifras, para conocer la mayor o menor probabilidad de existencia y distribucin
de yacimientos mineros. Ello permite, a la vez, estimar el mejor modo de llevar a cabo los
sucesivos procedimientos extractivos.

Una vez recogida la informacin que va a utilizarse, se decide qu modelos de estimacin se

usarn. Existen dos grandes modelos actualmente utilizados: el kriging (o krigeaje), que se
subdivide en ordinario, simple y de indicadores, y el kriging puntual y de bloques. Esto en
honor al ingeniero sudafricano Danie Krige, que comenz a desarrollar la geoestadstica
durante su trabajo en las minas de oro de Witwatersrand.

Adems, existen otros modelos de kriging como el universal, el IRFk, el disyuntivo y el log-
normal. El kriging no slo se usa en minera; tiene aplicaciones hidrogeolgicas, en las ciencias
de la tierra, medioambientales, en el procesamiento de imgenes satelitales e incluso en el
diseo de aparatos que utilizan microondas, entre otros.

En el campo de la minera, lo que busca el kriging en trminos generales es interpolar un valor

(como la elevacin, porosidades o presencia de contaminantes, por ejemplo) de un lugar que
an no ha sido observado en base a observaciones realizadas en ubicaciones cercanas.

As, la geoestadstica puede realizar evaluaciones de reservas mineras, es decir, la estimacin

de parmetros a partir de un nmero relativamente pequeo de perforaciones y muestras
diversas.

ntimamente relacionadas a los modelos de estimacin estn los modelos de simulacin. Esto
debido a la necesidad de una mayor precisin de la informacin obtenida del kriging.

Por ejemplo, los modelos de estimacin dependen mucho del nmero de muestras y de cmo
estn distribuidos, cosa que no sucede en los modelos de simulacin.

Por el contrario, los modelos de estimacin no requieren de muchos recursos informticos, lo

que s es altamente demandante en el caso de los modelos de simulacin.

Al igual que en el caso de los modelos de estimacin, aunque existen varios modelos de
simulacin hay unos pocos que son ms ampliamente conocidos y utilizados. Entre esto se
encuentran la simulacin condicional, la gaussiana y la de indicadores.

Como puede verse, la geoestadstica es un campo en pleno desarrollo y alto en complejidad.

Justamente por estas causas los profesionales especializados en esta rea son altamente
demandados y constituyen un pilar muy fuerte en cualquier empresa minera.
 INDICE

RESUMEN............................................................................................................................................. 5
ABSTRACT ........................................................................................................................................... 6
INTRODUCCIN ................................................................................................................................ 7
CAPTULO I: ASPECTOS GENERALES ........................................................................................................ 9
1.1. Planteamiento del problema................................................................................................. 9
1.2. Objetivos ................................................................................................................................ 9
OBJETIVO GENERAL ............................................................................................................... 9
OBJETIVOS ESPECFICOS ...................................................................................................... 9
1.3. Hiptesis ............................................................................................................................... 10
1.4. Justificacin ......................................................................................................................... 10
1.5. Generalidades de la zona de estudio .................................................................................. 11
Ubicacin ......................................................................................................................................... 11
CAPTULO II: MARCO TEORICO ............................................................................................................. 12
2.1. GENERALIDADES DE LA INVESTIGACIN ............................................................. 12
2.2. GEOMORFOLOGA DE CAJAMARCA ........................................................................ 12
2.3. GEOMORFOLOGIA DE AMAZONAS .......................................................................... 14
CAPTULO IV: GEOLOGA LOCAL............................................................................................................ 17
2.4. ESTRATIGRAFIA EN CAJAMARCA ............................................................................ 17
Fig N 1: Mapa geolgico de Cajamarca .............................................. Error! Bookmark not defined.
2.5. ESTRATIGRAFIA EN AMAZONAS............................................................................... 17
CAPTULO III: ANALISIS Y SICUSION DE RESULTADOS ........................................................................... 21
3.1. HISTOGRAMA .................................................................................................................. 21
3.2. VARIOGRAMA .................................................................................................................. 21
3.2.3. VARIOGRAMAS CRUZADOS .................................................................................... 23
3.2.4. VARIOGRAMAS EN ..................................................................................................... 24
3.2.5................................................................................................................................................... 24
3.3. ANALISIS DE CORRELACION ...................................................................................... 24
3.4. KRIGING Y VALIDACION ............................................................................................. 24
3.4.1. ANALISIS FACTORIAL DEL KRIGING................................................................... 25
3.5. PROGRAMA S-GmeS .......................................................................................................... 0
 CAPTULO I: ASPECTOS GENERALES
1.1. Planteamiento del problema
La importancia en la industria del hierro es muy alta, debido a que es el Metal Duro
ms utilizado, encontrndose el Hierro Puro (considerado como tal aquel que tiene un
99,5% de Pureza) sin muchas aplicaciones, por lo que se emplea en distintas
concentraciones en la Siderurgia, utilizndose como Materia Prima para brindar
aleaciones tales como el Acero, combinndose con otros materiales de origen Metlico
tanto como aquellos No Metlicos, brindando distintas Propiedades Fisicoqumicas.

Que una de las metodologas ms tiles empleadas en la caracterizacin del

comportamiento geoqumico de los elementos, especficamente la dispersin
secundaria, es la prospeccin geoqumica de sedimentos activos de corriente.

Un adecuado anlisis geoestadstico de los datos experimentales nos conducir a

respuestas y conclusiones fehacientes.

Se hace necesario verificar, aportar y difundir nuevos conocimientos acerca del

comportamiento geoqumico de dichos elementos en la naturaleza, especficamente
referido a la dispersin geoqumica secundaria a escala regional, es por ello que la
presente investigacin busca sistematizar respuestas ante el surgimiento las siguientes
interrogantes: que elemento qumico estudiado se correlaciona ms con el hierro?,
que nos quiere decir nuestros resultados de variogramas ?, que nos quiere decir
nuestros resultados que muestra nuestro Kriging.

1.2. Objetivos
OBJETIVO GENERAL

Caracterizar la geologa, alteracin, mineralizacin y geoqumica de nuestra

zona investigada.
Correlacionar la existencia de los elementos de la corteza que se identificaron
en las muestras.

OBJETIVOS ESPECFICOS

Aprender a usar el software Sgems para la solucin de problemas

relacionados con las variables relacionadas espacialmente.
Realizar variogramas para tener una interpretacin exacta de la
geoqumica presente en nuestra rea de estudio.
 Comprender el marco terico de la geoestadstica lineal: la varianza de
dispersin, estimacin y la teora del Krigeage y asi efectuar su aplicacin
prctica.
Comprender conceptos generales que rigen la geoestadstica no lineal: su
aplicacin y sus alcances.
Conocer los procesos geolgicos, geoqumicos, geofsicos, exploracin y
evaluacin de los minerales.
Procesar los datos para la clasificacin de recursos y reservas minerales en el
software S-GemS.
Conocer las normas bsicas que deben regir en la elaboracin de proyectos de
exploracin minera y en la redaccin de los informes que resulten.
Aplicar conceptos de geoestadstica, aplicar mtodos estadsticos para el
tratamiento y evaluacin de conjuntos de datos. Adems de aplicar herramientas
y tcnicas de anlisis multivariable, comprendiendo el tratamiento simultneo
de numerosas observaciones y variables.

1.3. Hiptesis
H1. Los elementos qumicos podran presentar patrones de dispersin
geoqumica secundaria similares.
H2. Las distribuciones geoqumicas en relacin con el hierro guardaran relacin
directa o inversa.
H3. En el anlisis geoestadstico especficamente al utilizar los diferentes
clculos geoestadsticos podramos hallar yacimientos de hierro.

1.4. Justificacin
La caracterizacin de la dispersin y distribucin geoqumica del hierro en la
naturaleza lo encontramos en combinacin con una gran variedad de Minerales,
siendo ms comn encontrarlo como xido de Hierro.
Todo esto contribuye con nuevos conocimientos acerca del comportamiento
geoqumico del hierro y los elementos que lo rodean.
Los aportes que se determinen podran ser aplicados a la industria del acero ya
que es muy utilizado en la industria de Automviles, tanto como para la
elaboracin de estructuras de edificios, como tambin en la industria naval en la
creacin de barcos, sumado a sus ventajas en lo que respecta a propiedades
mecnicas, dependiendo ellas del tratamiento de la materia prima o bien la
composicin qumica que se emplee.
Decir que todos estos conocimientos contribuyen a la sociedad, en la bsqueda
de una mejor calidad de vida.
1.5. Generalidades de la zona de estudio

Ubicacin
Nuestra rea de estudio est comprendida entre el departamento de Cajamarca y
el departamento de Amazonas, abarcando las zonas 17 y 18. Se cuentan con 782
puntos tomados, del cual se recolecto las concentraciones de 53 elementos
qumicos, entre ellos Au, Al, B, Ba, Ca, Cr, etc. Trabajos previos de exploracin.

Los trabajos de exploracin geoqumica en la regin norte del Per, se iniciaron

desde tiempos remotos, quedando una serie de trabajos desde la poca pre-Inca
a la poca colonial en el rea de Yanacocha, Hualgayoc, entre otras. Los trabajos
de exploracin moderna se iniciaron continuaron en el siglo XIX y continuaron
en el siglo XX, con la llegada de numerosas empresas extranjeras, entre ellas
Newmont en 1983. A mediados de 1984, se firma un Joint Venture entre
CEDIMIN, Buenaventura y Newmont, inici una agresiva campaa de mapeo y
muestreo geoqumico, que determin fuertes anomalas de plata y dbiles de oro,
con lo cual se empez a descubrir la importancia del yacimiento de Yanacocha,
que empez a operar en el ao de 1993. Los depsitos de Minas Conga, fueron
descubiertos en 1992 por Cedimin S.A.C. mediante una Campaa Regional
de prospeccin geoqumica de stream sediments alrededor del yacimiento
Yanacocha. En 1993 se efectuaron las primeras evaluaciones geolgicas
superficiales y se confirm la ocurrencia de dos prfidos importantes como son
Perol y Chailhuagn y otras anomalas como los proyectos Amaro y Gentiles.
En el ao 2000 se forma Minas Conga S.R.L., conformada por Cedimin,
Newmont y Buenaventura, a partir de este ao el proyecto es operado por
Newmont. Actualmente estn en la fase de pre factibilidad los depsitos Perol y
Chailhuagn. Simultneamente se continu con campaas de exploracin
alrededor de los depsitos mencionados, encontrndose en el ao 2008 mediante
estudios geoqumicos y geofsicos el proyecto de Morocha, en actual etapa de
exploracin.
 CAPTULO II: MARCO TEORICO
2.1. GENERALIDADES DE LA INVESTIGACIN

El desarrollo industrial y post-industrial durante la primera mitad del siglo XX ha estado

asociado a la explotacin y utilizacin masiva de los metales (Pb, Hg, Zn, Cd, Cu, Cr,
Ni). El consumo de los mismos ha aumentado en tres veces aproximadamente durante
este periodo. En este mismo contexto a fines del siglo XX, la utilizacin de nuevas
tecnologas: lser, mseres, materiales magneto-pticos, sistemas de comunicacin, ha
incrementado la demanda de nuevos metales. A todo esto, la utilizacin del Hierro motiv
a un suceso muy importante como lo es la Edad del Hierro, siendo utilizado
histricamente en las construcciones de distintos objetos de utilidad como tambin en
edificaciones, debido a su condicin de alta maleabilidad, presentndose originalmente
con una tonalidad gris plateada, y ofreciendo la cualidad de ser Ferromagntico inclusive
a temperatura ambiente y en condiciones de presin atmosfrica normal, ofreciendo una
muy alta densidad y dureza.

2010: Se ha recolectado un total de 505 muestras de sedimento fluvial en las cuencas de

los ros Crisnejas y Maran. Habiendo determinado los umbrales geoqumicos en cada
poblacin estadstica, se ha distinguido 224 anomalas, 18 de las cuales son de oro. Las
anomalas corresponden, principalmente, a las unidades sedimentarias siliciclsticos del
Cretceo inferior y, en menor proporcin, a los metamrficos del Proterozoico.

2.2. GEOMORFOLOGA DE CAJAMARCA

Altiplanicie
Ocupa una superficie de 91,673.29 has., que representa el 2.78% del territorio del
departamento de Cajamarca, sobre el cual, de acuerdo al origen, a la forma del
relieve, a la pendiente as como a la litologa, se han delimitado cuatro unidades
geomorfolgicas, cada una de ellas con su respectiva superficie y porcentaje que ocupa
en el territorio, cuyo detalle se presenta en la Tabla N 01.

Porcenta je
Unidad Geomorfolgica Smbol o rea has
Altiplanicie fuertemente inclinada A 44202. 1.
Altiplanicie moderadamente inclinada A 6213. 0.
Altiplanicie moderadamente AME 38485. 1.
Altiplanicie plana AP 2772. 0.
Total 91673. 2.
Table 1 Superficie y porcentaje de las unidades geomorfolgicas Paisaje dominante:
Altiplanicie

Colinoso

Ocupa una superficie de 414,473.06 has., que representa el 12.58% del territorio del
departamento de Cajamarca, sobre el cual, de acuerdo al origen, a la forma del
relieve, a la pendiente as como a la litologa, se han delimitado cinco unidades
geomorfolgicas, cada una de ellas con su respectiva superficie y porcentaje que
ocupa en el territorio, cuyo detalle se presenta en la Tabla N 02.

Porcentaje
Unidad Geomorfolgica Smbolo rea has
%
Colina alta empinada CAE 210493.88 6.39
Colina alta fuertemente empinada CAF 22637.83 0.69
Colina alta moderadamente empinada CAME 109396.82 3.32
Colina baja fuertemente inclinada CBFI 62834.01 1.91
Colina baja moderadamente inclinada CBMI 9110.51 0.28
Total 414473.06 12.58
Tabla N 2: Superficie y porcentaje de las unidades geomorfolgicas Paisaje dominante:
colinoso

Montaoso
Ocupa la mayor superficie en el departamento de Cajamarca, siendo esta de
2684,975.92 has., que representa el 81.48% del territorio departamental, sobre el
cual, de acuerdo al origen, a la forma del relieve, a la pendiente as como a la
litologa, se han delimitado doce unidades geomorfolgicas, cada una de ellas con
su respectiva superficie y porcentaje que ocupa en el territorio, cuyo detalle se
presenta en la Tabla N 03.

Porcenta
Unidad Geomorfolgica Smbo rea je
Ladera de montaa empinada l oLME - 426844.
has 12.
 Ladera de montaa escarpada LMEs 21972. 0.
Ladera de montaa fuertemente empinada LMFE 203028. 6.
Ladera de montaa moderadamente LMME 103366. 3.
Montaa empinada M 680424. 20.
Montaa escarpada MEs 73102. 2.
Montaa fuertemente disecada MFD 113609. 3.
Montaa fuertemente empinada MFE 517667. 15.
Montaa moderadamente empinada MME 219382. 6.
Vertiente montaosa empinada VME 96378. 2.
Vertiente montaosa fuertemente disecada VMFD 43261. 1.
Vertiente montaosa fuertemente empinada VMFE 185938. 5.
T 2684975. 81.
o
Table N 3: Superficie y porcentaje de las Unidades Geomorfolgicas Paisaje
dominante: Montaoso t
a
l

Planicie

Ocupa una superficie de 104,141.58 has., que representa el 3.16% del territorio del departamento
de Cajamarca, sobre el cual, de acuerdo al origen, a la forma del relieve, a la pendiente
as como a la litologa, se han delimitado siete unidades geomorfolgicas, cada una de ellas
con su respectiva superficie y porcentaje que ocupa en el territorio, cuyo detalle se presenta en la
Tabla N 04.

Porcentaje
Unidad Geomorfolgica Smbolo rea has
%
Complejo de terrazas inundable y no inundable CT-ini 42267.41 1.28
Llanura o planicie inundable LLP-i 14578.33 0.44
Piedemonte alluvial P-a 1126.11 0.03
Piedemonte aluvio lacustre P-al 15139.46 0.46
Piedemonte aluvio torrencial P-at 24525.38 0.74
Terraza alta en depsitos aluviales TA-da 2652.68 0.08
Terraza inundable en depsitos aluviales TI-da 3852.22 0.12
Total 104141.58 3.16
Table N 4: Superficie y porcentaje de las unidades geomorfolgicas Paisaje
dominante: Planicie

2.3. GEOMORFOLOGIA DE AMAZONAS

Cordillera andina
Constituye la unidad morfoestructural de mayor complejidad geolgica y geomorfolgica.
Representa una de las zonas con mayor variabilidad litolgica dentro del mbito nacional,
con rocas de tipo metamrfica, sedimentaria, gneas intrusiva y extrusiva (volcnicas).
Esto demuestra, que por esta regin se han manifestado diferentes procesos, que han dado
lugar a la formacin de los diversos afloramientos litolgicos, originados en diferentes
facies de sedimentacin, etapas de intrusin gnea, etapas de actividad volcnica y
metamorfismo regional. Estas se manifestaron desde pocas Precambrianas hasta el
Cuaternario, donde contina an la actividad, pero con menor intensidad. Las etapas de
formacin de la Cordillera comienzan desde la era Precambriana, donde se suscita una
etapa de deformacin y metamorfismo de las capas sedimentarias, que fueron originadas
por la erosin de un zcalo silico muy antiguo, asociados a actividades volcnicas
(Dalmayrac, B., 1986). Durante el Paleozoico se desarrolla eventos tectnicos
prolongados (Fase Hercnica), dando lugar a regresiones y transgresiones marinas. Esto
se corrobora por las diferentes secuencias sedimentarias encontradas especialmente al NO
del rea, generadas en ambientes continentales y marinos. En el Mesozoico esta
megaestructura tambin estuvo ligada a fases de levantamiento y hundimiento (regresin
y transgresin marina), que dieron lugar a la depositacin de sedimentos variados,
asociados a una relativa actividad volcnica. En el Cenozoico, finaliza las etapas de
sedimentacin netamente marina y comienza la etapa de levantamiento continuo y
paralelamente se desarrolla una sedimentacin continental a gran escala y una intensa
actividad erosiva, el cual denuda gran parte de la Cordillera Oriental y ciertos sectores de
la Cordillera Subandina. A continuacin se describe las principales caractersticas de estas
unidades morfoestructurales.

Cordillera interandina
Es la unidad morfoestructural que se encuentra entre la transicin de las Cordilleras
Occidental y Oriental. En el rea adquiere cierta importancia por tener dentro de su
configuracin a relieves que han sido formados en cuencas restringidas, como las cuencas
Cajamarca, Goyllar, principalmente durante el periodo cretcico, as como tambin
producto de actividades volcnicas y emplazamientos plutnicos. Presenta altitudes
con ciertas relevancias y que pueden llegar hasta los 3000 m. Se encuentra localizado
principalmente en la cuenca de Utcubamba, En el sector de Leimebamba, provincia de
Chachapoyas sobrepasa este lmite y se entremezcla con las rocas precambrianas y
paleozoicas de la Cordillera Oriental debido a fallamientos epirogenicos e inversos que
pusieron en contacto a las formaciones cretcicas que configuran dicha morfoestructura.
Esta unidad configura grandes cadenas montaosas, colinas, mesetas estructurales o
altiplanicies que se desarrollan alineadas al eje andino. La composicin litolgica que
alberga esta definida por rocas Mesocenozoicas de diferentes facies de sedimentacin,
tambin se tiene la presencia de rocas gneas intrusivas como los imponentes batolitos y
rocas gneas volcnicas cuya presencia no es tan notoria en la regin.

Cordillera Oriental
Constituye una unidad morfoestructural cuya caracterstica principal es su geoforma
montaosa discontinua que se distribuye a nivel regional, el cual se muestra en forma
abrupta y accidentada. Ha sido configurado por la tectnica Hercnica, en sus fases
Eohercnica, Tardihercnica y Nevadiana, desarrollados durante la era Paleozoica. Su
configuracin morfolgica se inicia durante el levantamiento del bloque andino, que
corresponde al cretceo inferior y Pleistoceno, con sucesivas transgresiones y regresiones
marinas en periodos relativamente cortos. Presenta terrenos cuya litologa tuvo origen
desde la era Precmbrica hasta fines del Trisico, los cuales estn conformadas por rocas
metamrficas, gneas (volcnicas e intrusivas) y sedimentarias antiguas (Paleozoicas), esta
ltima depositadas en diferentes facies de sedimentacin. Constituyen las elevaciones ms
imponentes del rea de estudio, con alturas que sobrepasan los 1000 m. sobre la base local.
Se distribuye en el sector occidental de la regin, como una franja alargada relativamente
continua. Tambin, se manifiesta en el sector suroccidental, llegando a casi desaparecer
por el sector de Bagua, aunque ms hacia el norte (por la subcuenca del ro Cenepa) se le
observa con algunos remanentes de rocas precambrianas. Ya en territorio ecuatoriano
vuelve a aparecer en toda su amplitud.
 CAPTULO III: GEOLOGA LOCAL
2.4. ESTRATIGRAFIA EN CAJAMARCA
2.5. ESTRATIGRAFIA EN AMAZONAS
CAPTULO IV: METODOLOGA DE TRABAJO
METODOLOGA GEOESTADSTICA:

La variacin Geoestadstica permite la descripcin del patrn espacial de una caracterstica

continua zj, es decir una concentracin de contaminantes de un elemento qumico o las
concentraciones anmalas de unos cuerpos de mineral de metal con inters econmico. Dado
un conjunto de datos para la variable Zj en n lugares, Zj (UA), a = 1, 2,. . , N, el variograma
experimental transversal cjj V * (h) mide la disimilitud promedio entre las variables de datos j
y JV separadas por un vector h.

Cuando j = j esta expresin da el variograma simple de la variable j.

Estos variogramas experimentales pueden analizarse con un modelo lineal de

corregionalizacin dando lugar a un conjunto de matrices de corregionalizacin.

Las matrices de corregionalizacin pueden ser vistas como particiones de la matriz de varianza
o covarianza, mostrando las relaciones entre las variables en diferentes escalas. Cada matriz
puede ser sometida a un anlisis de componentes principales (PCA).

El Anlisis factorial de kriging (FKA) es un mtodo geoestadstico utilizado en exploracin

geoqumica para fines de filtracin (Sandjivy, 1984; Wackernagel,
1988). Con FKA es posible estimar componentes espaciales correspondientes a diferentes
escalas de variabilidad, revelado por la funcin variograma simple y cruzado.
METODOLOGA PROGRAMACIONAL: ArcGIS

ArcGIS es un completo sistema que permite recopilar, organizar, administrar, analizar,

compartir y distribuir informacin geogrfica. Como la plataforma lder mundial para crear y
utilizar sistemas de informacin geogrfica (SIG).

ArcGIS permite:
Crear, compartir y utilizar mapas inteligentes
Compilar informacin geogrfica
Crear y administrar bases de datos geogrficas Resolver problemas con el anlisis
espacial Crear aplicaciones basadas en mapas
Dar a conocer y compartir informacin mediante la geografa y la visualizacin

Figure 5 Informacin cartogrfica de inters para la geologa y minera a nivel

internacional.
 Figura N 6: Generacin de Simulaciones 3D de cortes geolgicos con ArcScene

SGeMS = (The Stanford Geostatistical Modeling Software), creado por Nicols Remy de la
universidad de Stanford, ofrece una interfaz en 3D, contiene casi todas las herramientas de
estimacin por kriging, y simulacin geoestadstica. Tiene herramientas para:

Realizar un estudio estadstico de los compsitos.

Calcular el variograma experimental.
Ajustarlo a un modelo terico.
Estimar por kriging y simulacin geoestadstica, el modelo de bloques.

Limitaciones: No contiene herramientas para el modelamiento geolgico previo a la

estimacin de recursos.
 CAPTULO V: ANALISIS Y SICUSION DE
RESULTADOS
3.1. HISTOGRAMA
En el anlisis histogrfico se presentan estadsticas elementales, para cada uno de los
minerales con los que se ha trabajado, Fe, Au, Ag, Li, Mg, In, Ce, Co, etc. Se muestran los
valores mximos y mnimos para las leyes de cada elemento, as como el clculo de su media
respectiva y varianza, dato que nos representa la variabilidad en el espacio de los datos
analizados y que nos va a servir para efectos de clculo del sill cuando trabajemos los
variogramas respectivos.

3.2. VARIOGRAMA
El variograma es el concepto ms importante en la geoestadistica ya que es la aplicacin de la
teora de variables regionalizadas a la estimacin de recursos mineros.

Para tener en cuenta la estructura espacial, se calcular variogramas simples y cruzados de Fe,
Au, Ag, Li, Mg, Ti, V, Ce, Co, Ga, Ge, In, La, Nb, Sc, Tb para las direcciones 0, 45, 90
Y 135, equivalente, respectivamente, para N, N45E, E y S45E. Estas cuatro direcciones
fueron seleccionadas a criterio, para de este modo ver en que direccin el variograma
presentar una mejor tendencia para poder analizarlo correctamente.

Desde los modelos de variograma experimentales direccionales calculados para Fe, Au, Ag,
Li, Mg, Ti, V, Ce, Co, Ga, Ge, In, La, Nb, Sc, Tb ajustamos a un modelo terico, en este caso
hemos usado variogramas gaussianos y exponenciales por efecto de anlisis.(Tablas
adjuntadas).
Variables regionalizadas: Es una funcin que representa variacin en el espacio. Se designa por
z(x).

Una variable regionalizada posee propiedades intermedias entre una variable completamente
aleatoria y una completamente determinstica. A modo de definicin una variable regionalizada
es una variable aleatoria cuya realizacin depende de la posicin. Ejemplos tpicos de variables
regionalizadas son la elevacin topogrfica de algn terreno, el perfil de pozo registrado con
alguna herramienta de sondeo, etc. En contraposicin con una variable totalmente aleatoria, una
variable regionalizada tiene cierta correlacin punto a punto, pero estos cambios son tan
complejos que no pueden ser descriptos por una funcin determinstica.

http://www.slideshare.net/MauricioTics2016/variables-regionalizadas-62772087
El variograma es una funcin que constituye la herramienta fundamental de la geoestadstica.
Sean x , x + h dos puntos en el espacio:

La definicin terica de la funcin variograma

(h) es la esperanza matemtica siguiente:

Las propiedades del semivariograma se deducen

fcilmente de la definicin:

Ya que la funcin Z(x) es desconocida en la prctica se utiliza la siguiente ecuacin para

calcular el variograma, conocida como ecuacin del variograma experimental:

Donde N(h) es el nmero de pares Z(xi) y Z(xi+h) separados una distancia h.

Sus caractersticas son las siguientes:

 Es un estimador no paramtrico.

Es ptimo cuando se dispone de una malla regular de muestreo que sea representativa
y la distribucin sea normal.
En estas condiciones el sesgo es el mnimo posible.
Ejemplos de variogramas son los siguientes:

3.2.3. VARIOGRAMAS CRUZADOS

Se ha calculado tambin cruzado para cada estructura de las matrices de correlacin.

En este caso el Fe asociado a Au, Ag, Li, Mg, Ti, V, Ce, Co, Ga, Ge, In, La, Nb, Sc,
Tb; con una varianza hallada teniendo en cuenta que el modelo de variograma
cruzado no puede ser escogido independientemente de cada uno de los variogramas
individuales, el producto de cada una de las varianzas de
 o los variogramas individuales es igual al cuadrado de la
varianza del variograma cruzado:
3.2.4. VARIOGRAMAS EN
3.2.5.
3.3. ANALISIS DE CORRELACION

Nos interesa estimar la relacin que existe entre dos elementos, en este caso el coeficiente
de correlacin va a estimar la cuantificacin de la correlacin lineal existente entre los
elementos.

Tras haber hallado la respectiva correlacion de los elementos en Excel, utilizando el software
Sgems, realizando los diagramas de dispersin considerando la ecuacin de la recta que
mejor se ajuste a la nube de puntos que tenemos.

La recta de color rojo es la recta que mejor se ajusta a la nube de puntos, o mejor dicho es
la que hace que el error de estimacin sea el mnimo posible.
La representacin grfica de estos datos es la que se representa a continuacin:

3.4. KRIGING Y VALIDACION

El kriging asume que al menos una parte de la variacin espacial observada en el fenmeno
natural se puede modelar por procesos aleatorios con autocorrelacin espacial, y requiere que
la autocorrelacin espacial se modele de forma explcita. Las tcnicas de kriging se pueden
utilizar para describir y modelar patrones espaciales, prever valores en ubicaciones sin
mediciones y evaluar la incertidumbre asociada con un valor previsto en las ubicaciones sin
mediciones.

El asistente de Estadsticas geogrficas ofrece varios tipos de kriging, que son adecuados para
distintos tipos de datos y tienen varias suposiciones subyacentes:
Ordinaria
Simple
Universal
Indicadora
Probabilidad
Disyuntiva
Bayesiana emprica
Interpolacin de rea

Estos mtodos se pueden utilizar para generar las siguientes superficies:

 Mapas de valores previstos de kriging
Mapas de errores estndar de kriging asociados con valores previstos
Mapas de probabilidad, que indican si un nivel crtico predefinido se excedi o no
Mapas de cuantiles para un nivel de probabilidad predeterminado

Hay dos excepciones a esto:

Indicador y Probabilidad kringing, que producen lo siguiente:

Mapas de probabilidad, que indican si un nivel crtico predefinido se excedi o no
Mapas de errores estndar de indicadores
La Interpolacin de rea, que produce lo siguiente:
Mapas de valores previstos
Mapas de errores estndar asociados con valores previstos

Hay varios componentes de modelos de estadsticas geogrficas. Los ms importantes son

examinar los datos a travs del anlisis de datos espaciales exploratorio (ESDA) y variografa
(consulte crear semivariogramas empricos y ajustar un modelo al semivariograma emprico),
crear un modelo de kriging para satisfacer sus necesidades (consulte cules son los distintos
modelos de kriging? y qu tipos de superficie de salida pueden generar los modelos de
kriging?) y compruebe que los resultados sean correctos al realizar una validacin cruzada y
una validacin y al comparar modelos alternos para elegir el que sea mejor.

ANALISIS FACTORIAL DEL KRIGING

Con el anlisis del conjunto de datos, el rea de estudio sugiere que la variabilidad espacial
de las variables va a estar en funcin de los variogramas calculados. Esta metodologa ser la
base para el clculo mediante el mtodo de anlisis factorial kriging.
El anlisis individual se har para cada una de las caractersticas geoqumicas de los
elementos a analizar. Tal resultado se espera desde el modelo deducido a partir de variogramas
experimentales que hemos calculados anteriormente.
A continuacin se muestran los resultados para Fe, Au, Ag, Li, Mg, Ti, V, Ce, Co, Ga, Ge,
In, La, Nb, Sc, Tb en el rea de muestreo que hemos trabajado.
 3.5. PROGRAMA S-GmeS

THE STANFORDGEOSTATISTICAL MODELING SOFTWARE; SGeMS es el primer

software para proporcionar algo-ritmos para las estadsticas de varios puntos y el libro
presenta una discusin actualizada de la teora y las aplicaciones correspondientes.

SGeMS es un software para modelado geoestadstico 3D. Implementa muchos de los

algoritmos de geoestadstica clsicos, as como los nuevos desarrollos realizados en el
laboratorio SCRF de la Universidad de Stanford .
SGeMS se basa en la Biblioteca de plantillas de geoestadstica (GsTL) para implementar
sus rutinas geoestadsticas, que incluyen:

Kriging
Kriging multivariable (co-kriging)
Simulacin gaussiana secuencial
Simulacin de indicador secuencial
Simulacin Gaussiana e Indicadora Secuencial Multi-Variable
Simulacin de estadsticas de puntos mltiples

Principales caractersticas

Caja de herramientas geoestadstica completa

Herramientas de anlisis de datos estndar: histograma, grficos QQ,
variogramas, ...
visualizacin 3D interactiva
Capacidades de scripting: SGeMS incorpora el lenguaje de scripting de Python ,
que permite realizar automticamente varias acciones (repetitivas).
Uso de complementos para agregar nuevos algoritmos geoestadsticos, admitir
nuevos formatos de archivo o aumentar el conjunto de comandos de guiones

Desafortunadamente, SGeMS probablemente no est libre de errores ... Para reportar

errores en SGeMS, use esta herramienta . No olvide incluir una descripcin completa de
lo que sucedi y cmo reproducir el error (qu hizo que caus el error). Simplemente
diciendo "SGeMS se estrell!" no ayuda ... Incluya cualquier conjunto de datos, archivos
de registro (sgems_history.log y sgems_status.log) tiles para reproducir el error.

Conjuntos de datos

Un conjunto de datos 3D simple ( versin comprimida ). Esta es una versin

simplificada del conjunto de datos de Stanford V. Contiene una cuadrcula de
celdas de 100x130x30 (las dimensiones de cada celda son 1x1x1) y un conjunto
de puntos con 3 propiedades. La cuadrcula contiene una realizacin de sgsim
(simulacin gaussiana secuencial).
La versin completa de Stanford V (desplcese hasta la parte inferior de la pgina)
Las herramientas geoestadsticas de SGeMS fueron diseados para proporcionar
suficiente flexibilidad para adaptarse a diferentes problemas. Como resultado, el nmero
de parmetros de control disponibles puede parecer desalentador para el practicante
principiante. No se deje intimidar! La mayora de los parmetros advanced tienen valores
por defecto, y la mejor manera de construir su comprensin de esos parmetros es repetir
los ejemplos de carreras y experimento por su cuenta.

Metodos de Explotacion
Las excavaciones subterrneas son un mundo sorprendente. Es asombrosa la capacidad
del ser humano de desarrollar tcnicas cada vez ms avanzadas para crear espacios
subterrneos con distintos cometidos. Desde los primeros registros de excavaciones
mediante la tcnica del fuego hace 40.000 aos atrs, hasta la actual utilizacin de
tuneladoras completamente mecanizadas, las tcnicas constructivas de obras
subterrneas, engloban ciencia, ingeniera y arte.
Los usos dados a espacios subterrneos son cada vez ms diversos: tneles para
autopistas, de transporte de agua, para exploracin y explotacin minera, cavernas para
centrales hidroelctricas, de almacenaje de gas, botaderos definitivos de elementos
radioactivos y complejos deportivos - recreativos.

Desde hace ms de 40.000 aos, el hombre ha buscado metales y materiales provenientes

de suelos y rocas para ser utilizados en ritos religiosos, agricultura, objetos personales,
fuentes de energa y un sinfn de utensilios. En esta bsqueda, se ha hecho imprescindible
desarrollar tcnicas de construcciones subterrneas con el objetivo de alcanzar zonas
mineralizadas profundas, que de otro modo, seran inalcanzables. Famosas son las
explotaciones subterrneas de cobre en Israel (mina Timma), Espaa (mina La profunda)
ambas de la poca del Imperio Romano, como tambin las explotaciones subterrneas de
carbn en la Inglaterra del Siglo XIII. La poca de la revolucin industrial a fines del
Siglo XIX cambi radicalmente la escala de trabajo en espacios subterrneos, donde se
logra desarrollar la explotacin minera a un volumen y ritmo jams antes visto por la
humanidad.

Es as que, actualmente las excavaciones subterrneas para minera, persiguen los

siguientes principios:

a) Lograr generar un diseo de explotacin que se acomode a la forma del cuerpo

mineralizado.

b) Maximizar la extraccin del mineral de inters, minimizando el movimiento de

material estril o de poco valor econmico.

c) Poseer la capacidad de desestabilizar y reducir de tamao las zonas que poseen valor
econmico (mena) y mantener estables las que actuarn como pilares estructurales del
diseo minero.

A continuacin veremos, a modo de ejemplo, los distintos diseos de excavaciones

subterrneas para distintos arreglos de los cuerpos mineralizados.

Mtodos autosoportantes o de caserones abiertos

Corresponden a aquellos que consideran la extraccin del mineral dejando una o varias
cavidades vacas. Para ello, el casern debe mantenerse estable en forma natural o requerir
escasos elementos de refuerzo. Estos caserones se dejan vacos una vez que concluye la
explotacin. El ms famoso de stos mtodos es el Room and Pillar. Este mtodo de
explotacin es aplicado ampliamente y en los ltimos aos se ha desarrollado bastante,
debido a su bajo costo de explotacin, a la vez que permite, una explotacin
moderadamente selectiva. Los yacimientos que mejor se presentan para una explotacin
por Room and Pillar, son aquellos que presentan un ngulo de manteo bajo. Sus
principales ventajas incluyen que puede llegarse a una mecanizacin completa, lo que
reduce ampliamente los costos de explotacin. Permite la explotacin sin problemas de
cuerpos mineralizados ubicados paralelamente y separados por zonas de estriles. La
recuperacin del yacimiento aun no siendo del 100% puede llegar a recuperaciones
satisfactorias del orden del 90%.
Mtodos soportados o de caserones
Requieren elementos de soporte para mantenerse estables y/o que se rellenan con algn
material exgeno. El diseo ms utilizado corresponde al denominado Cut and Fill. El
mineral es arrancado por franjas horizontales y/o verticales empezando por la parte
inferior de un tajo y avanzando verticalmente. Cuando se ha extrado la franja completa,
se rellena el volumen correspondiente con material estril, que sirve de piso de trabajo a
los obreros y al mismo tiempo permite sostener las paredes y en algunos casos especiales,
el techo. La explotacin puede utilizarse en yacimientos que presenten: Buzamiento
superior a los 50, en roca incompetente o de calidad geotcnica pobre, con un cuerpo
mineralizado de potencia moderada y de lmites regulares. Sus principales ventajas son
que la recuperacin es cercana al 100%, siendo altamente selectivo, lo que significa que
se pueden trabajar secciones de alta ley y dejar aquellas zonas de baja ley sin explotar. Es
un mtodo seguro que puede alcanzar un alto grado de mecanizacin.
Mtodos de Subniveles
Se emplea en zonas mineralizadas muy regulares, en los que el mineral y la roca de los
hastales son resistentes. El mtodo se caracteriza por su gran productividad debido a que
las labores de preparacin se realizan en su mayor parte dentro del mineral. Se aplica a
zonas mineralizadas de alta pendiente, en los que el mineral cae por gravedad en las
cavidades construidas y que permiten la perforacin de barrenos largos de banqueo o en
abanico. Estos mtodos necesitan una gran preparacin y se requiere en general que el
cuerpo mineralizado sea potente. El diseo ms empleado es el denominado Sublevel
stopping.

Las ventajas de este mtodo, son: El trabajo es continuo, sin interrupcin para rellenar.
El costo por tonelada es bajo y exige poca mano de obra. La relacin de la produccin a
la preparacin es alta. Hay gran seguridad para el personal. La ventilacin es buena. La
conservacin es mnima.Toda la maquinaria se recupera al terminar cada cmara.
Mtodos de hundimiento
Donde las cavidades generadas por el mineral extrado son rellenas con el material
superpuesto (mineral, mientras dura la explotacin, y estril, una vez finalizada). El
hundimiento y consecuente relleno de las cavidades se produce simultneamente a la
extraccin del mineral. El diseo ms ampliamente utilizado es el denominado Block
Caving y es usado en cuerpos grandes, masivos y con las siguientes caractersticas: El
cuerpo debe tener alto buzamiento o ser vertical y de gran extensin. Despus del corte,
la roca debe ser capaz de romperse en fragmentos adecuados. Las condiciones de la
superficie deben permitir la subsidencia del rea excavada. El mineral debe ser
homogneo y diseminado. Sus principales ventajas incluyen que es un mtodo
econmico, altamente productivo que requiere poca perforacin, voladura y
sostenimiento. Por ltimo es un mtodo que permite una alta produccin y puede ser
utilizado en cuerpos mineralizados de baja ley. (Minera, s.f.)

Iniciacin de Proyectos de Exploracin

Los servicios de exploracin especializados de SRK se basan en nuestras principales
fortalezas. Estas incluyen avanzadas competencias en interpretacin estructural, la
capacidad de conectar los sistemas mineralizados con el entorno estructural, la
identificacin sistemtica de los cuerpos mineralizados objetivo y el modelamiento 3D.
Somos especialistas en el desarrollo de modelos conceptuales orientados a los procesos
para identificar y mejorar los conocimientos de nuestros objetivos minerales. Nuestros
consultores internos poseen conocimientos expertos en la mecnica de las formaciones y
la distribucin de los cuerpos mineralizados en una amplia gama de entornos geolgicos
y tectnicos.

El xito de una exploracin en la creciente rea de la identificacin de objetivos profundos

requiere un conocimiento mucho ms confiable de la geometra de las estructuras en
tercera y cuarta dimensin. Esta necesidad est conduciendo al desarrollo de tecnologas
de modelamiento y visualizacin en 3D (por ejemplo, los programas gOcad, GeoModeller
y Leapfrog), garantizando que los objetivos de mineralizacin se definan de acuerdo a
ms de uno o dos parmetros simples de exploracin o explotacin minera. La utilizacin
de estas tecnologas se orienta directamente a agregar valor a los proyectos de nuestros
clientes.

Estas nuevas tecnologas constituyen herramientas esenciales para una exploracin 3D

eficaz. Utilizamos mtodos de modelamiento geolgico y geofsico 3D de vanguardia
junto con tecnologas ms tradicionales, lo que nos da una clara ventaja en la entrega de
soluciones excepcionales para nuestros clientes.