geoestadistica pdf
DESCRIPTION
GeoestadisticaTRANSCRIPT
Resumen
El estudio descrito en el presente documento se refiere a la aplicación de métodos
geoestadísticos a datos de suelo de la zona Montemor-o-Novo (sur de Portugal).
En el área de estudio, las zonas mineralizadas de oro (Banhos, Caeiras, Fale,
Gamela, Malaca y Monfurado) se caracterizan por diferentes configuraciones
geológicas y colecciones mineralógicas.
Un total de 1211 muestras de suelo fueron recolectadas en la zona Montemor-o-
Novo y analizadas para Cu, Pb, Zn, As, Ba y Au por espectrometría de absorción
atómica.
Para tener en cuenta la estructura espacial, se han calculado variogramas
cruzados y simples para las principales orientaciones de la cuadrícula de
muestreo.
Se analizó los variogramas en forma experimental en base a un modelo lineal de
corregionalización compuesta de tres estructuras: un efecto pepita y dos
estructuras esféricas anisotrópicas, ajustándolo a cada una de las seis variables.
Las matrices de corregionalización se deducen del modelo teórico y muestran las
relaciones entre las variables en diferentes escalas. Estas matrices fueron
comparadas con las obtenidos mediante el análisis de componentes principales
(PCA).
Esta metodología fue la base para el cálculo de los componentes espaciales
correspondientes (Y0, Y1 y Y2) mediante el método de análisis factorial kriging
(FKA). Se hicieron también mapas de datos crudos, Y0, Y1 e Y2 para cada
variable.
El uso de análisis multivariado permite el estudio de la estructura espacial
intrínseca de datos geoquímicos y la identificación y el refinamiento de importantes
anomalías relacionadas con Au o yacimientos de minerales.
Introducción:
El oro se encuentra asociado con las rocas mineralizadas relacionados con
intrusivos ígneos que varían en composición de félsico a ultramáfico; sistemas
hidrotermales que van en las relaciones temperatura-presión de hipotermal a
epitermal; metamorfismo de contacto, pegmatitico y depósitos de reemplazo;
depósitos porfídicos y depósitos de Au y otros metales. La mayoría de los
depósitos auríferos contienen esencialmente el mismo conjunto de elementos,
pero el contenido varía ampliamente desde trazas de menor cantidad.
Los Procesos químicos y mecánicos contribuyen a la formación del halo (especie
de diseminado que muestra presencia del mineral) de dispersión secundaria de
Au. El equilibrio entre ambos procesos depende, fundamentalmente de las
características morfológicas, condiciones climáticas y el tipo de mineralización. La
firma geoquímica de Au en la superficie depende sobre todo del comportamiento
de Au y minerales que se acompañan en el entorno relevante supergénico.
Un gran número de elementos (por ejemplo, Cu, Ag, Zn, Cd, As, Sb, Bi, Se y Te)
se enriquecen en depósitos de producción de Au, o que se produzca en el
acompañamiento de minerales metálicos, en oro nativo o en otros minerales de
Au. La mayoría de estos elementos son útiles como indicadores de la presencia de
elementos de oro y deben ser considerados en todos los tipos de estudios
geoquímicos.
Los principales objetivos de este trabajo son:
- La definición de patrones geoquímicos regionales de oro y su sondaje
(soporte) de elementos
- La detección de anomalías a menor escala, utilizando métodos
geoestadísticos como variogramas, análisis factorial de corregionalización y
análisis factorial kriging.
Estos métodos han sido utilizados con éxito por varios autores en diferentes
dominios científicos:
- Exploración geoquímica (Jimenez-Espinosa et al., 1992), ciencias del suelo
(Goovaerts y Webster, 1994), la minería (Sousa, 1989) o medio ambiente
(Batista et al., 2000).
2. Metodología Geoestadística:
La variación geoestadística permite la descripción del patrón espacial de una
característica continua zj, es decir una concentración de contaminantes de un
elemento químico o las concentraciones anómalas de unos cuerpos de mineral de
metal con interés económico. 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 expresión da el variograma simple de la variable j.
Estos variogramas experimentales pueden analizarse con un modelo lineal de
corregionalización dando lugar a un conjunto de matrices de corregionalización.
Las matrices de corregionalización 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 análisis de componentes
principales (PCA).
El Análisis factorial de kriging (FKA) es un método geoestadístico utilizado en
exploración geoquímica para fines de filtración (Sandjivy, 1984; Wackernagel,
1988). Con FKA es posible estimar componentes espaciales correspondientes a
diferentes escalas de variabilidad, revelado por la función variograma simple y
cruzado.
3. Distrito minero Montemor-o-Novo
El distrito minero Montemor-o-Novo es una gran área orientada a NW - SE con
una longitud aproximada de 35 km (Fig. 1). Esta zona se encuentra sobre una
gran estructura anticlinal, limitada al W y NE por dos importantes zonas de
empuje. Fig.1 se muestra la geología del distrito minero Montemor-o-Novo
Las concentraciones económicas de Au en las áreas de depósitos (Banhos,
Caeiras, Fale's, Gamela, Malaca y Monfurado) se caracterizan por entornos
geológicos y conjuntos mineralógicos ligeramente diferentes. La mineralización
Banhos es el contacto entre anfibolitas / leptitas de Unidad Escoural y una
pequeña intrusión granítica. En esta zona de Au se asocia a la arsenopirita.
El depósito Caeiras se encuentra en la Unidad de Monfurado (micaesquistos y
gneises, anfibolitas asociados a leptitas).
El depósito Monfurado es en el contacto entre la unidad Monfurado y la unidad
Escoural (luditas, cuarcitas, micaesquistos y anfibolitas subordinados). Las luditas
se producen como capas en la cuarcita y son mineralizados (pirita, pirrotita, Fe-
óxidos / hidróxidos, oro).
Gamela es en el contacto entre ortognesis y la Unidad Monfurado. La Unidad
Monfurado de leptitas tiene '' óxidos de pirita-Fe / hidróxidos-arsenopirita en
cantidades menores '' mientras que los ortogneises tienen arsenopirita.
En estas tres áreas el oro está asociado a la pirita.
Fig1. Mapa geológico del área de estudio
Los depósitos de Malaca y Fale están en la Unidad de Escoural y el Au se asocia
con arsenopirita / estibina. El desarrollo del suelo se caracteriza por la presencia
del tipo de suelo rojizo Mediterráneo (Un clima mediterráneo templado prevalece
en la zona, con una precipitación anual de alrededor 656 mm)
4. El muestreo y análisis
El total de 1211 muestras de suelo de distrito minero de Montemor-Onovo se
recogieron en seis zonas de muestreo: 233 muestras de Monfurado, 255 de
Banhos, 138 de Caeiras, 278 de Fale's, 189 de Gamela y 118 muestras de suelo
de Malaca. Para cada área de muestreo, se recogieron las muestras de suelo en
una rejilla rectilínea, a la misma distancia (50 m) a lo largo de la línea
uniformemente espaciada (100 m). La línea de base para la toma de muestras
Banhos tiene una orientación aproximadamente N45E mientras la línea Caeiras de
base es N50W. Fale's, Monfurado, y Malaca tienen N60W de orientación de líneas
de base mientras que la red de muestreo de Gamela tiene una línea de base
N65W.
- En cada punto de muestreo se han recolectado aproximadamente 1 kg de
suelo.
- Los suelos se secaron y se tamizaron a través de un tamiz de malla N° 80.
- Todas las muestras fueron analizadas por plasma de acoplamiento
inductivo o espectroscopía de emisión atómica de Cu, Pb, Zn, Ba, As y Au.
La precisión de los resultados analíticos es de manera aproximada del 4% para el
Cu, el 6% de Pb, 5% para el Zn, el 19% para el As y el 22% para el Au.
5. Resultados
La Tabla 1
presenta
estadísticas
elementales,
algunas
estadísticas
elementales
para Cu, Pb, Zn, As, Ba y Au. Los datos de la Tabla 1 muestra que los valores
máximos de todos los elementos son muy elevados en relación con los
correspondientes valores promedio. Estos valores extremos tienen un impacto
dominante sobre los resultados producidos por los métodos usados en este
documento que se basan en valores promedio. La transformación logarítmica de
los datos raw es un método muy efectivo para reducir la asimetría de la
distribución de los datos de la población, según lo indicado por los coeficientes de
asimetría. Además, la prueba de lognormality Ahrens (1954), aplicada a los datos
sugiere una distribución logarítmico-normal para los elementos (valores de media
aritmética y media geométrica son: 1.21-1.31 para Cu, Pb, Zn, 1,34 - 2,10 para
Bario y1.87 - 3.45 para Au). Por lo tanto, se decidió trabajar con los logaritmos
naturales de los datos en lugar de los valores originales.
5.2. Variografía
Para tener en cuenta la estructura espacial, se calcular variogramas simples y
cruzados de Cu, Pb, Zn, As, Ba y Au para las direcciones 15, 60, 30 y 75 (en la
Fig. 2), equivalente, respectivamente, para N15W, N60W, N30E y N75E. Estas
cuatro direcciones fueron seleccionadas sobre la base de las cuadrículas de
muestreo de suelo, que son paralelas a las estructuras Hercynianas y tienen
orientaciones similares (Fig. 1). Desde un modelo de variograma experimental
lineal de corregionalización para Cu, Pb, Zn, As, Ba y Au, se nota el
reconocimiento de tres estructuras: un pepita de efecto (C0), estructura
anisotrópica esférica (C1, representa los eventos locales) con un rango de 300 m y
una segunda estructura anisotrópica (C2, representando los eventos regionales)
con un rango de 440 m. Cada estructura tiene un eje principal con una orientación
de N60W (dirección 60 en la Fig. 2). Esta dirección es similar a las de las
estructuras Hercynianas. Fig 2. muestra de variograma simple y la dirección
transversal de Au y As. Se calcularon variogramas direccionales para las variables
restantes que no se muestra auque el modelo se ajustó en común a todas. La
Tabla 2 muestra los umbrales de los variogramas directo y cruzado para cada
estructura de las matrices de corregionalización).
5.3. Análisis factorial de corregionalización
Fig. 3 presenta las proyecciones de las variables obtenidas mediante un análisis
de componentes principales para cada matriz de corregionalización y matriz de
correlación estándar clásica (PCA).
Un análisis de la Fig. 3 sugiere que la PCA refleja con exactitud la primera
estructura esférica (C1), manifestada por el análisis factorial de corregionalización,
es decir, la asociación de las variables Au/as, Ba/Cu y Zn/Pb. Las tres estructuras
espaciales y los clásicos PCA muestran que Ba está generalmente relacionado
con el Cu. Sin embargo, en la escala de Nugget, el Ba aparece relacionada con Zn
y estos elementos están asociados con Cu en la construcción del primer corte. La
pareja de Au se asocia con F2 a pesar de que el Au se encuentra cerca del límite
de la significación en la segunda estructura esférica. La asociación Pb / Zn no se
produce en la escala de pepita.
5.4. Análisis factorial de kriging
Con el análisis estructural del conjunto de datos de Montemor-o-Novo, el área de
estudio sugiere que la variabilidad espacial de las variables es la suma de tres
estructuras: el efecto Nugget Co que representan los eventos a pequeña escala, la
primera estructura C1 que representan eventos locales y una segunda estructura
C2 que representa un evento regional. Esta metodología fue la base para el
cálculo de los correspondientes componentes espaciales (Y0, Y1 y Y2) mediante
el método de análisis factorial kriging. Mapas de matriz de correlación estándar
clásica (PCA).
Fig. 4. Cartografía geoquímica de oro en las áreas de muestreo de Montemor-o-Novo del distrito de mineralización.
Mapeo de oro para el primer componente espacial (Y0) en las áreas de muestreo de Montemor-o-Novo del distrito de mineralización.
Fig. 6. Mapeo de oro para el nuevo componente estructurado (Y1 + Y2) en las áreas de muestreo de Montemor-o-Novo del distrito de mineralización.
Fig. 7. Cartografía Geoquímica de arsénico en las áreas de muestreo de Montemor-o-Novo
Fig. 8. Mapeo de arsénico para el primer componente espacial (Y0) en las áreas de muestreo de Montemor-o-Novo
Fig. 9. Mapeo de arsénico para el nuevo componente estructurado (Y1 + Y2) en las áreas de muestreo de Montemor-o-Novo
Fig. 10. Cartografía Geoquímica del arsénico y el oro (datos brutos) del depósito de Gamela. Superponer Notas de campo u observaciones de geología al mapa geoquímico.
Fig. 11. Mapeo de arsénico y de oro para el primer componente espacial (Y0) del depósito Gamela. Superponer Notas de campo observaciones de geología al mapa geoquímico.
Fig. 12. Mapeo de arsénico y oro para el componente estructurado (Y1+ Y2) de Gamela fuerte.
Fig. 13. Cartografía Geoquímica del arsénico y el oro (datos brutos) de Monfurado fuerte. Notas de campo observaciones de geología: superponer el mapa geoquímico.
Fig. 14. Mapeo de arsénico y de oro para el primer componente espacial (Y0) de Monfurado fuerte. Notas de campo observaciones de geología superponer el mapa geoquímico.
El análisis individual de los componentes espaciales estimados ha demostrado
que las estructuras esféricas son idénticas y no hay información adicional que
surge de ellas por separado. Tal resultado se espera desde el modelo de
corregionalización, deducido a partir de variogramas experimentales, muestra dos
estructuras esféricas anisotrópicas que son similares en el rango (C1-300 m de
alcance y C2-440 m de alcance). Por lo tanto, las estructuras esféricas se
transformaron en un componente estructurado Y1 + Y2.
Las Figs. 4-6 se muestran los resultados para la Au y componentes espaciales
(Y0, Y1, Y2) en las áreas de muestreo Banhos, Caeiras, Fale, Gamela, Malaca y
Monfurad.
Las Figs.7-9 muestran los resultados de As y componentes espaciales (Y0, Y1 y
Y2). Los niveles utilizados en la cartografía corresponden al mínimo y los
percentiles 25, 50, 75, 85, 90, 92, 94, 96 de la población de datos.
El análisis de los mapas muestra que los resultados son similares para las zonas
prospectadas. El primer componente espacial (Y0) mapeo (Figs. 5 y 8) muestra
anomalías con un carácter puntual (X en las Figs. 5 y 8) que no son visibles en el
mapeo geoquímico (Figs. 4 y 7). Además, este primer componente mejora
anomalías (W en las Figs. 5 y 8), también con las naturalezas puntuales, que han
reducido su expresión en los datos en bruto (Figs. 4 y 7). El nuevo componente
estructurado Y1 + S2 (Figs. 6 y 9) mejora áreas anómalas con o sin expresión
significativa sobre cartografía geoquímica, la posterior es el caso de Fale. Junto
con esta capacidad de mejora, este componente tiene una capacidad de retención
sobre las anomalías de propagación (el caso de Gamela).
La comparación de las Figs. 4 y 7 muestra que los mapas de As son similares a
los de Au (confirmando que el arsénico es un pionero de oro), con las excepciones
de Monfurado, Caeiras y Gamela.
En las zonas Gamela y Monfurado, notas de campo tomadas en un estudio
geológico fueron superpuestos a los datos en bruto, Y0 y Y1 + Y2 con el fin de
explicar los resultados del análisis factorial de kriging (. Las figuras 10-14)
Un análisis de Gamela de As y Au y de mapas de datos en bruto (Fig. 10) muestra
que la firma geoquímica del As a diferencia de Au (Fig. 10), marca el contacto
entre los ortogneises con arsenopirita y las leptitas de la Unidad Monfurado (Fig.
1). Sin embargo, los componentes espaciales Y0 (Fig. 11) y Y1 + Y2 (Fig. 12)
mejorar la similitud entre el arsénico y anomalías de oro. La primer Estructura (Y0)
parece ser generalmente relacionada con Fe. enriquecido del suelo (Fe-suelo, Fe-
pit, la presencia de magnetita-hematita-lymonita, Fe-rocas), mientras que el
componente estructurado (Y1 + Y2) marca la existencia de pequeñas vetas de
cuarzo con pirita y arsenopirita organizada por las leptitas de la Unidad Monfurado
(a en la figura 12).
Fig. 13 (mapeo de datos en bruto para el As y Au) y la figura 14 (mapeo Y0 para
As y Au) muestran los resultados del depósito Monfurado. Un análisis de los
mapas Y0 muestran que el arsénico y anomalías de oro siguen el contacto (C en
la Fig. 14) entre la Unidad Monfurado (anfibolitas, leptitas) y la Unidad Escoural
(lyddites con sulfuros). Estas anomalías están relacionadas con las firmas
geoquímicas obtenidos por mapeo de datos en bruto (Fig. 13). Además, el análisis
factorial kriging (Y0 y Y1 + Y2) mejora la alineación de las anomalías por el
contacto geológico.
6. Conclusiones
- La aplicación de análisis multivariado de datos de suelos del área de
estudio Montemor-o-Novo conduce a la identificación de patrones
geoquímicos para Au.
- Para tener en cuenta la estructura espacial, simple y cruzada se calcularon
variogramas para las principales orientaciones de la cuadrícula de
muestreo. Desde variogramas experimentales, un modelo lineal de
corregionalización fue ajustado a las seis variables que permiten el
reconocimiento de tres estructuras de continuidad.
- Las matrices de corregionalización resultantes del análisis factorial de
corregionalización muestra la asociación entre las variables Au/as, Ba/Cu y
Zn y Pb. El PCA refleja con exactitud la primera estructura esférica (C1).
- Los componentes espaciales Y0, Y1 y Y2 estimados por el método factorial
kriging son efectivas en: (a) la detección de anomalías que no fueron
detectados por el método geoquímico, b) el aumento de áreas anómalas sin
expresión sobre cartografía geoquímica.
- La asociación mineralógica que ocurre en Gamela, Monfurado y Caeiras
(oro asociado a la pirita) son responsables de la diferencia entre el As y Au.
Sin embargo, los componentes espaciales de mapeo ha aumentado la
similitud entre las imágenes de Au y As y mejoró la interpretación de las
anomalías
- En Banhos, Fale y Malaca, las áreas arsénico y anomalías de oro
sonsimilares y relacionados con la existencia de vetas de cuarzo con
arsenopirita/pirita y óxidos de Fe alojada por las luditas y leptitas de la
Unidad Escoural.
Agradecimientos
Los autores desean expresar su agradecimiento a la empresa Moriminas y al Dr.
Luis Martins, del ''Instituto Geologico y Minero'' de Portugal, por haber tenido la
amabilidad de proporcionar los datos, el Departamento de Geociencias de la
Universidad de Aveiro y la CVRM-IST de la Universidad Técnica de Lisboa para
apoyar este proyecto, finalmente a la fundación para la ciencia y tecnología por
beca otorgada al primer autor.