50815_MATERIALDEESTUDIO-PARTEIIIB.pdf

106 211

MUESTREO DE AGUAS  Los

elementos inorgánicos serán transportados por el agua en alguna de las siguientes formas: • Cationes • Aniones • Iones adsorbidos • Solutos inorgánicos no disociados

• Materia orgánica soluble • Suspensión  La variaciones fuertes de pH a lo largo de un curso de agua pueden indicar una fuente de sulfatos, a partir de conc concen entr trac acio ione nes s de sulf sulfur uros os,, do dond nde e la hidr hidról ólis isis is y lixiviación de sulfuros es responsable de esta variación de pH. Dra. Verónica Oliveros - [email protected] [email protected] - Consultora Intercade

212

MUESTREO DE AGUAS

Dra. Verónica Oliveros - [email protected] [email protected] - Consultora Intercade

INTERCADE CONSULTANCY & TRAINING

www.intercade.org

107 213

REPRESENTACION DE DATOS

Dra. Verónica Oliveros - [email protected] - Consultora Intercade

214

CONTORNEO DE CURVAS DE ISOCONTENIDO



www.intercade.org

108 215

CONTORNEO DE CURVAS DE ISOCONTENIDO


216

REPRESENTACION PONDERADA DE PUNTOS DE MUESTREO



www.intercade.org

109 217

REPRESENTACION PONDERADA DE PUNTOS DE MUESTREO


218

INTERPRETACION DE RESULTADOS Y PROCESAMIENTO DE DATOS



www.intercade.org

110 219

DEFINICIONES  Valor

de fondo (background ). Es la abundancia normal de un elemento en una unidad litológica en un área determinada. Puede ser local o regional. En general, tiene una distribución log-normal.  Anomalía. Es una desviación de los patrones geoquímicos normales para un área determinada. • Anomalía significativa : relacionada a mineralización. • Anomalía falsa o no significativa : no relacionada a mineralización (procesos naturales, contaminación, errores analíticos).  Valor umbral (threshold ). Es un valor que permite destacar aquellas zonas potenciales de contener una alta concentración del elemento o elementos de interés.


220



www.intercade.org

111 221


222

ESTADISTICA UNIVARIABLE  Previo

al procesamiento estadístico de datos debe existir una preparación y filtrado de las bases de datos. deben eliminar del procesamiento aquellos  Se elementos que no cumplen con las condiciones de control de calidad.  Se deben eliminar todos aquellos elementos en los cuales más del 50% presenta valores bajo límites de detección.  Se recomienda cambiar en el caso de elementos con valores en el límite de detección, a la mitad del correspondiente límite.  Los elementos en valores % deben ser cambiados a ppm. Dra. Verónica Oliveros - [email protected] - Consultora Intercade


www.intercade.org

112 223

ESTADISTICA UNIVARIABLE  Dada

la naturaleza de distribución geoquímica en materiales naturales, los datos geoquímicos deben ser procesados en base log-normal.  Es factible convertir la base de datos a una base log-normal, o bien existen programas estadísticos que permiten trabajar directamente en base log-normal.  Son de interés todos los estadígrafos univariables comunes: promedio, desviación estándar, mediana, cuartiles, kurtosis, máxima, mínima.  Se recomienda el cálculo de umbral superior como el valor promedio más dos errores estándares.


224

ESTADISTICA UNIVARIABLE El error estándar es conocido también como la desviación estándar de la media y es representado de la siguiente manera: es = √σ /n Un valor umbral recomendado es el siguiente:

Umbral = x + 2 √σ/n Este valor a diferencia de x ± 2σ incorpora n = número de muestras en la ecuación. Los cálculos previos se deben realizar en base log-normal. El resultado final es transformado mediante el anti-log. Dra. Verónica Oliveros - [email protected] - Consultora Intercade


www.intercade.org

113 225

Elto Al

uestras Unidad Nº casos sobre LD %

28

28

rome o a ri tm ét ic o

M ax

M in

rome o logarítmico

Antilog

1.805

2.5

0.63

0.244

1.755

esv. t . Log. 0.117

rror estándar

m ra x+2σ

0.065

2.363

As

ppm

28

28

88.25

190

11

1.872

74.541

0.284

0.101

118.496

Cu

ppm

26

26

83.036

170

54

1.938

86.651

0.108

0.062

115.286

Fe

%

28

28

6.231

14.43

3.13

0.775

5.961

0.126

0.067

8.118

K

%

28

28

0.144

0.23

0.09

-0.856

0.139

0.107

0.062

0.185

Mg

%

28

28

0.734

1.21

0.14

-0.168

0.679

0.196

0.084

0.999

Mn

ppm

28

28

936.964

1680

130

2.921

834.433

0.253

0.095

1292.77

Mo

ppm

28

26

4.154

9

0.5

0.594

3.924

0.15

0.076

5.565

Na

%

28

21

0.031

0.06

0.005

-1.531

0.029

0.158

0.087

0.044

Ni

ppm

28

28

18.964

45

7

1.245

17.581

0.168

0.077

25.119

P

ppm

28

28

701.786

877

439

2.84

691.923

0.076

0.052

879.893

Pb

ppm

28

28

11.643

23

6

1.047

11.136

0.128

0.068

15.21

S

%

28

27

0.929

5.96

0.005

-0.526

0.298

0.696

0.161

0.623

Sb

ppm

28

14

7.571

21

1

0.783

6.066

0.303

0.147

11.949

Sr

ppm

28

28

75.893

144

28

1.839

69.085

0.191

0.083

101.101

Ti

%

28

25

0.076

0.27

0.005

-1.193

0.064

0.236

0.097

0.1

V

ppm

28

28

137.536

316

36

2.095

124.519

0.207

0.086

185.076

Zn

ppm

28

28

148.714

273

28

2.141

138.282

0.189

0.082

201.792


226

ESTADISTICA DE POBLACIONES

 Los

objetivos de un análisis estadístico de poblaciones corresponden a una discriminación de intervalos de distribución gaussiana dentro de distribuciones de carácter mixto.

 Cada

población puede representar fuentes distintas de los elementos de interés.



www.intercade.org

114 227

ESTADISTICA DE POBLACIONES

 Los

cálculos de estadística de poblaciones pueden ser realizados de forma manual con ploteos de frecuencia acumulativa en gráficos log-probabilísticos.



También pueden ser realizados con programas computacionales especializados, como Pplot.


228



www.intercade.org

115 229


230

DIAGRAMA LOG-PROBABILISTICO

Se aprecian dos poblaciones: fondo (azul) y anómala (rojo). Dra. Verónica Oliveros - [email protected] - Consultora Intercade


www.intercade.org

116 231

E lt o

As

Cu

Mg

Mn

Ni

P

P obla ció n

M edi a

Porcentaje

σ

Mín

Máx

Umbrales Mín

Máx

% Mestras Anómalas Regional

1

27.875

15.567

49.916

18.55

8.693

89.383

2

82.297

62.163

108.95

67.62

46.956

144.238

3

175.555

152.45

202.16

13.84

132.388

2 32.797

1

58.044

52.247

64.485

5.25

47.028

71.64

2

81.972

71.06

94.561

76.55

61.599

109.084

3

122.438

96.925

154.67

18.2

76.728

195.378

1

0.215

0.132

0.35

8.04

0.081

0.568

2

0.752

0.578

0.978

91.96

0.445

1.271

1

194.278

108.49

347.92

9.88

60.579

623.053

2

979.831

751.86

1276.9

90.12

576.922

1664.122

1

17.581

11.939

25.89

100

8.107

38.125

1

484.217

437.89

535.44

9.81

396

592.087

2

719.133

632.37

817.81

90.19

556.065

9 30.021

118.496

17.86

115.286

11.54

0.999

14.29

1292.77

14.29

25.119

17.86

879.893

0


232

Zn in ore

Zn, Cu y Pb podrían repartirse en al menos dos poblaciones en el análisis estadístico.

) m p p ( t n e t n o c l a 1,000 t e M 500

Pb in ore Cu in ore Pb Zn

Cu

200 100

Ore

200 feet



www.intercade.org

117 233

Zn in ore

) m p p ( t n e t n o c l a 1,000 t e M 500

Pb in ore

Además deberían estar relacionados en uno o más factores que expliquen la varianza de la muestra y sus parámetros de correlación en la matriz de Pearson deberían ser >0,5.

Cu in ore Pb Zn

Cu

200 100

Ore

200 feet


234

ESTADISTICA MULTIVARIABLE



Los objetivos de la estadística multivariable son la determinación de asociaciones geoquímicas relevantes.



Variadas

herramientas

estadísticas

pueden

ser

empleadas. Ejemplos • Análisis de correlación • Análisis de componentes principales o factores



www.intercade.org

118 235

MATRIZ DE CORRELACION Al

As

Ba

Ca

Cd

Co

Cr

Cu

Fe

Mg

Mn

Ni

P

S

Sc

Sr

Ti

V

Zn

Al 1.00 As -0.29 1.00 Ba

0.08 -0.18 1.00

Ca

0.69 -0.26 0.06 1.00

Cd -0.16 0.22 -0.12 0.02 1.00 Co 0.33 0.24 -0.19 0.41 0.64 1.00 Cr

0.16 0.21 -0.02 0.06 0.43 0.59 1.00

Cu

0.19 -0.10 0.20 -0.03 -0.14 -0.10 -0.19 1.00

Fe 0.02 0.34 -0.16 0.19 0.74 0.80 0.44 -0.22 1.00 Mg 0.48 0.13 -0.60 0.41 -0.02 0.34 0.23 -0.29 0.15 1.00 Mn

0.75 -0.01 0.25 0.60 -0.14 0.39 0.29 0.19 0.03 0.37 1.00

Ni

-0.16 0.36 -0.06 -0.06 0.74 0.65 0.48 -0.16 0.72 0.00 -0.18 1.00

P

0.38 0.04 -0.47 -0.01 -0.10 0.03 0.28 -0.05 -0.03 0.69 0.23 -0.12 1.00

S

-0.40 0.37 -0.02 -0.18 0.73 0.49 0.15 -0.14 0.80 -0.24 -0.39 0.83 -0.34 1.00

Sc

0.78 -0.39 0.41 0.66 -0.13 0.30 -0.01 0.30 0.04 0.13 0.80 -0.18 -0.03 -0.25 1.00

Sr

0.50 -0.17 0.70 0.59 -0.12 0.17 0.13 0.05 -0.07 -0.20 0.58 -0.01 -0.40 -0.18 0.64 1.00

Ti

0.44 -0.13 -0.24 0.30 0.20 0.62 0.44 -0.07 0.42 0.44 0.46 0.26 0.29 0.09 0.46 0.04 1.00

V

0.47 0.04 0.09 0.56 0.61 0.77 0.64 -0.09 0.71 0.23 0.43 0.44 0.02 0.32 0.39 0.37 0.44 1.00

Zn

0.69 -0.12 0.16 0.58 0.27 0.63 0.43 0.26 0.32 0.28 0.76 0.03 0.23 -0.12 0.70 0.40 0.46 0.72 1.00


236

ANALISIS DE FACTORES (COMPONENTES PRINCIPALES) 

El análisis de factores componentes principales es una técnica estadística de síntesis de la información, o reducción de la dimensión (número de variables).

 Ante

un banco de datos con muchas variables, el objetivo es reducirlas a un menor número, perdiendo la menor cantidad de información posible.

 Los

nuevos componentes principales o factores serán

una combinación lineal de las variables originales, además serán independientes entre sí.



www.intercade.org

119 237

ANALISIS DE FACTORES (COMPONENTES PRINCIPALES)  La

interpretación de los factores no es directa, sino que

se deduce tras observar la relación de estos con las variables iniciales. 

Entonces se debe estudiar tanto el signo como la magnitud de las correlaciones, lo cual no siempre es fácil y requiere de un conocimiento sobre la materia de investigación.


238

FASES DEL ANALISIS Análisis de la matriz de correlaciones Un análisis de componentes principales tiene sentido si existen altas correlaciones entre las variables, ya que esto es indicativo de que existe información redundante y, por tanto,

pocos

factores explicarán

gran

parte

de

la

variabilidad total.



www.intercade.org

120 239

FASES DEL ANALISIS Selección de los factores La elección de los factores se realiza de tal forma que el primero

recoge la mayor proporción posible de la

variabilidad original, el segundo factor debe recoger la máxima variabilidad posible no recogida por el primero, y así sucesivamente. Del total de factores se elegirán aquellos

que

suficiente.

A

recojan estos

el

se

porcentaje les

de

variabilidad

denomina componentes

principales . Dra. Verónica Oliveros - [email protected] - Consultora Intercade

240

FASES DEL ANALISIS Análisis de la matriz factorial Una vez seleccionados los componentes principales, se representan en forma de matriz. Cada elemento de esta representa los coeficientes factoriales de las variables (las correlaciones entre las variables y los componentes principales). La matriz tendrá tantas columnas como componentes principales y tantas filas como variables



www.intercade.org

121 241

ANALISIS DE FACTORES


242

REPRESENTACION ESPACIAL DE LA DISTRIBUCION LOG-NORMAL Histograma Cobre soluble ( Cu Sol) 24 22 20 18 a i 16 c 14 n e 12 u c 10 e r F 8 6 4 2 0

0,4

0,6

0,8

1,0

1,2 1,4 Log Cu Sol (ppm)

1,6

0,8

2,0

2,2



www.intercade.org

122 243

REPRESENTACION ESPACIAL DE LA DISTRIBUCION LOG-NORMAL


REPRESENTACION ESPACIAL DE POBLACIONES

244



www.intercade.org

123 245

REPRESENTACION ESPACIAL DE POBLACIONES

Mo


246

INTERPRETACION DE RESULTADOS Distribución geoquímica  Existen variadas formas de representar datos y distribuciones geoquímicas. • Mapas con puntos ponderados • Mapas multielementos • Mapas de contorno (isocontenido) • Mapas filtrados  Los sistemas de información geográfico (GIS) poseen variadas herramientas. Ejemplos • MapInfo • Surfer • ArcGis Dra. Verónica Oliveros - [email protected] - Consultora Intercade


www.intercade.org

124 247

INTERPRETACION DE RESULTADOS  Si

bien los procesamientos estadísticos ofrecen resultados

numéricos bien definidos, no necesariamente representan una realidad geológica o son razonables en el contexto particular en estudio. 

Para la correcta interpretación de datos, es necesario entender procesos de dispersión geoquímica, ya sea primaria o secundaria.


248

INTERPRETACION DATOS GEOQUIMICOS  Tan



pronto como los resultados analíticos son obtenidos, la información puede ser clasificada, tratada estadísticamente y graficada en un mapa. Estos métodos revelan las anomalías. Existen tres posibilidades que se deben considerar cuando se ha identificado una anomalía: • Esté genéticamente relacionada a un depósito mineral. • Esté genéticamente relacionada a acumulaciones de minerales de carácter subeconómico. • Se deba a la concentración de elementos resultante de una combinación de factores no relacionados a una mineralización.



www.intercade.org

125 249

INTERPRETACION DATOS GEOQUIMICOS Metal content (ppm) 500

400

Ni

300

Cu

200

100

0 0

Olivine Norite and norite anorthosite 1000 2000

Basement

Picrite

4000

6000

Distance downstream (feet)

Anomalía de carga residual no significativa


250

ANOMALIAS DE SUELO NO SIGNIFICATIVAS ) m p p100 ( t n e 50 t n o c 0 b P

Organic topsoil (enriched in Pb)

Subsoil



www.intercade.org

126 251

ANOMALIAS DE SUELO NO SIGNIFICATIVAS ) m p p100 ( t n e 50 t n o c 0 u C

Truncated profile A horizon

B h o r iz o n ( e n ri c he d i n C u )

Sampling depth

C horizon

Se generan por enriquecimiento de uno de los horizontes, pero además se “detectan” cuando hay un muestreo sesgado de un horizonte en especial. Dra. Verónica Oliveros - [email protected] - Consultora Intercade

252

BIBLIOGRAFIA  Levison,

Arthur. Introduction to Exploration Geochemistry . 2nd edition. London: Applied Publishing, 1980.



Arthur W. Rose, Herbert E. Hawkes, John S. Webb. Geochemistry in Mineral Exploration . London: Academic Press, 1979.

 Gunther

Faure. Geochemistry, Principles and Applications . 2nd edition. Upper Saddle River: Prentice-Hall,1998.



www.intercade.org

127 253

BIBLIOGRAFIA 

Govett, G.J.S (Ed.) 1983. Handbook of Exploration Geochemistry . Elsevier.



Hawkes, H.E. & Webb, J.S. 1962. Geochemistry in Mineral Exploration . Harper & Row Publishers.



Smith, P.L. 2001. A primer for sampling solids, liquids, and gases: based on the seven sampling errors of Pierre Gy - (ASA-SIAM series on statistics and applied probability)


254

BIBLIOGRAFIA  Curso

Exploración Geoquímica, Dr. Brian Townley, Departamento de Geología, Universidad de Chile.

 Curso

Prospección Geoquímica, Dr. Tomasso Tosiani, Departamento de Geoquímica, Universidad Central de Venezuela.

http://prospeccion.blogspot.com/  Apuntes

Métodos Geoquímicos de Exploración Minera, Ingeniero Manuel Escalante Sánchez, Escuela Superior de Ingeniería y Arquitectura, Instituto Politécnico Nacional de México.

http://littlebullet2.tripod.com/index.html Dra. Verónica Oliveros - [email protected] - Consultora Intercade


www.intercade.org

50815_MATERIALDEESTUDIO-PARTEIIIB.pdf

Recommend Documents