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.