ANÁLISE GEOESTATÍSTICA DE CONCENTRAÇÃO DE COBRE (Cu) NO TREND
CARLIN - NEVADA, EUA
ALUNOS: GERSON FELIZARDO DE SOUSA JUNIOR - 117059231 PABLO LUIGI DAMASCENO - 118023453
INTRODUÇÃO
O
cobre é um elemento químico de símbolo Cu (do latim cuprum), número
atômico 29 (29 prótons e 29 elétrons) e de massa atômica 63,54 u. À temperatura
ambiente, o cobre encontra-se no estado sólido.
Classificado
como metal de transição, pertence ao grupo 11 (anteriormente denominado IB) da
Classificação Periódica dos Elementos. É um dos metais mais importantes
industrialmente, de coloração avermelhada, dúctil, maleável e bom condutor de
eletricidade.
Na
natureza, são encontrados dois isótopos estáveis: Cu-63 e Cu-65, sendo o mais
leve o mais abundante (69,17%). Tem-se caracterizado 25 isótopos radioativos,
sendo os mais estáveis o Cu-67, Cu‑64 e Cu-61 com vidas médias de 61,83 horas,
12,7 horas e 3,333 horas, respectivamente. Os demais radioisótopos, com massas
atômicas desde 54,966 (Cu-55) a 78,955 (Cu-79), têm vidas médias inferiores a
23,7 minutos, e a maioria não alcançam os 30 segundos. O cobre apresenta,
ainda, 2 estados metaestáveis.
![]() | |
|
Os
isótopos mais leves que o Cu-63 estável se desintegram principalmente por
captura eletrônica originando isótopos de níquel, os mais pesados que o isótopo
Cu-65 estável se desintegram por emissão beta dando lugar a isótopos de zinco.
O isótopo Cu-64 se desintegra dos dois modos, por captura eletrônica (69%) e os
demais por desintegração beta.
O
Brasil possui modesta participação no mundo em relação ao cobre, em um mercado
dominado pelo Chile e Estados Unidos, tanto no que diz respeito às reservas
como à produção. Seus principais Estados produtores são: Rio Grande do Sul,
Bahia, Pará, São Paulo, Goiás e Minas Gerais.
OBJETIVO
O trabalho em questão tem como objetivo realizar uma análise estatística dos
dados de concentração de cobre em amostras da região de Carlin, Nevada (EUA),
com a utilização do software RGui 3.5.1 e conceitos geoestatísticos aplicados
durante o curso.
LOCALIZAÇÃO E GEOLOGIA REGIONAL
A
Grande Bacia de Nevada e Utah agrupa os
depósitos tipo Carlin, consistindo em uma província aurífera de
ordem planetária, portadora de algumas das maiores minas de ouro ativas do
mundo em 1994. Os depósitos de ouro na Grande Bacia ocorrem em uma ampla
variedade de padrões estruturais e de rochas hospedeiras.
O trend
Carlin é uma formação geológica de alinhamento NNW de depósitos
auríferos de, aproximadamente, 60 km de extensão. Localizado a NE de Nevada,
deriva do ponto de encontro (colisão) de duas placas tectônicas há 350 milhões
de anos e é devido à sua natureza e à forma como os seus depósitos são formados
que é a segunda maior reserva de ouro do mundo, atrás apenas de Witwatersrand,
na África do sul. Os depósitos são hospedados em rochas do Ordoviciano até o
Mississipiano Inferior. Em alguns depósitos, a mineralização hospedada em
enxames de diques cretáceos e terciários e no stock granodiorítico Goldstrike,
constitui até 15% do material mineralizado.
Até
a data, esta mina já produziu mais de 75 milhões de onças e a estimativa aponta
para mais de 100 milhões de onças de reserva por extrair.
Os depósitos de Cu-pórfiro do SW americano configuram uma significante província metalogenética do planeta. O considerável acervo de informações geológicas e de engenharia de minas sobre eles resulta do estudo e da atividade mineira contínuos desde o século XIX, representando a base do conhecimento desse tipo de mineralização. Essa província contém cerca de 50 depósitos de Cu-pórfiro conhecidos, cujo minério há muito tempo é a principal fonte de cobre e elementos associados dos EUA e México. As mineralizações ocorrem em rochas do cráton, no ou acima do embasamento proterozoico. Com exceção do depósito Bisbee, todos estão em cinturões paralelos à margem continental da orogenia Laramide (80-50 Ma), estendendo-se algo em torno de 350-400 km para o continente. Os dados isotópicos do plútons mostram uma evolução de magmas que, em nível primitivo, são cerca de 50% provenientes do manto, evoluindo para magmas de pórfiros jovens, os quais são mais que 95% crustais.
Características
essenciais que definem os depósitos tipo Cu-pórfiro (Titley, 1998):
· O depósito de Cu-pórfiro é um grande
(quilômetros cúbicos) sistema epigenético mineralizado da crosta rasa;
· Uma grande massa de rocha intrusiva
porfirítica félsica, epizonal, está presente em algum lugar do sistema;
· A mineralização é controlada por um
significante volume de stockwork na rocha hospedeira e
intrusiva porfirítica fraturadas;
· Tanto a mineralização primária como a
alteração são zonadas.
DADOS DE CAMPO
Os dados fornecidos pelo professor Luis Paulo Vieira
Braga foram disponibilizados a partir do link https://docs.google.com/document/d/1ILS4ANYQhFGqqBpOfey5VfaEO2DSZoI5SLkDLzYxsHM/edit?usp=sharing para
servirem de base para o estudo geoestatístico do trabalho final da disciplina.
O estudo em questão foi realizado para o elemento cobre.
DESENVOLVIMENTO
Devem ser carregadas as bibliotecas gstat, sp e
lattice no RGui.
1) Estatística dos dados
O
primeiro passo é verificar alguns parâmetros estatísticos referentes aos dados
a serem trabalhados. Para tal, foi utilizado o comando summary. O
resultado para o cobre, que tem como unidade o ppm, encontra-se abaixo.
Valor
mínimo: 6.93 1º quartil: 13.60 Mediana: 16.50 Média: 17.06
3º
quartil: 19.20 Valor máximo: 52.20
código:
path="C:/Users/pablo/Documents/Geoestatística/P3/"
p3=read.table(header=TRUE,paste(path,"DadosP3.txt",sep=""))
summary(p3$Cu)
2) Histograma de densidade com
comparação com a curva normal
O
histograma gerado apresenta amplitude de 5 a 55 e pico para teores entre os
valores 15 e 20 ppm, o que já era esperado devido aos valores retornados para
média e mediana - respectivamente 17,06 e 16,50. A assimetria à direita permite
interpretar que as maiores concentrações em quantidade de amostras são até 25
ppm.Não há amostras com teores entre 40 e 50, o que pode nos levar a
interpretar como outliers os teores acima de 50 ppm.
código:
path="C:/Users/pablo/Documents/Geoestatística/P3/"
p3=read.table(header=TRUE,paste(path,"DadosP3.txt",sep=""))
r<-p3[,"Cu"]
x.norm<-r
h<-hist(x.norm,breaks=15)
xhist<-c(min(h$breaks),h$breaks)
yhist<-c(0,h$density,0)
xfit<-seq(5,55,by=0.5)
yfit<-dnorm(xfit,mean=mean(x.norm),sd=sd(x.norm))
plot(xhist,yhist,type="s",ylim=c(0,max(yhist,yfit)),
main="Histograma de densidade de
cobre",
xlab="Teor de cobre
(ppm)",ylab="Densidade")
lines(xfit,yfit,col="blue")
3) Boxplot
O boxplot
exibe valores máximos de teores em torno de 27 ppm, considerando outliers as
amostras cujos teores estão acima.
código:
path="C:/Users/pablo/Documents/Geoestatística/P3/"
p3=read.table(header=TRUE,paste(path,"DadosP3.txt",sep=""))
boxplot(p3$Cu,range=1.5,col=c("yellow"),names=c("Cu"),xlab="Cu
(ppm)", ylab="Teor", main= "Boxplot Cobre")
4) Distribuição acumulada empírica
A
distribuição acumulada nos permite interpretar que aproximadamente 90% das
amostras possuem teores até 25 ppm.
código:
path="C:/Users/pablo/Documents/Geoestatística/P3/"
p3=read.table(header=TRUE,paste(path,"DadosP3.txt",sep=""))
plot(ecdf(p3$Cu),
main="Distribuição acumulada empírica para o elemento Cobre",
xlab="Teor Cu (ppm)",ylab="Frequência
acumulada",col="green")
5) Mapa base
O mapa
base (norte para o topo), permite a
visualização em planta da localização das amostras na região, realizada sob um
trend de direção NW-SE.
código:
path="C:/Users/pablo/Documents/Geoestatística/P3/"
p3=read.table(header=TRUE,paste(path,"DadosP3.txt",sep=""))
plot(p3$easting,
p3$northing, xlab="UTM-E(m)", ylab="UTM-N(m)", main="Mapa
base da amostragem", col="blue")
Também
foi confeccionado mapa de amostragem com os teores de cobre por amostra,
indicando que não há direção preferencial na mineralização dos altos teores, ou
seja, não há concentração dos teores, pois, a mineralização foi disseminada.
código:
coordinates(p3)<-c("easting","northing")
spplot(p3,"Cu",
col.regions=bpy.colors(5),main="Teores de Cobre por intervalo")
6) Variograma experimental omnidirecional
O
variograma foi gerado a partir do log dos teores de cobre para melhor ajuste.
código:
path="C:/Users/pablo/Documents/Geoestatística/P3/"
p3=read.table(header=TRUE,paste(path,"DadosP3.txt",sep=""))
g<-gstat(id="Cu",formula=log(Cu)~1,locations=~easting+northing,data=p3)
graf<-variogram(g)
plot(graf,main="Variograma
omnidirecional experimental", xlab="Distância (m)", ylab=
"Semivariância", col="red")
7)
Variograma teórico ajustado
O
variograma foi ajustado pelo método Gaussiano, com os valores abaixo:
psill:
0.09079971
range:
21609.57
path="C:/Users/pablo/Documents/Geoestatística/P3/"
p3=read.table(header=TRUE,paste(path,"DadosP3.txt",sep=""))
g<-gstat(id="Cu",formula=log(Cu)~1,locations=~easting+northing,data=p3)
graf<-variogram(g)
f<-fit.variogram(graf,vgm(0.15,"Gau",20000, 0.001))
ff<-variogramLine(f,maxdist=30000)
plot(ff,main="Variograma ajustado
modelo Gaussiano - Cobre",
xlab="Distância (m)",ylab="Semivariância", col="blue")
points(graf[,2],graf[,3],col="red")
8) Mapa de concentração da variável usando krigagem
ordinária
A
krigagem mostra uma região preferencial de alto teor de Cobre,
localizada a nordeste do mapa de concentração abaixo. De maneira
geral, os teores estão acima de 2,5 ppm em toda a área estudada.
código:
path="C:/Users/pablo/Documents/Geoestatística/P3/"
p3=read.table(header=TRUE,paste(path,"DadosP3.txt",sep=""))
g<-gstat(id="Cu",formula=log(Cu)~1,locations=~easting+northing,data=p3)
s.grid<-GridTopology(c(-512296.7,4476906),c(100,100),c(1000,1000))
s.grid<-SpatialPoints(s.grid)
gridded(s.grid)<-TRUE
m =
vgm(0.09079971,"Gau",21609.57,0.001)
pred =
krige(log(Cu)~1,locations=~easting+northing,model=m,data=p3, newd=s.grid)
seta=list("SpatialPolygonRescale",layout.north.arrow(),offset=c(512500,4534000), scale=5000)
escala=list("SpatialPolygonRescale",layout.scale.bar(height=0.05, offset=c(512600,4478000), scale=10000, fill=c("transparent","black"))
text1<-list("sp.text",c(512500,4478000),"0")
text2<-list("sp.text",c(528000,4478000),"10 km")
spplot(pred["var1.pred"],sp.layout=list(seta, escala, text1, text2), col.regions=bpy.colors(20), key.space=list(x=0.1,y=.95, corner=c(0,1)), main="Krigagem ordinária - Cobre", xlab="UTM-E (m)",ylab="UTM-N(m)", xlim=c(512296,562200), ylim=c(4476900,4539000))
escala=list("SpatialPolygonRescale",layout.scale.bar(height=0.05, offset=c(512600,4478000), scale=10000, fill=c("transparent","black"))
text1<-list("sp.text",c(512500,4478000),"0")
text2<-list("sp.text",c(528000,4478000),"10 km")
spplot(pred["var1.pred"],sp.layout=list(seta, escala, text1, text2), col.regions=bpy.colors(20), key.space=list(x=0.1,y=.95, corner=c(0,1)), main="Krigagem ordinária - Cobre", xlab="UTM-E (m)",ylab="UTM-N(m)", xlim=c(512296,562200), ylim=c(4476900,4539000))
As
simulações mostram que, localmente, os teores das amostras estão disseminados
em toda a área de estudo, alcançando, pontualmente, até 5 ppm.
código:
s.grid<-GridTopology(c(-512296.7,4476906),c(100,100),c(1000,1000))
s.grid<-SpatialPoints(s.grid)
gridded(s.grid)<-TRUE
path="C:/Users/pablo/Documents/Geoestatística/P3/"
p3=read.table(header=TRUE,paste(path,"DadosP3.txt",sep=""))
m = vgm(0.09079971,"Gau",21609.57,0.001)
xx<-krige(log(Cu)~1,~easting+northing,
model=m,data=p3,newd=s.grid)
X11()
spplot(xx[,1], xlab="UTM-E (m)",
ylab="UTM-N(m)", main="Valores interpolados - krigagem
ordinária")
X11()
xx<-krige(log(Cu)~1,~LAT+LON,
model=m,data=p3,newd=s.grid,nsim=5,nmax=4)
spplot(xx["sim1"], xlab="UTM-E (m)", ylab="UTM-N(m)”, main="Simulação 1")
X11()
spplot(xx["sim2"], xlab="UTM-E
(m)", ylab="UTM-N(m)", main="Simulação 2")
X11()
spplot(xx["sim3"], xlab="UTM-E
(m)", ylab="UTM-N(m)", main="Simulação 3")
X11()
spplot(xx["sim4"], xlab="UTM-E
(m)", ylab="UTM-N(m)", main="Simulação 4")
X11()
spplot(xx["sim5"], xlab="UTM-E
(m)", ylab="UTM-N(m)”, main="Simulação 5")
CONCLUSÃO
Com
os dados fornecidos, foi possível realizar um estudo estatístico conclusivo em
relação aos dados de Cobre da região analisada. Das 75 amostras coletadas, é
alta a concentração de teores entre 10 e 15 ppm, conforme o histograma e a
distribuição acumulada.
O
mapa base de teores mostra que não há direção preferencial de mineralização na
área ou concentração de teores, embora tenhamos altos teores a nordeste e
sudoeste; o variograma ajustado pelo método Gaussiano mostra correlação
aceitável em amostras que distam até pouco mais de 15 km.
O
resultado da krigagem mostra uma tendência de teores entre 2,5 e 3,5 em um
trend NW-SE (trend da amostragem em uma região mineralizada), além de pontos de
concentrações maiores a NE. Uma extensão da prospecção nesta direção poderia confirmar uma possível área de mais alto teor, devido aos
outliers (exibidos nos mapas base confeccionados), ou delimitar o corpo em
estudo.
REFERÊNCIAS
BRAGA,
L.P.V. Introdução à Geoestatística: com programas em R. E-papers. 1.ª edição.
Rio de Janeiro, 2014, 133 p. ISBN 978-85-7650-460-3 (recurso eletrônico).
FARACO,
M.T.L. Relatório de viagem ao SW americano: para visita às minas de ouro tipo
Carlin e de Cu-pórfiro. CPRM – Serviço Geológico do Brasil, 1999. 41 p.
Disponivel
em http://rigeo.cprm.gov.br/jspui/handle/doc/17929
https://educacao.uol.com.br/disciplinas/geografia/minerais-metalicos-ocorrencia-e-exploracao-no-brasil.htm
https://pt.wikipedia.org/wiki/Cobre
Acessos
em 07 de dezembro de 2018.































