terça-feira, 25 de dezembro de 2018


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.



https://pt.wikipedia.org/wiki/Cobre


        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.


Mapa geológico da região de Nevada. Domínio público.








        
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.

Distribuição espacial das amostras e seus IDs a partir do Google Earth



DESENVOLVIMENTO

       A partir dos dados fornecidos, serão realizadas análises e interpretações estatísticas considerando a distribuição espacial das amostras, confecção de histogramas de densidade, boxplots, gráficos de distribuição acumulada empírica, variograma experimental omnidirecional e ajustado, mapa de concentração utilizando o método de krigagem ordinária e um total de 05 mapas de simulação gaussiana.

         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
  

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)

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))



 9) Mapa de simulação sequencial gaussiana no total de 5 
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.