EWRRODUCRO A uoestaristzca JOSE LEONARDO SILVA ANDRIOTTT® agsTRact Geoestatistics as a tool to evaluate ore bodies appeared in tho Firties with Daniel Krige. Georges Matheron, from the Sixties to now is the most important researcher in this matter. His book Praitée de Géostatistique Appliquée introduces the torn Geostatictics and tne concept of variogram, Since the Sevent ics Geostatistics has been used routinely in several countries, like South africs, australia, Canada and USA. ‘This paper presents the adic concepts of Linear Geostatistics, which is'the first part to study to make a good use of It ‘This Is an introductory paper, and must Be complemented by the biliograpay ingicated in the last chapter, wrRoDUcho A Geoestatistica como ferramenta para avaliagtc de jazidas_minerais deve seu aparecinento a Daniel xrige, que a partir do infoio da” década fo 50 passou a publicar os prineires resultados dos estudos que desen= volveu'em mings de oure do Rand, na Africa do sul Seu grande desenvolvimento téérico coube, entratanto, a0 Erancés Georges Matheron, que, através do Traité de Géostatiatique Applique, intreduziu 0 terito Gesestat istics ea nogao de variograna. A Geoestatfstica trata az varisveis como reginalizadas, dando a de~ vida importancia ag relagoes eapaciais existentes entre az amostras. & Partir das quais efetuavos as avallacoes; adicionalmente a Geoestatis~ Bica quantifica os erres conatides nae avaliagons A partir da década de 70 2 Gecestatistice conegou a ser utilizada ew varios jazisentos de varios paises, ao mesma tempo en que @ evolugao de seus conceitos continuava. Atualnente ela ten weilisaga. fotine:ra, em Brojetes de pesquisa c avaliagao de jazidas minerais em paises cone Friea do Sul, Australia, Canada ¢ Estados Unidos, entre outros. 0 presente documento’ apresenta, de forma’ inerosutdria, os conceitos basicos de Geoestatistica Linear, tendo sido preparado como intaite ae servir de fonte de infornagae acs nso iniciados na materia, Nao faz parte deste docurento a apresentagao dos” conceltos concer- nentes & Gooestatistica Nao Linear, Seoostatiatica Mio Eataciondela © Trabalho act poro publicacao am marzo de 1989. * COMPANHIA DE PESQUISA DE RECURSOS MINERAIS— Porto Alegre - RS |Acte Geologie Leopoldensie NO27 Vol. x1 1908 p78]Simlagso. Gualquer estudo de Geoestatfatica deveria ser iniciado pela conproen- sto dos conceitos do Goosstatistica Linear, objeto do presente documen= fo, devendo ficar o estudo dos conceitos relatives as outras acima ei- tadas para ser feito apds a comproonsao desta parte inicial. En Se revestindo o presante documento de un cardter introdutério, conforne dito acina, a sua menipulagao nao prescinde, en hipstese aigu~ ma, da consulta A bibliografia hdsica oxistente sobre 0 assunte, parte @a'qual esta listaca no iten referdneias bibliogrsficas 1 ~ VARIAVEIS: REGIONALITZADAS A Geosstatistica pode ser considerada cono uma aplicagio prética aa Teoria das Varidveis Regionalizadas. Segundo Georges Matheron "a Gaoes- tatistica ¢ 2 aplicagto do formalisso das Fung3es Aleatérias ao reco- nhecimento © & estimagac dos renémenos naturais” © terme Varisvel Regionalizada foi escolhide por Matheron visando a~ lertar para os dois aspactos (contraditérios apenas aparentononte, coro se verd em seguida) aleatério @ estruturado dos fandmenos sobre os quais se ocupa. # aleatdrio no sentido de que os valores das medigoas que fa zemos podem variar consideravelmente entre si, ¢ sua caracterfstica re- Gionalizada, estruturada segundo uma certa lei no espago, é evidente se considerarnos que os valores das amostras com que traalhanos no si0 completamente inéependentes da sua localizagaa geagréfica. Assim, pr- ximo a um valor elevado ¢ mais provével que encontrenos outro valor © evade do que un muito baixo; segundo a Tooria de Probabilidades, os valores destas duas amostras prékinas estao correlacionades, ‘Tendo em vista © antos exposto nfo podenos ostudar of nosscs valores nundeicos como independentes entre si, ov seja, A luz apenas dos métodos estat ls ticos classicos. Assim, regionalizagao é 0 cardter estruturado dos fendmenos, 9 & Linguagon que permite traté-los como tal é a das Fungdes Aleatérias. Em através das Fungees Aleatérias estudanos as varidveis outras palavra Regicnalizadas. ‘como exemplos de Varidveis Regionalizadas pode-se citar 0 teor do um elemento, @ precipitagao anual de chuva, 2 altura piezonétrica de um aguffero, a espessura de una camaéa de rochas ¢ a doneidade populacio~ pal (donografia). Quase todas as varidvels quantitativae com que trabs~ Inanos nas Ci@neias da Terra poden ser consideradas como VRS7 1.1 = Nogao de VR, FA © Hipéteses Restritivas Define-se cono sendo uma varidvel Aleatéria (VA) a que pode assuniy uma certa guantidade de valores segundo uma determinada lei de probabi- Lidade, ou, em cutras palavras, uma VA é una familia de valores poses~ veis, @ cada qual esta associada ums probabilidade. ‘Un exenplo de VA pode ser a tiragem de un dado, que pode ascunir seis valores, cada um com uma probabilidade de ocorréncia igual a 1/6. Una face qualquer do dado que resulte de una jogada isoleda co chama de rea~ Ligagdo da Varidvel Aleatéria "tiragen do dado". Da mesma forma, 0 teor de um determinage elemento em um certo ponto (amostra) 6 una realizagie da VA "teor do elemento". Puncio Aleatéria (FA) é una VA a una ingini- Gade de componentes, isto é, 0 conjunto infinite das VA conatitui o que se chana de Fa, En ternos da notagso comumonte utilizada om Geosstatfeticn se diz que o teor = (x;) é uma realizagto de una VA 2 (x,) implantada no ponto Xj» © © conjunto das VA forme a PA, notada por % (x) (ver Figura 1.1). x, vetor h pe 2 [4,) + realizagoes t Be ee eee 2x) a Jey) + varidvels aleatdrias Pode-se considerar, sempre, ums realizagdo 2 (xi) de oma FA 2 (x) ‘cone una VR €, reciprocanente, se considerar una VR coro una realizagao ae uma deterninada Pa; 6 esta interpretagao que possibilita » aplicagio da teoria probabilfetica das PA as VR. Visando utilizar, neste tipo do estado, inforéncias estatisticas, faz se necessdria 2 introdugao de algunas hipsteses euplenentares sobre as FA em estudo. Tais hipéteses s30 apresentadas em alguns livros-texto ob © nowe de hipsteses restritivas, e vieam a uma redugio dos parine- tros dos quais depende a sua lei; assim fica claro, desde j4, 0 objeti- vo da hipstess ostacionsria.2 + HIPGTESES RESTRITIVAS Define-se como Bstacionsria a FA cujs lei de distribuicdo de proba~ bilidades 4 invariante por teanslagdo, ou seJa, FA 2X), 2OXIe a+r 2ix,) apresenta @ mesma lei de distribui¢do de probabilidades gue 2(x, tm), 200, +m), vey 26%, + MD, Sendo hum vetor qualquer. Keto im plica que, para os fendmenos em estudo, os fatores influenciadores te~ ham agido de forma similar em toda 2 drea om estudo (ou no sub-dominio. tratado, se for © caso deseter dividido 2 drea em sub-dominios); signi- fica também que a VR que estanos astudando seja homogénea ecb o ponte de vista estatistico, ou que as correlacdes verificadas se nantenham no conjunto em estudo para mesnas disténcias, considerada, sempre, a esca~ la de trabalho, Pola construgao dos variogramas experimentais 6 que se pode detectar 4 validade desta hipstese no nosso conjunto de valores nunéricos. A aceitago da hipétese estacionéria nos leva a admitir quem (x, +h) = (xi), Sendo m (x4) = B [2(x,}] @ Esperanca matemstica no ponte Xgr ou soja, mé uma constante independente de x,, © se pode escrover simplesmente que m= B[2(x)]. Pode-se, assim, substituir sempre 2(x) por 2(x) ~ my ou soja, se pode super que m tenha o valor zero. B igualdade (20%), BO). seer BOG) = (BGK MD, BO HHT, ++ 2(%, 4 hI} 6 conhocida pelo nome de Estacionariedade Estrita. Ainda considerando a varidvel estudada como estacionéria se pode as~ sumir como valida a seguinte relagso para as covariancias (C): C (xy tar hh = © Gs BD para qualquer vetor a, Cono conseqiléncia imediata C (xg h) no depen derd de x, © se poderd assumir que C(h) = B[Z(x). 2x + hd) Para o caso particular om que h = 0 ter-se-€ Clo) = BIZ(x)]*, ou se- Ja, trata-se da variancia de VA 2(x}; uma FA B(x) 66 admitiré covari&n~ cia se tiver uma varidncia Clo) finita. Se nao se tiver todos of momentos invarlantes por translag¥o (Bsta~ cionariedade Bstrita] exige-se a invariabilidads apenas dos dois pri- meiros momentos (méaia ¢ covaridncia) para se assunir a hipétese de es~ tacionariedade de segunda ordem, © que é considerado un enfraquecimento a primeira hipétese. Una FA fix) € estaciondria de segunda orden se a VA 2(x,) admitir u-° mma Esperanga Condiclonal m que seja independente de x, © que a cova- ridncia C(h) exista, no dependendo tanbém de x,, ov Seja, sasume-se a existéncia de ¢ (0) (varlancia a priori finita). Bn termes matendticos a estecionariedade de segunda orden pode ser expressa por: a) B (200) = my ox b) crn) = B (20x + md. 200) - w, ox fe) Var (81x!) = E ([204) - a*]} = clot, vx Neste caso, Cfo) = c(h) = $B ([20e +h) - 26014), We (existéncia de variograwa, que sera tratado adiante) com rospoito a varianeia a priori finita, acima citada, cabe um bre- ve comentdrio, Hd casos, a0 se estudar fendmenos naturais, que apresen- tam uma capacidade do dispersao ilinitada, e estes fendmenos nto pode riam ser bem estudados se se lhes atribufsse uma varianeia a priori fi- Na Afvica do Sul, estudos desenvolvidos sobre amostras de ouro do Rand denonstraram que a cua variancia em painéis aumentava com 0 au- mento destes painéis, até se considerar 0 jazimento intelro, e tal cres~ cimento sequia uma lei logaritmics que podia ser oxpressa pola férmula de de Wijs: 07(v/¥) * a log(V/v) em que v representa o volume das amos~ tras, Va dimensae do campo no qual se fazem as medidas © o*(v/¥) a va~ rigncla das amostras de volume v no campo V. Quando tal corre se substitui a hiptese estaciondria de segunda orden por outra ainda mais fraca chanada hipStese intrfnseca; nesta, os acréscimos dos valores © ngo obrigatoriamente os préprics valores é que tém variéneia finita, ou seja, sao os acréscimos da VR que obedecen 3 estacionariedade de segunda ordem, A hipétese intrinseca é verificada, entao, se, para todo © vetor bh © acréscino [ix +h) - 4{x)] admitix esperanga matondtica © varianeia Lndependentes do ponte de apoio x, mas dependentes deh. So, ento, verificadas as seguintes relacoe: a) B [2x +h) = 260] = ata) by DYCI2x +h) = Z4x0]*} = 2 yh) A fungso m(h) 6 chamada de deriva Linear, © a fungo y(h) é definida como sendo o seni-variograma ou funcdo intrinseca. Una PA que verifique a nipstese intrinseca constitui o que a bibliogratia trata cono esquena0 intrinsece. Un esquena inteinseco € caracterizado pele respective semi~ variogeans. fons: @ funcdo 2 y(h), definida en b, & chamada de variograna Se una PA verificar a estacionariedade de segunda orden ela verifi- card tanbén, autonaticarente, a hipdtese intrfnseca; 0 inverso nao 6 vélido, pois os somi-variogranas de FA estacionérice de segunda ordem sto sempre Linitados (sto os esquenas de transi¢ao, como os de Natheron 04 Eaférico, de Gauss e de Formery), a0 passo que hé seni - variogranas de FA que se enquadran no esquena intrinseco que nao 20 1imitados, nko verificando, pois, a hipstese de estacionariedade de segunda orden e9- te € 0 caso dos esquenas do De Wi38 @ Linear. A-existéncia do semi-variograna representa una hipétese mais fraca que a da existéncia da covariéncia, havendo fenénenos sen variancia sem covariéncia que téa, entretanto, semi-variograna. Para que una FA veritique a hipétese estactonéria ou intrinseca 6 necessirio que, além de o seni-varioarana atender certas propriedades, que serto explicadas adiante, ele seja uma funggo do tipo positive con~ Gicional (ou nBo negativo condicional!, ou seja, que garanta que os va~ lores obtides para as varidncias de extens4o 2 de estinacéo sejan ne cessarianente ndo negatives, © que nao ocorreria se se aceitasse como semi-variograna uma fungao qualquer que no respeitasse estas condigbes. Considerando (x) una FA estacionéria de esperanca matendtica w, co varidncia C{h) © semi-variograna yh}, e sendo ¥ =f, 4; 208;}, onde Ay 'sa0 05 ponderadores, esta combinacao linear é uma FA‘e 3 sua variancia do pode ser negativa (Var(¥) > 0). Tex-se VAR (Y) = FGA, Ay C Uy x4) > 0, ou, se ,B, 4, = 0, eliminando-se Clo} © se obtén VAR (1) = SHAG AG Voy yh ‘vendo fe eendo vélida a re~ en varisveis aleatérias Xj, Xp. . 3 ay Ag CO. abr Mi 4g Cae Hy? tagao t= 4B, 4B, Ay Hy, ae em que vant) = G2) kn Geoestatistica Linear trabalhanos con 0s dois primeiros monentos de una FA 2(x), ou sela, 2 FA Z,(x) © 2,(x) que tiverem os mesmos mo- entos de primeira e segunda orden nao poderao ser diferenciadas entre si © constituirao um Gnico modelo.uv 2.1 ~ Momentos 2.1.1 = Momento de orden 1 Se 4 lei de distribviggo de una VA (x) admitir uma Esperanga Mate- matica ela sera = (2(x)) = m(x); quando m(x) depender de x serd chanada ae deriva, B (2(x)} um valor que depende de todos os valores com que se tra~ balha © de suas respectivas prababilidades, © vem cono peopriedades prin~ cipsis: a) B (a. X) = a.8 (%), 9 = constante © X uma VA b) BX + ¥) = BIX) + B(¥), Xe ¥ Gongo vas ch B (XY) = BON.B(Y), X © ¥ sendo vas 4) x, minimo ¢ B(x) ¢ X, maximo e} OX) © xj. By + Xj. By t -ese f Eqs Pye © GUE Guer dizer que BIX) vale a soma dos produtos dos valores gue se tem (%), Xpy-+-+y ¥q) plas suas respectivas probabilidades de ocorréncia (py, byr ee aa + By) 2.1.2 ~ Momentos de orden 2 0s momentos de orden 2 280 em nlinero de trés: a) Varigincia (chamada 9 priori para ser diferanciada Gas variancias Aispersio e de estinagio). Eo momento de orden 2 centrado ao redor esperanca matenstics mix); quando existe vale Var (2(x)) = B (2x) =m [x)]*} Propriedades da variancia: a) Var (4.20 = a, Var(x), a = constante © X sendo ume VA b) Var (X) = B(x*) - (E(81}*, x sendo uma VA e) var (Z) = var (x) + var (2) +2 CIM, Y), sendo X, Ye 2 vase 2 = @) var (x + a) = var (X), X sendo una VA © @ uma constante e) Var (X + ¥) = Var (X) + Var (YI, Xo ¥ vas b) Covariancs contiderando-se duas implantagoes x; © x, 0 que as Yas 2(x,) © Zixp) tonham varianeiae, oles tora uma covariBncia detini~ aa pela formula Chey, 2 CEeGx) — mb IT (26%) ~ mee)2 Propricdades da covariancia: a) Clo) = Ver [2(x)] 20, 04 seja, quando h= 0 a covariancia se transforma na varsancia b) é simétrica: Cihl = Ci-h) ©) Verificagio da desigualdade de Schwartz: |Cih)| ¢ clo) Na pratica a correlagao desaparece quando h + ©, ou seja, cin) + 0 sen>, ©) Variograma é a funcdo 2y(xj, xj! = Var (2(x,) - Blx,)}. Suas pro~ priedades serao tratadas mais detalnadamente adiance 2.2 - corretogeana A relagéo y(h) = } E {[Z(x +h) - 2(x)]*) = Clo) - c(h), apresentade cqwendo se teceu conentérios sobre a estacionariedade de segunda ordes bostea que, sob aquela condigio a covaridneia e 0 variogram 480 eguie Nalentes quando se trata da sutocorrelagdo d¢ una Pungto Aleatéria, De- fine-se correlograma (p(h)) como sendo pth) = G&L = 1 — EM. este caso, po) = 1, 20 caso en que o(h) =e) para quelquer R40 correnponde i independéncia eapacial. se co ten Guae Fongdes ALestérias Sytad © ace) © correlograna € expresso pelt £6emila cath) EB (2y(x) = 2yte)) Prat) “ZeTeh tag) * VELE GPT ETT 2 Tel tao) (GPT Ez, 1e 190) ser menor ou igual aun, © 2 independ@ncia espacial daré cone easultado ,)(h) = 0 para qualquer n+ 0 3 = METODOS DE AVALIAGRO DE RECURSOS Os nétodos de avaliagse de recursos poder ser subdivididos em Con vencionals, Estatfsticos e Geoestatfsticos. 0s prineiros levan em conte ‘9 localizagso espacial dae anostras utilizadas ro célcule ¢ langam mao do conceite de drea ou volune de influéncia, mas néo permiten se avalic (0 erro cometido na avaliagéo nem coneideram a variabilidade dos corpos mineralizados sob estudo. Exigem, de un modo geral, grande conhecinento do corpe que se quer avaliar.13 Os métodos estatieticos nfo sofrem influéncia da localizacio espa~ cial das amostras, considerando-as cone indapendentes espacialnente, mas levan em conte a variabilidade do conjunto de dados. 0 erro coneti- do pode ser avaliago. 0s métodos geoestatisticos Levam em conta @ correlacio espacial en- tre as amostras, a aleatoriedade do corpo mineralizado en esto e per item avaliar © erro conetido na avaliagéo. Por seren os mais larganente difundidos, tecerenos algune coment é~ ios sobre os principais métedos de avaliagao de recursos ditos conven chonais, © método de isolinhas fornece uma boa visualizacao das proprieaades nedidas © apresenta bons resultados quando se trabalna com malhas regu- ares © principalmente em depésitos regulares, com valores de atribatos Gecrescendo do centro para a periferis, Cono deavantagens pode-ee citar 2 necessidade de uma densidade de dados adequada, pois se a malha for irregular ou muito espagada corre-se @ risco ge coneter erros grossei- ros. Do mesmo modo, ndo deve ser aplicado a corpos de pequeno tananho, ou irregulares (fil6es, por exenplo) © © surginento de poucos dador no- vos altera o napa existente as vezes de forma muito acentuada. 0s métodos de polfgonos (ou prismas poligonais) também fornecen bone resultados para depésitos regulares, con malha de infornacao regular, fornecendo aus resultados pars corpos peguencs © de alta variabilida- de, Nenhuma consideracao de orden gesldgica é feita no momento de esta- belecer as dimensoes © formas dos polfgonos. Nenhuna informacéo sobre a Forma do corpo é obtida, sendo um trabalho penoso identificar zonas de maior espessura de canada ot de maior teor médio em areas com pol{gonos Ge tamanhos muito afspares. Da mesma forma, um polfgono muito grande en relagae aos denais 2 que tenha um valor modido muito elevado ou muito baixo causa sensivel influéncia na avallagao global. Este método des considera as informacdes situadas no exterior de cada poligon, 0 métede de triangulos também nao leva en conta a geologia do depé- site ostudado, fornace resultados satiefatérios de um odo geval, para corpos grandes © reconhecidos através de malhas regulares, tendo como desvantagons principais © fate de que um determinado ponto de ancstra~ gen pode participar de vérios triangules se estiver situado no interior do corpo mas participard de no miximo dois triagulos se for informacao periférica, ben cono, quando of atributos apresentam uma variagzo brus~ ca eles terdo um peso nso proporcional.Este método nao deve ser usado para corpos mineralizados en que os valores decrescem do centro para as bordas; no reflete a forma do de~ pésito ea presenga de valores muito altos ou baixos resultam em ten- Séncias acentuadas Oz nétodos do inverse da distancia @ do inverse do quadeado aa eis kancia utilizam nfo 6 infornagses interiores como também exteriores aos blocos que se quer avaliar. Entre as desvantagens esté a de seven métodos puranente matendticos, que ngo levam em conta a geologia, as a~ nisotropiae © 9 variabilidade do atributo om estude, Tamaém nso Levan em conta s forma nem 0 tamanho do bloco que se esté avalianto (blocos ge formas ¢ tamanhos diferantes poder dar mesmos valores se considerar~ mos um certo niinero de anostras en posicoes fixas). Se nouver furos muito prdximos entre si, dando redundancia de informagses, formando mes no um cluster, 4 sul do bloco, por exemple, © apenas um furo a norte do. bloca (nas todes a igual disténcia do centre do blocs a avaliar|, todos 08 furos terso iguais ponderadores; isto pode ser minimizado fazendo~se fe pesquisa da informagdo a ser utilizada na avaliagio através de qua- Grantee, octantes, etc. Um outro probioma que surge & 0 de se avaliar tum bloco que tenha uma amostra central, pois sendo sua distancia ao centeo do bloc igual a zero $00) ponderador serd infinito, cu seja, a principal vantagem do métogo née pode ser usada para a informacdo mais bem eituada a nao ser através do uso de artificios, coro, por exemple, desiocar, para efeito de cdlcule, a amostra de sua real locagto (en ge- ral s¢ a afasta una quarta parte da disonsdo do bleco). 4 ~ ESTATESTICA EXPERIMENTAL Antes meane de iniciar o estudo geoostatietico praprianente dite das varidveis com que estanos trabalhando, através da execagao dos vario~ granas experimentais, € de fundamental importancia que se faga, com os Gados disponfveis, um estudo estatfetico elenentar. Este estudo permi- tird classificar a distribuigae com que estanos teabalhando © testar se as condigoes exigidas para aplicar 0 formaliana préprio da Geoestacisti ca estdo satisfeitas. Una vez que a geologia tanha distinguide unidades diferentes deve-se troté-las separadanente desde © infcio dos testes estatisticos. Se, por outro lado, tai popalagdes distintas nao tiveren sido separadas ante- ricrmente © co-existizen ambas no nosso grupe de dados, elas serio1s dentificadas, certamente, no decorrer da execugie do tratanento estatis tico. Iniciacse este tratamento estatfstico pelos cfleulos da média © da variancia da varidvel com que estanos trabalhando em cada um dos sub-do minios em que tivernos dividido a rea de trabalho. A relagso entre os valores obtides para a média ¢ pare o desvic padrao (igual & raiz qua~ Grada da variancia dos dados) poderd 1ancar a suspeita sobre a existan= cia de efeito proporcional, ou seja, de ua relagzo (em geral crescen- te) entre a média e © dosvio padrac. © estudo estatistico continua pela execugdo dos histogranas das va ridvels estudadas em cada um dos sub-dominios da grea, Os histosranas mostram claranente, se for 0 caso, a presenga de valores excessivamente baixos ou elevados © permiton verificar, também, a homogeneidade dos da dos. A presenca de histogramas bimodais poder: de dois tipos de mineralizacao, ou de um mesmo tipo de mineralizagio on uae unidades diferentes, etc. A partir dos histogranas j4 se pode ter luna idéia do tipo de distribvigae com que estamos trabalhando, ce nor~ ‘mal ou lognormal, por exemplo, que sdo os dois tipos adotados na quase totalidade dos casos. # indispensavel, entretanto, antes de considorsr- tos una distribuicdo como normal ou lognormal, certiticarmo-nos sobre isto através da aplicagio de testes especificos (Kolmogorov - Smirnov ou Qui-Quadrado, por exemplo] que nos dire se a classiticagzo que nds pretendenos adotar para a nossa distribuigao estd ou née correta a um certo grau de confiabilidade. Wistogramas multinodais revelam, de um me ao geral, a heterogeneidade da minoralizagao, através da existéncia de varies tipos de minério presentes no corpo en estudo ou da intlugneia de franjas mineralizadas pobros noe limites do mesma. As chamadas nuvens de correlago podem, também, nos dar algunas in- Aicagées importantes. Poden nos dar una boa idéia de como ae dispsen nossos dados en relacao 4 duas varidveis que querenos estudar. No caso da figura 4.1, om que no cixo ¥ estado plotades teores de u- Fénio © no eixo X 08 valores medidos de radioatividade, a nuvem de cor relagio permite deduzir uma relacdo entre os valores de radioatividade e teor, que poderia, por exemplo, ser traduzida por uma férmula 4o tipo radioatividade > teor + constante, ou significar @ existéncia Fp a.t +b, em que r = radicatividade,t © teor @ a6 b S80 valores constantes.6 Deve-se calcular, tambén, os coeficientes de correlagzo entre as va- ridveis, 0 conhecimento da existéncia de correlagtes fortes entre dife- rentes varidveis pode ser de grande inporténcia para orientar, por e- xemplo, planejamento de uma nova campanha de amostragen. Es Geoesta tistica é usual estudar-se também os variogramas cruzados, que caracte- finan a correlagso espacial cruzada entre os crescimentos das varidveis objeto de nosso estudo. 5 = VARTOGRAMAS 5.1 ~ Detinigao © variograma ¢ una fungso Intrinseca que reflete a estrutura do fend meno estudado, medindo as relagées estatisticas - pelas covariancias - que existem ontre as anostras espagadas de sucessivos valores deh. & luna Fungdo crescente com h até um determinado valor deh, valor este conhecide como amplitude. Para uma direcdo determinads © variograma indica quéo @fspares se tornan os valores quando a distancia do sedida aunenta, © variograma ¢, em ternos mateméticos, a esperanga matendtica do qua Arado doe acréecinos da varidvel regionalizada em estudo em una determi nada diregio definida pelo vetor K, ou, em outras palavras, o valor m dio do quadrado dae diferongas entre todos os pares de pontos presentes na rea estudada, tonados a uma distancia h uns dos outros. A fungdo intrinseca varsograna ngo depends dos pontos de apoio, mas 0 espagamento entre estes pontos. A fSrmula do semi-variograna é a seguinte: Ny [Gg +n) = 20g 1 yim 2 gE 2H, i=1 endo %;, © tinero de pares de valores separades entre si por una magni~ tude Ih] na divegao deste vetor ‘anbém pode-se escrever que yen) = $B LGGuy +m) = BOxgi dt = b var (2bey + a) - 20K) ou seja, 0 variograma (2y(h)) é definide como sendo a varianeia dos a~ eréscinos da varidvel.” Anota-se 0 semi-variograna por y(h) © 0 variograms por 2y(h). Na bi- bliogratia sobre 0 assunto pode-se ver, muitas vezes, 0 uso da palavra variograma mesmo quando 0 autor se refere a yin). A forma usual de plotagen de semi-variogranas € a representada na fi gura 5.1, colocando~se os valores de y(n) no elxo das ordenadae © of va lores de h no eixo das abcissas, fazendo as duas origens iguais a zero coincidirem © grafico yin) x h apresenta con feigdes principais: a) para h= 0 se tem y(n) = 0, pois B(x, +h) = 20x) b) en geral yin) cresce com h até um certo valor: em determinados no delos tedricos este crescimonto cossa apée un determinada valor deh, em outros nao. 5.2 ~ Propriedades a) vio} = 0, pois para h= 0 se tem yio) = $F (2(x,) ~ 2(x,)1? b) In) = y(-h) > 0, 0 semi-variograma é simétrico c} Ih) cresce menos rapidamente que h?: hee HP bm semi-variograma que tenha, a grandes distAncias, un crescinento mais acentuado que 0 crescinento de |h/‘ é incompativel con a hipétese intefnseca. Bn tal situagdo ele apresentaré uma esperanca matendtice nao estaciondria, ou seja, B (2(x)) = mix) depended de x\ponto de im- plantago}; este tipo de conportanento indica a presengs de deriva. €) para FA estaciondrias é vélida a relagso yen) = efo) ~ e¢ny Esta relagSo entre semi-variograma @ covariancia, quando ambos exis~ tem, pode ser expressa pela figura 5.2 e) a teoria mostra que o valor de y(h) que limita © crescimento do semi-varlograma em fungdo de k, quando o variograma é limitado, & igual & varianeia a priori da populagto estudada (07); a ressalva sobre a li- mitacao do variograma é valida, pois que hé, também, variogranas nao 1i mitados; exenplos de ambos podem ser vistos na figura 5.3. Sendo o variograma limitado, pade-se estudar a UR como sendo uma FA estaciondria de segunda orden, Os variogramas, om comparagio com as co- varianeias, permiten trabalhar com a hipétese intringeca, que 6 nanos6 restritiva que a hipstese de estacionariedade de segunda orden. £) 0 semi-variograma ten sempre valor positive, podende o semi-varic grara cruzado assumir valores negatives. Um valor negative no variogra~ ma cruzado indica que a0 crescimento positive de ums varisvel correspon de em média o decréscire da outra © variograna crusade pede ser definido pele férmala Dyjgth) = B (Izybe +h) = ba, Ce +) - 2,001) e 6 utilizado para estinar, por exemple, teores esconhecidos de Au a partir de teores de Au © Ag de pontos da vizinhanga ou mesmo para esti- mar o teor de um mesro elemento por dois métodes diferentes de anostra- gen. Segundo a hipdtese de extacionariedade de segunda orden a existan- cia de covariancias cruzadas tem cono conseqiiéncia a existncia de va~ riogranas cruzados, obedecendo & seguinte relagao: 2y,pIM) = 20yp(0) ~ Chath) ~ Cy, Cn) note-se que ¥,9(h) = ¥9)(h) © Yyg(h) = y,9(-hl, © que Cypth) = Cp )(-h) mas que Cyp(-h) ¢ ¢,,(h) 5.3 ~ Comportamento na vizinhanga da origem Reveste-se de grande inporténcia o estude do conportamento dos va~ Eiogramas para paquenos valores den, ov sea, na vizinhanga da oxigen, pois existe una forte relacdo entre o conportamento do varicarama pré- xino A origen 0 a continuidade o roguieridade espacial da FA (x) @, logo, da varivel regionalizads por ele representada. Sho distinglifveis quatro tipes do variogramas segundo © seu compor- tanento préximo & origem; estes tipos S40, por ordem decrescente de re~ gularidade, of saguiates: a) comportamanto garabélice yin) ~ AJh|* quando m+ 0 yon) sendo duas vezes derivével @ a FA uma ver derivével caracteriza se uma grande regularidade espacial da varidvel em estudo. A espessura de uma canada sedinentar é um exenplo deste tipo. b) comportanonte Linear yih) = A[h] quando b+ 0 Neste tipo de comportanento do variograra préxino & origem a varid~ vel € menos regular espacialnente que no caso anterior, Como exenplos podem ser citados depdsitos sedimentares de Pb @ Zn @ espessuras de ca~ madas de carvao.©} doscontinuidade na origen Mesno que se tenha, por definigao, ylo) = 0 sempre, neste caso y{hl nfo tende ® zero quando h ce aproxina do zor. Isto significa que a variavel en estudo apresenta marcada irreqularidade a curtos espagamen toe, sendo a irregularidade tae mais acentuada quanto mais afastado es~ tiver 0 yin) no ponto em que h for zero, A descontinuidade do variograna quando h ~ 0 é chanado efeito pepita © tem este nome por ter sido pela primeira vez observado en depdsitos ayeiferos da Africa do Sul, onde foi acsociada a cua existéncia com a presenga de pepitas no minério. 0 terno efeito pepita deve ser aplica- Go, entectanto, sonpre que esta deccontinuidade & orisen do variograna se fizer presente, independente do tipo de varidvel que estejamos es~ tudanda © mesmo que causada por outros Eatores que aso a presengs de pe pitas. Ocorre geralmente quando estudanos teores netalfferos. @) efeito pepita puro Reflete a inexist@ncia de correlacao espacial entre as VAS E(x) © 21x +b), © € 0 caso limite do anterior, em que o variograma traduz a- penas @ descontinaidade & origom; reflete a auséncia total de estrotu- ragto no fendmeno estudado na escale de trabalho. tests caso ton-so yin) = Clo) pars qualquer b > 0. A ocorréncia de efeito pepita deve-se 2 diversos fatores, como verenos adiante A figuva 5.4 mostra os 4 tipos de comportamento A origen que poden ter os variogranas A mesma estrutura pode ser visualizada quando se executa os variogra mas correspondentes a una malha cerrada (por exemple, de 20 em 20 me~ tros) mas nao passar de um componente pepftico se a informagao aisgoni~ vel estiver disposta sobre una malhs de, digancs, 500 matros de lado. 1 observagio do efeito pepita estd intimamente associada, entlo, & esca In de trabalho. Entre og fatores que podem causar © aparecimente de un efelto pepita estae os erros de coleta de anostras, os erros de labora kério ¢ a eacala de trabalho, 0 caso de se ter a presenga de efeito pepita significa a auséncia completa de correlagic eapacial entre os pontos amostrades (considera~ aa, senpre, a malha de informagio!; neste caso, um valor alto ou us va~ lor baixo no mais representan a existéncia de ura zona rica ou pobre 0 redor. Nesta situagdo os resultados geoestatisticos serso os mesnos indicados pela Bstatistica Classica,» © efeite pepita tem sua importancia refletida sobre os pesos de Kri- gage © sobre a varidncia de estinaggo de Krigagen. 0 efeito pepita ob- servado experimentalnente apresenta como propriedade a proparcionalida~ de inversa en relacdo ao volume das amostras. A presenca do efeito pepita pode significar, simplemente, inefi- cigncia de informagoas no nosso conjunto de dades. 5.4 ~ Construgao do somi-variogranas oxperimentais Una vex conhecides of elementos geolégico-estruturais da Srea on os~ tudo e tendo a mesma sido dividida em zones honogéneas, hé que se cons truir os somi-variogranas experimentais, E oles podex ser construfdos segundo una linha, um plano ou mesmo en trés dimensses. cono vinos anteriornente se plota, sobre o eixo das ordenadas, © va~ lor de y(h) e nao de 2y(h}, loge se vai construir o semi-variograna em vor do variograma, mas cono 3é foi citado anteriormente, 0 uso destas duas palavras para significar @ mesma coisa generalizado na bibliosra fia. Wo presente documento tanbén sao anbas utilizadas. A construgso de semi-variograna serd feita aqui utilizando um exen plo de una mineralizagso de ferro, extraida do livro Practical Geosta~ tistics (Isobel Clark, 1979), por ser didético. Consideremos, inicialmente, que nosea drea de interesse para constru cdo do seni-variograna seja 2 representada na figura 5.5, ou seis, ume malha quadrada de 100 pés de lado, estando os valores e percentagen por peso em Fe plotados nos locais anostrados © semi-variograma experimental serg caiculsdo aa diregse leste-oes- Inicialmente, apse catabelecida s divegao, defininos 0 paso, ou se~ Ja, a distancia entre uma medida e outr sente, um passo {h) igual a 100 pés, depois 200 pés (2h), 300 pés (3n) Geve-se tomar, no caso pre- © assim sucessivanente, Calcula-se 0s quadrados das diferengas entre os valores das anosteas separadas pelo passo que defininos, ignorando a falta de anostra em um determinado ponto e 55 fazendo 0 célculo nes lo- cals om que nos dois axtrenos do passo se tiver valores determinados, depois se soma os quadrados das diferencas calculadas © se divide o re~ soltade por 2N, onde Nd o niinero de pares utilizados para se fazer a operagic, ou seja, € 0 niinero de fatores que estanos somando. 0 valor obtido sera o y(n) respective.2 considerando-se, para o nosso exemple, um passo igual a 100 pés, se tem a sequinte sitoacde gréfica (figura 5.6) 2 de valores: y100) = (40 - 42)? + (42 ~ 40)? + (40 ~ 39)? + (39 = 37)" + T= 26)" #143 ~ 42)? + (42 ~ 399? + G9 397+ 9-4 + LAT = AONE + (40 = 3a) + (37 = 37) + (a7 ~ 3718 + (37 ~ 359% + (25 ~ 28)? + Ge a (T= 3 # GG ~ 33)? + (33 ~ 340 + (55 — 38)? + (95 — 377 + 7-36)? + [36 = 36)* + (36 - 35)" + (36 - 3517 + (35 - 3604 + (G6 - 357 + 195 - aH + (34 = 33)? + (33 = 3207 # G32 - 2917 + (29 ~ 287 + (98 37? + GOT (29 = 30)? + (a0 = 32)") F [2 « 36) = 4460877, Obtenos, assim, © primeiro ponto a ser plotado no grético: seré 0 ponte correspondents 100 para o eixo das abeissas © 1,46 para a aixo aas ordenadas. Para a obtengie do segundo ponto se procede como indica a figura 5.7 © 08 edleulos absixa: yl200} = [(4a ~ 40)? + (40 ~ 40)? + (42 ~ 39)? + (40 - 3797 + (39 - 361 + 42 = 43)? # (43 = 39)? + 42 = 39)? -* 9-41? + 9-40)? + lat = 387 + 37 = 37) + G7 - 35)? + 37 - 38)8 + 35 a + Ge ant #7 - 37 + 37 ~ 34) + G8 ~ 351? + O35 - 360? + 137 - 36) + 136 - 35944 [36 = 367 + (35 - 3517 + G36 - 34)? + a5 - 3378 + (38 a2)" + 153 — 29% [32 = 2817 + (a8 - 3517 + (35 - 3007 + (30 = 2977 + (29 = 3204 12 x33) = 3,3018)7, Conforme se percebe, & medida que o passo aumenta (deve-se multipli- car h sempre por niineros inteiros) o valor de y(h) aumanta, ou seja, a varlancia correspondente aos valores separados por distancias maiores maior que a relativa aos valores tomades 2 distancias nenores. © procedimento seguinte seria calcular o valor de y[3h), depois y (4h) Wao recomendivel calcular~se © valor do semi-variograma para pas~ fos maiores do quo # quarts parte do campo total gohre 0 qual so traba~ aha, em casos excepcionais alguns autores julgan aceitdvel até metade 0 mesmo, Da nosma forma dove-so tor uma guantidade de dados que forme una populacdo com representatividade estat istics. Os pontos plotados no grdtico a uma distancia superior a um quarto da dineneao total do campo nao tén maior significado 2 ado deven causar naicres preocupacdes quan- do do ajuste do variograna a um nodelo tedrico. Deve-se calcular os semi-variogramas experimentais, quando possivel, para vériae diregdes. Em goral se o¢ calcula, no caso de se naver dados suficientes, pars quatro direcdes separadas entre si por angulos de 457sendo as dixegdos de cdlculo determinadas pele gcologia da érea em estu do. No caso de isotropia (os valores nao dependem aa diregao do vetor mas apenas do sea sddulo) se calevla tambén o semi-variograma nédio ou global, utitizande a metogologia uaval No caso de estarmos trabalhando con uma variavel que tenhe una dis~ tribuigso lognormal se utiliza os logaritmos des valores a varifvel om vez de seus valores brutes. 0 célcule do semi-variograna experimental pode ser esquematizade na figura 5.8. Para o caso de maihas irrogulares qualquer par de valores caja sepa ragdo for maior cu igual ao espacamento minimo entre observacbes deve Sor usado, © se utiliza, entgo, uma tolerancia linear, que é um valor caja foncdo é auentar as possibilidades de formago de pares de pon tos segundo una dirego, @ a tolerancia angular, que permite se forme pares também entre pontos que no extejan alinhados. Passa-se a agru- par as amostras nao mais aa forma posta no exemple anterior, mas em classes de distancia © de sbertura angular. As tolerancias nao deven ser muito clovadas para no causar distorgoes graves no semi-variograms odtige. A tolerdncia linear e a tolerdncia angular estéo esquenatizadas na figura 5.3. © semi-variograme experimental serd uma figura do tipo da apresenta- da na figura 5.10, 6 - MonELOS TEORICOS DE VARTOGRAMAS Antes de discutirmes os modelos tedricos conhecides de variogranas aber algunas consideragdes sobre certas nogdes que se deve ter sempre fen mente ao se trabalhar com Geoestatistica. § primeira dastas nogoes é 4 de zona de influéncia. Sendo 0 variograma una funcdo crescente do né- aulo do votor R, ten-se que & medida que este médulo aumenta a variacao média entre pares de amostras tende a aurentar, até uma distGncia a par tir 4a qual nao ocorre, Hata distancia recebe 9 none de aleance, ¢ é a distancia a partir da qual 4 variag#o média entre pares amostrados nfo Gepende mais da distancia entre os pontos, ¢ o limite entre os estados ae dependéncia © independéncia espacial entre as anostras; © estado de independ@ncia, ov auséncia de correlagzo espacial, & justanente o campo de dominio da Estatfstica Cléasica. 0 alcance seri no presente documen~a to anctado por a, a exempio da biblicgrafia especializads. Interessa- nos, portanto, em Geosstatfstica, sobretude a zona em que |h] ¢ a. A no do de aleance ¢ de extrena importincia no estudo dos variogranas: tuna outa nogao importante ¢ a ae anisotropia. Hf isctropia quando apenas o médulo de B nos interessa, @ hi anisotropia se também a varia~ a0 de diraggo de H nos ad variagoos nos parimetros dos variogramas. Ou seja, nd anisotropia se o jazimento en estuds mostrar diferentes estru- turagoes segundo as diversas airegses en que foi estudado. Suporte de a mostragem é 0 termo que se ust para designer o volume das anostras com gue trabalhanos. § importante ter sompro om mente que as Leis de corre lagde © dispersao que regen ae anostras de testeminhos de sondagen, de alguns quilos, nao sao iguais as que regen os painéis ao oxplotagso de milhées de toneladas cada un, Outra nogdo importantissina é a do patamar, que é 0 valor ae yh) correspondente sc aleance, © coincide com a variancia a priori do con= Junto de dados estudado. Partindo do conhecinento dos pardmatros biésicos que caracterizam um variograma (alcance, patanar, efeito pepita, comportanento & origen, passa) pode-se examinar os diferentes modelos tedvicos acs quais ajus~ ‘amos of variogramas exparinentais. Os diversos pariimetros dos seni-va~ Flogranas estao representados na figura 6.1 6.1 ~ Esqueza esférico (de matheron) 0 esquema mais comumente utilizado nas varidveis estudadas em geo ciéncias, apresente um crescimento répido na origem, onde tem um compor vamenta Mncar: ua expressio geral & vim = co + 02 IL = 3 TBI) para 0-< Ile @ a we fd oet Jel a Co = efeito pepita © = varidneis a prior! dos dados experinentais a = alcance Jn] = méduio do vetor R Neste esguema © patanar é ioval s Co + C. A inclinagio da tangente & origem (|h| = 0) vate 3©, ¢ esta tangente corts linha representat: ve do patamar no ponto en'que h = 22 0 sequena eaférico ou de Matheron estd representado eoquenaticanente a figura 6.2 6.2 ~ Bequoma exponencial (de Formory) Tanbén apresenca comportanonto Linear & origem, © ten por expressz0 gers yin) = coe Yih) = co + para [h] >a onde: © = base dos logaritmos neperianos. A tangente & origem intersects a linha que representa o patanar no ponte onde h = a, @ sua inclinagie vale C/a DIA) para 0-< [al ga © alcance (a) tem, neste esquena, significado puramente analftico, endo 0 patanar ed aleangado pola curva de forma assintética, ou seja, teoricanente quando h = ©. Na prética, porém, utiliza-se um alcance i- gual a 2s, 0 esquema exponencial ou de Formery esté representado esque- maticamente na figura 6.3. 6.3 ~ Raquena de Gauss (parabélico) © esquena de Gauss ou parabélico tem comportanento parabélico nas vi zinhangas da origem ¢ reflete una grande continuidade da varidvel estu- ada. Sua expresso geval é dada pela férmula ae lhl /at yihl =co#e (te ) para o< [hi ss yin) = co + C para |h| > 2 Tanbén neste esquema o valor de a tem significado puranente analiti~ co, sendo © aleance pedtico tomado como sendo YJ a; a representagao es~ quenitice correspondente pode ser vista na figura 6.4. #0 modelo mais regular possivel, tendo tangente horizontal na ori- gen, © a presenga de efeito pepita (Col neste esquema tom cons sinica ox Plicagio a existéncia de erros hunancs, pois o fenémeno tratado terd grande regularidade. 0s trés modelos anteriormante referidos sto citados na bibliogratia como constituindo os "aodelos com patamar", ¢ a relaglo entre os seus aleancos & a (esférico) 2 a fungto (-b9) parar de ser do tipo positive condicional, e 0 crescimento de h® a0 infinico pases a ser sais ripido que o den? 0 escuema pode ser visto na Figura 6.6, © tanbén estéo referidos co- ne *fungoes power" na bibliogratia 6.5 Eaquena logarfemico (De wis) B representado pela ¢érmula geral yih) = co+ dala thi onde a € uma conatante que racete o none de dispersto absoluta por ca- racterizar a dispersio do fenémano independentemente da influéncia da geonetria do cango satudado @ do suporte anostral. fete esquens teve grande importancia no inicio da utilizacdo de Geoestatistica, tendo si~ do utilizado pars representar as distribuigoes Lognormais, especialnen- te no estudo de jazinentos de ouro © urdnio, Néo é utilizdvel para va~ lores de h nenores que 1, A figura csquendtica gue representa este mo- delo (figura 6.7) nfo deve ser confundida com a do modelo linear, a qual tom |p| no eixo das abeiseas enguanto que no modelo dee Wijs se plota Inihl. © modelo logaritmice pode ser subetitusde @ interpretar-se o fendne- no en estudo A luz de combinagoes Lineares de modelos esféricos, tendo ido sua aplicagso muito restringida nos ditimos anos. Neste modelo a relagao yo) = © ndo se verifica, © 4 avaliagao do e~ feito pepita sempre apreconta dificuldades. 6.6 - Bfeito proporcional 0 efeito propercional ocorre em geral en populagdes que ae aiustam & lei de distribuigao lognormal, © nostra variogyamas com formas sinila~2% res mas com patamares diferentes en distintas zonas do fendmeno estuda- do, 0 patamar das zonae ricas 6 mais elevado que o daz zonas pobree, ha vendo em geral proporcionalidade direta com © quadrado da méaia local 0 modelo final pode ser encontrado dividindo-2e os patamares locais pe~ los respectivos quadrados das médias locais @ fazendo a sua média; sé depois deste procedinento se deve tentar ajustar © variograma resultan- te a um dos modelos tedricos previanente indicades, um exemplo de efei- to proporcional esta representado na figura 6.8, onde m, em, represen- tam as médias locais. 6.7 ~ gstruturas imbricadas As estruturas imbricadas indican a presenga de variagdes do fenémeno estudado em diferentes escalas, e so a justaposicao de dois ov mais modelos tedricos na mesma roprosentasao gréfica. Nas ostruturas imbri das 4 12 estrutura teré amplitude a, © patamar C), mas, se forem apenas 2 estruturas, o variograma final terd amplitude a, (da 2% ostrutura) © patamar C) + Cy 6.8 - Rfeite buraco ocorre quando se observa, no variograma, formas que se assenelhan baracos (levam este nome por corresponderen a buracos na covariancia), © podem reprosentar uma competente periédica como, por exemplo, suces- so alternada de zonas ricas e pobres. Pode tanbén ter cono cause a pe- quena quantidade de pares de pontos utilizados na construgao do vario~ grama experimental. José Serra, cetudando minério de ferro na Lorraine (Prangal, em 1968, detectou 0 efeite burace ao estudar o referide ming rio em segdes finas, concluindo que a causa era a tendéncia dos cris~ tais de calcita om se separaren por intervales grosseiranente proporcio ais aos seus tamanhos devido a um proceso de concentragao aproximade- mente randémico. 0 efeito buraco pode ser devido a uma componente pseudo-periédica do fendneno estudado ou a una pseudo-periodicidade artificial des dads @isponiveis, como, por exemplo, quando se faz una malha de sondagen 1/2 para completar uma malha de lado 1 4 existente, a heterogeneidade dos nateriais coletados nas duas etapas pode levar, quando num estude con- Junto, a0 aparecimento do efeite buraco.2 A figura 6.9 nostra, esquematicamente, a presenga de efeite buraco ‘em um semi-variograma. 6.9 ~ andlise estrutural A andlise estrutural é 0 que se chama, em cecestatfetica, Ae opera es do ostudo inicial dos dados, elaboragée dos seni-variogramas expe- rimentais @ seu ajuste aos modelos teéricos connecidos. apd= a constru- 80 dos seni-variogranas experinentaie deve-se ajusté-los aos modelos conhecidos, tal se fazendo de un modo geval por tontativas. A experién- cia no trato com semi-variogranas é de grande valia no seu ajustanento. 6.10 - Presenca de deriva Vinos, a0 tratar das propeiedades dos variogremas, que y{h}, para grate distieclan, crases enc rapldmence ie nn pardbola, oa v= a, Lim yih) | 4. 0 fato de certos varioaranas creaceren, entretanto, lite Tart 7 : ais rapidenente que |h|* € indicative da presenga de deriva, Neste ca= 50, aa presence de una deriva, o seni-variograna experimental sobre-es- tina o seni-yarkegzane, real. 6.11 ~ Anisotropias Ao se calcular os variogramas para uma determinada res em estudo para diferentes diregdes poder-se-d verificar, da comparagio dos vario- granas feitos para estas distintas direcdes, dois tipes de situacgo: e- es orem © sesno comportanente ou teren comportamentos diferentes. xo primeiro caso diz-se haver isotropia da varidvel na nossa rea de in- teresse, © no segunce caso diz-se haver anisotropia. Una anizctropia corresponde & existéncia de diresdes privilegiadas que condicionaran a gGnese do fenémeno tratado. No caso de isctrapia yh) nga dapende da direcdo em que se estuda o fendmeno, pois seu comportanento serd o mes~ no em qualquer uma delas, © yin) dopondord oxclusivanente do nédule do vetor R. No caso de existir anisotropia, entretanto, © y(h) teré in fiuéncia também da diregao do vetor F utilizada para o seu cdlculo. Dois tipos diferentes de anisotropia podem ser disting@ides: a ani- sotropia goonétrica © a anisotropia zonal.6.11.1 ~ Anigotropia geométrica Diz-se que estamos om presenga de anisotropia geométrica se uma sin- ples transformagae linear de coordenadas for suficiente para restabele- cer a isctropia. Neste tipo de anisotropia a tangente & origem e © alcance variam de una diresdo para outra, mas os patanares s40 05 mesos. A anisotropia geonétrica tambén ¢ chamada de anisctropia elfptica; pode-se ter zonas de infludncia elipticas, con os aleances se distribuinde segundo una elipse. ‘Tomadas duas direges quaisquer, designadas por 1 © 2, seus alcances a, © a; sao relacionados por \ = a,/ay; 0 caso particular em que = | corresponde 4 isotropia, Para fazer a correspondéncia entre thy) © yinz) $e multiplica h, por ay/a, ou hy por a,/az. Considerando duas ai- regdes 1 © 2 com anisotropia geonétrica, esta aparece em variograna co- mo indicado na figura 6.10. No caso de esquenas com patanar, como no exemplo da figura 6.10 se plota na chanaaa "rosa dos alcances” os alcances obtidos, obtendo~se u~ ma elipse (anisotropia) ou um cfreulo {isotropia), No caso de esquemas sen patamar, como no linear, por exemplo, s¢ constréi a mesma “rosa” plotando 08 inversos das inclinagses & origem, conforme mostrado na fi- lente caso ee con ) = HShiaaste | inclinaggo 2 * A iregao em que o alcance for menor (nos esquemas com patamar) re~ presentard a directo de maior variabilidade do fenéneno em estudo A corregto da disténcia que ser utilizada no variograma é feita pe la Eéemula, a= VRS I sendo o variograna y(h), considerade como o "isotrépico" corresponden- te, dado pela Eérmula yin) = y(1) R= RIS TT A anisotropia geonétrica se ceracteriza, entéo, por variogranas com mesnos patanares © efeitos pepita © diferentes alcasces. se assim nao for estarenos diante de una anisotropia zonal 6.11.2 ~ Anisotropia zonal ‘A anisotropia zonal € mais conplexa que a anterior, @ ocorre quando 0s variogranas correepondentes a direcdes diferentes sto distintos, ton2 40 patanares diferentes, © que ako ocorre na anisotropia geonétrica; e2 te tipo de anisotropia (zonal) ngo pode ser alterada por una simples transformagao linear de coordenadas. 0 aparacimento de anisotropia 20- pal pode ser ocasionada por mistura de populagdes, pois temos as varian clas a priori aiferentes, No caso de se confirmar a anizotropia zonal, Gescartada a hipitese de mistura de populagoes, se pode decompor 0 va~ rlograna em uma componente isctrdpica e em uma zonal. A anisotropia zo- nal 4 comin em jazinentos sstratifornes, om que as variagdes 880 bem nenores em duas direcdes quaisquer tonadas ne plano da mineralizagio do que em profundidade. 6.12 ~ Regularizagao Te th) = Fle, ayy Fle, 9 fe préticns gual sede 7400) = 108) = Fee, 9) ep ene ees ae neues ose ate* ata chan esque tt clean espeotttuas are equertiegto, tee Bere eorceesdseleg se crane reer ee 7 = VARIANCIA DE ESTINAGKO A variincia de estinacte permite avaliar o erro que se conste 20 a valiar una varigvel 2 através de us estinador 2+ 2 um determinade nivel de signiticéncia, A variincia pode ser definida cone a diferenga quedré tiea entre o valor ceal ¢ 0 valor estinado. Assia, of = valor eaperado para [2 - 2*)* A raiz quadrada deste valor (c,) £0 desvio-padréo de estinacto, € vale dizer que hé aproximadanente 684 de probabilidade de que o valor real que se procura eatinar esteja entre 2+ - 0, € 2* + Og- a mesma forma dizenos que hé 958 de probebilidade de @ valor real estar situado entre 2* - 20, 0 2¢+20,. # pracieo estar atento a0 fato de que este Linite inferior (2* - 20,) pode tomar um valor negative, © que 80 teed sentido; © Anportante, ‘en tersos chjetives e sobretudo préticos, entretanto, £0 valor de o, € nfo a interpretagio tradicional. Noste cass se define o Gesvie padrao relativo de estimacao, que é relacionedo con a nédia dos dados experinentais (0,/B1; assim, ao in tervalo de confianga de 95% s¢ pode afirmar que ne fey tag ay] © que assegura também a povitividade do limite inferior; mesmo esta ngo ostaré assegurada, entretanto, se a razéo o,/2* for superior @ 0/50, mas neste caso jd se saherd estar diante de una nd estinagio. fn Linguagen de Fungdes Aleatérias podenos dizer que o erro coneti~ do, rlx), a0 se avaliar, por exenplo, © teor médio ae un bloco V (desig navenos ecte teor por 2,(x,)) através do teor do seu ponto central x; (chanarenes este teor ao x), 6 una realiaagae da Pungao Aleatdria R(x,) 4,08) — 204), @ temos gue se 2 FA Z/x) for estaciondria o mesmo ocor~ rer com a FA Rix}. A varidncia de estimagao pode ser calculads a partir @a fungio in- trfnseca (ov seni-variograma) © do conhecimento das geometrias do esti-a mado € do estinador. A variéneia de estinacdo coresponde, assim, 0 erro conetide so se avaliar, por exenplo, um bloco @ partir de um certo niinero de anostras. Designando por ¥ 0 estinador (as anosteas), por Vo estimado (um blo co, ou © Jezinento inteizo, por exenplo) © por Flv, V) 0 valor aédio do seni-variograna pontual yb) guando un dos extrenos deste vetor Fi doscrove v © 0 outro descrave V, ten-se que a expressed que nos permi- te calcular 9 varidncia de estinngao ¢ ob = 271, ¥) = WY, V) ~ Hv v) uy em termos de covarlarcias, a= Cv, v) + Ely, vi - 2 Ty, vd As fSrmutas acina expostas nos possibilitam veriticar com clareza as guatzo nogdes intuitives gue se ten sobre une estinagse, queis sejan: a) a estinacao, ov @ qualidade da estimacso de v através de v depen de da geometria do estinado, pois se usa o termo VV, VI; b} depends iguslnente das Gisténcias e da disposi¢ao mitua entre o estinado (vl e0 estimador (v), 9 que se verifica pela uEilizagao do terno YIV, v); assim, quanto maior a distancia entre v e V gaicr ser e valor obtido para {(V, v), © que implicard maior valor de og, ou se= Jay menor quallaace da est imagaoz Zi ce) igualmente = geonetria interna do eatimador tem influncia, haja assim, maior ¥lv, v) implicaré me~ vista a utilizagac do terme Yiv, Ww nor valor para of; A) tambsén o cardter estrutural do Fendmenc estudade & importante, © gue € evidenciado pelo uso da fungde semi-variograma ou da covariancia peve-se acrescentar que v e V (estinador @ estimade) poden ser dis- Juntos (total ou parcialmente) ou meso um estar completamente inclufe Na bibliografia espscializada aparece, por vezes, 0 terno variancia de extensao, que é uma variag’e para o caso en que se extende o valor de wna amootra para um bloce inteiro. No hé, portanto, diferenga con- ceitual entre as variancias de estinagac © de extensao. A krigagem, gue ser abordada em detalhe mais adiante, visa determi- nar os ponderadores das anostras envolvidas na eatinagio de forma a ni- pimizar 0 valor de 92, respeitando @ condigéc de austncia de bias, que estabelece que o sonatcrio destes ponderadores seja igual a um (100%) © variograma pode tanbén ser definido conc sendo a variancia de es- timacao que se tem ac estimar, por exenplo, um teor en x +h através de tum ponte situado em x.2 Una observagdo de grande importincia a sor foita 6 a de que, depen- Gendo a variancia de estimagzo t4o somente do conhecimento do semi-va~ riograna ¢ das goometrias de estinado © ostinador, pode-ce avalid-la am tes mesno da obtengio de v, comparando-se diversos esquemas — possiveis do coleta do anoctras, otinizando assim © trabalho a ser feito. A variagso de estinagso € independente dos valores anostrais, poden- do ser obtida apenas através dos semi-variogranas explicitados na fér~ mula fornecida anteriormente. A variineia de estimagao serd menor se tivermos malhas mais cerra- as, assim cono serd tao menor quanto mais regular for a varidvel com que estivernos trabalhando. Wo caso de haver efelto pepita presente, se agrega, & variancia de estimagso obtida, 0 fator Co, onde N é o nimero de anostras utilizadas para se fazer a estimacao d'co 0 efeito pepita. No caso de una maiha aleatéria pura a variancia do ostimacso é dada peta térmula oye het wo) en que ¥ 6 6 ninero de anostras © o°(0/¥) 6 a variancia de una anostra Worltica-se matemtica varidnclas de estinagto inferiores o nelhas elestéeias puras, ema hae regulares dao resultados inferiores # anbas. ce que malhas aleatérias estratificadas 40 1.1 ~ Decomposigao de variancias 0 erro de estinagto global que se comete ao estimar um jazimento a~ través de sondagens dispostas en galerias, ¢ estas on varios niveis, pode ser decomposto em partes. Assim, podenos ter, em um determinado ca 20, até trés conponentes diferenciadas = terma de linha: permite obter a varidncia de estimagao que aparece 90 ge avaliar uma Linha através das anostras pontuais dispostas sobre ela; = terma de segdo ou de nivel: permite que se faga a extensao das li- has dentro das segdes, cono seria o caso de avaliar um determinado af- vel de una mina atravée dos dedos que se tem nas galerias cituadas nes~ te nivel; ~ terma de fatia ou de bloco: é a extonsdo das segues as fatias, co- mo, por exemplo, @ estimagao das fatias de um jazimento do tipo amas a2 través de seus niveis médios supostos conhecidos. Designando o termo de linha por Ty, © termo de segto ou nivel por T © 0 termo de fatia por 7, se pode assumir que a variéneis de estimagio do un corpo como 0 esquenatizado na figura 7.1 seré igual ao? = 7, + 1 +7. A doconposigdo da variancia de eetinagso de um corpo minevalizado, por exenplo, em termes conc os citados acima, rossaita a importéncia gue jd se conhece através da experigncia, qual seja a de que nfo se tem ganhos préticos em aumentar muito a densidade de informagses so longo de una Linha, por exemplo, sen aumentar igualmente o ninero de linhas, pois ndo teremos muitos ganhos em dininuir apenas v,, 6 preciso que 7p ©, também sofram redugdes via aumento de densidade de informacses. De un modo gerai o valor de 7, 6 pequeno em relagio a, © 7,, a0 esenpenhando papel destacado, em termos percentuais, no valor da va- rifincia de estimagao total. en estudos Feitos om duas dimensdes, entre tanto, em que 7; estd ausente, sua importéncia aumenta. 7.2 ~ Varidincia do erro geométrico Passanos a nos preocupar, agora, como erro geonétrico que se concte 0 avaiiar um Jazimento através da soma das éreas dos blocos em que o Aividinos ao invés de levar en conta o seu contorno veal, irregular. Consideremas a figura 7.2, na qual designarenos por § a érea compreen— ida no interior do contorno irregular do jazimento © por 8* a drea e- quivalente & soma das dvaas os Blocos om que 0 dividinos. Necessitanoe: avaliar 0 erro geonétrico, ou seja, aquele relacionado com (3 - 8%), que tom infludncia sobre o volume @ sobre a tonelager do mingric, bom como sobre a quantidade de metal presente no jazimento ¢ sobre 0 pré- prio teor médio avaiiade. Assim, 0 erro de superficie pode ser calculade pela férmela Betity,+oo5 7) 3s % con % sendo 9 ninero de sondagens positives, > 10, ¢ Ny ¢ Mj, sondo 2N, @ 2N, Os niimeros de elementos paralelos aos dois lados da malha de sondagen que fornam o perimetro da unido S* das N zonas de in- Fiuéncia positivas, devendo-se considerar, na contagem de M, @ My, tam bém as zonas internas consideradas cono negativas. Quando ura certa por, G80 do perfmetro & ben conheciéa (se for um Limite de alvard, por exen~u plo) ela nao serd considerada na contagem, o que diminuird 0 valor da variancia relativa 01/8". © exenplo cldssico do jazimento de Ity (Costa do Marfin, crosta au- rifera de laterita ede argila), osté apresentade na figura 7.3 Sendo os furos positives os assinalados no interior da figura, se ten St = N xb, x by = 58x 20x 30 = 34,800m, IN, = 440 2, = 20a aplicagto da formula vista acima daré Be gh U2 + 0,06. (227) « 0,000 com desvio padrio relative igual a F+ 0,037 , ou sejay 3,78 7.3 = Erte de bordo E dado pela férmala oh = 28) | nays: : b= G8. prose) 93 6 © orro geondtrico © D'(0/S) 6 9 varifncia de dispersao das a~ a onde 2B = FBS = 0.0087 + 0,014 = 0,01 com desvio padrao relative de 108 (= 0,1).@ ~ VARIANCIA DE DISPERSKO Algm de nedir a qualidade de uma estimagio, via variineia de catina- (go, podemos avaliar a dispersao, ou flutuagtes dos valores em torno de uum valor médio no conjunto de dados em estudo. Tal se faz pelo cdleulo da variancia de dispersao, cuja notagao € D'(v/V). A variancia de dis- persio no sofre influgncia da lecalizacao das anostras, coro corre com 3 variéneia de estinacao. Un exempio comunente referido na bibliografia e que pode esclarecer © significado desta variincia 6 0 que segue. Considerando a tiragen de um dado , com média igual # 3,5 [(1 +2 + 3+ 445 +4 61/6] © variincia igual 2 2,917, poderenos ter tras situa eben com médias iguais, mas varidncias experimentais diferentes: 6) 3, 263, comet = 2,25 = 6 5, 1 © 2, com st = 4,25 ~ 6) 2, 20 4, comet = 2,75 As trés varidncias experimentais (2,25, 4,25 © 2,75) flutuam ao re~ dor a sua esperanca tedrica, anotada por D'(v/¥) = BS*(x)} = 2,917 As férmulas da variénesa de aispevado, considerando v cono estimador © V cono estimado sdo, en fungio de semi-variogranas © de covariancias: DW) = FV, V) = Fv, vd piv) = Ty, vr - Ty, VD assim, @ dispersso en um voluse V fixo diminui quando v aunenta, ¢ 0 fenémeno da regularizagio; assim, os teoras de blocos de oxplotagao se- Fao mais regulares que os de anostras pequenas, como testemunhos de son dagen, por exemplo. bm outras palavras, a influéncia do suporte se torna mais nftida, Fo de-se verificar isto com clareza na figura 8.1. Se usarmos 0 histograna dos testemnhos nds super-estinarenos 0 per~ centual de blocos situados, em ternos de valores médics, acina de um certo valor (cut-off) em relacao ao histegrana dos blocos maicres. Ae médiae sero ae meonae, mas as variincias ser3o tanto menores quanto maiores os suportes sobre os quais fazemos a avaliacéo. Assim, se v é fixo e V aumenta, D"(v/V) aunenta, 0 soVé fixoe v cresce o valor de D*(v/V) diminai. Daniel Krige, estudando mineralizagdee auriferas na Africa do Sul,6 verificou experimentalnente a relagas de aditividade, que pode ser ex- pressa pela férmula Di(w/a) = Dewey) + DCT) com v © V5 J, v representando as amostras, V representando blecos ¢ J © jazimento inteiro. Beta relacao poderia tambén ser Lida coo segu ‘a varldncia dos tastemunhos em uma jatida é igual & variincia dos tes~ temunhos em biocos mais a variancia dos blecos no jazinento todo”. A relagie acima é conhecida cono Relaggo de Krige, © dela se conclui que, para qualquer posigzo do bloco V na Jazida J a sua varincia inter na dependerd somente do seu tamanho e da sua forma, e & independente 4a sua localizagac no jazimento. Ha casos em que as PA tém poder ilimitado de dispersio, sem varién~ neste caso a varidneia de ais~ cla a priori nom covariancia definidas perso cresce indefinidanente con 0 crescimente de V, © se tem DM o, =) Fie, o) = © Wo caso de a FA admitir varigncia a priori finite se tem as relactes pil, #) = Clo} ~ Cla, ») = Cle) = Fle, @! - yl) = vie, a) Ge, = clot = y= Assim, enquanto nos problanas de estinagao née voltamos nosso inte~ cle) = oe He, =I reese & varidncia de estinaggo, que buscanos nininizar pela Keigagen, nos problenas de flutvagio nos voltanos 4 variancia de dispersio, que procuranos identificar No caso de estarnos on presenga de efeito popita, devoros adicionar, A varidncia de aispersto, « componente pepitica, expressa pela férmla cot ~ 1. 9 - TIPOS DE MALHAS DE pBSQUISA 9.1 ~ Maha regular ou quadrada 0 tipo de malha em que as dimensdes entre amostras sto de igual ta manho em duas direcoes perpendiculares (no caso bidimensional). Seria cone se plotéssencs, sobre uma folha de papel quadriculeds, um ponto ex cada cruzanento se lishas.y 9.2 ~ Matha aleatéria estratificada fo caso da malha am que, tendo-se dividido a area de pesquisa em locos de mesmo tananho, no interior de cada um destes bloces se tenha pelo menos un furo, quo pode estar localizade aleatorianente. Pode-se ter, em um certo bloco, mais de uma anostra, mas nao se pode ter ne~ hum bleco sem amostra em seu interior, 9.3 ~ Malha aleatéria pura Qualquer distribuigae de fures completamente irregular, que nio se enguadre nos dois tipos anteriores, pode sor classificada cono malha a- leatéria pura. Fornece valores de varidncia de estimacso mais elevados que os anteriores. 9.4 = Matha centrada © fochada Malha cantrads é 2 quo tem apenas snostra no centro dos blocos, © ma tha fechada é 2 que tem amostras nos vértices dos blocos a estimar. Con Sidera-se como malha paguena a que tem lado inferior a 0,7.8, onde a é @ alcance. A naina € considerada grande se 08 ladon 1 e h forem superig fos 4 3.2 om malhn contrada ou euperiores a 3. a em aalhas fechadas, 10 ~ FuNGOes AUXILIARES Considerando duas geometrias, que designarencs por v ev", define-se como fungdo auxiliar um valor médio de Flv, v") pré-calculado. as geo metrias v ev! s80 sinplos © de ocorréncia freqiente nos estudes geaes- tatisticos usualmente executados. AS funcoes auxillares sa0 en ninero de quatro © definidas om até trée dinensSes. Utiliza-se também as fun~ 025 auxillares no espago tri-aimensional, mas, por serem, neste casa, Aiffccis de trabelhar, utiliza-se-ae uewalmente pars paralelepipedos de base quadrada. Existen dbacos (figuras 10.1/10.16) a partir dos quais podemos extrair os valores das functes auxiliares consoante © caso que8 10.1 ~ Pungdes auxiliares definidas a uma dimensto Se considerarmos um segnento AB, de comprimento t, ¢ sobre ele un ve tor # = Mil, define-se » fungsa auxiliar y(1) cone eenée a valor néaio Ge y{h} quando um dos extrenos do vetor esté fixo em Ae 0 outro extre- mo descreve todo © segmento AB. Em termos de integral poderfanos deti- nir esta fungao cono sendo Lye x Fan, a Ef bye. am Pode-se, por esta fungdo, obter o semi-varioarama nédio de una anos~ ‘tra situads nun extreno de oma galeria com relacao a esta galeria. Se, entretanto, considerarnos 0 caso om que ambas as extremidades do votor H descreven, independentenente una 4a outra, 0 segmente AB ante~ riormente definido, tense © semi-variograma médio obtido representado pela fungso auxiliar F(2) 10.2 ~ Fungoes auxiliares definidas a duas dimonsoos Bg que se considerar, sempre, o semi-variograna pontual yin) como Aséteope, ou com as anisotropias Jd desteitas, conforne explicado ante- Considerenos a figura 10.17. Neste retangulo ABCD, cujos lados medem 2 © L, define-se a fungao au xillar a (L; #) ao semi-variograna médio de y{h) quando um dos extrenos go vetor f descreve 0 lado % ¢ 0 outro descreve o lado L, independente~ mente, ou seja, (by 4) = FORE, BD) ea (ty L) = VIRB, TO) A fungdo auxiliar a (ti 2) nfo ¢ simétrica, ou seja, & vélida a re~ lagio @ (Lr ) ¢ @ (hr LD. Define-se a fungso auxiliar x (Li: L) a duas dimensdes como sendo o somi-variograma médio (h) quando um dos extrenos deste vetor cescrove lum lado 9 € outro extrem Go vetor K descreve independentemente todo © rotangule ABCD, conforne mostra 2 figura 10.18 Pode-se escrever que x (4 4) = (AB; ABCD). Je que esta fungSo auxiliar também nao é sinétrica om (Li t), ou soja, x(Lr LI + xls AD Quando os dois extrenos do vetor (M eM’) descrevam, indopendente- mente um do outro, todo © retAngulo ABCD, o semi-variograma médio defi~ Note” ido sera representado pele funsdo auxiliar F (L; 8}, que sinétrica, isto &, F(L; 2) = F(t; L); este caso estd represontado na Figure 10.19. A fungSo auxiliar Hit; 8) é efinida como 0 semi-varlograna méaio Yin) quando um dos extremos de H descreve todo 0 retingule ABCD ¢ 0 cu- ‘tro extremo permansce fixo em algun dos vertices deste reténgulo, o que omesno valor ebtide quando un dos extremca descreve o lado L eo ou- tro descreve, independentenente, 0 lado L; pode-se escrever H(L; 1) = ‘YORE, BD). esta cungae auxiliar é sinétrica, ov seja, H(b; 2) = H(8; Lie 10.3 = Fungoes auxiliares definidas a tréa dimenstes Seja um paralelepfpedo P = ABCDEFGH, com base quadrada (1; 17), con forme a figura 10.20 Define-se, sobre esta figura, as seguintes fungdes auxiliares: «© (4; 4) = 7 (ACES, BDFE) x (iy 1°) = 7 (ACEG, PI Pu; 87) = 7 (P, P) H (uy 07) = ¥ (ace, ABEP) © H (Ly £4) = F (AB, PL 10.4 ~ Observagoes sobre as fungdes auxiliarcs luna primeira observagde importante é a de que ae Pungdes Auxiliares 880 utilizadas, cono Jd fol dito anteriormente, pars seni-variogranas | sotrépicos, dovendo-se, antes de ee langar nfo de tais functes, fazer a5 corregdes de anisotropia [caso houverem). Conforme se verifica nos & bacos, as leituras de distancias sa Feitas em fungio dos alcances, dai terse que utilizar distancias modificadas que sejam uma fungao dos maa mos. apés a leitura do valor procurado no dbaco consultado se deve mul tiplici-1o pelo patanar e, no caso de haver efeito pepita, fazer a sua Adigao ao resultado ao final da opsrago. Tal se far necessirio por se ren os dbacos construfdos para semi-varlogramas con patamar igual a um © efeito pepita igual a zero. Paca cada modelo variogrdfico existem dbacos especiticos para cada luna das fungoes, pois as Férmulas de céloulo so, evidentemente, dife Fentes em funcdc do esquema adotado. No caso do ostarnes en presenca de maiz de una estrutura (estruturas Imbricadas), faz-se o cdlculo para cada estrutura individualmente © 2 multiplica pelo sou respective patanar, somando 0 efeite pepita (se hou ver) ao final.” Fode-se deduzir as fungoes auxiliares a uma dimensio a partir das @efinidas a duas dinensdes, tornando uma das dimensdce igual a zero, Se pode tambén dedusir aqueles definidas a duas dimensdes a partir das connecidas = trae dimensoes, anulando una dimensdo. Temos, asain, as se guintes correspondéncia: aw (ork) P(t) x (or Rs FUL) F (op R) = P Ck) © F (Ly of = FUL) Bor By = x UL) x (lie) = x) w (or At) = Fie th x lor AY) =F (Ry bb F (op R8) = F(R Bp H lop R) = x 1B BD Como exemplo de aplicagao, considerando un esquema linear, pode-se calcular as varifncias de estimagao nas avaliages unidimensionais se- guintes como segue: eg a al Fw se — deaxgm-ru-dne Slap as 7 aa =e a Slt thxwasdxein-rw 2 28H b) FOr DD i og 2m B= by WEEE - Fa ty Deve-se, en todos os casos, multiplicar o resultado obtido pelo va~ lor do patamar @ adicionar o valor do feito pepita, se howver. Da mes pa forma no caso seguinte. fe] op-ed bere Anda utilizando-se as fungses euxiliares pode-se calculer @ varia cia de estinagto ao se avallar un quadrado de lado # através de anos teas plotadas en seus quatro vértices cone segue: of = 2 mia 8) - Pia; 2) ~ § yeh ~ byte’) A varigncia de estinagio de un paralelepipedo por seu plano médio ae ag = 2460/2; 24) ~ ity 82) ~ PUL, aDaniel Krige, trabalnando na andiise de dados de teores en minas ae ouro da Africa do Sul apercebeu-se da existéncia de erros sistendticos quando da avaliagio de teores médios de blocos pela utilizagso unicazen te das anostras interiores # estes blocos, desgrenando as anostras 6x- teriores. 0 erva sistenstica introduzide com este procedimento consis tia na super-estimagdo dos blocos ricas © na subestimagdo dos blocos po bres. Daniel Krige desenvolveu, entao, um procedimento similar & téeni- ca de médias néveis para evitar a super-estimagao dos teores de our nos blocos sobre os quais trabalhava. Uns dla deste tipo de problema pode ser visuatizada a partir da £1 gara 11.1. Supondo-se que se selecionou para explotagdo apenas os paingis denaz eados na figura 11.1, © gue se of avaliou somente em Fungso das > anos~ tras que Ihes sio interiores, © sejaa drea tracejada a drea em que realmente se tenha sinério acina do teor de corte (suposhanos que 2 né- dia das trés amostras internas seja superior a este valor, ou seja, a~ través dele toda a érea doe painéia seria explotdvel). Cone venos ra Figura, hd zonas de bordo con valor inferior ao teor de corte, ben cone zonas interiores & porgso tracejada: en outeas palavras, hd enclaves po bres dentro dos painéis nao detectados pelas sondagens e hé zonas ricas fora dos mesnos. Assin, © teor médio real dos blocos sera inforior a md gia as amostras que lhes sao interiores, pois os blecos incluen zonas abaixc de média [em valor de teor|. Do mesmo modo, na mesma jazida hi zonas com teor superior ao de corte e que serdo abandonadas. Assim, Se wtilizarmos somente as te€s anostras estarenos super-avaliands os blo cos escolhidos © 20 mosno tenpo sub-avaliando aqueles que tiveren sido abondonados. Para evita este tipo do erro precisa-se utilizar toda a informagto Aisponivel © nao apenas a interior para avaliar una determinada drea; esta informagéo deve, antretanto, ser devidamente ponderada de forma que a varignoia de estinagao respectiva seis a menor poveivel, tendo om vista ag carncteristions geonétricas do case om estude, tals cono for~ ma, dimensdes ¢ inplantagio relative do painel ¢ daa anostras. A obten= gho da variancia co estinagso afnina para as condigses do problena nos garente que estenos tirando © melhor partido possivel das infornagées, Aisponiveis, oa seta, estamos seguro: de estar fazendo a availagzo nalsa precisa possivel em vista dot dados que tenos an mics. © procedimento que Leva em conta todos os problemas acina expostos © obtém a variancia de estimagze minina para un dado conjunto ge dados chana-se Krigagem. A ponderacao das anostras elimina, on média, os erros 4e excesso, 0 que ven a ser a vantagen primordial da Krigagem, ficando # melhoria do precisa cono relativamente secundaria. A Krigage leva em consideragio a) © minero de anostras utilizadas, b) as posigdes das anostras na drea @ ser avaliada, c) as distancias entre as anostras © a zona a ser estimada © 4) a continuidade espacial da varidvel em estudo. A Krigagen foi desenvolvida por Georges Matheron, quo foi quen pro- pés o nome para honenagear Daniel Krige. © estimador de Krigagem $ do tipo BLUE (“best Linear unbiased esti- nator"); é dito linear por ser este estinador formado por uma combina~ ho Linear dos dados, ou seja we toa, e ge, zo total destes dados © 74 0 estinador de Krigagen. 0 asterisco utilica do é uma designagac de estimador. © estimador ¢ tanbép néo enviesado (Tunbiased"), ou seje, sem "bias": Bat] = B{2} ae onde £2, = 1 (Condigso do Univeresiteace) a Bf é tonhén "best", ou seja, 0 melhor no sentide de fornecer a va Hlintia de estinagie ninina, que, no caus, recebe © nowe de variincia de estinaglo de Krigagen ou sinpleanente varidncia de Krigagen: of = ELIZ - 221°] 6 minimo (Condigado de otimalidade). 11.1 = Sistema de krigagem Supondo seja Vo painel a estinar © supondo x,, para i= 1 an, (on de n € 0 miinero de anostras @ considerar) as anostras utilizadas, Ay (i 1} h) 08 ponderadores de Krigagen © 0 pondarador de Lagrange, 0 sistema de Krigagem se anota, en forma de matrizes, como segue:«© Foye my) Toe a) cere Foye wy TL fy] Foye vo Faeyr ep) Tye ml cvereee Wg 8) 1] LAG| Free 9 Flege y) Tege Hy) ceeeeee Fhtge el 1] fag] 7 Fey I 1 fesecaae 1 of fu 1 ‘tanbén pode ser representado pelo sistema de equacces Ay Monge my) em Flys My Yn Tan Bays Ge @ a variinesa de Keigagom seed of = ba, Hay, vi tu VD 0 sistema de equagtea de Krigagen toré a + 1 inedgnitas (ov n ponde- radores \ © 0 parinetro ui). No sistema se ten que Fix, x) € 0 variograna mdato entre x; & X31 Yor}, V) € 0 variogram médio entee x," 0 bloco ¥ a ser ostinador 7 V) 6 0 varlograna médio do bloco'en relagio @ si préprio. 11.2 ~ observacaes = A chamada Natriz de Matheron (a que esté & esquerda, no sistena de ma trizes) é sinétrica, © que equivale a dior que Fix, x4) = Fry, x) para quaisquer te 4; = Todos os termes da diagonal principal da Matriz de Matheron S801 guats a zero, pois Yixj, xj) = 0 paca qualquer Ly = A Krigagom ¢ aditiva, ou seja, pode-se fazer una Krigagen global ou fazer Krigagens parclais © depois se fazer a sua conposicze, o que n8o ocorre con ae varianciae de Krigagen; = 0 sistena de Krigagen tem solugdo nica se a matric de covariéncias dofinida eatritanente positivs (con determinants positive), o que sig~ nifica que a variancia de Krigagen seré ngo negativa, e- Yh) éeverd ser ums fungéo do tipo positiva condicional: = 0 sistena de Krigagen e ¢ varlancia de Krigagen nfo dependen dos va- lores individuais, o que permite praver a qualidade a estinacio por Krigagem através do conhecinento da configuracéo da malha de anostragena ser inplantada, sinplecnente; = 0 sistena de Krigagen © a variancia de Krigagom Levan em conta a geo- Retria do dominio a ser estimado (TIV, V!), as distancias entre estina- do © estimadores (Fix, vi), a geonetria interna da informagio (Fix, » 45) © 8 estrutura do fenémeno estudade [pois utiliza @ funcdo seni—ve- rlograra ou e covariéncial; = 0 sistema de Xrigagem permanece inalterado se se modificar o sistema Ge coordenadas a partir Ga origen dos dsdos; = Reconenda-se considerar, para vizinhanga de Krigagen (raio dentro do qual sergo tonados pontos para utilizar na avaliaggo de um determinado painel}, disténcias menores ou iguais ao alcance obtido através da ve rlogratia: se a quantidade de dados for suficiente se pode anpliar este raio mas considerando un sistena de Krigagem nao estaciondrio: = feito de teta 6 aquele segundo © qual apenas as anostras situadas no Interior de um certo raio tén influncia sobre a estinagSo, ou sea, tém ponderadores diferentes de zero, sends que as prineiras auréolas consideradas fazem "tela" ts informacdes mais afastades: na figura 11.2 se pode ver cono s40 determinadas az auréolas. mm geral se utiliza ape~ pas anostras que estejan nas dues primeizas auréolas para se fazer a es tinagto, mas isto nao é una regra fixa; = A presenga de efeito pepita ten como efeito "destrair® as “tela: proximando os valores dos ponderadores das vérias anostras, até 0 caso Limite en que estanos en presenga de efeito pepita puro, quando todas as anostras terao meso ponderador (anostras de mesno suporte), as in- formacées mais préxinas ji nde fazen mais "tela" is mais afastadas: = A bibtiografia reserva o none de Krigagen Ordindria a que se faz con siderando @ média cono desconhecida © Xrigagen Simples 8 que considera a média cono connecida; esta Ultina é adotada quando hé maitas inforna- goes, sendo bem menos utilizada nos casos conhecidos na biblicgrafias deve-se, neste caso, fazer também a Krigagem da média = Quando na presenca de vérias anostras com mesma configuragio, mesma situagao geografica om relagso ao estimado, pode-se agrupé-ias, obtendo, se maior rapidez na estimacdo. Um exemple de agrupamento € dado na fi- gure 11.37 = No cago de haver lacunas de anostragen, se faz a Krigagem das lacu~ pas, da seguinte forna: = se faz a Krigagem de cada lacuna, individualmente, utilizando os da dos mais préxinos,4 = considera-se os valores assim obtidos coro sendo os valores dos pontos sem anostragen, © = se resolve © sistema do Krigagen completo, assim reconstituféa. A.Journel denonstrou que o valor krigado resultante no sofrerd alte ragao, mas a varidncia de estinagao de Krigagem obtiga através 6a confi guragdo conpleta é sub-estimada em relage & configuracdo com lacunas. 86 se reconends a execugio da Krigagem de lacunas se 2 quantidade de 1a cunas for reduzida; = & krigagem faz uma suavizagio das disperses, pasando, sempre, pelos pontos anostrades, conforme a figura 11.4; = A classificagac de reservas de um jazimento ¢ feita de acordo com 0 erro de Krigagem da média (ERKRIDAME), segundo reconendagio da OND (in "Problems of availabiticy and supply of natural resources ~ mediueterm and long-term projections of reserves - estimates of reserves and re- sources", do Comitee on Natural Resources, Economic and Social Council da ONU, Téquio, 1975), Hé Exes categories de reservas (958 de confiabi- iiaade) exro de Krigagen da nédia reserva < 208 medida entre 208 © 50% indicada ) denonstrada > 508 interiaa Deternina-se o teor médio krigado @ © erro médio cometide na estima 80, que se chana erro médio de Keigagem; calcula-ce o ERKRIDAME, que € 0 erro percentual da estinagdc da média, sobre o qual se faz a classi, Ficagae das reservas. Se estivermos en presenga dem blocos, s¢ calcula 0 teor médio kei- gado o @ varidneia de Krigagem, que valerd 0 vanrnioaie (varténcia de Rrigegen da aéaia) € obtido pela férmla vanraronne = SH = (Boh 1/0 1 © 0 erro de Rrigaven de média (EmMnzOHE) € dado por ARERTORRE prenroaun - WARRIDAME . 100.2 ov“ Ji oj, 1/0 / Va ERKRIDAME = 2. onde Ex 0 teor nédio krigado 2 os ty S80 05 teores krigados dos rn blecos; = Conforms visto no capitulo que trata de variancis de estimacso, a va- rigncla de Krigagem de uma estinagio global é inferior & variancia mé~ dia de estinacao de Krigagen local, revelando, o histograna dos valores Krigados, mais valores em torno da média e menos valores extremes do que © histograms dos dados experinentais; = Ma validacao cruzada se assune que una determinada amostra no tenha sido coletada, ou seja, elimina-so o seu valor e se 0 estima a partir dos dados circundantes; apds esta estinacdo 0 valor real desta anostra 6 reintroduaido no sistena © se repete o proceso para todas as cutras, arostras; uta estimagio terd sido sam bias se 0 erro nédic for zero, ov soja, 30 02 valores estinados tiverem una diferenga média en relacao aos valores experimentais igual 2 2er0; a variancia estaré am torno de = Una prdvica também usual € a de elaborar cartas de isovariancias, com Linhas com mesmos valores de varianciay nos lecais om que os valores forem mais elevados dever-se-d dar preferéncia para a busca de novas in Formagdes (coleta de mais anostras); = 08 procedinentos @ as observagées até aqui expostas sobre Krigagm tém validade para ae FA em catudo que satiefizorem a nipstese ostaciondria ae 2 orden ou a hipdtese intrinseca; no caso de haver deriva se trata a varigvel através da KRIGAGEM UNIVERSAL; 11.3 ~ Rrigagom universal Hg casos em que existe un deriva que é dependente do valor do pon- to, © nao dos acréscinos de h, como, por exemplo, as cotas batingtricas na plataforna continental. A varidvel estudada é entao decomposta em dua parcelas, m(x), que corresponds & deriva no ponte, @ ¥(x}, chanada reeiduo; sonéo 2(x) @ varidvel en eatuda, a relagso seguinte é vélida: 2ix) = mx) + Xe) Yix) 6 uma PA com flutuagdo média en torno de m(x) igual a zero, ao pas 0 que a deriva ¢ uma funcéo regular e continua.Valen as seguintes relagses: Elm(2)] = mC BLY(x}] = 0 [ZG] = Efm(xl] = m(x) # constante A Krigagem Universal se basela sobre as hipéteses BLZ(x) ~ Z(y)] = mix) - my! Bi(20x) = a(y)]4) = BULA) = ay) = mix) + mly)]4) = 270%, ¥ So faz mix) = ay . f(x), para qualquer x pertencente a V (vizinhan- a), sendo os fy lie) fungdes conhecidas © os a, parimetros desconhecidos que variam com os pontos x; para V maior, maior seré a complexidade de Eglxl Para cada ponto x € § (S S80 os valores nunéricos de (x), dentro da vizinhanga ¥), se calcula 0 varicarama experinental dos resfdues como segue: avin) ©} [bette shy = ee Regete-se este procedinento sobre diversas viinhangas © se designa © voriograna o¢cio doa resfduce por 27%(h), que é uma curva experinen- tal. D M1stomn ao migagen Universe, obese, ‘cond casotedos).or mesmos ob tidos pela rigagen Sinples se se anulay a deriva e se 20 aupaser yx, v) = YG = y) = yin) Snteinsaco. 11.4 ~ Cokrigag A Cokrigagem é similar & Krigagen, © permite estimar uma variével a partir das informagées que se tem sobre ela prdpria e tanbém a partir das informagoes disponiveis sobre outras varidveis que tenhan correla~ cdo espacial com ela; a Cokrigagem busca, ento, melhorar a estinaglo de una varisvel pela utilizagao de informagses relativas também a ou- tras varidveis com as quais ela esta correlacionada. A Cokrigagem deve ser utilizada quando 2 varidvel estudada for sub— conhecida em relagso 8 outras de cujos dados se sccorre, ou seja, quan 40 2 sua infornacac for insuficiente, e quando a correlagao espacial en tre ela e as demais for forte, Da mesma maneira, se evita a Cokrigagen quando © minero de amostras en que tivormos dados da varidvel estuaada @ das outras a ela correlacionadas for pequeno. Quando as varidvels nao t8n correlagdo espacial o sistema de Cokriga gen se reduz ao eistena de Krigagem restrito somente As informagdes da° varidvel em estudo. Designande os pontes com andlise quimica para uranio como 8, com os seus ponderadores designados por \ © chanando de Yj, seus variogramas nédios, © designanco por G os pontos com medida de radiometria, com pon, deradores 0 ¢ variogramas médios 2) ¢ ainda chamandoY,y © yp; 08 vari granas cruzados, s¢ tem o sistema d= cokrigagem seguinte0 ' (a o74) (arta (atloy7a (as) ta tars)! (atte) A ‘ (oo - (oto - (attyy22 « Mostta - (prZgy2t4 - Cortes - ° Foo? = to '%p)2a seg iby 2ek store) se (@pi2qy2th Forty, 0 Coo)2he (y'29)224 tpt ty 2a ps2 (pty et CoetgiZta (gto Ea, stop 2, (5'loy !@, sept (get) bt soeeg@g iin te “g-Foy le = ZettayL neeitay tte oot Epp ltd sty ta erty ita ° chy) Za (soy tsrlonlt Ceol (lge%ey tt sete tty* be forma mais compacta, considerando ¢,, a matriz con os aados rela. im tives As andLises quimicas (matriz incluindo os semi-variogramas méios) Cyp 2 com dados radionétricos @ C;, 2 Cp; a6 cruzadas, se tom acres este ea aD | |e a Fay lS_rP? oy | | FytsyeP x] oe, | = | Fy9GyPl ¥ i ’ 0 12 ~ ctossirro A seguir sao apresentados alguns termos de uso mais comum com #5 res pectivas corvespondéncias om Prancés e em Inglés. Portugués, Francés Inglés Rlcance Portée ange anglise Estrutural Analyse Structurale Structural Analysis Anisotropla anisotropic Anisotropy auréola auréole pureole cokrigagen Cokrigeage Cokriging covarianeia covariance covariance Deriva Dérive peite Efeito Buraco Effet de trou Role Bffect Reeito Pepita Effet de Pépive Nugget effect REeito Proporcional Bffect Proportionnel Proportional Effect Esférico Sphérique Spherical Eotaciondrio Stationnaire stationary Eatimagao, Estimation Eatimation Botinador Estinateur Estimator Eotruturas Inbricadas Structures Gigognes Nested Structures Exponencial Bxponentiol Exponential Fangio Aleatéeia Fonction Aléatoire Random Function Fungi Auxiliar Fonction Auxiliaire auxiliary Function Gaussiano Gaussian Gauseiana Geoestatfstica Géostatistique Geostatistics Intrinacea Intrinsque Intrinsic seatropia Isctropie Isotropy Krigacen Rrigeage Rriging Linear Lingaice Linear Passo Pas tag Patamar Palier sil Pesos Poids weights Regularizagac Régularieation Regularization Suporte Support, Support Variancia de Dispersso Variance de Dispersion Dispersion Variance Varigneia de Eetinagéo Variance a'Estimation Estimation Variance Variavel Aleatéria Variable Aldatoice Random Variable varidvel Regionalizada Variable Régionalis#e Regionslized variable Variegrana varsogranme variegran variograna cruzado Variogranme croisé cross-variogran vizinhanga Voisinase Neighbourhood 13 ~ REFERENCIAS BIBLIOGRAPICAS A presente Lista de referéncies bibliogrsficas é composta dos prin cipais documentos que tratam de Geoestatfatiea, senco importantes fon- tes de consulta e, alguns deles, de indispensdvel consulta para aqvelee que desejarem se aprofundar mais sobre os assuntos que, no presente do- cunento, foram apresentados de forma introdutéria. = Clark, 1., 1977, practical Geostatistics, Applied Science Publishers, 129 pp. = David, M., 1977, Geostatistical ore Reserve Estimation, Elsevier, 364 PP. = Guarascio, N.7 David, M. © Huijbregte, Ch. tice in the Mining Industry, D. Reidel, 497 pp. = Yournel, 2.6. © Huijbregts, Ch., 1975, Mining Geostatistics, Academic 1976, Advanced Geostatis- Press, 600 pp. = Kim, C.¥. © Xnudson, 4.P., 1977, Geostatistical Ore Reserve Estima tion for a Roll Pront Type Uranium Deposit (Practien ner's Guide), Un. of Arizona, 46 pp. © anexos. = Krige, 0.6., 1970, The Role of Mathematical Statistics in Inproved Ore Valuation Techniques in South African Gold Mi- nes, Consultants Bureau.2 = Keige, D.G., 1978, Lognormal and De Nijsian Geoestatistics for Ore E= valuation, SAINM. = uatheron, G., 1965, Les Variables Régionalisées et Leur Estimation, Masson, 212 pp. = Matneron, G., 1969, Le Krigoage Universel, Contro de Morfologia Mate- mitica de Fontainebleau, 82 pp- = Matheron, G, © Amstrong, M., 1987, Geostatistical Case Studies, Roi- del, 248 pp. ~ Rendu, J.M., 1978, An Introduction to Geostatistical Methods of Mine- ral Evaluation, South African Institute of Mining and Netalluray, 84 pp. = Royle, A.G., 1978, Why Geostatiatics?, Eng, and Mining Journal, 59 pe, = Valonte, J.M.G.2,, 1962, Ligdes do Geoestatfstica, Fundacao Gorcelx, 2173 pp. = Verly, Ge; David, M.z Journel, A.G. @ Marechal, A., 1983, Geostatis- tics for Natural Resourses Characterization, NATO-ASt, Reiel, 1092 pp. Aerescente-se ainda virios artigos publicados no Journal of Mathema- tical Geology ¢ na Sciences de La Terre - Série Informatique Géolegi~ que, de vérios autores, nos ltiaos anos Exieten diversos artigos de autoria de um grande niimero de pesquisa~ dores om varias revistas expecializadas em tratanento de dados © mesno especificas de determinados campos de atividads. Entre os pesquisadores con varios trabalhos publicados peden ser citados Matheron, G., Krige, D.G., Journel, A.G., David, M., Marechal, A.» Guarascio, M., Buiiteests, Ch., Rendu, J.M., Serra, J., Royle, A.G., Dowd, P., Armstrong, M., Chau vet, P., Clark, I., Chilis, J.P., Rivoirard, J, Delfiner, P., Delhone, 5.2, © Deraisme, J., entre outros.von RELAGHO ENTRE SEWI-vARIOGRAMA € cOvARIANCIAa ee )? 6°5 G CG 2wromgnrant 20 viaNyisi0 Bonvorw VHWuDOIUVAINS HWA, he DISTANCIA ENTRE AMOSTRAS Freuna 6.1reo TrtrrouRa 610emo te UneWu descrove FB fa reve ABCo Figure 10.18 Me W Gescrevem ACO Favre 10.192 0304 06 cat 2s «4 8 67880 FIGURA 10.1 ~ Modelo Esférico ~ Fungo x (Ly 1)7 or Oz 03 08 08 081 2 3 4 8 67890 Le FIGURA 10.2 - Modelo Esférico ~ Fungo H (L; 1)03 04 08 ca! ae ere aRT) FIGURA 10.3 - Modelo Esférico - Fung#o F (L; 1)oO 02 05 04 08 08 T 2 sy «Se 78810 FIGURA 10.4 - Modelo Esférico - Fung&o F (L; 17)70 oat : - a al 001 or oz 0s 08 o8 08) 23 @ FIGURA 10.5 - Modelo Esférico ~ Vérias Variancias de Fxtensaove n f fy ‘on 02 03 04 06 O87 2 3 4 8 67880 ve FIGURA 10.6 - Modelo Esférico - Variancia de Extens%o de 1 no retangulo L x 1.72 Te oe 08 t @ 5678910 3 we FIGURA 10.7 - Modelo Esf€rico ~ Variancia de Extensdo de 1 x 1 no paralelepipedo L x 1 x 1.73 or oz os08 of cat 2 5 # 5 67890 ue FIGURA 10.8 - Modelo Esférico ~ Variancia de Extens&o de sondagem axial no paralelepfpedo Lxlxl.7 FIGURA 10.11 ~ Modelo Exponencial ~ Sa se Tee Fungo F (L; 1)os o7| os| os] 04 03 02 i o 02 03 04 06 081 2 3 #5 67890 le FIGURA 10.12 ~ Modelo Exponencial - Fungo F (L3 1?)‘or oe 0s 04 06087 23 2 se 7 as FIGURA 10.13 - Modelo Exponencial - Vérias Variancias de Extensio.79 eth os 087 Le FIGURA 10.14 - Modelo Exponencial ~ Variancia de Extensao de 1 no retangulo L x 1.FIGURR 10.15 ~ Nodelo Exponencial ~ Varisneia de Extensis de 1x Ine poralelepipeds Le 1 x 1FICURA 10.16 ~ Modelo Exponencial ~ Varitncia de Extensdo de sondegem axial so parslelepipede