Made available in DSpace on 2014-06-11T19:31:39Z (GMT). No. of bitstreams: 0 Previous issue date: 2002-04Bitstream added on 2014-06-13T18:42:33Z : No. of bitstreams: 1 rabah_fa_dr_botfca.pdf: 474076 bytes, checksum: 20a32ba1643050de38b81fa6577ed20c (MD5) / O presente trabalho teve por objetivo mensurar e comparar os alcances de dependência espacial de atributos do solo, obtidos por meio dos processos do semivariograma e do autocorrelograma, em uma área localizada no município de Brotas, na região central do Estado de São Paulo, com a finalidade de obter parâmetros indicativos de variabilidade espacial para utilização em futuros estudos de fertilidade do solo e correções, em mapeamentos de atributos e recomendações de manejo. As variáveis estudadas foram pH, Capacidade de Troca de Cátions (CTC), Índice de Saturação por Bases (V%), Matéria Orgânica (MO), Areia, Argila e Densidade do solo. Utilizaram-se dados de 46 pontos (sendo 18 trincheiras e 28 tradagens), de onde foram coletadas amostras em duas profundidades: 0 – 20 cm (I – horizonte superficial) e 60 – 80 cm (II – horizonte subsuperficial). Foi efetuada a análise descritiva inicial, assim como a análise da dependência espacial, relatada pelos semivariogramas e pelos autocorrelogramas. Pelos resultados obtidos pode-se concluir que: variogramas e correlogramas foram ferramentas eficientes na análise espacial e na obtenção das dependências espaciais dos atributos dos solos; os correlogramas apresentaram alcances bem menores do que os encontrados nos variogramas; pela literatura analisada há indicação que mais trabalhos utilizando-se métodos de maior teor analítico devem ser efetuados antes que qualquer interpretação possa ser adotada com maior nível de confiabilidade proporcionando mais parâmetros para comparação. / The objective of this work was to measure and compare the reaches of spatial dependency of soil attributes, obtained by means of the processes of semivariogram and autocorrelogram, in an area located in the Brotas city, in the Sao Paulo State central region, with the purpose of obtaining variability indicative parameters for use in future studies of soil fertility and its correction, mappings of attributes and management recommendations. The variables studied were pH, Capacity of Cations Exchange (CTC), Bases Saturation Index (V%), Organic Matter (MO), Sand, Clay and Bulk Density. Data from 46 points were used (being 18 trenches and 28 tradagens), from where samples were collected in two depths: 0 - 20 cm (I - superficial horizon) and 60 - 80 cm (II - subsurface horizon). The initial descriptive analysis was made, as well as the analysis of spatial dependency, reported by the semivariograms and the autocorrelograms. By the obtained results we can conclude that: variograms and correlograms were efficient tools in the spatial analyze and in the obtained spatial dependencies of the soil attributes; the correlograms presented lesser reach than the ones found in the variograms; by the analyzed literature there is indication that many works using methods of a bigger analytical proportion may be achieved before any interpretation could be adopted with higher level of reliance providing more parameters for comparison.

O amadurecimento, declínio e exaustão dos reservatórios petrolíferos comuns têm forçado a expansão das fronteiras exploratórias na indústria do petróleo em direção a projetos com contextos geológicos desafiadores ao mesmo tempo em que a economia torna-se cada vez mais marginal. Um dos desafios é mapear os tipos de rocha, ou fácies, de corpos geológicos compostos por elementos de geometria complexa dos reservatórios que deverão suprir a cada vez crescente demanda pela commodity. Um dos empregos do mapa de fácies é ser uma das entradas da simulação de fluxo, que subsidia relevantes estudos e tomadas de decisão durante o desenvolvimento do campo de petróleo, como por exemplo a otimização da quantidade e posição dos poços produtores e injetores. Um aspecto importante nas simulações de fluxo é como corpos geológicos com características permoporosas diferentes estão conectados entre si. Porém, como obter o mapa desses corpos intricados em face da incerteza proporcionada pelos dados esparsos de poços e de levantamentos sísmicos com resolução não muito menor do que os corpos que se pretende modelar? Este trabalho tem por objetivo responder essa questão avaliando a geoestatística multiponto para gerar, a partir dos dados disponíveis na fase exploratória, mapas equiprováveis de fácies de litotipos de um reservatório de petróleo. Foi empregado o algoritmo conhecido por SNESIM para executar simulações condicionadas a dados como perfis de poços, interpretações geológicas e levantamentos sísmicos, onde a forma dos elementos arquiteturais (ex.: canais distributários) foi reproduzida. Foram também apresentados e aplicados diversos controles de qualidade sobre as realizações e os resultados julgados satisfatórios. Este trabalho conclui que a geoestatística multiponto aproxima mais a modelagem geoestatística das geociências assim como acrescenta reprodução de geometrias e relações espaciais entre as fácies à capacidade de condicionamento aos dados das técnicas mais tradicionais. / The maturing, declining and exhaustion of common hydrocarbon reservoirs started to push the exploratory edge in industry towards projects within challenging geological contexts while economy turns more marginal. One such challenge is to map rock types, or facies, of geological bodies composed by elements of complex geometry in reservoirs due to supply the ever growing demand for the commodity. One application of a lithotype map is to serve as an input to the flow simulation, which subsidizes relevant studies and decision making during the oil field development, for instance, optimizing the number and position of producer and injector wells. One important aspect of flow simulations is how geological bodies with different permo-porosity characteristics are connected with each other. However, how to obtain the map of such intricate bodies in the presence of uncertainty emerged from sparse well data and seismic surveys with resolution not much smaller than the bodies to model? This work aims at answering this question by evaluating multiple-point geostatistics to generate, from data available at exploration phase, equiprobable lithotype maps of a hydrocarbon reservoir. An algorithm known as SNESIM was used to run simulations conditioned to data such as well logs, geological interpretation and seismic surveys, where the shapes of architectural elements (e.g.: distributary channels) were reproduced. Several quality controls were also presented and applied on the realizations and the results were deemed satisfactory. This work concludes that multiple-point geostatistics brings the geostatistical modeling closer to the geosciences as well as adds geometry reproduction and spatial relations between facies to the data conditioning capabilities of the more traditional simulation techniques.

Modelo de blocos para teor é um recurso comumente utilizado pelo planejamento de lavra na indústria mineira. Na maioria dos casos o conhecimento sobre os teores das variáveis químicas não é suficiente para prever o desempenho geometalúrgico do minério quando submetido ao processo de concentração. A geometalurgia engloba um conjunto de testes de comportamento metalúrgico do minério e seus resultados são incorporados ao modelo de bloco, ajudando a tornar o planejamento da lavra mais preciso quanto à capacidade de produção, melhorando os ganhos financeiros e reduzindo os riscos associados à lavra e a tomada de decisões. A recuperação metalúrgica de nióbio mede o quanto do conteúdo metálico de interesse no minério é recuperado no concentrado após o processamento mineral. Esta informação é muitas vezes subutilizada no modelo de bloco devido à baixa quantidade de dados primários, o que dificulta a construção de um modelo de bloco confiável. No entanto, para complementar a variável de interesse, informações secundárias de outros atributos podem ser utilizadas. A cossimulacão de informações não aditivas em depósitos multivariados com mais de duas variáveis secundárias envolvidas é extremamente trabalhosa e normalmente seus resultados precisam ser ajustados posteriormente. A necessidade de ajustes posteriores, aliada a falta de praticidade da maioria dos métodos de cossimulação, motiva a busca por solucões alternativas que gerem resultados tão ou mais precisos e que sejam de fácil aplicação na rotina de modelamento geológico. É comum que os programas utilizados para a cossimulação se baseiem em uma única variável secundária, porém, o fenômeno analisado pode estar sendo influenciado por vários fatores, neste caso, o uso combinado de todos fatores relevantes pode melhorar a predição da variável de interesse. O uso de múltiplas variáveis secundárias pode ser gerenciado criando-se uma variável supersecundária. Neste caso, a quimiometria pode ser aplicada, resolvendo problemas preditivos e modelando propriedades de sistemas químicos visando prever a recuperação metalúrgica. Nesse trabalho, após a combinação de múltiplas variáveis em um preditivo supersecundário, a cossimulação sequencial gaussiana foi aplicada para gerar o modelo geometalúrgico. A simulação conjunta colocada permite a simulação conjunta do dado supersecundário com o dado primário, integrando mais informações para melhorar a predição da recuperação metalúrgica do nióbio. A cossimulação foi realizada com base no modelo de corregionalização de Markov para simplificar a modelagem da covariância cruzada. O modelo probabilístico geometalúrgico obtido se mostrou eficiente, mantendo uma precisão adequada na previsão da variável de interesse. / Grade block models are a standard input in mine planning throughout the mining industry. In most cases, the ore grades knowledge is not enough to predict the behavior of the ore at the processing plant. Geometallurgy comprises a set of ore metallurgical behavior tests and their results incorporated into the block model, helping in making mine planning more precise when it comes to the production capacity, improving financial earnings and reducing risks. Niobium Metallurgical Recovery is a very important variable to be controlled, measuring how much of the metal content in the ore is recovered in the concentrate after mineral processing. This information is often underused in the block model due to the low quantity of primary data, which makes the construction of a reliable block model difficult. However, to supplement the variable of interest, secondary information from other attributes can be used. Cosimulation of non-additive information in multivariate deposits with more than two secondary variables involved is extremely labor-intensive and its results usually need to be later adjusted. The need for subsequent adjustments, combined with the lack of practicality of most cossimulation methods, motivates the search for alternative solutions that generate results that are as accurate and easy to apply in the routine of geological modeling in the mineral industry. In multivariate geostatistics most programs used for cosimulation are based on one secondary variables. Frequently the analyzed phenomenon is influenced by several factors. In this case, the use of them combined can improve the prediction of the variable of interest. The use of multiple secondary variables can be managed by creating a super-secondary variable. In this case, chemometrics can be applied, solving predictive problems, modeling properties of chemical systems aiming at predicting the metallurgical recovery. After combining multiple variables into a super-secondary predictive, Sequential Gaussian Cosimulation was applied in this study to generate a geometallurgical model. The collocated joint simulation allows the joint simulation of a super-secondary data with the primary data, integrating more information to improve the cosimulation of the niobium metallurgical recovery. The cosimulation was run based on the Markov coregionalization model to simplify the cross-covariance modeling. The result is a representative probabilistic geometallurgical model, which proved to be efficient maintaining an adequate precision in forecasting the predicted variable.

O amadurecimento, declínio e exaustão dos reservatórios petrolíferos comuns têm forçado a expansão das fronteiras exploratórias na indústria do petróleo em direção a projetos com contextos geológicos desafiadores ao mesmo tempo em que a economia torna-se cada vez mais marginal. Um dos desafios é mapear os tipos de rocha, ou fácies, de corpos geológicos compostos por elementos de geometria complexa dos reservatórios que deverão suprir a cada vez crescente demanda pela commodity. Um dos empregos do mapa de fácies é ser uma das entradas da simulação de fluxo, que subsidia relevantes estudos e tomadas de decisão durante o desenvolvimento do campo de petróleo, como por exemplo a otimização da quantidade e posição dos poços produtores e injetores. Um aspecto importante nas simulações de fluxo é como corpos geológicos com características permoporosas diferentes estão conectados entre si. Porém, como obter o mapa desses corpos intricados em face da incerteza proporcionada pelos dados esparsos de poços e de levantamentos sísmicos com resolução não muito menor do que os corpos que se pretende modelar? Este trabalho tem por objetivo responder essa questão avaliando a geoestatística multiponto para gerar, a partir dos dados disponíveis na fase exploratória, mapas equiprováveis de fácies de litotipos de um reservatório de petróleo. Foi empregado o algoritmo conhecido por SNESIM para executar simulações condicionadas a dados como perfis de poços, interpretações geológicas e levantamentos sísmicos, onde a forma dos elementos arquiteturais (ex.: canais distributários) foi reproduzida. Foram também apresentados e aplicados diversos controles de qualidade sobre as realizações e os resultados julgados satisfatórios. Este trabalho conclui que a geoestatística multiponto aproxima mais a modelagem geoestatística das geociências assim como acrescenta reprodução de geometrias e relações espaciais entre as fácies à capacidade de condicionamento aos dados das técnicas mais tradicionais. / The maturing, declining and exhaustion of common hydrocarbon reservoirs started to push the exploratory edge in industry towards projects within challenging geological contexts while economy turns more marginal. One such challenge is to map rock types, or facies, of geological bodies composed by elements of complex geometry in reservoirs due to supply the ever growing demand for the commodity. One application of a lithotype map is to serve as an input to the flow simulation, which subsidizes relevant studies and decision making during the oil field development, for instance, optimizing the number and position of producer and injector wells. One important aspect of flow simulations is how geological bodies with different permo-porosity characteristics are connected with each other. However, how to obtain the map of such intricate bodies in the presence of uncertainty emerged from sparse well data and seismic surveys with resolution not much smaller than the bodies to model? This work aims at answering this question by evaluating multiple-point geostatistics to generate, from data available at exploration phase, equiprobable lithotype maps of a hydrocarbon reservoir. An algorithm known as SNESIM was used to run simulations conditioned to data such as well logs, geological interpretation and seismic surveys, where the shapes of architectural elements (e.g.: distributary channels) were reproduced. Several quality controls were also presented and applied on the realizations and the results were deemed satisfactory. This work concludes that multiple-point geostatistics brings the geostatistical modeling closer to the geosciences as well as adds geometry reproduction and spatial relations between facies to the data conditioning capabilities of the more traditional simulation techniques.

Modelo de blocos para teor é um recurso comumente utilizado pelo planejamento de lavra na indústria mineira. Na maioria dos casos o conhecimento sobre os teores das variáveis químicas não é suficiente para prever o desempenho geometalúrgico do minério quando submetido ao processo de concentração. A geometalurgia engloba um conjunto de testes de comportamento metalúrgico do minério e seus resultados são incorporados ao modelo de bloco, ajudando a tornar o planejamento da lavra mais preciso quanto à capacidade de produção, melhorando os ganhos financeiros e reduzindo os riscos associados à lavra e a tomada de decisões. A recuperação metalúrgica de nióbio mede o quanto do conteúdo metálico de interesse no minério é recuperado no concentrado após o processamento mineral. Esta informação é muitas vezes subutilizada no modelo de bloco devido à baixa quantidade de dados primários, o que dificulta a construção de um modelo de bloco confiável. No entanto, para complementar a variável de interesse, informações secundárias de outros atributos podem ser utilizadas. A cossimulacão de informações não aditivas em depósitos multivariados com mais de duas variáveis secundárias envolvidas é extremamente trabalhosa e normalmente seus resultados precisam ser ajustados posteriormente. A necessidade de ajustes posteriores, aliada a falta de praticidade da maioria dos métodos de cossimulação, motiva a busca por solucões alternativas que gerem resultados tão ou mais precisos e que sejam de fácil aplicação na rotina de modelamento geológico. É comum que os programas utilizados para a cossimulação se baseiem em uma única variável secundária, porém, o fenômeno analisado pode estar sendo influenciado por vários fatores, neste caso, o uso combinado de todos fatores relevantes pode melhorar a predição da variável de interesse. O uso de múltiplas variáveis secundárias pode ser gerenciado criando-se uma variável supersecundária. Neste caso, a quimiometria pode ser aplicada, resolvendo problemas preditivos e modelando propriedades de sistemas químicos visando prever a recuperação metalúrgica. Nesse trabalho, após a combinação de múltiplas variáveis em um preditivo supersecundário, a cossimulação sequencial gaussiana foi aplicada para gerar o modelo geometalúrgico. A simulação conjunta colocada permite a simulação conjunta do dado supersecundário com o dado primário, integrando mais informações para melhorar a predição da recuperação metalúrgica do nióbio. A cossimulação foi realizada com base no modelo de corregionalização de Markov para simplificar a modelagem da covariância cruzada. O modelo probabilístico geometalúrgico obtido se mostrou eficiente, mantendo uma precisão adequada na previsão da variável de interesse. / Grade block models are a standard input in mine planning throughout the mining industry. In most cases, the ore grades knowledge is not enough to predict the behavior of the ore at the processing plant. Geometallurgy comprises a set of ore metallurgical behavior tests and their results incorporated into the block model, helping in making mine planning more precise when it comes to the production capacity, improving financial earnings and reducing risks. Niobium Metallurgical Recovery is a very important variable to be controlled, measuring how much of the metal content in the ore is recovered in the concentrate after mineral processing. This information is often underused in the block model due to the low quantity of primary data, which makes the construction of a reliable block model difficult. However, to supplement the variable of interest, secondary information from other attributes can be used. Cosimulation of non-additive information in multivariate deposits with more than two secondary variables involved is extremely labor-intensive and its results usually need to be later adjusted. The need for subsequent adjustments, combined with the lack of practicality of most cossimulation methods, motivates the search for alternative solutions that generate results that are as accurate and easy to apply in the routine of geological modeling in the mineral industry. In multivariate geostatistics most programs used for cosimulation are based on one secondary variables. Frequently the analyzed phenomenon is influenced by several factors. In this case, the use of them combined can improve the prediction of the variable of interest. The use of multiple secondary variables can be managed by creating a super-secondary variable. In this case, chemometrics can be applied, solving predictive problems, modeling properties of chemical systems aiming at predicting the metallurgical recovery. After combining multiple variables into a super-secondary predictive, Sequential Gaussian Cosimulation was applied in this study to generate a geometallurgical model. The collocated joint simulation allows the joint simulation of a super-secondary data with the primary data, integrating more information to improve the cosimulation of the niobium metallurgical recovery. The cosimulation was run based on the Markov coregionalization model to simplify the cross-covariance modeling. The result is a representative probabilistic geometallurgical model, which proved to be efficient maintaining an adequate precision in forecasting the predicted variable.

Modelo de blocos para teor é um recurso comumente utilizado pelo planejamento de lavra na indústria mineira. Na maioria dos casos o conhecimento sobre os teores das variáveis químicas não é suficiente para prever o desempenho geometalúrgico do minério quando submetido ao processo de concentração. A geometalurgia engloba um conjunto de testes de comportamento metalúrgico do minério e seus resultados são incorporados ao modelo de bloco, ajudando a tornar o planejamento da lavra mais preciso quanto à capacidade de produção, melhorando os ganhos financeiros e reduzindo os riscos associados à lavra e a tomada de decisões. A recuperação metalúrgica de nióbio mede o quanto do conteúdo metálico de interesse no minério é recuperado no concentrado após o processamento mineral. Esta informação é muitas vezes subutilizada no modelo de bloco devido à baixa quantidade de dados primários, o que dificulta a construção de um modelo de bloco confiável. No entanto, para complementar a variável de interesse, informações secundárias de outros atributos podem ser utilizadas. A cossimulacão de informações não aditivas em depósitos multivariados com mais de duas variáveis secundárias envolvidas é extremamente trabalhosa e normalmente seus resultados precisam ser ajustados posteriormente. A necessidade de ajustes posteriores, aliada a falta de praticidade da maioria dos métodos de cossimulação, motiva a busca por solucões alternativas que gerem resultados tão ou mais precisos e que sejam de fácil aplicação na rotina de modelamento geológico. É comum que os programas utilizados para a cossimulação se baseiem em uma única variável secundária, porém, o fenômeno analisado pode estar sendo influenciado por vários fatores, neste caso, o uso combinado de todos fatores relevantes pode melhorar a predição da variável de interesse. O uso de múltiplas variáveis secundárias pode ser gerenciado criando-se uma variável supersecundária. Neste caso, a quimiometria pode ser aplicada, resolvendo problemas preditivos e modelando propriedades de sistemas químicos visando prever a recuperação metalúrgica. Nesse trabalho, após a combinação de múltiplas variáveis em um preditivo supersecundário, a cossimulação sequencial gaussiana foi aplicada para gerar o modelo geometalúrgico. A simulação conjunta colocada permite a simulação conjunta do dado supersecundário com o dado primário, integrando mais informações para melhorar a predição da recuperação metalúrgica do nióbio. A cossimulação foi realizada com base no modelo de corregionalização de Markov para simplificar a modelagem da covariância cruzada. O modelo probabilístico geometalúrgico obtido se mostrou eficiente, mantendo uma precisão adequada na previsão da variável de interesse. / Grade block models are a standard input in mine planning throughout the mining industry. In most cases, the ore grades knowledge is not enough to predict the behavior of the ore at the processing plant. Geometallurgy comprises a set of ore metallurgical behavior tests and their results incorporated into the block model, helping in making mine planning more precise when it comes to the production capacity, improving financial earnings and reducing risks. Niobium Metallurgical Recovery is a very important variable to be controlled, measuring how much of the metal content in the ore is recovered in the concentrate after mineral processing. This information is often underused in the block model due to the low quantity of primary data, which makes the construction of a reliable block model difficult. However, to supplement the variable of interest, secondary information from other attributes can be used. Cosimulation of non-additive information in multivariate deposits with more than two secondary variables involved is extremely labor-intensive and its results usually need to be later adjusted. The need for subsequent adjustments, combined with the lack of practicality of most cossimulation methods, motivates the search for alternative solutions that generate results that are as accurate and easy to apply in the routine of geological modeling in the mineral industry. In multivariate geostatistics most programs used for cosimulation are based on one secondary variables. Frequently the analyzed phenomenon is influenced by several factors. In this case, the use of them combined can improve the prediction of the variable of interest. The use of multiple secondary variables can be managed by creating a super-secondary variable. In this case, chemometrics can be applied, solving predictive problems, modeling properties of chemical systems aiming at predicting the metallurgical recovery. After combining multiple variables into a super-secondary predictive, Sequential Gaussian Cosimulation was applied in this study to generate a geometallurgical model. The collocated joint simulation allows the joint simulation of a super-secondary data with the primary data, integrating more information to improve the cosimulation of the niobium metallurgical recovery. The cosimulation was run based on the Markov coregionalization model to simplify the cross-covariance modeling. The result is a representative probabilistic geometallurgical model, which proved to be efficient maintaining an adequate precision in forecasting the predicted variable.

O amadurecimento, declínio e exaustão dos reservatórios petrolíferos comuns têm forçado a expansão das fronteiras exploratórias na indústria do petróleo em direção a projetos com contextos geológicos desafiadores ao mesmo tempo em que a economia torna-se cada vez mais marginal. Um dos desafios é mapear os tipos de rocha, ou fácies, de corpos geológicos compostos por elementos de geometria complexa dos reservatórios que deverão suprir a cada vez crescente demanda pela commodity. Um dos empregos do mapa de fácies é ser uma das entradas da simulação de fluxo, que subsidia relevantes estudos e tomadas de decisão durante o desenvolvimento do campo de petróleo, como por exemplo a otimização da quantidade e posição dos poços produtores e injetores. Um aspecto importante nas simulações de fluxo é como corpos geológicos com características permoporosas diferentes estão conectados entre si. Porém, como obter o mapa desses corpos intricados em face da incerteza proporcionada pelos dados esparsos de poços e de levantamentos sísmicos com resolução não muito menor do que os corpos que se pretende modelar? Este trabalho tem por objetivo responder essa questão avaliando a geoestatística multiponto para gerar, a partir dos dados disponíveis na fase exploratória, mapas equiprováveis de fácies de litotipos de um reservatório de petróleo. Foi empregado o algoritmo conhecido por SNESIM para executar simulações condicionadas a dados como perfis de poços, interpretações geológicas e levantamentos sísmicos, onde a forma dos elementos arquiteturais (ex.: canais distributários) foi reproduzida. Foram também apresentados e aplicados diversos controles de qualidade sobre as realizações e os resultados julgados satisfatórios. Este trabalho conclui que a geoestatística multiponto aproxima mais a modelagem geoestatística das geociências assim como acrescenta reprodução de geometrias e relações espaciais entre as fácies à capacidade de condicionamento aos dados das técnicas mais tradicionais. / The maturing, declining and exhaustion of common hydrocarbon reservoirs started to push the exploratory edge in industry towards projects within challenging geological contexts while economy turns more marginal. One such challenge is to map rock types, or facies, of geological bodies composed by elements of complex geometry in reservoirs due to supply the ever growing demand for the commodity. One application of a lithotype map is to serve as an input to the flow simulation, which subsidizes relevant studies and decision making during the oil field development, for instance, optimizing the number and position of producer and injector wells. One important aspect of flow simulations is how geological bodies with different permo-porosity characteristics are connected with each other. However, how to obtain the map of such intricate bodies in the presence of uncertainty emerged from sparse well data and seismic surveys with resolution not much smaller than the bodies to model? This work aims at answering this question by evaluating multiple-point geostatistics to generate, from data available at exploration phase, equiprobable lithotype maps of a hydrocarbon reservoir. An algorithm known as SNESIM was used to run simulations conditioned to data such as well logs, geological interpretation and seismic surveys, where the shapes of architectural elements (e.g.: distributary channels) were reproduced. Several quality controls were also presented and applied on the realizations and the results were deemed satisfactory. This work concludes that multiple-point geostatistics brings the geostatistical modeling closer to the geosciences as well as adds geometry reproduction and spatial relations between facies to the data conditioning capabilities of the more traditional simulation techniques.

Este trabalho teve como proposta básica um conjunto de programas e algoritmos estatísticos, orientados segundo as necessidades ditadas pelos métodos de prospecção geoquímica de multi-elementos. Os pressupostos para a utilização destes programas, tem como ponto de partida a revisão de alguns conceitos e critérios de interpretação de dados geoquímicos. Neste sentido, a aplicabilidade da metodologia proposta está diretamente condicionadas à qualidade da informação obtida, quer em âmbito regional ou local. Tal limitação, pela sua própria especificidade, obriga a uma integração das diversas etapas do processo, desde amostragem até o tratamento e armazenamento desta informação. O papel desempenhado pelo processamento automático, através dos computadores eletrônicos, se reveste de fundamental importância, onde a análise multivariável é um instrumento indispensável. A sua funcionalidade não se justifica somente pelo ganho considerável de tempo, na redução e síntese do enorme volume de dados geoquímicos, mas também, pela interpretação mais precisa e realística dos resultados com base na associação dos elementos dosados. O projeto piloto de prospecção tática - Projeto São Francisco - foi um dos responsáveis pela criação desta Cadeia de Programas. A sua consecução não se deu de maneira isolada, mas de uma forma integrada com os vários parâmetros intervenientes no universo da prospecção geoquímica, tais como: amostragem, estudos analíticos, partição e comportamento dos elementos traços e a própria operacionalidade da cadeia. / Not available.

Pilhas de homogeneização são amplamente utilizados na indústria mineira para a redução da variabilidade nos teores de alimentação das plantas de beneficiamento. Vários métodos são encontrados para projetar pilhas de homogeneização e a maioria deixa de incorporar a variabilidade in situ intrínseca do depósito mineral. A metodologia proposta combina pilhas longitudinais e simulação geoestatística para emular a variabilidade dos teores in situ e da pilha retomada. A redução da variabilidade em pilhas de homogeneização é baseada na relação volume-variância, ou seja, quanto maior for o suporte, menor será a variabilidade. Baseado em uma seqüência de lavra pré-definida para selecionar os blocos que formarão cada pilha para cada modelo de blocos simulado, as flutuações dos teores derivadas das pilhas reais podem ser simuladas. Estas pilhas são caracterizadas por sua forma, tamanho (comprimento e altura) e o número de camadas. Usando esta metodologia pode-se avaliar, dentro de um determinado período de tempo, a variação de teores esperada para vários tamanhos de pilhas e também a variabilidade interna dos teores quando dada pilha for retomada. Resultados de um estudo de caso em duas grandes minas de ferro operadas pela Vale mostraram a adequação e a funcionalidade do método. É demonstrada a taxa de redução de variabilidade com o aumento do tamanho da pilha e também a relação entre a variabilidade interna de teores de um dado tamanho de pilha, com diferentes números de camadas usadas. / Homogenization piles are largely used in the mining industry for variability reduction in the head grades feeding the processing plants. Various methods are applied for homogenization piles design and most fail to incorporate the in situ grade variability of a mineral deposit. The methodology proposed combines longitudinal piles and geostatistical simulation to emulate the in situ and the pile reclaimed grade variability. Variability reduction in large piles is based on the volume-variance relationship, i.e. the larger is the support the smaller is the variability. Based on a pre-defined mining sequence to select the blocks that will form each pile for each simulated block model, the statistical fluctuation of the grades derived from real piles can be simulated. These piles are characterized by their form, size (length and height) and number of layers. Using this methodology, one can evaluate within a certain time period the expected grade variability for various pile size and also the internal grade variability when a given pile is reclaimed. Results from a case study at two large iron mines operated by Vale proved the adequacy and functionality of the method. It is demonstrated the rate of variability decrease as the pile size increases and also the relation between the internal grade variability to a given pile size, as different number of layers are used.

Todos os dados disponíveis devem ser usados para construir um modelo geostatístico. Em mineração subterrânea, os dados possuem diferentes suportes: dados de furos de sondagem são definidos em um suporte quase pontual, enquanto que dados de produção representam toneladas de minério lavradas durante um período de tempo. Devido à diferença de suporte, os dados de produção são frequentemente ignorados para atualizar o modelo de blocos de teores. Nesta dissertação, a abordagem de krigagem de blocos é proposta para combinar essas duas fontes de informação (dados em suporte pontuais e volumétricos). Um cenário sintético de mineração subterrânea é apresentado. Dois cenários de estimativa são analisados: o primeiro considera apenas dados de furos de sondagem, enquanto que o segundo considera dados de sondagem e de produção. Os resultados mostram que o uso de dados de produção melhora a estimativa de teores. A melhoria é mais pronunciada onde as amostras de sondagem estão localizadas esparsamente. / All available data should be used to build a geostatistical model. In underground mining, data have different support volumes: drillhole data are defined at a quasi-point support, while production data represent tonnes of ore mined during a period of time. Due to the support difference, production data is frequently ignored to update the block grade model. In this dissertation, the block kriging approach is proposed to combine these two sources of information (point and volumetric support data). A synthetic underground mining case is presented. Two estimation scenarios are evaluated: the first considers only drillhole data, while the second considers both drillhole and production data. Results show that the use of production data improves grade estimation. The improvement is more pronounced where diamond drillholes are sparsely located.