Analizy przestrzenne z zastosowaniem metod geostatystycznych (Modelowanie 3D porfirowego złoża miedzi Rio Blanko w Peru)

ROCZNIKI GEOMATYKI 2007 m TOM V m ZESZYT 1

ANALIZY PRZESTRZENNE Z ZASTOSOWANIEM

METOD GEOSTATYSTYCZNYCH

Modelowanie 3D porfirowego z³o¿a miedzi

Rio Blanco w Peru

SPATIAL ANALYSES WITH THE USE

GEOSTATISTICAL METHODS

Case study: 3D modelling of Rio Blanco

porphyritic copper deposit in Peru

Barbara Namys³owska-Wilczyñska

Instytut Geotechniki i Hydrotechniki Politechniki Wroc³awskiej

S³owa kluczowe: z³o¿e miedzi, porfir, zawartoœæ miedzi, analiza strukturalna, wariogram, kowariogram, kriging zwyczajny, modelowanie 3D geostatystyczne

Keywords: copper deposit, porphyry, variability of copper grade, structural analysis, variogram, covariogram, ordinary kriging, 3D geostatistical modelling

Wprowadzenie

Przedmiotem pracy by³o przeprowadzenie wstêpnych badañ geostatystycznych zmien-noœci parametrów z³o¿owych porfirowego z³o¿a miedzi Rio Blanco w Peru wraz z okreœle-niem jego modelu i obliczeokreœle-niem wielkoœci zasobów z³o¿a1_{. Obszar badañ jest po³o¿ony w} pó³nocno-zachodnim Peru i przylega do rzeki Rio Blanco. Jest to rzeka graniczna pomiêdzy Peru i Ekwadorem. Ca³y teren badañ po³o¿ony jest na wysokoœci od 2200 do 2800 m n.p.m. W obrêbie kompleksu porfirowego wystêpuje brekcja wulkaniczna. Tworzy ona strefy o podwy¿szonej mineralizacji miedziowej.

Strefê z³o¿ow¹, zwi¹zan¹ ze ska³ami porfirowymi, reprezentuj¹ strefy: mieszana, superge-niczna i przejœciowa. Strefa przejœciowa ma stosunkowo niewielki zasiêg, przewa¿nie od kilku do kilkudziesiêciu metrów. Zawiera, zarówno tlenki (g³ównie getyt), jak i supergeniczne mine-ra³y miedziowe (kowelin, chalkozyn, digenit). Strefa supergeniczna ma mi¹¿szoœæ od kilku do 240 metrów. Dominuj¹cymi minera³ami w strefie supergenicznej s¹ kowelin (przewa¿nie otoczki kowelinowe lub zast¹pione wnêtrze ziaren chalkopirytu), chalkozyn i digenit. Strefa mieszana ma przewa¿nie mi¹¿szoœæ kilku, miejscami kilkudziesiêciu metrów. Zawiera chalkopiryt wraz z kowelinem, chalkozynem i digenitem, rzadziej bornit.

1 _{Niniejsza praca zosta³a opracowana na zamówienie CUPRUM - Centrum Badawczo-Projektowego} Miedzi we Wroc³awiu.

Analizy przestrzenne zmiennoœci wartoœci parametrów porfirowego z³o¿a miedzi Rio Blanco przeprowadzono z u¿yciem geostatystyki, tj. funkcji: wariogramu i kowariancji, najczêœciej stosowanych miar oceny zmiennoœci przestrzennej, a w dalszej kolejnoœci techniki estyma-cyjnej krigingu zwyczajnego, w modyfikacji blokowej. Analizowano zmiennoœæ wartoœci parametrów z³o¿owych w poziomym rozprzestrzenieniu porfirowego z³o¿a miedzi, jak te¿ w jego profilu pionowym.

W niniejszym artykule na tle rezultatów wstêpnej oceny podstawowych statystyk warto-œci parametrów z³o¿owych porfirowego z³o¿a miedzi Rio Blanco przedstawiono szczegó³o-we wyniki modelowania i szacowania (3D) zawartoœci Cu, uzyskane z zastosowaniem me-tod geostatystycznych.

Metodyka badawcza

Podstawy teoretyczne geostatystyki mo¿na znaleŸæ, przede wszystkim w ksi¹¿kach i w ogromnej liczbie publikacji zagranicznych, m. in. w pracach (David , 1977, 1988; Guarascio, David, Huijbregts, 1976; Journel, Huijbregts, 1978; Wackernagel, 1995) i w wielu krajowych publikacjach, np. w (Namys³owska-Wilczyñska, 1990, 1992; Namys³owska-Wilczyñska, Pyra, 2005; Namys³owska-Wilczyñska, Rusak, 2005; Namys³owska-Wilczyñska , Wilczyñ-ski, 2005) oraz w nielicznych pozycjach ksi¹¿kowych, wydanych w jêzyku polskim (Mu-cha, 1994; Mu(Mu-cha, Nieæ, 1996; Mucha. 2002; Namys³owska-Wilczyñska, 1993, 2006). Do tych ostatnich nale¿y monografia wydana w sierpniu 2006 r., zawieraj¹ca, oprócz szerokiej podbudowy teoretycznej geostatystyki, komputerowe przyk³ady zastosowañ geostatystyki w rozwi¹zywaniu zagadnieñ dotycz¹cych in¿ynierii ekologicznej, geologii z³o¿owej, górnic-twa, energetyki oraz wy³aniaj¹cych siê na styku energetyki i ekonomii (Namys³owska-Wil-czyñska, 2006).

W wysoko rozwiniêtych krajach metody geostatystyczne wykorzystuje siê ju¿ od kilku-dziesiêciu lat w rozwi¹zywaniu prostych i skomplikowanych zagadnieñ geologiczno-górni-czych, napotykanych podczas eksploracji i eksploatacji z³ó¿ ró¿nych surowców mineral-nych, w modelowaniu zjawisk genezy z³ó¿ (David, 1977, 1988; Guarascio, David, Huij-bregts, 1976; Mucha, 1994; Mucha, 2002; Parker, 1983; Verly, David & Journel, Marechal, editors, 1984). Stanowi¹ one nieod³¹czne narzêdzia badawcze, stosowane do modelowania danych z³o¿owych w przemyœle górniczym, przetwarzania, analizowania, szacowania i pro-gnozowania wartoœci œrednich estymowanych Z*, z minimaln¹ wariancj¹ oszacowania δ2

k wartoœci Z* parametrów z³o¿owych. Rezultaty ich u¿ycia pozwalaj¹ na opracowywanie ró¿nych modeli geostatystycznych (krigingowych i symulacyjnych) zmiennoœci z³ó¿ i jedno-czeœnie przyczyniaj¹ siê do podejmowania optymalnych, a niekiedy strategicznych decyzji przez koncerny, przedsiêbiorstwa i firmy przemys³owe.

Dotychczasowe doœwiadczenia autorki by³y zwi¹zane z modelowaniem i szacowaniem wartoœci œrednich Z* parametrów polimetalicznych z³ó¿ rud miedzi na monoklinie przedsu-deckiej w uk³adzie 2D (Namys³owska-Wilczyñska, 1993). Rezultaty badañ geostatystycz-nych, którymi objêto obszar wystêpowania cechsztyñskich osadowych z³ó¿ rud Cu, tj. rejo-ny 4 kopalñ – „Lubin”, „Polkowice”, „Rudna” i „Sieroszowice”, przedstawiono, m.in. w pracach (Namys³owska-Wilczyñska, 1990, 1992, 1993, 2000). W efekcie przeprowadzenia najró¿niejszych analiz przestrzennych uzyskano geostatystyczny model zmiennoœci parame-trów z³ó¿ rud Cu (Namys³owska-Wilczyñska, 1993).

W niniejszym artykule podstawê analiz przestrzennych stanowi³a du¿a baza danych (n = 5121 próbek), zawieraj¹ca wartoœci wspó³rzêdnych X, Y i Z (Z – rzêdna g³êbokoœciowa), oznaczenia zawartoœci Cu i Mo oraz mi¹¿szoœci z³o¿a, dotycz¹ce 104 otworów wiertni-czych, rozmieszczonych stosunkowo regularnie na rozpatrywanym obszarze. Przedmiotem analiz by³y te¿ inne bazy danych, tj. z uwzglêdnieniem 3 brzegowych (cut – off values) zawartoœci Cu: – 0,7% Cu (n = 1903 próbek), 0,5% Cu (n = 2905 próbek) i 0,3% Cu (n = 4011 próbek), gdzie, oprócz wartoœci X, Y i Z, zgromadzono informacje dotycz¹ce brzego-wych zawartoœci Cu i mi¹¿szoœci z³o¿a.

W pierwszym etapie badañ scharakteryzowano strukturê przestrzennej zmiennoœci para-metrów z³o¿owych, obliczaj¹c izotropowe i kierunkowe wariogramy oraz kowariogramy empiryczne, a nastêpnie dokonuj¹c modelowania ich przebiegów funkcjami teoretycznymi, okreœlanymi w literaturze, jako „modele geostatystyczne” (Namys³owska-Wilczyñska, 1993, 2006). W dalszym ci¹gu dokonano kross-walidacji przyjêtych modeli teoretycznych, czyli oceny ich zgodnoœci z przebiegami wariogramów i kowariogramów empirycznych, z u¿y-ciem krigingu zwyczajnego (punktowego), co ma oczywiœcie du¿y wp³yw na wyniki dal-szych obliczeñ zwi¹zanych z u¿yciem krigingu zwyczajnego (blokowego). W prezentowa-nym przyk³adzie modelowania danych z³o¿owych wyniki kross-walidacji pozwoli³y uznaæ przyjête modele wariogramów i kowariogramów za w³aœciwie odwzorowuj¹ce ich przebie-gi. Zrezygnowano jednak z zamieszczania tych wyników w niniejszym artykule.

W dalszej kolejnoœci dysponuj¹c wyznaczonymi wartoœciami parametrów geostatystycz-nych modeli wariogramów i kowariogramów, przeprowadzono szacowanie œrednich Z* i standardowych odchyleñ estymacji δ_k, z zastosowaniem techniki krigingu zwyczajnego (blo-kowego), w uk³adzie 3D. Umo¿liwi³o to badaczom poznanie wartoœci œrednich estymowa-nych Z* rozwa¿aestymowa-nych parametrów z³o¿owych w centrach bloków przyjêtej siatki elementar-nej, pokrywaj¹cej badan¹ przestrzeñ z³o¿ow¹. Podczas obliczeñ krigingowych wyznaczane s¹ wartoœci wspó³rzêdnych X, Y i Z okreœlaj¹cych centra bloków elementarnych (lub wêz³y sieciowe w krigingu punktowym) oraz kilkunastu ró¿nych parametrów geostatystycznych (ISATIS 2001; Namys³owska-Wilczyñska, 2006), wœród których, za najwa¿niejsze mo¿na uznaæ œrednie estymowane Z* i standardowe odchylenia estymacji δ_k (lub wariancjê estyma-cji δ_k2_{). Wartoœci parametrów geostatystycznych s¹ obliczane dla wszystkich „wa¿nych”} wêz³ów sieciowych lub centrów bloków stosowanej siatki elementarnej. Mo¿na je obliczyæ tylko dla interesuj¹cego nas wycinka obszaru z³o¿owego, podaj¹c jego wartoœci wspó³rzêd-nych X, Y i Z lub te¿ jedynie dla wybrawspó³rzêd-nych centrów poszczególwspó³rzêd-nych bloków elementar-nych, które okreœla siê wymieniaj¹c numer bloku (wêz³a sieciowego w krigingu punkto-wym) oraz wartoœci X, Y i Z dla œrodka bloku (wêz³a). Okreœlenie „wa¿ne” dotyczy tylko tych centrów bloków i wêz³ów, dla których istnieje mo¿liwoœæ wykonania estymacji, ze wzglêdu na wystêpowanie odpowiedniej liczebnoœci próbek uwzglêdnianych w szacowaniu, a w rezultacie rozwi¹zania systemu równañ krigingowych.

Istotnym elementem drugiego etapu badañ geostatystycznych jest badanie efektywnoœci estymacji, np. analiza rastrowych obrazów zmiennoœci przestrzennej: wartoœci wspó³czyn-nika korelacji liniowej r oraz kowariancji C wartoœci oryginalnych Z i œrednich estymowa-nych Z*, wariancji œrednich Z*.(Namys³owska-Wilczyñska, Wilczyñski, 2005; Namys³ow-ska-Wilczyñska, 2006).

Po zakoñczeniu obliczeñ krigingowych mo¿liwy staje siê do zrealizowania etap prze-strzennej geowizualizacji rezultatów analiz przestrzennych, polegaj¹cy na obliczaniu i prezen-tacji, m. in. map rastrowych, izoliniowych, konturowych, znaków i symboli, gradientów

etc., blokdiagramów. Przestrzenna geowizualizacja uzyskanych rezultatów, w po³¹czeniu z interpretacj¹ uzyskanych wyników modelowania danych z³o¿owych, zamyka realizacjê ba-dañ geostatystycznych.

Modelowanie porfirowego z³o¿a miedzi Rio Blanco w uk³adzie 3D poprzedzono ocen¹ podstawowych statystyk wartoœci parametrów z³o¿owych (nastêpny rozdzia³), która na ogó³ stanowi wstêpny etap badañ geostatystycznych przed rozpoczêciem analizy geostatystycz-nej, polegaj¹cej na wykonaniu analizy strukturalnej zmiennoœci z³o¿a oraz jego szacowaniu, z u¿yciem ró¿nych metod krigingowych, tych znanych, czêœciej stosowanych lub tych bar-dziej zaawansowanych. Wstêpne oszacowanie statystyk przynosi badaczom wa¿ne infor-macje, które wykorzystuje siê podczas przeprowadzania zaawansowanych analiz przestrzen-nych, wykonuj¹c na przyk³ad, obliczenia zwi¹zane z krigingiem, kokrigingiem i symulacj¹ warunkow¹ (ISATIS, 2001; Namys³owska-Wilczyñska, 2006).

Analizy statystyczne i geostatystyczne zosta³y wykonane z wykorzystaniem wybranych programów obliczeniowych, pochodz¹cych z pakietu oprogramowania ISATIS, zakupione-go w 1997 r., w Firmie Geovariances & Ecole Des Mines de Paris w Avon Cedex, we Francji (ISATIS, 2001).

Ocena podstawowych statystyk parametrów z³o¿owych

Wyniki oszacowania wartoœci podstawowych parametrów statystycznych parametrów z³o-¿owych dla badanej strefy z³o¿owej œwiadcz¹ o du¿ej zmiennoœci zawartoœci Cu, ma³ych zmia-nach mi¹¿szoœci z³o¿a i skrajnie du¿ej zmiennoœci zawartoœci Mo (tab. 1 i 2). Na takie zró¿nico-wanie dobitnie wskazuj¹ uzyskane wartoœci wspó³czynnika zmiennoœci V, wahaj¹ce siê w szerokich granicach od 21 do 157%. Wartoœci œrednie wynosi³y odpowiednio: dla zawartoœci Cu – 0,68 %, mi¹¿szoœci z³o¿a – 2,12 m i zawartoœci Mo – 0,01%.

Tabela 1. Podstawowe statystyki zawartoœci sk³adników u¿ytecznych w porfirowym z³o¿u miedzi Rio Blanco y n a w o zi l a n A rt e m a r a p y w o ¿ o ³ z æ œ o n b e z ci L k e b ó r p n æ œ o tr a W a n l a m i n i m Xmin ] % [ æ œ o tr a W a n l a m y s k a m Xmax ] % [ æ œ o tr a W ai n d e r œ X ] % [ ei n el y h c d O e w o d r a d n a t s S ] % [ k i n n y z c³ ó p s W i c œ o n n ei m z V ] % [ u C æ œ o tr a w a Z 5121 -0,01 16,77 0,68 0,56 83,00 o M æ œ o tr a w a Z 4909 -0,01 0,32 0,01 0,02 157,00

Tabela 2. Podstawowe statystyki mi¹¿szoœci porfirowego z³o¿a miedzi Rio Blanco

y n a w o zi l a n A rt e m a r a p y w o ¿ o ³ z æ œ o n b e z ci L k e b ó r p n æ œ o tr a W a n l a m i n i m Xmin ] m [ æ œ o tr a W a n l a m y s k a m Xmax ] m [ æ œ o tr a W ai n d e r œ X ] m [ ei n el y h c d O e w o d r a d n a t s S ] m [ k i n n y z c³ ó p s W i c œ o n n ei m z V ] % [ æ œ o z s ¿ ¹i M 5121 0,30 7,80 2,12 0,45 21,00

Rozstêp wartoœci rzêdnej g³êbokoœciowej pobrania próbek w otworach wiertniczych, rozmieszczonych na analizowanym obszarze z³o¿owym, zawiera³ siê w granicach od 1974,37 do 2771,00 m n.p.m., ze œredni¹ wynosz¹c¹ 2404,36 m n.p.m. (Namys³owska-Wilczyñska, 2005).

Wyniki obliczeñ podstawowych statystyk zawartoœci Cu dla analizowanych wartoœci brzegowych Cu potwierdzaj¹ du¿¹ zmiennoœæ z³o¿a (tab. 3). Wspó³czynniki zmiennoœci V zawieraj¹ siê w granicach od 52 do 68%, osi¹gaj¹c najni¿sz¹ wartoœæ dla progu – 0,7% Cu. Dla tej wartoœci uzyskano najwy¿sz¹ œredni¹ – 1,19%. Ró¿nice miêdzy wartoœciami odchy-lenia standardowego S dla œrednich obliczonych dla poszczególnych wartoœci brzegowych s¹ nieistotne statystycznie.

Tabela 3. Podstawowe statystyki zawartoœci Cu w z³o¿u Rio Blanco dla 3 brzegowych wartoœci Cu (cut – off values)

æ œ o tr a w a Z i z d e i m Licpzreóbbneokœæ n æ œ o tr a W a n l a m i n i m Xmin ] % [ æ œ o tr a W a n l a m y s k a m Xmax ] % [ æ œ o tr a W a i n d e r œ X ] % [ e i n e l y h c d O e w o d r a d n a t s S ] % [ k i n n y z c ³ ó p s W i c œ o n n e i m z V ] % [ æ œ o tr a W a w o g e z r b u C % 3 , 0 – 1 1 0 4 0,30 16,77 0,82 0,56 68,00 æ œ o tr a W a w o g e z r b u C % 5 , 0 – 5 0 9 2 0,50 16,77 0,99 0,58 59,00 æ œ o tr a W a w o g e z r b u C % 7 , 0 – 3 0 9 1 0,70 16,77 1,19 0,62 52,00

Wspó³czynniki skoœnoœci g₁ (asymetrii) histogramów rozk³adów rozwa¿anych parame-trów z³o¿owych osi¹ga³y wysokie wartoœci, maksymalnie – 9,82 (Namys³owska-Wilczyñ-ska, 2005). Analizowane histogramy rozk³adów zawartoœci Cu (g₁: 6,11–9,82) mo¿na okre-œliæ jako skrajnie lub silnie asymetryczne, o dodatniej skoœnoœci.

Badanie wspó³zale¿noœci parametrów z³o¿owych

Analizowano wspó³zale¿noœæ miêdzy wartoœciami poszczególnych parametrów z³o¿o-wych, tj. zawartoœciami Cu, Mo i mi¹¿szoœci¹ z³o¿a oraz g³êbokoœci¹ pobrania próbek z otworów wiertniczych (tab. 4). Rezultaty obliczeñ wartoœci wspó³czynnika korelacji linio-wej r Pearsona uzasadniaj¹ stwierdzenie, i¿ nie istnieje istotna korelacja miêdzy wartoœciami parametrów z³o¿owych (tab. 4). Bior¹c pod uwagê bardzo du¿e liczebnoœci analizowanych populacji próbkowych (n = 4909) nale¿y uznaæ otrzymane wyniki obliczeñ wartoœci wspó³-czynników r za statystycznie istotne. Jedynie miêdzy zawartoœci¹ Mo, a g³êbokoœci¹ pobra-nia próbek zaznacza siê s³aba korelacja ze znakiem ujemnym.

Analiza strukturalna zmiennoœci zawartoœci Cu

Do scharakteryzowania przestrzennej zmiennoœci zawartoœci Cu w porfirowym z³o¿u miedzi w uk³adzie 3D zastosowano dwie funkcje: wariogramu i kowariancji. W pierwszym etapie analizy strukturalnej do opisania zmiennoœci ca³ej populacji próbkowej zawartoœci Cu u¿yto wariogramu izotropowego. Nastêpnie szczegó³owo analizowano strukturê zmiennoœci tego parametru, jak te¿ z uwzglêdnieniem brzegowych zawartoœci metalu – 0,3% Cu, 0,5% Cu i 0,7% Cu. Przedmiot rozwa¿añ stanowi³y ró¿e kierunkowych wariogramów i kowario-gramów empirycznych, obliczonych w regularnych kierunkach geograficznych, stanowi¹-cych p³aszczyznê odniesienia wzd³u¿ 4 linii: W–E, NE–SW, N–S i NW–SE. Nastêpnie obli-czono wariogramy i kowariogramy empiryczne wzd³u¿ kierunku pionowego, prostopad³ego do p³aszczyzny odniesienia, przy przyjêciu wysokoœci warstwowania (tzw. plastrowania), wy-nosz¹cej 7,97 m. Kierunek ten odpowiada³ osi pionowej otworów wiertniczych.

Na rysunkach 1÷9 zaprezentowano przebiegi izotropowych i kierunkowych wariogra-mów lub kowariograwariogra-mów zawartoœci Cu w z³o¿u i wartoœci brzegowych zawartoœci Cu z dopasowanymi modelami geostatystycznymi. Na tych rysunkach pokazane s¹ te¿ histogra-my liczebnoœci par próbek, które pozwalaj¹ nam szybko zorientowaæ siê, czy ca³e przebiegi wykresów wariogramów lub kowariogramów mo¿na uznaæ za wiarygodne, czy mo¿e jakaœ ich czêœæ jest ma³o przekonywuj¹ca.

Do aproksymacji przebiegów wariogramów i kowariogramów najczêœciej stosowano modele sferyczne z efektem samorodków, niekiedy w po³¹czeniu z modelem liniowym (tab. 5÷7).

W przebiegu wariogramu izotropowego zawartoœci Cu w z³o¿u zauwa¿a siê, i¿ w ca³ko-witej zmiennoœci dominuj¹cy udzia³ ma efekt samorodków C_o, czyli sk³adowa losowa, a jednoczeœnie zwraca uwagê niezbyt d³ugi zasiêg oddzia³ywania a wariogramu (tab. 5). Gdy strukturê zró¿nicowania zawartoœci Cu analizowano na podstawie kierunkowych wariogra-mów mo¿na by³o dostrzec, i¿ udzia³ efektu samorodków C_o zmniejsza³ siê radykalnie, zaœ wyraŸnie zwiêksza³a siê wartoœæ ca³kowitej wariancji progowej C, w stosunku do proporcji obserwowanych na wariogramie izotropowym (tab. 5). Zasiêg oddzia³ywania a dla wi¹zki kierunkowych wariogramów zawartoœci Cu znacznie zmniejszy³ siê, w porównaniu do za-znaczaj¹cego siê na wariogramie izotropowym.

Tabela 4. Zestawienie wartoœci wspó³czynników korelacji liniowej r Pearsona analizowanych parametrów z³o¿owych porfirowego z³o¿a miedzi Rio Blanco

y n a w o zi l a n A rt e m a r a p Lcipzreóbbneokœæ n æ œ o tr a w a Z u C ] % [ æ œ o tr a w a Z o M ] % [ æ œ o z s ¿ ¹i M ] m [ G(eê³elbwoakcojœaæ) ] m . p . n m [ ] % [ u C æ œ o tr a w a Z 4909 1,00 0,16 -0,11 -0,11 ] % [ o M æ œ o tr a w a Z 4909 0,16 1,00 -0,03 -0,29 ] m [ æ œ o z s ¿ ¹i M 4909 -0,11 -0,03 1,00 0,00 ) a j c a w el e ( æ œ o k o b ê³ G ]. m . p . n m [ 4909 -0,11 -0,29 0,00 1,00

Okazuje siê, i¿ wartoœci parametrów geostatystycznych modeli kowariogramów brzego-wych zawartoœci Cu, ró¿ni¹ siê nieistotnie miêdzy sob¹, z tendencj¹ do ich zwiêkszania siê wraz z przyjêciem brzegowej wartoœci – 0,7% Cu (tab. 6). Na kowariogramie obliczonym dla zawartoœci Cu – 0,7 % Cu zaznacza³ siê najwiêkszy udzia³ wartoœci efektu samorodków C_o w ca³kowitej zmiennoœci C (tab. 6), a ponadto wystêpowa³ najkrótszy zasiêg oddzia³ywa-nia a, w stosunku do d³u¿szych zasiêgów charakteryzuj¹cych kowariogramy zawartoœci Cu, wyznaczone dla 0,3% i 0,5% Cu (tab. 6).

Kowariogram empiryczny zawartoœci Cu, obliczony w kierunku prostopad³ym do p³asz-czyzny odniesienia cechowa³ siê najd³u¿szym zasiêgiem oddzia³ywania, a (tab. 7) w porów-naniu do zasiêgów a wariogramów innych parametrów z³o¿owych (Namys³owska-Wilczyñ-ska, 2005). Okazuje siê, i¿ w tym kierunku skorelowanie zawartoœci Cu mo¿na przeœledziæ na znacznie d³u¿szym dystansie (a – 504,39 m), ni¿ to obserwowano na wariogramie mi¹¿-szoœci z³o¿a (a – 346,88 m). W przebiegu kowariogramu zawartoœci Cu ujawnia³ siê efekt

Tabela 5. Zestawienie wartoœci parametrów geostatystycznych modeli wariogramów zawartoœci Cu w porfirowym z³o¿u miedzi Rio Blanco

p y T u m a r g o ir a w samEofreokdtków C0 ] % [ 2 a w o k t s ¹ z C a w o g o r p a j c n ai r a w C' ] % [ 2 a ti w o k ³ a C a w o g o r p a j c n ai r a w C ] % [ 2 g êi s a Z ai n a w y ³ ai z d d o a ] m [ y r u t k u rt s e w o w a t s d o P u l e d o m y w o p o rt o z I 0,304 0,025 0,329 84,20 sferyczn,y w ó k d o r o m a s t k e f e y n o ¿ o ³ Z 0,113 0,347 0,460 58,70 sferyczn,y w ó k d o r o m a s t k e f e

Tabela 7. Zestawienie wartoœci parametrów geostatystycznych modeli kowariogramu zawartoœci Cu w porfirowym z³o¿u miedzi Rio Blanco – w kierunku prostopad³ym do p³aszczyzny odniesienia

t k e f E w ó k d o r o m a s C0 ] % [ 2 a w o k t s ¹ z C a w o g o r p a j c n ai r a w C' ] % [ 2 a ti w o k ³ a C a w o g o r p a j c n ai r a w C ] % [ 2 g êi s a Z ai n a w y ³ ai z d d o a ] m [ y r u t k u rt s e w o w a t s d o P u l e d o m 1 3 1 , 0 0,2171 5 0 0 , 0 1 0,452 1 _504,39 2 9 , 0 9 1 ekfoewktasiraomgroarmod:ksfóewryczn,y ilniow,y

Tabela 6. Zestawienie wartoœci parametrów geostatystycznych modeli kowariogramów brzegowych zawartoœci Cu (cut – off values) w porfirowym z³o¿u miedzi Rio Blanco

æ œ o tr a W a w o g e z r b i c œ o tr a w a z i z d ei m t k e f E w ó k d o r o m a s C0 ] % [ 2 a w o k t s ¹ z C a w o g o r p a j c n ai r a w C' ] % [ 2 a ti w o k ³ a C a w o g o r p a j c n ai r a w C ] % [ 2 g êi s a Z ai n a w y ³ ai z d d o a ] m [ e w o w a t s d o P u l e d o m y r u t k u rt s u C % 3 , 0 0,196 0,149 0,345 494,51 sferyczn,y w ó k d o r o m a s t k e f e u C % 5 , 0 0,242 0,140 0,382 595,73 sferyczn,y w ó k d o r o m a s t k e f e u C % 7 , 0 0,310 0,077 0,387 242,80 sferyczn,y w ó k d o r o m a s t k e f e

samorodków C_o, co œwiadczy o mo¿liwych zmianach intensywnoœci mineralizacji miedzio-wej wzd³u¿ pionowego profilu z³o¿a (tab. 7). W przebiegach wariogramów mi¹¿szoœci z³o¿a i zawartoœci M_o efekt C₀ by³ nieobecny. Na wariogramie zawartoœci Mo, aproksymowanym modelem sferycznym, zaznacza³ siê najkrótszy zasiêg a (178,48 m), w stosunku do zasiê-gów a kowariogramu zawartoœci Cu (504, 39 m) i wariogramu mi¹¿szoœci (346,88 m).

Uzyskane rezultaty analizy wariogramów i kowariogramów zawartoœci Cu pozwalaj¹ na stwierdzenie pewnych prawid³owoœci zró¿nicowania wartoœci funkcji γ(h) i C(h). Okazuje siê, i¿ w strukturze zmiennoœci zawartoœci Cu w z³o¿u, przedstawionej w postaci ró¿y 4 kierunkowych wariogramów, nie zaznaczaj¹ siê uprzywilejowane tendencje zmian (rys. 2). Jedynie w przypadku wariogramów badanych dla dwóch kierunków (NO–W-E i N45-NE-SW) wartoœci funkcji γ(h) zwiêkszaj¹ siê gwa³townie w koñcowej czêœci rozwa¿anego dy-stansu (odleg³oœæ: 600–750 m). W przebiegu izotropowego wariogramu zawartoœci Cu za-uwa¿a siê bardzo du¿y udzia³ efektu C_o w ca³kowitej zmiennoœci C wartoœci funkcji γ(h), a ponadto widoczne s¹ pewne elementy okresowoœci zmian wartoœci γ(h) (rys. 1). Natomiast na obecnoœæ niewielkiego udzia³u losowej sk³adowej zmiennoœci Co wskazuje przebieg izo-tropowego kowariogramu zawartoœci Cu, badanego w kierunku prostopad³ym do p³aszczy-zny odniesienia (rys. 3).

Charakter zró¿nicowania zmiennoœci zawartoœci Cu analizowano te¿ z uwzglêdnieniem wartoœci brzegowych tego metalu. Zauwa¿ono, i¿ w przebiegach wykresów wartoœci funk-cji kowarianfunk-cji izotropowej C(h) zaznacza siê wyraŸnie efekt samorodków C_o (rys. 4, 6, 8). Pewn¹ kierunkowoœæ w przebiegach wartoœci C(h) mo¿na by³o przeœledziæ wzd³u¿ dwóch linii badania, tj. N135-NW-SE i N0–W-E, przede wszystkim przy przyjêciu wartoœci brzego-wych – 0,3% Cu i 0,5% Cu, bardzo wyraŸn¹ w przypadku wartoœci 0,3% Cu (rys. 5) i wyraŸn¹ dla wartoœci 0,5% Cu (rys. 7). Najbardziej strome przebiegi wartoœci funkcji kowa-riancji izotropowej C(h) i kierunkowych kowariogramów stwierdza siê, jeœli w obliczeniach przyjmowano wartoœæ brzegow¹ – 0,3% Cu, zaœ naj³agodniejsze przebiegi dla wartoœci – 0,7% Cu. Mo¿na to wyjaœniæ uwzglêdnieniem w analizie ró¿norodnej populacji próbkowej o najwiêkszej liczebnoœci i silniejszym zró¿nicowaniu zawartoœci Cu ni¿ wówczas, gdy mamy do czynienia z bardziej jednorodn¹ populacj¹ o mniejszej liczebnoœci.

Rezultaty szacowania zawartoœci Cu

Do szacowania w uk³adzie 3D wartoœci œrednich estymowanych Z* parametrów z³o¿o-wych porfirowego z³o¿a miedzi Rio Blanco zastosowano technikê krigingu zwyczajnego (blokowego).

Rozpatrywany obszar z³o¿owy koncesji górniczej Rio Blanco o powierzchni 5,85 km2 pokryto siatk¹ bloków o wymiarach bloku elementarnego 50 m x 50 m x 10 m (25 000 m3_). Podczas wykonywania obliczeñ w uk³adzie 3D liczba punktów dyskretyzacyjnych dla poje-dynczego bloku (po 18 wzd³u¿ osi X, Y, Z) wynosi³a 5832. Liczby wêz³ów sieciowych, przyjêtych podczas szacowania (wzd³u¿ osi wspó³rzêdnych X, Y i Z) wynosi³y: 55 (oœ X), 40 (oœ Y) i 88 (oœ Z). Ca³kowita liczba wêz³ów sieciowych, wykorzystanych w szacowaniu, wynosi³a 193 600. Obliczenia krigingowe wykonano z uwzglêdnieniem wartoœci parame-trów geostatystycznych z³o¿onych modeli wariogramów.

Rezultaty obliczeñ zwi¹zanych z estymacj¹ œrednich Z* parametrów z³o¿owych dla ró¿-nych wariantów badania przedstawiono w opracowaniu (Namys³owska-Wilczyñska, 2005) i w tabeli 8 (zawartoœæ Cu). Dla rozpatrywanego obszaru z³o¿owego szacowano w wêz³ach siatki elementarnej wartoœci parametrów geostatystycznych: œrednie estymowane Z* i standardo-we odchylenia estymacji δ_k oraz wartoœci wspó³rzêdnych X, Y i Z dla œrodków bloków elemen-tarnych. Liczba „wa¿nych” wêz³ów sieciowych waha³a siê w granicach od 106 119 do 136 941. W tabeli 8 podano minimalne wartoœci œrednich Z*, maksymalne wartoœci œrednich Z*, wartoœci œrednich X, obliczonych na podstawie œrednich Z* dla wszystkich wêz³ów u¿ytych w estymacji, odchylenia standardowe S od wartoœci œrednich X, wyliczonych ze œrednich Z* i wspó³czynniki zmiennoœci V. Wspó³czynniki zmiennoœci V œrednich estymowanych Z* œwiadcz¹ o du¿ych zmianach zawartoœci Cu, co ju¿ wczeœniej podkreœlano, omawiaj¹c wy-niki oceny podstawowych statystyk wartoœci oryginalnych rozwa¿anego metalu (tab. 1).

W przypadku standardowego odchylenia estymacji δ_k uzyskano natomiast ma³y wspó³-czynnik zmiennoœci V (17 %), co pozwala uznaæ wyniki wykonanej estymacji œrednich Z* za poprawne. Na takie rezultaty obliczeñ mo¿e te¿ wp³ywaæ izotropowy charakter zmienno-œci zawartozmienno-œci Cu.

Analizuj¹c rezultaty obliczeñ globalnych statystyk wartoœci parametrów geostatystycz-nych, z uwzglêdnieniem brzegowych zawartoœci Cu, generalnie stwierdzono mniejsze war-toœci wspó³czynników zmiennoœci V (Namys³owska-Wilczyñska, 2005), w porównaniu z wynikami estymacji przeprowadzonej dla ca³ej serii z³o¿owej (tab. 8). Wspó³czynniki V, za-wieraj¹ce siê w granicach od 22 do 36 %, wskazuj¹ na ma³¹ i przeciêtn¹ zmiennoœæ œrednich Z*. Najni¿sze wartoœci V uzyskano dla wartoœci brzegowej – 0,7% Cu, gdy¿ ta w³aœnie populacja próbkowa charakteryzuje siê mniejszym zró¿nicowaniem zawartoœci Cu, jest bar-dziej jednorodna, w stosunku do populacji badanych dla wartoœci brzegowych – 0,3% Cu i 0,5% Cu. Jeszcze mniejsze wartoœci wspó³czynników V uzyskano na podstawie zbiorów wartoœci standardowego odchylenia estymacji δ_k,, obliczonych dla poszczególnych wartoœci brzegowych Cu (V: 16÷23%).

Rezultaty szacowania œrednich estymowanych Z* zawartoœci Cu dla wybranych prze-krojów XOY – poziomów z³o¿owych: 10, 15, 25, 30, 40, 45, 50, 55, 65, 75, odpowiadaj¹-cych interwa³owi g³êbokoœci od 1935 do 2685 m n.p.m., zaprezentowano na mapach rastro-wych (rys. 10÷19). Mapy rastrowe rozk³adu œrednich estymowanych Z* zawartoœci Cu przedstawiono w ujêciu perspektywicznym, z przyjêciem nastêpuj¹cych parametrów per-spektywy: d³ugoœci geograficznej 65° i szerokoœci geograficznej 35°. Sporz¹dzono je dla Tabela 8. Globalne statystyki wartoœci parametrów geostatystycznych zawartoœci Cu w porfirowym

z³o¿u miedzi Rio Blanco

rt e m a r a P y n z c y t s y t a t s o e g Lcizbsaaiwtkêiz³ów j e n r a t n e m el e n a n l a m i n i M æ œ o tr a w a n a w o m y t s e Xmin ] % [ a n l a m y s k a M æ œ o tr a w a n a w o m y t s e Xmax ] % [ æ œ o tr a W ai n d e r œ X ] % [ ei n el y h c d O e w o d r a d n a t s S ] % [ k i n n y z c³ ó p s W i c œ o n n ei m z V ] % [ ai n d e r œ æ œ o tr a W a n a w o m y t s e * Z 1 4 9 6 3 1 0,00 2,76 0,44 0,22 49,00 e w o d r a d n a t S ei n el y h c d o ij c a m y t s e δk 1 4 9 6 3 1 0,11 0,50 0,42 0,07 17,00

warstw ska³ z³o¿owych, przyjmuj¹c wysokoœæ warstwowania (plastrowania) co 50 m lub 100 m. Wyniki estymacji pokazano, przemieszczaj¹c siê od sp¹gu z³o¿a w kierunku jego stropu, a wiêc poczynaj¹c od najg³êbiej do najp³ycej zalegaj¹cych warstw z³o¿a (od poziomu 10 do 75). Mo¿na by³o przeœledziæ, jak zmienia siê intensywnoœæ i charakter okruszcowania Cu w piono-wym profilu z³o¿a. Analiz¹ przestrzenn¹ objêto znaczny profil z³o¿a, zwi¹zany z interwa³em g³êbokoœciowym, ok. 800 m, zawieraj¹cym siê w granicach, od 1974 do 2771 m n.p.m.

Analizuj¹c œrednie estymowane Z* zawartoœci Cu w serii z³o¿owej na ró¿nych pozio-mach g³êbokoœciowych mo¿na zauwa¿yæ, i¿ najbogatsza mineralizacja miedziowa wystêpuje w interwale od 2135 do 2235 m n.p.m., który odpowiada poziomom 20 i 30 (œrednie Z*: 1,97 ÷ 2,33% Cu). Warstwy o s³abszej intensywnoœci okruszcowania – poziomy 40 i 50 (Z*: 1,40 ÷ 1,49 % Cu) zalegaj¹ wy¿ej, tj. w przedziale, od 2335 do 2435 m n.p.m. Powy¿ej 2435 m zawartoœæ Cu zaczyna siê systematycznie zmniejszaæ. W warstwach zalegaj¹cych w interwale g³êbokoœciowym, od 1935 do 2085 m n.p.m. (poziomy 10 i 15) mineralizacja jest s³aba, wrêcz uboga, osi¹gaj¹c maksymalnie – 0,74% Cu.

Wyniki estymacji œrednich Z*, wykonanej z uwzglêdnieniem brzegowych zawartoœci Cu, prowadzi³y do nastêpuj¹cych spostrze¿eñ (Namys³owska-Wilczyñska, 2005). Gdy do sza-cowania przyjmowano zawartoœci metalu, osi¹gaj¹ce powy¿ej 0,3% Cu i 0,5% Cu, to wów-czas poziomy charakteryzuj¹ce siê najintensywniejsz¹ mineralizacj¹ (œrednie Z*: 2,29÷2,41% Cu), by³y zwi¹zane z interwa³em profilu od 2185 do 2335 m n.p.m. (poziomy: 25, 30, 40). Jeœli uwzglêdniano wartoœæ brzegow¹ 0,7% Cu, to ten interwa³ przesuwa³ siê jeszcze wy¿ej, obejmuj¹c od 2185 do 2385 m n.p.m. (Z*: 2,11÷2,69% Cu – poziomy: 25, 30, 40, 45). W interwale profilu od 2335 do 2385 m n.p.m. ska³y z³o¿owe by³y ju¿ s³abiej zmineralizowane (œrednie Z*: 1,60÷1,75%), a w interwale od 2635 do 2685 m n.p.m. i powy¿ej 2685 m n.p.m. mineralizacja stawa³a siê ubo¿sza i zaczyna³a stopniowo zanikaæ.

Jeœli zaistnieje koniecznoœæ przeprowadzenia dok³adniejszego szacowania œrednich Z*, to wówczas ró¿nego rodzaju mapy: rastrowe i izoliniowe oraz blokdiagramy mo¿na obliczyæ z przyjêciem znacznie mniejszej wysokoœci warstwowania, np. co 10 m. W ten sposób mo¿na uzyskaæ pe³niejsze rezultaty szacowania zmiennoœci z³o¿a, zaœ charakterystyka rozk³adu mi-neralizacji miedziowej ska³ porfirowych w ich rozprzestrzenieniu poziomym i pionowym stanie siê znacznie bogatsza.

Oprócz dokonania przestrzennej geowizualizacji œrednich estymowanych Z* w analo-giczny sposób mog¹ zostaæ zademonstrowaæ wyniki szacowania wartoœci standardowego odchylenia estymacji δ_k i innych parametrów, z czego zrezygnowano, ze wzglêdu na ramo-we ograniczenia artyku³u.

Wyniki szacowania œrednich estymowanych Z* zawartoœci Cu z uwzglêdnieniem warto-œci brzegowych – 0,3% Cu, 0,5% Cu i 0,7% Cu oraz pozosta³ych parametrów z³o¿owych, zawartoœci Mo, mi¹¿szoœci i zasobnoœci z³o¿a zamieszczono w opracowaniu wykonanym dla CUPRUM (Namys³owska-Wilczyñska, 2005).

Koñcowy etap analiz przestrzennych polega³ na obliczeniu wielkoœci zasobów Q porfiro-wego z³o¿a Cu w uk³adzie 2D dla powierzchni rozpatrywanego obszaru (Namys³owska-Wilczyñska, 2005). W obliczeniach wielkoœci zasobów Q z³o¿a uwzglêdniono uœrednion¹ zasobnoœæ na podstawie œrednich Z*, oszacowanych z uwzglêdnieniem modeli geostaty-stycznych wariogramów zasobnoœci, obliczonych wzd³u¿ osi X, Y i Z. Obliczenie wielkoœci zasobów w uk³adzie 3D wymaga ka¿dorazowego okreœlenia wymiarów powierzchni warstw z³o¿owych, wystêpuj¹cych na poszczególnych poziomach g³êbokoœciowych profilu z³o¿a, cechuj¹cych siê ró¿nym stopniem zmineralizowania.

Podsumowanie

Badania geostatystyczne zmiennoœci parametrów porfirowego z³o¿a miedzi Rio Blanco w Peru, tj. zawartoœci Cu i Mo, mi¹¿szoœci i zasobnoœci z³o¿a reprezentowanego przez strefy: mieszan¹, supergeniczn¹ i przejœciow¹, wykonano w uk³adzie 3D. Zastosowano funkcje: wariogramu i kowariancji oraz technikê krigingu zwyczajnego (blokowego). Przedstawiono charakterystykê przestrzenn¹ zró¿nicowania zawartoœci Cu w poziomym rozprzestrzenieniu z³o¿a i w jego profilu pionowym.

Charakter i stopieñ zmiennoœci zawartoœci Cu wyra¿a najlepiej funkcja kowariancji, nie-zale¿nie od wariantu badania. Nie stwierdzono anizotropii zró¿nicowania zawartoœci Cu.

Efektem wykonanych badañ geostatystycznych jest opracowanie geostatystycznego modelu 3D zmiennoœci parametrów porfirowego z³o¿a miedzi. Model ten umo¿liwia u¿yt-kownikom doskona³¹ orientacjê w g³êbokoœci zalegania bogatszych i ubo¿szych warstw z³o¿owych, wystêpuj¹cych w porfirach, w przestrzennym zasiêgu i stopniu ich okruszco-wania miedzi¹ oraz molibdenem, a ponadto w g³êbokoœci poziomu zanikania mineralizacji Cu i Mo.

Otrzymano bardzo bogat¹ dokumentacjê rastrowych map œrednich estymowanych Z* parametrów z³o¿owych, które mo¿na uzyskiwaæ w przekrojach o wysokoœci plastrowania, wynosz¹cej 10 m, wzd³u¿ pionowego profilu z³o¿a. Warstwy z³o¿owe, najintensywniej zmi-neralizowane (20, 30, 40), zarówno miedzi¹, jak i molibdenem, stwierdzono w interwale g³êbokoœci od 2135 do 2335 m n.p.m., przy czym górn¹ granicê otrzymano, jeœli w oblicze-niach przyjmowano wartoœæ brzegow¹ – 0,7% Cu.

Dalsze badania geostatystyczne porfirowego z³o¿a miedzi Rio Blanco powinny byæ ukie-runkowane na polepszenie dok³adnoœci szacowania wartoœci œrednich estymowanych para-metrów z³o¿owych. Uzyskane rezultaty analiz przestrzennych pozwalaj¹ na zaproponowanie efektywnego estymatora krigingowego do szacowania tego z³o¿a, tj. krigingu zwyczajnego (blokowego).

Literatura

David M., 1977: Geostatistical Ore Reserve Estimation. Elsevier Scientific Publishing Co., Amsterdam, p. 360.

David M., 1988: Handbook of Applied Advanced Geostatistical Ore Reserve Esimation. Developments in Geomathematics 6. Elsevier Science Publishers B. V., Amsterdam, p. 216.

Guarascio, M., David, M., Huijbregts, C., 1976: Advanced Geostatistics in the Mining Industry: Proceedings of the NATO ASI Series C24 Advanced Study Instituto held at the Institudo di Geologia Applicata of the University of Rome, Italy, 13-25 October 1975, D. Reidel Publishing Co., Dordrecht, p. 461.

ISATIS, 2001: Authors: Bleines C., Deraisme J., Geffroy F., Perseval S., Rambert F., Renard D., Touffait Y., Isatis Software Manual. Geovariances and Ecole des Mines de Paris (Centre de Geostatistique), Avon Cedex, France, November, p. 531.

Journel A. G., Huijbregts C. J., 1978: Mining Geostatistics. Academic Press, New York NY, London, p. 600. Mucha J., 1994: Metody geostatystyczne w dokumentowaniu z³ó¿. Skrypt Wydzia³u Geologii, Geofizyki i

Ochrony Œrodowiska, Katedra Geologii Kopalnianej, Kraków, s. 155.

Mucha J., Nieæ M., 1996: Struktura zmiennoœci parametrów z³o¿a. [W:] Piestrzyñski A. (red.) Monografia KGHM Polska MiedŸ S.A., Lubin, ss. 195–200.

Mucha J., 2002: Struktura zmiennoœci zawartoœci [Zn] i [Pb] w œl¹sko-krakowskich z³o¿ach rud Zn-Pb. Studia Rozprawy Monografie 108. Wydawnictwo Instytutu Gospodarki Surowcami Mineralnymi i Ener-gi¹ IGSMiE PAN, Kraków, s. 149.

Namys³owska-Wilczyñska B., 1990: Geostatistical estimation of Cu ore deposit. Science de la Terre, Serie Informatique Geologique, France, no 29, ss. 63-74.

Namys³owska-Wilczyñska B., 1992: Geostatistical methods for evaluating genetic models of a copper depo-sit in the Foresudetic Monocline. Science de la Terre, Serie Informatique Geologique, France, no 31, ss. 239-258.

Namys³owska-Wilczyñska B., 1993: Zmiennoœæ z³ó¿ rud miedzi na monoklinie przedsudeckiej w œwietle badañ geostatystycznych. Prace Naukowe Instytutu Geotechniki i Hydrotechniki Politechniki Wroc³aw-skiej Nr 64, Monografie Nr 21, Wroc³aw, s. 207.

Namys³owska-Wilczyñska B., 2000: Uwagi na temat genezy z³ó¿ rud miedzi w rejonie Lubin-Sieroszowice w œwietle badañ geostatystycznych. Prace Geologiczno-Mineralogiczne LXVIII, Acta Universitatis Wra-tislaviensis No 2197, Wydawnictwo Uniwersytetu Wroc³awskiego, Wroc³aw, ss. 37-91.

Namys³owska-Wilczyñska B., 2005: Wstêpne badania geostatystyczne zmiennoœci parametrów porfirowe-go z³o¿a miedzi Rio Blanco (Peru) wraz z okreœleniem jeporfirowe-go modelu i bazy zasobowej. Opracowanie wykonano na zamówienie Centrum Badawczo-Projektowego Miedzi CUPRUM we Wroc³awiu. Wro-c³aw, s.115.

Namys³owska-Wilczyñska B., Pyra J., 2005: Analiza przestrzenna zawartoœci miedzi w œrodowisku grunto-wo-wodnym Legnicko-G³ogowskiego Okrêgu Miedziowego. Roczniki Geomatyki, Tom III, Zeszyt 4, Polskie Towarzystwo Informacji Przestrzennej, Warszawa, ss. 137-147.

Namys³owska-Wilczyñska B., Rusak K., 2005: Zastosowanie geostatystyki i GIS do analizy wp³ywu czynników naturalnych i antropogenicznych na koncentracjê metali ciê¿kich w glebach rejonu olkuskiego. Roczniki Geomatyki, Tom III, Zeszyt 2, Polskie Towarzystwo Informacji Przestrzennej, Warszawa, ss. 115-124.

Namys³owska-Wilczyñska B., Wilczyñski A., 2005: Zastosowanie metod geostatystycznych do analizy przestrzennej zmiennoœci obci¹¿eñ elektrycznych dla obszaru Polski. Roczniki Geomatyki, Tom III, Zeszyt 2, Polskie Towarzystwo Informacji Przestrzennej, Warszawa, ss. 125-134.

Namys³owska-Wilczyñska B., 2006: Geostatystyka – Teoria i Zastosowania. Oficyna Wydawnicza Poli-techniki Wroc³awskiej, Wroc³aw, s. 356.

Parker H., 1983: Trends in geostatistics in the mining industry. [In:] Geostatistics for Natural Resources Characterization (Verly G., David M., Journel A.G. and Marechal A., eds.), pp. 915–934, NATO Advan-ced Study Institute, South Lake Tahoe, California, September 6–17, D. Reidel, Dordrecht, Holland. Verly G., David M. & Journel A. G., Marechal A., editors, 1984: [In:] Geostatistics for Natural Resources

Characterization. Two volumes, NATO ASI Series C-122, Reidel, Dordrecht, NATO Advanced Study Institute, South Lake Tahoe, California, September 6-17 1983, pp., 365-384,

Wackernagel H., 1995: Multivariate Geostatistics, Springer - Verlag Berlin Heidelberg, New York, p. 256. Summary

Research methods for geostatistical spatial analyses are presented on the example of the results of 3D modelling of deposit data. The variation in the parameters of the Rio Blanco porphyritic copper deposit in Peru was investigated. Copper and molybdenum grades, deposit thickness and copper accumula-tion averages Z* were estimated and quantity of the copper deposit’s reserves was calculated. Geosta-tistical methods, i.e. variogram and covariance functions and the ordinary (block) kriging technique, were used to estimate averages Z*. Spatial analyses drew from a large database (n = 5121 samples), containing values of coordinates X, Y and Z (depth ordinate) and Cu and Mo content and deposit thickness determinations for 104 boreholes distributed over the deposit area. In addition, databases with assumed three cut-off values of Cu content, i.e. 0.7% Cu (n = 1903 samples), 0.5% Cu (n = 2905 samples) and 0.3% Cu (n = 4011 samples), were used in the geostatistical studies. The isotropic empirical variograms and covariograms of the deposit’s parameters were computed. Then a 3D analysis of the directional empirical variograms and covariograms, computed along 4 regular direc-tions in the reference plane and perpendicularly to this plane, was carried out. These variograms and covariograms were calculated for a slicing height of 7.97 m. Then, averages Z* and standard estima-tion deviaestima-tion ók of the above parameters were estimated in 3D for the considered deposit series and

the cut-off values of Cu content, taking into account different spatial copper ore specific weight. The estimation was based on the results of modelling empirical covariograms by means of theoretical functions. The estimated averages Z* of the deposit parameters were presented in the form of raster maps for selected deposit (porphyritic rocks) layers at depth levels: of 10, 15, 25, 30, 40, 45, 50, 55, 65, 75 within the 1935-2685 m vertical profile interval. As a result of the spatial analyses, a 3D geostatistical model of the Rio Blanco porphyritic copper deposit’s parameter variation was obtained.

dr hab. Barbara Namys³owska-Wilczyñska, prof. PWr b.namyslowska-wilczynska@prw.wroc.pl

Rys. 1. Izotropowy wariogram empiryczny zawartoœci Cu w z³o¿u [%]2_, z dopasowanym modelem teoretycznym; histogram rozk³adu liczebnoœci par próbek

Rys. 3. Izotropowy kowariogram empiryczny zawartoœci Cu w z³o¿u [%]2 _{w kierunku} prostopad³ym do p³aszczyzny odniesienia, z dopasowanym modelem teoretycznym; histogram rozk³adu liczebnoœci par próbek. Rys. 2. Ró¿a kierunkowych wariogramów empirycznych zawartoœci Cu w z³o¿u [%]2_, w p³aszczyŸnie odniesienia, w kierunkach regularnych: NO–W-E, N45–NE–SW, N90–N–S, N135–NW–SE, z dopasowanym modelem teoretycznym; histogram rozk³adu liczebnoœci par próbek

zawartoœci Cu w z³o¿u [%]2_,

przy przyjêciu wartoœci brzegowej 0,3% Cu, z dopasowanym modelem teoretycznym; histogram rozk³adu liczebnoœci par próbek

Rys. 5. Ró¿a kierunkowych kowariogramów empirycznych zawartoœci Cu w z³o¿u [%]2_, w p³aszczyŸnie odniesienia, w kierunkach regularnych: NO–W-E, N45–NE–SW, N90–N–S, N135–NW–SE,

przy przyjêciu wartoœci brzegowej 0,3% Cu, z dopasowanym modelem teoretycznym; histogram rozk³adu liczebnoœci par próbek

Rys. 6. Izotropowy kowariogram empiryczny zawartoœci Cu w z³o¿u [%]2_,

przy przyjêciu wartoœci brzegowej 0,5% Cu, z dopasowanym modelem teoretycznym; histogram rozk³adu liczebnoœci par próbek

empirycznych zawartoœci Cu w z³o¿u [%]2_, w p³aszczyŸnie odniesienia, w kierunkach regularnych: NO–W-E, N45–NE–SW, N90–N–S, N135–NW–SE, przy przyjêciu wartoœci brzegowej 0,5% Cu, z dopasowanym modelem teoretycznym; histogram rozk³adu liczebnoœci par próbek

Rys. 8. Izotropowy kowariogram empiryczny zawartoœci Cu w z³o¿u [%]2_, przy przyjêciu wartoœci brzegowej 0,7% Cu, z dopasowanym modelem teoretycznym; histogram rozk³adu liczebnoœci par próbek

Rys. 9. Ró¿a kierunkowych kowariogramów empirycznych zawartoœci Cu w z³o¿u [%]2_, w p³aszczyŸnie odniesienia, w kierunkach regularnych: NO–W-E, N45–NE–SW, N90–N–S, N135–NW–SE, przy przyjêciu wartoœci brzegowej 0,7% Cu, z dopasowanym modelem teoretycznym; histogram rozk³adu liczebnoœci par próbek

107

Analizy przestrzenne z zastosowaniem metod geostatystycznych

Rys. 10. Przedzia³ g³êbokoœci: 1935÷ 2035 m n.p.m. (poziom 10)

Rys. 11. Przedzia³ g³êbokoœci: 2035÷2085 m n.p.m. (poziom 15)

Rys. 12. Przedzia³ g³êbokoœci: 2135÷2185 m n.p.m. (poziom 25)

Rys. 13. Przedzia³ g³êbokoœci: 2135÷2235 m n.p.m. (poziom 30)

Barbara Namys³owska-Wilczyñska Rys. 14. Przedzia³ g³êbokoœci:

2235÷2335 m n.p.m. (poziom 40)

Rys. 15. Przedzia³ g³êbokoœci: 2335÷2385 m n.p.m. (poziom 45)

Rys. 16. Przedzia³ g³êbokoœci: 2335÷2435 m n.p.m. (poziom 50)

Rys. 17. Przedziale g³êbokoœci: 2435÷2485 m n.p.m.

Blokdiagramy powierzchni œrtednich estymowanych Z* zawartoœci Cu w z³o¿u

Rys. 19. Przedzia³ g³êbokoœci 2635÷2685 m n.p.m. (poziom 75)

Rys. 18. Przedzia³ g³êbokoœci: 2535÷2585 m n.p.m. (poziom 65)