You are on page 1of 16

Revista de la Asociación Geológica Argentina 74 (4): 537-552 (2017) 537

ANÁLISIS GEOESTADÍSTICO Y NUMÉRICO DE DATOS


GEOQUÍMICOS DE SONDEOS DE EXPLORACIÓN MINERA,
CASOS DE DEPÓSITOS EPITERMALES
Raúl R. FERNÁNDEZ

Universidad Nacional de La Plata, Facultad de Ciencias Naturales y Museo. Instituto de Recursos Minerales, Comisión de Investigaciones Científicas de
la provincia de Buenos Aires . E-mail: rfernand@inremi.unlp.edu.ar

RESUMEN

Los datos geoquímicos de muestras de perforaciones en la exploración minera poseen una estructuración espacial y numérica
característica cuyo reconocimiento puede ser un complemento de gran utilidad para comprender los procesos que generaron la
mineralización. Además del aporte fundamental del análisis de los datos geológicos, advertir esos arreglos de los datos geoquímicos
brinda una información adicional que puede ser ventajosa para la interpretación de los fenómenos mineralizantes. En este trabajo
se propone el tratamiento geoestadístico a través del variograma para analizar la distribución espacial y del modelo fractal Número/
Tamaño para examinar la estructura numérica de los resultados geoquímicos. Se brinda una breve introducción de estas metodolo-
gías de modo que puedan ser aplicadas con facilidad y como ejemplo de estos tratamientos se exponen los resultados alcanzados en
cuatro sondeos de exploración de mineralización diseminada con límites difusos, realizados en depósitos epitermales del Macizo del
Deseado. Este estilo de mineralización es el que mejor se adapta para la aplicación de los métodos propuestos.

Palabras clave: Correlación espacial, variograma, fractal/multifractal, modelos.

ABSTRACT

Geoestatistical and numerical analysis of geochemical data from mining exploration drill holes, Cases of epithermal deposits
The geochemical data from samples of mineral exploration drilling have a characteristic spatial and numerical structure, which
recognition can be a useful complement to understand the processes that generated the mineralization. In addition to the funda-
mental contribution of the geological data, warn those arrays geochemical provide additional information that may be advantageous
for the interpretation of the mineralizing events. This paper proposes the geostatistical treatment through the variogram to analyze
the spatial distribution, and the fractal model Number/Size to examine the numerical structure of the geochemical results. There is
a brief introduction of these methodologies so that they can be applied easily, and as an example of these treatments are exposed the
results achieved in four exploration drilling conducted in epithermal deposits of the Deseado Massif with disseminated mineraliza-
tion of diffuse boundaries. This style of mineralization is best suited for the application of the proposed methods.

Keywords: Spatial correlation, variogram, fractal/multifractal, models

INTRODUCCIÓN mineral y, para finalizar, determinar si este tenida, el potencial económico del objetivo
incluye porciones técnica y económicamen- y las inversiones para lograrlo, que serán de
La exploración minera se desarrolla con te explotables, que conformarán el depósito orden creciente desde las etapas tempranas
una estrategia que comprende desde la se- de mena a partir del cual se propondrá el a las más avanzadas. Desde el inicio de la
lección e investigación de áreas extensas con paso a la etapa de producción. exploración se asume que, si los resultados
características geológicas potencialmente Enunciada como antecede, la exploración son favorables, el gran salto en el nivel de
interesantes hasta el hallazgo de una (o más) minera parece simple. Sin embargo implica inversiones tendrá lugar en la etapa de defi-
concentración de minerales cuyo volumen, un alto nivel de planificación de tareas, un nición del depósito mineral ya que es en ella
ley, mineralogía y otras particularidades análisis minucioso de los resultados y la con- cuando se debe producir una gran cantidad
geológicas, permitan inferir que podría ser tinua adquisición de nuevos conocimientos de información de óptima calidad.
aprovechada con una ventaja económica. sobre los controles geológicos y distribución Actualmente la mayor parte de la explora-
Luego, los esfuerzos de exploración se diri- de la mineralización. La decisión de conti- ción orientada a definir un depósito mine-
girán a definir si esa concentración de mine- nuar, detener o suspender la actividad, es ral se realiza mediante sondeos, perforando
rales o parte de ella, constituirá un depósito tomada sobre la base de la información ob- tanto con corona diamantada (ddh: dia-
538 R. R. FERNÁNDEZ

mond drill hole) como con “circulación re- se agregará así información en beneficio de se agrandan o reducen (en el sentido de un
versa” (rc: reverse circulation). La aplicación la evaluación geológico-geoquímica de los zoom en fotografía) es decir son invariantes
de cada uno de ellos tiene ventajas y desven- resultados de la exploración. La propuesta respecto a la escala. La relación geométri-
tajas, pero la ejecución de perforaciones y la contempla dos metodologías distintas e in- ca entre sus dimensiones es compleja y, de
consecuente obtención de muestras, consti- dependientes; por un lado el análisis espa- acuerdo a Mandelbrot (1983) está definida
tuyen los costos substanciales de la explora- cial con una de las herramientas básicas de por irregularidades que denominó “frac-
ción, que se elevan notoriamente en locali- la geoestadística: el variograma y, por otro, tales”. La geometría fractal exhibe una ley
zaciones, topografías o climas adversos. el análisis numérico basado en los modelos exponencial (power-law) característica con
Los testigos (core) y/o esquirlas (cutting) fractales. Estas metodologías se describen exponente fraccionario y posee ventajas
provenientes de los sondeos son rigurosa- sin abordar en profundidad sus bases mate- para representar muchas formas complejas
mente revisados y mapeados de modo de máticas, que están fuera del alcance de este de fenómenos naturales; sobre esta base dis-
registrar la mayor cantidad y calidad de in- artículo, de modo tal que puedan ser imple- tintos modelos fractales han sido aplicados
formación geológica, tarea que en la jerga de mentadas de manera simple por los geólo- para describir diversos objetos geológicos.
exploración se denomina “logueo” (logging). gos de exploración sin necesidad de una alta Además del trabajo pionero de Mandelbrot
Las muestras, obtenidas siguiendo proce- especialización en matemáticas. (1983) la teoría fractal ha sido abordada en
dimientos de control y aseguramiento de Debe advertirse que estas técnicas no apun- numerosos textos, entre los que pueden ci-
la calidad, son enviadas al laboratorio para tan a definiciones económicas de un depósi- tarse Feder (1988), Goodings y Middleton
su análisis geoquímico multielemental con to mineral, en la que intervienen otros pará- (1991) y Turcotte (1997).
el cual, para depósitos epitermales, además metros, sino a incrementar el conocimiento
de Au y Ag se registran concentraciones de sobre los dominios geológicos y geoquími- La distribución espacial
otros 30-40 elementos; estos ensayos consti- cos de la mineralización, el cual constituye Las leyes de un depósito mineral son una
tuyen una erogación elevada, aunque desde un objetivo fundamental de la exploración. de las variables que se distribuyen en el
luego mucho menor que los costos de per- Con el fin de ejemplificar los resultados que espacio siguiendo la combinación de dos
foración. pueden lograrse aplicando estas metodolo- componentes: uno aleatorio, representa-
En una etapa inicial de definición de un gías, se presenta el análisis de cuatro sondeos do por el rango natural que comprende la
depósito mineral llevada a cabo con, por realizados en diferentes depósitos epiterma- variable (normalmente de xmínimo a xmáximo)
ejemplo, 3.000 m totales de sondeo y toma les del Macizo del Deseado. y otro estructurado por todos los procesos
de muestras cada metro, el proyecto contará que contribuyeron a la formación del depó-
con miles de datos geológicos (litológicos, METODOLOGÍAS sito. El componente estructurado describe
estructurales, de alteración hidrotermal, como cerca de una muestra de alta ley hay
mineralógicos, geotécnicos, etc.) y decenas La geoestadística es ampliamente utilizada mayor probabilidad de obtener otra mues-
de miles de datos geoquímicos. Normal- por distintas disciplinas en la investigación tra de valor elevado y cerca de una muestra
mente los resultados geoquímicos de mayor de fenómenos naturales; a diferencia de la de baja ley hay mayor probabilidad que otra
importancia para el tipo de depósito, sólo estadística clásica basa su análisis en el con- muestra resulte de baja concentración. Este
son graficados junto a los datos de logueo cepto de variable regionalizada consideran- enunciado destaca dos aspectos: señala una
destacándose los valores más relevantes, a do su ubicación espacial. En geología y es- mayor probabilidad y no igual probabilidad
veces de forma empírica o bien utilizando la pecíficamente en el campo de la minería, las como la que existiría si las muestras fueran
estadística clásica. Sin embargo estos datos primeras aproximaciones correspondieron a independientes y por otra parte, es capaz de
geoquímicos suelen contener una estructu- H. Sichel y D. Krige, basadas en sus expe- definir la dependencia espacial de las mues-
ración que pocas veces es reconocida, pero riencias en las minas de oro de Witwaters- tras. El variograma es la herramienta que
cuya inspección podría resultar un com- rand (Sudáfrica) a mediados del siglo XX. permite establecer la correlación espacial
plemento útil de la información geológica Estas luego fueron formalizadas por Mathe- entre muestras, si están correlacionadas en
que brindan las perforaciones. Por lo tanto ron (1971) en la teoría de las variables regio- un espacio determinado.
un examen minucioso de la información nalizadas, que estableció el variograma como A diferencia del coeficiente de correlación
geoquímica, cuya obtención es costosa en la herramienta fundamental para reconocer de Pearson que compara los valores de dos
términos económicos, es una herramienta la continuidad o correlación espacial y el variables en una muestra, el variograma se
interesante que puede contribuir al análisis método denominado “krigeado” para la es- construye a partir del valor de la misma va-
de los procesos de mineralización. timación. Existe una profusa bibliografía en riable, por ejemplo la ley, en muestras situa-
El objetivo de este trabajo es exponer un la que se aborda el tema, dentro de la cual y das en distintas localizaciones; constituye así
tratamiento de esos datos geoquímicos que lejos de ser exhaustiva puede citarse Isaaks y uno de los métodos para estimar la llamada
permite examinar su distribución, incre- Srivastava (1989), Goovaerts (1997), Clark autocorrelación. El variograma es definido
mentar el conocimiento sobre su estructu- y Harper (2000) y Olea (2009) textos en los por la siguiente ecuación:
ra e interpretar las causas que la generaron, que se desarrollan los aspectos aplicados de
con el fin de lograr una mejor comprensión la geoestadística. 1 N
del arreglo geoquímico ocasionado por los Muchos objetos naturales tienen la propie- γ ( h) =
∑ (Z x − Z x+h ) 2
procesos relacionados a la mineralización; dad de parecerse mucho a sí mismos cuando 2 N x =1
(1)
Análisis geoestadístico y numérico, geoquímica de sondeos 539

De acuerdo a ella, el variograma g(h) es la la pendiente corta el eje g(h) se denomina treo, por lo que no es posible determinar
mitad del promedio de las diferencias al “efecto pepita” (C0) y representa la compo- el valor de g(h) para otras longitudes. Por
cuadrado de los valores (Z) de muestras si- nente aleatoria de la distribución; desde ese ello se lo ajusta a un modelo, el cual es una
tuadas en la localización x y los de muestras valor hasta la meseta se define la escala (C1) función matemática que permite calcular el
situadas x+h, donde h es el vector de dis- que es la contribución a la meseta por par- valor del variograma a cualquier distancia.
tancia y dirección; N es el número de pares te del componente estructurado (Fig. 1b). Estas funciones deben reunir ciertas propie-
separados por h. Los resultados parciales de La participación de estos dos componentes dades para que puedan ser elegidas como
pares de cuplas que conforman el cálculo de de la distribución suele cuantificarse con el modelos de variograma admisibles (Isaaks y
los g(h), son independientes de los valores Efecto Pepita Relativo: EPR= C0/(C0+C1) Srivastava 1989, Armstrong 1998) y se agru-
individuales de las muestras. Esto puede expresado en % (Isaaks y Srivastava 1989). pan en dos tipos: con meseta y sin meseta.
verse de manera simple con los resultados No hay razones por la cual la variabilidad En el tratamiento de los casos presentados
que se consiguen con un par de muestras de los datos en el espacio sea igual en to- en este trabajo, los variogramas experimen-
de 9,5 y 10 g/t Au separadas por una dis- das direcciones, por lo tanto los variagramas tales se ajustaron con los modelos esférico y
tancia h y otro par de 0,55 y 0,05 g/t Au se calculan en distintas direcciones (en 2D exponencial (con meseta) y el modelo lineal
separado por la misma distancia. De acuer- o 3D) de modo de reconocer anisotropías (sin meseta). En la figura 2 se consignan las
do a la ecuación (1) se obtendrá el mismo en dicha variabilidad. Esta será de gran im- ecuaciones de los modelos teóricos utiliza-
resultado: [(9,5-10)2]/2 = [(0,55-0,05)2]/2 portancia para comprender la variabilidad dos y las curvas o recta que generan.
= 0,125. espacial y, fundamentalmente cuando se En la práctica, el variograma experimental
Variograma experimental: Se construye a realicen estimaciones a partir de ella; sin se ajusta al modelo por “prueba y error”;
partir de las leyes de cada par de muestras embargo en este trabajo los datos geoquími- es una operación subjetiva y las decisiones
(Fig. 1a). Para cada distancia (h, 2h, 3h, etc. cos de sondeos sólo permiten la realización del usuario cumplen un papel importante
donde normalmente h es el espaciamiento del variograma en una dimensión y por lo (Isaaks y Srivastava 1989, Goovaerts 1997,
entre muestras) se resuelve la ecuación del tanto la anisotropía no puede ser registrada, Armstrong 1998). Dicho ajuste dependerá
variograma (1) y estos resultados se vuelcan de modo que no se abordará ese tema, pero de la existencia o no meseta, del compor-
en un gráfico (g(h)-distancia h) representa- debe quedar claramente establecido que el tamiento en el origen y la intersección de
dos por los círculos llenos en la figura 1b. análisis que se propone sólo brinda infor- la tangente al origen con la línea que re-
Comúnmente, para h se especifica una tole- mación de la variabilidad espacial a lo largo presenta la meseta (si la tiene) así como de
rancia en distancia y angular. del eje del sondeo. la elección del efecto pepita y del alcance.
Normalmente, aunque no siempre, el valor También estará sujeto a las necesidades del
de g(h) se va incrementando con la distancia modelado, por ejemplo si es preferible para
hasta un determinado valor, a partir del cual distancias cortas o también para las largas.
disminuye su crecimiento o es errático (Fig. Un desarrollo de las bases matemáticas y la
1b). Ese valor se denomina “meseta” (sill) práctica del ajuste al modelo fue expuesta
y la distancia a la cual se llega a la meseta por Goovaerts (1997). Sin embargo, de los
es el “alcance” (range). El alcance indica la autores señalados se desprende que no hay
distancia hasta la cual los valores están es- un modelo “verdadero” o único; dentro de
pacialmente correlacionados, es decir hay los admisibles el usuario deberá elegir el que
continuidad espacial, más allá de lo cual se a su criterio represente mejor las característi-
pierde esa propiedad y el comportamiento cas del variograma experimental, que no sea
espacial de los datos es aleatorio; por lo tan- inútilmente complejo y, fundamentalmen-
to el alcance representa la distancia de in- te, que sea consistente con la información
fluencia de las muestras. Aunque matemá- geológica.
ticamente no son iguales, el valor g(h) de la Figura 1: a) Pares de datos a utilizar con el incremento En muchas ocasiones el variograma expe-
meseta puede tomarse como un estimador de la distancia (h) para la construcción del variograma rimental es muy irregular y no es clara su
de la varianza (s2) de los datos correlaciona- experimental; el esquema es 1D con muestras a lo largo adaptación a un modelo (Armstrong 1998).
dos en el espacio. del sondeo, de acuerdo a la metodología que se propo- En la literatura se han propuesto variantes
Teóricamente a la distancia h=0, g(h) debe- ne. Las muestras está representadas en el espacio por un que suavizan esas irregularidades, como son
ría valer cero ya que corresponde a la misma punto de coordenadas x, y, z; en este caso z es la ley. b) los variogramas de logaritmos, variogramas
muestra y los valores del par son iguales. Sin Gráfico g(h)-distancia con el variograma experimental indicadores (binarios), variogramas relati-
embargo, en la construcción del variograma (círculos llenos) curva del modelo de ajuste y paráme- vos, o las que utilizan la potencia 1 ó ½.
muchas veces puede notarse que la prolon- tros del variograma. Estos métodos son empleados en una etapa
gación de la pendiente de las muestras situa- avanzada de la exploración con el fin de lo-
das a menor distancia no corta el eje g(h) en Variograma modelo: El variograma experi- grar el mejor ajuste que defina la correlación
cero; esto suele atribuirse a la existencia de mental está representado por una serie de espacial, pero son innecesarios en el trata-
una variabilidad a distancias menores a la del puntos que corresponden a las distancias miento geoestadístico que aquí se propone,
muestreo. El valor al que la prolongación de moduladas por el espaciamiento del mues- por lo cual su desarrollo excede el objetivo
540 R. R. FERNÁNDEZ

de este trabajo Fractales (C-V) que, entre otros, fueron aplicados


Usos del variograma: Normalmente esta he- Mandelbrot (1983) definió y ejemplificó para analizar las características geométricas
rramienta se emplea en etapas avanzadas con la longitud de la línea de costa de Gran espaciales de los fenómenos geológicos, geo-
de la exploración de depósitos minerales, Bretaña que los fenómenos fractales son au- químicos y geofísicos. Una revisión de es-
cuando se han reconocido los principales to-similares a distintas escalas. Conceptual- tos modelos fue realizada por Zuo y Wang
controles de la mineralización (litológicos o mente la longitud (L) de la línea de costa (2015).
estructurales) tipo e intensidad de la altera- depende de (d) que es la unidad de medida, El objetivo fundamental de la exploración
ción hidrotermal, abundancia y dimensio- y están relacionadas de acuerdo a: minera basada en datos geoquímicos y
nes del relleno hidrotermal o de reemplazos, compartida con los métodos geofísicos, es
bloques delimitados por fallas, entre otros L(d)=Kd-D=K/dD definir anomalías; esto se debe a su poten-
rasgos geológicos que son esenciales para cial relación con la presencia de depósitos
ajustar el modelo y obtener la mayor seguri- donde D es denominada por ese autor la minerales (Govett 1983). Se han empleado
dad en la estimación de recursos que podría dimensión fractal y K es una constante. diversas técnicas para definir el valor que se-
realizarse posteriormente aplicando el mé- Los fractales pueden ser exactamente au- para una anomalía de los valores normales
todo geoestadístico del krigeado. to-similares, producidos por mecanismo del fondo (background) comúnmente deno-
No obstante que el mejor ajuste se logra geométricos precisos normalmente no ge- minado “umbral”; inicialmente se apoyaron
con mayor conocimiento geológico, la me- nerados en los procesos naturales, o bien en el análisis estadístico clásico y en gráficos
todología que se propone puede iniciarse estadísticamente auto-similares, es decir no de probabilidad (Lepeltier 1969, Sinclair
en una etapa temprana, cuando todavía los idénticos pero proporcionales, los que están 1974, 1991). La determinación del umbral
procesos geológicos que controlan la mine- representados asiduamente en la naturaleza utilizando la metodología fractal fue abor-
ralización son poco conocidos. El variogra- (Fowler y Roach 1991). Algunos procesos dada por Cheng et al. (1994) aplicando el
ma individual de los sondeos podrá aportar no pueden ser adecuadamente caracteriza- modelo fractal C-A; posteriormente Cheng
información sobre la distribución espacial dos por una única dimensión fractal sino y Agterberg (1996) plantearon que las dis-
de las leyes, mostrando su continuidad o por un espectro de ellas y reciben el nombre tribuciones geoquímicas satisfacen mayori-
discontinuidad y esto, confrontado con los de multifractales (Goodings y Middleton tariamente las propiedades de una función
otros datos geológicos registrados en los lo- 1991) o fractales entremezclados. multifractal. Métodos basados en la geome-
gueos, contribuirá a una mejor comprensión A partir del concepto propuesto por Man- tría fractal, fueron aplicados para separar
de los procesos genéticos y sus interrelacio- delbrot (1983) resulta el importante mode- anomalías débiles ocasionadas por depósitos
nes. Este tratamiento no debe tomarse en lo fractal denominado Número-Tamaño, o minerales en áreas cubiertas (Cheng 2012),
forma estática; a medida que la exploración su acrónimo N-S (number-size) cuyo fin es anomalías débiles y fuertes en ambientes
produzca mayor conocimiento, surgirán caracterizar la relación entre el tamaño de con un fondo geoquímicamente complejo
patrones generales que relacionen cada vez un objeto y el número de objetos con ta- (Cheng 1999, Cheng et al. 1996, Goncal-
con mayor seguridad el arreglo espacial de maño igual o mayor a ese. A partir de él se ves et al. 2001, Afzal et al. 2010, Arias et
los datos geoquímicos con la información han elaborado diversas variantes de modelos al. 2012, Yuan et al. 2015) así como para
geológica, lo cual resultará fundamental fractales y multifractales, tales como: con- discriminar los contenidos naturales de las
para establecer los procesos que controlaron centración-área (C-A) concentración-dis- anomalías producidas por polución antro-
la mineralización. tancia (C-D) y concentración-volumen pogénica (Albanese et al. 2007). También
se aplicaron estas metodologías para sepa-
rar distintos tipos de mineralizaciones de la
roca de caja estéril (Afzal et al. 2012, 2013,
Heidari et al. 2013) establecer relaciones
entre tonelaje-ley (Turcotte 1986) o tonela-
je-espesor de mineralizaciones (Wang et al.
2012) analizar espesores de vetillas en cuer-
pos mineralizados (Sanderson et al. 1994,
Monecke et al. 2001) y, junto a la geoes-
tadística, en la estimación de recursos mi-
nerales (Agterberg 2012, Wang et al. 2010,
2013, Sadeghi et al. 2015).
En la propuesta aquí presentada se emplea
el modelo fractal/multifractal N-S como
herramienta para capturar la estructuración
numérica de los valores geoquímicos. Este
Figura 2: Ecuaciones de los modelos de variogramas empleados en los casos analizados. En todos se adicionaron modelo es sencillo de utilizar ya que recurre
dos estructuras: C0 (efecto pepita), C1 (contribución estructurada a la meseta), p (pendiente). A la derecha se a los valores determinados por los análisis
esquematizan las curvas o recta generadas por cada ecuación. químicos (en este caso el tamaño S es la
Análisis geoestadístico y numérico, geoquímica de sondeos 541

concentración) sin ninguna manipulación


previa y es adaptable para datos en una di-
mensión, posibilitando establecer el arreglo
de los datos numéricos y, sobre esa base, se-
parar distintas poblaciones.
Siguiendo el concepto de Mandelbrot
(1983) el modelo fractal N-S responde a la
siguiente ecuación:
N(≥c) K.c-D (2)

en la que c representa la escala, que en este


caso es la concentración de un determinado
elemento y N(≥c) es el número de muestras Figura 3: Ejemplos de geometría fractal y multifractal N-S. a) Arreglo fractal en sondeos de un depósito de oro
de valor igual o mayor que c. D es la dimen- (nótese la escala gráfica bi-logarítmica; modificado de Sanderson et al. 1994). b) Arreglo multifractal de datos
sión fractal y K es una constante; el símbolo geoquímicos de sedimentos de corriente (ln: logaritmos en base e; modificado de Zuo et al. 2015).
indica proporcionalidad.

Los valores de c y N(≥c) se vuelcan en un bajo. Estos depósitos se alojan en volcanitas culación reversa (RC-1) donde las muestras
gráfico log-log (se utilizó el logaritmo de ácidas a intermedias del Jurásico superior, de cutting fueron tomadas cada 1 metro. Las
base 10, pero no hay modificaciones en la alteradas hidrotermalmente con intensidad longitudes de estas perforaciones, inclinadas
distribución con el logaritmo de base e) variable. El estilo de las mineralizaciones es desde 90° a > 60°, varían entre 150 y 300
con log c en la horizontal y log N(≥c) en la diseminado con límites difusos, tanto como metros. La elección de estos sondeos fue
vertical. Las series de puntos obtenidas son relleno de espacios irregulares (brechas) o aleatoria y previa a cualquier análisis de los
ajustadas a rectas por el método de mínimos regulares (sistemas de vetillas subparalelas o datos; sólo debían cumplir con el estilo de
cuadrados y la ecuación (2) se transforma entrecruzadas) y remplazos. mineralización señalada.
a: log N(≥c) log K- D.log(c) que es la ex- La aplicación de las metodologías mencio- Los análisis químicos, realizados por las em-

presión de la ecuación de la recta, donde nadas se propone para este estilo de mine- presas que llevaron a cabo la exploración,
D es la dimensión fractal (pendiente) y K ralización, el que también suele registrarse fueron efectuados en laboratorios reconoci-
una constante (log K es la ordenada en el en otros tipos de depósitos hidrotermales, dos y con experiencia en este campo; utili-
origen). Productos de este procedimiento se como los pórfidos de cobre o en sulfuros zaron el método de ensayo a fuego para Au
ilustran en los ejemplos de la figura 3, pero macizos hospedados en rocas volcánicas y espectrometría de masas con plasma aco-
más adelante se presentará en los casos con- (Martín-Izard 2016 com. pers.). En un de- plado por inducción (MS-ICP) para otros
siderados en este trabajo. pósito vetiforme el sondeo atraviesa varios 36 elementos. Con el fin de mostrar el uso
La figura 3a muestra los resultados de dos metros de roca estéril hasta cortar una veta de las metodologías propuestas, se seleccio-
sondeos realizados en un depósitos de oro o más de una; los contactos con la roca de naron elementos significativos de la señal
(Sanderson et al. 1994) cada uno con un caja son relativamente netos y el tramo mi- geoquímica de depósitos epitermales; algu-
arreglo definido por la dimensión fractal D= neralizado puede establecerse con suficiente nos son comunes a todos los sondeos (Au,
0,45 y D= 0,70. En la figura 3b se ilustran seguridad durante el logueo, de modo que As, Zn) mientras que otros (Ag, Sb, Hg, Bi)
los contenidos de cobre en sedimentos de no resulta necesario un tratamiento particu- se eligieron en aquellos en que se apreciaron
corriente utilizados por Zuo et al. (2015) lar de los datos geoquímicos para definirlo; valores relevantes para ilustrar los ejemplos.
para definir anomalías débiles; poseen un por esta razón los métodos propuestos en Los límites de detección inferiores, expre-
típico arreglo multifractal cuyas dimensio- este trabajo no ofrecen ningún beneficio sados en ppm, fueron los siguientes Au:
nes fractales (D) son definidas por las pen- adicional. 0,005; Ag: 0,2; As: 2; Bi: 2; Hg: 0,1 y 1;
dientes de las rectas de ajuste; los umbrales, En el sector occidental los sondeos DDH- Sb: 2 y Zn: 2. No se aplicó ninguna meto-
no mostrados en la figura, corresponden a 1 y DDH-2 corresponden al mismo sector dología específica para los valores debajo de
la intersección de dichas rectas (Mao et al. mineralizado de un proyecto en explora- dicho límite; para su tratamiento numérico
2014). ción y están separados por unos 80 metros. sólo se redujeron a la mitad, conforme al
Son perforaciones con obtención de testigo procedimiento más tradicional
BASE DE DATOS (diamantina) y las muestras de 1/2 testigo Cualquier evaluación de conjuntos de datos
se tomaron en forma continua sobre lon- como los aquí utilizados, requiere previa-
Con el fin de ilustrar esta propuesta, fueron gitudes de 1 a 2 m que, para este trabajo, mente establecer el tipo de distribución de
seleccionados cuatro sondeos efectuados fueron compuestas en tramos de 2 metros. probabilidad. En el Cuadro 1 se exponen los
en depósitos epitermales de oro y plata si- El sondeo DDH-3 pertenece a otro proyec- coeficientes de variación y los coeficientes de
tuados en los sectores occidental y oriental to situado a unos 3 km del anterior; el tipo asimetría de los resultados geoquímicos re-
del Macizo del Deseado. Por razones de de sondeo y toma de muestras fue similar gistrados en cada sondeo. Estos coeficientes
confidencialidad se omite el nombre de los al de DDH-1 y DDH-2. En el proyecto de son una aproximación preliminar para ca-
proyectos y su ubicación precisa, datos que exploración del sector oriental se seleccionó racterizar el tipo de distribución. Los valores
no son relevantes para los objetivos del tra- un sondeo realizado con el sistema de cir- elevados del coeficiente de variación permi-
542 R. R. FERNÁNDEZ

ten suponer que las distribuciones tienden a


ser lognormales y con distorsiones debidas a
valores excepcionales o outliers (Koch y Link
1980, Wellmer 1998). Los coeficientes de
asimetría demuestran que estas distribucio-
nes son positivamente asimétricas, es decir
con sesgo hacia los contenidos más altos.

ANALISIS DE CASOS
Las metodologías que se proponen tienen
una fuerte base en conceptos matemáticos,
pero además entregan resultados gráficos de
gran utilidad. El análisis que sigue se sus-
tenta en estos últimos debido a que, para
el autor, conforman una representación
simple y práctica que facilita su interpre-
tación. Sin embargo se recomienda que
los comentarios sobre los resultados de los
sondeos presentados como ejemplo sean
tomados con cautela; su fin es únicamente Figura 4: Resultados de leyes de sondeos ficticios cuyo variograma experimental puede ajustarse al modelo situado
ofrecer una guía para examinarlos y obtener en la parte inferior.
información sobre la estructura espacial y
numérica; son sólo una posible descripción son captadas y cuantificadas por el variogra- ridades halladas en cada uno. No obstante,
y no son indiscutibles ni definitivos. Efecti- ma debido a que este será específico de la como se insiste en el texto, las interpretacio-
vamente las interpretaciones más confiables distribución espacial de las leyes registradas nes deben ser apoyadas por el conjunto de
se basarán en el conocimiento geológico del en cada sondeo y se ajustará a un mode- los datos geológicos.
área, basadas en la inspección minuciosa de lo particular con sus propios parámetros:
testigos de sondeo y de las distintas labores efecto pepita, meseta y alcance. El ajuste CUADRO 1: número de muestras, coefi-
de exploración. al modelo indicado en la parte inferior de cientes de variación y de asimetría, de los
esa figura, se estableció confeccionando los sondeos utilizados como ejemplo.
DISTRIBUCIÓN ESPACIAL. variogramas con los valores de las muestras
CONSTRUCCIÓN Y ANÁLISIS graficadas; esto no se detalla ya que no es en DDH-1 DDH-2 DDH-3 RC-1
DE VARIOGRAMAS. sí mismo un fin de este trabajo sino que, el Número de muestras
objetivo de estos ejemplos ficticios es sólo 156 120 130 115
En depósitos de tipo diseminado y límites de referencia para las interpretaciones de los
Coeficientes de Variación (en %)
difusos, la observación de las concentra- variogramas en los casos reales que se tratan
ciones de elementos en muestras a lo largo más adelante. Au 177 330 195 191
del sondeo, tal como se registra en una pla- Los variogramas experimentales, modelos Ag nc nc 217 159
nilla de logueo, no permite apreciar algún y parámetros de los elementos selecciona- As 74 90 157 48
arreglo espacial particular; su organización dos en los sondeos DDH-1 y DDH-2 se Hg 155 280 83 nc
suele pasar desapercibida, lo mismo que muestran en la figura 5 y los de los sondeos
Sb 74 54 134 nc
las similitudes y diferencias cuando se tra- DDH-3 y RC-1 en las figuras 6 y 7, res-
ta de varios sondeos. Sin embargo, debido pectivamente. Todos fueron realizados con Zn 170 93 101 127
a los procesos genéticos, las leyes no son el Stanford Geostatistical Modeling Software Bi 164 218 nc nc
independientes unas de otras y dan lugar a (SGeMS) al que puede accederse libremen- Coeficientes de Asimetría
variogramas característicos que definen esa te en http://sgems.sourceforge.net. Los mismos Au 3,49 6,73 5,53 3,75
dependencia espacial. La figura 4 muestra resultados se obtienen con otros programas
Ag nc nc 7,33 3,62
el registro gráfico de leyes de cinco sondeos de uso público como GSLIB (Deutsch y
ficticios; entre innumerables posibilidades Journel 1998) o con software comercial es- As 1,04 1,42 4,85 1,28
cada uno es una realización de los resultados pecífico. Hg 6,73 5,45 4,26 nc
obtenidos. En estos ejemplos hipotéticos los Las observaciones sobre los resultados obte- Sb 2,98 2,62 5,57 nc
sondeos podrían tener la misma ley media nidos en cada sondeo, sólo ofrecen una po-
Zn 3,9 4,33 0,75 5,62
y varianza, lo que los haría estadísticamente sible interpretación geológica tanto del mo-
Bi 5,23 3,92 nc nc
similares; sin embargo una inspección visual delo de variograma como de sus distintos
indica que son diferentes. Esas diferencias parámetros, así como sobre otras particula- nc: no calculado
Análisis geoestadístico y numérico, geoquímica de sondeos 543

Sondeo DDH-1
De acuerdo al alcance, el Au muestra una
correlación o continuidad espacial hasta
unos 20 metros (Fig. 5a) por lo que puede
interpretarse que los procesos que contro-
lan la distribución tanto de valores elevados
como de los más bajos, se extienden en esa
distancia con una variabilidad de 0,31 de-
finida por el valor g(h) de la meseta. Dicha
variabilidad está conformada principalmen-
te por la componente estructurada (Efecto
Pepita Relativo: EPR= 32,3 %) que indica
una distribución controlada por cambios en
la composición química, presión, tempera-
tura, etc. de los fluidos hidrotermales, ya
que estos procesos geológicos actúan relati-
vamente ordenados en el espacio. El modelo
de variograma esférico expresa cierta simili-
tud en los valores de las muestras separadas
por distancias relativamente cortas y puede
ser generado por los resultados de un son-
deo como el que se muestra en la figura 4a.
El As muestra una continuidad espacial del
orden de 14 m con una meseta g(h)= 4,5 x
106 (Fig. 5a). A partir de esa distancia, el va-
riograma mantiene un paulatino incremen-
to hasta aproximadamente 40-50 m y vuel-
ve a decrecer, que puede interpretarse como
una tercera estructura (C2) y ser modelado
como estructuras superpuestas (nested struc-
tures) conforme a las propiedades aditivas
del variograma: C0+C1+C2. En este caso
dicha estructura no ha sido modelada ya
que para ello es conveniente tener informa-
ción adicional de los datos del sondeo que
demuestre algún control geológico para esa
distancia. La continuidad espacial de Sb es
de unos 11 m con un valor de la meseta de
1,25 x103, mientras que la de Hg tiene un
alcance de 15 m con la meseta en 2,4. Es-
tos tres elementos se ajustan a un modelo
esférico para el que caben las mismas consi-
deraciones que se hicieron para el oro. Los
valores de EPR son: 22 % (As), 20 % (Sb)
y 33 % (Hg) indicando una marcada parti-
cipación del componente estructurado por
condiciones geológicas; no obstante las leyes
de Hg tienen una situación particular a la
que se hará referencia en el sondeo DDH-2.
El alcance para estos elementos varía de 11 a
15 m por lo que dentro del error metodoló-
gico, puede considerarse la misma extensión
de los procesos que generaron su distribu-
Figura 5: Variograma experimental y modelo de ajuste de Au, As, Sb, Hg, Bi y Zn en los sondeos DDH-1 (a) y
ción espacial, aunque no necesariamente DDH-2 (b). Se especifica el modelo de ajuste, efecto pepita: C0, contribución a la meseta: C1, y alcance: a. De-
estarán superpuestos. liberadamente los variogramas de los sondeos DDH-1 y DDH-2 se muestran juntos con el propósito de destacar
La correlación espacial de Bi y de Zn (Fig. sus similitudes y diferencias.
544 R. R. FERNÁNDEZ

5a) se da hasta 14 y 30 m respectivamente, de la revisión de los testigos. de 40-50 m (no modelada). Resultaría con-
con un valor g(h) de la meseta de 605 (Bi) y El As se ajusta a un modelo esférico con veniente analizar los factores geológicos que
12500 (Zn), pero con un fuerte a moderado una continuidad espacial hasta los 17 m y expliquen las similitudes en la distribución
componente aleatorio (C0) reflejado por los meseta en g(h)= 3,6 x 106 con EPR de ~19 espacial de ambos elementos; si bien no son
EPR de 74 % (Bi) y 48 % (Zn). Debido a % (Fig. 5 b) que indica una fuerte partici- de interés económico, pueden brindar in-
que los procesos geológicos que intervienen pación del componente estructurado por formación estimable sobre los procesos hi-
en la formación de concentraciones minera- los procesos geológicos. Como en el sondeo drotermales que la generaron.
les tienen naturalmente un arreglo espacial, vecino DDH-1, una tercera estructura (C2) Sondeos DDH-1 y DDH-2: Estos sondeos
una participación importante de la compo- aparece entre los 40-50 m, la cual no fue tuvieron el objetivo de interceptar el mis-
nente aleatoria, si bien puede ser propia de modelada por las mismas razones que en mo cuerpo mineralizado en dos localiza-
la mineralización, en ciertos casos se debe a ese caso; no obstante su presencia en ambos ciones diferentes, con resultados similares
causas no geológicas: errores de muestreo, variogramas merece atención para establecer en cuanto al estilo de mineralización, rocas
analíticos, manipulación de la base de datos, su relación con controles geológicos en la hospedantes, tipos e intensidad de altera-
entre otros, por lo tanto es conveniente una distribución espacial de este elemento. ción hidrotermal, razón por la cual resultan
revisión tanto de los logueos como de los Ajustado a un modelo esférico, la correla- adecuados para analizar comparativamente
datos geoquímicos originales. En este traba- ción espacial de Sb se manifiesta hasta los la distribución espacial de los datos geoquí-
jo se sugiere que cuando se registran valores 14 m, con una meseta de g(h)= 4700 y EPR micos (ver figura 5). Los variogramas de Au
de EPR ~ ó > 50 % cualquier interpretación de ~45 % (Fig. 5b); la componente aleato- presentan notables diferencias; como se ha
sobre la distribución espacial de los datos ria es algo elevada por lo cual la interpreta- expuesto más arriba, una explicación puede
geoquímicos debe ser tomada con precau- ción debe tomarse con precaución. El Hg se ser la participación de fenómenos secunda-
ción y requerirá un fuerte sustento de otros ajusta a un modelo exponencial, para el cual rios sobreimpuestos en DDH-2. Los de As
datos geológicos. el alcance práctico se consigna al 95 % del son similares, tanto en el modelo de vario-
valor de la meseta (Isaaks y Srivastava 1989) grama y sus parámetros, como por la pre-
Sondeo DDH-2 de modo que la continuidad espacial es de sencia de una tercera estructura a un alcan-
El variograma de Au (Fig. 5 b) es irregular a 13 m con la meseta g(h)= 6,7. El modelo ex- ce de 40-50 metros, lo cual puede indicar
muy corta distancia y se ajusta a un modelo ponencial tiene una pendiente más pronun- cierta tendencia en su distribución espacial.
lineal y efecto pepita (C0) de ~1, muy dis- ciada que el esférico en las cortas distancias, Los variogramas de Hg también muestran
tinto al de DDH-1. Variogramas sin meseta pero menor en las distancias intermedias diferencias que, como se ha mencionado,
suelen darse cuando, en términos de la teo- antes de estabilizarse en la meseta (ver Fig. pueden deberse a las distintas metodologías
ría de las variables regionalizadas, la variable 2) y podría ser generado por los resultados analíticas, es decir causas no geológicas; el
no es estacionaria en el espacio muestreado de un sondeo como el que se muestra en la análisis más preciso y con menor límite de
(Matheron 1971); sin embargo no es co- figura 4b. En este variograma el EPR= 63 detección en DDH-2 define un modelo
mún que los procesos genéticos produzcan %, prácticamente duplica al de DDH-1 e exponencial caracterizado por mayores dife-
mineralizaciones cuya correlación espacial indica una fuerte participación del compo- rencias en cortas distancias y, a la vez, una
disminuya constante e indefinidamente, al nente aleatorio. Al respecto, merece consi- mayor dispersión o varianza representada
menos a la escala del sondeo. Lucero Mi- derarse que por el método analítico utiliza- por un g(h) más elevado.
chaut (1979) formuló algunas soluciones do, el límite de detección inferior de Hg fue Los variogramas de Sb se ajustan al mismo
para interpretar estos modelos de variogra- de 0,1 ppm mientras que en DDH-1 fue de modelo con un alcance similar, aunque
ma sin meseta en depósitos de uranio con 1 ppm. Esta podría ser una causa no geoló- difieren en la participación de la compo-
muestras dispuestas en 2 dimensiones. No gica de las distintas distribuciones espaciales nente aleatoria y en su varianza, menores
obstante, este variograma puede analizarse del Hg que, si bien tienen un alcance similar en DDH-1; los de Zn, además de esa di-
asumiendo un alcance similar al del sondeo de la correlación espacial, no son estricta- ferencia, tienen distintos alcances y estos
vecino DDH-1 (~20 m). Con este paráme- mente comparables. parámetros son menores en DDH-2. De
tro el valor resultante de g(h) ~ 1,22 es mu- El modelo de ajuste de Bi (Fig. 5b) es lineal esto resulta que las mejores condiciones
cho mayor al de ese sondeo, lo cual indica con efecto pepita (C0)= 1600. Como se ha para interpretar la distribución del Sb se
que los procesos que generaron la distribu- mencionado, la interpretación de este tipo dan en DDH-1 y para el Zn en DDH-2.
ción espacial de Au deben haber sido más de distribución espacial basada sólo en los Estas inconsistencias en el análisis espacial
complejos. Dado que se registraron algunos datos geoquímicos, es incierta. de sondeos individuales, como el propuesto
valores elevados de Au en tramos con páti- El Zn se ajusta a un modelo esférico con en este trabajo, pueden deberse a la varia-
nas limoníticas, es posible que la oxidación continuidad espacial hasta 14 m y meseta bilidad intrínseca del cuerpo mineralizado
sobreimpuesta haya contribuido al incre- g(h)= 500 (Fig. 5 b). El valor de EPR= 20 que con sólo estos dos sondeos no logra ser
mento de la varianza y a generar este mode- % indica la participación dominante del dilucidada.
lo sin meseta. Por lo tanto para la interpreta- componente estructurado por los procesos En el caso del Bi, los variogramas también
ción de la continuidad espacial en este tipo genéticos. Puede observarse que el alcance son muy diferentes y además resultan poco
de modelo, debe resaltarse la importancia de es similar al de As y que también detecta satisfactorios para definir su distribución
considerar las causas geológicas que surjan una tercera estructura (C2) con un alcance espacial, debido al elevado componente
Análisis geoestadístico y numérico, geoquímica de sondeos 545

no geológicas, que expliquen las similitudes ra 4c donde se observan dos poblaciones de


o discrepancias de los arreglos espaciales datos con distinta media y, probablemente,
observados en los sondeos. Esa tarea puede varianza. Si esto se comprobara, es conve-
orientarse con el fin de discernir posibles niente realizar el variograma de cada pobla-
variaciones de condiciones geológicas en el ción y analizar la distribución espacial de
rango de longitudes de 10 a 20 m, distancia forma independiente.
en que los variogramas exponen una depen- Los variogramas resultantes de DDH-3 no
dencia espacial de los datos geoquímicos. ofrecen la mejor perspectiva para estable-
cer la dependencia espacial de las leyes; sin
Sondeo DDH-3 embargo de acuerdo a las interpretaciones
El Au, ajustado con un modelo esférico y expuestas más arriba, proporcionan algunos
meseta de g(h)= 0,11 (Fig. 6) muestra una datos sobre la magnitud de la continuidad;
continuidad espacial hasta los 18 m. La va- indican cierta complejidad y participación
riabilidad tiene una mayor participación del del componente aleatorio, que podría de-
componente aleatorio (EPR= 64 %) lo cual, berse a la acción de fenómenos superpues-
como se ha mencionado, debilita la inter- tos no advertidos en los logueos; así como la
pretación. posibilidad que participen poblaciones con
Para la distribución espacial de As se eligió distinto arreglo espacial. Esta información
el ajuste a un modelo exponencial de 24 m
de alcance y meseta de 405 x 103, el cual
tiene EPR= 15 % (Fig. 6) es decir con un
marcado dominio del componente estruc-
turado por factores geológicos. Como se ha
mencionado el modelo exponencial es más
variable en las cortas distancias que el esféri-
co y puede ser generado por una serie de da-
tos geoquímicos como los que se muestran
en la figura 4b.
El variograma experimental de Ag (Fig. 6) se
ha ajustado con un modelo esférico, en que
los procesos que controlaron la distribución
se extenderían en unos 13 m con una me-
seta g(h)= 7,9. La fuerte participación del
componente aleatorio (EPR= 62 %) provo-
ca incertidumbre en la interpretación.
También el Sb fue ajustado a un modelo es-
férico con 17 m de alcance y meseta de 570,
con EPR= 65 % (Fig. 6); además del factor
de duda que provoca la marcada participa-
ción del fenómeno aleatorio, puede verse
que el variograma experimental es bastante
irregular aún en las cortas distancias (< 17
m); algunas técnicas, mencionadas previa-
Figura 6: Variograma experimental y modelo de ajuste mente pero no abordadas en este trabajo,
de Au, As, Ag, Sb, y Zn en el sondeo DDH-3. Se espe-
cifica el modelo de ajuste, efecto pepita: C0, contribu-
mejorarían el ajuste al modelo; sin embargo
ción a la meseta: C1, y alcance: a. su aplicación es excesiva en esta etapa del
análisis espacial de los datos.
aleatorio en DDH-1 y al modelo lineal en El Zn se ajusta con un modelo lineal con
DDH-2. Desde el punto de vista geoesta- efecto pepita (C0) de 250 (Fig. 6). Como se
dístico, este elemento no produce un aporte señaló, resulta improbable que un proceso
significativo. geológico produzca una disminución de la
Luego del análisis de la distribución espacial correlación ilimitada en el espacio mues-
de las leyes, la práctica común de revisión treado. Sin embargo debe considerarse la Figura 7: Variograma experimental y modelo de ajuste
de testigos (“re-logueo”) y validación de las posibilidad que esta distribución espacial de Au, As, Ag, y Zn en el sondeo RC-1. Se especifica el
bases de datos geoquímicos, ampliará el co- pueda ser generada por los datos químicos modelo de ajuste, efecto pepita: C0, contribución a la
meseta: C1, y alcance: a.
nocimiento sobre las razones geológicas, o de un sondeo como el mostrado en la figu-
546 R. R. FERNÁNDEZ

puede ser un aporte para la ulterior revisión


de testigos.

Sondeo RC-1
La distribución espacial del Au puede ser
ajustada a un modelo esférico con un al-
cance muy corto (5 m) y meseta de 0,49
con EPR= 43% (Fig. 7). Sin embargo, este
variograma experimental también puede
ajustarse a un modelo aleatorio puro (línea
horizontal cortada en la Fig. 7) con g(h)=
0,42 que podría ser generado por una serie
de datos como los mostrados en la figura 4d.
Para este último modelo, debido a que no
hay correlación espacial, los métodos geoes-
tadísticos no aportan mayor información
que los de la estadística clásica. Otro rasgo
que puede detectarse en el variograma ex-
perimental es que se producen altos y bajos
más o menos constantes con el incremento
de la distancia; este comportamiento se de-
nomina “efecto hoyo” y su modelado con
funciones trigonométricas es complejo e in-
necesario en esta etapa del análisis espacial;
no obstante este efecto suele ser asignado
a la alternancia de zonas de alta y baja ley,
similares a las que ilustra la figura 4e. Esto
debe apoyarse en otros datos geológicos no
siempre fáciles de obtener de esquirlas pro-
cedentes de perforaciones mediante el sis- Figura 8: Distribución multifractal de elementos seleccionados en los sondeos DDH-1 y DDH-2 en diagramas
tema de circulación reversa; a pesar de esta log-log (log n° de muestras vs. log del elemento). Línea: recta de ajuste. Ecuación de la recta: y= o – p.x (o: origen;
dificultad, diversos procedimientos para el p: pendiente). R2: coeficiente de determinación de la recta de ajuste. Círculos grises: muestras utilizadas para las
mejor análisis del cutting, como los expues- rectas de ajuste. Círculos sin relleno: muestras no utilizadas para la recta de ajuste. Flecha: indica el valor de umbral
tos por Marjoribanks (2010) logran una ca- en ppm (intersección de las rectas de ajuste).
lidad aceptable de la información.
El As (Fig. 7) se ajusta a un modelo esféri- y constituir una guía para comparar con junto de los sondeos DDH-1 y DDH-2 (en
co con correlación espacial hasta los 16 m otros sondeos similares o, eventualmente, adelante DDH1-2). Inicialmente fueron
y meseta de 980 con marcada participación futuras perforaciones con recuperación de considerados en forma individual, pero el
del componente estructurado (EPR= ~ 25 testigo. solapamiento observado en esos diagramas
%). Esto permite interpretar que los fenó- demostró que un sondeo representaba gran
menos que controlaron la distribución de ARREGLO NUMÉRICO parte del otro, de modo que por separado no
este elemento son interdependientes en esa FRACTAL ofrecían mayor información. Por esta razón
distancia y fueron regulados por los proce- y debido a la similitud de las características
sos geológicos. Además de la organización espacial de los geológicas, mineralógicas y geoquímicas de
Las distribuciones espaciales de Ag y Zn datos geoquímicos discutida previamente, la mineralización y a la proximidad de estos
(Fig.7) se ajustan a un modelo lineal con distintos pulsos o etapas de mineralización, sondeos, se trataron en conjunto ordenando
efecto pepita (C0) de 3 y 2000, respecti- condiciones de los fluidos hidrotermales, de la totalidad de los resultados geoquímicos
vamente. Como se mencionó, este modelo los espacios por donde circularon y carac- de mayor a menor. Los sondeos DDH-3 y
no ofrece certeza para la interpretación por terísticas de la roca de caja, suelen inducir RC-1 son casos distintos a los anteriores y
lo que otros datos geológicos serán más efi- un arreglo de los valores que satisfacen el sin ninguna relación entre si, por lo que los
caces para obtener alguna conclusión. No modelo multifractal (Afzal et al 2012, Mao diagramas individuales se presentan en las
obstante la continuidad de la distribución et al. 2014, Heidari et al. 2013) y su reco- figuras 9 y 10, respectivamente. En los grá-
de As, del orden de 16 m, podría resultar nocimiento puede ser una información útil ficos log-log se muestran los puntos obteni-
una referencia para establecer la distancia en para separar fases de mineralización. dos y las rectas de ajuste con sus correspon-
la que los procesos hidrotermales influencia- En la figura 8 se expone, para cada elemento dientes ecuaciones, así como el coeficiente
ron la distribución espacial de estos metales considerado, los diagramas log-log del con- de determinación (R2) que es indicador de
Análisis geoestadístico y numérico, geoquímica de sondeos 547

la bondad de dicho ajuste. Su construcción implicancia en la interpretación de la géne- El arreglo fractal de Hg (Fig. 8) pone en
se realizó simplemente con planilla de cál- sis de la mineralización. La población entre evidencia dos poblaciones separadas por el
culo (tipo Excel) ordenando los datos por 0,04 y 0,20 ppm Au también resulta una umbral de 0,5 ppm. Entre esas poblaciones
valor decreciente y utilizando las opciones anomalía que podría ser caracterizada como existe un salto representado por los conjun-
gráficas. moderada; ese rango de valores es muy su- tos de muestras señaladas por círculos va-
Las observaciones sobre los resultados obte- perior a los contenidos normales en rocas de cíos, pero que se ajustan a una recta (línea
nidos sólo constituyen una referencia para composición similar (0,004 ppm Au) y por punteada en la Fig. 8) de pendiente similar
su tratamiento; la información geológica lo tanto esas leyes deberían ser consideradas a la de la población > 0,5 ppm (D= 1,358).
disponible o la que se obtendrá durante el como indicadores de fluidos hidrotermales Esto puede deberse a una causa no geológi-
desarrollo de la exploración seguramente potencialmente mineralizantes, aunque las ca ocasionada por las distintas metodologías
mejorará la interpretación. En primer lugar condiciones de precipitación de Au fueron analíticas utilizadas para este elemento en
se describe la discriminación de poblaciones poco efectivas. La población <0,04 ppm Au los distintos sondeos (ver variogramas). Para
sobre la base cuantitativa de los umbrales, indicaría sectores sin mineralización aurí- separar las anomalías que pueden haber sido
un aspecto fundamental para comprender la fera y el umbral de 0,01 probablemente es provocadas por los fluidos hidrotermales,
geoquímica de los procesos intervinientes. artificial debido a la influencia de valores tentativamente podría tomarse el valor de
Posteriormente se aborda el rol de la dimen- por debajo del límite de detección analítico 0,5 ppm o bien ~ 2 ppm, que es el límite su-
sión fractal para establecer las particularida- (0,005 ppm Au). perior de la población de muestras más ricas
des de los mecanismos de concentración o El As tiene un arreglo multifractal de cinco en Hg. Si bien en este caso, el análisis nu-
dispersión de elementos. En el análisis y a poblaciones (Fig. 8) separadas por los um- mérico de los valores de Hg no resulta claro
efecto comparativo, se hará mención a los brales de 7943; 3273; 1334 y 724 ppm, que para la separación de anomalías, la mención
valores normales de rocas similares a las que revelan distintas etapas o condiciones de es adecuada para mostrar la importancia de
alojan la mineralización; en todos los casos mineralización. Estos umbrales son signi- revisar los aspectos analíticos de los datos
estos refieren a los de Turekian y Wedephol ficativamente anómalos ya que superan en geoquímicos.
(1961). varios órdenes de magnitud los contenidos El bismuto habitualmente no se destaca en
normales en rocas de composición similar depósitos epitermales. No obstante partici-
Sondeos DDH1-2 (1,5 a 1,9 ppm) y son consistentes con la pa de asociaciones minerales complejas en
De acuerdo a las pendientes de las rectas de presencia común de este elemento en depó- vetas del distrito Baia Mare, Rumania (Bu-
ajuste (Fig. 8) el oro sigue una distribución sitos epitermales de baja sulfuración (He- zatu et al. 2015) o en El Pingüino, Macizo
multifractal de cuatro poblaciones que, con- denquist et al. 2000). Considerando casos del Deseado (Jovic et al. 2011) vinculadas
forme a sus intersecciones, están separadas como el depósito Sari Gunay en Irán (Ri- a pulsos hidrotermales tempranos y de ma-
por los umbrales de 2,1; 0,20 y 0,04 ppm chards et al. 2006) donde el Au, invisible, yor temperatura que las que normalmente
Au; una probable quinta población no tie- está incluido en arsenopirita y pirita arse- se asignan a los depósitos epitermales; por
ne trascendencia. Este arreglo manifiesta nical, una revisión cuidadosa de la mine- consiguiente este elemento puede resultar
condiciones diferentes en el control de la ralogía registrada en los testigos, así como apropiado para analizar la génesis de la mi-
precipitación de oro. La población > 2,1 investigar si algunas de estas poblaciones neralización en su conjunto. En este caso Bi
ppm Au indica que fueron las más efectivas de As está relacionada con Au, por ejemplo muestra un arreglo multifractal con tres po-
y probablemente represente la mineraliza- calculando el coeficiente de correlación Au- blaciones definidas por los umbrales de 8,6
ción de interés, sustentando que los sondeos As de cada población, podrán aportar infor- y 53,7 ppm Bi ocasionadas, probablemente,
resultaron exitosos en el descubrimiento mación sobre las causas genéticas de estos por distintos pulsos o etapas de mineraliza-
de zonas mineralizadas. La población entre arreglos geoquímicos. ción. Estos umbrales de varios órdenes de
0,20 y 2,1 ppm Au representa una anomalía El arreglo multifractal de Sb manifiesta cua- magnitud superiores a los normales en rocas
fuerte vinculada estrechamente con los pro- tro poblaciones con umbrales de 186; 83 y similares (0,007 ppm) separan anomalías
cesos hidrotermales que generaron la mine- 27 ppm (Fig. 8) que sugieren variaciones fuertes (8,6-53,7 ppm) a extremadamente
ralización aurífera; este rango de valores es en los fenómenos que provocaron la preci- fuertes (> 53,7 ppm) generadas por fluidos
bastante amplio ya que incluye leyes que, pitación de los minerales portadores de an- hidrotermales portadores de Bi. La pobla-
empíricamente, también pueden ser con- timonio. También estos umbrales resultan ción > 53,7 ppm Bi muestra irregularidades,
sideradas como mineralización. Conside- anormalmente altos respecto a la concentra- con un salto brusco a una mayor concen-
rando que la pendiente de la recta de ajuste ción en rocas de composición similar (0,2 tración, pero con similar dimensión fractal
representa la dimensión fractal (D) estas dos ppm) acorde con su presencia extendida en (D= 1,609 y D= 1,678; Fig. 8) rasgo nu-
poblaciones tienen ciertas diferencias (D= los depósitos epitermales de baja sulfuración mérico que no puede ser explicado por los
1,509 la primera y D= 1,051 la segunda) (Hedenquist et al. 2000). Como se señaló datos geoquímicos disponibles. Igual que
pero podrían ajustarse con una sola recta sin para As, una revisión de la mineralogía y para otros elementos, la revisión del logueo,
gran variación del coeficiente de determina- la comparación de cada población con los estudios mineralógicos y tratamiento esta-
ción (R2); sin embargo con esto se perdería contenidos de Au, resultarán de utilidad dístico por poblaciones, es recomendable
la visualización del conjunto de muestras para establecer vinculaciones entre las dis- para obtener información sobre su relación
de mayor ley (>2,1 ppm) que puede tener tribuciones de estos elementos. con Au y otros elementos típicos de minera-
548 R. R. FERNÁNDEZ

lizaciones epitermales. cen un salto brusco hacia una mayor ley y Otras dos anomalías, consideradas modera-
El Zn muestra un arreglo multifractal de pueden indicar que las condiciones fueron das a débiles, están separadas por los umbra-
cuatro poblaciones separadas por los um- más efectivas para la precipitación de este les de 132 y 43 ppm y poseen una menor
brales de 112, 39 y 13 ppm Zn, con di- elemento. La población entre esos umbra- dimensión fractal (D= 0,796 y D= 0,292,
mensión fractal (pendiente) alternadamen- les representa una anomalía débil a mode- respectivamente). También el Sb posee un
te alta y baja. La población >112 ppm Zn rada vinculada a los fluidos hidrotermales a arreglo multifractal de, posiblemente, cua-
pueden interpretarse como una anomalía partir de los cuales precipitaron minerales tro poblaciones separadas por los umbrales
ocasionada por la precipitación de esfalerita portadores de Ag. Por debajo de ese umbral de 25, 10 y 5,6 ppm (Fig. 9) aunque las
de origen hidrotermal, aunque no necesa- inferior podría considerarse la ausencia de rectas de las muestras > 10 ppm tienen una
riamente vinculada con la precipitación de mineralización argentífera. Dada la pre- dimensión fractal similar y podrían ajus-
otros elementos. Por debajo de ese valor, la sencia común de electrum (Au-Ag) debería tarse con una sola recta desapareciendo el
explicación resulta más compleja; el conte- investigarse su relación con las poblaciones umbral de 25 ppm. Como el arsénico, los
nido normal de Zn de rocas de composición que constituyen el arreglo multifractal del umbrales de Sb son mucho mayores a los
similar a las que alojan esta mineralización oro. valores normales de rocas de composición
varía entre 39 y 60 ppm, por lo que la po- El As muestra un arreglo multifractal de similar por lo que estas anomalías, una fuer-
blación de 39-112 ppm podría considerarse cuatro poblaciones separadas por los um- te si se tiene en cuenta el umbral de 25 ppm,
una anomalía débil provocada por acción brales de 339; 132 y 43 ppm (Fig. 9) que deberían confrontarse con las de Au, Ag y
hidrotermal o bien el contenido natural de son varios órdenes de magnitud superiores As, así como con las características geológi-
las rocas (o ambas). La población < 39 ppm, de los valores normales de rocas de com- cas que se registren en los testigos, para la
y naturalmente la < 13, claramente resultan posición similar. La población > 339 ppm mejor interpretación de su comportamiento
anomalías negativas; esta baja concentra- As puede considerarse una anomalía fuerte geoquímico.
ción también es anormal y puede deberse con la mayor dimensión fractal (D= 1,475). En el arreglo multifractal de Zn, el umbral
a que la alteración hidrotermal o meteórica
produjo una lixiviación de Zn al destruir
minerales petrogenéticos como magnetita
y biotita (Johnson 1994). Con esta consi-
deración, deberían revisarse los testigos con
el fin de definir la participación y extensión
de esos procesos en la generación de dichas
anomalías negativas.

Sondeo DDH-3
El arreglo multifractal de Au (Fig. 9) defi-
ne tres poblaciones y una cuarta que puede
ser artificial. Las pendientes de las rectas de
ajuste definen los umbrales de 0,18 y 0,05
ppm Au, que sugieren distintas aptitudes
de los mecanismos que contribuyeron a su
precipitación. La población > 0,18 ppm po-
see la mayor dimensión fractal (D= 1,469)
y resulta una anomalía fuerte que incluye
concentraciones de oro significativas, por
ejemplo para un depósito diseminado de
baja ley. Las muestras entre 0,18-0,05 ppm
representan una anomalía moderada a débil
probablemente producida bajo condiciones
poco eficientes para la precipitación de Au
o por fluidos hidrotermales pobres en este
metal. El umbral de 0,02 ppm Au posible-
mente se debe a muestras con valores debajo
del límite de detección analítico.
La plata manifiesta un arreglo multifractal
de tres poblaciones (Fig. 9) separadas por los
umbrales de 5,6 y 0,72 ppm. La de > 5,6 Figura 9: Distribución multifractal de elementos seleccionados en el sondeo DDH-3 en diagramas log-log (log n°
de muestras vs. log del elemento). Línea: recta de ajuste. Ecuación de la recta: y= o – p.x (o: origen; p: pendiente).
ppm Ag se debe a que las concentraciones
R2: coeficiente de determinación de la recta de ajuste. Círculos grises: muestras utilizadas para las rectas de ajuste.
de algunas muestras de este sondeo produ-
Flecha: indica el valor de umbral en ppm (intersección de las rectas de ajuste).
Análisis geoestadístico y numérico, geoquímica de sondeos 549

de 60 ppm podría indicar la precipitación


hidrotermal de esfalerita, que podría ser útil
para investigar su relación con la precipita-
ción de los otros metales. Los arreglos a <
60 ppm no poseen grandes diferencias en
la dimensión fractal (entre 0,478 y 0,111)
y, como se señaló, debería considerarse que
reflejan los valores litológicos normales o
muy bajos, ocasionados por algún proceso
de alteración de esas rocas.

Sondeo RC-1
El análisis del cutting en sondeos de circu-
lación reversa, normalmente no permite
obtener datos geológicos de la misma cali-
dad que en los de obtención de testigos; no
obstante la información geoquímica tiene la
misma jerarquía (o aún mayor de acuerdo
al diámetro del sondeo). Si por esta razón
la información geológica no es suficien-
temente confiable para confrontar con la Figura 10: Distribución multifractal de elementos seleccionados en el sondeo RC-1 en diagramas log-log (log n°
geoquímica, aún siguiendo procedimientos de muestras vs. log del elemento). Línea: recta de ajuste. Ecuación de la recta: y= o – p.x (o: origen; p: pendiente).
adecuados, será conveniente analizar más de R2: coeficiente de determinación de la recta de ajuste. Círculos grises: muestras utilizadas para las rectas de ajuste.
un sondeo del mismo cuerpo mineralizado. Flecha: indica el valor de umbral en ppm (intersección de las rectas de ajuste).
Con esta premisa se expone a continuación
los resultados de este sondeo de circulación tan a una recta con mayor dimensión fractal 3,064) y podría deberse a precipitación hi-
reversa (Fig. 10). (D= 3,514) que correspondería a minerali- drotermal de Zn como esfalerita, mientras
El oro muestra un arreglo multifractal de zación de baja ley. La población entre 0,75 y que por debajo de ese umbral son valores
cuatro poblaciones separadas por los um- 8,9 ppm representa una anomalía moderada litológicamente normales y probablemente
brales de 1,26; 0,10 y 0,04 ppm Au (Fig. a fuerte debido a precipitación hidrotermal. sólo responda a los contenidos naturales de
10) que pueden interpretarse como provo- Considerando los valores normales en rocas las rocas atravesadas por el sondeo.
cadas por distintos pulsos mineralizantes o de composición similar (~0,04 ppm Ag) el
bajo diferentes condiciones de precipitación rango entre 0,29-0,75 ppm puede corres- Dimensión fractal comparada
del Au. La población > 1,26 ppm Au repre- ponder a una anomalía débil junto a valores El análisis fractal de datos geoquímicos
sentaría los sectores realmente mineraliza- de fondo e indudablemente los menores al desarrollado previamente, no sólo permite
dos, mientras que las de valores entre ese umbral inferior deben ser considerados el separar distintas poblaciones sobre la base
umbral y 0,10 ppm constituyen una ano- fondo regional, que incluye muestras de- de la cuantificación de sus umbrales, sino
malía fuerte producida por fluidos hidro- bajo del límite de detección analítico (0,2 también puede sustentar la interpretación
termales pero donde las condiciones para la ppm Ag). sobre los cambios en los mecanismos que
precipitación de Au fueron moderadamente El arreglo multifractal de As (Fig. 10) per- las produjeron. La dimensión fractal (D)
eficaces. La población de 0,10 a 0,04 ppm mite distinguir tres poblaciones separa- representada por la pendiente de cada recta
Au (D= 0,12) conforma una anomalía débil das por los umbrales de 53 y 33 ppm que de ajuste en los diagramas log-log, es una
generada también por fluidos hidroterma- pueden interpretarse como una anomalía característica específica de cada población y,
les con bajos contenidos de Au o bien, bajo fuerte (> 53 ppm) y débil entre esos umbra- en los procesos geológicos y geoquímicos,
condiciones que no favorecieron su preci- les, posiblemente debido a distintos pulsos refleja variaciones de atributos físicos tales
pitación; debería considerarse si representa hidrotermales. La población < 33 ppm As, como tipo de roca, densidad y orientación
un pulso independiente de los anteriores aunque supera el fondo normal de rocas de de vetillas, cambios en la fase fluida, fenó-
(pre- o post-mineralización). Por debajo esa composición (1,5 a 1,9 ppm) podría menos de alteración hidrotermal, rasgos
de 0,04 ppm Au puede suponerse el fondo asignarse a un fondo más elevado de las ro- estructurales, mineralogía dominante, entre
(background) que incluye valores por debajo cas volcánicas o bien a fluidos hidrotermales otros (Heidari et al. 2013).
del límite de detección analítico. pobres en As. Para una mejor comprensión del papel de la
La plata también presenta un arreglo multi- El Zn muestra una distribución fractal de dimensión fractal, una leve modificación se
fractal de cuatro poblaciones separadas por dos poblaciones, tal vez del tipo bi-fractal presenta en la figura 11 que ilustra el arre-
los umbrales de 8,9; 0,75 y 0,29 ppm (Fig. (Cheng et al. 1994) producidas por proce- glo multifractal sólo de Au, As, Sb y Zn en
10). En las leyes mayores se produce un salto sos independientes. La población > 54 ppm distintos sondeos. Las rectas graficadas son
relativamente brusco y las muestras se ajus- posee la dimensión fractal más alta (D= las de las figuras 8, 9 y 10 con el símbolo co-
550 R. R. FERNÁNDEZ

rrespondiente al umbral, pero transforma-


das dividiendo la cantidad de muestras de
valor mayor o igual al establecido, por el to-
tal de muestras de cada sondeo; esta norma-
lización modifica el eje de las ordenadas al
valor máximo de 1 y ofrece la misma escala
vertical para grupos de distinta cantidad de
muestras, facilitando la visualización com-
parada entre ellos. La dimensión fractal (D)
es, desde luego, la obtenida en los diagramas
log-log expuestos en la figuras 8, 9 y 10.
Puede observarse que el arreglo multifractal
de cada elemento es independiente del ran-
go de valores de los resultados geoquímicos
y, además, es distintivo del conjunto de le-
yes de cada sondeo. Esto puede verse clara-
mente en los casos de As y Sb (Fig. 11 a y
b); en DDH1-2 la menor dimensión fractal
(D) de As, se verifica por debajo del umbral Figura 11: Diagramas log-log normalizados al número total de muestras de cada sondeo. Log normalizado= (log
n° muestras ≥ valor del elemento/log n° total de muestras). La dimensión fractal D (en itálica y con dos decimales)
724 ppm y la mayor, encima de 7943 ppm;
y los umbrales, son los de las figuras 8, 9 y 10.
en cambio en DDH-3 y en RC-1 la menor
(D) está debajo de los umbrales de 43 y
33 ppm y la mayor por arriba de 339 y 53 debido a procesos irregulares de precipita- sibilidad de establecer el rango de distancia
ppm, respectivamente. El Sb (no conside- ción. Un valor elevado de (D), representa- en que los datos geoquímicos están corre-
rado en RC-1) exhibe la menor (D) debajo do por una recta de pendiente empinada, lacionados, que es representativa de la con-
de 27 y de 5,6 ppm, mientras que la mayor, demuestra que con el cambio del número tinuidad espacial tanto de valores elevados,
encima de 186 ppm y de 32 ppm en los son- de muestras las leyes tienen poca variación medios o bajos. Asimismo informa sobre la
deos DDH1-2 y DDH-3, respectivamente. y permite interpretar que los procesos que variabilidad de dicha correlación y la pro-
El arreglo multifractal de Au es parecido en provocaron esa población fueron relativa- porción en la que intervinieron fenómenos
DDH1-2 y RC-1 (Fig. 11 c), aunque las mente regulares y uniformes. Este último estructurados y aleatorios; los primeros pro-
poblaciones tienen umbrales y dimensión comportamiento es el que posibilita que, en vocados por los procesos genéticos que die-
fractal ligeramente distintos; esto indica un estrecho intervalo de tiempo y espacio, ron lugar a la mineralización y los segundos
que depósitos del mismo tipo y estilo, pero se produzca una concentración mineral; por debido a causas geológicas de una magnitud
sin ninguna vinculación, pueden tener una lo tanto establecer la dimensión fractal dará menor a la distancia de muestreo o a cau-
geoquímica del oro similar, lo cual no signi- una información importante para compren- sas no geológicas relacionadas a errores de
fica que las causas que generaron ese arreglo der los procesos genéticos. muestreo y/o al método analítico.
puedan equipararse; DDH-3 contrasta en El arreglo numérico de los datos geoquími-
que la mayor (D) se verifica por encima del CONCLUSIONES cos que sigue un modelo fractal/multifrac-
umbral de 0,18 ppm, marcadamente infe- tal, establecido en los diagramas log-log, es
rior al de los otros sondeos. El Zn (Fig. 11 El análisis de los datos geoquímicos prove- la expresión de las poblaciones que lo inte-
d) muestra un arreglo multifractal próximo nientes de sondeos de exploración minera, gran, y puede atribuirse a las variaciones de
en DDH-3 y RC-1, donde por encima de habitualmente se lleva a cabo mediante ana- las condiciones geológicas que contribuye-
un umbral muy similar (60 y 54 ppm res- logías, asumiendo estándares propios de la ron a generar la mineralización. Estas pobla-
pectivamente) hay un marcado cambio en la experiencia en la actividad o bien con herra- ciones pueden ser discriminadas sobre bases
dimensión fractal; DDH1-2 posee un arre- mientas de la estadística clásica. Esta prácti- cuantitativas de modo de establecer los valo-
glo más complejo con cambios alternantes ca es ampliamente aceptada en el ámbito de res de fondo (background) y los de distintas
del valor (D). la exploración y normalmente es suficiente jerarquías de anomalías, incluyendo aque-
La dimensión fractal es una característica es- para evaluar, razonablemente, los resultados. llas que componen la mineralización de ma-
pecífica de cada población y se atribuye a as- Sin embargo la comprensión de la estruc- yor importancia. La dimensión fractal (D)
pectos geológicos y geoquímicos particula- tura espacial y numérica de la información de cada población constituye un indicador
res. Un valor bajo de (D), es decir una recta geoquímica obtenida, puede considerarse sobre el grado de uniformidad de los fenó-
que se aleja poco de la horizontal, revela que una ventaja y agrega mayor conocimiento menos que la produjeron. Los procesos más
con un relativamente pequeño cambio en el para entender los fenómenos que generaron uniformes registran a una mayor dimensión
número de muestras las concentraciones va- la concentración mineral. fractal manifestada por una pendiente más
rían fuertemente e indica que esa población El análisis geoestadístico de la distribución pronunciada de la recta que se ajusta a esa
posee una marcada dispersión de sus leyes espacial a partir del variograma ofrece la po- población, revelando que el incremento del
Análisis geoestadístico y numérico, geoquímica de sondeos 551

número relativo de muestras exhibe escasa Albanese, S., De Vivo, B., Lima, A. y Cicchella, D. in Geochemical Prospecting. Elsevier, 460 p.,
variación en las leyes. Contrariamente la 2007. Geochemical background and baseline Amsterdam.
menor dimensión fractal representa fenó- values of toxic elements in stream sediments of Goodings, D. y Middleton, G. 1991. Fractals and
menos irregulares y de mayor variación de Campania region (Italy). Journal of Geochemi- fractal dimension. En: Middleton, G. (ed.)
las concentraciones. cal Exploration 93: 21-34. Nonlinear dynamics, chaos and fractals with
Las metodologías propuestas deben ser con- Arias, M., Gumiel, P. y Martín-Izard, A. 2012. applications to geological system. Geological
trastadas con los datos geológicos de los “lo- Multifractal analysis of geochemical anomalies: Association of Canada. Short Course Notes 9:
gueos”, ya que estos son la base fundamental A tool for assessing prospectivity at the SE bor- 2.1- 2.10, Toronto.
para la interpretación de las características der of the Ossa Morena Zone, Variscan Massif Goovaerts, P. 1997. Geostatistics for natural re-
de la mineralización y sólo deben aplicarse (Spain). Journal of Geochemical Exploration sources evaluation. Oxford University Press,
como una herramienta complementaria, es- 122: 101-112. 483 p., Oxford.
pecialmente para estilos de mineralización Armstrong, M. 1998. Basic linear geostatistics. Hedenquist, J.W., Arribas, R.A. y Gonzalez-Urien,
diseminada y de límites difusos o fuerte- Springer-Verlag, 153 p., Berlin-Heidelberg. E. 2000. Exploration for epithermal gold depo-
mente irregulares. Buzatu, A., Damian, G., Dill, H.G., Buzgar, N. sits. En: Hagemann, S.G. (ed.), Gold in 2000.
y Apopei, A.I. 2015. Mineralogy and geoche- Reviews in Economic Geology 13: 245-277.
AGRADECIMIENTOS mistry of sulfosalts from Baia Sprie ore deposit Heidari, S.M., Ghaderi, M. y Afzal, P. 2013. De-
(Romania) - New bismuth minerals occurrence. lineating mineralized phases based on litho-
A las empresas SJM SA y Minera Don Ni- Ore Geology Review 65: 132-147. geochemical data using multifractal model in
colás por permitir el uso de la información Cheng, Q. 1999. Spatial and scaling modeling for Touzlar epithermal Au–Ag (Cu) deposit, NW
geoquímica de sondeos y alentar el estudio geochemical anomaly separation. Journal of Iran. Applied Geochemistry 31: 119-132.
que aquí se comunica. A los colegas que han Geochemical Exploration 65: 175-194. Isaaks E.H. y Srivastava, R.M. 1989. An introduc-
tenido la amabilidad de leer y realizar fructí- Cheng, Q. 2012. Singularity theory and methods tion to applied geostatistics. Oxford University
feros comentarios sobre el manuscrito. A los for mapping geochemical anomalies caused by Press, Inc. 561 p., New York.
tres revisores de la revista de la Asociación buried sources and for predicting undiscovered Johnson, C.A. 1994. Partitioning of zinc among
Geológica Argentina, quienes aportaron crí- mineral deposits in covered areas. Journal of common ferromagnesian minerals and implica-
ticas y sugerencias de gran utilidad para me- Geochemical Exploration 122: 55-70. tion for hydrothermal mobilization. Canadian
jorar la versión preliminar del trabajo. Esta Cheng, Q., Agterberg, F.P. y Ballantyne, S.B. 1994. Mineralogist 32: 121-132.
contribución fue desarrollada con el sostén The separation of geochemical anomalies from Jovic, S.M., Guido, D.M., Schalamuk, I.B., Ríos,
académico del Instituto de Recursos Mine- background by fractal methods. Journal of F.J., Tassinari, C.C.G. y Recio, C. 2011. Pin-
rales (FCNyM-UNLP-CICBA) y es parte de Geochemical Exploration, 51: 109-130. güino In-bearing polymetallic vein deposit, De-
las investigaciones apoyadas por la UNLP a Cheng, Q. y Agterberg, F.P. 1996. Multifractal seado Massif, Patagonia, Argentina: characteris-
través de los proyectos 11/N685 y 11/N797. modeling and spatial statistics. Mathematical tics of mineralization and ore-forming fluids.
Geology 28: 1-16. Mineralium Deposita 46: 257-271.
TRABAJOS CITADOS EN EL TEXTO Cheng, Q., Agterberg, F.P. y Bonham-Carter, G.F. Koch, G.S. y Link, R.F. 1980. Statistical analysis of
1996. A spatial analysis method for geochemi- geological data. Dover Publications Inc. Vol. I,
Afzal, P., Khakzad, A., Moarefvand, P., Rashidne- cal anomaly separation. Journal of Geochemical 363 p., New York.
jad, O.N., Esfandiari, B. y Fadakar, A.Y. 2010. Exploration 56: 183-195. Lepeltier, C. 1969. A simplified statistical treat-
Geochemical anomaly separation by multifrac- Clark, I. y Harper, W.V. 2000. Practical geostatis- ment of geochemical data by graphical repre-
tal modeling in Kahang (GorGor) porphyry tics 2000. Ecosse North America Llc, 342 p., sentation. Economic Geology 64: 538-550.
system, Central Iran. Journal of Geochemical Columbus. Lucero Michaut, H.N. 1979. Geoestadística apli-
Exploration 104: 34-46. Deutsch, C.V. y Journel, A.G. 1998. GSLIB. cada a la exploración y estimación de reservas.
Afzal, P., Fadakar, A.Y., Moarefvand, P., Rashid- Geostatistical software library and user’s guide. El histograma como estimador del variograma
nejad, O.N. y Asadi, H.H. 2012. Application Oxford University Press, 369 p., New York. verdadero y su ajuste al modelo teórico adecua-
of power–spectrum–volume fractal method for Feder, J. 1988. Fractals. Plenum, 283 p., New York. do. En: Curso Latinoamericano de evaluación
detecting hypogene, supergene enrichment, lea- Fowler, T. y Roach, D. 1991. Dimensionality de indicios uraníferos, Comisión Nacional de
ched and barren zones in Kahang Cu porphyry analysis of objects and series data. En: Midd- Energía Atómica y Comisión Interamericana de
deposit, Central Iran. Journal of Geochemical leton, G. (ed), Nonlinear dynamics, chaos and Energía Nuclear 2, 27 p., Buenos Aires.
Exploration 112: 131-138. fractals with applications to geological system. Mandelbrot, B.B., 1983. The fractal geometry
Afzal, P., Ahari, H.D., Omran, N.R. y Aliyari, F., Geological Association of Canada. Short Cour- of nature. W.H. Freeman & Co. 468 p., New
2013. Delineation of gold mineralized zones se Notes 9: 6.2-6.23, Toronto. York.
using concentration–volume fractal model in Goncalves, M.A., Mateus, A. y Oliveira, V. 2001. Marjoribanks, R. 2010. Geological Methods in Mi-
Qolqoleh gold deposit, NW Iran. Ore Geology Geochemical anomaly separation by multifrac- neral Exploration and Mining. Springer-Verlag,
Review 55: 125-133. tal modeling. Journal of Geochemical Explora- second edition. 238 p., Berlin Heidelberg
Agterberg, F.P. 2012. Multifractals and geostatistics. tion 72: 91-114. Mao, Z., Lai J. y Yang, B. 2014. The geochemical
Journal of Geochemical Exploration 122: 113- Govett, G.J.S. 1983. Handbook of Exploration multi-fractal characteristics and mineralization
122. Geochemistry. Statistics and Data Analysis of the Dehelongwa copper-gold deposit. Chi-
552 R. R. FERNÁNDEZ

nese Journal of Geochemistry 33: 280-288. Sinclair, A.J. 1974. Selection of thresholds in geo- fractal methods in the Tongshan porphyry Cu
Matheron, G. 1971. La théorie des variables ré- chemical data using probability graphs. Journal deposit (China). Journal of Geochemical Ex-
gionalisées, et ses applications. Les Cahiers du of Geochemical Exploration 3: 129–149. ploration 134: 85-98.
Centre de Morphologie Mathématique, Fasci- Sinclair, A.J., 1991. A fundamental approach to Wellmer, F-W. 1998. Statistical evaluations in ex-
cule 5. Ecole des Mines de Paris, 211 p., Fon- threshold estimation in exploration geochemis- ploration for mineral deposits. Springer-Verlag,
tainebleau. try: probability plots revisited. Journal of Geo- 379 p., Berlin Heidelberg.
Monecke, T., Gemmell, J.B. y Monecke, J. 2001. chemical Exploration 41: 1-22 Yuan, F, Li, X., Zhou, T., Deng, Y., Zhang, D., Xu,
Fractal distributions of veins in drill core from Turcotte D.L. 1986. A fractal approach to the rela- Ch., Zhang, R., Jia, C. y Jowitt, S.M. 2015.
the Hellyer VHMS deposit, Australia: cons- tionship between ore grade and tonnage. Eco- Multifractal modelling-based mapping and
traints on the origin and evolution of the mi- nonic Geology 18: 1525-1532. identification of geochemical anomalies asso-
neralizing system. Mineralium Deposita 36: Turcotte, D.L. 1997. Fractals and Chaos in Geo- ciated with Cu and Au mineralisation in the
406-415. logy and Geophysics. Cambridge University NW Junggar area of northern Xinjiang Provin-
Olea, R.A. 2009. A practical primer on geostatis- Press, second edition. 398 p., Cambridge. ce, China. Journal of Geochemical Exploration
tics: U.S. Geological Survey, Open-File Report Turekian, K.K. y Wedepohl, K.H. 1961. Distribu- 154: 252-264
2009-1103, 346 p. tion of the elements in some major units of the Zuo, R. y Wang, J. 2015. Fractal/multifractal mo-
Richards, J.P., Wilkinson, D. y Ullrich, T. 2006. earth’s crust. Geological Society of the America, deling of geochemical data: A review. Journal
Geology of the Sari Gunay epithermal gold de- Bulletin 72: 175-192. of Geochemical Exploration http://dx.doi.or-
posit, Northwest Iran. Economic Geology 101: Wang, Q.F., Deng, J., Liu, H., Wan, L., Yang, g/10.1016/j.gexplo.2015.04.010
1455-1496. L.Q. y Zhang, R.Z. 2010. Fractal models for Zuo, R., Wang, J., Chen, G. y Yang, M. 2015. Re-
Sadeghi, B., Madani, N. y Carranza, E.J.M. 2015. ore reserve estimation. Ore Geology Reviews print of “Identification of weak anomalies: A
Combination of geostatistical simulation and 37: 2-14. multifractal perspective”. Journal of Geochemi-
fractal modeling for mineral resource classifica- Wang, Q., Deng, J., Zhao, J., Li, N., y Wan, L. cal Exploration 154: 200-212.
tion. Journal of Geochemical Exploration 149: 2012. The fractal relationship between orebody
59-73. tonnage and thickness. Journal of Geochemical
Sanderson, D.J., Roberts, S. y Gumiel, P. 1994. Exploration 122: 4-8.
A fractal relationship between vein thickness Wang, G., Pang, Z., Boisvert, J.B., Hao, Y., Cao, Y.
and gold grade in drill core from La Codosera, y Qu, J. 2013. Quantitative assessment of mi- Recibido: 6 de abril, 2016
Spain. Economic Geology 89: 168-173. neral resources by combining geostatistics and Aceptado: 3 de julio, 2017