مدل‌سازی و ارزیابی ذخیره کانسار سرب و روی فیض‌آباد با استفاده از روش‌های زمین‌آماری غیرخطی

نوع مقاله : مقاله پژوهشی

نویسندگان

گروه مهندسی معدن، دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک، اراک، ایران

چکیده

در پژوهش حاضر مدلسازی زمین­شناسی- اکتشافی کانسار سرب و روی فیض­آباد واقع در استان اصفهان انجام شده و از نظر عیار و میزان ذخیره، مورد ارزیابی قرار گرفته است. محدوده کانسار مورد مطالعه براساس توپوگرافی منطقه، میزان و نوع اطلاعات اکتشافی موجود خود به دو منطقه مجزای تپه آقاحساب و کوه خارزن تقسیم شده و مدلسازی کانسار و ارزیابی ذخیره هر منطقه و نیز کل محدوده، به­طور مجزا صورت گرفته است. برای آگاهی از نحوه توزیع داده­های عیارسنجی مجموع سرب و روی و انتخاب درست روش تخمین، ابتدا پردازش آماری اولیه داده­ها انجام شد. سپس به­منظور شناخت کامل و طرح تصویری از وضعیت لیتولوژی کانسار، نگار لیتولوژی تمام گمانه­های اکتشافی، مدل سه­بعدی لیتولوژی کانسار و مقاطع عرضی لیتولوژی نظیر تعداد زیادی از پروفیل­های شاخص محدوده، ترسیم شد. براساس وضعیت ماده معدنی، میزان و نوع کارهای اکتشافی انجام­شده و اطلاعات اکتشافی موجود، از میان روش­های مختلف تخمین ذخیره، روش­های زمین­آماری دقیق غیرخطی لاگ کریجینگ معمولی و کریجینگ شاخص، مورد استفاده قرار گرفته و نمودارهای عیار- تناژ ذخیره به­ازای عیار حدهای 5/1، 2، 5/2 و 3 درصد ترسیم شد. نتایج پژوهش نشان می­دهد که اگرچه هر دو روش زمین­آماری مورد استفاده، از دقیق­ترین روش­های تخمین ذخیره می­باشند، اختلاف نتایج تخمین عیار و ذخیره کانسار با روش­های مذکور نسبتاً زیاد است. فقدان اطلاعات اکتشافی کافی و ماهیت روش­های مورد استفاده از مهم­ترین دلایل این امر هستند ولی در مجموع نتایج روش کریجینگ شاخص قابل اعتمادتر است.

کلیدواژه‌ها


عنوان مقاله [English]

Modeling and ore reserve evaluation of Feyz-Abad Pb-Zn deposit using non-linear geostatistical methods

نویسندگان [English]

  • Reza Ahmadi
  • Abdoreza Gharah-Sheikh Bayat
Department of Mining Engineering, Earth Sciences Engineering College, Arak University of Technology, Arak, Iran
چکیده [English]

Extended abstract
Introduction
In the present research, geological-exploratory modeling of Feyz-Abad Pb-Zn deposit located in Isfahan province has been carried out as well as evaluation in terms of grade and amount of reserve. The exposed lithology units of the area with possible Paleozoic age from bottom to top, include chlorite schist, carbonate assemblages and green schists. Occurrence of zinc-lead mineralization with carbonate host in a metamorphic sedimentary volcanic sequence is one of the significant mineralization features in this region. The slightly altered limestone and dolomite, perform as host rocks of the deposit.
Materials and methods
The studied deposit area based on the topography of the region and amount and type of available exploratory information, has been divided into two distinct areas of Aghahesab and Kharzan mountain. So, modeling of the deposit and reserve evaluation of each region and the whole district have been undertaken separately. To know the statistical distribution of total Pb-Zn assay data and the correct choice of estimation method, first the initial statistical processing of the data was performed. Afterwards in order to fully understand and imagine the status of the deposit lithology, the log of all boreholes and drill holes, 3-D lithology model of the deposit and cross sections of lithology corresponding to a large number of the region designated profiles, were mapped. Depending on the mineral state, amount and type of carried out exploratory works and available exploratory information, among the variety of reserve estimation methods, accurate non-linear geostatistical methods containing ordinary log-kriging and indicator kriging have been employed. Then tonnage-grade curves have been plotted for cut off grades of 1.5, 2, 2.5 and 3 percent.
Discussion and results
The results of the research show that although both applied geostatistical methods are the most accurate of reserve estimation methods, however the difference between the results of estimation (grade and reserve) by means of the two methods is relatively high. The lack of sufficient exploratory information and the nature of the employed methods are the most important reasons for this subject but in general, the results of the indicator kriging method are more reliable. The amount of reserve calculated for various cut off grades in the study zones with the ordinary log kriging method is higher than the indicator kriging. This is due to higher blending of ore and gangue in ordinary log-kriging method than the other. For this reason, in general, the average grade for the variety of cut off grades in the indicator kriging method is higher than the ordinary log-kriging. The difference between the amount of reserve calculated by these two methods for the whole of Feyz-abad lead-zinc deposit for cut off grades of 1.5, 2, 2.5 and 3%, is equal to 26.9, 22, 27 and 17.8%, respectively.
Conclusion
Nonlinear geostatistical estimation methods have their own complexities, however, understanding the theoretical concepts of these methods properly and selecting their parameters correctly during estimation, will lead to very accurate, useful and desirable results. To increase the accuracy of ore reserve estimation of the studied area, it is suggested that the density of the minerals in various parts of the deposit to be determined by laboratory method with high accuracy. Then, through the index simulation method and determination of material type, an exact density is assigned to each block.

کلیدواژه‌ها [English]

  • Geostatistical estimation
  • Feyz-Abad Pb-Zn deposit
  • Indicator kriging
  • Log-kriging
  • SGeMS software
-احمدی، ر.، 1388. کاربرد الگوهای آماری در ارزیابی ذخایر معدنی با نگرشی بر معدن مس علی آباد یزد، گزارش طرح پژوهشی طرف قرارداد با دانشگاه علم و صنعت اراک، 102 ص.
افروخته، ا.، موسیوند، ف. و طاهری، ع.، 1393. ساخت و بافت و کانی­شناسی در کانه­زایی روی- سرب در توالی دگرگون شده پالئوزوئیک در جنوب غرب نائین، ششمین همایش انجمن زمین­شناسی اقتصادی ایران، دانشگاه سیستان و بلوچستان.
-امینی، ب.، امینی چهرق، م.ر. و امامی، ه.، 1382. نقشه زمین­شناسی ایران، سری 1:100000 برگه شماره 6555 کجان، سازمان زمین­شناسی و اکتشافات معدنی کشور.
-حسنی‌پاک، ع.ا. و خالصی، م.ر.، 1382. مدیریت خطا و ریسک در اکتشاف، موسسه چاپ و انتشارات دانشگاه تهران، 382 ص.
-حسنی‌پاک، ع.ا. و شرف الدین، م.، 1380. تحلیل داده­های اکتشافی، انتشارات دانشگاه تهران، 987 ص.
-صانعی، ص.، 1392. گزارش کلی اکتشافات سال 1392 معدن سرب و روی فیض آباد، شرکت گسترش صنایع، معادن و ذوب فلزات رنگین مرکزی، 54 ص.
-مدنی، ح.، ۱۳۷۶. اصول پی جویی، اکتشاف و ارزیابی ذخایر معدنی، انتشارات خانه فرهنگ، 816 ص.
-واحد اکتشافات شرکت گسترش صنایع، معادن و ذوب فلزات رنگین مرکزی، 1394. گزارش کلی اکتشافات سال 1393 معدن سرب و روی فیض آباد، شرکت گسترش صنایع، معادن و ذوب فلزات رنگین مرکزی.
 
 
 
-Annels, A.E., 2012. Mineral deposit evaluation: a practical approach, Springer Science & Business Media.
-Annels, A.E., 1991. Mineral Deposit Evaluation: A Practical Approach, Chapman & Hall, London, XV, 436 p.
-Bohling, G., 2007. SGeMS Tutorial Notes.
-Choudhury, S., 2015. Comparative study on linear and non-linear geostatistical estimation methods: A case study on iron deposit, Procedia earth and planetary science 11, p. 131-139.
-Goovaerts, P., 1997. Geostatistics for Natural Resources Evaluation; Oxford University Press, Applied Geostatistics Series; 483 p.
-Gossage, B., 1998. The application of indicator kriging in the modeling of geological data.
-Journel, A.G., 1983. Nonparametric estimation of spatial distributions: Mathematical Geology, v. 15, p. 445-468.
-Journel, A.G., 1989. Fundamentals of Geostatistics in Five Lessons, Short Course in Geology: Volume 8, American Geophysical Union, 57 p.
-Remy, N., Boucher, A. and Wu, J., 2006. SGeMS User’s Guide, 129 p.
-Remy, N., Boucher, A. and Wu, J., 2009. Applied Geostatistics with SGeMS: A User's Guide.
-Rendu, J.M., 1981. An introduction to geostatistical methods of mineral evaluation, South African Institute of Mining and Metallurgy monograph series, Johannesburg, 84 p.  
-Sarma, D.D., 2009. Geostatistics with Applications in Earth Sciences, Springer Netherlands, 206 p.
-Sharif, A.J. and karim-zadeh, V., 2015. Variography of exploration data of Korkora2 iron ore deposit for determination of required parameters in order to reserve estimation. 33rd National Geosciences Symposium, Geological Survey of Iran, Tehran.
-Soares, A., Pereira, M.J. and Dimitrakopoulos, R., 2008. geoENV VI– Geostatistics for environmental applications, Springer, 500 p.
-Switzer, P., 1977. Estimation of spatial distributions from point sources with application to air pollution measurement: Bulletin of the International Statistical Institute., v. 47, p. 123-137.
-Webster, R. and Oliver, M.A., 2007. Geostatistics for Environmental Scientists, John Wiley & Sons Ltd., 333 p.