Table of Contents

Die Reservenschätzung ist ein kritischer Prozess bei der Mineralexploration und im Bergbau, der wesentliche Daten für Entscheidungsfindung, Projektplanung und Investitionsbewertung liefert. Genaue Berechnungen helfen bei der Bestimmung der Wirtschaftlichkeit einer Lagerstätte und führen zu Strategien für das Ressourcenmanagement während der gesamten Laufzeit eines Bergbauprojekts. Die Mineralressourcenschätzung umfasst die Bestimmung des Gehalts und der Tonnage einer Minerallagerstätte auf der Grundlage ihrer geologischen Eigenschaften unter Verwendung verschiedener Schätzmethoden. Die Genauigkeit und Zuverlässigkeit dieser Schätzungen hat direkte Auswirkungen auf die Minenplanung, die Produktionsplanung und den finanziellen Gesamterfolg von Bergbauunternehmen.

Um die Komplexität der Reservenschätzung zu verstehen, sind Kenntnisse in verschiedenen Disziplinen erforderlich, darunter Geologie, Statistik, Mathematik und Bergbautechnik. Der Prozess hat sich im Laufe der Jahrzehnte erheblich weiterentwickelt, von einfachen geometrischen Methoden zu anspruchsvollen geostatistischen Techniken, die räumliche Variabilität und Unsicherheit berücksichtigen. Die Bergbauexperten von heute müssen eine Reihe von Methoden, Softwareplattformen und internationalen Berichtsstandards navigieren, um glaubwürdige Ressourcenschätzungen zu erstellen, die den regulatorischen Anforderungen und den Erwartungen der Anleger entsprechen.

Mineralressourcen und Reserven verstehen

Bevor wir uns mit Schätzmethoden befassen, ist es wichtig, die Unterscheidung zwischen Mineralressourcen und Mineralreserven zu verstehen. Geschlussfolgerte Mineralressource ist der Teil einer Mineralressource, für den Menge, Gehalt (oder Qualität) und Mineralgehalt mit geringer Sicherheit geschätzt werden können. Sie wird aus geologischen Nachweisen abgeleitet und von der Annahme, aber nicht verifizierten geologischen oder Gehaltskontinuität ausgegangen. Sie basiert auf Informationen, die mit geeigneten Techniken von Orten wie Ausgrabungen, Gräben, Gruben, Betrieben und Bohrlöchern gesammelt wurden, die von begrenzter oder unsicherer Qualität sein können.

Angegebene Ressourcen sind einfach wirtschaftliche Mineralvorkommen, die (von Orten wie Ausgrabungen, Gräben, Gruben und Bohrlöchern) bis zu einem Punkt beprobt wurden, an dem ihr eingeschlossenes Metall, ihr Gehalt, ihre Tonnage, ihre Form, ihre Dichten und physikalischen Eigenschaften mit einem angemessenen Vertrauensniveau geschätzt wurden. Gemessene Ressourcen stellen das höchste Vertrauensniveau dar, nachdem sie ausreichend beprobt wurden, dass eine kompetente Person sie für eine detaillierte Minenplanung und Machbarkeitsstudien für zuverlässig erklärt hat.

Es gibt mehrere Klassifizierungssysteme für die wirtschaftliche Bewertung von Mineralvorkommen weltweit. Die am häufigsten verwendeten Systeme basieren auf der vom CRIRSCO – Committee for Mineral Reserves International Reporting Standards – entwickelten International Reporting Template, wie dem Australian Joint Ore Reserves Committee – JORC Code 2012, dem Pan-European Reserves & Resources Reporting Committee – PERC Reporting Standard von 2021, dem Canadian Institute of Mining, Metallurgy and Petroleum – CIM Classification und dem South African Code for the Reporting of Mineral Resources and Mineral Reserves (SAMREC), die für Konsistenz und Transparenz bei der weltweiten Berichterstattung über Mineralressourcen und -reserven sorgen.

Die Stiftung: Geologische Modellierung und Datensammlung

Die Genauigkeit jeder Reserveschätzung hängt im Wesentlichen von der Qualität und Quantität der gesammelten geologischen Daten ab. Eine typische Ressourcenschätzung beinhaltet die Erstellung eines geologischen und Ressourcenmodells mit Daten aus verschiedenen Quellen. Diese Datenerhebungsphase stellt eine der wichtigsten Investitionen in Explorationsprojekte dar, da Bohrprogramme je nach Tiefe, Zugänglichkeit und Komplexität der Lagerstätte Millionen von Dollar kosten können.

Datenerfassung durch Bohren und Probennahme

Bohrprogramme bilden das Rückgrat der Mineralexplorationsdatensammlung. Verschiedene Bohrmethoden werden je nach Explorationsstufe, Lagerstätte und Budgetbeschränkungen eingesetzt. Diamantkernbohrungen liefern Proben höchster Qualität, so dass Geologen intakte Gesteinskerne untersuchen und geologische Strukturen, Mineralisierungsmuster und Veränderungszonen verstehen können. Reverse-Circulation-Bohrungen (RC) bieten eine schnellere und kostengünstigere Alternative, die Gesteinsspäne produzieren, die auf Gehalt analysiert werden können, aber weniger geologische Details als Kernproben liefern.

Die Abstände und Ausrichtung der Bohrlöcher beeinflussen die Qualität der Ressourcenschätzungen erheblich. Regelmäßige Bohrlochabstände auf einem Gittermuster erleichtern die Schätzung und Klassifizierung, während unregelmäßige Abstände erforderlich sein können, um geologischen Strukturen zu folgen oder spezifische Ziele zu testen. Die Bohrlochausrichtung muss die Geometrie des mineralisierten Körpers berücksichtigen, um eine repräsentative Probenahme zu gewährleisten.

Die Probenentnahmeprotokolle müssen strengen Qualitätssicherungs- und Qualitätskontrollverfahren (QA/QC) folgen, einschließlich des Einfügens zertifizierter Referenzmaterialien (Standards), Blindproben und Duplikatproben in den Probenstrom, um die analytische Genauigkeit zu überwachen, Verunreinigungen zu erkennen und die Probenpräzision zu bewerten. Schlechte Probenahmeverfahren oder unzureichende QA/QC können zu erheblichen Fehlern führen, die sich durch den gesamten Schätzungsprozess ausbreiten und möglicherweise zu einer Über- oder Unterschätzung der Ressourcen führen.

Datenbankerstellung und -validierung

Sobald Proben gesammelt und analysiert wurden, müssen die Daten in eine umfassende Datenbank zusammengestellt werden, die geologische, geochemische und geotechnische Informationen integriert. Moderne Explorationsdatenbanken umfassen typischerweise Bohrlochkragenkoordinaten, Bohrloch-Vermessungsdaten, lithologische Protokolle, Assay-Ergebnisse, Dichtemessungen und verschiedene andere Attribute, die für die Ressourcenschätzung relevant sind.

Die Validierung der Datenbank ist ein kritischer Schritt, bei dem auf Fehler, Inkonsistenzen und Anomalien in den Daten geachtet wird. Dazu gehört die Überprüfung, ob die Kragenkoordinaten korrekt sind, die Erhebungen in den Bohrlöchern angemessen sind, die Probenintervalle kontinuierlich ohne Lücken oder Überlappungen sind und die Assaywerte innerhalb der erwarteten Bereiche liegen. Die statistische Analyse der Datenbank hilft dabei, Ausreißer, Dateneingabefehler und mögliche Qualitätsprobleme zu identifizieren, die vor der Schätzung behoben werden müssen.

Geologische Interpretation und Domänendefinition

Die geologische Interpretation beinhaltet die Synthese aller verfügbaren Daten, um ein dreidimensionales Verständnis der Struktur, Stratigraphie und Mineralisierungskontrollen der Lagerstätte zu entwickeln. Diese Interpretation leitet die Erstellung geologischer Domänen oder Schätzungsdomänen, die Volumina relativ homogener geologischer und Gehaltsmerkmale darstellen.

Die Definition des Gebiets ist von entscheidender Bedeutung, da verschiedene geologische Einheiten oft getrennte Schätzparameter erfordern und unterschiedliche räumliche Kontinuitätsmerkmale aufweisen können. Domänen können auf der Grundlage der Lithologie, des Veränderungstyps, des Mineralisierungsstils oder der Gradpopulationen definiert werden. Die Grenzen zwischen den Domänen sollten echte geologische Kontakte oder Gradübergänge widerspiegeln und nicht willkürliche Divisionen.

Wireframe-Modelle werden üblicherweise verwendet, um geologische Grenzen in drei Dimensionen darzustellen. Diese digitalen Oberflächen werden durch Interpretation geologischer Kontakte auf Querschnitten oder Ebenenplänen konstruiert und dann zu kontinuierlichen Oberflächen verbunden. Die Wireframes definieren die Volumina, innerhalb derer eine Gradschätzung durchgeführt wird, und dienen als Einschränkungen für das Blockmodell.

Blockmodellierung: Das Framework für die Schätzung

Das Blockmodell wird unter Verwendung der Geostatistik und der geologischen Daten erstellt, die durch Bohrungen der zukünftigen Erzzone gesammelt wurden. Das Blockmodell besteht im Wesentlichen aus einer Reihe von spezifisch dimensionierten "Blöcken" in der Form des mineralisierten Erzkörpers. Obwohl die Blöcke alle die gleiche Größe haben, unterscheiden sich die Eigenschaften jedes Blocks. Der Grad, die Dichte, der Gesteinstyp und das Vertrauen sind alle für jeden Block innerhalb des gesamten Blockmodells einzigartig.

Blockmodelle bieten einen standardisierten Rahmen für die Schätzung und Berichterstattung über Mineralressourcen. Anstatt zu versuchen, den Gehalt an jedem möglichen Ort innerhalb einer Lagerstätte zu schätzen, wird das mineralisierte Volumen in reguläre Blöcke unterteilt und der durchschnittliche Gehalt jedes Blocks wird aus nahe gelegenen Probendaten geschätzt. Dieser Ansatz vereinfacht die nachfolgenden Minenplanungsaktivitäten, da Blöcke direkt Bergbaueinheiten und Produktionsplänen zugeordnet werden können.

Blockgrößenauswahl

Nachdem die mineralisierten Körper definiert sind, werden sie in Blöcke unterteilt, wobei die Abmessungen jedes Blocks von der Morphologie des mineralisierten Körpers, der räumlichen Verteilung der Daten und der geplanten Abbaumethode (z. B. Bankhöhe im Tagebau) abhängen.

Kleinere Blöcke bieten eine höhere Auflösung und können die Gradvariabilität innerhalb der Lagerstätte besser darstellen, aber sie erhöhen den Rechenaufwand und können zu Schätzungsartefakten führen, wenn der Probenabstand nicht ausreicht, um die gewählte Blockgröße zu unterstützen. Größere Blöcke reduzieren den Rechenaufwand und sind geeigneter, wenn der Probenabstand breit ist, aber sie können wichtige Gradvariationen glätten und weniger Flexibilität für die Minenplanung bieten.

Ein gängiger Ansatz besteht darin, eine übergeordnete Blockgröße auszuwählen, die der geplanten Bergbauselektivität entspricht, wie die Bankhöhe für Tagebaubetriebe oder die Stollenabmessungen für den Untertagebergbau. Subblocking kann dann angewendet werden, um geologische Grenzen besser zu berücksichtigen und Volumenberechnungen zu verbessern, ohne die Schätzqualität zu beeinträchtigen. Subblöcke erben die Qualität ihres übergeordneten Blocks, ermöglichen jedoch eine genauere Darstellung des mineralisierten Volumens, insbesondere in der Nähe von Domänengrenzen.

Blockmodellattribute

Jeder Block im Modell speichert mehrere Attribute, die über reine Gradschätzungen hinausgehen: Gemeinsame Attribute umfassen Koordinaten (X, Y, Z-Position), geologische Domänencodes, geschätzte Grade für verschiedene Elemente, Dichte oder spezifisches Gewicht, Klassifizierungskategorie (gemessen, angegeben, abgeleitet), Anzahl der für die Schätzung verwendeten Proben, Entfernung zur nächsten Probe und Schätzungsvarianz oder andere Unsicherheitsmaße.

Zusätzliche Attribute können metallurgische Eigenschaften, geotechnische Eigenschaften, Umweltparameter und wirtschaftliche Variablen wie Nettoschmelzerrendite oder -gewinn pro Block umfassen. Diese umfassende Zuordnung verwandelt das Blockmodell von einer einfachen Gehaltsschätzung in ein leistungsfähiges Instrument für die Minenplanung, -planung und wirtschaftliche Bewertung.

Methoden der Reserveschätzung

Herkömmliche Schätzverfahren, wie geometrische und geostatistische Verfahren, sind nach wie vor die am häufigsten verwendeten Methoden für die Ressourcenschätzung. Zur Schätzung der Mineralreserven werden mehrere Methoden angewandt, die jeweils für verschiedene Arten von Lagerstätten und die Verfügbarkeit von Daten geeignet sind. Die Auswahl einer geeigneten Schätzmethode hängt von Faktoren wie der geologischen Komplexität der Lagerstätte, der räumlichen Verteilung und Dichte der Probendaten, der Gradvariabilität, dem erforderlichen Vertrauensniveau sowie der verfügbaren Zeit und dem verfügbaren Budget ab.

Geometrische Methoden

Geometrische Methoden stellen die frühesten Ansätze zur Reserveschätzung dar und sind unter bestimmten Umständen, insbesondere bei der Exploration in der Frühphase oder bei einfachen, genau definierten Lagerstätten, weiterhin nützlich, da diese Methoden Blöcken anhand der Nähe zu den Probenpunkten Grade zuweisen, ohne dass die räumliche Korrelation explizit modelliert wird.

Nächste Nachbarmethode

Die Methode der nächsten Nachbars weist Blöcken vom nächstgelegenen Probenpunkt zum Block Gradwerte zu. Dieser einfache Ansatz ergibt ein Gewicht von eins zur nächsten Probe und Null zu allen anderen Proben. Die Methode schafft scharfe Grenzen zwischen Einflussbereichen, was zu einem blockartigen Erscheinungsbild führt, wenn sie visualisiert wird. Die Schätzung der nächsten Nachbars glättet zwar recheneffizient und leicht zu verstehen, kann jedoch keine Gradübergänge glätten und unrealistische Gradverteilungen erzeugen, insbesondere wenn der Probenabstand unregelmäßig ist.

Die nächstgelegene Nachbarmethode eignet sich am besten für gut beprobte Lagerstätten mit relativ einheitlichen Gehaltsverteilungen oder für die Erstellung vorläufiger Schätzungen in frühen Explorationsphasen; sie kann auch für die Schätzung kategorieller Variablen wie Gesteinstyp oder geologischer Domäne nützlich sein, bei denen die Interpolation zwischen verschiedenen Kategorien nicht aussagekräftig ist.

Polygonalmethode

Die polygonale Methode, auch bekannt als die Methode des Einflussbereichs, weist jedem Probenpunkt einen Bereich (oder ein Volumen in drei Dimensionen) zu, innerhalb dessen die Einstufung dieser Probe angenommen wird. Es ist eine Reserveschätzungstechnik, die den Einflussbereich für ein Bohrloch zeichnet. Die Grenzen zwischen Einflussbereichen werden typischerweise unter Verwendung senkrechter Winkelhalbierenden zwischen benachbarten Probenpunkten konstruiert, wodurch Voronoi-Polygone oder Thiessen-Polygone entstehen.

Diese Methode ist einfach anzuwenden und zu visualisieren, so dass sie nützlich ist, um Ressourcenschätzungen an nicht-technische Zielgruppen zu kommunizieren. Wie der nächste Nachbar schafft sie jedoch scharfe Gehaltsgrenzen, die möglicherweise nicht die für viele Minerallagerstätten typischen allmählichen Übergänge widerspiegeln. Die Methode bietet auch kein Maß für die Schätzungsunsicherheit, die zunehmend von modernen Berichtsstandards gefordert wird.

Inverse Distance Weighting Methode

Die inverse Entfernungsgewichtung (IDW) stellt eine signifikante Verbesserung gegenüber einfachen geometrischen Methoden dar, indem Informationen aus mehreren Proben aufgenommen und entsprechend ihrem Abstand vom geschätzten Block gewichtet werden. Proben, die näher am interessierenden Punkt liegen, erhalten eine höhere Gewichtung als Proben, die weiter entfernt liegen. Proben, die näher am geschätzten Punkt liegen, sind eher in ihrem Gehalt ähnlich.

Die IDW-Grundformel berechnet die geschätzte Note als gewichteten Durchschnitt der nahe gelegenen Stichprobengrade, wobei das Gewicht, das jeder Probe zugewiesen wird, umgekehrt proportional zu ihrem Abstand von der Blockmitte ist, der auf eine Potenz erhöht wird (normalerweise 2 oder 3). Der Leistungsparameter steuert, wie schnell der Einfluss der Proben mit der Entfernung abnimmt. Eine Potenz von 2 (inverse Entfernung quadriert) ist am häufigsten, was ein angemessenes Gleichgewicht zwischen lokalen und globalen Trends bietet. Höhere Potenzen geben nahe gelegenen Proben mehr Gewicht, wodurch Schätzungen erzeugt werden, die näher an lokalen Variationen liegen, aber weniger stabil sein können. Geringere Potenzen verteilen den Einfluss gleichmäßiger, wodurch glattere Schätzungen erzeugt werden, die wichtige lokale Variationen verpassen können.

Solche inversen Entfernungstechniken führen zu Problemen wie Probensuche und Entschlüsselungsentscheidungen und sorgen zusätzlich zu Punktschätzungen für die Schätzung von Blöcken einer definierten Größe. Suchparameter müssen definiert werden, um festzulegen, welche Proben in der Schätzung jedes Blocks verwendet werden. Dies beinhaltet typischerweise die Definition eines Suchellipsoids mit Abmessungen, die die erwartete Kontinuität der Mineralisierung in verschiedenen Richtungen widerspiegeln. Die Suchstrategie kann auch die minimale und maximale Anzahl von Proben, maximale Proben pro Bohrloch und Oktanten- oder Quadrantensuchanforderungen angeben, um sicherzustellen, dass Proben um den geschätzten Block verteilt sind.

IDW-Methoden sind recheneffizient, einfach zu implementieren und liefern angemessene Schätzungen für viele Lagerstättentypen. Sie eignen sich besonders dann, wenn der Probenabstand relativ einheitlich ist und die Lagerstätte graduelle Gradübergänge aufweist. IDW modelliert jedoch nicht explizit die räumliche Korrelationsstruktur und bietet kein strenges Maß für die Schätzungsunsicherheit, was seine Anwendbarkeit für eine detaillierte Ressourcenklassifizierung und Risikobewertung einschränkt.

Geostatistische Methoden und Kriging

Geostatistische Methoden, die für die Schätzung der Erzreserven verwendet werden, verwenden dreidimensionale räumliche Statistiken, um die Qualität der Schätzung zu verbessern Geostatistik stellt den ausgeklügeltsten und am weitesten verbreiteten Ansatz für die Mineralressourcenschätzung dar und bietet einen strengen statistischen Rahmen für die Modellierung der räumlichen Variabilität und die Quantifizierung der Schätzungsunsicherheit.

Die Entwicklung der Geostatistik als Methode zur Schätzung von Erzreserven entstand Anfang 1960 in Frankreich aus der Arbeit von Matheron (1962) und basierte auf Originalstudien von D.G. Krige, die die optimale Zuordnung von Gewichten zu den benachbarten Probenwerten zur Schätzung des Gehalts von Blöcken in südafrikanischen Goldminen ermöglichten.

Grundlegende Konzepte der Geostatistik

Geostatistik kann als Anwendung der Theorie der "regionalisierten Variable" auf die Bewertung einer Minerallagerstätte definiert werden, bei der die räumliche Beziehung zwischen Probenwerten, Dicke oder geologischen Phänomenen untersucht wird, die eine intrinsische Dispersion zeigen. Die wichtigste Erkenntnis der Geostatistik ist, dass Proben, die im Raum nahe beieinander liegen, sich eher ähneln als Proben, die weit voneinander entfernt sind, und diese räumliche Korrelation kann quantifiziert und zur Verbesserung der Schätzung verwendet werden.

Klassische Statistiken erfordern die Verwendung eines bestimmten Verteilungsmodells, z. B. die Daten sind normal verteilt und die Proben sind voneinander unabhängig. Im Allgemeinen haben wir nicht genügend Proben des Erzkörpers, um eine Verteilung zuzuordnen, und darüber hinaus sind die Proben oft korreliert, d. h. sie erfüllen nicht die Unabhängigkeitsanforderung der klassischen Statistik. Die Geostatistik adressiert diese Einschränkungen, indem sie explizit räumliche Korrelation modelliert und mit den verfügbaren Probendaten arbeitet, ohne Annahmen über globale Verteilungen zu erfordern.

Variographie und räumliche Kontinuitätsanalyse

Diese räumliche Schätzung erfolgt unter Verwendung der Probendaten und eines Modells, das als Variogramm bekannt ist und zur Darstellung der Korrelation zwischen den Proben dient, wobei das Variogramm (genauer gesagt das Semivariogramm) das grundlegende Instrument zur Quantifizierung der räumlichen Kontinuität in der Geostatistik ist.

Die Funktion, die die räumliche Variabilität zwischen den Abtastwerten misst, wird als "Halbvarianz" bezeichnet. Semivariogramme werden durch Vergleich eines Abtastwertes mit den übrigen bei ständig wachsender Entfernung, sogenanntem lag interval, konstruiert. Das experimentelle Variogramm wird berechnet, indem alle Probenpaare mit ähnlichen Abständen verglichen und die halbe mittlere quadrierte Differenz zwischen ihren Werten berechnet wird. Dieser Vorgang wird für mehrere Entfernungsintervalle (lags) wiederholt, um eine Variogrammkurve zu erstellen, die zeigt, wie sich die Unähnlichkeit mit der Entfernungsdistanz erhöht.

Ein typisches Variogramm weist mehrere charakteristische Merkmale auf. Bei sehr kurzen Abständen (Nähe Null-Abstand) kann das Variogramm eine Diskontinuität aufweisen, die als Nugget-Effekt bezeichnet wird und Messfehler, mikroskalige Variabilität oder Abtastfehler darstellt. Mit zunehmendem Abstand steigt das Variogramm typischerweise an, was eine abnehmende Korrelation zwischen den Proben widerspiegelt. Schließlich kann das Variogramm auf einem Plateau, das als Schwelle bezeichnet wird, abflachen, was die Varianz des gesamten Datensatzes darstellt. Der Abstand, bei dem das Schweller erreicht wird, wird als Bereich bezeichnet, der den Abstand darstellt, über den Proben im Wesentlichen unkorreliert sind.

Für ein experimentelles Halbvariogramm können verschiedene mathematische Modelle wie Spherical/Matheron-Modell, Exponentialmodell, De Wijsian/Logarithmic-Modell, Linearmodell, Parabolmodell, Hole-Effekt-Modell, Mixed/Nested Spherical-Modell usw. Das Spherical/Matheron-Modell wird am häufigsten verwendet, da mehr als 95 % der Minerallagerstätten diesem Modell entsprechen.

Variographie muss oft separat für verschiedene Richtungen durchgeführt werden, um Anisotropie zu erkennen und zu modellieren - Richtungsunterschiede in der räumlichen Kontinuität. Viele Mineralablagerungen weisen Anisotropie aufgrund geologischer Kontrollen wie Einstreu, Blattbildung oder strukturelle Trends auf. Anisotropie wird durch Definition verschiedener Bereiche in verschiedenen Richtungen modelliert, typischerweise unter Verwendung eines Ellipsoids, um die räumliche Kontinuitätsstruktur darzustellen.

Kriging: Die optimale Schätzungstechnik

Diese Schätzung wird oft mit einer Technik durchgeführt, die als Kriging bekannt ist. Kriging bietet eine optimale Interpolation mit dem Variogramm; und die Technik ist ähnlich der einfachen Interpolation, wie wir sie beispielsweise beim inversen Abstandsalgorithmus verwenden würden, aber sie ist anders, weil sie es uns ermöglicht, Informationen zu berücksichtigen, die wir über die Geologie und die damit verbundenen Eigenschaften kennen.

Das geostatistische Verfahren zur Schätzung der Werte einer regionalisierten Variablen unter Verwendung der Informationen aus einem Modell-Semivariogramm ist Kriging. Es ist eine optimale räumliche Interpolationstechnik. Es wird als BEST bezeichnet (wegen der minimalen Schätzungsvarianz); (ii) LINEAR (wegen des gewichteten arithmetischen Mittels); (iii) UNBIASED (da die Gewichtssumme zur Einheit) Estimator.

Wie IDW schätzt kriging Blockgrade als gewichtete Durchschnittswerte von nahe gelegenen Probengraden. Allerdings bestimmt kriging die optimalen Gewichte durch Lösen eines aus dem Variogrammmodell abgeleiteten Gleichungssystems. Diese Gewichte minimieren die Schätzungsvarianz, während sichergestellt wird, dass die Schätzung unvoreingenommen ist. Das kriging-System berücksichtigt automatisch die räumliche Konfiguration der Proben, den Abstand zum geschätzten Block, die Clustering von Proben und die zugrunde liegende räumliche Kontinuitätsstruktur.

Geostatistische Methoden können in drei Kategorien unterteilt werden, nämlich lineare Kriging-Ansätze, nichtlineare Kriging- (probabilistische) Methoden und Simulationsmethoden. Lineares Kriging ist ein statistisches Verfahren zur Interpolation/Extrapolation bekannter Proben zur Vorhersage von Werten an unbekannten Orten während der Mineralressourcenschätzung. Die gebräuchlichen Arten linearer Kriging-Methoden umfassen einfaches Kriging (SK), gewöhnliches Kriging (OK), universelles Kriging (UK), Kriging mit externer Drift (KED) und faktorielles Kriging.

Gewöhnliche Kriging (OK) ist die am weitesten verbreitete Variante in der Mineralressourcenschätzung. Es geht von einem konstanten, aber unbekannten Mittelwert innerhalb der Suchumgebung aus und schätzt sowohl den Gehalt als auch den lokalen Mittelwert gleichzeitig. Dies macht OK robust und anwendbar auf die meisten Lagerstättentypen, ohne Annahmen über globale Trends oder Stationarität zu erfordern.

Einfaches Kriging (SK) setzt einen bekannten konstanten Mittelwert über die gesamte Lagerstätte voraus. Obwohl weniger flexibel als OK, kann SK effizienter sein, wenn der Mittelwert gut etabliert ist und in fortgeschritteneren Techniken wie Kriging mit externer Drift oder Co-Kriging verwendet werden kann.

Universal kriging (UK) und kriging with external drift (KED) ermöglichen Trends beim Mittelwert über die Lagerstätte hinweg. Diese Methoden sind nützlich, wenn es klare räumliche Trends in der Gehaltsmenge gibt, die explizit modelliert werden sollten, wie z. B. abnehmende Gehalte mit der Tiefe oder Entfernung von einer Mineralisierungsquelle.

Indikatorkriging transformiert Graddaten in binäre Indikatoren (über oder unter einem Schwellenwert) und schätzt die Wahrscheinlichkeit, dass verschiedene Grad-Cutoffs überschritten werden. Multiple Indicator Kriging (MIK) verwendet mehrere Schwellenwerte, um die vollständige bedingte Verteilung der Grade innerhalb jedes Blocks zu schätzen, wodurch reichhaltige Informationen für die Bewertung der Unsicherheit und die Optimierung der Cutoff-Grade bereitgestellt werden.

Vorteile und Grenzen von Kriging

Geostatistische Techniken liefern nicht nur Schätzungen für jeden Punkt, sondern ermöglichen auch die Ermittlung von Gewichtungskoeffizienten für einen bestimmten Bergbaublock sowie Datenkonfigurationen, die den Fehler minimieren oder die zugehörige Varianz erhalten.

Kriging berücksichtigt die Probendaten, d. h. an Probenstandorten entspricht die kriged-Schätzung dem Probenwert (im Fall von Point-Kriging). Die Methode berücksichtigt automatisch die Probenclusterung, wodurch Gruppen von eng beabstandeten Proben weniger Gewicht erhalten, um eine Überrepräsentation dicht beprobter Bereiche zu vermeiden. Kriging liefert auch glatte Schätzungen, die im Allgemeinen realistischer sind als die blockigen Ergebnisse von nächstgelegenen Nachbar- oder polygonalen Methoden.

Allerdings hat Kriging Einschränkungen. Lineares Kriging drückt Unsicherheit aus, indem es eine Fehlervarianz auf der Grundlage der Datenkonfiguration ausdrückt, was eine weniger praktische Bewertung der Unsicherheit ermöglicht. Die Kriging-Varianz hängt nur von der räumlichen Konfiguration der Proben und dem Variogrammmodell ab, nicht von den tatsächlichen Stichprobenwerten. Dies bedeutet, dass Blöcke mit ähnlichen Stichprobenkonfigurationen ähnliche Kriging-Varianzen aufweisen, unabhängig davon, ob die Proben konsistente oder stark variable Grade aufweisen.

Die Kriging-Effekte zeigen auch einen Glättungseffekt, bei dem die geschätzten Gehalte weniger variieren als die tatsächlichen Gehalte. Dies geschieht, weil die Kriging-Werte die Schätzungsvarianz minimieren, was dazu führt, dass Schätzungen näher am Mittelwert liegen. Der Glättungseffekt kann zu einer Überschätzung von minderwertigem Material und einer Unterschätzung von hochwertigem Material führen, was wichtige Auswirkungen auf die Minenplanung und die Gehaltskontrolle hat.

Geostatistische Methoden erfordern mehr Fachwissen und Rechenressourcen als einfachere Techniken. Variogrammmodellierung beinhaltet subjektive Entscheidungen über Modellauswahl und Parameteranpassung, und schlechte Variogrammmodelle können zu schlechten Schätzungen führen. Die Komplexität der Geostatistik kann es auch schwieriger machen, Ergebnisse nichttechnischen Interessengruppen zu erklären.

Geostatistische Simulation

Während Kriging optimale Schätzungen im Hinblick auf die Minimierung der Schätzungsvarianz liefert, reproduziert es nicht die volle Variabilität der Grade innerhalb der Lagerstätte. Geostatistische Simulationen beheben diese Einschränkung, indem sie mehrere gleich wahrscheinliche Realisierungen der Lagerstätte erzeugen, die die Probendaten berücksichtigen, das Variogrammmodell reproduzieren und die statistischen Eigenschaften der Gradverteilung beibehalten.

Die gängigste Simulationstechnik ist die sequenzielle Gauß-Simulation. Sie geht von einem zufälligen Besuch jedes Blocks im Modell aus, schätzt die lokale bedingte Verteilung der Klassen mittels Kriging und zieht dann einen zufälligen Wert aus dieser Verteilung. Dieser simulierte Wert wird dann dem Datensatz hinzugefügt und zur Konditionierung nachfolgender Simulationen verwendet, um die räumliche Kontinuität zu gewährleisten.

Mehrere Simulationen (in der Regel 50-200) werden erzeugt, um die Bandbreite möglicher Gehaltsverteilungen im Einklang mit den verfügbaren Daten darzustellen, die verwendet werden können, um Unsicherheiten bei Ressourcenschätzungen zu bewerten, das Risiko verschiedener Bergbauszenarien zu bewerten, Minenpläne unter Unsicherheit zu optimieren und die Entscheidungsfindung bei erheblichen geologischen Unsicherheiten zu unterstützen.

Simulationen sind besonders für Lagerstätten mit hoher Variabilität, komplexer Geologie oder für Lagerstätten, bei denen das Verständnis von Unsicherheit für die Projektbewertung von entscheidender Bedeutung ist, nützlich, sind jedoch rechenintensiv und erfordern eine sorgfältige Validierung, um sicherzustellen, dass die Realisierungen geologisch vernünftig sind und die Unsicherheit angemessen darstellen.

Machine Learning Ansätze

Jüngste Fortschritte in Computeralgorithmen haben es Forschern ermöglicht, das Potenzial von maschinellen Lerntechniken bei der Mineralressourcenschätzung zu erkunden. Machine Learning-Methoden bieten das Potenzial, komplexe nichtlineare Beziehungen zwischen Gehalten und verschiedenen geologischen, geochemischen und geophysikalischen Variablen zu modellieren.

Die Literatur zeigt, dass die Modelle des maschinellen Lernens mehrere geologische Parameter berücksichtigen und komplexe nichtlineare Beziehungen zwischen ihnen effektiv annähern können, was eine überlegene Leistung gegenüber den herkömmlichen Techniken aufweist.

Diese Methoden können verschiedene Datentypen wie geologische Domänen, Veränderungsindizes, geophysikalische Messungen und geochemische Verhältnisse als Prädiktorvariablen umfassen. Sie können komplexe räumliche Muster erfassen, die mit herkömmlichen geostatistischen Ansätzen schwer zu modellieren sind. Machine Learning-Modelle können sich auch an lokale Variationen in der Beziehung zwischen Prädiktoren und Graden anpassen.

Allerdings haben Ansätze des maschinellen Lernens im Zusammenhang mit Ressourcenschätzungen Grenzen. Sie erfordern typischerweise große Trainingsdatensätze, die in frühen Explorationsphasen möglicherweise nicht verfügbar sind. Die Modelle können schwer zu interpretieren sein, was es schwierig macht, zu verstehen, warum bestimmte Vorhersagen gemacht werden. Sie können möglicherweise nicht genau Stichprobendaten berücksichtigen und unrealistische Schätzungen erzeugen, wenn sie nicht richtig eingeschränkt werden. Die Quantifizierung von Unsicherheiten mit maschinellen Lernmodellen ist auch schwieriger als mit Kriging.

Derzeit wird maschinelles Lernen eher als ergänzendes Instrument als als Ersatz für konventionelle geostatistische Methoden angesehen, da es sich als sehr nützlich erweisen kann, um Hilfsinformationen zu integrieren, komplexe Muster zu identifizieren oder alternative Schätzungen für Vergleich und Validierung bereitzustellen.

Praktische Überlegungen bei der Reserveschätzung

Bei der Schätzung der Reserven ist es wichtig, die Datenqualität, die Probendichte und die geologische Variabilität zu berücksichtigen. Die Schätzung der Mineralressourcen ist mit Unsicherheiten bei der Probenahme, geologischen Heterogenität, mangelndem Wissen und der Anwendung mathematischer Modelle an beprobten und nicht beprobten Standorten verbunden. Die Unsicherheit führt zu einer Über- oder Unterschätzung der Qualität und/oder Menge der Minerallagerstätten, was sich auf den erwarteten Wert eines Bergbauprojekts auswirkt. Diese Faktoren beeinflussen die Genauigkeit der Schätzung und das Konfidenzniveau der Ressourcenbewertung.

Datenqualität und QA/QC

Die Qualität der Eingabedaten bestimmt die Zuverlässigkeit der Ressourcenschätzungen. Umfassende QA/QC-Programme sind während des gesamten Explorations- und Probenahmeprozesses unerlässlich. Dazu gehören geeignete Probenentnahmeprotokolle, Verwahrkette, geeignete Probenvorbereitungsmethoden, zertifizierte Analysetechniken und systematisches Einfügen von Qualitätskontrollproben.

Zertifizierte Referenzmaterialien (Standards) mit bekannten Qualitäten sollten zur Überwachung der Analysegenauigkeit in regelmäßigen Abständen (in der Regel 5-10 % der Proben) eingesetzt werden. Leerproben helfen bei der Feststellung von Kontaminationen während der Probenvorbereitung oder -analyse. Feldduplikate bewerten die Genauigkeit der Probenahme und identifizieren Quellen der Variabilität. Laborduplikate oder Zellstoffduplikate bewerten die analytische Wiederholbarkeit.

Statistische Analysen von QA/QC-Daten sollten regelmäßig durchgeführt werden, um Probleme frühzeitig zu erkennen. Signifikante Verzerrungen, übermäßige Ungenauigkeiten oder Kontaminationsprobleme müssen untersucht und behoben werden. In einigen Fällen müssen möglicherweise Proben erneut analysiert werden oder ganze Bohrlöcher müssen bei unzureichender Datenqualität von der Ressourcenschätzung ausgeschlossen werden.

Probenzusammensetzung

Rohassaydaten bestehen typischerweise aus Proben unterschiedlicher Länge, die in verschiedenen Intervallen in jedem Bohrloch gesammelt werden. Vor der Schätzung werden diese Proben normalerweise in Intervallen gleicher Länge zusammengefasst, um einen einheitlicheren Datensatz für die statistische Analyse und Variographie zu liefern.

Die Verbundlänge sollte klein genug sein, um wichtige Gehaltsschwankungen zu erfassen, aber groß genug, um stabile Statistiken und eine angemessene Recheneffizienz zu liefern. Sie sollte sich idealerweise auf die Bergbauselektivität beziehen, wie die Sitzbankhöhe für den Tagebau. Zu kurze Verbundwerkstoffe können Lärm verursachen und die Variographie erschweren, während zu lange Verbundwerkstoffe wichtige Gehaltsschwankungen glätten und die scheinbare Kontinuität verringern können.

Die meisten Beispiele sind die Verdichtung von Bohrlöchern, bei denen die Proben entlang der Bohrlochbahn zusammengesetzt werden. Dieser Ansatz ist einfach und bewahrt die ursprünglichen Probenpositionen. Beim Zusammensetzen von Prüfständen werden die Proben vor dem Zusammensetzen auf horizontale Prüfstände projiziert, was für flach liegende Ablagerungen oder bei der Planung von Tagebauarbeiten auf Prüfständen besser geeignet sein kann.

Behandlung von hochgradigen Proben

Extreme hochwertige Stichproben (Ausreißer) können einen unverhältnismäßigen Einfluss auf die Ressourcenschätzung haben, insbesondere wenn Methoden wie inverse Entfernungsgewichtung oder Kriging zur Berechnung gewichteter Durchschnittswerte verwendet werden.

Für die Verwaltung hochwertiger Stichproben können mehrere Ansätze verwendet werden. Beim Top-Cutting (oder Capping) wird ein Höchstgehalt festgelegt und die Proben, die diesen Schwellenwert überschreiten, auf den Cap-Wert reduziert. Der Cap-Wert wird typischerweise auf der Grundlage statistischer Analysen ausgewählt, wie etwa die Untersuchung von Wahrscheinlichkeitskurven, die Berechnung des Variationskoeffizienten oder die Bewertung der Auswirkungen hoher Grade auf den Mittelwert. Der Cap-Wert sollte begründet und dokumentiert werden, da er die Ressourcenschätzungen erheblich beeinflussen kann.

Alternative Ansätze sind die Verwendung von Kriging-Indikatoren oder Simulationsmethoden, die weniger empfindlich auf extreme Werte reagieren, die Beschränkung des Suchradius zur Begrenzung des Einflusses hochwertiger Proben oder die Verwendung von Graddomänen zur Trennung hochwertiger Zonen für eine getrennte Schätzung.

Dichtebestimmung

Genaue Dichtemessungen (spezifisches Gewicht) sind für die Umwandlung volumenbasierter Gehaltsschätzungen in Tonnageschätzungen unerlässlich. Die Dichte kann innerhalb einer Lagerstätte aufgrund von Unterschieden in der Lithologie, Veränderung, Porosität und Mineralisierung erheblich variieren. Die Verwendung eines unangemessenen oder durchschnittlichen Dichtewertes kann zu signifikanten Fehlern bei der Tonnageschätzung führen.

Die Dichte sollte an repräsentativen Proben in der gesamten Lagerstätte gemessen werden, wobei ausreichende Messungen zur Charakterisierung der Variabilität in verschiedenen geologischen Bereichen erforderlich sind.

Die Dichte kann für jeden Block mit ähnlichen Methoden wie der Gradschätzung geschätzt werden oder sie kann auf der Grundlage geologischer Domänen, des Gesteinstyps oder der Gradbereiche zugewiesen werden. Die Beziehung zwischen Dichte und Grad sollte untersucht werden, da die Mineralisierung oft die Gesteinsdichte beeinflusst. Bei einigen Lagerstättentypen kann die Dichte mit dem Grad korreliert sein und sollte entsprechend geschätzt werden.

Schätzparameter und Suchstrategie

Die Suchstrategie definiert, welche Proben zur Schätzung jedes Blocks verwendet werden und wie sie ausgewählt werden, wobei die Suchellipsoiddimensionen und -orientierung, die minimale und maximale Anzahl von Proben, die maximalen Proben pro Bohrloch und die Anforderungen an die Oktanten- oder Quadrantensuche angegeben werden.

Die Abmessungen der Suchellipsoide sollten die räumliche Kontinuität der Mineralisierung widerspiegeln, die typischerweise auf Variogrammbereichen basiert. Die Orientierung der Ellipsoide sollte mit den Hauptrichtungen der Kontinuität übereinstimmen, die geologischen Strukturen, Einstreu oder Mineralisierungstrends entsprechen können. Die Verwendung eines unangemessen großen oder orientierten Suchellipsoids kann zu schlechten Schätzungen führen.

Mindestprobenanforderungen stellen sicher, dass Blöcke nur geschätzt werden, wenn ausreichende Daten vorliegen. Ein gemeinsames Minimum sind 4-8 Proben, was jedoch von der Lagerstättenkomplexität und der Schätzungsmethode abhängt. Maximale Probengrenzen verhindern übermäßige Rechenzeit und können den Einfluss entfernter Proben verringern. Maximale Proben pro Bohrloch verhindern eine Übergewichtung eng beabstandeter Löcher.

Octant- oder Quadranten-Suchstrategien erfordern, dass Proben um den geschätzten Block verteilt werden, um sicherzustellen, dass die Schätzung nicht von Proben aus einer Richtung dominiert wird, was die Schätzqualität verbessert und das Risiko von Extrapolationsartefakten reduziert.

Häufig werden mehrere Suchdurchgänge verwendet, wobei die Suchellipsoide zunehmend größer werden und die Probenanforderungen für nachfolgende Durchgänge gelockert werden, wodurch sichergestellt wird, dass bei reichlich vorhandenen Daten gut fundierte Schätzungen vorgenommen werden, während gleichzeitig Schätzungen für schlechter beprobte Gebiete, wenn auch mit geringerer Sicherheit, bereitgestellt werden.

Schritte in der Reserveberechnung

Der Reserveberechnungsprozess folgt einem systematischen Workflow, der Konsistenz, Rückverfolgbarkeit und die Einhaltung der Berichtsstandards gewährleistet.Obwohl die spezifischen Details je nach Art der Einlage und Schätzungsmethode variieren, bleiben die allgemeinen Schritte in den meisten Projekten konsistent.

Schritt 1: Datenerfassung durch Bohren und Probennahme

Der Prozess beginnt mit der systematischen Datenerfassung durch Bohrprogramme, die darauf ausgelegt sind, die mineralisierte Zone angemessen zu beproben. Der Bohrlochabstand sollte für die Lagerstättengeometrie und die Gradvariabilität geeignet sein, mit einem engeren Abstand in Gebieten höherer Grade oder geologischer Komplexität. Mehrere Bohrphasen können erforderlich sein, beginnend mit weit beabstandeten Aufklärungsbohrungen und fortschreitend zu Infillbohrungen mit engerem Abstand, wenn das Projekt voranschreitet.

Die Proben werden nach festgelegten Protokollen entnommen, wobei die geeigneten QA/QC-Maßnahmen durchgehend durchgeführt werden. Die Kernrückgewinnung und die Bezeichnung der Gesteinsqualität (RQD) sollten für Diamantbohrungen aufgezeichnet werden. Geologische Protokollierung erfasst Lithologie, Veränderung, Mineralisierung, Struktur und andere relevante Merkmale. Proben werden akkreditierten Laboratorien zur Analyse mit geeigneten Analysemethoden vorgelegt.

Dichtemessungen werden an repräsentativen Proben aus verschiedenen geologischen Bereichen und Gehaltsbereichen gesammelt; geotechnische und metallurgische Proben können auch zur Unterstützung von Machbarkeitsstudien und Minenplanungen entnommen werden.

Schritt 2: Datenanalyse und geologische Modellierung

Sobald die Daten erhoben und validiert sind, werden umfassende statistische Analysen durchgeführt, um die Gradverteilungen zu verstehen, Ausreißer zu identifizieren, die Datenqualität zu bewerten und die Variabilität zu charakterisieren.

Die geologische Interpretation synthetisiert alle verfügbaren Informationen, um ein dreidimensionales Verständnis der Lagerstätte zu entwickeln. Querschnitte und Ebenenpläne werden erstellt, um geologische Kontakte, Mineralisierungsgrenzen und strukturelle Merkmale zu interpretieren. Wireframe-Modelle werden so konstruiert, dass sie diese Interpretationen digital darstellen.

Die Definition der Schätzerbereiche erfolgt auf der Grundlage geologischer, mineralogischer oder Gehaltsmerkmale. Die Grenzen der Bereiche sollten echte geologische Kontrollen der Mineralisierung und nicht willkürliche Divisionen widerspiegeln. Jede Domäne wird in der Regel mit eigenen statistischen Parametern und Variogrammmodellen separat geschätzt.

Schritt 3: Anwendung von Schätzmethoden

Nachdem der geologische Rahmen festgelegt ist, wird die Schätzmethode ausgewählt und angewandt. Für die geostatistische Schätzung umfasst dies mehrere Teilschritte. Die Zusammensetzung transformiert Proben mit variabler Länge in Komposite gleicher Länge, die für die Lagerstätte und das geplante Abbauverfahren geeignet sind. Die statistische Analyse von Kompositen charakterisiert die Gehaltsverteilungen innerhalb jedes Bereichs und identifiziert alle hochwertigen Proben, die eine spezielle Behandlung erfordern.

Variografie quantifiziert die räumliche Kontinuität durch Berechnung experimenteller Variogramme in mehrere Richtungen und Anpassung geeigneter theoretischer Modelle Variogrammparameter (Nugget, Sill, Range) werden für jede Domäne und Richtung bestimmt, wobei Anisotropie, soweit vorhanden, erfasst wird.

Das Blockmodell wird mit geeigneten Blockabmessungen und -ausdehnungen erstellt, um das mineralisierte Volumen abzudecken. Blöcke werden mit geologischen Domänenzuordnungen basierend auf den Wireframe-Modellen codiert. Es werden Schätzparameter definiert, einschließlich Suchstrategie, Probenauswahlkriterien und Kriging-Parameter.

Die Gradschätzung wird für jeden Bereich nach der gewählten Methode (IDW, gewöhnliches Kriging usw.) durchgeführt. Jedem Block werden geschätzte Grade, (falls zutreffend) Kriging-Varianz, Anzahl der verwendeten Proben, Entfernung zur nächsten Probe und andere relevante Attribute zugewiesen.

Schritt 4: Validierung und Qualitätskontrolle

Sichtprüfung im Schnitt und Plan zum Vergleich der Verteilung der Blockgradienten mit den ursprünglichen Bohrlöchern und anderen Probengraden; Erstellung von Streifendiagrammen zum Vergleich der Verteilung der Blockgradienten mit der Verteilung der Probengradienten entlang der Koordinatenlinien und der Höhe; Vergleich der geschätzten Primärblockgradienten auf der Grundlage der Ergebnisse der Verwendung alternativer Schätzmethoden; Gesamtstatistiken zum Vergleich der Komposit-Grade mit den Blockgradienten.

Die Validierung ist ein kritischer Schritt, der sicherstellt, dass das Blockmodell die verfügbaren Daten und das geologische Verständnis angemessen wiedergibt. Die visuelle Validierung beinhaltet die Anzeige des Blockmodells neben Bohrlochdaten in Querschnitten und Plänen zur Überprüfung, dass die geschätzten Gehalte mit den Probengraden übereinstimmen und geologische Grenzen einhalten. Bereiche mit schlechter Übereinstimmung können auf Probleme mit der Domänendefinition, den Schätzparametern oder der Datenqualität hinweisen.

Swath-Plots vergleichen durchschnittliche Blockgraden mit durchschnittlichen Kompositgraden entlang der Koordinatenrichtungen (Ostrichtung, Nordrichtung, Höhe). Gute Übereinstimmung zeigt, dass das Blockmodell globale Trends wiedergibt, während systematische Unterschiede Verzerrungen oder unangemessene Schätzparameter aufdecken können.

Vergleiche mit alternativen Schätzmethoden bieten zusätzliche Sicherheit. Wenn inverse Entfernungsgewichtung, gewöhnliches Kriging und der nächste Nachbar ähnliche Ergebnisse liefern, deutet dies darauf hin, dass die Schätzung robust ist. Große Unterschiede können auf eine Empfindlichkeit gegenüber der Schätzmethode hindeuten und weitere Untersuchungen rechtfertigen.

Bei der statistischen Validierung wird die Verteilung der Kompositqualitäten mit den Blockqualitäten verglichen. Die mittlere Blockqualität sollte der mittleren Kompositqualität (unvoreingenommene Schätzung) angenähert werden. Die Varianz der Blockqualitäten wird aufgrund des Glättungseffekts niedriger sein als die Kompositvarianz, die Verringerung sollte jedoch angemessen und mit den Erwartungen vereinbar sein.

Für den Betrieb von Minen bietet der Abgleich mit den Produktionsdaten die ultimative Validierung: Der Vergleich der geschätzten Gehalte und Tonnagen mit den tatsächlichen Gehalten an abgebautem Material und Mühlenfutter ergibt, ob das Ressourcenmodell korrekt ist, und identifiziert systematische Verzerrungen, die in zukünftigen Schätzungen korrigiert werden sollten.

Schritt 5: Meldung und Klassifizierung von Reserven

Die Methode, die in der Bergbauindustrie weit verbreitet ist, um Unsicherheiten zu melden, erfolgt über die Einstufung von Mineralressourcen Die geschätzten Mineralressourcen werden in gemessene, angegebene und abgeleitete Kategorien eingestuft, und die Unsicherheit wird auf der Grundlage des Vertrauensniveaus gemeldet.

Die Ressourcenklassifizierung erfolgt unter Verwendung eines dreidimensionalen Blockmodells, wobei jedem Block eine Kategorie zugewiesen wird, die auf Kriterien basiert, die das Vertrauen in die Schätzung von Gehalt, Tonnage und abgeleiteter Dichte widerspiegeln.

Geometrische Methoden zur Klassifizierung von Mineralressourcen beruhen auf der Nähe, der Menge und der räumlichen Verteilung der Daten (ob Komposite oder die Bohrlöcher selbst), die für die Blockmodellschätzung verwendet werden. Der grundlegendste Ansatz berücksichtigt nur den Abstand zum nächsten Bohrloch (oder Komposit) oder den durchschnittlichen Abstand zwischen den Bohrlöchern. Diese Methode wird insbesondere bei regelmäßigen Bohrgittern angewendet.

Die Verantwortung für die Gewährleistung einer angemessenen Offenlegung liegt jedoch bei der technischen Kompetenz der Person oder Personen, die die Ressourcenberechnungen und -klassifizierung genehmigen, d. h. der zuständigen Person (CP) oder der qualifizierten Person (QP). Die Einstufung der Mineralressourcen ist daher subjektiv und hängt weitgehend von der Erfahrung der qualifizierten oder kompetenten Person ab. Es wird häufig falsch angenommen, dass die Methoden der Ressourcenklassifizierung eine objektive Vertrauensbewertung ermöglichen; die Einstufung ist in der Tat Ausdruck der Meinung der CP/QP.

Die zuständige oder qualifizierte Person muss alle Faktoren berücksichtigen, die das Vertrauen beeinflussen, einschließlich geologisches Verständnis, Datenqualität und -quantität, Angemessenheit der Schätzmethode und sonstige Unsicherheitsquellen.

Die Ressourcenberichterstattung muss den einschlägigen Codes wie JORC, NI 43-101 oder SAMREC entsprechen. Die Berichte müssen eine umfassende Dokumentation der Methoden zur Datenerhebung, der QA/QC-Verfahren, der geologischen Interpretation, der Schätzmethodik, der Validierungsergebnisse, der Einstufungskriterien sowie aller wesentlichen Risiken oder Unsicherheiten enthalten. Transparenz und Offenlegung sind grundlegende Prinzipien, die sicherstellen, dass Investoren und Interessenträger über ausreichende Informationen verfügen, um die Ressourcenschätzung und ihre Grenzen zu verstehen.

Software und Technologie in Reserve-Schätzung

Moderne Reservenschätzungen beruhen stark auf spezialisierter Software, die Datenbankmanagement, geologische Modellierung, geostatistische Analyse und Visualisierung integriert. Geologen haben Erfahrung in der Durchführung einer breiten Palette von statistischen und geostatistischen Studien mit fortschrittlicher kommerzieller Software wie Gemcom, Datamine, Vulcan, Surpac und Isatis. Diese Plattformen sind zu Industriestandards geworden, die jeweils umfassende Tools für den gesamten Ressourcenschätzungsworkflow anbieten.

Führende Softwarepakete sind Maptek Vulcan, Dassault Systèmes Geovia Surpac, Hexagon Mining MineSight, Seequent Leapfrog Geo, Datamine Studio und Geovariances Isatis. Jede Plattform hat Stärken in verschiedenen Bereichen, und viele Organisationen verwenden mehrere Pakete, je nach Projektanforderungen und Benutzerpräferenzen.

Diese Softwaresysteme ermöglichen eine effiziente Verwaltung großer Explorationsdatenbanken mit Tausenden von Bohrlöchern und Millionen von Assay-Aufzeichnungen. Sie bieten Werkzeuge für die Datenvalidierung, statistische Analyse und Qualitätskontrolle. Die dreidimensionale Visualisierung ermöglicht Geologen die Interaktion mit Daten und Interpretationen in einer intuitiven räumlichen Umgebung.

Geologische Modellierungswerkzeuge unterstützen sowohl explizite Modellierung (bei der der Benutzer direkt Oberflächen und Körper erzeugt) als auch implizite Modellierung (bei der Oberflächen automatisch aus Daten mithilfe von Algorithmen generiert werden). Variografiemodule berechnen experimentelle Variogramme und passen theoretische Modelle.

Moderne Software lässt sich auch in Minenplanungssysteme integrieren, so dass Ressourcenmodelle direkt in die Planung, Planung und wirtschaftliche Bewertung von Minen fließen können. Diese Integration verbessert die Effizienz und gewährleistet die Konsistenz zwischen Ressourcenschätzung und Minenplanung.

Cloud-basierte Plattformen und kollaborative Tools werden immer wichtiger, da Teams, die an mehreren Standorten verteilt sind, gleichzeitig an denselben Modellen arbeiten können. Versionskontrolle und Audit-Trails stellen sicher, dass Änderungen verfolgt und dokumentiert werden, was die Einhaltung gesetzlicher Vorschriften und die Qualitätssicherung unterstützt.

Gemeinsame Herausforderungen und Fallstricke

Trotz der Fortschritte in der Methodik und Technologie bleibt die Reserveschätzung anspruchsvoll und anfällig für Fehler. Das Verständnis der häufigen Fallstricke hilft Praktikern, Fehler zu vermeiden und zuverlässigere Schätzungen zu erstellen.

Unzureichende oder schlechte Qualitätsdaten

Die grundlegendste Einschränkung sind unzureichende Daten. Ein breiter Bohrlochabstand, eine schlechte Probenrückgewinnung, eine unzureichende QA/QC oder eine voreingenommene Probenahme können die Schätzqualität beeinträchtigen. Keine Menge ausgeklügelter Analysen kann grundsätzlich unzureichende oder qualitativ schlechte Daten kompensieren. Frühphasenprojekte müssen diese Einschränkungen anerkennen und Ressourcen konservativ klassifizieren.

Unangemessene Domänendefinition

Schlecht definierte Schätzbereiche können zu erheblichen Fehlern führen. Die Kombination geologisch unterschiedlicher Zonen mit unterschiedlichen Gradmerkmalen in einem einzigen Bereich kann irreführende Schätzungen ergeben. Umgekehrt kann eine Überdomaining durch die Schaffung von zu vielen kleinen Bereichen zu unzureichenden Daten in jedem Bereich und instabilen Schätzungen führen. Domänengrenzen sollten echte geologische Kontrollen widerspiegeln und durch ausreichende Daten gestützt werden.

Schlechte Variogrammmodellierung

Variogrammmodellierung erfordert Urteilsvermögen und Erfahrung. Häufige Fehler sind das Anpassen von Modellen, die nicht mit dem experimentellen Variogramm übereinstimmen, die Verwendung unangemessener Modelltypen, die Nichtberücksichtigung von Anisotropie oder die Verwendung von Variogrammparametern aus einer Domäne in einer anderen. Schlechte Variogrammmodelle führen zu suboptimalen Kriging-Gewichten und können Verzerrungen oder übermäßige Glättung verursachen.

Unangemessene Suchparameter

Zu große Suchellipsoide können entfernte, irrelevante Proben umfassen und wichtige Gradschwankungen ausgleichen. Zu kleine Suchellipsoide können zu vielen nicht geschätzten Blöcken oder Schätzungen auf der Grundlage unzureichender Proben führen. Wenn Proben pro Bohrloch nicht eingeschränkt werden, können eng beabstandete Löcher übergewichtet werden. Diese Parameterauswahlen beeinflussen die Schätzqualität erheblich und sollten sorgfältig getestet und validiert werden.

Ignorieren des Glättungseffekts

Kriging- und andere Schätzverfahren ergeben geglättete Schätzungen mit geringerer Variabilität als die tatsächlichen Gehalte. Dies kann zu einer Überschätzung der Tonnage über den hohen Grenzwerten und zu einer Unterschätzung der Tonnage unter den niedrigen Grenzwerten führen. Die Minenplanung auf der Grundlage geglätteter Schätzungen kann zu optimistisch sein. Das Verständnis und die Berücksichtigung des Glättungseffekts durch Simulation oder andere Techniken sind wichtig für eine realistische Planung.

Unzureichende Validierung

Es gibt keine einzige Methode zum Vergleich der Bohrlochprobendaten mit den geschätzten Blockgehalten, die einfach ein Blockmodell und eine Mineralressourcenschätzung validieren können. Selbst der Abgleich mit den abgebauten und gemahlenen Tonnen kann die geschätzten Blockgehalte aufgrund von Problemen mit dem Abbau aufgrund von Verdünnung, Abbauverlusten von Erz/Abfall, die zu den falschen Lagerhalden und -mühlenverlusten führen, nicht endgültig bestätigen. Eine Reihe von Prüfungen müssen unter voller Berücksichtigung der Geologie und der Trends bei der Mineralisierung durchgeführt werden. Vor allem ist es Aufgabe der zuständigen oder qualifizierten Person, nicht nur ein Standardprüfungsverfahren durchzuführen, sondern das Outputmodell auf der Grundlage der Erfahrungen zu interpretieren und zu prüfen, ob es mit den verfügbaren Daten übereinstimmt, einschließlich der geologischen Interpretation der zu schätzenden Lagerstätte.

Die Validierung sollte umfassend und kritisch sein und nicht nur ein Kontrollverfahren sein. Modelle, die grundlegende Validierungsprüfungen bestehen, können immer noch erhebliche Fehler enthalten, wenn die Validierung nicht gründlich ist oder wenn Probleme übersehen werden.

Überklassifizierung

Es kann Druck geben, Ressourcen in Kategorien mit höherem Vertrauen einzuteilen, um Projekte fortgeschrittener oder wertvoller erscheinen zu lassen; eine Überklassifizierung, die nicht durch Datenqualität und -quantität gestützt wird, ist jedoch unangemessen und potenziell irreführend; die Klassifizierung sollte konservativ sein und ein echtes Vertrauensniveau widerspiegeln.

Best Practices und Empfehlungen

Die Erstellung zuverlässiger Reserveschätzungen erfordert die Einhaltung bewährter Verfahren während des gesamten Prozesses, da diese Empfehlungen die Erfahrungen der Industrie und die aus erfolgreichen und erfolglosen Projekten gezogenen Lehren widerspiegeln.

Investieren Sie in Qualitätsdaten

Die Datenqualität steht an erster Stelle. Umsetzen umfassender QS/QC-Programme von Anfang an. Verwenden Sie akkreditierte Labors mit geeigneten Analysemethoden. Sammeln Sie ausreichende Dichtemessungen. Sicherstellen einer ordnungsgemäßen Probenrückgewinnung und -behandlung. Die Kosten für Qualitätsdaten sind gering im Vergleich zum Wert zuverlässiger Ressourcenschätzungen und den potenziellen Kosten von Fehlern.

Verstehen Sie die Geologie

Ein Ressourcenblockmodell wird immer nur so gut sein wie die geologischen Grundlagen, auf denen es aufgebaut ist. Und da das Ressourcenblockmodell die Grundlage ist, auf der die Minenpläne der Industrie gebaut werden, werden unsere Pläne immer nur so gut sein wie das geologische Blockmodell, das uns zur Verwendung gegeben wurde. Investieren Sie Zeit in geologische Interpretation und Domänendefinition. Wenden Sie sich an erfahrene Geologen, die mit dem Lagerstättentyp vertraut sind. Geologisches Verständnis sollte alle Schätzungsentscheidungen leiten.

Verwenden Sie geeignete Methoden

Wählen Sie Schätzmethoden, die für die Art der Lagerstätte, die Datenverfügbarkeit und die Projektphase geeignet sind. Einfache Methoden können für Projekte in der Frühphase oder einfache Lagerstätten geeignet sein. Komplexe Lagerstätten mit reichlich Daten erfordern ausgeklügelte geostatistische Ansätze. Verwenden Sie keine komplexen Methoden, nur weil sie verfügbar sind, aber verwenden Sie keine allzu einfachen Methoden, wenn bessere Ansätze gerechtfertigt sind.

Dokumentiere alles

Eine umfassende Dokumentation aller Daten, Interpretationen, Annahmen, Parameter und Entscheidungen zu führen, die die Einhaltung der Vorschriften unterstützt, Peer-Review ermöglicht, Aktualisierungen ermöglicht, sobald neue Daten verfügbar sind, und Transparenz für die Interessenträger schafft. Gute Dokumentation ist für die Verteidigung von Schätzungen bei der Due Diligence oder bei Audits unerlässlich.

VORSCHRIFTEN FÜR DIE VORLÄUFIGE VALIDIERUNG

Führen Sie mehrere Validierungsprüfungen aus verschiedenen Perspektiven durch. Suchen Sie nicht nur nach der Bestätigung, dass das Modell korrekt ist; suchen Sie aktiv nach Problemen. Vergleichen Sie alternative Schätzmethoden. Lassen Sie unabhängige Gutachter das Modell untersuchen. Abgleichen Sie regelmäßig mit Produktionsdaten und aktualisieren Sie Modelle auf der Grundlage von Abgleichsergebnissen.

Quantifizieren von Unsicherheiten

Ressourcenschätzungen sind unsicher, und diese Unsicherheit sollte quantifiziert und kommuniziert werden. Kriging-Varianz, Simulation oder andere Techniken zur Bewertung von Unsicherheiten. Verstehen, wie sich Unsicherheit auf die Minenplanung und -wirtschaft auswirkt. Entscheidungen treffen, die nicht als exakte Schätzungen angenommen werden, sondern als robust gegenüber Unsicherheiten.

Regelmäßig aktualisieren

Die Ressourcenmodelle sollten aktualisiert werden, sobald neue Daten verfügbar werden, sich das geologische Verständnis verbessert oder der Bergbau fortschreitet; regelmäßige Aktualisierungen stellen sicher, dass die Minenplanung auf aktuellen Informationen basiert und eine kontinuierliche Verbesserung der Schätzmethoden und -parameter ermöglicht.

Seek Peer Review

Unabhängige Peer-Reviews durch erfahrene Praktiker bieten wertvolle Qualitätssicherung. Gutachter können Probleme identifizieren, die von den am Projekt Beteiligten übersehen werden können. Peer-Review ist besonders wichtig für bedeutende Projekte oder wenn Schätzungen für wichtige Investitionsentscheidungen verwendet werden.

Die Reserveschätzung entwickelt sich mit den Fortschritten in Technologie, Methodik und Datenverfügbarkeit weiter.

Integration mehrerer Datentypen

Moderne Exploration erzeugt verschiedene Datentypen, einschließlich Geochemie, Geophysik, hyperspektrale Bildgebung und Fernerkundung. Die Integration dieser Datenquellen mit traditionellen Bohrdaten kann das geologische Verständnis und die Schätzungsgenauigkeit verbessern. Multivariate Geostatistik und maschinelles Lernen bieten Werkzeuge, um mehrere Datentypen gleichzeitig zu nutzen.

Echtzeit-Ressourcenmodellierung

Fortschritte in der Automatisierung und Datenverwaltung ermöglichen häufigere Modellaktualisierungen. Echtzeit- oder nahezu-Echtzeit-Ressourcenmodellierung ermöglicht die Minenplanung, schnell auf neue Informationen aus Grade Control-Bohrungen, Explosionsloch-Probenahmen oder Produktionsüberwachung zu reagieren. Dies unterstützt adaptive Bergbaustrategien, die die Wertextraktion optimieren.

Quantifizierung verbesserter Unsicherheit

Es wird zunehmend anerkannt, wie wichtig es ist, Unsicherheiten zu quantifizieren und zu kommunizieren. Simulationsmethoden werden immer häufiger eingesetzt. Probabilistische Ansätze, die eher Bandbreiten möglicher Ergebnisse als Einzelpunktschätzungen liefern, werden immer mehr akzeptiert. Dies unterstützt ein besseres Risikomanagement und eine bessere Entscheidungsfindung unter Unsicherheit.

Künstliche Intelligenz und Machine Learning

KI und maschinelles Lernen werden auf verschiedene Aspekte der Ressourcenschätzung angewandt, von der automatisierten geologischen Interpretation bis hin zur Gradvorhersage und Anomalieerkennung. Diese Technologien sind zwar vielversprechend, müssen aber sorgfältig mit angemessener Validierung und geologischer Aufsicht angewendet werden. Die Zukunft wird wahrscheinlich hybride Ansätze beinhalten, die traditionelle Geostatistik mit maschinellen Lernfähigkeiten kombinieren.

Verbesserte Visualisierung und Kommunikation

Virtuelle Realität und Augmented-Reality-Technologien bieten neue Möglichkeiten, dreidimensionale geologische Modelle und Ressourcenschätzungen zu visualisieren und mit ihnen zu interagieren. Diese Werkzeuge können die geologische Interpretation verbessern, die Zusammenarbeit zwischen verteilten Teams erleichtern und die Kommunikation mit Interessengruppen verbessern, die mit traditioneller Bergbausoftware möglicherweise nicht vertraut sind.

Schlussfolgerung

Die Reserveschätzung ist ein komplexer, multidisziplinärer Prozess, der Geologie, Statistik, Mathematik und Ingenieurwesen kombiniert, um Mineralressourcen zu quantifizieren. Genaue Schätzungen sind für Investitionsentscheidungen, Minenplanung und den wirtschaftlichen Erfolg von Bergbauprojekten unerlässlich. Das Gebiet hat sich von einfachen geometrischen Methoden zu anspruchsvollen geostatistischen Techniken entwickelt, die räumliche Variabilität berücksichtigen und Unsicherheit quantifizieren.

Der Erfolg bei der Reserveschätzung erfordert Qualitätsdaten, ein solides geologisches Verständnis, eine geeignete Methodik, eine gründliche Validierung und eine transparente Berichterstattung. Die Praktiker müssen die Stärken und Grenzen der verschiedenen Schätzmethoden verstehen und die für die spezifischen Umstände jedes Projekts geeigneten Ansätze auswählen. Sie müssen auch erkennen, dass alle Schätzungen unsicher sind, und diese Unsicherheit angemessen kommunizieren.

Mit dem technologischen Fortschritt und neuen Methoden bleiben die Grundlagen konstant: Die Reserveschätzung muss auf einem soliden geologischen Verständnis beruhen, auf Qualitätsdaten beruhen, mit angemessener technischer Strenge ausgeführt und mit Transparenz und Ehrlichkeit berichtet werden. Durch die Einhaltung bewährter Praktiken und das Lernen aus Erfahrungen verbessert die Bergbauindustrie weiterhin die Zuverlässigkeit der Ressourcenschätzungen und den Wert, den sie für die Entscheidungsfindung bieten.

Für diejenigen, die ihr Verständnis der Reserveschätzung vertiefen möchten, stehen zahlreiche Ressourcen zur Verfügung. Professionelle Organisationen wie das Australasian Institute of Mining and Metallurgy (AusIMM) und die Society for Mining, Metallurgy & Exploration (SME) bieten Kurse, Konferenzen und Publikationen an. Universitätsprogramme in Bergbautechnik und Geologie bieten formale Ausbildung in Geostatistik und Ressourcenschätzung. Industrierichtlinien und Berichtscodes wie der JORC-Code und CIM-Standards bieten maßgebliche Rahmenbedingungen für die Praxis. Lehrbücher von Autoren wie Isaaks und Srivastava, Rossi und Deutsch und Abzalov bieten umfassende technische Behandlungen von geostatistischen Methoden.

Der Bereich der Reservenschätzung entwickelt sich weiter und stellt sowohl Herausforderungen als auch Chancen für die Praktiker dar. Durch die Kombination von traditionellem geologischem Fachwissen mit modernen Analysemethoden und die Beibehaltung der Verpflichtung zu Qualität und Transparenz kann die Industrie weiterhin zuverlässige Ressourcenschätzungen erstellen, die eine verantwortungsvolle Mineralentwicklung unterstützen und zum globalen wirtschaftlichen Wohlstand beitragen.