Teledetección hiperespectral y exploración geológica para la configuración de modelos geometalúrgicos en sistemas hidrotermales
Resumen
Los sistemas hidrotermales desarrollan ensamblajes minerales complejos y las leyes, mineralogía, textura y naturaleza petrológica se distribuyen de forma muy heterogénea en el macizo. Estos minerales pueden identificarse en superficie utilizando teledetección hiperespectral, caracterizando alteraciones hidrotermales, litologías, estructuras tectónicas, halos geoquímicos de áreas extensas, más rápido y a menos costo. Esta investigación tiene como objetivos: (1) Describir como las técnicas hiperespectrales aplicadas a la moderna geometalurgía permiten operaciones mineras más resilientes, (2) Evaluar las técnicas hiperespectrales como herramientas de identificación de mineralogías complejas en sistemas hidrotermales; (3) Resaltar el enfoque geometalúrgico en los mecanismos de toma de decisiones en una empresa minera. Esta investigación de revisión ha sido elaborada luego una búsqueda bibliográfica sistemática con operadores booleanos en las bases de datos Scopus, Springer, Web of Science, Science Direct, Scielo, estableciéndose como criterios de selección información en ingles de la última década sobre las variables. Los resultados muestran que la teledetección hiperespectral, permite la definición de patrones mineralógicos, dominios de conminución y situaciones problema en pilas de lixiviación influyendo en la reducción significativa del CAPEX y OPEX, optimizando la conversión de recursos en reservas al identificar en tiempo real complejas mineralogías y alteraciones, parámetros decisivos en la configuración de modelos geometalúrgicos.
Descargas
Citas
Asadzadeh, S., & Filho, C. R. (2016). A review on spectral processing methods for geological remote sensing. International Journal of Applied Earth Observation and Geoinformation, 47, 69-90. doi:https://doi.org/10.1016/j.jag.2015.12.004
Aslett, Z., Taranik, J. V., & Riley, D. N. (2018). Mapping rock forming minerals at Boundary Canyon, Death Valey National Park, California, using aerial SEBASS thermal infrared hyperspectral image data. International Journal of Applied Earth Observation and Geoinformation, 64, 326-339. doi:https://doi.org/10.1016/j.jag.2017.08.001
Barton, I. F., Gabriel, M. J., Lyons-Baral, J., Barton, M. D., Duplessis, L., & roberts, C. (2021). Extending geometallurgy to the mine scale with hyperspectral imaging: a pilot study using drone- and ground-based scanning. Mining, Metallurgy & Exploration, 38(2), 799-818. doi:10.1007/s42461-021-00404-z
Boogaart, v. d., & Tolosana-Delgado. (2018). Predictive Geometallurgy: An Interdisciplinary Key Challenge for Mathematical Geosciences. En B. Daya Sagar, Q. Cheng, & F. Agterberg, Handbook of Mathematical Geosciences: Fifty Years of IAMG (págs. 673-686). Springer International Publishing. doi:10.1007/978-3-319-78999-6_33
Dominy, S. C., O'Connor, L., Parbhakar, Fox, A., Vidrio, J., H., & Purevgerel, S. (2018). Geometallurgy—A Route to More Resilient Mine Operations. Minerals, 8(12). doi:https://doi.org/10.3390/min8120560
Donoso Droguett, G. A. (2020). Modelamiento geometalúrgico de recuperación de cobre incorporando datos espectrales. Tesis para optar al grado de Magíster en Minería, Santiago de Chile. Retrieved from https://repositorio.uchile.cl/handle/2250/176633
Evenstar, L., Mather, A., Hartley, A., Stuart, F., Sparks, R., & Cooper, F. (2017). Geomorphology on geologic timescales: Evolution of the late Cenozoic Pacific paleosurface in Northern Chile and Southern Peru. Earth-Science Reviews, 171, 1-27. doi:https://doi.org/10.1016/j.earscirev.2017.04.004
Goetz, A. F. (2009). Three decades of hyperspectral remote sensing of the Earth: A personal view. Remote Sensing of Environment, 113(1), S5-S16. doi:https://doi.org/10.1016/j.rse.2007.12.014
Hecker, C., Meijde, M. v., & Meer, F. D. (2010). Thermal infrared spectroscopy on feldspars — Successes, limitations and their implications for remote sensing. Earth-Science Reviews, 103(1-2), 60-70. doi:https://doi.org/10.1016/j.earscirev.2010.07.005
Jha, S. S., Nidamanuri, R. R., & Ientilucci, E. J. (2022). Influence of atmospheric modeling on spectral target detection through forward modeling approach in multi-platform remote sensing data. ISPRS Journal of Photogrammetry and Remote Sensing, 183, 286-306. doi:https://doi.org/10.1016/j.isprsjprs.2021.11.011
Johnson, C. L., Browning, D. A., & Pendock, N. E. (2019). Hyperspectral Imaging Applications to Geometallurgy: Utilizing Blast Hole Mineralogy to Predict Au-Cu Recovery and Throughput at the Phoenix Mine, Nevada. Economic Geology, 114(8), 1481-1494. doi:https://doi.org/10.5382/econgeo.4684
Lang, A. M., Ellefmoy, S. L., & aasly, k. (2018). Geometallurgical Flowsheet as a Tool for Designing and Communicating Geometallurgical Programs. Minerals, 8(9). doi:10.3390/min8090372
Lishchuk, V., & Pettersson, M. (2020). The mechanisms of decision-making when applying geometallurgical approach to the mining industry. (Springer, Ed.) Mineral Economics, 34(1), 71-80. doi:10.1007/s13563-020-00220-9
Lishchuk, V., Koch, P.-H., Ghorbani, Y., & Butcher., A. R. (2020). Towards integrated geometallurgical approach: Critical review of current practices and future trends. Minerals Engineering, 145. doi:https://doi.org/10.1016/j.mineng.2019.106072
Liu, Y., Carranza, E. J., & Xia, Q. (2022). Developments in Quantitative Assessment and Modeling of Mineral Resource Potential: An Overview. Natural Resources Research, 31(4), 1825-1840. doi:10.1007/s11053-022-10075-2
Mars, J. C. (2010). VINR-SWIR and TIR Remote Sensing of Porphyry. In D. John, R. Ayuso, M. Barton, R. Blakely, R. Bodnar, J. Dilles, . . . P. Taylor Ryan and Vikre, Porphyry Copper Deposit Model. Virginia: Geological Survey Scientific Investigations. Retrieved from https://pubs.usgs.gov/sir/2010/5070/b/
Meer, F. D., Werff, H. M., Ruitenbeek, F. J., Hecker, C. A., Wim H. Bakker, M. F., Meijde, M. v., . . . Woldai., T. (2012). Multi- and hyperspectral geologic remote sensing: A review. International Journal of Applied Earth Observation and Geoinformation, 4(1), 112-128. doi:https://doi.org/10.1016/j.jag.2011.08.002
Merrill-Cifuentes, J., Cracknell, M. J., & Escolme, A. (2022). Unsupervised textural classification of rocks in large imagery datasets. Minerals Engineering, 180. doi:10.1016/j.mineng.2022.107496
Pirajno, F. (2009). Skarn Systems.geological survey of western, Australia. Hydrotemal processes and mineral System. Sprinter Science.
Rodriguez-Gomez, C., Kereszturi, G., Reeves, R., Rae, A., Pullanagari, R., Jeyakumar, P., & Procter, J. (2021). Lithological mapping of Waiotapu Geothermal Field (New Zealand) using hyperspectral and thermal remote sensing and ground exploration techniques. Geothermics, 96(102195). doi:https://doi.org/10.1016/j.geothermics.2021.102195
Rosa, R. D., Khodadadzadeh, M., Tusa, L., Kirsch, M., Gisbert, G., Tornos, F., . . . Gloaguen, R. (2021). Mineral quantification at deposit scale using drill-core hyperspectral data: A case study in the Iberian Pyrite Belt. Ore Geology Reviews, 139(Part B), 104514. doi:https://doi.org/10.1016/j.oregeorev.2021.104514
Sampieri, R. H. (2014). Metodologia de la Investigación. Mexico D:F: McGraw-Hill / Interamericana Editores, S.A.
Soydan, H., Koz, A., & Düzgün, Ş. (2019). Identification of hydrocarbon microseepage induced alterations with spectral target detection and unmixing algorithms. International Journal of Applied Earth Observation and Geoinformation, 74, 209-221. doi:https://doi.org/10.1016/j.jag.2018.08.001
Tungpalan, K., Wightman, E., Keeney, L., & Manlapig, E. (2021). A geometallurgical approach for predicting separation performance. Minerals Engineering, 171. doi:https://doi.org/10.1016/j.mineng.2021.107065
Xiao, F., Wang, K., Hou, W., & Erten., O. (2020). Identifying geochemical anomaly through spatially anisotropic singularity mapping: A case study from silver-gold deposit in Pangxidong district, SE China. Journal of Geochemical Exploration, 210(106453). doi:https://doi.org/10.1016/j.gexplo.2019.106453
Zhou, Dymov, & Li. (2019). Geometallurgy and mineralogy of precious metal ores: Importance and application in process selection and plant optimization. IMPC 2018 - 29th International Mineral Processing Congress (págs. 220-229). Moscow: Elsevier. Obtenido de https://www.scopus.com/record/display.uri?eid=2-s2.0-85059357177&origin=resultslist
Derechos de autor 2022 Mario Domínico Rodríguez Delgado ;Orlando Alex Siccha Ruiz
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
.jpg)
.png)
