UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE INGENIERIA
ESCUELA DE INGENIERIA DE MINAS

Proyecto de Tesis:
APLICACIÓN DE SISTEMAS DE INFORMACIÓN GEOGRAFICA
EN LA ELABORACIÓN DEL MAPA METALOGENICO DE LA
CUENCA DEL ALTO CHICAMA –LA LIBERTAD

Mag. Orlando A. Siccha Ruiz

Profesor Aux.TC. Escuela de Ingeniería de Minas-UNT

Trujillo – Perú
Marzo 2016
1.1. Realidad problemática
La necesidad de mantener correctamente diseñada el Mapa Metalogénico de la
cuenca del alto Chicama debido a:

Deficiencias del Mapa Metalogénico actual por:

Cambios Geomorfológicos
PREDICCIÓN DE YACIMIENTOS
Variación del Magnetismo terrestre

MINERALIZACIÓN Mapeo poco preciso

Cambios de Datum Geodésico
MAPA
METALO-
GENICO
Evolución de Exploraciones mineras

AREA DE No permite con Precisión y

INFLUENCIA exactitud indicar
¿Dónde se encuentran las zonas
APORTE A LA de mayor contenido de minerales
CIENCIA preciosos en dicha cuenca?
Figura 1. Organización sincrónica de un Mapa Metalogénico
 Mapa metalogenico
Efecto deficiente

Causa

Poca uso para la No genera credibilidad

exploración minera para invest. Científica
Efecto

Causa
No cumple el objetivo Sirve sólo para Poca uso de la invest.
para lo que fue aprobar Científica
creado normativas
Efecto

Causa

Mapa metalogenico
poco significativo
Efecto

Causa

Información Poca precisión Conocimientos

deficiente y exactitud obsoletos
Efecto

Causa

Mapeo Escasa Uso exclusivo Poco uso Falta de Técnicas y

Inform. clásica Tecnologías metodologías
desactualizado Geológica topografía Teledetección capacitación clásicas

Figura 2. Árbol de problemas

 PROBLEMA SISTEMA

☺
S V
E OPERACIONES A

SISTEMA R

E, entrada : Datos Geológicos, información de teledetección y de campo

P, proceso : actividades de diseño, uso de software Gis, Procesamiento de información, etc.
S, salida : Mapa metalogénico confiable
V, evaluación: Predictividad, confiabilidad, capacidad informativa, etc.
R, realimentación: variación de los elementos de entrada.
A, aprobación : aprobados para uso de exploración minera, etc.

Figura 3. Organización diacrónica

1.2. Antecedentes
Análisis estructural de mineralización de oro, haciendo uso de técnicas de
teledetección y geoquímicas en un entorno GIS, en la isla de Lesbos, en el Mar
Egeo de la cuenca del Mediterráneo oriental, usa información Landsat-TM y
SPOT-Pan imágenes de satélite y del modelo de elevación digital (DEM) de un
área de estudio y utiliza técnicas espaciales de filtrado para la mejora y el
reconocimiento de los rasgos de importancia geológica, así como las operaciones
algebraicas con proporciones de las bandas y Análisis de componentes Principales
(PCA), para la identificación de zonas de alteración, también el uso de la
Geoestadística y del análisis de difracción de rayos X (DRX), mediante la
combinación de la información estructural con información geoquímica. (Rokos,
2000)
Otro estudio similar al presente, fue realizado en Takabarea al noroeste de Irán
recomienda un modelo predictivo GIS para el mapeo de la mineralización de oro
y su potencial en zonas de acceso difícil para los que se requiere un enfoque
innovador de exploración. Interpretación de aeromagnético, Landsat TM, datos
sobre la presencia geológica con contenido de minerales preciosos se utilizan
para reconocer una combinación de características geológicas asignadas, las
características espectrales y firmas magnéticas que podrían estar
asociados con el oro epitermal (Asadi, 2000)
El siguiente estudio similar al presente es probabilístico regional y usa
estadística cartografía de los posibles depósitos de oro-plata utilizando GIS
en el Área Gangreen, Corea, propone analizar las relaciones entre los
depósitos epitermales de Au-Ag del tipo hidrotermal y los factores geológicos
relacionados e integrar las relaciones usando modelos probabilísticos y
estadísticos en un entorno GIS. Este enfoque empírico asume que todos los
depósitos comparten una génesis común. El método consta de tres pasos
principales: (i) la identificación de las relaciones espaciales; (ii) la
cuantificación de tales relaciones y (iii) la integración de múltiples
relaciones cuantificados (Oh, 2008).

Con respecto al estudio que Evaluó los recursos potenciales de oro en las
montañas Kunlun oriental de China Combinando modelo pesos de la
evidencia con Técnica GIS de Análisis Espacial, recomienda que todos los
conjuntos de información que contiene los datos geológicos, geofísicos,
geoquímicos y de teledetección. El área de estudio debe ser dividió en tres
zonas objetivo de alto potencial, potencial moderado y bajo áreas
potenciales con la finalidad de manejar grandes cantidades de datos.
(Binbin, 2010).
Por otro lado el estudio de técnica de modelado GIS basada en el
conocimiento para la exploración de oro en el área de la
mina Bulghah, Arabia Saudita, recomienda que los conjuntos de datos
geográficos deben llevarse a cabo sobre la base de la técnica basada en
el conocimiento y la ponderación. El proceso de integración implica la
ponderación y puntuación de las diferentes capas que afectan a la
mineralización de oro en el área de estudio utilizando el método del índice
de superposición dentro del entorno de PCI Geomática que es un software
que le ha proporcionado buenos resultados (Madani, 2011).

Características de la zona de estudio de gran potencial de carbón

Antracitico pero también alberga yacimientos auríferos del tipo epitermal
con un origen de mineralización hidrotermal. Gran parte de su
mineralización se encuentra hospedada en secuencias sedimentarias, en
areniscas brechadas. De acuerdo a sus características a los yacimiento
similares a otros depósitos como Santa Rosa, La Virgen, Lagunas Norte,
La Arena, etc. (Montgomery, 2012)
1.3. Fundamento Teórico
ORIGEN DE LA MINERALIZACIÓN

ROCAS DEPOSITOS
SEDIMENTARIAS DEPOSITOS HIDROTERMALES
HIDROTERMALES VETAS
DISEMINADOS
ROCAS
METAMORFICAS

ROCAS IGNEAS

MASA MAGMATICA

Figura 4. Génesis de la mineralización

Avances de la Era Espacial

Figura 5. Era Espacial

 t ic o
a d is
Ge oest
a
Map
t ral
Criterio Geoestadistico lt i e spec
a Mu
M ap
ANA

Criterio Multiespectral ate lital

en S
LISI

Im a g
Criterio Lito-estructural ógic
o
SG

e ol
a G
Map
IS

o
rt o g ráfic
a Ca
Ma p

Figura 6. Superposición de criterios en un GIS

 Criterio lito-estructural
Este criterio parte de la relación mapa base cartográfico- imagen
satelital -cartas geológicas, dándonos un mapa resultante que nos
permitirá estudiar las zona que se ha escogido mediante el análisis
multiespectral.
Según las investigaciones proporcionadas como antecedentes, las
zonas con mayor alteración litológica evidencian altos contenidos
auríferos.

Figura 7 que representa

las característica litológica
que evidencia zonas de
mineralización aurífera
 Criterio multiespectral
Consiste en la interpretación de la estructura de datos formada por varias
imágenes digitales correspondientes a diferentes rangos de longitud de
onda del espectro electromagnético, el criterio consiste en elegir la
imagen digital que represente a las zonas mineralizadas con mayor
contenido aurífero .
Tabla de observación de color verdadero

Capa Banda
Roja Roja

Capa Banda
Verde Verde
Color verdadero
Capa Banda (RGB)
Azul Azul espectro
de imagen

Etapas de un proceso de adquisición

de una imagen

Diagrama de flujo de la toma de datos

Localización de un píxel dentro de una
Figura 8. Criterio Multiespectral imagen desplegada en 2 dimensiones
 Influencia de la rotación + inclinación de orbita, en la geometría de la imagen
Landsat.
Cada imagen Satelital representa una extensión de 185x185
Km.
Se adquiere en aproximadamente 28 segundos. En este lapso
de tiempo, desde la primera a la ultima línea de barrido, la
tierra se ha desplazado sensiblemente (unos 8 Km.), lo que path 9/row 66
causa, junto a la propia inclinación de la orbita, una orientación
de la imagen noreste-suroeste, como se muestra en la figura

Distorsiones provocadas por la

La restauración de líneas o píxeles perdidos
atmósfera
Figura 9. corrección de información satelital
Cocientes e índices de mineralización
Los siguientes índices son preprogramados en PCI GEOMATIC V9
• Óxidos de Fe = TM 3/1
• Minerales diseminados = TM 5/7
• Minerales con alto contenido de Au = TM 5/4
• Mezcla de minerales poli metálicos = TM 5/7, 5/4, 3/1
• Mezcla de minerales hidrotermales = TM 5/7, 3/1, 4/3

Clasificación de imágenes multiespectrales

Figura 9. Proceso Isodata

Criterio Geoestadístico
esta basada en el kriging que es un método de interpolación con una
expresión que asume que el contenido Z puede definirse como una
variable regionalizada. Esta hipótesis supone que la variación espacial
de la variable a representar puede ser explicada al menos
parcialmente mediante funciones de correlación espacial: la variación
espacial de los valores de Z puede deducirse de los valores
circundantes de acuerdo con unas funciones homogéneas en toda el
área.
k
Zxy    i *Z j
Donde:

i 1
Zxy = Contenido aurífero interpolada (Gr/tm)
Zj = Contenido aurífero de corte en (Gr/tm)
i = Coeficiente teniendo en cuenta la ley de corte y
su posición dados en coordenadas UTM.
1.4. Enunciado del Problema
¿De qué manera es posible determinar geográficamente los mayores
contenidos de Oro dentro de los mantos carboníferos en la Cuenca del
Alto Chicama y que tecnología de análisis informático nos permitirían
determinarlo en forma rápida y eficiente?

1.5. Hipótesis
Los mayores contenidos de Oro dentro de los mantos carboníferos, con
litología de la Formación Chimú en la cuenca del alto Chicama, se
localizan mediante el uso de Sistemas de Información geográfica-GIS
evidenciándolo mediante un mapa metalogénico base.

1.6. Objetivo General

Diseñar un Mapa metalogénico de la Cuenca del Alto Chicama,
utilizando los métodos de los Sistemas de Información Geográfica,
identificando los puntos con mayores probabilidad de Contenido de
Oro.
1.7. Objetivos específicos
a. Determinar las concesiones que están operando y realizando
producción minera mediante un trabajo de campo.
b. Contrastar la información obtenida por instituciones Públicas
como el INGEMMET y privadas del país como es la topografía y
la geología.
c. Diseñar la Base de datos dentro del Sistema de Información
geográfica para obtener el plano metalogénico.
d. Validar los resultados obtenidos mediante un análisis de factores
ponderados estadísticos.
 2. Materiales y métodos
2.1 Material de Estudio
Población. Es toda la mineralización caracterizada por muestro
de campo que aflora en la superficie de la Cuenca
del Alto Chicama.
Muestra: Mineralización tomada en las concesiones mineras
ubicadas en los distritos de Usquil y Huaranchal
por ser zonas de mayor evidencia de Oro
2.2 Equipos é instrumentos, herramientas
informáticas (Software) y materiales.
- Computadora Corel I7, con memoria expandida a 8GB
- Scanner e impresora Lexmark X 1185
- Software Autocad Civil 3D, Global Mapper 7; Geomatic V9 y
Arcview Gis 3.3.
• Imagen satelital correspondiente al path 9 row 66
adquirido del INGEMMET.
• Imágenes satelitales de la zona de estudio en base MDT
proporcionados por Global Mapper 7.
• Cartas Nacionales Topográficas y geológicas a escala
1/100,000 en papel OZALID y digitales de los
cuadrángulos,16-f y 16-g
• Base de datos de exploraciones de campo hechos en el
la cuenca del alto Chicama desde 1996 al 2015.
• Base de datos de catastro Minero de la zona
Proporcionado por el INGEMMET, mediante la Geoweb
GEOCATMIN.
• Equipos topográficos como estación total trimble m3 y
gps geodésico trimble R4, brújula y kit de comunicación
de trabajo de campo
2.3 Métodos y técnicas
2.3.1 Diseño
Distribución de los depósitos auríferos en la superficie
del Batolito de Pataz y el contenido de la mayor
concentración de Au.
Unidad de análisis: Leyes de Au (gr./TM) con sus
respectivas Coordenadas UTM, Imagen Path 9/ ROOW
66, Cartas nacionales geológicas y topográficas de los
cuadrángulos 16h,16i, 17h, 17i.
La interpretación de planos, tablas resultante producido
por la superposición de los criterios GIS.
Debido a las características como se plantea el
problema el estudio es Descriptivo para ello se hizo
hará uso de software informáticos aplicando la
metodología GIS, para el procesamiento de la unidad de
análisis, en la contrastación de la hipótesis.
 2.3.2. Procedimiento
Paso 01

zona Wadati-Benioff
Geología Estructuras tectónicas
Selección de capas modelada

Criterio
Unidades Contactos Orientación de Profundidad de zona Inmersión de zona
Litoestatigraficas Litológicos estructuras discontinuas W.B. W.B.

Paso 02

Calculo del potencial de oro para cada potencial de oro para cada Potencial de oro para cada potencial de oro para cada potencial de oro para cada
potencial unidad litoestratigráfica contacto litoestratigráfico clase
s de orientación unidad profunda clase de pendiente
de oro

Tanteo No es muy favorable = 0 No es muy favorable = 0 No es muy favorable = 0 No es muy favorable = 0 No es muy favorable = 0
Favorable = 1 Favorable = 1 Favorable = 1 Favorable = 1 Favorable = 1
Muy favorable = 2 Muy favorable = 2 Muy favorable = 2 Muy favorable = 2 Muy favorable = 2

Mapas de Unidades Contactos Tendencia de Profundidad Inmersión

favorabilidad litoestratigráfica litoestratigráfic discontinuidad Favorable favorable
s favorables as favorables favorables

Paso 03
Puntuación total

Mapa Predictivo

Figura 10. Criterio de Billa

 Inicio

Data

Imagen Path 9/ROW Leyes Au y Coord. I.C.G.N. 16f y 16g

66 UTM (Anexo 1)
Recorte de imagen en Creación de la base se datos Procesamiento de
ACDSee Arc view 3.3 información GIS
Imagen satelital de zona de Imágenes satelitales raster y
Base datos de leyes Au
estudio vectoriales y
y Coord. UTM
Clasificación multiespectral
en Geomatic Interpolación de leyes mediante Traslape y georreferenciación en
la técnica Kriging Coord. UTM en Global Mapper 7
Imagen de clasificación de
la zona de estudio
Plano de curvas isovaloricas Au Resultados Geológicos procesados listos
Georreferenciación en Coord.
zona de estúdio para su identificación metalogénico
UTM en Global mapper 7

Imagen georeferenciada de
los depósitos zona de
estudio en Coord. UTM

Superposición de planos en Arcview GIS 3.3

e identificación de las leyes Au de los depósitos encontrados
Código, coord. UTM, leyes de Au, perímetro y áreas
de los depósitos de la zona de estudio

Identificación litologica de los depositos

mineros en Arcview GIS 3.3
Código, fallamiento, tipo de roca y
ubicación (Tabla 3.2)
Análisis de resultados

Figura 10. Criterio Modificado

Impresión de resultados

Fin
GRACIAS
por su
atención
Bibliografía
Asadi, H. H. (January de 2000). A predictive GIS model for mapping potential gold and base metal mineralization in Takabarea,
Iran. Computers & Geosciences 27, 12.
Bettinger, M. G. (2008). Geographic Information Systems: Applications in Natural Resource Management. Ontario Canada:
OXFORD University Press.
Billa, M. C.-F. (January de 2004). Predicting gold-rich epithermal and porphyry systems in the central Andes with a continental-
scale metallogenic GIS. Ore Geology Reviews 25, pp. 39 – 67.
Binbin, H. C. (2010). Gold Resources Potential Assessment in Eastern Kunlun Mountains of China Combining Weights-of-evidence
Model with GIS Spatial Analysis Technique. Chin. Geogra. Sci.20, pp. 461–470.
Gottfried, K. (2014). Geoinformation: Remote Sensing, Photogrammetry, and Geographic Information Systems (II Edition ed.).
New York EE UU: Taylor & Francis Group.
Ian Heywood, S. C. (2006). An Introduction to Geographical Information Systems (Vol. III Edición). Edinburgh England: Pearson
Education Limited.
Kennedy, M. (2013). Introducing Geographic Information Systems with ArcGIS®. New Jersey: John Wiley & Sons, Inc.
Konecny, G. (2003). Geoinformación: Remote sensing, photogrammetry and geographic information systems. London and New
York: Taylor & Francis is an imprint of the Taylor & Francis Group.
Madani, A. (October de 2011). Knowledge-driven GIS modeling technique for gold exploration, Bulghah gold mine area, Saudi
Arabia. The Egyptian Journal of Remote Sensing and Space Sciences 14, pp. 91–97.
Montgomery, A. T. (2012). Metallogenetic controls on miocene high-sulphidation epithermal gold mineralization, alto Chicama
district. Kingston, Ontario,, Canada: Tesis Queen’s University.
Oh, H. L. (2008). Regional Probabilistic and Statistical Mineral Potential Mapping of Gold–Silver Deposits Using GIS in the
Gangreung Area, Korea. Resource Geology Vol. 58, pp. 171 – 187.
PCI Geomatic. (2003). Geomatica focus version 9.0. Ontario -Canada: Manual de Usuario.
Rokos, D. D.-S. (September de 2000). Structural Analysis for Gold Mineralization Using Remote Sensing and Geochemical
Techniques in a GIS Environment: Island of Lesvos, Hellas. Natural Resources Research, Vol. 9,, 17.
Rolf A., R. A. (2001). Principles of Geographic Information Systems. Munich and Enschede, The Netherlands: Paul Klee, Chosen
Site.
Roy, R. C. (January de 2006). Predictive mapping for copper–gold magmatic-hydrothermal systems in NW Argentina: Use of a
regional-scale GIS. Ore Geology Reviews 29, pp 260 – 286.
Samal, A. S. (2011). Modelling spatial anisotropy of gold concentration data using GIS-based interpolated maps and variogram
analysis: Implications for structural control of mineralization. J. Earth Syst. Sci. 120, pp. 583–593.
Tangestani, M. H. (January de 2001). A predictive GIS model for mapping potential gold and base metal mineralization in
Takabarea, Iran. Computer & Geociences 27, pp. 901-912.
Tabla 3.1 Resultado de la clasificación Multiespectral
Archivo: F:\Mis documentos\Trabajo de Habilitación\imagen a clasificar.pix

Algoritmo de Clasificación: Isodata No Supervisada

Canales de Entrada de la Clasificación: 1,2
Canal Resultado de la Clasificación: 3

Clase Píxeles Posición Media Desv.Est:

1 235922 6,25288 6,42676
6,54147 6,45731
2 639324 20,35511 6,65779
19,76644 6,39382
3 698560 37,54692 7,21957
34,54862 6,96361
4 711238 54,13212 8,46125
50,70411 8,42491
5 737992 72,43115 8,92882
67,39610 9,19521
6 677985 89,30816 9,55127
84,15216 9,74307
7 613995 108,66422 9,49509
96,75042 10,60778
8 514688 125,62708 10,78889
112,55566 11,34000
9 412082 144,28301 10,70966
126,78029 11,67648
10 262195 160,13652 11,13500
142,12983 10,74604
11 181797 174,00130 9,67419
157,35025 8,91410
12 84296 184,56051 8,78821
178,12893 7,50318
13 57767 204,62735 9,25991
159,82744 12,28894 la clase 13, es la firma espectral que
14 34008 208,67455 10,36375 tiene mayor probabilidad de representar
197,20842 9,79952
15 10452 226,93121 9,73840 a depósitos auríferos bajo el criterio que
220,91609 10,49126 toda mineralización hidrotermal aurífera
16 12211439 254,99977 0,05119
254,99964 0,07387 es discriminada entre los canales del
-------- (Rango de los infrarrojos) (12)(13).
Total 18083740
 Resultado del análisis Geoestadístico

El resultado está basado en el algoritmo matemático Kriging:

Z = AX+BY+C
Donde:
A = -9.3073991461367E-005
B = -2.9163429880234E-006
C = 55.649013225762
X = Coordenada UTM- Este (mts.)
Y = Coordenada UTM- Norte (mts.)
Z = Contenido aurífero en (Gr/tm)

Basado en este algoritmo se obtiene las curvas de isovalores de contenido

aurífero en cualquier punto geográfico del batolito de Pataz

Figura 3.5 Presentación las curvas isovaloricas en el Batolito de Pataz

 Tabla 3.2 Resultado del análisis lito estructural
Nº DEPOSITO FALLAMIENTO TIPO DE ROCA PONDERACIÓN UBICACIÓN CARTA
1 Intenso Trj-p 2 2 C. Chumulco Bolivar
2 Moderado Ps-cm 2 2 C. Caldera Pataz
3 Intenso Ps-m/Ci-a 1 1 2 C. Chilin Orco Pataz
4 Moderado Ki-g 2 2 C. San Alfonso Pataz
5 Moderado Ci-a/Ps-cm 1 1 2 C. Angasllanche Pataz
6 Moderado Ps-cm/Cp-l 1 1 2 N-O Hda.. Chuquique Pataz
7 Moderado Ps-cm/Cp-l 1 1 2 N-E Hda.. Chuquique Pataz
8 Intenso Ps-cm 2 2 Z. Chumurbamba Pataz
9 No se visualiza Ps-cm 2 2 N-E Chumurbamba Pataz
10 No se visualiza Ps-cm 2 2 Margen S-E Rio Marañon Pataz
11 Intenso Ps-cm/Ps-m 1 1 2 Z. Santa Barbara Pataz
12 Intenso Trj-p/Ps-m 1 1 2 C. chinchango Pataz
13 Intenso Ps-cm/Ps-m 1 1 2 Z. Pampa Grande Pataz
14 Moderado Ps-cm/Cp-l 1 1 2 C. San Salvador Pataz
15 Intenso Ps-cm 2 2 C. San Antonio Pataz
16 Moderado Ki-g/Ps-m 1 1 2 Z. Las Lomas Pataz
17 Moderado Ki-g/Ps-m 1 1 2 C. Tiopampa Pataz
18 Intenso Ci-a/Ps-cm 1 1 2 Z. Los Corrales Pataz
19 Intenso Ki-g/Pi-c 1 1 2 C, La colpa Pataz
20 Moderado P-gr/gd 2 2 C.San Lorenzo Pataz
21 Moderado P-gr/gd 2 2 C. Suyobamba Pataz
22 Intenso Ps-cm 2 2 z. Caucharatay Pataz
23 Intenso Ps-cm/Q-s 1 1 2 z. Caucharatay Pataz
24 Intenso Q-s 2 2 C. Banderas Pataz
25 Intenso Ps-cm/Q-s 1 1 2 C. Pumurgo Pataz
26 Intenso Ki-g 2 2 C, Piruco Pataz
27 Intenso Ps-cm 2 2 C. San Pedro Jusmasha
28 Intenso Ps-cm 2 2 C. Perfecto Pallasca
29 Intenso Q-s 2 2 Z. La Pampa Pallasca
30 Intenso Ci-a/Ps-cm 1 1 2 Hda. Parihuma Tayabamba
31 Intenso kis-jc/Pi-c 1 1 2 Aliso Pampa Tayabamba
32 Intenso Ci-a 2 2 Z. Shuntacocha Tayabamba
33 Intenso Ps-cm 2 2 Z. Cuchopata Tayabamba
34 Intenso Ps-cm 2 2 Z. Cachil Tayabamba
35 Intenso ksp-ch 2 2 Z. Huailos Tayabamba
36 Intenso ksp-ch 2 2 Z Mundo Nuevo Pallasca
37 Intenso Ps-cm 2 2 C. Tomashira Tayabamba
38 Intenso ksp-ch 2 2 Z. Yurjiaco Tayabamba
39 Intenso Ps-cm 2 2 C. Llamacancha Tayabamba
40 Intenso Ps-cm 2 2 C. Muñanca Tayabamba
41 Intenso Ps-cm 2 2 Z. Huaycopata Tayabamba
42 Intenso Figura 3.6 Imagen de la Geología del
ksp-ch 2 Batolito
2 de Pataz Z. Cruz pomabamba
38 6 1 2 6 7 3 6 4 8 3 84
45% 7% 1% 2% 7% 8% 4% 7% 5% 10% 4% 100%
 1 Ps-cm COMPLEJO MARAÑON
UNIDADES LITOESTRATIGRAFICAS CON
2 Ps-m GPO. MITU
RELACIÓN A LA MINERALIZACIÓN
3 kis-jc F. JUMASHA

10% 4% Pi-c GPO. COPACABANA

4
5%
5 Ci-a GPO. AMBO
7% 45%
6 Ki-g GPO. GAYARISQUISGA

7 Trj-p GPO. PUCARA

4%
8 Q-s F. CONTAYA
8%
7% 9 P-gr/gd INTRUSIVO
7%
2% 10 Ksp-ch F. CHOTA

1% Cp-l VOLCANICOS LAVASEN

11
Tabla 3.3 Resultados obtenidos mediante el análisis GIS

Código Coord. de Ubicación (UTM) Contenido

Perimetro (m) Area (Hect)
Deposito Este Norte (Au) Gr /tm
1 204460,85 9176506,98 9,81 4362,09 106,70
2 203786,02 9169015,43 9,88 5076,08 128,37
3 189257,40 9166606,09 11,25 12016,59 233,05
4 188066,53 9163632,06 11,36 4224,90 64,41
5 193465,14 9164460,27 10,87 5219,02 114,32
6 208430,41 9164874,38 9,45 6229,25 226,32
7 210375,50 9164723,78 9,27 6694,04 211,45
8 195529,32 9160055,69 10,73 1867,67 19,65
9 197395,01 9160394,50 10,56 6656,64 191,80
10 203190,60 9157345,18 10,01 3536,88 72,25
11 194973,58 9156178,15 10,70 7920,52 181,87
12 194616,32 9153204,11 10,85 2905,13 34,22
13 196442,32 9153354,70 10,65 1794,41 17,63
14 208867,08 9153354,70 9,16 23539,94 1328,35
15 210216,73 9147331,34 9,36 9746,32 432,62
16 189217,70 9147105,47 11,31 4987,29 150,26
17 187471,09 9146616,08 11,45 8650,29 527,37
18 196283,53 9145147,87 10,50 37137,03 3979,40
19 208351,02 9137242,22 9,49 10775,22 439,87
20 217361,96 9137693,98 8,76 3677,64 47,89
21 219148,25 9134832,88 8,59 2186,78 29,51
22 204421,16 9125948,42 9,99 3590,57 59,70
23 206167,77 9126739,00 9,80 4461,59 116,11
24 216131,38 9120414,47 8,96 5103,78 138,01
25 217084,08 9119774,48 8,90 8184,14 192,55
26 218354,34 9120226,24 8,59 11509,32 482,76
27 224507,17 9117252,21 7,97 13550,58 1005,05
28 211050,33 9111530,01 9,39 8257,40 293,80
29 215019,90 9089168,29 9,13 2956,18 59,40
30 234034,13 9092481,15 6,94 23801,12 1124,15
31 232128,74 9081827,33 7,45 6670,11 273,84
32 238241,88 9084161,38 6,96 4389,40 133,45
33 242449,62 9083069,65 6,62 8028,95 342,74
34 237646,45 9081752,04 7,06 7595,04 297,38
35 226809,52 9078890,94 8,00 5365,16 145,40
36 220140,65 9077912,15 8,47 11410,46 541,34
37 243918,37 9080622,66 6,44 3080,64 59,55
38 234351,70 9071399,39 7,35 1948,50 23,16
39 252135,37 9070834,70 5,68 3550,21 75,84
40 254755,29 9069253,58 5,41 7410,25 143,84
41 236614,36 9059879,72 6,68 31095,16 713,04
42 241695,41 9052124,64 6,64 9038,38 366,12
Total 15124,58
Areas Perimetro (m) Area (Hect)
Batolito 356464,62 382160,4
Depositos 15124,58
9178000N. 1

2
3
5 6 7
4

8 9
10
11
1213 14

1716 15 ZONA NOR - OESTE

18

19 20
21
9133000N.

2223

24
2526
27

28

ZONA CENTRO

30
29
9088000N.
32
33
31 34
37
35
36

38 39
40

ZONA
41 SUR - ESTE
Escala

0m. 10000m. 20000m. 30000m. 40000m. 42

9043000N.
184000E. 194000E. 204000E. 214000E. 224000E. 234000E. 244000E. 254000E.