Académique Documents
Professionnel Documents
Culture Documents
LE GISEMENT DE BUKENA
Un cas particulier d'estimation des réserves
PAR
G. P A N O U
re de Géologie appliquée de FU.L.B.
350 F
LE GISEMENT DE BUKENA
Un cas particulier d'estimation des réserves
PAR
G. P A N O U
Laboratoire de Géologie appliquée de l'U.L.B.
D/1974/0149/H
RESUME
SAMENVATTING
500 m
« . A Q O X X X X
X X X
- 680
'o + It + ^^
+ 1
X / + » V 9 J6 9 ff
».'<t-''x X x^ • >
A + A A i A A l » X X X + » i k 4 * X ' •
X A i x x x x » « x « x 4 * » » / / , < / r. „ J . . I
O > HS X X A » X X H T 4 44 X
X *A++***- -HH- -VX xl I T l T | i + ^ X +
AAiTATX»»A+TXV>f.A»X \ _ l 1 > . ^.
T O A T X X D T X + A A A J I A A Î Ô + ^ + * ^
+VnX + + A X i A A A A j | A A A ( l D \ V
• + 0 X X + A A A AAVA v A V i .
o o\ + A A i A T A A X A X + -»<-l^
1-<*>XH-XHhX
, ^ 680
Tl^'AA+O
( 4 ) Dans une région comme Bukena, la question de surface n'a pas beau-
coup de sens. Des grains de cassitérite existent dans toutes les alluvions de la
région. L a « frange faiblement minéralisée » de M.\THERON [ 4 4 , chap. 1 4 ] est
énorme et sa limite avec le gisement est une question d'appréciation subjective.
12 LE G I S E M E N T D E B U K E N A
x = - | ; x u (1)
(X = teneur, accumulation, e t c . ) .
et que cette valeur est une estimation non biaisée de la moyenne
vraie. O n estimera la variance de la population par:
o r * M X ) = - ^ É (X.-X)^ (2)
Tableau I
Estimation
Moyennes arithmétiques des accumulations A i j
moyenne
variance surface poids SnOz (t) four-
catégorie À * chette conventionn.
a*=(Â) m''
gr/m'
gisement exploité
total 1 281 787 732 890 939 ± 41
2 077 7 668 141 485 293 ± 25
T i j > 1 000 g/m'
gisement en place
818 139,31 4 494 610 3 677 ± 106
total 1 989 3 893 258 905 515 ± 32'
gisement entier
T , j > 1 000 g/m' 909 145,73 5 227 500 4 751 ± 118
1 999 2 350 400 390 800 ± 19
total
T , j > 1 000 g / m '
Sur le tableau I nous avons é g a l e m e n t distingué la surface to-
tale et les zones d'influence de puits riches ( T i j > 1 0 0 0 g / t ) .
D'autres catégories de teneurs ( T i j < 5 0 0 , 7 5 0 , 1 0 0 0 ; T Ü com-
prise entre 5 0 0 - 7 5 0 , 750-1 0 0 0 ) ont é g a l e m e n t été envisagées. Ces
calculs ont été faits pour toutes les m é t h o d e s d'évaluation qui se-
ront utilisées par la suite. Nous ne croyons pas utile de surcharger
nos tableaux en reproduisant ces chiffres.
16 LE GISEMENT DE BUKENA
XG = e l ^ (4)
est plus faible que la moyenne a r i t h m é t r i q u e ( l ) . Toutefois, lors-
qu'on utilise des logarithmes, on doit, si l'on veut être consé-
quent, aller jusqu'à l'estimation à l'aide de la f o r m u l e ( 4 ) (Ta-
bleau I I ) .
Pour calculer l'intervalle de confiance de la moyenne nous
avons a d o p t é la formule e ± 2 ' ' * ( ' " g ^ ) p r o p o s é e par M A T H E R O N
Tableau I I
Estimation
Moyennes arithmétiques des logaritlimes des accumulations B i j = log A i j
gisement exploité
total 7,036 4,509 1 137 833 0,8
7,572 16,429 1943 274,9 Ov2
T , i > 1 000 g / m ' gisement en place
6,533 1,964 687 3 088 4,5
7,540 10,52 1 882 487,3 0,3
total
gisement entier
6,630 1,74 758 3 922 ± 5,5
T i j > 1 0 0 0 g/m'
7,551 2,534 1 902 761 ± 0,5
total
(*) Les surfaces correspondantes sont indiquées au tableau I .
T , j > 1 000 g/m'
(6) Sauf dans des cas particuliers, p.ex. les distributions log-normales.
Cf. par. 4.3.
LE GISEMENT D E BUKENA 17
Tableau I I I
Estimation
Moyennes arithmétiques des teneurs T i j
moyenne
volume poids Sn02 (t) Four-
categorie T*
=(T) m" chette conventionn.
g/m'
gisement exploité
total 710 168,25 1 656 720 1 176
T i j > 1 000 g/m= 1 245 631,2 274 140 341 ± 27
gisement en place
total 503 43,64 7 458 750 3 752 98
1 254 377,1 405 780 509 16
T i j > 1 000 g/m'
gisement entier
546 41,73 9 115 470 4 977 lis
total 1 250 288,03 679 920 850 23
T i , > 1 000 g / m '
Tableau I V
Estimation
Moyennes arithmétiques des logarithmes des teneurs W i j — log T i j
variance
moyenne TG* = e'^* poids SnOa (t) Four-
catégorie <T*=(W)
W* g/m' (*) chette conventionn.
.10*
gisement exploité
total 6,471 3,691 646 1 070 ± 1,7
Tu > 1 000 g/t 7,012 3,333 1 227 336,4 ± 0,3
gisement en place
total 6,067 1,75 431 3 215 ± 7,5
Tij > 1 000 g/t 7,018 2,70 1 234 500,7 ± 0,4
gisement entier
total 6,149 1,49 468 4 266 ± 9,5
Tij > 1 000 g/t 7,112 1,53 1 230 836 ± 0,7
Tableau V
Estimation
Moyennes des teneurs T i j
(pondérées par les surfaces S i j )
gisement exploité
total 760 172,06 1 259 ± 43
1 237 498 339 ± 12
T i j > 1 000 g/m' gisement en place
464 44,07 3 461 ± 99
total 1 265 549 513 ± 19
gisement entier
T i j > 1 000 g/m' 505 42,35 4 603 ± 119
1 255 298,35 853 ± 23
Tableau V I
Estimation
Moyennes des logarithmes des teneurs W i j = log T i j
(pondérés par les surfaces S i j )
gisement exploité
total 6,547 3,400 697 1 154 ± 0,8
7,108 2,86 1 222 335,0 ± 0,15
T u > 1 000 g / m ' gisement en place
5,964 2,013 389 2 901 ± 7,5
total 7,125 2,87 1 244 504,8 ± 0^4
gisement entier
T i , > 1 000 g/m' 6,04,5 1,745 422 3 947 ± 9,5
7,1,19 1,604 1 235 840 ± 0,7
Tableau V I I
Estimation
Moyennes des accumulations B i j = A i j
(pondérées par les surfaces S i j )
moyenne
variance poids SnOî (t) Four-
catégorie À*
a*=(À) chette conventionn.
g/m^ (*)
1
gisement entier
total 1 572 1 203 1 152 ± 51
T i j > 1 000 g/m' 2 410 12 488 341 ± 32
gisement en place
total 768 139,91 3 452 ± 107
T i j > 1 000 g/m" 1 991 2 954 515 ± 28
gisement exploité
total 881 177,07 4 605 ± 139
T i j > 1 000 g / m ' 2 139 3 372 856 ± 23
Tableau V I I I
Estimation
Moyennes des logarithmes des accumulations B i j =; log A i j
(pondérés par les surfaces S i j )
variance
moyenne ÂG* = e8* poids SnO» (t) Four-
catégorie a*'(B)
B* g/m= (*) chette conventionn.
.10^
gisement entier
total 7,234 4,782 1 385 1 015 ± 0,8
T i j > 1 000 g/m' 7,687 28,33 2 180 308,4 ± 0,15
gisement en place
total 6,443 2,303 629 2 827 ± 4,5
T i j > 1 OOO g / m ' 7,554 7,83 1 908 494,0 ± 0,3
gisement exploité
total 6,554 2,14 702 3 670 ± 5,5
T u > 1 OOO g/m' 7,601 7,86 2 0O3 802,1 ± 0,5
Tableau I X
Estimation
Loi log-normale
(gisement entier)
T, = T ( l - d ) et T . = T ( l + d)
h—l— U—i-l
h 1-
c .J 4.J
— •f 4- ^•
I i B U
._l J..
I
I ^ I
T !
I
I <• I
-4—4- I i—4—-J
J.
H - t
j
+-I
K i.
1 1-
I I
I I
1- 1_ —1--
I
I 4- h-l-
Figure 3 • D é c o u p a g e du gisement.
Ö Ô O
8l—T-rrr I I M—n—I—I I I I I 1 I I I I I I I I—n—TT T—rnrr
O
O
e *ao>
t>*)Kaea
8 > 9*a a e
O
> s
O .O . o p
I I II
- N)
1—m
UI OOo
TT
Ül O
ö ss ^ —i 00
O tn O
oo
cn
toto
otsj
to
ui
fO
^
to
do
O O W > H
§1-
X + ( IE<1
•O «TJ 'T3 13 T l 'T3
^ p H. P^ ^ :^ c
" X O
eMK> O "
*T3
O
*T3
O
Tl
/?
U
O
•O -O -O -O
TJ
O
TJ
O
-d
O 8 a OMOM
E. £. c £. E Ë.
^ p 5r Sr p EÙ » a.
a oo K O
8
Ss
!» Tl O Z g
^•>jaOOO CD I D CD CD CD CD
cn O O O Cn o
O cn O cn ON» cn ~ J cd to
—I I II I I I I—n 1 I I 1—n—I I I I
W>«M«
s
O
8 >
^ a.
> 8
O
LE GISEMENT D E BUKENA 25
Bi-Brl
/ UT
avec
ni ai' (B) + UT o-r ( B )
Ui + nx — 2
(S o ' o" o" 0" o" d" cT o" o" Ö o" 0" (S (5 o" o" o"
C CQ oo^xroooo^^OöCNoOQ^»o"^ON(N'-:c>\r-<T-^
rA rr^ rr^ -«r ff^
o ' o" O C i O O O o" O o" c:^ O <5" o" o" o" o o
:«
il G Ö d" <S o" o ' o" O o" o" o" o ' o ' o" o" o o"
< ooo^ooooçN^'^0<^Troor-Qor-o.-Hw-s-«î'
60 i « 00"^"^CX300O"OO0\00asv^"^0sfN'--'Ö\'--''-'
0" c T o" d" o" o ' d" o" 0" d 0 ' C; d o" cT d" d "
O
C!
Il»
O
e
rj'-<oos(N(N(Nr~^'^Ör~-"^r~^'^»^rj'-((r^m
<N '-'
O O
H < cû U û w PH OX K - î S^ O (X Otó
LE G I S E M E N T D E BUKENA 27
5
.-I 1-1
os
(N (N
OS
O
t-~ o o
0\ r-
\r\ q
(N (N
c. 3 1%
/ SO VO
X « m
\o fN
cT o" ri O os
O
il-S
\0 SD SO \0 »A »r>
« - 0
c ^
O 1/1
a,.: Z O
o
X
m SO Os r-H
2 c sû ÖS OS 00 QS r^i
00 ON C\
ce rA
1—1 1—( >—' i—' I—1 1—( t—1
Is
(N r-
o o Os O o o
<5
1^
v-\ rT
H.-0
(N
SO SO
rr\ CD rn so
(N (N o"
»—t 1—( 1—1 1—( »—' l-H
S.
5
o o
a'S
28 L E GISEMENT DE BUKENA
2 ni 2 nT
(7T*^ (B)
qui doit rester très proche de 1.
Nous avons résumé au tableau X I I les résultats de ces calculs.
On constatera que l'identité n'est pas toujours vérifiée. En parti-
culier, les moyennes des populations E, G, L, pourraient être con-
sidérées comme significativement différentes de la moyenne dans
T. Toutefois, les écarts restent faibles et on peut, en première
approximation, admettre l'identité statistique (7).
Examinons maintenant les distributions des teneurs. Pour ne
pas trop allonger le texte, limitons-nous aux ensembles T, A, B,
CetD.
Le tableau X I I I indique les moyennes et les variances des te-
neurs dans ces ensembles. Nous avons également tracé à la figure
5 les courbes des distributions correspondantes.
Cette figure est suffisamment explicite et nous ne croyons pas
indispensable de reproduire les résultats des tests du yj ni ceux
prouvant l'identité statistique de ces populations.
Les conséquences de ces résultats sont très importantes. Si la di-
vision donne dans les blocs des distributions log-normales statis-
tiquement identiques, la constante d de D E WIJS, et donc aussi le
coefficient de dispersion absolue a de MATHERON sont nuls. On
doit donc admettre que les teneurs et accumulations à Bukena
sont des variables aléatoires et que les résultats figurant sur les
tableaux I , I I I et I X sont exacts!
(7) Une étude plus rigoureuse devrait comprendre, en plus, une analyse
de la variance. L'identité des populations i à la population-mère T n'entraîne
pas nécessairement l'identité des populations entr'elles [59].
LE GISEMENT D E BUKENA 29
O O O O I OO'-'O'-'
O. c
O O O O Ö O O O Ö O O Ö
b ^ O O c5 o ' e " o " e 6" cT o "
< •
o_ O Ö O O O O O o_ O O Ô
O o" O c O o" O O o " o" o"
s 3j —,
5 iJ
q_oo6óooöóooc5óO
o" <S o" o ' cT o" Ci" c T <s o" d" o"
Il
—I b
O r - i r - i o o o Q - ^ c O ' - ' ^ o o ' ^ o o r -
X q_ 0^ o_ ö _ ô_ O
O o " o ' o " O o " O o " O c T o" o " o "
w^\C'^w^<7\»r.O0'-*^CS(N00'-<'-'
1—",—l^^fsj^r-ir^T-Hi—((N^tNtN
Ö O O O Ö O Ö Ö O O Ö O Ö O
o " c o " d" o " o " ó ö cT o " o" o"
•sor-r--tf^oornoo«^'~i<:7\^XtrNC\
5 8 «i3 o^
SoS
30 LE GISEMENT DE BUKENA
a
o
-3 M
it m b
3 cri
-a > o' o"
Ui
3
11
%B
'V
-S w 8 S S
r-* n
o
.2^ m
Cï" 6" cT o"
^ ^ ^
3 1-f (N) r-i I-"
J3 \Û V£? ^
r-i 1-1 r~
Ö os
1^
1» j2 os O 0\
3 (N en 00
fN Ö ON
(-1 1-1
z "
le
O o H < m U Q
L E GISEMENT D E BUKENA 31
1/
/
/
T * ( r ) = 2 L,fi(r) (16)
i=l
Les fonctions f i ( r ) sont connues et linéairement indépendantes,
mais quelconques et les L i sont des coefficients à déterminer.
Introduisons une fonction géométrique associée à V':
. , . 1 si r e V I
^ « ^ O s i r ^ V l
Pour trouver le meilleur ajustement par la formule (16), on
choisira les constantes L i par la méthode des moindres carrés, de
façon à rendre minimum la variance des résidus, c'est-à-dire l'in-
tégrale:
34 LE GISEMENT D E BUKENA
1= f e=(r)dV= r [T(r)-Tx(r)}MV:
k(r) [ T ( r ) - L . f . ( r ) p d V
V
M,
VI
2 U Mu = — f k ( r ) T ( r ) f i ( r ) dV (19)
)=i VI
Si on accepte que la matrice ( M i j ) admet une matrice inverse
( N i j ) , la solution de (9) et de notre problème sera:
^ 2 Nu / k ( r ) T ( r ) f . ( r ) d V (20)
VI 1 = 1
T u * = 2 Lu xi yi (21)
ij
Supposons que l'on dispose de n échantillons et que le poly-
1
nome choisi soit du me degré, c'est-à-dire comporte k = —
(m + 1) (m -)- 2) termes. La matrice L colonne (k l ) des
coefficients Lu est donnée par
L = (tM-M)-^-tM-T (22)
Tableau X I V
Teneurs T Accumulations A
T W = Iog T A B = log A
Tableau X V
Estimation
Moyennes des teneurs calculées par ajustement polynomial
(pondération par les surfaces S u )
Gisement exploité
total 686 201,32 195,81 1 136 24
980 6855 5 646 269 45
T i ) > 1 000 g/m' Gisement en place
447 39,45 39,13 3 334 ± 47
983 4 875 4 244 399 ± 57
total
Gisement entier
479 36,75 36,50 4 366 55
T i j > 1 000 g/m'
982 2 760 2 540 668 72
total
(*) Les volumes correspondants sont indiqués au tableau III.
T i j > 1 000 g/m'
outre, la vairiance des résidus est dans ces cas trop faible pour
représenter l'écart entre l'ajustement polynomial sur tout le gise-
ment et les variations locales de la teneur.
I l faut aussi signaler une autre conclusion importante. La te-
neur moyenne des zones d'influence des puits à teneur supérieure
à 1 000 g/m** est inférieure à ce chiffre. Ce fait est indépendant
de l'imprécision de la méthode dans ces zones ( 9 ) .
On évaluera, en observant ces chiffres, l'erreur importante que
l'on commet en attribuant à une zone d'influence la teneur d'un
échantillon central riche lorsqu'il est entouré (et c'est souvent le
cas à Bukena) d'échantillons à teneurs plus faibles (10).
Le tableau X V I indique les résultats de l'estimation à partir
des logarithmes des teneurs.
Tableau X V I
Estimation
M o y e n n e s des l o g a r i t h m e s des t e n e u r s c a l c u l é e s p a r a j u s t e m e n t p o l y n o m i a l
( p o n d é r a t i o n p a r les surfaces S i j )
variance
moyenne variance TG* = eW* poids SnOa ( t ) Four-
catégorie min.
.10* g/m' (*) chette conventionn.
W* .10'
Gisement exploité
total 6,5188 5,068 4,930 678 1 123 ± 2
Tij > 1 000 g/m" 6,805 116,44 95,88 901 247,0 ± 0,3
Gisement en place
total 5,880 1,506 1,494 358 2 670 ± 8
Tu > 1 000 g/m' 6,7856 77,88 67,89 885 359,1 ± 0,5
Gisemen t entier
total 5,965 1,267 1,258 390 3 455 ± 9,5
Tu > 1 000 g/m' 6,7925 45,41 41,79 891 605,8 ± 1
( 9 ) Q u i ne f a i t qu'accentuer le p h é n o m è n e .
( 1 0 ) L ' i n v e r s e est é g a l e m e n t v r a i . D a n s le gisement e x p l o i t é p.ex. l a t e n e u r
m o y e n n e dans les zones d ' i n f l u e n c e des puits T u < 5 0 0 g / m ' et n e t t e m e n t
s u p é r i e u r e à ce c h i f f r e .
42 LE GISEMENT DE BUKENA
Tableau XVII
Estimation
Moyennes des accumulations calculées par ajustement polynomial
(pondération par les surfaces Su)
Gisement exploité
total 1 538 894,95 870,55 1 127 ± 22
1622 25 057 20 635 229 ± 45
Ti) > 1 000 g/m''
Gisement en place
689 130,62 129,58 3 097 51
total 1 576 15 099 13 147 376 71
Gisement entier
Tu > 1 000 g/m' 808 130,27 129,39 4 224 7&
1 592 8 654 7 963 638 73
total
(*) Les surfaces correspondantes sont indiquées au tableau I.
T,j > 1 000 g/m'
Tableau X V I I I
Estimation
Moyennes des logarithmes des accumulations calculées par ajustement polpnomial
(pondération par les surfaces Sij)
Gisement exploité
total 7,185 6,163 5,994 1 319 967 ± 1
Tij > 1 OOO g/m' 7,2439 119,75 98,62 1 40O 198,1 ± 0,2
Gisement en place
total 6,315 1,763 1,449 553 2 485 ± 4,5
Tij > 1 OOO g/m^ 7,1865 85,3 74,27 1 33'2 344,9 ± 0,4
Gisemen t entier
total 6,437 1,505 1,495 625 3 269 ± 5,5
Tij > 1 OOO g/m^ 7,2068 48,34 44,48 1 349 540,2 ± 0,6
faibles que ceux obtenus à partir des teneurs (et leurs loga-
rithmes) .
En conclusion, nous dirons que, pour Bukena, l'analyse des
tendances ne convient éventuellement que pour l'estimation glo-
bale des réserves.
V I . KRIGEAGE
6.1. Les variables régionalisées [ 9 , 44, 45, 46, 48, 68, 70}
6.1.1. Définitions
Nous croyons utile de donner un large résumé des travaux de
l'école géostatistique. Dans la mesure du possible, nous éviterons
d'utiliser le langage des géostatisticiens. Toutefois, nous sommes
obligés d'utiliser leurs termes, afin de ne pas créer de confusion.
Selon MATHERON, une variable régionalisée (V.R.) décrit
l'évolution dans l'espace d'un phénomène naturel, p.ex. d'une
teneur T ( r ) . La V.R. n'est définie que dans une région déter-
minée, le gisement (ou plus généralement son champ géométri-
que). Le plus souvent, on ne connaît pas les valeurs ponctuelles
d'une V.R., mais les valeurs moyennes à l'intérieur du volume v
d'un échantillon (ou plus généralement d'un support géomé-
trique) .
La recherche des valeurs ponctuelles posera d'ailleurs des diffi-
cultés de définition. En effet, si l'échantillon est ponctuel, la V.R.
ne peut prendre que les valeurs 0 ou 1, selon que le point est à
l'intérieur ou à l'extérieur d'un grain minéralisé; encore faudra-t-
il définir cette valeur sur la surface d'un tel grain (qui apparaît à
cette échelle comme une surface de discontinuité).
A une échelle plus grande, la variation d'une V.R. présente une
certaine continuité. Toutefois, i l n'est pas exclu qu'à l'intérieur du
gisement existent un ou plusieurs réseaux de discontinuités liés à
des structures particulières (lentilles, sécrétions, filonets, micro-
bassins de sédimentation, joints de stratifications, e t c . ) . I l arrive
même que la valeur moyenne de [ T ( r ) — T ( r o ) } ' ne tende pas
vers zéro, lorsque r ro. On a alors un effet de pépite. La seule
condition que l'on impose à une V.R. est que ƒ T ( r ) dV ait un
sens dans un domaine quelconque du gisement. On sent intuiti-
vement qu'une grandeur physique, telle que la teneur, remplit
toujours cette condition.
LE GISEMENT DB BUKENA 45
fi*f2= r fi(r) f 2 ( h - r ) dV
'V
et si
tT = T ( — r ) et tk = k ( — r )
sont les transposées de T et k on aura:
g(h) = T * t T et K(h)=tk*k (24)
Dans la pratique de la prospection, la teneur ponctuelle T ( r )
n'est pas connue; on détermine expérimentalement la teneur
moyenne d'un échantillon de volume v entourant le point r. La
quantité de substance utile contenue dans le volume v est:
T ( r ) = -5- = - r T ( r + h) dh (25)
V
V
T ( r ) = - f T ( r + h)p(h)dh
P „
avec
P - ƒ P(h) dh
T(r)=— r T ( h ) t p ( r - h ) dh = - ^ T * t p
P P
Le covariogramme (24) apparaît comme la quantité de sub-
stance utile obtenue lorsqu'on pondère la teneur par elle-même.
Appelons P(h) = p* 'p le covariogramme de la fonction de
pondération et cherchons le covariogramme gt (h) de la teneur
moyenne T (r) :
Appelons
Q = / T ( r ) dV (26)
Q*(r,) = ai a 2 a 8 S 2 ; 2 : T ( r . )
kl, kl, ks = — o»
Puisque l'origine xo, yo, Zo est arbitraire, la fonction Q* ( r i )
est une fonction périodique de périodes ai, a2, aa. On peut donc
la développer en série de Fourier.
Q*(^0 =
Xo yo Zo
2 Cpi p2 p3 exp 2 TT ipi + P2 + p3 (27)
ai a2 as
avec
Cpi.p2p3 = — r Q*(n)
p
1
Xo yo Zo
exp 2 -77 i pi h p2 ps dV
ai a2 33
pl p2 p3
(28)
ai a2 a3
On voit immédiatement l'inconvénient de l'idéalisation intro-
duite. Ou bien le gisement est infini et l'intégrale (26) est aussi
égale à l'infini, ou bien le gisement est fini et le développement
(27) n'est plus légitime. Les conséquences de cette incompati-
bilité se font sentir lors du calcul de la variance de l'estimation.
Le terme indépendant de (27) vaut:
Co = (p(0, 0 , 0 ) = ƒ T ( r ) d V = Q
p
On peut montrer qu'il est impossible d'estimer cette variance
lorsqu'on ne connaît que l'estimateur g*(ka) du covariogramme
transitif, calculé à partir des points de prélèvement des échan-
tillons. Même donc pour le cas particulier envisagé, i l est im-
possible de connaître la précision de l'estimateur Q* ( r i ) . On
peut bien sûr choisir a priori un covariogramme transitif (13).
Mais même dans ce cas, la variance o-^(a) de l'estimation com-
portera un terme régulier (ou d'extension) et un terme fluctuant
imprévisible (ou Zitterbewegung) qui résulte de l'incompatibi-
lité que nous avons signalée, c'est-à-dire de la discontinuité de
raccordement du covariogramme théorique à un axe, p.ex. x
lorsque la distance x devient égale à la portée du gisement.
Le problème de l'estimation se complique encore lorsqu'on
envisage la corégionalisation, c'est-à-dire l'estimation de deux ou
plusieurs V.R. dans un gisement (p.ex. le volume et la teneur).
On doit en effet tenir compte non seulement des corrélations
directes (ou internes) des valeurs de ces variables en un point r,
mais aussi des corrélations différées entre les valeurs de ces va-
riables en des points différents.
L'étude de la corégionalisation est encore très peu poussée.
Elle se limite à l'établissement des conditions d'indépendances
(interne et différée) de deux V.R.
En conclusion, nous dirons que la théorie générale des V.R. ne
conduit pas (au stade actuel des connaissances) à la solution du
problème de l'estimation.
Pour arriver à résoudre ce problème, i l faut introduire une
hypothèse supplémentaire. C'est ce que MATHERON fait dans sa
théorie intrinsèque.
(13)Par exemple une des fonctions isotropes que Matheron appelle claviers.
LE GISEMENT DE BUKENA 51
T ( n ) = E [ T ( n ) ] = ƒ T ( r O dF(T, r,)
(14) Aucun rapport entre les schémas transitifs et les représentations tran-
sitives; le choix des termes semble limité en géostatistique.
52 LE GISEMENT DE BUKENA
On a immédiatement:
G ( h ) = G(-h) < G (0) = o-^ ( T ) > 0
2V ' '
V
y * ( h ) = l ^ * M [ T ( r + h) - T ( r ) ] n (31, B )
G*(0)-G*(h)=^ ƒ [T(x)-T]Mx-
0
L - h
7 - ^ ƒ C T ( x ) - T ] [ T ( x + h) - T . ] dx
L —h
0
L - h
^- r [T(x)-T]Mx +
2 (L-h) { ^ ^ ^
L - h
^- / [ T ( x + h) - T . ] M x —
2(L-h) ^ ^ ^
L - h
\ ƒ CT(x) - T ] [ T ( x + h ) - T . ] dx =
L —h
0
L - h
[ T ( x + h) - T ( x ) + T - Th]^ dx
2 ( L—
- h )ƒ
0
:^a*M[T(x + h)-T(x)]n
L-h
^ ^ / c T ( . + h)-TW).d.
y(h)= 2 r.(h)= 2 2
:0 n: al
On montre que cette série est absolument convergente et
que y (h) tend vers une fonction de D E W I J S de dispersion
1
3a = . Pour i = 3 déjà la courbe y (h) tracée sur un
log a
papier semi-logarithmique s'écarte à peine d'une d'une droite.
D'une façon générale, la fonction y ( h ) est paire:
y ( h ) = y ( - h ) > 0.
Le comportement de y (h) au voisinage de l'origine donne des
indications sur la régularité de la variation de la teneur elle-même
[ 9 , 70, 7 1 } . En particulier, si y ( 0 ) =7^ 0 on a un effet de pépite.
L'école française explique l'effet de pépite par l'existence d'une
transition à une échelle beaucoup plus petite que celle adoptée
pour h [ 4 8 , 7 1 } .
Pour les applications à l'estimation, le gisement doit être iso-
trope. On peut également traiter quelques cas simples pour les-
quels y (h) dépend de la direction. Une anisotropie est géomé-
trique, si on revient au cas isotrope en choisissant une unité de
longueur variable en fonction de la direction. On peut également
envisager des anisotropies zonales comme par exemple dans le
cas hypothétique d'un gisement parfaitement stratifié et régulier,
caractérisé par un y ( h ) horizontal et un y(z — zO) vertical. On
56 LE GISEMENT DE BUKENA
T = — 1
T ( r ) dV
V -^v
et, d'une façon plus générale, si on utilise un facteur de pondé-
ration p ( r )
T * - T = 2 Li T ( n ) - f p(r) T ( r ) d V
a
i -'v
Y(r - rl) dV dVl - 2 L , Lj y(r, - r j ) (33, A )
&\T*~T)=^ 1 Jy(r-rOdV
I = 1V
1 1
— log X r d V i dVi. = — — (log r + log X ) dvi du2
3a r f V
= I àvi f logXdu3 = 3 a l o g X = o:log— (34)
6.1.4. Le Krigeage
Considérons un gisement de volume V à l'intérieur duquel la
teneur est une V.R. T ( r ) . Appelons p ( r ) le facteur de pondéra-
tion des teneurs.
La teneur moyenne du gisement est:
T = ƒ p(r)T(r)dV
V
ou, plus simplement
T= — f T ( r ) dV
V
On dispose d'une série (continue ou discontinue) d'échantil-
lons (17) prélevés dans un volume (qui ne coïncide pas néces-
sairement avec V ) . La teneur moyenne estimée à partir de ces
échantillons et d'un facteur de pondération L vaut:
(17) Ponctuels ou non. Nous venons de voir que les formules géostatisti-
ques restent les mêmes lorsqu'on remplace la teneur ponctuelle par la teneur
de l'échantillon et y (h) par la fonction régularisée.
60 L E GISEMENT D E BUKENA
OU
T* = S Li Ti (cas discontinu) (36)
i
La variance de cette estimation, que l'on note an, est donnée
par la formule (33).
Le Krigeage est une méthode de calcul du facteur de pondéra-
tion L qui rend la variance d'estimation minimum. I l appartient
à la famille des techniques d'estimation dites à implantation fixe
et champ flottant.
On considère que le gisement n'est qu'une partie d'un gise-
ment beaucoup plus grand (18). Pour le calcul, on conserve la
position des échantillons et on déplace le gisement dans toutes les
positions possibles. A cause de cette flottaison, la teneur T n'est
plus constante mais devient elle-même une V.R.
Lors d'une estimation, la variance <yn résulte de la superposi-
tion des erreurs que l'on commet en étendant aux lignes les te-
neurs des points de prélèvement, celles des lignes (supposées
connues) aux surfaces et celle des surfaces au gisement tout en-
tier. En géostatistique, on admet que ces erreurs sont indépen-
dantes (19). Le problème de l'estimation peut ainsi être toujours
ramené à l'espace à une dimension.
Prenons le cas simple d'une droite de longueur M sur laquelle
on a prélevé n échantillons de longueur m répartis d'une façon
. M
homogène. Les points de prélèvement ont xi 1 —
M
1 —•- a avec: a = = zone d'influence d'un prélèvement
(20).
T* = — 2; Ti
n
Selon la technique adoptée, T et T* sont des variables régiona-
lisées. Elles ont bien sûr la même moyenne E ( T * — T ) ==0.
La variance de T * — T sera la variance de l'estimation. Elle
vaut:
o-n= = o-^(T* — T ) = cr^(T) — 2 cov (T, T*) + o-'(T*) =
- a ( T 0 + 4 2 cov (T., T O -
n n
- 2 ^ov(T>>T)+orHT) (37)
X(h) = — I 3 a l o g x d x = 3 a [ l o g h — 1 ]
(h)=^J 3 a ( h — x ) l o g x d x =
0
6 r 1
— h loe X — hx x^ log x + — X- = 3 l o g h - -
h^ L ^ 2
La variance d'extension d'un échantillon central à sa zone d'in-
fluence vaut dans ce cas:
M
O-E' = 3 a log 1 — 2 log 2 (38)
m
Remarquons une intéressante propriété du schéma de D E WIJS:
La variance d'extension d'un échantillon central (38) est infé-
rieure à la variance de la teneur de cet échantillon dans sa zone
d'influence (35).
On peut écrire une formule analogue à (38) en composant les
variances d'extension des échantillons centraux. Appelons T i la
teneur de la zone d'influence de l'échantillon i. On a:
T*-T = 2 (Ti-Ti)
et i
^^(T* _ T ) _ ^ 2 ( T ) _ 2 2 Li Cov ( T , T i ) +
i
2 L, o-^(Ti) + 2 2 L, Lj Cov (T,, Tj)
1 i<j
Pour chercher le minimum de cette fonction liée par 2 Li = 1
on considère la fonction de Lagrange o--(T* — T ) — / i , 2 Li
dont les n dérivées par rapport aux Li doivent être nulles. On
aura (n - j - 1) équations:
2Li = l
Considérons chacune des n — 1 premières équations (dans
n —1
lesquelles on remplace Ln par 1 — 2 Lj ) et la ne
j= 1
n - 1 _
COV ( T i , T„) — 2 cov ( T i , T„) Lj = ^ + cov (T, T i )
i =1
(r^(Tn) - 2 Lj a'{Tn) +
i- 1 _
2 Lj cov (T„, T j ) = /A + cov (T, T„)
i = i
i= 1
Ti* = 2 L i i T i et T2* = 2 L i 2 T i
On aura donc:
Vl V2
Li, 1+2 = Li,i -| Li2
V l + V2 V l + V2
et
Vl V2
T*i^2 = Ti* H T2*
V l - f V2 V l + V:2
On exprime cette propriété en disant que les Krigeages com-
plets se superposent.
Le mot « complet » est ajouté, car en pratique on ne krige pas
en entier une zone d'influence. On se limite à l'échantillon cen-
tral (s'il existe) et à une ou deux auréoles d'échantillons prélevés
à la périphérie ou à l'extérieur de cette zone. Ces auréoles auront
un e f f e t d'écran et l'influence d'échantillons plus éloignés devient
négligeable.
Prenons comme exemple un cas extrême. Soit, dans un gise-
ment caractérisé par une loi De W i j sienne (formule 32) une zone
d'influence circulaire, de rayon R. Supposons que la teneur
moyenne t de la périphérie soit parfaitement connue.
Adoptons comme estimateur de la teneur moyenne T du cercle
la teneur t
T* = t
La variance d'extension vaut:
o-E^ = a^(t - T ) = o--^(T) - 2 Cov (t, T ) + a ^ t )
On démontre [44, pp. 86-88} que:
o-^(t) = Cov (t, T ) = A — 3 a log R
et
(THT)=A-3a l o g R - ^-
donc:
3
1
Prélevons une série d'échantillons extérieurs au cercle, de
teneur moyenne T et krigeons en tenant compte de t et de T.
66 L E GISEMENT D E BUKENA
3
L= 0 T* = t et o-K- = o-E- = — a
4
(21) Rappelons que ce problème a été étudié pour la première fois par
Baty [ 3 ] .
70 L E GISEMENT D E BUKENA
»5'
O). fT>' yi
> S
S
in
O)
CTO era
I
ö ••
S' ts
Q à.
O
OS
œ
S
3-
m
CTQ
I 5-
03
O
C
erg
D P
QfQ Cr?
P O
-^\-[\-'—I—^—r
> S
O)
C
00
O)
09
O
C 3-
O
en
13
3: s
I s
•-t
g
t;
O.
(T)
a.
c
"1 ' r
8 8 o
O
-If-
70
70
O
QTQ
i-t
3
3
3 C)
CTQ CR
O
CTQ
51
d f>o'
S
O
3 S-
d S
O
CTQ
td s
n S
S
LE GISEMENT D E BUKENA 71
Tableau X I X
Tableau X X
Estimation
Moyennes des accumulations  u * obtenues par Krigeage,
pondérées par les surfaces Sij
moyenne
variance surface poids Sn02 (t) Four-
catégorie À*
<rK= ( À * ) m^ chette conventionn.
g/m'^
Gisement exploité
total 1 687 341,82 751 410 1 267 ± 14
 , , * > 1 500 1 787 21 429 254 410 459 ± 74
Gisement en place
total 664 724 4 816 990 3 198 ± 12,2
À i j * > 1 500 1 709 22 841 238 110 407 ± 71
Gisement entier
total 815 468,3 5 568 400 4 466 ± 120
À i j * > 1 500 1 760 14 727 492 520 866 ± 119
Tableau X X I
Estimation
Moyennes des logarithmes des accumulations B i j * — log A r j * obtenus par
Krigeage, pondérés par les surfaces Sij
Gisement exploité
total 7,3601 2,936 1 572 751 410 1 181 ± 1
eEÏÏ* > 1 500 7,4608 191,86 1 739 244 140 424,6 ± 0,3
Gisement en place
total 6,2990 6,22 544 4 816 990 2 620 ± 5
eSil* > 1 500 7,3601 245,39 1 573 197 900 311,3 ± 0,3
Gisemei / entier
total 6,4422 4,02 628 5 568 400 3 497 ± 6
eBÎ]* > 1 500 7,4417 113,03 1 705 442 040 753,7 ± 0,4
Tableau XXII
Estimation
Moyennes des teneurs T i j * obtenus par Krigeage,
pondérés par les volumes V i j
Gisement exploité
total 806 li08,03 1 699 900 751 410 1 370 ± 18
T i j * > 1 000 g/m' 1 190 4 960 159 625 92 710 190 ± 23
Gisement en place
total 411 206,54 7 718 600 4 816 990 3 172 ± 111
T i j * > 1 OOO g/m' 1 139 4 057 248 675 150 340 283,3 ± 32
Gisemer it entier
total 482 141,25 9 418 300 5 568 40O 4 540 ± lil2
T i j * > 1 OOO g/m' 1 159 2 264 408 300 243 050 473 ± 78
Estimation
Tableau X X I I I
JVIoyennes des logarithmes des teneurs W i j * = log T i j * obtenus par Krigeage,
pondérés par les volumes V j i
.1
Gisement exploité
total 6,6383 3,353 764 1 699 900 751 410 1 299 ± 2
eWij* ^ 1 000 7,0957 112,50 1 207 143 860 81 820 172,4 ± 0,2
Gis ement en place
total 5,812 6,323 334 7 718 600 4 816 990 2 578 ± 8
eWij* ^ 1 000 7,0116 122,9 1 109 254 650 154 700 282,2 ± 0,2
Gisement entier
total 5,961 4,32 389 9 418 300 5 568 400 3 664 ± 10
eWij* > 1 000 7,0412 66,98 1 143 397 510 236 520 454,2 ± 0,4
Ces résultats sont à la fois moins bons que ceux obtenus par
Krigeage des teneurs elles-mêmes et meilleurs que les autres esti-
mations à partir des logarithmes des teneurs. Seul le chiffre cor-
respondant au gisement entier est, comme pour les autres K r i -
geages, très voisin de celui de l'estimation par analyse des ten-
dances.
L'image de gisement (fig. 16) est très semblable à celle donnée
par les teneurs, mais les zones riches sont plus réduites.
Enfin, à la figure 17, nous avons indiqué les courbes de distri-
butions des valeurs moyennes de Krigeage dans les zones d'in-
fluence pour les 4 variables étudiées.
On constate que les distributions ne sont plus du tout assimi-
lables à des courbes log-normales, ce qui montre bien le danger
qu'il y a à utiliser des distributions pour l'estimation.
LE GISEMENT D E BUKENA 83
[31} HE'WLETT, R.F.: Polynomial surface fitting using sample data from
an underground copper deposit - U.S.B.M. R.I. 6522 (1964).
[32] K E N D A L L , M.G. and S T U A R T , A . : The advanced theory of statistics
(2nd ed.) - Ch. Griffin (1968).
[33] K O C H , G.S.: Computer applications in mining geology - Computer
applications in the earth sciences (an international symposium)
Plenum Press (1969) pp. 121-140.
[34] K O C H , G . S . and L I N K , R.F.: Statistical analysis of geological data -
J. Wiley and sons, vol. 1 (1970); vol. 2 (1972).
[35] K R I G E , D.G.: A statistical approach to some basic mine valuation
problems on the Witwatersrand - Journ. Chem. Metall. Min. Soc.
South Africa, vol. 52 (6, 1951) pp. 119-139.
[36] K R I G E , D . G . and M U N R O , A . H . : A review of some conceptual and
practical implications of the use of valuation surfaces for gold ore
reserve estimation - Can. L M . M . Special, vol. 9, Ore reserve esti-
mation and grade control (1968) pp. 33-40.
[37] K R U M B E I N , W . C : Trend surface analysis of contour-type maps with
irregular control-point spacing - Journ. of Geophys. Research, vol.
40 (1959) pp. 823-824.
[38] K u s c E v i c , B., T H O M A S , T . L . and P E N B E R T H Y : Sampling distri-
bution in South Crofty tin mine, Cornwall - Trans. I.M.M., vol.
81, sect. A, Bull. 788 (7, 1972) pp. A. 180-187.
[39] L A S K Y , S.G.: How tonnage and grade relations help predict ore
reserves - Eng. Min. Journ., vol. 151 (4, 1950) pp. 81-85.
[40] L A S K Y , S.G.: La relation entre le tonnage et la teneur des minerais
et la prévision des réserves - Chr. mines colon., vol. 19, n° 177
(3, 1951) pp. 58-65. Traduction française par Blondel de l'article
anglais publié dans Color. School of mines quarter, vol. 45, n° 1A
(1, 1950).
[41] L I N K , R.F., K O C H , G.S. and G L A D F E L T E R , G . L : Computer methods
of fitting surfaces to assay and other data by regression analysis -
U.S.B.M. R.L 6508 (1964).
[42] L I N K , R.F., K O C H , G.S. and S C H U E N E M E Y E R , J.H.: Statistical ana-
lysis of gold assay and other trace-element data - U.S.B.M. R.L
7495 (4, 1971).
[43] L I N K , R.F., Y A B E , N . N . and K O C H , G.S.: A computer method of
fitting surfaces to assay and other data in three dimensions by
quadratic-regression analysis - U.S.B.M. R.I. 6876 (1966).
[44] MATHERON, G . : Traité de géostatistique appliquée; tome I - Mé-
moires du B.R.G.M., n° 14 (1962).
[45] M A T H E R O N , G.: Traité de géostatistique appliquée; tome I I : le Kri-
geage - Mémoires du B.R.G.M., n° 24 (1963).
[46] M A T H E R O N , G.: Principles of geostatistics - Econ. geol., vol. 58 (8,
1963) pp. 1246-1966.
[47] MATHERON, G.: Etude théorique des granulométries - B.R.G.M.,
note de géostatistique, n" 57 (12, 1964).
90 L EGISEMENT D E BUKENA
Eng. and min. journ., vol. 196 (9, 1959) pp. 111-115.
[61] P I L O S K I , M.J.: Discussion de [ 1 ] - Can. LM.M. Special, vol. 9,
and C° (1927).
[64] R O L L E T , A.: La centrale géothermique de Kiabukwa (Katanga) -
publié).
[66] R O Y L E , A.G.: Discussion de [81] - Trans. I.M.M., vol. 82, sect.
sets and ore reserve estimation - Trans. LM.M., vol. 81, sect. A,
Bull. 788 (7, 1972) pp. A. 121-128 et Bull. 794 ( 1 , 1973) pp.
A. 25-27.
LE GISEMENT D E BUKENA 91
RÉSUMÉ 3
SAMENVATTING 3
I . Bukena 5
I I . Les divers méthodes devaluation 9
I I I . Notations utilisées 13
I V . Application des méthodes statistiques 14
V. L'analyse des tendances 33
V I . Krigeage 44
V I I . Conclusions 85
REMERCIEMENTS 86
BIBLIOGRAPHIE 87