Sebenta · Recolher, armazenar e processar dados na prospeção de recursos minerais (UC01873)

Introdução

Esta sebenta ensina a gerir a informação de um projeto de prospeção de recursos minerais, desde o momento em que um dado nasce no terreno até à interpretação final num Sistema de Informação Geográfica (SIG). Um projeto de prospeção só vale o que valem os seus dados: uma descoberta geológica excelente, mal registada ou mal guardada, perde todo o seu valor. Pior: um dado errado que ninguém deteta pode levar a gastar dinheiro numa sondagem no sítio errado.

O percurso segue o ciclo real de um gabinete técnico. Primeiro entendemos o que é a prospeção, em que quadro legal decorre e que tipos de depósitos minerais existem. Depois vemos como se recolhem dados no terreno e como se georreferenciam no sistema oficial português. De seguida aprendemos a armazenar e organizar esses dados em bases de dados relacionais bem modeladas, a manusear software de gestão de informação e SIG, e por fim a processar, analisar, modelar e cruzar a informação para chegar a conclusões defensáveis, sempre com controlo de qualidade e segurança.

Objetivos de aprendizagem (referencial): recolher e armazenar dados da prospeção de recursos minerais; implementar e organizar bases de dados provenientes da prospeção; analisar e processar informação resultante da prospeção; interpretar e controlar essa informação; manusear software de gestão e Sistemas de Informação Geográfica; identificar diferentes tipos de depósitos de recursos minerais; e modelar a informação proveniente da prospeção.

Como estudar com esta sebenta: lê cada capítulo e refaz sozinho, com papel e calculadora, cada exemplo resolvido. As contas são simples (médias, distâncias, conversões de unidades), mas é nelas que se apanham os erros mais caros. No fim, resolve os exercícios sem olhar para a resolução.

1. A prospeção de recursos minerais

A prospeção é o conjunto de trabalhos técnicos e científicos que procura, localiza e caracteriza depósitos de recursos minerais com interesse económico, antes de se avançar para a exploração e extração. A legislação portuguesa fala em prospeção e pesquisa: a prospeção procura indícios, a pesquisa caracteriza o depósito encontrado. Um recurso mineral só se torna um projeto de mina depois de um longo trabalho que reduz a incerteza sobre onde está, quanto existe e com que qualidade.

O trabalho divide-se em duas frentes que se complementam:

• Trabalho de campo: cartografia geológica, amostragem, sondagens, medições geofísicas, tudo o que acontece no terreno.
• Trabalho de gabinete: introdução, validação, organização, cruzamento e interpretação dos dados recolhidos, produção de mapas, modelos e relatórios.

O Técnico de Prospeção e Pesquisa de Recursos Minerais apoia geólogos e engenheiros de minas sobretudo na segunda frente: recolher e armazenar dados com rigor, implementar e organizar bases de dados, e analisar e processar a informação para apoiar as decisões técnicas do projeto. O contexto de trabalho definido no referencial é o gabinete técnico.

Fases de um projeto de prospeção

Em todas as fases repete-se o mesmo ciclo de gestão de informação: recolher, registar, armazenar, processar e interpretar. A quantidade de dados cresce de fase para fase: um reconhecimento pode ter umas dezenas de amostras, uma avaliação tem dezenas de milhares de metros de sondagem e centenas de milhares de resultados analíticos. É por isso que uma folha de cálculo que chegava no início deixa de chegar mais tarde.

O quadro legal em Portugal

A distinção que interessa ao técnico de dados não é a profundidade nem o tamanho da exploração: é jurídica.

As entidades públicas que o técnico encontra no dia a dia são duas:

• DGEG (Direção-Geral de Energia e Geologia): é a entidade licenciadora, que atribui e acompanha os direitos de prospeção e pesquisa e de exploração, e a quem os titulares entregam relatórios e dados.
• LNEG (Laboratório Nacional de Energia e Geologia): é o laboratório do Estado para a geologia e as minas. Publica as cartas geológicas e disponibiliza no seu geoportal bases de dados públicas, entre elas o SIORMINP, o Sistema de Informação de Ocorrências e Recursos Minerais Portugueses, com a localização, substâncias, morfologia e contexto geológico das ocorrências minerais conhecidas.

Para o técnico de gabinete, isto tem uma consequência direta: os dados de um projeto têm de ser organizados de forma a poderem ser entregues e auditados (relatórios à entidade licenciadora, auditorias de investidores), e a fase de reconhecimento começa quase sempre por consultar as bases de dados públicas do LNEG antes de pôr os pés no terreno.

2. Tipologia de depósitos minerais

Um depósito mineral é uma concentração natural de um ou mais minerais, num volume de rocha ou sedimento, com potencial valor económico. Conhecer a tipologia de um depósito é essencial porque condiciona todo o resto do trabalho: que elementos analisar, que dados recolher, que forma esperar para o corpo mineralizado e como organizar e interpretar a informação.

Recurso, reserva e teor

Três palavras que se usam todos os dias e que não são sinónimos:

• Teor: a concentração do elemento útil na rocha, expressa em percentagem (%), em gramas por tonelada (g/t) ou em partes por milhão (ppm). Para metais preciosos usa-se g/t; para metais base (cobre, zinco, chumbo) usa-se normalmente %.
• Recurso mineral: concentração com perspetivas razoáveis de vir a ser explorada, estimada a partir dos dados de prospeção.
• Reserva mineral: a parte do recurso que, depois de estudos técnicos e económicos, se demonstra ser explorável com lucro.

O técnico de dados trabalha sobretudo antes destas estimativas, mas é a qualidade da sua base de dados que as sustenta.

Classificação pela génese

• Depósitos primários (endógenos): formam-se por processos no interior da crosta: magmáticos (cristalização e segregação a partir de um magma), hidrotermais (fluidos quentes que circulam e depositam minerais em fraturas ou substituem a rocha), metamórficos ou associados a vulcanismo submarino.
• Depósitos secundários (exógenos): formam-se à superfície ou perto dela, por meteorização, erosão, transporte e deposição. Incluem os placers (depósitos aluvionares ou de praia de minerais densos e resistentes), os depósitos sedimentares e os depósitos residuais e supergénicos (lateritos, zonas de oxidação e enriquecimento).

Principais tipos de depósitos

A tabela não é para decorar de uma vez: é para voltares a ela sempre que um conjunto de dados te obrigar a perguntar "que depósito estamos a procurar?".

Classificação pelo tipo de recurso

Porque é que a tipologia muda a base de dados

Exemplo resolvido: escolher o método pelo tipo de depósito

Situação: existe suspeita de um depósito aluvionar de estanho num vale, e de um filão de quartzo com volfrâmio numa vertente próxima.

1. Para o placer: a recolha faz-se por poços ou sondagens rasas nos cascalhos e por bateia (lavagem manual), procurando minerais densos concentrados no leito e nos terraços do rio.
2. Para o filão hidrotermal: a recolha faz-se por amostragem de rocha em afloramento e em trincheira, perpendicular ao filão, e, se justificado, por sondagem com recuperação de testemunho (coroa diamantada) que atravesse o filão em profundidade.
3. Em ambos os casos, cada amostra recebe um identificador único, coordenadas, sistema de referência e a descrição geológica.
4. Os dois conjuntos entram na mesma base de dados do projeto, mas os atributos diferem: para o placer interessa o volume de cascalho e o peso de concentrado; para o filão, a espessura, a atitude e o teor.

Conclusão: reconhecer o tipo de depósito não é um exercício académico, é o que determina o desenho da recolha e da base de dados.

Exemplo resolvido: converter Li em Li₂O

Situação: o laboratório entrega um resultado de lítio de 6 000 ppm Li, mas o projeto reporta em % Li₂O.

1. Passar ppm a percentagem: 1 % = 10 000 ppm, logo 6 000 ppm = 0,60 % Li.
2. O fator de conversão resulta das massas molares: Li₂O tem 2 × 6,94 + 16,00 = 29,88 g/mol, dos quais 13,88 g são lítio. Fator = 29,88 ÷ 13,88 ≈ 2,153.
3. 0,60 % Li × 2,153 ≈ 1,29 % Li₂O.

Conclusão: a coluna da base de dados tem de dizer explicitamente se guarda Li ou Li₂O. Misturar os dois na mesma coluna é um erro de mais de duas vezes no teor.

3. Recolher dados no campo

A recolha de dados de prospeção combina vários métodos complementares, cada um produzindo um tipo de informação diferente, com necessidades próprias de registo.

Amostragem de sedimentos de corrente

É o método clássico de prospeção geral: o sedimento fino de uma linha de água representa, de forma aproximada, a rocha de toda a bacia hidrográfica a montante do ponto amostrado. Regras de campo que o técnico tem de conhecer, porque se refletem nos dados:

• Amostra-se cada afluente um pouco a montante da confluência, e não na própria confluência, onde os sedimentos dos dois cursos de água se misturam e deixam de representar uma bacia única.
• Amostra-se a montante de pontes, estradas, povoações e escombreiras, que podem contaminar o sedimento.
• Regista-se a fração granulométrica recolhida e o tratamento (crivagem), para que todas as amostras do projeto sejam comparáveis.

No gabinete, cada ponto de sedimento fica associado ao polígono da sua bacia de drenagem, e é essa bacia que se "pinta" quando a amostra é anómala.

Malhas de amostragem

Na prospeção de pormenor, os solos amostram-se muitas vezes em malha regular: linhas paralelas a um espaçamento fixo, com pontos a intervalos fixos ao longo de cada linha. O técnico prepara a malha no SIG, exporta os pontos para o recetor GNSS e recebe de volta as amostras.

Exemplo resolvido: contar os pontos de uma malha

Situação: uma área retangular de 2 000 m (Este-Oeste) por 1 500 m (Norte-Sul) vai ser amostrada numa malha de 100 m × 100 m, com um ponto em cada nó, incluindo os limites.

1. Intervalos na direção Este-Oeste: 2 000 ÷ 100 = 20 intervalos, logo 21 nós por linha (há sempre mais um nó do que intervalos).
2. Intervalos na direção Norte-Sul: 1 500 ÷ 100 = 15 intervalos, logo 16 linhas.
3. Número de pontos de amostragem: 21 × 16 = 336 nós.
4. Número de células da malha (quadrados de 100 m × 100 m): 20 × 15 = 300 células, que cobrem 3 km².
5. Se o plano de controlo de qualidade previr, por exemplo, uma amostra de controlo por cada 20 amostras de rotina, somam-se 336 ÷ 20 = 16,8, arredondado para 17 amostras de controlo, e o lote enviado ao laboratório tem 353 amostras.

Conclusão: confundir nós com células é um erro frequente que faz faltar 36 amostras no orçamento e no número de sacos levados para o campo.

Sondagens

As sondagens são a única forma de ver diretamente a geologia em profundidade, e são o dado mais caro de um projeto.

• Sondagem com recuperação de testemunho (coroa diamantada, também chamada carotagem): corta um cilindro contínuo de rocha, o testemunho, que se descreve, fotografa, corta ao meio e amostra.
• Sondagem destrutiva (por exemplo, a percussão com circulação inversa, RC): tritura a rocha e traz à superfície detritos (chips) recolhidos por intervalos de comprimento fixo. É mais rápida e barata, mas não preserva a estrutura da rocha.

Os dados de uma sondagem organizam-se sempre da mesma forma, e é esta estrutura que a base de dados vai reproduzir:

Também se registam a recuperação do testemunho (comprimento recuperado ÷ comprimento furado, em %) e o RQD, índices da qualidade do maciço rochoso.

Exemplo resolvido: recuperação de testemunho

Situação: numa manobra de 3,00 m (de 45,00 m a 48,00 m) recuperaram-se 2,64 m de testemunho.

1. Recuperação = 2,64 ÷ 3,00 × 100 = 88 %.
2. Se o intervalo de 45,00 m a 48,00 m for mineralizado, os 0,36 m perdidos podem corresponder precisamente à rocha mais fraturada e mineralizada.
3. Regista-se a recuperação na tabela de intervalos; uma recuperação baixa é um alerta de que o teor desse intervalo pode não ser representativo.

A ficha de campo e os metadados obrigatórios

Cada elemento recolhido (amostra, ponto de observação, furo) só é útil ao gabinete técnico se vier acompanhado de metadados, os dados sobre o próprio dado:

• Identificador único, o código da amostra ou do furo, que nunca se repete no projeto.
• Coordenadas, cota e sistema de coordenadas em que foram medidas (no continente, PT-TM06/ETRS89), com o método e a precisão do posicionamento.
• Data da recolha e operador (quem recolheu).
• Método de recolha e tipo de amostra (solo, sedimento, rocha, meia carote).
• Contexto geológico: litologia, alteração, estrutura observada.
• Fotografias e observações de campo em texto livre.
• Mais tarde, no gabinete, juntam-se o laboratório, o método analítico e o número do certificado de análise.

Uma amostra sem estes metadados chega ao gabinete como um número isolado, sem história e sem valor para a análise.

Exemplo resolvido: preencher uma ficha de campo

Situação: foi recolhida uma amostra de rocha alterada, com sulfuretos visíveis, num afloramento junto a uma estrada.

1. Atribuir o identificador segundo a convenção do projeto, por exemplo PR23-ROC-014 (projeto, ano, tipo de amostra, número sequencial). Os identificadores são preparados antes da campanha, em etiquetas pré-impressas, para evitar repetições.
2. Registar a coordenada, o sistema de coordenadas configurado no recetor GNSS e a precisão indicada pelo aparelho.
3. Anotar a litologia observada (ex.: granito alterado, com veios de quartzo) e a estrutura próxima (ex.: fratura com direção N-S).
4. Anotar que a amostra foi recolhida junto a uma estrada: é um possível contaminante, que tem de ficar escrito para quem interpretar o resultado.
5. Fotografar o afloramento e a amostra, com o nome do ficheiro de imagem associado ao identificador da amostra.
6. Registar a data e o operador, e enviar a amostra para o laboratório com uma guia de remessa que repete o identificador.

Conclusão: o identificador único é o fio que liga a amostra física, a ficha de campo, a fotografia e, mais tarde, o resultado laboratorial na base de dados.

4. Georreferenciação e sistemas de coordenadas

Georreferenciar é atribuir a um ponto uma posição exata e inequívoca na superfície da Terra, num sistema de coordenadas definido e documentado. Em prospeção, quase todas as perguntas são espaciais ("onde está a anomalia?", "este furo atravessa aquele filão?"), por isso um erro de coordenadas é um erro de interpretação.

Três ideias que não se podem confundir

• Datum (sistema de referência geodésico): define a forma de referência da Terra (um elipsoide) e a forma como esse elipsoide está posicionado em relação à Terra real. Sem datum identificado, a mesma coordenada numérica pode corresponder a locais diferentes.
• Coordenadas geográficas (latitude e longitude): posição angular, em graus, sobre o elipsoide do datum.
• Projeção cartográfica: regra matemática que passa o elipsoide para um plano, dando coordenadas em metros, práticas para medir distâncias e áreas.

O sistema oficial em Portugal

O ETRS89 é o datum; o PT-TM06 é a projeção. Dizer "o datum PT-TM06" é um erro de conceito. O código EPSG é o número que identifica o sistema dentro do software de SIG e deve ficar registado nos metadados de cada camada.

Dados antigos: os sistemas que ainda aparecem

Relatórios e sondagens de décadas anteriores estão muitas vezes noutros sistemas: Datum 73 e Datum Lisboa, em projeção Hayford-Gauss, ou o ED50 em UTM. As coordenadas destes sistemas não coincidem com as de ETRS89, e as diferenças podem chegar a dezenas ou centenas de metros, o bastante para pôr um furo fora do filão que atravessou. A conversão faz-se no SIG com as transformações oficiais (grelhas de transformação no formato NTv2, publicadas para Portugal), nunca somando uma diferença "à mão".

Como funciona o GNSS

GNSS é o nome genérico dos sistemas de posicionamento por satélite (GPS, Galileo, GLONASS, BeiDou). O recetor mede o tempo que o sinal de cada satélite demora a chegar e converte-o numa distância (pseudodistância). Com as distâncias a pelo menos quatro satélites, calcula a posição e corrige o erro do seu relógio. É um método de trilateração (por distâncias), não de triangulação (que mediria ângulos).

Precisão e exatidão

• Precisão: quão repetível é a medição, ou seja, quão próximas ficam medições sucessivas do mesmo ponto entre si.
• Exatidão: quão perto a medição está do valor verdadeiro.

Um aparelho pode ser preciso e pouco exato (dá sempre o mesmo valor, mas desviado) ou o contrário. O método e a precisão de cada coordenada têm de ficar registados junto dela, porque condicionam a confiança que se pode depositar num furo ou num limite.

Exemplo resolvido: distância entre dois pontos em PT-TM06

Situação: o colar do furo A está em M = −18 250,0 m, P = −95 600,0 m e o do furo B em M = −17 890,0 m, P = −95 120,0 m, ambos em PT-TM06/ETRS89.

1. Diferença em M: −17 890,0 − (−18 250,0) = 360,0 m (B está 360 m para Este de A).
2. Diferença em P: −95 120,0 − (−95 600,0) = 480,0 m (B está 480 m para Norte de A).
3. Distância horizontal: √(360² + 480²) = √(129 600 + 230 400) = √360 000 = 600,0 m.

As coordenadas em PT-TM06 podem ser negativas: a origem da projeção fica no centro do continente, e os pontos a Oeste ou a Sul dela têm M ou P negativos. Não é erro, e não se "corrige" tirando o sinal.

Conclusão: só se podem fazer estas contas com coordenadas planas no mesmo sistema. Com latitude e longitude em graus, a mesma conta não dá metros.

Exemplo resolvido: integrar um furo de um relatório antigo

Situação: um relatório dos anos 80 apresenta a localização de um furo, sem indicar o sistema de coordenadas.

1. Procurar o sistema no próprio relatório (legenda do mapa, anexos) ou nos metadados do ficheiro. A ordem de grandeza dos números ajuda: coordenadas de um sistema antigo e de PT-TM06 para o mesmo lugar têm valores claramente diferentes.
2. Converter para PT-TM06/ETRS89 no SIG, com a transformação oficial adequada ao sistema de origem.
3. Comparar a posição convertida com elementos verificáveis: vestígios do furo no terreno, fotografia aérea, caminhos ou plataformas referidos no relatório.
4. Registar na base de dados o sistema original, as coordenadas originais, as convertidas e a transformação usada. Se a posição não bater certo, marcar o registo como posição duvidosa em vez de o aceitar sem verificação.

Conclusão: nunca se assume que uma coordenada está no sistema certo; confirma-se sempre a origem antes de a cruzar com dados novos, e guarda-se o valor original.

5. Registo e armazenamento de dados

Tradicionalmente os dados de campo eram registados em cadernos e fichas de papel, sendo depois transcritos no gabinete. Hoje, a tendência é registar digitalmente desde o terreno, reduzindo transcrições e erros:

• Formulários digitais em tablet ou telemóvel (por exemplo, formulários ligados a um projeto de SIG), com validação no próprio momento da recolha: listas fechadas de litologias, coordenada lida diretamente do GNSS, campos obrigatórios.
• Folhas de cálculo, úteis para conjuntos de dados simples e temporários, mas limitadas quando o volume ou as relações entre dados crescem.
• Bases de dados, indicadas para projetos com muitos registos, várias pessoas a introduzir dados e relações entre tabelas.

A regra de ouro do armazenamento é: registar o dado uma vez, na fonte, e nunca voltar a transcrevê-lo à mão. Cada transcrição manual é uma nova oportunidade de introduzir um erro. A segunda regra é: os ficheiros originais nunca se editam. O ficheiro do laboratório e a exportação do formulário de campo guardam-se tal como chegaram, numa pasta de dados brutos; as correções fazem-se na base de dados, com registo.

Formatos de ficheiro

Um shapefile enviado sem o ficheiro .prj chega sem sistema de coordenadas: é um dos problemas mais comuns na troca de dados.

Valores abaixo do limite de deteção

Todo o método analítico tem um limite de deteção (LD): abaixo dele, o laboratório não consegue distinguir o elemento do zero. O resultado vem escrito como "<5" (menor que 5 ppm, por exemplo). Este caso tem regras próprias:

Nunca se regista um "<LD" como zero, nem como vazio indistinto: zero diz "não tem", vazio diz "não sabemos", e "<LD" diz "tem menos do que X". São três informações diferentes. E se o limite de deteção mudar entre campanhas (outro laboratório, outro método), a convenção passa a dar valores diferentes para o mesmo "nada", o que tem de ser tido em conta ao juntar os dados.

Unidades: conversões que se fazem todos os dias

Exemplo resolvido: harmonizar unidades antes de importar

Situação: dois laboratórios enviam resultados para o mesmo projeto. O laboratório A dá o cobre em % e o ouro em ppb; o laboratório B dá o cobre em ppm e o ouro em g/t. A base de dados guarda Cu em ppm e Au em g/t.

1. Cobre de A, 0,45 %: 0,45 × 10 000 = 4 500 ppm.
2. Ouro de A, 850 ppb: 850 ÷ 1 000 = 0,85 g/t.
3. Cobre de B, 3 200 ppm: já está em ppm, fica 3 200 ppm.
4. Ouro de B, 1,2 g/t: já está em g/t, fica 1,2 g/t.
5. Ouro de A, "<5 ppb": regista-se "<5 ppb" no campo original e, se a convenção for metade do LD, 2,5 ppb = 0,0025 g/t no campo de cálculo.

Conclusão: a unidade é um campo da base de dados, não uma suposição. Um teor sem unidade não se importa.

Organização de pastas e convenção de nomes

Uma boa organização implica uma estrutura de pastas fixa por projeto, igual em todos os projetos da empresa, e uma convenção de nomes aplicada sem exceções.

PR23_Serra/
  01_bruto/        dados tal como chegaram (laboratório, GNSS, formulários); só leitura
  02_base_dados/   a base de dados do projeto
  03_sig/          projeto de SIG, GeoPackages, rasters
  04_fotografias/  PR23-ROC-014_afloramento.jpg ...
  05_relatorios/   relatórios e certificados em PDF
  06_documentos/   licenças, planos, correspondência

Boas regras para nomes de ficheiros: datas no formato ano-mês-dia (2026-03-14), que ordenam corretamente; sem espaços nem acentos; o identificador da amostra ou do furo sempre no início do nome.

6. Bases de dados relacionais

Uma base de dados organiza informação de forma estruturada, permitindo guardar, procurar, relacionar e atualizar dados com fiabilidade. Uma base de dados relacional guarda a informação em tabelas ligadas entre si por identificadores, e é gerida por um sistema de gestão de bases de dados (SGBD), que impõe regras que uma folha de cálculo não impõe.

Conceitos fundamentais

• Tabela: um conjunto de dados do mesmo tipo, por exemplo a tabela de amostras.
• Registo (linha): um item individual, uma amostra concreta.
• Campo (coluna): um atributo do registo, como a coordenada, o resultado ou a data. Cada campo tem um tipo: texto, número inteiro, número decimal, data, verdadeiro/falso.
• Chave primária: o campo (ou conjunto de campos) que identifica cada registo de forma única dentro da tabela. Não se repete e não pode ficar vazio.
• Chave estrangeira: um campo que guarda a chave primária de outra tabela, criando a ligação entre as duas. Por exemplo, o campo id_furo na tabela de amostras.
• Integridade referencial: a regra que impede uma chave estrangeira de apontar para um registo que não existe. Com ela ligada, a base de dados recusa uma amostra de um furo que não está na tabela de furos.

Relações entre tabelas

Uma relação muitos para muitos resolve-se com uma tabela intermédia. No exemplo acima, essa tabela é precisamente a tabela de ensaios: cada linha junta uma amostra, um elemento e o resultado.

Furo (1) ──── (N) Amostra (1) ──── (N) Ensaio (N) ──── (1) Elemento

Repara no erro que é fácil cometer: dizer que "uma amostra tem uma análise" (1:1). Na realidade, uma amostra tem muitos resultados: um por elemento, e às vezes mais do que um para o mesmo elemento (repetição, outro método, laboratório de controlo). Por isso a relação Amostra–Ensaio é de um para muitos.

Validação na entrada: listas fechadas e regras

A melhor correção de um erro é impedir que ele entre. Um SGBD permite:

• Listas fechadas (tabelas de códigos): o campo litologia só aceita códigos existentes na tabela de litologias (GRN, XIS, QTZ...). Acaba com "granito", "Granito", "granito alt." e "grnt" na mesma coluna.
• Campos obrigatórios: não se grava uma amostra sem coordenadas, data ou operador.
• Intervalos de valores: a inclinação de um furo fica entre −90° e 0° (convenção em que negativo é para baixo); uma recuperação entre 0 e 100 %.
• Unicidade: o identificador da amostra não se pode repetir.

O dicionário de dados

O dicionário de dados documenta cada campo: nome, significado, tipo, unidade, obrigatoriedade e valores aceites. É o documento que permite a outra pessoa, anos depois, perceber a base de dados.

Consultar a base de dados

As bases de dados relacionais consultam-se com SQL, uma linguagem de pedidos. Não é preciso ser programador para ler consultas simples:

SELECT a.id_amostra, a.de, a.ate, e.valor_num
FROM amostra a
JOIN ensaio e ON e.id_amostra = a.id_amostra
WHERE a.id_furo = 'PR23-SD-004'
  AND e.elemento = 'Cu'
ORDER BY a.de;

Lê-se assim: "dá-me as amostras do furo PR23-SD-004, com o seu intervalo e o resultado de cobre, ordenadas por profundidade". O JOIN é o que junta duas tabelas pela chave comum. Os programas de SIG e muitos programas de gestão fazem estas consultas por trás de janelas e botões, mas o raciocínio é o mesmo.

7. Modelação de informação

"Modelar informação" tem dois sentidos nesta unidade, e ambos contam:

1. Modelar os dados: desenhar a estrutura da base de dados (tabelas, campos, relações) antes de introduzir o primeiro dado real.
2. Modelar o depósito: transformar os dados organizados em representações que ajudam a decidir: secções, mapas interpolados, superfícies e modelos tridimensionais.

Modelar os dados: o modelo entidade-relação

O modelo entidade-relação representa as entidades (furo, amostra, ensaio), os seus atributos e as ligações entre elas. É o "desenho técnico" da base de dados. Para uma base de dados de prospeção com sondagens e geoquímica de superfície, um modelo típico é:

Repara em duas decisões de modelação:

• A tabela amostra serve para amostras de sondagem e de superfície. Nas de sondagem, id_furo, de e ate estão preenchidos e as coordenadas obtêm-se pelo furo; nas de superfície, id_furo fica vazio e as coordenadas são da própria amostra. A alternativa, também correta, é ter duas tabelas separadas. O que não se faz é obrigar uma amostra de solo a pertencer a um furo.
• As amostras de controlo de qualidade (duplicados, brancos, padrões) entram na mesma tabela, com um campo tipo de amostra, para seguirem no mesmo lote e se poderem avaliar depois.

Normalização

Normalizar um modelo é organizá-lo para eliminar redundância e inconsistência: cada facto guardado num único sítio, cada tabela a descrever um único tipo de entidade. Na prática, três perguntas chegam para um técnico:

1. Há informação repetida em muitas linhas (nome do projeto, geólogo, laboratório)? Então passa para uma tabela própria, ligada por um identificador.
2. Há colunas que se repetem com nomes diferentes (Cu_1, Cu_2, Cu_3)? Então são linhas de outra tabela, não colunas.
3. Há algum campo que depende de outra coisa que não a chave da tabela (a coordenada do furo guardada em cada amostra)? Então está na tabela errada.

A tabela de ensaios é o melhor exemplo: em vez de uma coluna por elemento (Cu, Zn, Pb, Au... que obriga a mudar a estrutura sempre que se analisa um elemento novo), guarda uma linha por resultado. Para ver os resultados lado a lado, faz-se uma consulta que os "vira" em colunas, sem alterar a estrutura.

Exemplo resolvido: modelar as tabelas de um projeto simples

Situação: um projeto tem furos de sondagem, cada um com várias amostras, cada amostra analisada para cobre, zinco e ouro num laboratório.

1. Tabela furo: id_furo (chave primária), m, p, cota, azimute, inclinação, data de execução, profundidade final.
2. Tabela amostra: id_amostra (chave primária), id_furo (chave estrangeira), de, até, tipo de amostra.
3. Tabela ensaio: id_amostra (chave estrangeira), elemento, método, valor original, valor numérico, unidade, certificado. A chave primária é a combinação id_amostra + elemento + método.
4. Contar as linhas: 3 furos com 40 amostras cada = 120 amostras; 120 amostras × 3 elementos = 360 linhas de ensaio, e não 120.
5. Verificar que nenhum campo repete informação já guardada noutra tabela: a coordenada do furo não se repete em cada amostra, porque se obtém através da relação com a tabela furo.

Conclusão: num modelo bem desenhado, corrigir um único valor (por exemplo, a coordenada de um furo mal registada) propaga a correção a todas as amostras associadas, sem tocar em nenhuma delas.

Exemplo resolvido: validar intervalos de sondagem

Situação: o furo PR23-SD-004 tem profundidade final de 120,00 m. Na importação chegam estes intervalos de amostra:

1. A0102 e A0103: A0103 começa em 42,00 m, mas A0102 só acaba em 42,20 m. Sobreposição de 0,20 m: o mesmo pedaço de rocha estaria em duas amostras. Erro a corrigir com a ficha de amostragem.
2. A0103 e A0104: entre 43,00 m e 43,50 m não há amostra. Lacuna de 0,50 m. Pode ser legítima (troço não amostrado, sem recuperação), mas tem de ficar registada como tal.
3. A0105: acaba em 120,80 m, depois da profundidade final do furo (120,00 m). Ou o intervalo está errado, ou a profundidade final está errada.
4. Em todas: verificar que de < até e que o identificador não existe já na base de dados.

Conclusão: estas quatro verificações (sobreposições, lacunas, fim do furo, identificadores repetidos) fazem-se sempre que se importam intervalos, e são das primeiras que um software de gestão de dados geológicos automatiza.

Modelar o depósito: dos dados às representações

Com a base de dados organizada, a informação modela-se de várias formas, da mais simples à mais elaborada:

• Mapas de pontos e de superfícies interpoladas (capítulo 9).
• Secções verticais: cortes que mostram os furos, a litologia e os teores ao longo de um plano, onde o geólogo interpreta os contactos e os corpos mineralizados.
• Superfícies e sólidos 3D: o topo de uma camada, o contorno de um filão ou de uma zona mineralizada.
• Modelo de blocos: o volume dividido em blocos, cada um com um teor estimado; é a base do cálculo de recursos, feito por especialistas.

Antes de modelar, os intervalos de amostra, que têm comprimentos diferentes, são muitas vezes compostos em intervalos de comprimento igual. O teor de um composto é a média dos teores ponderada pelo comprimento, nunca a média simples.

Exemplo resolvido: teor médio ponderado de um intervalo

Situação: entre 20,00 m e 24,00 m de um furo há três amostras: 20,00 a 21,50 m com 0,80 % Cu; 21,50 a 22,50 m com 1,60 % Cu; 22,50 a 24,00 m com 0,40 % Cu.

1. Comprimentos: 1,50 m; 1,00 m; 1,50 m. Total: 4,00 m.
2. Produto comprimento × teor: 1,50 × 0,80 = 1,20; 1,00 × 1,60 = 1,60; 1,50 × 0,40 = 0,60. Soma: 3,40 m·%.
3. Teor ponderado: 3,40 ÷ 4,00 = 0,85 % Cu.
4. A média simples daria (0,80 + 1,60 + 0,40) ÷ 3 = 0,93 % Cu, sobrevalorizando o intervalo porque a amostra rica é a mais curta.

Conclusão: num relatório, o intervalo reporta-se como "4,00 m com 0,85 % Cu, de 20,00 m a 24,00 m", indicando que é comprimento medido ao longo do furo, que só coincide com a espessura real do corpo mineralizado se o furo o atravessar perpendicularmente. A média simples é um erro que favorece sempre, ou prejudica sempre, os intervalos com amostras curtas.

8. Software de gestão de informação e SIG

Ferramentas de gestão de informação

A escolha depende da dimensão do projeto, do orçamento e da equipa, mas o fluxo de trabalho é sempre o mesmo: recolher, validar, armazenar, processar, interpretar. Quem domina os conceitos (chaves, relações, sistemas de coordenadas, tipos de dados) muda de programa em poucos dias; quem só decorou botões fica perdido na primeira versão nova.

Os recursos previstos no referencial para esta unidade incluem hardware e software de gestão de informação, manuais técnicos, simuladores e estudos de caso. Nas aulas, o QGIS e uma base de dados livre permitem fazer todo o percurso sem licenças.

O que é um Sistema de Informação Geográfica

Um Sistema de Informação Geográfica (SIG) é um sistema que permite guardar, visualizar, analisar e cruzar dados com localização geográfica. Cada elemento é representado com a sua geometria e uma tabela de atributos associada. O SIG combina a lógica de uma base de dados com a componente espacial e visual do mapa, sendo a ferramenta central para cruzar dados de diferentes fontes sobre o mesmo território.

Vetorial e raster

A resolução de um raster é o tamanho da célula no terreno: um modelo de elevação com células de 25 m não mostra um talude de 5 m. Um projeto de SIG combina normalmente os dois modelos em camadas sobrepostas.

O sistema de coordenadas no QGIS

Um projeto de QGIS tem um sistema de coordenadas do projeto (no continente, EPSG:3763, PT-TM06/ETRS89) e cada camada tem o seu próprio sistema. O QGIS consegue desenhar camadas de sistemas diferentes umas sobre as outras, reprojetando-as "em tempo real", o que é cómodo mas perigoso: se uma camada tiver o sistema mal declarado, aparece no sítio errado e o programa não avisa. Regra prática: para medir, cruzar e exportar, todas as camadas guardadas no mesmo sistema do projeto.

Operações que o técnico faz todos os dias no SIG

Exemplo resolvido: do ficheiro do laboratório ao mapa

Situação: tens um CSV com as amostras de solo (id_amostra, m, p, data, operador) e outro CSV do laboratório com os resultados (id_amostra, Cu_ppm).

1. Criar um projeto de QGIS em EPSG:3763 (PT-TM06/ETRS89).
2. Importar o CSV das amostras como texto delimitado, indicando que o X é a coluna m e o Y a coluna p, e declarando o sistema EPSG:3763.
3. Importar o CSV do laboratório como tabela sem geometria.
4. Fazer a junção por atributo pela chave id_amostra. Contar: se há 336 amostras e só 330 ficaram com resultado, há 6 identificadores que não batem certo (erro de escrita, amostra perdida, amostra ainda por analisar). Investigar antes de continuar.
5. Guardar o resultado num GeoPackage, com o sistema de coordenadas incluído.
6. Aplicar simbologia graduada ao Cu, com classes por percentis (capítulo 9), e acrescentar a camada de geologia por baixo.

Conclusão: o passo 4, contar os registos antes e depois da junção, é o controlo mais simples e mais esquecido de todo o processo.

9. Análise espacial, interpolação e mapas

O SIG organiza a informação em camadas (layers), cada uma com um tema: geologia, amostras, estradas, concessões, hidrografia. Ligar e desligar camadas permite focar a análise no que interessa em cada momento, e sobrepor camadas permite procurar relações, por exemplo entre amostras de alto teor e a proximidade de uma falha.

Para além de visualizar, o SIG permite calcular relações espaciais:

• Distância e proximidade: que amostras estão a menos de uma dada distância de uma estrutura geológica.
• Interpolação: estimar um valor contínuo, como o teor, entre pontos amostrados, produzindo uma superfície (raster) a partir de pontos.
• Sobreposição de polígonos: cruzar, por exemplo, a área de prospeção com zonas protegidas ou com a carta geológica.
• Mapas temáticos: classificar e colorir dados por intervalo de valor, para comunicar visualmente um padrão.

Interpolação por inverso da distância (IDW)

O método IDW (inverse distance weighting, inverso da distância ponderado) estima o valor num ponto sem amostra como uma média dos valores vizinhos, em que cada vizinho pesa tanto mais quanto mais perto está. O peso de cada vizinho é 1 ÷ distânciaᵖ, em que p é a potência (muito usada p = 2).

Exemplo resolvido: estimar um teor por IDW

Situação: quer-se estimar o teor de cobre no ponto P a partir de três amostras: A com 120 ppm a 50 m de P; B com 60 ppm a 100 m; C com 30 ppm a 200 m. Potência p = 2.

1. Pesos: A = 1 ÷ 50² = 1 ÷ 2 500 = 0,000400; B = 1 ÷ 100² = 0,000100; C = 1 ÷ 200² = 0,000025.
2. Soma dos pesos: 0,000400 + 0,000100 + 0,000025 = 0,000525.
3. Soma dos produtos peso × teor: 0,000400 × 120 = 0,04800; 0,000100 × 60 = 0,00600; 0,000025 × 30 = 0,00075. Total: 0,05475.
4. Estimativa: 0,05475 ÷ 0,000525 ≈ 104 ppm.
5. Com p = 1 os pesos seriam 0,020, 0,010 e 0,005, e a estimativa daria (2,40 + 0,60 + 0,15) ÷ 0,035 = 90 ppm. Quanto maior a potência, mais o resultado se "cola" à amostra mais próxima.

Conclusão: a estimativa fica sempre entre o mínimo e o máximo das amostras usadas (30 e 120 ppm). O IDW nunca "inventa" um valor mais alto do que o maior medido, e gera círculos concêntricos à volta de amostras isoladas, os chamados "olhos de boi".

Krigagem e variograma

A krigagem é um método de interpolação geoestatístico. Em vez de usar pesos só pela distância, baseia-se no variograma, uma função que mede como a diferença entre duas amostras cresce com a distância entre elas:

• Efeito de pepita: a variabilidade a distância quase nula (erro de amostragem e variação muito local).
• Alcance: a distância a partir da qual as amostras deixam de estar relacionadas.
• Patamar: o valor em que o variograma estabiliza, a partir do alcance.

A krigagem dá, além da estimativa, uma medida da sua incerteza, e respeita a continuidade própria de cada depósito (por exemplo, maior continuidade ao longo de um filão do que perpendicularmente). Exige mais dados e mais conhecimento do que o IDW; o técnico deve saber o que é e o que precisa, mesmo quando a modelação é feita por um especialista.

Mapas de anomalias: classes por percentis

Os teores de elementos-traço têm distribuições muito assimétricas (capítulo 10), por isso classes de amplitude igual (0 a 100, 100 a 200 ppm...) põem quase todas as amostras na primeira classe. A prática corrente é usar classes por percentis: o percentil 90 (P90) é o valor abaixo do qual ficam 90 % das amostras.

Num conjunto de 200 amostras, acima do P95 ficam as 10 amostras mais altas. Os limites exatos das classes são uma escolha do projeto, e têm de vir escritos na legenda.

Simbologia e legenda

• A cor e o tamanho de cada classe devem ser progressivos (do claro para o escuro, do pequeno para o grande), para se lerem sem legenda.
• As cartas geológicas publicadas pelo LNEG têm as suas próprias convenções de cores e símbolos, que se respeitam quando se usam essas cartas. Para as camadas do projeto, a simbologia é definida pela equipa e explicada na legenda; não se apresenta uma simbologia inventada como se fosse uma norma oficial.
• Um mapa de prospeção leva sempre: título, legenda com os limites das classes, escala gráfica, orientação (norte), sistema de coordenadas, fonte dos dados, data e autor.

Exemplo resolvido: interpretar um mapa interpolado de teores

Situação: a partir de dez pontos de amostragem de solo com teor de cobre, foi gerado um mapa interpolado.

1. Identificar as zonas de teor mais elevado (a anomalia geoquímica).
2. Verificar a densidade de pontos nessa zona: uma anomalia sustentada por vários pontos próximos merece mais confiança do que uma baseada num único ponto isolado.
3. Assinalar como zona de menor confiança as áreas longe de qualquer ponto, onde a interpolação é apenas uma estimativa. Com IDW, uma zona longe de todos os pontos tende para a média dos vizinhos, nunca para um máximo novo; se aparecer um máximo aí, há um erro nos dados ou no método.
4. Apresentar o mapa sempre acompanhado dos pontos originais, nunca só a superfície interpolada.

Conclusão: um mapa interpolado comunica um padrão, mas a decisão de prospeção apoia-se sempre nos dados observados.

10. Processar e analisar dados de prospeção

Preparar os dados

Antes de qualquer análise, os dados têm de ser limpos e organizados:

• Deteção de erros: valores fora de intervalo plausível, coordenadas fora da área do projeto, identificadores repetidos, unidades trocadas, zeros onde devia estar "<LD".
• Tratamento de valores em falta: decidir, caso a caso, se se completa (voltando à fonte), exclui ou assinala o registo em falta; nunca se preenche com um valor inventado.
• Consistência de unidades e de métodos: converter tudo para a mesma unidade e não misturar sem aviso resultados de métodos analíticos diferentes (por exemplo, uma digestão parcial e uma total não dão o mesmo valor para a mesma amostra).
• Documentar cada correção feita, para o processo ser reprodutível e auditável.

Estatística descritiva

A distribuição lognormal dos elementos-traço

Os elementos-traço (cobre, zinco, ouro, arsénio, lítio em solos...) não se distribuem de forma simétrica, em "sino": há muitos valores baixos e poucos valores muito altos. Em geral, é o logaritmo dos teores que tem uma distribuição aproximadamente normal. Diz-se que a distribuição é lognormal. Consequências práticas:

• O histograma dos teores brutos é muito assimétrico; o histograma dos logaritmos (ou com eixo logarítmico) é mais legível e mostra melhor as populações.
• A média geométrica (o antilogaritmo da média dos logaritmos) representa melhor o valor típico do que a média aritmética.
• Os gráficos de probabilidade (percentagem acumulada numa escala de probabilidade contra o teor em escala logarítmica) mostram uma população lognormal como uma reta; quando há duas populações (fundo e anomalia), a linha dobra, e a dobra ajuda a escolher o limiar de anomalia.

Exemplo resolvido: analisar um conjunto de teores

Situação: vinte amostras de solo deram estes teores de cobre (ppm), já ordenados:

15 · 18 · 22 · 25 · 27 · 30 · 31 · 33 · 35 · 38 · 40 · 42 · 45 · 48 · 52 · 55 · 58 · 320 · 365 · 480

1. Soma de todos os valores: 1 779 ppm. Média: 1 779 ÷ 20 = 88,95 ppm, arredondada a 89 ppm.
2. Mediana: com 20 valores, é a média do 10.º e do 11.º: (38 + 40) ÷ 2 = 39 ppm.
3. A média é mais do dobro da mediana: os três valores altos "puxam" a média. A mediana representa melhor o fundo.
4. Amplitude: 480 − 15 = 465 ppm. Desvio-padrão do conjunto completo: cerca de 132 ppm.
5. O histograma mostra dois grupos: 17 valores entre 15 e 58 ppm e 3 valores entre 320 e 480 ppm. São duas populações.
6. Limiar clássico "média + 2 desvios-padrão" calculado com todos os dados: 89 + 2 × 132 ≈ 354 ppm. Este limiar deixaria de fora a amostra de 320 ppm: os próprios valores anómalos inflacionam a média e o desvio-padrão e escondem-se a si mesmos.
7. Calculado só com a população de fundo (os 17 valores baixos): soma 614, média ≈ 36,1 ppm, desvio-padrão ≈ 12,8 ppm, limiar ≈ 36,1 + 2 × 12,8 ≈ 62 ppm. Os três valores altos estão todos muito acima.
8. Com os logaritmos do fundo, o limiar equivalente (média geométrica × fator de dispersão ao quadrado) fica em cerca de 74 ppm, e a conclusão mantém-se.

Conclusão: os três valores altos tratam-se como anomalia geoquímica a investigar, não como erros. O passo seguinte é vê-los no SIG: se estão agrupados, reforçam a hipótese de um alvo; se estão dispersos e junto a estradas ou povoações, a contaminação é uma hipótese a verificar.

Correlação entre elementos

A correlação mede se dois elementos variam em conjunto. O coeficiente de correlação de Pearson vai de −1 a +1: perto de +1, quando um sobe o outro sobe; perto de 0, não há relação linear. Em geoquímica calcula-se de preferência sobre os logaritmos (ou usa-se a correlação por ordens, de Spearman), porque os valores extremos distorcem muito o coeficiente calculado sobre os teores brutos.

A correlação ajuda a identificar elementos farejadores (pathfinders): elementos que acompanham a mineralização e se detetam mais facilmente ou mais longe do que o próprio metal. Por exemplo, em muitos sistemas de ouro filoniano o arsénio acompanha o ouro. Uma correlação forte não prova causa: dois elementos podem subir juntos apenas porque ambos se concentram na mesma litologia.

Exemplo resolvido: detetar um erro de unidades

Situação: a mediana de cobre de uma campanha é 35 ppm, mas um lote de 40 amostras de outro laboratório tem mediana 0,0036.

1. 0,0036 não é plausível em ppm para solos. Em %, 0,0036 % × 10 000 = 36 ppm, em linha com o resto.
2. Confirmar no certificado do laboratório que a unidade é %.
3. Converter o lote para ppm com registo da correção (data, operador, motivo, certificado).

Conclusão: comparar a mediana de cada lote com a das restantes é uma verificação rápida que apanha trocas de unidades antes de estragarem um mapa.

11. Cruzar informação de várias fontes

Nenhuma fonte de dados isolada conta a história completa de um depósito mineral. Cruzar informação é combinar fontes diferentes para chegar a uma interpretação mais robusta do que qualquer fonte sozinha permitiria:

• Geologia de superfície e sondagens: liga o que se observa à superfície com o que existe em profundidade.
• Geoquímica e geofísica: uma anomalia química reforçada por uma anomalia física no mesmo local é um alvo bastante mais forte do que qualquer uma sozinha.
• Dados públicos e dados do projeto: as cartas geológicas e as ocorrências minerais conhecidas (SIORMINP) enquadram os resultados novos.
• Dados históricos e dados novos: trabalhos antigos podem confirmar ou contradizer a interpretação atual, e não devem ser ignorados só por serem antigos, nem aceites sem verificar o sistema de coordenadas e a qualidade analítica.

Cada tipo de depósito tem a sua combinação esperada. Num VMS da Faixa Piritosa, por exemplo, procura-se a coincidência entre rochas vulcânicas favoráveis, anomalias de metais base e uma anomalia gravimétrica ou elétrica (os sulfuretos maciços são densos e condutores). Num filão de volfrâmio, a coincidência entre uma estrutura cartografada, anomalias de W, Sn e As e, eventualmente, a proximidade de uma cúpula granítica.

Este cruzamento, feito sobre bases de dados bem organizadas e visualizado num SIG, corresponde diretamente aos critérios de desempenho desta unidade: implementar e organizar bases de dados e cruzar informação proveniente da prospeção.

Exemplo resolvido: cruzamento passo a passo até a um alvo de sondagem

Situação: existem amostras de solo com teor de cobre elevado numa área, e existem também dados de geofísica e de geologia de superfície da mesma zona.

1. Confirmar que as três camadas estão no mesmo sistema de coordenadas (PT-TM06/ETRS89) e com a qualidade verificada.
2. Sobrepor no SIG os pontos de geoquímica (teor de cobre, em classes por percentis) com o mapa de geologia.
3. Verificar se a anomalia geoquímica coincide com uma litologia favorável, por exemplo rocha alterada por fluidos hidrotermais, e se está a jusante (na encosta) de uma fonte possível, já que o solo pode ter migrado.
4. Cruzar com a geofísica, procurando uma anomalia física (por exemplo, de resistividade ou de cargabilidade) no mesmo local.
5. Excluir explicações alternativas: estrada, escombreira antiga, povoação, contaminação.
6. Se as fontes convergem, o local passa a alvo prioritário para sondagem. Registar a interpretação e a decisão na base de dados do projeto, com data e responsável.

Conclusão: cruzar dados não é olhar para tudo ao mesmo tempo; é um processo sistemático, fonte a fonte, documentado passo a passo.

Exemplo resolvido: uma matriz de pontuação simples

Situação: há três zonas candidatas (Z1, Z2, Z3) e a equipa decide pontuar cada critério com 1 (sim) ou 0 (não).

1. Z1 soma 4 em 4: alvo prioritário.
2. Z3 tem geologia e geofísica favoráveis mas sem anomalia geoquímica: talvez o solo seja transportado e não reflita a rocha; propor amostragem de outro meio antes de sondar.
3. Z2 só tem geoquímica, e há uma fonte de contaminação: verificar antes de investir.

Conclusão: uma matriz simples torna a decisão explícita e discutível. Os critérios e o peso de cada um são decididos pela equipa técnica e ficam escritos.

12. Controlo de qualidade da informação

O controlo de qualidade (em inglês, QA/QC) garante que os dados são fiáveis antes de servirem de base a decisões técnicas ou de investimento. Começa no terreno e acaba na base de dados.

Amostras de controlo

As amostras de controlo inserem-se às cegas, com identificadores da mesma série das amostras normais, para que o laboratório não as reconheça. A proporção e as tolerâncias de cada tipo definem-se no plano de controlo de qualidade do projeto, antes da campanha.

Exemplo resolvido: avaliar um duplicado e um padrão

Situação: uma amostra deu 250 ppm Cu e o seu duplicado de campo 230 ppm. No mesmo lote, um padrão certificado com 1,05 % Cu e desvio-padrão certificado de 0,03 % Cu deu 1,13 %. O plano do projeto aceita padrões dentro de ±2 desvios-padrão, trata como alerta entre 2 e 3 e rejeita acima de 3.

1. Diferença relativa do duplicado: |250 − 230| ÷ ((250 + 230) ÷ 2) = 20 ÷ 240 ≈ 8 %. Compara-se com a tolerância definida no plano para duplicados de campo.
2. Intervalo do padrão a ±2 desvios-padrão: 1,05 ± 0,06 = de 0,99 a 1,11 %. A ±3: 1,05 ± 0,09 = de 0,96 a 1,14 %.
3. O resultado 1,13 % está fora de ±2 mas dentro de ±3: alerta. Verificar os padrões seguintes e anteriores do mesmo laboratório.
4. Se o padrão tivesse dado 1,20 %, estaria fora de ±3: o lote é rejeitado e pede-se ao laboratório a reanálise, registando o pedido.

Conclusão: o controlo de qualidade só funciona se os resultados de controlo forem avaliados quando chegam, lote a lote, e não no fim da campanha.

Auditoria e rastreabilidade

Cada dado deve ser rastreável: quem o recolheu, quando, com que método, em que laboratório e certificado, e quem o validou. Um registo de alterações documenta cada correção feita depois da introdução inicial (valor antigo, valor novo, data, autor, motivo). Auditorias periódicas comparam uma amostra de registos com o suporte original: a ficha de campo, o certificado do laboratório, a fotografia do testemunho. A rastreabilidade transforma uma base de dados numa prova defensável, essencial se o projeto for auditado pela entidade licenciadora ou avaliado por investidores.

13. Segurança da informação, versões e atitudes profissionais

Cópias de segurança: a regra 3-2-1

Os dados de um projeto de prospeção representam anos de trabalho de campo, caro e muitas vezes irrepetível (uma sondagem não se repete, um testemunho amostrado já foi cortado). A regra prática mais usada é a 3-2-1:

• 3 cópias dos dados (o original e duas cópias);
• em 2 suportes diferentes (por exemplo, o servidor e um disco externo);
• 1 cópia fora do local (outro edifício ou um serviço na nuvem).

Uma cópia de segurança nunca testada pode falhar precisamente no momento em que é necessária, por isso o restauro testa-se periodicamente. E uma cópia que é sincronizada automaticamente com o original (uma pasta partilhada, por exemplo) copia também os erros e os ficheiros apagados: não substitui uma cópia de segurança com histórico.

Controlo de versões

Os dados mudam: chegam resultados novos, corrigem-se erros, reinterpreta-se a geologia. Controlar versões é saber, em qualquer momento, que versão dos dados serviu para cada mapa ou relatório.

• Cada exportação para um relatório leva data e versão no nome (por exemplo, PR23_ensaios_2026-03-14_v3.csv).
• Os mapas indicam a data dos dados que usaram.
• Na base de dados, o registo de alterações guarda o histórico de cada valor.
• Scripts e consultas usados no processamento podem ser guardados num sistema de controlo de versões, como o Git, que regista cada alteração e quem a fez.

Controlo de acessos e confidencialidade

• Controlo de acessos: só quem precisa altera cada parte da informação; a maioria da equipa só consulta. O técnico que introduz os dados do laboratório não precisa de apagar furos.
• Confidencialidade: dados de prospeção são sensíveis do ponto de vista comercial (um resultado bom pode mexer no valor de uma empresa) e estão sujeitos às obrigações de entrega e aos prazos definidos no contrato com o Estado. Não se partilham fora dos canais definidos pelo projeto.

Atitudes profissionais

O referencial avalia atitudes tanto quanto o domínio técnico. No gabinete de dados, cada uma tem um rosto concreto:

Erros comuns

• Recolher uma amostra sem registar todos os metadados obrigatórios (coordenada, sistema de coordenadas, data, operador, método).
• Chamar "datum" ao PT-TM06: o datum é o ETRS89, o PT-TM06 é a projeção.
• Misturar coordenadas de sistemas diferentes (Datum 73, ED50, ETRS89) sem as converter, ou importar um shapefile sem o ficheiro .prj.
• Dizer que o GNSS funciona por triangulação: mede distâncias, é trilateração.
• Contar os nós de uma malha como se fossem células (20 intervalos têm 21 nós).
• Amostrar sedimentos de corrente na própria confluência ou a jusante de pontes e povoações.
• Registar "<LD" como zero ou deixar vazio sem distinguir de "não analisado".
• Guardar Li e Li₂O, ou % e ppm, na mesma coluna.
• Modelar "uma amostra, uma análise" (1:1), quando uma amostra tem vários resultados.
• Criar colunas Cu_1, Cu_2, Cu_3 em vez de linhas numa tabela de ensaios.
• Calcular o teor de um intervalo com a média simples em vez da média ponderada pelo comprimento.
• Transcrever dados manualmente várias vezes entre papel, folha de cálculo e base de dados.
• Usar classes de amplitude igual para teores lognormais, ou calcular o limiar de anomalia com os próprios valores anómalos.
• Apresentar um mapa interpolado sem os pontos de amostragem.
• Remover valores atípicos sem investigar a causa.
• Avaliar as amostras de controlo só no fim da campanha.
• Corrigir um valor sem deixar registo da alteração, ou editar o ficheiro original do laboratório.
• Guardar a única cópia de segurança no mesmo local físico dos dados originais, ou nunca testar o restauro.
• Confundir mina e pedreira com uma questão de profundidade: a distinção é jurídica (depósitos minerais do Estado, massas minerais privadas).

Glossário

• Prospeção e pesquisa: trabalhos que procuram, localizam e caracterizam depósitos de recursos minerais.
• Depósito mineral: concentração natural de minerais com potencial valor económico; em Portugal, os depósitos minerais pertencem ao domínio público do Estado.
• Massa mineral: rocha ou ocorrência explorada em pedreira, de propriedade privada.
• DGEG: Direção-Geral de Energia e Geologia, entidade licenciadora.
• LNEG: Laboratório Nacional de Energia e Geologia, laboratório do Estado para a geologia e as minas.
• Teor: concentração do elemento útil (%, g/t, ppm).
• Recurso / reserva: concentração com perspetivas de exploração / parte do recurso demonstrada como economicamente explorável.
• VMS: sulfuretos maciços vulcanogénicos, tipo de depósito da Faixa Piritosa Ibérica.
• Pegmatito: rocha granítica de cristais grandes, fonte de lítio, estanho e tântalo.
• Placer: depósito secundário de minerais densos concentrados por rios ou ondas.
• Colar: boca de um furo de sondagem, com a sua posição e orientação.
• Testemunho: cilindro de rocha recuperado por sondagem com coroa diamantada.
• Metadados: dados que descrevem outro dado (quem, quando, como, onde, em que sistema).
• Datum: referência geodésica (elipsoide e seu posicionamento); em Portugal continental, o ETRS89.
• PT-TM06/ETRS89: sistema de coordenadas planas oficial de Portugal continental (EPSG:3763).
• GNSS: sistemas de posicionamento por satélite; posicionam por trilateração.
• Precisão / exatidão: repetibilidade de uma medição / proximidade ao valor real.
• Limite de deteção (LD): menor concentração que o método analítico distingue do zero.
• Chave primária / estrangeira: campo que identifica cada registo / campo que aponta para o registo de outra tabela.
• Integridade referencial: regra que impede ligações a registos inexistentes.
• Dicionário de dados: documento que descreve cada campo da base de dados.
• Normalização: organização de um modelo de dados para eliminar redundância.
• SIG: sistema que guarda, visualiza e analisa dados com localização geográfica.
• Vetorial / raster: representação por objetos (pontos, linhas, polígonos) / por grelha de células.
• GeoPackage / GeoTIFF: formatos abertos para dados vetoriais e raster.
• IDW: interpolação pelo inverso da distância ponderado.
• Krigagem: interpolação geoestatística baseada no variograma.
• Variograma: função que descreve como a diferença entre amostras cresce com a distância.
• Distribuição lognormal: distribuição em que o logaritmo dos valores é aproximadamente normal.
• Percentil: valor abaixo do qual fica uma dada percentagem das amostras.
• Elemento farejador: elemento que acompanha a mineralização e ajuda a detetá-la.
• QA/QC: garantia e controlo de qualidade (duplicados, brancos, padrões).
• Material de referência certificado: amostra com teor certificado, usada para medir a exatidão.
• Rastreabilidade: capacidade de reconstituir a origem e o histórico de cada dado.
• Regra 3-2-1: três cópias, dois suportes, uma fora do local.

Síntese

A gestão de informação de um projeto de prospeção segue sempre o mesmo ciclo: conhecer o quadro legal e o tipo de depósito → recolher dados de campo com todos os metadados → georreferenciar em PT-TM06/ETRS89 → armazenar os dados uma única vez, na fonte, com unidades e limites de deteção explícitos → modelar uma base de dados relacional com chaves, listas fechadas e dicionário de dados → usar software de gestão e SIG para validar, visualizar e analisar → processar e analisar com estatística adequada a dados lognormais → modelar o depósito com interpolações e secções → cruzar informação de várias fontes até chegar a alvos defensáveis → manter sempre controlo de qualidade, rastreabilidade, versões e cópias de segurança. Domina este fluxo e serás capaz de transformar dados dispersos de um terreno num modelo em que a equipa técnica pode confiar.

Exercícios resolvidos

1. Um colega diz que a prospeção é "só ir ao terreno". Está certo?

Resolução: não. A prospeção combina trabalho de campo (cartografia, amostragem, sondagens, geofísica) com trabalho de gabinete (introduzir, validar, organizar, cruzar e interpretar dados). O técnico desta unidade atua sobretudo na gestão da informação produzida no terreno, no gabinete técnico.

2. Uma pedreira de granito tem 60 m de profundidade e uma mina de cobre começou a céu aberto com 20 m. Um colega diz que a diferença entre mina e pedreira é a profundidade. Comenta.

Resolução: está errado. A distinção é jurídica: os depósitos minerais (como o cobre) pertencem ao domínio público do Estado (Lei n.º 54/2015 e Decreto-Lei n.º 30/2021) e são explorados em minas; as massas minerais (como o granito para construção ou ornamental) são privadas e exploradas em pedreiras (Decreto-Lei n.º 270/2001). A entidade licenciadora é a DGEG.

3. Que método de recolha escolherias para caracterizar um placer de estanho num rio, e porquê?

Resolução: poços ou sondagens rasas nos cascalhos, com concentração por bateia, porque o placer concentra minerais densos (cassiterite) no leito e nos terraços do rio. A sondagem com coroa diamantada é própria de rocha consolidada, como nos depósitos primários.

4. Associa cada exemplo ao seu tipo de depósito: Neves-Corvo; Panasqueira; aplito-pegmatitos do Barroso.

Resolução: Neves-Corvo é um depósito de sulfuretos maciços vulcanogénicos (VMS) da Faixa Piritosa Ibérica, com cobre, zinco e estanho; Panasqueira é um depósito hidrotermal filoniano de volfrâmio e estanho; o Barroso tem aplito-pegmatitos com lítio.

5. Uma malha de solos tem 1 200 m por 800 m, com espaçamento de 50 m e pontos em todos os nós, incluindo os limites. Quantas amostras são?

Resolução: 1 200 ÷ 50 = 24 intervalos, logo 25 nós por linha; 800 ÷ 50 = 16 intervalos, logo 17 linhas. Total: 25 × 17 = 425 amostras. As células são 24 × 16 = 384; usar este número faltaria 41 amostras.

6. Um técnico escreveu nos metadados "datum: PT-TM06". Corrige.

Resolução: o datum é o ETRS89; o PT-TM06 é a projeção. O sistema de coordenadas completo é PT-TM06/ETRS89 (EPSG:3763). Nas regiões autónomas usa-se o PTRA08.

7. Porque é que um recetor GNSS precisa de pelo menos quatro satélites? E um colega diz que o GNSS usa triangulação. Está certo?

Resolução: o recetor mede distâncias (pseudodistâncias) aos satélites e tem de calcular quatro incógnitas: as três coordenadas da posição e o erro do seu relógio. Por isso precisa de pelo menos quatro satélites. O método é trilateração (por distâncias), não triangulação (que usaria ângulos).

8. Calcula a distância horizontal entre C (M = 12 300, P = −45 200) e D (M = 12 540, P = −45 380), em PT-TM06/ETRS89.

Resolução: ΔM = 12 540 − 12 300 = 240 m; ΔP = −45 380 − (−45 200) = −180 m. Distância = √(240² + 180²) = √(57 600 + 32 400) = √90 000 = 300 m.

9. O laboratório devolveu "<10" para o zinco de uma amostra. Como registas e como usas este valor?

Resolução: guarda-se o valor original "<10" (ppm), com indicação de que está abaixo do limite de deteção. Para cálculo, aplica-se a convenção documentada do projeto, por exemplo metade do LD, 5 ppm. Nunca se regista zero nem vazio, que teriam outros significados.

10. Desenha (em texto) o modelo de tabelas para um projeto com furos, amostras e ensaios multielementares.

Resolução: tabela furo (id_furo, m, p, cota, azimute, inclinação, profundidade final); tabela amostra (id_amostra, id_furo, de, até, tipo); tabela ensaio (id_amostra, elemento, método, valor original, valor numérico, unidade, certificado), com chave primária id_amostra + elemento + método. Relações: furo 1:N amostra; amostra 1:N ensaio. Tabelas de códigos para litologias, elementos e métodos.

11. Três amostras seguidas de um furo: 1,0 m a 2,5 g/t Au; 0,5 m a 8,0 g/t; 1,5 m a 0,4 g/t. Qual o teor do intervalo de 3,0 m?

Resolução: (1,0 × 2,5 + 0,5 × 8,0 + 1,5 × 0,4) ÷ 3,0 = (2,5 + 4,0 + 0,6) ÷ 3,0 = 7,1 ÷ 3,0 ≈ 2,37 g/t Au. A média simples, (2,5 + 8,0 + 0,4) ÷ 3 ≈ 3,63 g/t, sobrevaloriza o intervalo.

12. Estima por IDW (p = 2) o teor num ponto a 20 m de uma amostra com 50 ppm e a 40 m de outra com 10 ppm.

Resolução: pesos 1 ÷ 400 = 0,0025 e 1 ÷ 1 600 = 0,000625; soma 0,003125. Produtos: 0,0025 × 50 = 0,125 e 0,000625 × 10 = 0,00625; soma 0,13125. Estimativa: 0,13125 ÷ 0,003125 = 42 ppm, mais perto da amostra mais próxima, como esperado.

13. Porque é que o limiar "média + 2 desvios-padrão" calculado com todas as amostras pode esconder uma anomalia?

Resolução: porque os valores anómalos entram no cálculo e aumentam muito a média e o desvio-padrão, elevando o limiar acima de alguns deles. No exemplo do capítulo 10, o limiar com todos os dados dava cerca de 354 ppm e deixava de fora a amostra de 320 ppm; calculado só com o fundo, ficava em cerca de 62 ppm. Em dados lognormais trabalha-se de preferência com logaritmos, percentis e gráficos de probabilidade.

14. Um padrão certificado de 2,50 g/t Au (desvio-padrão 0,10 g/t) deu 2,85 g/t. Com a regra do projeto de rejeitar fora de ±3 desvios-padrão, o que fazes?

Resolução: ±3 desvios-padrão dá 2,50 ± 0,30, de 2,20 a 2,80 g/t. O resultado 2,85 g/t está fora: o lote é rejeitado, pede-se a reanálise ao laboratório e regista-se a ocorrência no registo de controlo de qualidade, sem usar os resultados do lote até haver resposta.

15. A empresa guarda a base de dados no servidor do escritório e uma cópia num disco externo, na mesma sala. Cumpre a regra 3-2-1?

Resolução: não. Há 2 cópias (e não 3) e nenhuma fora do local: um incêndio ou um roubo leva ambas. Falta uma terceira cópia noutro local (outro edifício ou nuvem), e deve testar-se o restauro periodicamente.

16. Explica, com um exemplo, o que significa "cruzar informação de várias fontes" nesta unidade.

Resolução: significa combinar, por exemplo, uma anomalia geoquímica de cobre com a geologia de superfície e com uma anomalia geofísica no mesmo local, depois de confirmar que todas as camadas estão no mesmo sistema de coordenadas e excluir fontes de contaminação. Se as três fontes convergem, o local passa a alvo prioritário de sondagem, uma conclusão muito mais robusta do que a de qualquer fonte isolada.