O que é a prospeção de recursos minerais

A prospeção é o conjunto de trabalhos que procura e caracteriza depósitos de recursos minerais com interesse económico, antes de se avançar para a exploração e extração.

• Combina trabalho de campo (geologia, amostragem, sondagens) com trabalho de gabinete (dados, mapas, relatórios).
• O Técnico de Prospeção apoia geólogos e engenheiros de minas na recolha, organização e análise da informação.
• O valor do trabalho não está só em encontrar minério: está em documentar tudo de forma rigorosa e reprodutível.

Sem dados bem recolhidos e bem guardados, a melhor descoberta geológica perde-se.

Fases de um projeto de prospeção

Em todas as fases repete-se o mesmo ciclo: recolher, registar, armazenar, processar, interpretar. É este ciclo que esta UC ensina a dominar em gabinete técnico.

Mina ou pedreira? Uma distinção jurídica

• DGEG: entidade licenciadora; recebe relatórios e dados dos titulares.
• LNEG: laboratório do Estado para geologia e minas; cartas geológicas e bases de dados públicas (SIORMINP, ocorrências minerais).

Classificar depósitos minerais

Um depósito mineral é uma concentração natural de um ou mais minerais com potencial valor económico. Classificam-se, entre outros critérios, pela sua génese:

• Depósitos primários (endógenos): formados por processos magmáticos, hidrotermais ou metamórficos, geralmente em rocha consolidada.
• Depósitos secundários (exógenos): formados por meteorização, erosão e deposição, incluindo os depósitos aluvionares (placeres) de ouro, estanho ou diamante.

Cada tipo de depósito tem uma assinatura própria nos dados de campo (forma, mineralogia, alteração), que o técnico aprende a reconhecer nos registos.

Principais tipos de depósitos e exemplos

Recursos metálicos, não metálicos e energéticos

A tipologia do depósito e a categoria do recurso determinam que informação recolher (teores, litologia, geometria) e como organizá-la na base de dados.

Métodos de recolha de dados

A prospeção reúne informação por vários métodos complementares:

• Cartografia geológica: mapeamento de afloramentos, litologias e estruturas no terreno.
• Amostragem: recolha de amostras de rocha, solo ou sedimento para análise laboratorial (geoquímica).
• Sondagens: furos que atravessam o subsolo e trazem testemunhos (rocha) ou detritos, para conhecer a geologia em profundidade.
• Geofísica: medição de propriedades físicas do terreno (magnetismo, gravimetria, resistividade) sem escavar.

Cada método produz um tipo de dado diferente, que a ficha de campo ou o formulário digital tem de captar com o mesmo rigor.

A ficha de campo e os metadados

Cada elemento recolhido (amostra, ponto de observação, furo) tem de vir acompanhado de metadados, os dados sobre o dado:

• Identificador único (código da amostra ou do furo).
• Coordenadas, cota e sistema de coordenadas (PT-TM06/ETRS89), com método e precisão.
• Data e operador (quem recolheu).
• Método, tipo de amostra e contexto geológico (litologia, estrutura).
• Fotografias e observações de campo; mais tarde, laboratório, método analítico e certificado.

Sem estes metadados, uma amostra fica sem contexto: chega ao gabinete um número isolado, inútil para a base de dados.

Sedimentos de corrente e malhas de solos

Sedimentos de corrente (prospeção geral): o sedimento representa a bacia a montante.

• Amostrar cada afluente um pouco a montante da confluência, nunca na própria confluência.
• Amostrar a montante de pontes, estradas, povoações e escombreiras (contaminação).

Malha de solos (pormenor): exemplo, 2 000 m × 1 500 m a 100 m.

• 20 × 15 intervalos → 21 × 16 = 336 nós (amostras).
• 20 × 15 = 300 células. Confundir nós com células faz faltar 36 amostras.

Os dados de uma sondagem

• Testemunho (coroa diamantada) ou detritos (percussão com circulação inversa, RC).
• Recuperação = comprimento recuperado ÷ comprimento furado. Ex.: 2,64 m em 3,00 m = 88 %.

Sistemas de coordenadas

Georreferenciar é atribuir a um ponto uma posição exata na superfície da Terra, num sistema de coordenadas definido.

• Datum: elipsoide de referência e o seu posicionamento em relação à Terra; sem ele, a mesma coordenada pode apontar para sítios diferentes.
• Coordenadas geográficas (latitude, longitude): posição angular sobre o elipsoide.
• Projeção cartográfica: passa o elipsoide para um plano, com coordenadas em metros.
• Em Portugal continental: datum ETRS89, projeção PT-TM06, sistema PT-TM06/ETRS89 (EPSG:3763). Nas regiões autónomas: PTRA08.

Toda a recolha de campo (amostra, furo, afloramento) tem de trazer a coordenada e o sistema em que foi medida.

GNSS: como se obtém a posição

• O recetor mede a distância (pseudodistância) a cada satélite pelo tempo de viagem do sinal.
• Com 4 ou mais satélites resolve a posição (3 coordenadas) e o erro do relógio.
• É trilateração (distâncias), não triangulação (ângulos).

Precisão, exatidão e qualidade da posição

• Precisão: quão repetível é a medição (medições próximas entre si).
• Exatidão: quão perto a medição está do valor real.
• Equipamentos diferentes (recetor GNSS de mão, GNSS RTK, estação total) dão precisões diferentes, que devem ficar registadas.
• Um ponto mal georreferenciado propaga o erro a todo o modelo construído a partir dele (secção geológica, mapa, volume estimado).

Registar sempre o método e a precisão da coordenada é tão importante como a própria coordenada.

Do papel ao ficheiro digital

Tradicionalmente os dados de campo eram registados em cadernos de campo e fichas de papel. Hoje, o registo é cada vez mais digital, desde o terreno:

• Formulários digitais em tablet ou telemóvel, com validação no próprio ato de recolha.
• Folhas de cálculo para conjuntos de dados simples e temporários.
• Bases de dados para projetos com muitos registos e várias pessoas a introduzir dados.

A regra de ouro: registar o dado uma vez, na fonte, e nunca voltar a transcrevê-lo à mão; cada transcrição é uma oportunidade de erro.

Formatos de ficheiro e organização

Estrutura de pastas fixa (dados brutos só de leitura, base de dados, SIG, fotografias, relatórios) e convenção de nomes sem exceções.

Limite de deteção e unidades

Conversões: 1 % = 10 000 ppm · 1 ppm = 1 g/t · 1 000 ppb = 1 ppm.
Ex.: 0,45 % Cu = 4 500 ppm · 850 ppb Au = 0,85 g/t · 6 000 ppm Li = 0,60 % Li ≈ 1,29 % Li₂O.

Porque usar uma base de dados

Uma base de dados organiza informação de forma estruturada, permitindo guardar, procurar, relacionar e atualizar dados com fiabilidade.

• Tabela: um conjunto de dados do mesmo tipo (ex.: tabela de amostras).
• Registo (linha): um item individual (uma amostra concreta).
• Campo (coluna): um atributo do registo (a coordenada, o teor, a data).
• Chave primária: identifica cada registo de forma única e sem ambiguidade.
• Chave estrangeira: guarda a chave de outra tabela e cria a ligação (ex.: id_furo na tabela de amostras).

Ao contrário de uma folha de cálculo solta, a base de dados impõe regras: tipos de dados, valores obrigatórios, relações entre tabelas.

Relações entre tabelas

Um projeto de prospeção tem várias entidades que se relacionam: furos, amostras, análises, pontos de observação. Em vez de repetir dados, criam-se relações:

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

• Um para muitos: um furo tem várias amostras; uma amostra tem vários resultados (um por elemento, repetições).
• Muitos para muitos: amostras e elementos; resolve-se com a tabela intermédia Ensaio (amostra + elemento + resultado).
• Um para um: raro; ex.: separar dados confidenciais de um furo numa tabela à parte.

Relacionar bem as tabelas evita repetir dados e reduz o risco de inconsistências.

O que é modelar a informação

Modelar é desenhar, antes de construir, a estrutura de tabelas, campos e relações que a base de dados vai ter. Um bom modelo evita retrabalho e erros mais tarde.

• Modelo entidade-relação: representa as entidades (furo, amostra, análise), os seus atributos e as relações entre elas.
• Dicionário de dados: documenta cada campo, o seu tipo, unidade e obrigatoriedade.
• Modelar obriga a pensar em todos os cenários antes de introduzir o primeiro dado real.

Um modelo mal pensado obriga a reestruturar a base de dados a meio do projeto, com risco de perder ou corromper dados já introduzidos.

Normalização básica

Normalizar um modelo de dados é organizá-lo para eliminar redundância e inconsistência:

• Cada facto deve estar guardado num único sítio.
• Cada tabela deve descrever um único tipo de entidade.
• Os dados repetidos (nome do projeto, geólogo responsável) passam para uma tabela própria, ligada por um identificador.

A normalização é uma disciplina de rigor: cada peça de informação tem o seu lugar certo, e só um.

Validar na entrada e modelar o depósito

Validação: listas fechadas (códigos de litologia), campos obrigatórios, intervalos de valores, unicidade de IDs, integridade referencial.
Intervalos de sondagem: sem sobreposições, lacunas registadas, de < até ≤ profundidade final.

Teor de um intervalo = média ponderada pelo comprimento

(1,20 + 1,60 + 0,60) ÷ 4,00 = 0,85 % Cu (a média simples daria 0,93 %).
Depois: secções, superfícies, modelos 3D e modelo de blocos.

Ferramentas de gestão de informação geológica

O mercado oferece software dedicado à gestão de dados de prospeção e geologia, além de ferramentas genéricas:

• Folhas de cálculo (LibreOffice Calc, Excel): tarefas pontuais, limitadas em relações e volume.
• Bases de dados de secretária (SQLite, LibreOffice Base, Access) ou de servidor (PostgreSQL com PostGIS).
• Gestão de dados geológicos (ex.: acQuire): importação de laboratório, validação, QA/QC.
• Modelação geológica (ex.: Leapfrog, Datamine, Micromine): secções, 3D, modelo de blocos.
• SIG (QGIS, livre; ArcGIS): componente espacial (Bloco 9).

A escolha da ferramenta depende da dimensão do projeto, do orçamento e da equipa disponível, mas o fluxo de trabalho (recolher, validar, armazenar, processar) é sempre o mesmo.

Importar, exportar e integrar dados

Raramente todos os dados nascem no mesmo sistema. O técnico tem de saber:

• Importar dados de formulários de campo, recetores GNSS ou laboratórios para a base de dados central.
• Exportar dados para relatórios, mapas ou entrega a terceiros, em formatos combinados (ex.: CSV, ficheiros SIG).
• Validar cada importação: verificar tipos de dados, valores fora do intervalo esperado, duplicados.

Um sistema de gestão de informação vale pela sua capacidade de comunicar com as outras ferramentas do projeto, não por trabalhar isolado.

O que é um SIG

Um Sistema de Informação Geográfica (SIG) é um software que permite guardar, visualizar, analisar e cruzar dados com localização geográfica.

• Cada elemento (amostra, furo, afloramento) é um ponto, linha ou polígono com coordenadas e atributos associados.
• Combina a lógica de uma base de dados com a componente espacial e visual do mapa.
• É a ferramenta central para cruzar dados de diferentes fontes sobre o mesmo território.

Sem SIG, cruzar geologia, geoquímica e geofísica seria comparar tabelas às cegas; com SIG, cruza-se visualmente sobre o mapa.

Vetor e raster: os dois modelos de dados espaciais

• O modelo vetorial é preciso e guarda atributos ricos por objeto, ideal para pontos de amostragem e furos.
• O modelo raster é ideal para fenómenos contínuos no espaço (elevação, concentração interpolada, imagem).
• Um projeto de SIG combina normalmente os dois modelos em camadas sobrepostas.

Camadas e sobreposição

O SIG organiza a informação em camadas (layers), cada uma com um tema: geologia, amostras, estradas, concessões, hidrografia.

• Ligar e desligar camadas para focar a análise no que interessa.
• Sobrepor camadas para procurar relações (ex.: amostras de alto teor perto de uma falha geológica).
• Cada camada tem a sua simbologia: cor, símbolo, classificação por valor (ex.: teor em classes de cor).

A qualidade de um mapa de prospeção mede-se pela clareza com que comunica a relação entre camadas, não pelo número de cores usadas.

Análise espacial e mapas temáticos

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

• Distância e proximidade: que amostras estão a menos de 500 metros de uma falha?
• Interpolação: estimar um valor contínuo (ex.: teor) entre pontos amostrados.
• Sobreposição de polígonos: cruzar a área de concessão com zonas protegidas.
• Mapas temáticos: classificar e colorir dados por intervalo de valor, para comunicar um padrão.

Estes cálculos transformam pontos isolados numa interpretação geológica do território.

Interpolação: IDW e krigagem

IDW (inverso da distância): peso = 1 ÷ distânciaᵖ (p = 2 é comum).
Ex.: A 120 ppm a 50 m, B 60 ppm a 100 m, C 30 ppm a 200 m → pesos 0,000400 · 0,000100 · 0,000025 → estimativa ≈ 104 ppm.

Krigagem: usa o variograma (efeito de pepita, alcance, patamar), que descreve como a diferença entre amostras cresce com a distância; dá também a incerteza.

Mapas de anomalias: classes por percentis (P50, P75, P90, P95), não de amplitude igual; limites escritos na legenda.

Preparar os dados para análise

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

• Deteção de erros: valores fora de intervalo, coordenadas impossíveis, unidades trocadas.
• Tratamento de valores em falta: decidir se se completa, exclui ou assinala o registo.
• Consistência de unidades: converter tudo para a mesma unidade antes de comparar (ex.: g/t em vez de %).
• Documentar cada correção feita, para o processo ser reprodutível.

Uma análise sofisticada sobre dados mal preparados produz conclusões erradas, por mais robusto que pareça o método.

Estatística descritiva aplicada à prospeção

Ferramentas simples de estatística ajudam a interpretar conjuntos de dados de teores e medições:

• Média e mediana: valor típico de um conjunto de amostras.
• Mínimo, máximo e amplitude: gama de variação observada.
• Histograma: distribuição dos valores, útil para identificar populações distintas (ex.: fundo geoquímico e anomalia).

Um teor isolado muito acima da média (um valor atípico) pode ser uma descoberta importante ou um erro de laboratório: exige sempre verificação, nunca é ignorado nem aceite às cegas.

Elementos-traço: distribuição lognormal

• Muitos valores baixos, poucos muito altos: é o logaritmo dos teores que é aproximadamente normal.
• Usar histogramas em escala logarítmica, média geométrica, percentis e gráficos de probabilidade (a linha dobra onde há duas populações).
• Correlação (Pearson sobre logaritmos, ou Spearman): elementos farejadores, ex.: As com Au. Correlação não prova causa.

Ex.: 20 teores de Cu, 15 a 480 ppm, três acima de 300. Média 89 ppm, mediana 39 ppm.
Limiar média + 2 desvios com todos os dados: 89 + 2 × 132 ≈ 354 ppm (esconde a amostra de 320).
Só com o fundo (17 valores): 36 + 2 × 12,8 ≈ 62 ppm.

Porque cruzar dados

Nenhuma fonte de dados sozinha conta a história completa de um depósito. Cruzar informação é combinar fontes diferentes para chegar a uma interpretação mais robusta.

• Geologia de superfície e sondagens: liga o que se vê à superfície com o que existe em profundidade.
• Geoquímica e geofísica: uma anomalia química reforçada por uma anomalia física é um alvo mais forte.
• Dados históricos e dados novos: trabalhos antigos podem confirmar ou contradizer a interpretação atual.

É este cruzamento, feito sobre bases de dados bem organizadas e num SIG, que é o critério de desempenho central desta UC.

Um exemplo de cruzamento passo a passo

Situação: existem amostras de solo com teor de cobre elevado numa área.

1. Sobrepor no SIG os pontos de geoquímica (teor de cobre) com a geologia de superfície.
2. Verificar se a anomalia coincide com uma litologia favorável (ex.: rocha alterada).
3. Cruzar com dados de geofísica, se existirem (ex.: anomalia de resistividade no mesmo local).
4. Se as três fontes convergem, o local passa a alvo prioritário para sondagem.
5. Registar a interpretação e a decisão na base de dados do projeto, com data e responsável.

Cruzar dados não é olhar para tudo ao mesmo tempo: é um processo de confirmação sistemática, fonte a fonte.

Garantir a qualidade da informação

O controlo de qualidade da informação garante que os dados são fiáveis antes de servirem de base a decisões:

• Duplicados: de campo (variabilidade da amostragem e da análise) e de laboratório (precisão analítica).
• Brancos: material estéril, com o elemento abaixo do limite de deteção, para detetar contaminação.
• Materiais de referência certificados (padrões): teor conhecido, para verificar a exatidão.
• Análises de controlo noutro laboratório: parte das polpas reanalisada, para detetar desvios sistemáticos.
• Inseridos às cegas, avaliados lote a lote. Ex.: padrão 1,05 ± 0,03 % Cu deu 1,13 % → fora de ±2 desvios, dentro de ±3: alerta.

Um programa de qualidade bem desenhado deteta erros de laboratório e de terreno antes de contaminarem todo o modelo do depósito.

Auditoria e rastreabilidade dos dados

• Cada dado deve ser rastreável: quem o recolheu, quando, com que método, e quem o validou.
• Um registo de alterações documenta correções feitas depois da introdução inicial.
• Auditorias periódicas comparam uma amostra de registos com o suporte original (ficha de campo, relatório do laboratório).

A rastreabilidade transforma uma base de dados numa prova defensável, essencial se o projeto for auditado ou avaliado externamente.

Proteger a informação do projeto

Os dados de um projeto de prospeção representam anos de trabalho de campo, caro e muitas vezes irrepetível. Protegê-los é uma responsabilidade central do técnico:

• Cópias de segurança com a regra 3-2-1: 3 cópias, 2 suportes diferentes, 1 fora do local.
• Controlo de versões: cada exportação com data e versão; saber que dados serviram a cada mapa.
• Controlo de acesso: só quem precisa vê ou altera cada parte da informação.
• Confidencialidade: dados de prospeção são frequentemente sensíveis do ponto de vista comercial e legal.
• Testar o restauro da cópia de segurança; uma cópia nunca testada pode falhar precisamente quando é preciso.

Perder os dados de uma campanha de campo é, na prática, perder a campanha inteira.

Responsabilidade, autonomia e trabalho em equipa

A gestão de informação de prospeção exige atitudes profissionais claras:

• Responsabilidade pelas ações e decisões sobre os dados que se introduz ou altera.
• Autonomia para organizar o próprio trabalho dentro das regras definidas para o projeto.
• Assertividade para comunicar um erro ou uma incoerência encontrada, mesmo que incómoda.
• Rigor, sentido analítico e sentido de organização em cada validação, pasta e versão.
• Liderança, quando aplicável, na coordenação de uma equipa de recolha ou de introdução de dados.

Estas atitudes são avaliadas tanto quanto o domínio técnico das ferramentas.

Boas práticas de gestão de informação

• Registar o dado uma vez, na fonte, com todos os metadados.
• Georreferenciar sempre com o sistema de coordenadas identificado.
• Modelar a base de dados antes de introduzir dados reais.
• Validar cada importação e cada cruzamento de fontes.
• Manter o controlo de qualidade, a rastreabilidade e as cópias de segurança como rotina, não como exceção.
• Usar o SIG para ver e testar hipóteses sobre o território, não só para desenhar mapas.

Um técnico de prospeção que domina estas práticas transforma dados dispersos num modelo do depósito em que a equipa pode confiar.