Leçon 1 sur 5
Variables régionalisées et statistique des données de sondage
Je sais décrire une teneur comme une variable régionalisée, préparer des données de sondage (validation, composites) et en calculer les statistiques utiles à l'estimation : moyenne, variance, coefficient de variation, dégroupement et écrêtement.
- 1 h 20
- 6 exercices corrigés
- QCM de 7 questions
À la fin de la leçon, vous saurez :
- Définir une variable régionalisée, son support et son champ
- Décrire une base de données de sondage et les contrôles qualité indispensables
- Calculer des composites de longueur constante pondérés par la longueur
- Calculer et interpréter moyenne, médiane, variance, écart-type et coefficient de variation
- Appliquer un dégroupement par cellules et un écrêtement des valeurs extrêmes
Avant de commencer : Statistique descriptive et probabilités (L1-L2) ; géologie des gîtes minéraux.
1Je découvre
Mariama Kouyaté vient d'être recrutée comme géologue junior par Djoliba Mining, une société (fictive) qui explore un permis aurifère dans la région de Siguiri. L'équipe a foré une première campagne de sondages carottés et de sondages en circulation inverse. Le laboratoire a renvoyé des milliers d'analyses en grammes d'or par tonne (g/t).
Son chef lui demande : « Quelle est la teneur moyenne de la zone minéralisée ? » Mariama fait la moyenne de toutes les analyses du tableur et trouve un chiffre élevé. Mais elle remarque trois problèmes : les échantillons n'ont pas tous la même longueur ; les sondages sont très serrés là où l'on a trouvé de belles teneurs et très espacés ailleurs ; et une seule analyse à plus de 40 g/t tire la moyenne vers le haut.
Avant de parler de variogramme ou de krigeage, il faut donc comprendre la nature de ces données et apprendre à les préparer.
Comment décrire et préparer correctement les teneurs de sondage avant toute estimation de ressources ?
2Je comprends
1. La variable régionalisée
La géostatistique, fondée par Georges Matheron dans les années 1960 à partir des travaux de Danie Krige sur les mines d'or sud-africaines, étudie les variables régionalisées : des grandeurs qui prennent une valeur en chaque point de l'espace et dont les valeurs voisines sont liées.
On note z(x) la valeur au point x (par exemple la teneur en or au point de coordonnées (X, Y, Z)). Exemples en Guinée :
| Gîte | Variable régionalisée | Unité |
|---|---|---|
| Or (Siguiri, Haute-Guinée) | teneur en or | g/t |
| Bauxite (Boké, Fria) | teneur en alumine Al2O3, en silice réactive | % |
| Fer (sud-est guinéen) | teneur en fer Fe | % |
| Tous gîtes | épaisseur de la minéralisation, densité | m, t/m³ |
Une variable régionalisée a un double aspect :
- un aspect structuré : deux échantillons proches se ressemblent davantage que deux échantillons éloignés ;
- un aspect erratique : à courte distance, les teneurs peuvent varier brutalement (pépites d'or, filonnets).
Pour en tenir compte, on la considère comme une réalisation d'une fonction aléatoire Z(x). On n'a qu'une seule réalité géologique, observée en quelques points : il faudra donc des hypothèses de stationnarité (leçon 2) pour pouvoir faire des calculs statistiques.
Deux notions sont essentielles :
- le champ : le domaine où la variable est définie (le corps minéralisé interprété par le géologue) ;
- le support : le volume sur lequel la valeur est mesurée (une carotte de 1 m, un composite de 2 m, un bloc de 25 m × 25 m × 5 m). La variance d'une teneur diminue quand le support augmente : les blocs sont moins dispersés que les échantillons (leçon 4).
2. Les données de sondage et leur contrôle qualité
Une base de données de sondage comprend au moins quatre tables :
| Table | Contenu |
|---|---|
| Collars (têtes) | identifiant, coordonnées X, Y, Z de la tête, profondeur totale |
| Survey (déviations) | profondeur, azimut, plongement mesurés le long du trou |
| Assays (analyses) | identifiant, de (m), à (m), teneur, numéro d'échantillon |
| Lithologie | identifiant, de, à, code de roche, altération, oxydation |
Les principaux types de travaux sont la tranchée, le sondage en circulation inverse (RC, des copeaux remontés par air comprimé) et le sondage carotté (DD, une carotte continue, plus coûteuse mais plus fiable pour la géologie et la densité).
Aucune estimation n'est meilleure que les données qui l'alimentent. On contrôle la qualité des analyses (QA/QC) en insérant dans les lots envoyés au laboratoire :
- des blancs (matériel sans or) pour détecter les contaminations ;
- des standards (matériaux de référence certifiés, de teneur connue) pour détecter un biais ;
- des duplicatas (deuxième moitié de carotte ou deuxième prise) pour mesurer la précision ;
- des contre-analyses dans un second laboratoire.
On vérifie aussi la base elle-même : intervalles qui se chevauchent, trous sans déviation, teneurs négatives (souvent un code « sous la limite de détection »), coordonnées aberrantes.
3. Régulariser les données : les composites
Les échantillons ont des longueurs variables (on coupe la carotte selon la géologie). Mélanger un échantillon de 0,5 m et un de 1,5 m dans une moyenne simple n'a pas de sens. On calcule donc des composites de longueur constante L (souvent égale à la longueur d'échantillonnage dominante ou liée à la hauteur de gradin) :
zc = Σi li ziΣi li
où li est la longueur de l'échantillon i comprise dans le composite.
Exemple
Sondage DJ-012, composites de 2 m à partir de 24,0 m.
Analyses : 24,0–25,5 m : 0,8 g/t ; 25,5–26,0 m : 3,2 g/t ; 26,0–27,0 m : 1,4 g/t ; 27,0–28,0 m : 0,6 g/t.
Étape 1. Composite 24–26 m : il contient 1,5 m à 0,8 g/t et 0,5 m à 3,2 g/t.
z = (1,5 × 0,8 + 0,5 × 3,2) / 2 = (1,2 + 1,6) / 2 = 1,40 g/t.
Étape 2. Composite 26–28 m : 1,0 m à 1,4 g/t et 1,0 m à 0,6 g/t.
z = (1,4 + 0,6) / 2 = 1,00 g/t.
Étape 3. Contrôle : métal total avant = 1,2 + 1,6 + 1,4 + 0,6 = 4,8 g·m/t ;
après = 2 × 1,40 + 2 × 1,00 = 4,8 g·m/t. Le métal est conservé.
Les composites se calculent à l'intérieur de chaque domaine géologique (on ne mélange pas latérite et roche fraîche, ni minerai et stérile).
4. Statistique descriptive des composites
Pour n composites z1, …, zn :
| Grandeur | Formule ou définition | Ce qu'elle dit |
|---|---|---|
| Moyenne | z = 1nΣ zi | niveau général des teneurs |
| Médiane | valeur qui partage les données triées en deux moitiés | teneur « typique », peu sensible aux extrêmes |
| Variance | s2 = 1nΣ (zi - z)2 | dispersion, en (g/t)² |
| Écart-type | s = √s2 | dispersion, en g/t |
| Coefficient de variation | CV = s / z | dispersion relative, sans unité |
En géostatistique on utilise souvent le dénominateur n (variance expérimentale) plutôt que n-1 ; sur de grands jeux de données la différence est négligeable.
Les teneurs en or ont presque toujours une distribution dissymétrique à droite : beaucoup de faibles valeurs, quelques très fortes. La moyenne est alors nettement supérieure à la médiane. Une loi souvent utilisée est la loi lognormale : ln Z suit une loi normale de moyenne m et de variance σ2, et la moyenne de Z vaut em + σ2/2.
Repères pratiques sur le CV : en dessous de 0,5 environ, la distribution est peu dispersée (fer, bauxite) ; au-dessus de 1, elle est très dispersée et les valeurs extrêmes demandent un traitement particulier (or, souvent).
Exemple
Dix composites de 2 m (g/t) : 0,4 ; 0,6 ; 0,7 ; 0,9 ; 1,1 ; 1,3 ; 1,6 ; 2,2 ; 3,5 ; 8,7.
Étape 1. Moyenne : somme = 21,0 ; z̄ = 21,0 / 10 = 2,10 g/t.
Étape 2. Médiane : (1,1 + 1,3) / 2 = 1,20 g/t, bien inférieure à la moyenne.
Étape 3. Écarts au carré : 2,89 ; 2,25 ; 1,96 ; 1,44 ; 1,00 ; 0,64 ; 0,25 ; 0,01 ; 1,96 ; 43,56.
Somme = 55,96 ; s² = 55,96 / 10 = 5,596 (g/t)².
Étape 4. s = √5,596 ≈ 2,37 g/t ; CV = 2,37 / 2,10 ≈ 1,13.
Conclusion : distribution très dissymétrique ; la valeur 8,7 g/t pèse à elle seule 43,56 / 55,96 ≈ 78 % de la somme des écarts au carré.
5. Dégroupement et écrêtement
Le dégroupement. Les sondages sont souvent plus serrés dans les zones riches (on « suit » la minéralisation). La moyenne arithmétique surestime alors la teneur du gisement. Le dégroupement par cellules consiste à superposer une grille de cellules, à donner le même poids total à chaque cellule occupée, puis à partager ce poids entre les données de la cellule :
wi = 1Nc × nk
où Nc est le nombre de cellules occupées et nk le nombre de données dans la cellule de la donnée i. On teste plusieurs tailles de cellule ; quand les zones riches sont surreprésentées, on retient souvent celle qui donne la moyenne dégroupée la plus faible, en restant cohérent avec la maille de sondage la plus large.
Exemple
Cellule A (zone de sondages serrés) : 3,0 ; 3,4 ; 2,8 ; 3,2 g/t. Cellule B : 0,8 g/t. Cellule C : 1,0 g/t.
Étape 1. Moyenne naïve = (12,4 + 0,8 + 1,0) / 6 = 14,2 / 6 ≈ 2,37 g/t.
Étape 2. 3 cellules occupées : chaque cellule pèse 1/3.
Poids : chaque donnée de A = 1/(3 × 4) = 1/12 ; B = 1/3 ; C = 1/3.
Étape 3. Moyenne dégroupée = (3,1 + 0,8 + 1,0) / 3 = 4,9 / 3 ≈ 1,63 g/t.
La moyenne naïve surestime de près de 45 % la teneur représentative.
L'écrêtement (top-cut). Quelques valeurs extrêmes, peu nombreuses et mal connues dans l'espace, peuvent faire exploser l'estimation autour d'elles. On les ramène à une valeur plafond zmax choisie à partir de l'histogramme, de la courbe de probabilité (rupture de pente), des quantiles élevés (souvent entre le 97,5e et le 99,5e centile) et de la quantité de métal retirée. Dans l'exemple des dix composites, écrêter à 5 g/t ramène 8,7 à 5,0 : la moyenne passe de 2,10 à 1,73 g/t, soit 3,7 / 21,0 ≈ 17,6 % du métal retiré. C'est beaucoup : sur un vrai jeu de données, on vérifierait que cette valeur extrême n'est pas confirmée par ses voisines avant de l'écrêter aussi fortement.
Méthode
- Valider la base : chevauchements, déviations, codes de limite de détection, coordonnées.
- Contrôler les résultats QA/QC : blancs, standards, duplicatas.
- Définir les domaines géologiques avec le géologue (lithologie, oxydation, structure).
- Calculer des composites de longueur constante dans chaque domaine.
- Calculer les statistiques : moyenne, médiane, variance, écart-type, CV, histogramme.
- Dégrouper si la maille est irrégulière ; écrêter si le CV est élevé et les extrêmes isolés.
- Documenter chaque choix (taille de cellule, valeur d'écrêtement, métal retiré).
3Je retiens
Je retiens
Une variable régionalisée z(x) a un aspect structuré et un aspect erratique ; on la voit comme une réalisation d'une fonction aléatoire Z(x).
Le support est le volume de mesure : plus il est grand, plus la variance des teneurs est faible.
QA/QC : blancs (contamination), standards (biais), duplicatas (précision).
Composite : moyenne pondérée par les longueurs, calculée dans un seul domaine géologique.
CV = s / moyenne ; au-dessus de 1, les valeurs extrêmes demandent un traitement.
Dégroupement : chaque cellule occupée pèse autant, quel que soit son nombre de données.
Écrêtement : plafonner les extrêmes isolés et mesurer le métal retiré.
4Erreurs fréquentes
- Faire la moyenne simple d'échantillons de longueurs différentes au lieu de pondérer par la longueur.
- Calculer des composites à cheval sur deux domaines (minerai et stérile, latérite et roche fraîche).
- Traiter un code de limite de détection (par exemple -1) comme une vraie teneur négative.
- Annoncer la moyenne naïve d'un réseau de sondages groupés dans les zones riches.
- Écrêter « au jugé » sans regarder la courbe de probabilité ni chiffrer le métal retiré.
5Je m’exerce
1Exercice 1
(Questions de cours)
a) Définissez une variable régionalisée et citez ses deux aspects.
b) Qu'appelle-t-on support ? Comment évolue la variance quand le support augmente ?
c) À quoi servent respectivement les blancs, les standards et les duplicatas ?
Voir le corrigéCacher le corrigé
a) C'est une grandeur définie en chaque point de l'espace, dont les valeurs voisines sont liées (teneur, épaisseur, densité). Elle a un aspect structuré (continuité à moyenne distance) et un aspect erratique (variations brutales à courte distance).
b) Le support est le volume sur lequel la valeur est mesurée ou estimée (échantillon, composite, bloc). Quand le support augmente, les fortes et faibles valeurs se compensent : la variance diminue.
c) Blancs : détecter une contamination ; standards : détecter un biais d'exactitude du laboratoire ; duplicatas : mesurer la précision (répétabilité de l'échantillonnage et de l'analyse).
2Exercice 2
Un sondage carotté donne : 10,0–11,2 m : 0,5 g/t ; 11,2–12,0 m : 4,1 g/t ; 12,0–13,5 m : 1,3 g/t ; 13,5–14,0 m : 0,2 g/t.
a) Calculez les composites de 2 m à partir de 10,0 m.
b) Calculez la teneur moyenne de l'intervalle 10–14 m et comparez-la à la moyenne simple des quatre analyses.
Voir le corrigéCacher le corrigé
a) Composite 10–12 m : 1,2 m à 0,5 et 0,8 m à 4,1 : z = (0,6 + 3,28)/2 = 1,94 g/t. Composite 12–14 m : 1,5 m à 1,3 et 0,5 m à 0,2 : z = (1,95 + 0,10)/2 = 1,025 ≈ 1,03 g/t.
b) Moyenne pondérée sur 4 m : (0,6 + 3,28 + 1,95 + 0,10)/4 = 5,93/4 ≈ 1,48 g/t. Moyenne simple : (0,5 + 4,1 + 1,3 + 0,2)/4 ≈ 1,53 g/t. La moyenne simple surpondère l'échantillon riche mais court (0,8 m) : elle est fausse.
3Exercice 3
Six composites d'un domaine saprolitique : 0,8 ; 1,2 ; 1,0 ; 2,6 ; 0,6 ; 1,4 g/t. Calculez la moyenne, la médiane, la variance (dénominateur n), l'écart-type et le coefficient de variation. Commentez.
Voir le corrigéCacher le corrigé
Somme = 7,6 ; moyenne = 7,6/6 ≈ 1,27 g/t. Données triées : 0,6 ; 0,8 ; 1,0 ; 1,2 ; 1,4 ; 2,6 ; médiane = (1,0 + 1,2)/2 = 1,10 g/t.
Somme des écarts au carré = 2,533 ; s2 = 2,533/6 ≈ 0,422 (g/t)² ; s ≈ 0,65 g/t ; CV = 0,65/1,27 ≈ 0,51.
Distribution modérément dispersée, légèrement dissymétrique (moyenne supérieure à la médiane à cause de 2,6). Pas de besoin évident d'écrêtement.
4Exercice 4
Un réseau de sondages est découpé en cellules de 50 m × 50 m. Cellule A : 2,4 ; 2,0 ; 2,2 g/t. Cellule B : 0,6 g/t. Cellule C : 0,9 ; 1,1 g/t. Cellule D : 0,4 g/t.
a) Calculez la moyenne naïve. b) Calculez le poids de chaque donnée et la moyenne dégroupée. c) Interprétez l'écart.
Voir le corrigéCacher le corrigé
a) Moyenne naïve = (6,6 + 0,6 + 2,0 + 0,4)/7 = 9,6/7 ≈ 1,37 g/t.
b) 4 cellules occupées, chacune pèse 1/4. Poids : données de A = 1/(4 × 3) = 1/12 ; B = 1/4 ; données de C = 1/(4 × 2) = 1/8 ; D = 1/4 (somme : 3/12 + 1/4 + 2/8 + 1/4 = 1). Moyennes de cellules : A = 2,2 ; B = 0,6 ; C = 1,0 ; D = 0,4. Moyenne dégroupée = (2,2 + 0,6 + 1,0 + 0,4)/4 = 1,05 g/t.
c) La cellule A, riche, contient 3 données sur 7 : elle est surreprésentée. La moyenne naïve surestime d'environ 30 % la teneur représentative du domaine.
5Exercice 5
Douze composites (g/t) : 0,3 ; 0,5 ; 0,6 ; 0,8 ; 0,9 ; 1,0 ; 1,2 ; 1,5 ; 1,9 ; 2,4 ; 6,8 ; 14,5.
a) Calculez la moyenne et la médiane. b) On écrête à 5 g/t : nouvelle moyenne et pourcentage de métal retiré ? c) Le CV passe de 1,46 à 0,89 : que signifie cette baisse ?
Voir le corrigéCacher le corrigé
a) Somme = 32,4 ; moyenne = 2,70 g/t. Médiane = (1,0 + 1,2)/2 = 1,10 g/t : très inférieure à la moyenne, signe d'une forte dissymétrie.
b) Après écrêtement, 6,8 et 14,5 deviennent 5,0 : somme = 21,1 ; moyenne ≈ 1,76 g/t. Métal retiré = (32,4 - 21,1)/32,4 ≈ 34,9 \%.
c) La dispersion relative a fortement baissé : l'estimation sera moins sensible à deux valeurs isolées. Mais retirer 35 % du métal est considérable : il faut vérifier si ces valeurs correspondent à une structure réelle (filon à haute teneur) qu'il vaudrait mieux modéliser comme un domaine à part, plutôt que de les écrêter.
6Exercice 6
(Type examen) Djoliba Mining vous remet la base de données d'un nouveau prospect près de Siguiri : 80 sondages RC, dont 50 concentrés sur 10 % de la surface autour d'un affleurement riche ; échantillons de 1 m en RC et de longueurs variables dans 6 sondages carottés ; une analyse à 52 g/t ; des teneurs « -0,01 » dans le fichier.
a) Listez, dans l'ordre, les vérifications et traitements à faire avant toute estimation.
b) Expliquez pourquoi la moyenne arithmétique des analyses risque de surestimer la teneur.
c) Proposez une démarche argumentée pour décider de l'écrêtement de la valeur à 52 g/t.
Voir le corrigéCacher le corrigé
a) 1. Valider la base (collars, déviations, chevauchements d'intervalles, coordonnées). 2. Remplacer les codes « -0,01 » (limite de détection) par une valeur conventionnelle documentée, par exemple la moitié de la limite de détection. 3. Examiner les résultats QA/QC (blancs, standards, duplicatas) et comparer RC et carottés dans les zones communes. 4. Définir les domaines géologiques. 5. Composer à longueur constante (par exemple 1 m ou 2 m) dans chaque domaine. 6. Statistiques par domaine. 7. Dégroupement. 8. Analyse des valeurs extrêmes et écrêtement.
b) 50 sondages sur 80 sont concentrés sur 10 % de la surface, précisément autour de l'affleurement riche : les fortes teneurs sont surreprésentées. Il faut dégrouper (cellules d'une taille proche de la maille large) pour obtenir une moyenne représentative.
c) Vérifier d'abord la donnée (pas d'erreur de saisie, standard du lot conforme, duplicata éventuel). Placer la valeur sur l'histogramme et la courbe de probabilité du domaine ; repérer la rupture de pente et les quantiles élevés (97,5e à 99,5e centile) ; regarder les composites voisins : si la valeur est isolée, l'écrêter à la valeur de rupture ; chiffrer la moyenne avant et après et le métal retiré ; documenter le choix. Si plusieurs fortes teneurs sont continues le long d'une structure, envisager plutôt un sous-domaine à haute teneur.
Cherchez d’abord seul, sur votre cahier, puis ouvrez le corrigé pour comparer.
6Je vérifie
Choisissez une réponse pour chaque question : la correction s’affiche aussitôt.
Karamö, votre enseignant
Il a lu cette leçon. Posez-lui votre question : il vous répond ici.
Connectez-vous pour poser vos questions à Karamö.
Avec un compte Kharandi gratuit, vous cochez les leçons terminées et vous suivez votre progression, cours par cours.
Signaler une erreur dans cette leçon
Toutes les leçons de Géostatistique et estimation des ressources