Em exploração mineral, escolher o método de perfuração certo é metade do caminho. A outra metade — frequentemente negligenciada — é escolher e gerir corretamente o diâmetro na sondagem diamantada. Não é detalhe operacional: é uma decisão científica que controla quanta massa chega ao laboratório, o nível de detalhe geológico que podemos descrever e o grau de incerteza que carregaremos para as estimativas de recursos. Em depósitos heterogêneos, essa decisão é ainda mais crítica, pois o erro amostral cresce rapidamente quando a massa é insuficiente para representar a variabilidade do material.
Na diamantada, trabalhamos com uma família de diâmetros padronizados (ex.: PQ > HQ > NQ > BQ), em ordem decrescente de diâmetro do testemunho e, portanto, de massa potencial por metro amostrado. Em termos práticos, quanto maior o diâmetro, maior a massa de testemunho entregue e melhor a chance de capturar heterogeneidade, especialmente aquela associada a mineralizações de distribuição irregular (como ouro grosso, sulfetos em veios descontínuos, fragmentações seletivas, etc.). O benefício adicional do testemunho diamantado é a continuidade: contatos, texturas, estruturas e relações paragenéticas podem ser descritos com precisão — algo impossível quando trabalhamos apenas com chips fragmentados.
Do ponto de vista operacional, a troca de diâmetro ao longo do furo é prática conhecida: começa-se maior (p.ex., PQ/HQ) e, por razões de penetração, custo, desgaste de coroa ou condições geomecânicas, reduz-se para NQ/BQ em profundidade. Isso pode ser necessário, mas não é neutro: cada mudança altera a massa amostral por metro e, por consequência, a variância esperada dos resultados analíticos. Intervalos de maior diâmetro tendem a apresentar menor dispersão (pela maior massa), enquanto os de menor diâmetro são mais sujeitos a flutuações amostrais. Misturar diâmetros dentro do mesmo furo, portanto, exige rastreabilidade impecável e, depois, tratamento estatístico consciente — sob risco de combinar, nas estimativas, populações de dados não equivalentes em média e variância.
Há um princípio que precisa ficar registrado de forma explícita: recuperação é inegociável. Massa não compensa perda. Sempre que a recuperação é baixa (ou mesmo “mediana”), não sabemos o que foi perdido — e a perda não é aleatória: materiais friáveis, argilosos, zonas de gouge, finos mineralizados ou fragmentos específicos podem ser preferencialmente removidos pelo fluido ou pelo manuseio. O resultado é viés. Por isso, é incorreto sugerir que uma “massa razoável” com recuperação mediana “se equilibra”: não se equilibra. Em contrapartida, testemunhos íntegros com boa recuperação — ainda que de menor diâmetro — permitem entender a variabilidade real do depósito. Perda de recuperação destrói representatividade; diâmetro pequeno apenas a limita. São problemas de natureza diferente, com gravidades diferentes.
Sob a ótica da amostragem, o diâmetro governa a massa disponível para corte (meia/¼), subamostragem e envio ao laboratório. Em sistemas com alto “nugget effect” (heterogeneidade em microescala), massas pequenas amplificam a variância: duas subamostras sucessivas podem divergir mais por efeito amostral do que por diferença geológica real. Já em sistemas mais homogêneos, diâmetros intermediários podem ser suficientes, desde que a recuperação seja alta e o protocolo de amostragem padronizado (serragem consistente, conservação de finos, controle de contaminações e perdas durante o preparo).
A questão do registro no banco de dados é central. Cada intervalo deve trazer, no mínimo: diâmetro do testemunho, tipo de tubo/coroa, metragens de início/fim de cada fase de diâmetro, percentual de recuperação por avanço, observações de perdas de circulação, estado hídrico (seco/úmido/saturado), observações de fragmentação e observações de manuseio/serragem (ex.: manutenção de finos na caixa). Sem isso, o analista não consegue filtrar e não consegue testar se os conjuntos de dados são equivalentes. E é essa equivalência — em média e variância — que determina se amostras de diâmetros distintos podem ou não ser integradas na mesma malha de estimativa sem introduzir viés.
Em termos de comparabilidade estatística, o fluxo mínimo recomendado é: (1) segmentar os dados por domínio geológico e litotipo; (2) subsegmentar por diâmetro; (3) testar equivalência de médias e variâncias entre subgrupos (com métodos adequados e robustos ao tipo de distribuição); (4) composições (composite) coerentes e consistentes entre subgrupos; (5 avaliar comportamento espacial (p.ex., variogramas por subgrupo) antes de qualquer unificação); (6) decidir conscientemente se integra, se modela separado ou se aplica ajustes. Ignorar diferenças induzidas pelo diâmetro é transferir incerteza para a etapa de modelagem — um caminho curto para estimativas instáveis.
No planejamento de campanha, a escolha do diâmetro deve ser guiada pela pergunta geológica e pelo nível de heterogeneidade esperado:
– Se a prioridade é entender contatos, texturas, estruturas, orientação de veios e zonas de cisalhamento, diâmetros maiores (com boa recuperação) maximizam a chance de descrição fiel e minimizam o erro amostral.
– Se o foco é volume geoquímico em domínios relativamente homogêneos, diâmetros intermediários podem ser suficientes — desde que recovery alto e protocolo de amostragem sejam estritos.
– Em ambientes de alta variabilidade (ouro com grão grosso, mineralização em veios zoomórficos, texturas bandeadas com contraste), evite diâmetros pequenos: a massa insuficiente produzirá variância inflada e um quadro analítico inconsistente, mesmo com alta recuperação.
E quando a troca de diâmetro é inevitável? Primeira regra: planejar onde e por que trocar. Segunda: documentar com precisão. Terceira: propagar essa informação no ciclo de dados — do caderno de campo ao banco, do banco ao EDA, do EDA ao modelo — para que ninguém trate intervalos de diâmetros diferentes como equivalentes por default. A quarta: na fase de “aquecimento” da campanha, calibrar efeitos práticos (recuperação, massa por metro, estabilidade de resultados analíticos por diâmetro), antes de escalar o plano. Aquecer não é perder tempo: é reduzir risco de decisões caras baseadas em suposições frágeis.
Vale reiterar a hierarquia de importância: (1) Recuperação, (2) Massa, (3) Comportamento da variância. Sem (1), não há representatividade — ponto. Com (1), mas com massa insuficiente, a representatividade existe, porém com maior incerteza (variância maior). A diferença é crucial: perda de recuperação cria viés (erro sistemático, pois a perda é seletiva); massa pequena cria imprecisão (erro aleatório maior). O primeiro corrói a veracidade do dado; o segundo limita a precisão. Tratamentos estatísticos conseguem lidar com imprecisão melhor do que com viés oculto.
Na etapa de preparo e amostragem do testemunho, o diâmetro também conversa com procedimentos. Em diâmetros menores, a serragem precisa ser mais disciplinada e a gestão de finos mais cuidadosa para não sub-representar fases friáveis/argilosas. Em diâmetros maiores, cresce a responsabilidade de manter a proporcionalidade entre faces na divisão (meia/¼), evitando assimetrias que introduzem pequenas tendências, porém cumulativas. Em todos os cenários, documentar é tão importante quanto executar.
No ambiente de dados, inclua campos que facilitem auditorias futuras: CORE_DIAM_CLASS (PQ/HQ/NQ/BQ), CORE_DIAM_DETAIL (especificação do sistema), INTERVAL_START/END, DIAM_PHASE_ID (para fases distintas no mesmo furo), RECOVERY_%, COMMENTS_RECOVERY, WATER_STATE (seco/úmido/saturado), CORE_CONDITION (friável/compacto/misto), SAMPLING_SCHEME (½, ¼, revezamento), FINE_RETENTION (sim/não/obs), CUT_METHOD (serra/lamas/observações). Esse dicionário mínimo já viabiliza os filtros essenciais para testar equivalências entre subconjuntos.
E o que isso significa para as estimativas de recursos? Significa que não basta compor as amostras e seguir para variografia/krigagem. Antes, é preciso avaliar a homogeneidade estatística entre os grupos de diâmetro dentro do mesmo domínio. Se médias e variâncias não forem equivalentes, misturar os dados inflará incertezas e pode distorcer as estimativas (subestimando ou superestimando teor e inflando coeficientes de variação). A saída pode ser: modelar separadamente, aplicar ponderações ou ajustes que respeitem a diferença induzida por massa; em casos críticos, redefinir o plano amostral para elevar massa onde o depósito exigir.
Por fim, duas mensagens práticas. Primeira: se o depósito é muito heterogêneo, planeje diâmetros maiores desde o começo e seja parcimonioso ao reduzir; cada milímetro a menos tem custo estatístico. Segunda: trocar diâmetro pode ser necessário; quando for, trate essa decisão como evento de QAQC — registre, comunique e analise separadamente depois. Assim, quem herdar os dados (geólogos de recurso, estatísticos, engenheiros) saberá filtrar corretamente e verificar equivalência antes de integrar tudo no mesmo bloco de estimativas.
O diâmetro importa porque governa massa, variância e poder descritivo do testemunho. Recuperação importa mais ainda — é a condição de existência da representatividade. Quando recuperação é alta e diâmetro é adequado ao nível de heterogeneidade, as amostras falam de fato pelo depósito. Quando recuperação falha ou diâmetro é insuficiente, as amostras passam a falar mais do processo do que da geologia. E isso, cedo ou tarde, aparece nas estimativas de recursos.
Se você trabalha com dados de sondagem, deixe o diâmetro e as mudanças de diâmetro visíveis, filtráveis e auditáveis no banco. Seu futuro “eu” — na hora de checar médias, variâncias, compositagem e variogramas — vai agradecer. E as estimativas também.
