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 aind, 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.
