1.1. Área de estudio

El área de estudio comprende un polígono enmarcado por el cinturón de rocas de edad principalmente del Jurásico, que aflora en el área norte del departamento del Putumayo. Dentro de este polígono, existen rocas de edad diferente al Jurásico y que representan el 8% del total del área, además de tener en cuenta que las muestras son de sedimentos activos de corriente los cuales representan un área (cuenca hidrográfica) y no un punto, razón por la cual fueron incluidas dentro del área de estudio.

El área tiene 1.254 km² de extensión y en división geográfica corresponde de forma porcentual de mayor a menor medida a parte de los municipios de Mocoa, San Francisco, Santiago y Villa Garzón; en la Fig. 1 se presenta el área municipal de cada uno en relación con el polígono del área de estudio.

Figura 1: Área de estudio.

Fuente: Elaboración propia.

En la Fig. 2 se observa el área de estudio y la distribución espacial de las 443 muestras de sedimentos activos de corriente con resultados geoquímicos de elementos indicadores de depósitos minerales tipo pórfido como Cu, Mo, Pb, Zn, Ag y Mn.

Figura 2: Distribución espacial de muestras dentro del área de estudio.

Fuente: Elaboración propia.

Estas muestras se encuentran distribuidas espacialmente en el área del polígono, dentro de las microcuencas hidrográficas cercanas a las quebradas y ríos principales. En la distribución espacial se aprecia un agrupamiento de muestras, principalmente cerca de zona del depósito mineral de Mocoa, lo cual es tenido en cuenta para el procesamiento geoestadístico de la información.

1.2. Geología

La geología del área de estudio la comprende rocas con edades entre el Triásico superior hasta el presente, y está conformada por paquetes litológicos en orden de importancia de rocas intrusivas, volcánicas y sedimentarias principalmente con algunas ventanas de rocas metamórficas. Entre las unidades geológicas presentes en el área de estudio se observa que el 91.9% de las rocas son de edad Triásico Superior - Jurásico (Tjsal: Formación Saldaña, Jcmdsom: Cuarzomonzodiorita Sombrerillos y Jmgmoc: Monzogranito de Mocoa); el 7.1% son de edad Cretácico (K1K2cb: Formación Caballos, K2V: Formación Villeta, K2E1rum: Formación Rumiyaco); el 0.5% de edad Cuaternario (Q2c y Q2al: depósitos cuaternarios) y el 0.6% perteneciente al Paleozoico.

En la Fig. 3 se presenta el mapa geológico y de estructuras principales en el área de estudio, tomado y digitalizado de la plancha 430 Mocoa [5, 6].

Figura 3: Mapa geológico y estructuras principales del área de estudio

Fuente: Elaboración propia.

La geología estructural en el área de estudio está compuesta por los sistemas de fallas correspondientes al límite andino oriental de la Cordillera Oriental con la llanura colombiana y que poseen una orientación espacial preferencial con sentido NNE - SSW y NE - SE que han sido responsables del levantamiento cordillerano y la geomorfología que tenemos actualmente. Otra dirección presente en la zona de estudio es el fallamiento con dirección NW - SE representada por la Falla de Sibundoy y otras fallas menores.

Los movimientos en el área están más o menos documentados a partir del Jurásico, cuando actuó una tectónica distensiva, a la que se le atribuye la formación de las zonas de debilidad que dieron origen a fallas normales en los límites oriental y occidental del área de estudio. A partir del Neógeno se inició la Orogenia Andina que ocasionó el levantamiento de las cordilleras Central y Oriental, debido a la tectónica compresiva, que cambió el movimiento de las fallas a inverso y transcurrente, y se impuso un estilo tectónico de cabalgamiento y plegamiento; este nuevo estilo persiste en la actualidad y se atribuye a la interacción entre las placas de Nazca, Suramérica y Caribe [7].

1.3. Geología económica

El área comprendida en el norte del departamento del Putumayo ha sido estudiada en décadas anteriores utilizando información geoquímica, geológica y geofísica disponible, en busca de manifestaciones de depósitos minerales de diferentes escalas, asociados a metales preciosos y metales básicos. Esta zona se encuentra en un ambiente de corteza continental y el potencial mineral de esta provincia se encuentra asociado a la superposición de dos eventos metalogenéticos que tuvieron lugar, uno en el Mesozoico (Triásico - Jurásico) y otro en el Cenozoico (Neógeno) [8].

La primera campaña de exploración regional en el área se dio en el año 1977, en el marco del convenio realizado entre las Naciones Unidas e INGEOMINAS (Actual Servicio Geológico Colombiano), donde se desarrolló el Proyecto de Metales Básicos en las cordilleras central y occidental COL 72-002/13, cuyo objetivo principal fue la exploración de un área de 90.000 km² en el sur de Colombia, haciendo énfasis en las posibilidades de encontrar mineralización de tipo pórfido de cobre [9].

La siguiente campaña de exploración regional, hace referencia a los años siguientes de la década de los setenta, cuando el programa de exploración conducido por las Naciones Unidas, INGEOMINAS y la Empresa Colombiana de Minas (ECOMINAS) concluyó en el descubrimiento de un gran depósito tipo pórfido de cobre y molibdeno cerca de la ciudad de Mocoa en el suroccidente de Colombia [10]. Allí, se desarrolló el Proyecto Metales Básicos Fase II COL 76/030 para desarrollar el estudio preliminar de factibilidad económica para el depósito de cobre y molibdeno de Mocoa [11]. El proyecto Mocoa, el cual se encuentra actualmente en etapa de exploración, y hasta la fecha es el único proyecto en la zona de estudio el cual ha pasado a etapa de exploración del subsuelo con perforación diamantina (para 2021 se contaba con 43 pozos profundos con un total de 25.199 metros perforados, [5]) y del cual se conocen los rasgos inherentes a un depósito tipo pórfido de Cu-Mo como las alteraciones hidrotermales, mineralización de sulfuros y tipos de vetillas, las demás anomalías han permanecido sin interpretaciones adicionales y consideradas sin interés económico. El conocimiento del depósito de Mocoa es el punto de partida para la identificación en terreno de depósitos similares en el cinturón de rocas jurásicas del norte del departamento del Putumayo, teniendo en cuenta las asociaciones mineralógicas determinadas en campo, las cuales permiten zonificar las alteraciones hidrotermales presentes, que son el rasgo determinante en la comprobación de mineralización tipo pórfido en áreas de exploración regional.

Algunas ocurrencias minerales se presentan sobre algunos de los causes principales de ríos, en donde se puede encontrar a mineros artesanales barequeando a muy pequeña escala en busca de oro, indicando la presencia de pequeños depósitos de oro de tipo aluvial en la zona, y adicional algunos puntos de extracción de materiales de construcción.

De acuerdo con lo anterior podemos afirmar que el área se encuentra con información primaria de etapas iniciales de exploración, donde la interpretación y uso de herramientas adicionales pueden ayudar a identificar de una forma más acertada el potencial minero para metales básicos en esta zona del país, donde predominan rocas y asociaciones minerales que permiten inferir una zona con alto potencial para la exploración regional de depósitos tipo pórfido de cobre y/o molibdeno tales como el depósito de Mocoa y depósitos similares en Ecuador.

2.1. Análisis exploratorio de datos

La primera etapa consiste en realizar el análisis exploratorio de los datos (AED) para las variables (Cu_ppm, Mo_ppm, Pb_ppm, Zn_ppm, Ag_ppb y Mn_ppm) en el cual se identifica para cada una de ellas la distribución, las medidas de tendencia central (media, percentiles, media geométrica, media armónica), medidas de dispersión (varianza, desviación estándar, coeficiente de variación, asimetría y curtosis), los datos duplicados (dando preferencia por el valor más alto) y los datos extremos (aberrantes) los cuales no son tenidos en cuenta (ocultados) en el análisis.

En la Tabla 1 se presentan las estadísticas básicas procesadas por el software para las variables filtradas sin duplicados y sin valores extremos de Cu_ppm, Mo_ppm, Pb_ppm, Zn_ppm, Ag_ppb y Mn_ppm. Para las variables Cu, Pb, Zn y Mn, el conjunto de datos es de 443 muestras; para el Mo se cuenta con 384 datos y para la Ag se cuenta con 387 datos. Estos dos últimos elementos tienen menor cantidad de muestras debido a inconvenientes que en su momento no permitieron que se procesaran las muestras.

En la Tabla 1 se observa que el coeficiente de variación (relación entre la desviación estándar y la media) es <1.00 para las variables Cu_ppm, Mo_ppm, Pb_ppm, Zn_ppm y Mn_ppm indicando que las variables se comportan adecuadamente para la estimación. Para el caso de la variable Ag_ppb, el valor >2.00 indica que tiene valores que continúan siendo extremos y pueden dificultar la estimación. Los valores de asimetría son todos positivos y como se observa en los histogramas de frecuencias indican que tiene cola hacia la derecha. El coeficiente de curtosis >0.00 indica que todas las variables presentan comportamiento leptocúrtico, es decir, presentan una alta frecuencia alrededor de los valores centrales.

2.2. Desagrupamiento de datos

Con los anteriores insumos procesados y analizados para cada variable se continua con la corrección de sesgos de muestreos preferenciales en cercanía a las zonas de altos valores, lo cual se evidenció visualmente en la Fig. 2. Por lo cual es necesario realizar un desagrupamiento de datos, que consiste como su nombre lo indica en desagrupar los datos debido a su irregularidad y a la concentración en sitios específicos, ya que es conveniente no atribuir el mismo peso estadístico a todos los datos [12]. Se toma una ventana móvil centrada en cada una de las muestras desde un tamaño inicial de 500 m x 500 m hasta 5.000 m x 5.000 m. Para obtener el tamaño más adecuado de la ventana, se realizan 20 pruebas para cada variable moviendo la ventana en el rango dado de tamaños, de allí se selecciona el valor óptimo, el cual debe poseer un valor de desviación estándar bajo, no estar tan alejado de la media, mostrar un cambio significativo entre el valor crudo y el valor pesado para los valores de media y desviación estándar que justifique el desagrupamiento. Los resultados son guardados en una nueva variable pesada del conjunto de datos de muestra, que luego es utilizada para el análisis variográfico y el modelamiento de la anamorfosis gaussiana, en la Tabla 2 se presentan los valores obtenidos (valores pesados) y se suministra el tamaño de la ventana que posee geometría cuadrada, por lo tanto, es el mismo valor para el eje X y Y.

Con los valores de tamaño de ventanas en metros obtenidos para X y Y, se procede a seleccionar las dimensiones de la grilla a utilizar en la estimación y la simulación de 2 km x 2 km respectivamente para las coordenadas X y Y.

2.3. Análisis variográfico

El análisis variográfico permite determinar la continuidad espacial de la variable en el estudio, ajustándola a un modelo de variograma experimental, el cual se obtiene al relacionar el promedio de la variabilidad entre pares de muestras en función a la distancia de separación en una dirección determinada. Para el presente caso de estudio se realizaron los análisis variográficos preliminares de las variables en las diferentes direcciones, sin obtener alguna dirección preferencial en ninguna de ellas. Esto refuerza el tipo de depósito mineral tipo pórfido, en el que la tendencia de mineralización es diseminada a lo largo de las zonas alteradas hidrotermalmente; teniendo en cuenta lo anterior, se toma una tendencia omnidireccional para el ajuste de los parámetros y la realización de los modelos de variogramas.

En la Fig. 4 se presenta el variograma experimental y el modelo de variograma para cada una de las variables (Cu_ppm, Mo_ppm, Pb_ppm, Zn_ppm, Ag_ppb y Mn_ppm). En línea punteada de color rojo se exhibe el variograma experimental omnidireccional, en línea continua de color rojo se muestra el trazo del modelo de variograma omnidireccional. Los números en color negro indican la cantidad de pares de muestras utilizadas para el cálculo del variograma, lo cual resulta útil para determinar la representatividad de los puntos seleccionados en la construcción y ajuste del modelo del variograma.

Figura 4: Variograma experimental y modelo de variograma para cada variable.

Fuente: Elaboración propia.

Se realiza la validación de los modelos variográficos obtenidos utilizando la validación cruzada, donde se compara el valor real con el valor estimado y se analiza la distribución de los errores entre cada punto muestreado y el valor estimado. Se hace énfasis en: el gráfico de dispersión de valores reales y estimados, el cual debe tener una pendiente superior a 0,60, indicando buena correlación; el histograma de frecuencias debe tener una media de los errores estandarizados cercana a 0,00, la desviación estándar debe ser cercana a 1,0; y la gráfica de errores estandarizados debe tener un porcentaje de muestras rechazadas inferior al 10%. Las anteriores condiciones de la validación cruzada permiten validar los modelos variográficos realizados para las variables Cu_ppm, Mo_ppm, Pb_ppm, Zn_ppm, Ag_ppb y Mn_ppm.

2.4. Simulación geoestadística

La idea de utilizar la simulación estadística permite obtener un número determinado de nuevas realizaciones de la función aleatoria Z(x̲) de tal manera que éstas compartan las mismas propiedades estadísticas que la función aleatoria Z(x̲). Por lo general no se conoce con precisión las propiedades estadísticas de Z(x̲) y lo que se hace es intentar obtener realizaciones simuladas ZS(x̲) que sean estadísticamente equivalentes a la muestra que se posee de la función aleatoria original [13].

La idea de la simulación condicional es poder construir una representación de un fenómeno que es consistente con los datos observados, de esta forma, una simulación condicional no es la realidad, tan sólo es una posible versión de ella. Una simulación de la función aleatoria consiste en la selección de una realización de la función Z(x̲) del conjunto de todas las posibles realizaciones. La construcción requiere el conocimiento de la distribución espacial de la función aleatoria Z(x̲) [13].

Se tiene en cuenta la definición de segundo orden, una simulación (no condicional) de la función aleatoria Z(x̲), es una realización de una función aleatoria S(x̲) seleccionada en la clase de todas las funciones aleatorias con el mismo momento de segundo orden como Z(x̲), es decir, la misma covarianza, variograma o covarianza generalizada [13].

2.4.3. Simulación por bandas rotantes - Escenario promedio para 100 realizaciones

La cartografía del escenario promedio para 100 realizaciones simula los valores de las concentraciones promedio de las variables analizadas para muestras de sedimentos activos de corriente y delimita zonas geoquímicas anómalas para las variables en estudio, las cuales son vectores en exploración regional para depósitos minerales tipo pórfido de cobre y/o molibdeno. Estas anomalías geoquímicas se encuentran por encima de los valores de referencia para concentraciones comunes en la corteza terrestre y rocas graníticas similares a las del cinturón de rocas jurásicas en el área de estudio.

La variable Cu de la Fig. 5 en el escenario promedio presenta dos anomalías fuertes con valores por encima del P90 en los sectores NW y E, y una anomalía moderada con valores por encima del P75 en el sector SW del área. Las anomalías del sector NW y E se encuentran con valores superiores a los valores de Cu de referencia para valores del promedio de la corteza terrestre de 60 ppm [16].

Figura 5: Simulación por bandas rotantes para Cu, escenario promedio de 100 realizaciones.

Fuente: Elaboración propia.

La variable Mo de la Fig. 6 en el escenario promedio presenta dos anomalías fuertes con valores por encima del P90 en los sectores W y SE, y dos anomalías moderadas con valores por encima del P75 en los sectores NW y SW del área. Las anomalías se encuentran con valores superiores a los valores de Mo de referencia para valores del promedio para rocas graníticas de 1,5 ppm [16].

Figura 6: Simulación por bandas rotantes para Mo, escenario promedio de 100 realizaciones.

Fuente: Elaboración propia.

La variable Pb de la Fig. 7 en el escenario promedio presenta dos anomalías fuertes con valores por encima del P90 en los sectores E y SW, y dos anomalías moderadas con valores por encima del P75 en los sectores N y SE del área. Las anomalías se encuentran con valores superiores a los valores de Pb de referencia para valores del promedio para rocas graníticas de 20 ppm [16].

Figura 7: Simulación por bandas rotantes para Pb, escenario promedio de 100 realizaciones.

Fuente: Elaboración propia.

La variable Zn de la Fig. 8 en el escenario promedio presenta tres anomalías fuertes con valores por encima del P90 en los sectores E, SW y SE del área. Las anomalías se encuentran con valores superiores a los valores de Zn de referencia para valores del promedio para rocas graníticas de 50 ppm [16].

Figura 8: Simulación por bandas rotantes para Zn, escenario promedio de 100 realizaciones.

Fuente: Elaboración propia.

La variable Ag de la Fig. 9 en el escenario promedio presenta tres anomalías fuertes con valores por encima del P90 en los sectores E y NE. Las anomalías se encuentran con valores superiores a los valores de Ag de referencia para valores del promedio para rocas graníticas de 50 ppm [16].

Figura 9: Simulación por bandas rotantes para Ag, escenario promedio de 100 realizaciones.

Fuente: Elaboración propia.

La variable Mn de la Fig. 10 en el escenario promedio presenta dos anomalías fuertes con valores por encima del P90 en los sectores E y SW, y una anomalía moderada con valores por encima del P75 en el sector SE del área. Las anomalías se encuentran con valores superiores a los valores de Mo de referencia para valores del promedio para rocas graníticas de 400 ppm y del promedio de rocas de la corteza terrestre 950 ppm [16].

Figura 10: Simulación por bandas rotantes para Mn, escenario promedio de 100 realizaciones.

Fuente: Elaboración propia.

En la Tabla 3 se presentan las estadísticas básicas procesadas para las variables en el escenario promedio para 100 realizaciones. El coeficiente de variación (relación entre la desviación estándar y la media) es <1.00 para todas las variables, excepto para la Ag_ppb. Como se pude observar, tanto las medidas de tendencia central, las medidas de variabilidad y las medidas de forma estimadas siguen conservando estadísticas similares de los valores originales para cada de los elementos analizados.

Tabla 3: Estadísticas básicas para las diferentes variables analizadas en el escenario del promedio de 100 simulaciones.

Variable	Cu_ppm	Mo_ppm	Pb_ppm	Zn_ppm	Ag_ppb	Mn_ppm
Conteo Total	841,00	841,00	841,00	841,00	841,00	841,00
Media	33,93	3,23	24,36	86,09	70,38	672,40
Varianza	211,0	1,1	102,2	725,8	10576,0	34979,0
Desviación Estándar	14,53	1,05	10,11	26,94	102,84	187,03
Coef. de Variación	0,4282	0,3242	0,4150	0,3129	1,4610	0,2781
Mínimo	12,61	0,71	6,71	43,02	0,32	281,23
Máximo	98,44	6,96	67,18	198,37	533,61	1150,89
Percentil 5%	18,64	1,46	10,58	54,08	0,50	385,07
Percentil 25%	24,16	2,56	17,87	67,82	3,20	539,66
Percentil 50%	29,91	3,24	22,53	78,53	18,95	646,85
Percentil 75%	40,65	3,73	27,86	98,54	88,90	806,99
Percentil 90%	50,41	4,50	38,00	124,73	220,39	927,86
Percentil 98%	84,34	5,99	53,02	155,24	382,34	1074,40
Media Geométrica	31,48	3,04	22,53	82,43	16,67	645,59
Media Armónica	29,48	2,82	20,81	79,21	3,03	617,75
Asimetría	1,798	0,452	1,381	1,247	1,890	0,280
Curtosis	7,179	4,223	5,552	4,711	6,242	2,585

Fuente: Elaboración propia.

3.1. Error relativo en simulaciones

Una vez realizadas las simulaciones por el método de bandas rotantes para los tres escenarios: optimista, promedio y pesimista, se procede a determinar el porcentaje de error relativo para el escenario promedio o simulado, debido a que de las 100 realizaciones se considera la simulación más acertada a la realidad, para ello se utiliza la relación entre la desviación estándar y la media de cada una de las celdas pertenecientes a la grilla de simulación. De esta forma se conoce el porcentaje de error en cada celda y se compara con los resultados de la simulación para cada variable.

En general, para las anomalías identificadas de Cu, Pb, Zn, Ag, y Mn se tienen errores relativos aceptables para validarlas.

Para las anomalías de Mo identificadas en los sectores W y SW se tienen errores relativos aceptables para su validación, sin embargo, los sectores SE y NW poseen errores relativos altos que no validan en su totalidad estas dos anomalías, debido al efecto de borde teniendo en cuenta la baja cantidad de muestras en el elipsoide de búsqueda.

3.2. Resultados simulación caso promedio

En el escenario promedio simulado por el método de bandas rotantes para las seis variables en estudio, se puede determinar que todos los valores considerados anómalos en este escenario se encuentran por encima de los valores referencia para concentraciones comunes de estos elementos en rocas graníticas similares al cinturón de rocas jurásicas. De acuerdo con la Tabla 4 para el promedio de granito y granodiorita, en el caso del Cu este valor se encuentra por encima de P90; para el Mo, Pb, y Zn se encuentran por debajo del P25; para la Ag se encuentra por debajo de P75 y para el Mn se encuentra por debajo del P90. Este escenario marca muy bien el depósito de Mocoa con anomalías de Cu, Pb, Zn, Mn, Ag y Mo en el muestreo realizado; y por consiguiente representa una buena prospectividad para este tipo de depósitos en las anomalías fuertes identificadas en el sector NW y SW del área de estudio.

3.3. Anomalías para escenario promedio por método de bandas rotantes

Una vez analizadas las anomalías generadas por el método de bandas rotantes, se toma el escenario promedio como el escenario que simula más adecuadamente la realidad de la naturaleza de las concentraciones de las variables analizadas, generando el mapa de anomalías regionales del área de estudio, producto del análisis de resultados de muestras de sedimentos activos de corriente. En la Fig. 11 se observan las cuatro anomalías regionales identificadas dentro del área de estudio, numeradas en orden de importancia de acuerdo con los resultados obtenidos en la simulación.

Figura 11: Anomalías geoquímicas resultado de simulación por bandas rotantes para escenario promedio simulado.

Fuente: Elaboración propia.

• Anomalía 1. Localizada al oriente del área de estudio y delimitada por concentraciones anómalas de Cu-Pb-Zn-Mn-Mo-Ag. Esta anomalía se considera de alta importancia y corresponde a la firma geoquímica de depósitos tipo pórfido de Cu, dentro de ésta se encuentra el depósito mineral de Mocoa, corresponde a un área de 89,03 km².

• Anomalía 2. Localizada al suroccidente del área de estudio y delimitada por concentraciones anómalas de Pb-Zn-Mn-Mo-Cu. Esta anomalía se considera de alta importancia y corresponde a la firma geoquímica de depósitos tipo pórfido de Cu, corresponde a un área de 65,43 km².

• Anomalía 3. Localizada al noroccidente del área de estudio y delimitada por concentraciones anómalas de Cu-Mo-Zn-Pb-Ag. Esta anomalía se considera de mediana importancia y corresponde por la intensidad a una firma geoquímica moderada de depósitos tipo pórfido de Cu-Mo, corresponde a un área de 70,15 km².

• Anomalía 4. Localizada al suroriente del área de estudio y delimitada por concentraciones anómalas de Pb-Zn-Mn-Mo. Esta anomalía se considera de mediana importancia y corresponde por la intensidad a una firma geoquímica moderada de depósitos tipo pórfido de Cu, corresponde a un área de 90,54 km².

Cada una de estas cuatro anomalías geoquímicas generadas deben estar relacionadas y acompañadas en superficie con zonas de alteración hidrotermal, que dependiendo del nivel en profundidad del sistema y/o del nivel de erosión en el que se encuentren los sistemas mineralizados, puede gradar desde alteraciones de baja temperatura como la alteración propilítica y alteración sericítica hasta alteraciones de mayor temperatura. De esta misma forma, los elementos Pb, Zn, Mn y Ag corresponden a niveles superiores en los sistemas tipo pórfido con temperaturas más bajas; y los elemento Cu y Mo corresponden a niveles más profundos con temperaturas altas. Inicialmente estas cuatro anomalías suman 315,15 km² de extensión superficial y son el punto de partida de próximas campañas de exploración de depósitos minerales de Cu-Mo.