ਖਣਿਜ ਸਰੋਤ ਮੁਲਾਂਕਣ ਵਿਧੀਆਂ

ਖਣਿਜ ਸਰੋਤ ਮੁਲਾਂਕਣ ਵਿਧੀਆਂ

ਖਣਿਜ ਸਰੋਤ ਮੁਲਾਂਕਣ ਇੱਕ ਖਣਿਜ ਭੰਡਾਰ ਦੀ ਮਾਤਰਾ, ਗੁਣਵੱਤਾ ਅਤੇ ਸੰਭਾਵੀ ਮੁੱਲ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਤਕਨੀਕੀ ਅਤੇ ਆਰਥਿਕ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਇੱਕ ਲੜੀ ਹੈ। ਇਹ ਗਤੀਵਿਧੀ ਨਿਵੇਸ਼ ਫੈਸਲਿਆਂ, ਖਾਣ ਯੋਜਨਾਬੰਦੀ, ਖਾਣ ਡਿਜ਼ਾਈਨ ਅਤੇ ਜੋਖਮ ਪ੍ਰਬੰਧਨ ਲਈ ਨੀਂਹ ਬਣਾਉਂਦੀ ਹੈ। ਢੁਕਵੇਂ ਮੁਲਾਂਕਣ ਤੋਂ ਬਿਨਾਂ, ਇੱਕ ਖਣਨ ਪ੍ਰੋਜੈਕਟ ਗਲਤ ਭੂ-ਵਿਗਿਆਨਕ ਅਤੇ ਮਾਰਕੀਟ ਧਾਰਨਾਵਾਂ ਦੇ ਕਾਰਨ ਲਾਗਤ ਵਿੱਚ ਵਾਧੇ, ਡਿਜ਼ਾਈਨ ਗਲਤੀਆਂ, ਜਾਂ ਇੱਥੋਂ ਤੱਕ ਕਿ ਕਾਰਜਸ਼ੀਲ ਅਸਫਲਤਾ ਦਾ ਜੋਖਮ ਲੈਂਦਾ ਹੈ। ਇਹ ਲੇਖ ਭੂ-ਵਿਗਿਆਨਕ ਦ੍ਰਿਸ਼ਟੀਕੋਣ, ਮਾਤਰਾ-ਗ੍ਰੇਡ ਅਨੁਮਾਨ, ਵਰਗੀਕਰਨ, ਅਤੇ ਆਰਥਿਕ ਅਤੇ ਅਨਿਸ਼ਚਿਤਤਾ ਪਹੁੰਚਾਂ ਤੋਂ ਖਣਿਜ ਸਰੋਤ ਮੁਲਾਂਕਣ ਵਿਧੀਆਂ ਬਾਰੇ ਚਰਚਾ ਕਰਦਾ ਹੈ।

1. ਮੁੱਢਲੇ ਸੰਕਲਪ: ਸਰੋਤ ਬਨਾਮ ਰਿਜ਼ਰਵ

ਖਣਨ ਅਭਿਆਸ ਵਿੱਚ, ਖਣਿਜ ਸਰੋਤਾਂ ਅਤੇ ਖਣਿਜ ਭੰਡਾਰਾਂ ਵਿੱਚ ਫਰਕ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਸਰੋਤ ਖਣਿਜਾਂ ਦੀ ਗਾੜ੍ਹਾਪਣ ਹਨ ਜਿਨ੍ਹਾਂ ਕੋਲ ਭੂ-ਵਿਗਿਆਨਕ ਸਬੂਤਾਂ ਅਤੇ ਵਿਆਖਿਆ ਦੇ ਅਧਾਰ ਤੇ ਆਰਥਿਕ ਖਣਨ ਲਈ ਵਾਜਬ ਸੰਭਾਵਨਾਵਾਂ ਹਨ। ਭੰਡਾਰ ਇੱਕ ਸਰੋਤ ਦਾ ਉਹ ਹਿੱਸਾ ਹਨ ਜੋ ਖਣਨ, ਧਾਤੂ ਵਿਗਿਆਨ, ਕਾਨੂੰਨੀ, ਵਾਤਾਵਰਣ, ਸਮਾਜਿਕ ਅਤੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਕਾਰਕਾਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ, ਵਧੇਰੇ ਵਿਸਤ੍ਰਿਤ ਅਧਿਐਨਾਂ ਦੁਆਰਾ ਖਣਨ ਲਈ ਤਕਨੀਕੀ ਅਤੇ ਆਰਥਿਕ ਤੌਰ 'ਤੇ ਸੰਭਵ ਸਾਬਤ ਹੋਇਆ ਹੈ।

ਇਹ ਵਰਗੀਕਰਨ ਆਮ ਤੌਰ 'ਤੇ ਅੰਤਰਰਾਸ਼ਟਰੀ ਰਿਪੋਰਟਿੰਗ ਮਿਆਰਾਂ ਜਿਵੇਂ ਕਿ JORC ਕੋਡ, NI 43-101 (ਕੈਨੇਡਾ), ਜਾਂ CRIRSCO ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹਨ। ਸਰੋਤਾਂ ਨੂੰ ਅਨੁਮਾਨਿਤ, ਸੰਕੇਤਿਤ ਅਤੇ ਮਾਪਿਆ ਗਿਆ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ ਹੈ, ਜਦੋਂ ਕਿ ਭੰਡਾਰਾਂ ਨੂੰ ਸੰਭਾਵੀ ਅਤੇ ਸਾਬਤ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ ਹੈ। ਸ਼੍ਰੇਣੀ ਜਿੰਨੀ ਉੱਚੀ ਹੋਵੇਗੀ, ਅੰਡਰਲਾਈੰਗ ਡੇਟਾ ਅਤੇ ਵਿਆਖਿਆ ਵਿੱਚ ਵਿਸ਼ਵਾਸ ਦਾ ਪੱਧਰ ਓਨਾ ਹੀ ਉੱਚਾ ਹੋਵੇਗਾ।

2. ਖੋਜ ਅਤੇ ਡੇਟਾ ਇਕੱਠਾ ਕਰਨ ਦਾ ਪੜਾਅ

ਇੱਕ ਠੋਸ ਮੁਲਾਂਕਣ ਇੱਕ ਚੰਗੀ ਤਰ੍ਹਾਂ ਯੋਜਨਾਬੱਧ ਖੋਜ ਪ੍ਰੋਗਰਾਮ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ। ਖੋਜ ਵਿਧੀਆਂ ਵਿੱਚ ਭੂ-ਵਿਗਿਆਨਕ ਮੈਪਿੰਗ, ਭੂ-ਰਸਾਇਣ ਵਿਗਿਆਨ, ਭੂ-ਭੌਤਿਕ ਵਿਗਿਆਨ ਅਤੇ ਡ੍ਰਿਲਿੰਗ ਸ਼ਾਮਲ ਹਨ। ਡ੍ਰਿਲਿੰਗ ਕੋਰ ਜਾਂ ਡ੍ਰਿਲ ਸ਼ੈਲ ਡੇਟਾ ਪੈਦਾ ਕਰਦੀ ਹੈ, ਜਿਸਨੂੰ ਫਿਰ ਗ੍ਰੇਡ, ਖਣਿਜ ਵਿਗਿਆਨ, ਘਣਤਾ, ਅਤੇ ਅਸ਼ੁੱਧਤਾ ਸਮੱਗਰੀ ਵਰਗੀਆਂ ਹੋਰ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਵਿੱਚ ਟੈਸਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਗ੍ਰੇਡ ਡੇਟਾ ਤੋਂ ਇਲਾਵਾ, ਮੁਲਾਂਕਣਾਂ ਵਿੱਚ ਢਾਂਚਾਗਤ ਭੂ-ਵਿਗਿਆਨ, ਤਬਦੀਲੀ ਦੀਆਂ ਕਿਸਮਾਂ, ਖਣਿਜੀਕਰਨ ਨਿਯੰਤਰਣ, ਅਤੇ ਭੂ-ਵਿਗਿਆਨਕ ਡੋਮੇਨਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜੋ ਨਿਰੰਤਰਤਾ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਦੇ ਹਨ। ਡੇਟਾ ਗੁਣਵੱਤਾ ਗੁਣਵੱਤਾ ਭਰੋਸਾ/ਨਿਯੰਤਰਣ (QA/QC) ਪ੍ਰਣਾਲੀਆਂ 'ਤੇ ਵੀ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਿਰਭਰ ਕਰਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਮਿਆਰੀ ਨਮੂਨਿਆਂ, ਖਾਲੀ ਥਾਵਾਂ, ਡੁਪਲੀਕੇਟ ਅਤੇ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਆਡਿਟ ਦੀ ਵਰਤੋਂ। QA/QC ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿਉਂਕਿ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਗਲਤੀਆਂ ਅਨੁਮਾਨਾਂ ਨੂੰ ਕਾਫ਼ੀ ਹੱਦ ਤੱਕ ਘਟਾ ਸਕਦੀਆਂ ਹਨ।

3. ਭੂ-ਵਿਗਿਆਨਕ ਮਾਡਲਿੰਗ ਅਤੇ ਡੋਮੇਨ ਨਿਰਧਾਰਨ

ਸਰੋਤ ਗਣਨਾਵਾਂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਇੱਕ ਭੂ-ਵਿਗਿਆਨਕ ਮਾਡਲ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ ਜੋ ਡਿਪਾਜ਼ਿਟ ਦੇ ਰੂਪ, ਲਿਥੋਲੋਜੀ, ਬਣਤਰ, ਖਣਿਜੀ ਜ਼ੋਨ ਅਤੇ ਗ੍ਰੇਡ ਡੋਮੇਨ ਸੀਮਾਵਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਡੋਮੇਨ ਇੱਕ ਡਿਪਾਜ਼ਿਟ ਖੇਤਰ ਦੇ ਉਪ-ਵਿਭਾਜਨ ਹੁੰਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਮੁਕਾਬਲਤਨ ਸਮਰੂਪ ਅੰਕੜਾਤਮਕ ਅਤੇ ਭੂ-ਵਿਗਿਆਨਕ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਾਲਾ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਓਰੋਜਨਿਕ ਸੋਨੇ ਦੇ ਡਿਪਾਜ਼ਿਟ ਵਿੱਚ, ਡੋਮੇਨਾਂ ਨੂੰ ਕੁਆਰਟਜ਼ ਨਾੜੀਆਂ, ਬ੍ਰੇਸੀਏਟਿਡ ਜ਼ੋਨ, ਜਾਂ ਤਬਦੀਲੀ ਤੀਬਰਤਾ ਦੇ ਅਧਾਰ ਤੇ ਵੰਡਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਭੂ-ਵਿਗਿਆਨਕ ਮਾਡਲਿੰਗ ਆਮ ਤੌਰ 'ਤੇ ਮਾਈਨਿੰਗ ਸੌਫਟਵੇਅਰ ਦੀ ਵਰਤੋਂ ਕਰਕੇ 3D ਵਿੱਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਹ ਪੜਾਅ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿਉਂਕਿ ਡੋਮੇਨ ਅਨੁਮਾਨ ਵਿਧੀ, ਵੈਰੀਓਗ੍ਰਾਮ, ਖੋਜ ਪੈਰਾਮੀਟਰ ਚੋਣ, ਅਤੇ ਨਿਰੰਤਰਤਾ ਵਿਆਖਿਆ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰੇਗਾ। ਗਲਤ ਡੋਮੇਨ ਪਰਿਭਾਸ਼ਾ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਪੱਖਪਾਤੀ ਅਨੁਮਾਨ ਲੱਗ ਸਕਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਉੱਚ-ਗ੍ਰੇਡ ਜ਼ੋਨਾਂ ਨੂੰ ਘੱਟ-ਗ੍ਰੇਡ ਜ਼ੋਨਾਂ ਨਾਲ "ਮਿਲਾਉਣਾ", ਇਸ ਤਰ੍ਹਾਂ ਡਿਪਾਜ਼ਿਟ ਦੇ ਚਰਿੱਤਰ ਨੂੰ ਅਸਪਸ਼ਟ ਕਰ ਦਿੰਦਾ ਹੈ।

4. ਗ੍ਰੇਡ ਅਤੇ ਟਨੇਜ ਅਨੁਮਾਨ ਵਿਧੀ

ਖਣਿਜ ਸਰੋਤ ਅਨੁਮਾਨ ਆਮ ਤੌਰ 'ਤੇ ਦੋ ਮੁੱਖ ਆਉਟਪੁੱਟ ਪੈਦਾ ਕਰਦਾ ਹੈ: ਟਨੇਜ ਅਤੇ ਔਸਤ ਗ੍ਰੇਡ, ਜੋ ਫਿਰ ਧਾਤ ਦੀ ਸਮੱਗਰੀ ਵਿੱਚ ਬਦਲ ਜਾਂਦੇ ਹਨ (ਜਿਵੇਂ ਕਿ, ਗ੍ਰਾਮ ਸੋਨਾ, ਟਨ ਤਾਂਬਾ)। ਕੁਝ ਆਮ ਤੌਰ 'ਤੇ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਅਨੁਮਾਨ ਢੰਗ ਹਨ:

a. ਬਹੁਭੁਜ ਵਿਧੀ (ਬਹੁਭੁਜ ਵਿਧੀ)
ਬਹੁਭੁਜ ਵਿਧੀ ਹਰੇਕ ਡੇਟਾ ਬਿੰਦੂ (ਜਿਵੇਂ ਕਿ, ਇੱਕ ਬੋਰਹੋਲ) ਦੇ ਪ੍ਰਭਾਵ ਦੇ ਖੇਤਰ ਨੂੰ ਖਾਸ ਬਹੁਭੁਜਾਂ ਵਿੱਚ ਵੰਡਦੀ ਹੈ। ਬਹੁਭੁਜ ਦਾ ਔਸਤ ਗ੍ਰੇਡ ਆਲੇ ਦੁਆਲੇ ਦੇ ਖੇਤਰ ਨੂੰ ਦਰਸਾਉਂਦਾ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਵਿਧੀ ਸਰਲ ਅਤੇ ਸਮਝਣ ਵਿੱਚ ਆਸਾਨ ਹੈ, ਪਰ ਇਹ ਗੁੰਝਲਦਾਰ ਜਮ੍ਹਾਂ ਜਾਂ ਸਪਾਰਸ ਡੇਟਾ ਲਈ ਘੱਟ ਢੁਕਵੀਂ ਹੈ ਕਿਉਂਕਿ ਇਹ ਸਥਾਨਿਕ ਰੁਝਾਨਾਂ ਲਈ ਅਨੁਕੂਲ ਢੰਗ ਨਾਲ ਖਾਤਾ ਨਹੀਂ ਬਣਾਉਂਦੀ।

b. ਉਲਟ ਦੂਰੀ ਭਾਰ (IDW) ਵਿਧੀ
IDW ਨਮੂਨਿਆਂ ਨੂੰ ਉਹਨਾਂ ਦੀ ਦੂਰੀ ਦੇ ਆਧਾਰ 'ਤੇ ਵਜ਼ਨ ਕਰਕੇ ਬਲਾਕ ਗ੍ਰੇਡ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ: ਉਹ ਜਿੰਨੇ ਨੇੜੇ ਹੋਣਗੇ, ਓਨਾ ਹੀ ਵੱਡਾ ਭਾਰ। IDW ਆਪਣੇ ਮੁਕਾਬਲਤਨ ਆਸਾਨ ਲਾਗੂਕਰਨ ਦੇ ਕਾਰਨ ਆਪਣੇ ਸ਼ੁਰੂਆਤੀ ਪੜਾਵਾਂ ਵਿੱਚ ਕਾਫ਼ੀ ਮਸ਼ਹੂਰ ਸੀ। ਹਾਲਾਂਕਿ, ਇਹ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਸਥਾਨਿਕ ਸਬੰਧਾਂ ਨੂੰ ਮਾਡਲ ਨਹੀਂ ਕਰਦਾ ਹੈ, ਇਸ ਲਈ ਕੁਝ ਮਾਮਲਿਆਂ ਵਿੱਚ ਇਹ ਘੱਟ ਪ੍ਰਤੀਨਿਧੀ ਅਨੁਮਾਨ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਉੱਚ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਵਾਲੇ ਜਮ੍ਹਾਂ ਵਿੱਚ।

c. ਕ੍ਰਿਗਿੰਗ (ਭੂ-ਅੰਕੜਾ ਅਨੁਮਾਨ)
ਕ੍ਰਿਗਿੰਗ ਇੱਕ ਭੂ-ਅੰਕੜਾ-ਵਿਗਿਆਨਕ ਵਿਧੀ ਹੈ ਜੋ ਗ੍ਰੇਡ ਦੀ ਸਥਾਨਿਕ ਨਿਰੰਤਰਤਾ ਨੂੰ ਮਾਡਲ ਕਰਨ ਲਈ ਇੱਕ ਵੈਰੀਓਗ੍ਰਾਮ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ ਅਤੇ ਅੰਕੜਾਤਮਕ ਤੌਰ 'ਤੇ ਅਨੁਕੂਲ ਅਨੁਮਾਨ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ (ਭਾਵ ਗਲਤੀ ਭਿੰਨਤਾ ਨੂੰ ਘੱਟ ਤੋਂ ਘੱਟ ਕਰਨਾ)। ਕ੍ਰਿਗਿੰਗ ਦੀਆਂ ਆਮ ਕਿਸਮਾਂ ਵਿੱਚ ਆਮ ਕ੍ਰਿਗਿੰਗ, ਸਧਾਰਨ ਕ੍ਰਿਗਿੰਗ, ਅਤੇ ਯੂਨੀਵਰਸਲ ਕ੍ਰਿਗਿੰਗ ਸ਼ਾਮਲ ਹਨ। ਇਸਦਾ ਫਾਇਦਾ ਅਨਿਸ਼ਚਿਤਤਾ (ਕ੍ਰਿਗਿੰਗ ਭਿੰਨਤਾ) ਦਾ ਮਾਪ ਪ੍ਰਦਾਨ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਹੈ ਅਤੇ ਜੇਕਰ ਵੈਰੀਓਗ੍ਰਾਮ ਅਤੇ ਡੋਮੇਨ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ ਤਾਂ ਇਹ ਵਧੇਰੇ ਮਜ਼ਬੂਤ ​​ਹੁੰਦਾ ਹੈ। ਚੁਣੌਤੀ ਇਹ ਹੈ ਕਿ ਕ੍ਰਿਗਿੰਗ ਲਈ ਕਾਫ਼ੀ ਡੇਟਾ ਅਤੇ ਭੂ-ਅੰਕੜਾ-ਵਿਗਿਆਨ ਦੀ ਮਜ਼ਬੂਤ ​​ਸਮਝ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

d. ਭੂ-ਵਿਗਿਆਨਕ ਸਿਮੂਲੇਸ਼ਨ (ਸ਼ਰਤ ਸਿਮੂਲੇਸ਼ਨ)
ਕ੍ਰਿਗਿੰਗ ਦੇ ਉਲਟ, ਜੋ ਇੱਕ "ਸਿੰਗਲ ਬੈਸਟ ਮੈਪ" ਤਿਆਰ ਕਰਦਾ ਹੈ, ਸਿਮੂਲੇਸ਼ਨ ਡੇਟਾ ਦੇ ਅਨੁਕੂਲ ਸੰਭਾਵਿਤ ਗ੍ਰੇਡ ਵੰਡਾਂ ਦੀਆਂ ਕਈ ਪ੍ਰਾਪਤੀਆਂ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਇਹ ਵਿਧੀ ਜੋਖਮ ਵਿਸ਼ਲੇਸ਼ਣ, ਅਨਿਸ਼ਚਿਤਤਾ-ਅਧਾਰਤ ਖਾਣ ਯੋਜਨਾਬੰਦੀ, ਅਤੇ ਗ੍ਰੇਡ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਮੁਲਾਂਕਣ ਲਈ ਉਪਯੋਗੀ ਹੈ। ਸਿਮੂਲੇਸ਼ਨ ਅਕਸਰ ਉੱਚ ਨਗੇਟ ਪ੍ਰਭਾਵ ਵਾਲੇ ਡਿਪਾਜ਼ਿਟ ਵਿੱਚ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ਜਾਂ ਜਦੋਂ ਆਰਥਿਕ ਫੈਸਲੇ ਗ੍ਰੇਡ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ ਪ੍ਰਤੀ ਬਹੁਤ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦੇ ਹਨ।

5. ਬਲਾਕ ਮਾਡਲ ਅਤੇ ਵਾਲੀਅਮ ਗਣਨਾ

ਜ਼ਿਆਦਾਤਰ ਆਧੁਨਿਕ ਅਨੁਮਾਨ ਬਲਾਕ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਜੋ ਕਿ ਛੋਟੇ ਬਲਾਕਾਂ ਵਿੱਚ ਜਮ੍ਹਾਂ ਪਦਾਰਥਾਂ ਦੇ 3D ਪ੍ਰਤੀਨਿਧਤਾ ਹਨ, ਹਰੇਕ ਵਿੱਚ ਗ੍ਰੇਡ, ਘਣਤਾ, ਲਿਥੋਲੋਜੀ, ਅਤੇ ਸਰੋਤ ਵਰਗੀਕਰਣ ਵਰਗੇ ਗੁਣ ਹੁੰਦੇ ਹਨ। ਹਰੇਕ ਬਲਾਕ ਦੀ ਮਾਤਰਾ ਇਸਦੇ ਮਾਪਾਂ ਤੋਂ ਗਿਣੀ ਜਾਂਦੀ ਹੈ, ਫਿਰ ਟਨੇਜ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਘਣਤਾ ਨਾਲ ਗੁਣਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਘਣਤਾ ਨੂੰ ਆਪਣੇ ਆਪ ਨੂੰ ਢੁਕਵੇਂ ਮਾਪਾਂ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਕਿਉਂਕਿ ਘਣਤਾ ਵਿੱਚ ਗਲਤੀਆਂ ਪ੍ਰੋਜੈਕਟ ਦੇ ਟਨੇਜ ਅਤੇ ਮੁੱਲ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਤ ਕਰ ਸਕਦੀਆਂ ਹਨ।

ਇਸ ਪੜਾਅ 'ਤੇ, ਜਦੋਂ ਲੋੜ ਹੋਵੇ ਤਾਂ ਟੌਪ-ਕਟਿੰਗ (ਕੈਪਿੰਗ) ਵੀ ਲਾਗੂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਖਾਸ ਤੌਰ 'ਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਤਿਰਛੇ ਗ੍ਰੇਡ ਵੰਡ ਵਾਲੇ ਡਿਪਾਜ਼ਿਟ ਵਿੱਚ, ਜਿਵੇਂ ਕਿ ਸੋਨਾ। ਟੌਪ-ਕਟਿੰਗ ਅਤਿਅੰਤ ਗ੍ਰੇਡਾਂ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਸੀਮਤ ਕਰਦੀ ਹੈ ਜੋ ਔਸਤ ਨੂੰ ਵਿਗਾੜ ਸਕਦੇ ਹਨ। ਟੌਪ-ਕਟਿੰਗ ਦੇ ਫੈਸਲੇ ਅੰਕੜਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਭੂ-ਵਿਗਿਆਨਕ ਸਮਝ 'ਤੇ ਅਧਾਰਤ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ ਤਾਂ ਜੋ ਖਣਿਜੀਕਰਨ ਦੇ ਅਸਲ ਚਰਿੱਤਰ ਨੂੰ ਅਸਪਸ਼ਟ ਨਾ ਕੀਤਾ ਜਾ ਸਕੇ।

6. ਕੱਟ-ਆਫ ਗ੍ਰੇਡ ਅਤੇ ਆਰਥਿਕ ਅਨੁਕੂਲਤਾ ਦਾ ਨਿਰਧਾਰਨ

ਸਰੋਤ ਮੁਲਾਂਕਣ ਅਕਸਰ ਕੱਟ-ਆਫ ਗ੍ਰੇਡ ਦੀ ਧਾਰਨਾ ਨਾਲ ਜੁੜਿਆ ਹੁੰਦਾ ਹੈ, ਜੋ ਕਿ ਸਮੱਗਰੀ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਅਤੇ ਮੁਨਾਫਾ ਪੈਦਾ ਕਰਨ ਲਈ ਲੋੜੀਂਦਾ ਘੱਟੋ-ਘੱਟ ਗ੍ਰੇਡ ਹੈ। ਕੱਟ-ਆਫ ਗ੍ਰੇਡ ਵਸਤੂਆਂ ਦੀਆਂ ਕੀਮਤਾਂ, ਮਾਈਨਿੰਗ ਲਾਗਤਾਂ, ਪ੍ਰੋਸੈਸਿੰਗ ਲਾਗਤਾਂ, ਧਾਤੂ ਰਿਕਵਰੀ, ਆਮ ਲਾਗਤਾਂ ਅਤੇ ਰਾਇਲਟੀ ਕਾਰਕਾਂ ਦੁਆਰਾ ਪ੍ਰਭਾਵਿਤ ਹੁੰਦੇ ਹਨ। ਉੱਚ ਲਾਗਤਾਂ ਜਾਂ ਘੱਟ ਕੀਮਤਾਂ ਕੱਟ-ਆਫ ਗ੍ਰੇਡ ਨੂੰ ਵਧਾਉਂਦੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਆਰਥਿਕ ਸਰੋਤ ਟਨੇਜ ਘਟਦਾ ਹੈ।

ਵਿਵਹਾਰਕਤਾ ਅਧਿਐਨ ਪੜਾਅ ਦੌਰਾਨ, ਸਰੋਤਾਂ ਨੂੰ ਭੰਡਾਰਾਂ ਵਿੱਚ ਬਦਲਣ ਲਈ ਟੋਏ ਅਨੁਕੂਲਨ (ਖੁੱਲ੍ਹੇ-ਟੋਏ ਖਾਣਾਂ ਲਈ) ਜਾਂ ਸਟਾਪਿੰਗ ਡਿਜ਼ਾਈਨ (ਭੂਮੀਗਤ ਖਾਣਾਂ ਲਈ) ਕੀਤਾ ਜਾਂਦਾ ਹੈ। Lerchs-Grossmann ਐਲਗੋਰਿਦਮ 'ਤੇ ਅਧਾਰਤ ਟੋਏ ਅਨੁਕੂਲਨ ਵਰਗੇ ਤਰੀਕੇ ਬਲਾਕ ਮੁੱਲਾਂ ਅਤੇ ਭੂ-ਤਕਨੀਕੀ ਕਾਰਕਾਂ 'ਤੇ ਵਿਚਾਰ ਕਰਕੇ ਆਰਥਿਕ ਟੋਏ ਸੀਮਾਵਾਂ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ।

7. ਸਰੋਤ ਵਰਗੀਕਰਨ ਅਤੇ ਅਨਿਸ਼ਚਿਤਤਾ

ਮਾਪਿਆ, ਸੰਕੇਤ ਕੀਤਾ, ਅਤੇ ਅਨੁਮਾਨਿਤ ਦੇ ਵਰਗੀਕਰਨ ਕਈ ਕਾਰਕਾਂ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤੇ ਜਾਂਦੇ ਹਨ: ਡੇਟਾ ਸਪੇਸਿੰਗ, QA/QC ਦੀ ਗੁਣਵੱਤਾ, ਭੂ-ਵਿਗਿਆਨਕ ਸਮਝ, ਜਮ੍ਹਾਂ ਜਟਿਲਤਾ, ਅਤੇ ਭੂ-ਵਿਗਿਆਨਕ ਨਤੀਜੇ (ਜਿਵੇਂ ਕਿ, ਰੇਂਜ ਵੈਰੀਓਗ੍ਰਾਮ, ਕ੍ਰਿਗਿੰਗ ਵੇਰੀਐਂਸ)। ਡੇਟਾ ਜਿੰਨਾ ਸੰਘਣਾ ਹੋਵੇਗਾ ਅਤੇ ਇਸਦੀ ਨਿਰੰਤਰਤਾ ਜਿੰਨੀ ਜ਼ਿਆਦਾ ਨਿਸ਼ਚਿਤ ਹੋਵੇਗੀ, ਸ਼੍ਰੇਣੀ ਓਨੀ ਹੀ ਉੱਚੀ ਹੋਵੇਗੀ।

ਅਨਿਸ਼ਚਿਤਤਾ ਵੱਖ-ਵੱਖ ਸਰੋਤਾਂ ਤੋਂ ਪੈਦਾ ਹੁੰਦੀ ਹੈ: ਨਮੂਨਾ ਗਲਤੀ, ਕੁਦਰਤੀ ਗ੍ਰੇਡ ਭਿੰਨਤਾ, ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਪੱਖਪਾਤ, ਭੂ-ਵਿਗਿਆਨਕ ਵਿਆਖਿਆ, ਅਤੇ ਆਰਥਿਕ ਧਾਰਨਾਵਾਂ। ਇਸ ਲਈ, ਆਧੁਨਿਕ ਰਿਪੋਰਟਿੰਗ ਅਕਸਰ ਪਾਰਦਰਸ਼ਤਾ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦੀ ਹੈ: ਤਰੀਕਿਆਂ, ਮਾਪਦੰਡਾਂ, ਧਾਰਨਾਵਾਂ ਅਤੇ ਸੀਮਾਵਾਂ ਦੀ ਵਿਆਖਿਆ। ਅਨੁਮਾਨਾਂ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਸੁਤੰਤਰ ਆਡਿਟ ਵੀ ਆਮ ਹਨ।

8. ਆਰਥਿਕ ਮੁਲਾਂਕਣ ਵਿਧੀ: ਪ੍ਰੋਜੈਕਟ ਮੁੱਲ

ਟਨੇਜ-ਗ੍ਰੇਡ ਦੀ ਗਣਨਾ ਕਰਨ ਤੋਂ ਇਲਾਵਾ, ਮੁਲਾਂਕਣ ਅਕਸਰ ਪ੍ਰੋਜੈਕਟ ਦੇ ਆਰਥਿਕ ਮੁੱਲ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਵਿੱਚ ਸਿੱਟਾ ਕੱਢਦੇ ਹਨ ਜਿਵੇਂ ਕਿ:

- ਉਤਪਾਦਨ, ਕੀਮਤ, ਲਾਗਤ, ਟੈਕਸ, ਅਤੇ ਨਿਵੇਸ਼ ਅਨੁਮਾਨਾਂ ਦੇ ਆਧਾਰ 'ਤੇ NPV (ਨੈੱਟ ਪ੍ਰਸਤੁਤ ਮੁੱਲ) ਅਤੇ IRR (ਅੰਦਰੂਨੀ ਵਾਪਸੀ ਦਰ) ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਛੂਟ ਵਾਲਾ ਨਕਦ ਪ੍ਰਵਾਹ (DCF)।
- ਵਸਤੂਆਂ ਦੀਆਂ ਕੀਮਤਾਂ, ਲਾਗਤਾਂ, ਰਿਕਵਰੀ, ਅਤੇ ਐਕਸਚੇਂਜ ਦਰਾਂ ਦਾ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਵਿਸ਼ਲੇਸ਼ਣ।
- ਧਾਰਨਾਵਾਂ ਵਿੱਚ ਵੱਡੀਆਂ ਤਬਦੀਲੀਆਂ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਵੇਖਣ ਲਈ ਦ੍ਰਿਸ਼ ਵਿਸ਼ਲੇਸ਼ਣ, ਉਦਾਹਰਣ ਵਜੋਂ ਮਾਈਨਿੰਗ ਤਰੀਕਿਆਂ ਜਾਂ ਪਲਾਂਟ ਸਮਰੱਥਾ ਵਿੱਚ ਬਦਲਾਅ।

ਇੱਕ ਚੰਗਾ ਆਰਥਿਕ ਮੁਲਾਂਕਣ ਹਮੇਸ਼ਾ ਆਰਥਿਕ ਮਾਪਦੰਡਾਂ ਨੂੰ ਇੱਕ ਯਥਾਰਥਵਾਦੀ ਭੂ-ਵਿਗਿਆਨਕ ਆਧਾਰ ਅਤੇ ਖਾਣ ਯੋਜਨਾ ਨਾਲ ਜੋੜਦਾ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ਼ ਮੰਨੇ ਗਏ ਅੰਕੜਿਆਂ ਨਾਲ।

9. ਸਿੱਟਾ

ਖਣਿਜ ਸਰੋਤ ਮੁਲਾਂਕਣ ਵਿਧੀਆਂ ਭੂ-ਵਿਗਿਆਨ, ਅੰਕੜਾ, ਖਣਨ ਇੰਜੀਨੀਅਰਿੰਗ, ਧਾਤੂ ਵਿਗਿਆਨ ਅਤੇ ਅਰਥ ਸ਼ਾਸਤਰ ਦੇ ਵਿਸ਼ਿਆਂ ਨੂੰ ਜੋੜਦੀਆਂ ਹਨ। ਇਹ ਪ੍ਰਕਿਰਿਆ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਖੋਜ ਡੇਟਾ, ਭੂ-ਵਿਗਿਆਨਕ ਅਤੇ ਡੋਮੇਨ ਮਾਡਲਿੰਗ, ਅਤੇ IDW ਜਾਂ ਕ੍ਰਿਗਿੰਗ ਵਰਗੇ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਗ੍ਰੇਡ-ਟਨੇਜ ਅਨੁਮਾਨ ਦੇ ਸੰਗ੍ਰਹਿ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ। ਇਹਨਾਂ ਪੜਾਵਾਂ ਦੌਰਾਨ ਸਰੋਤ ਵਰਗੀਕਰਨ ਅਤੇ ਕੱਟਆਫ ਅਤੇ ਨਕਦ ਪ੍ਰਵਾਹ ਵਿਸ਼ਲੇਸ਼ਣ ਦੁਆਰਾ ਆਰਥਿਕ ਮੁਲਾਂਕਣ ਮੁੱਖ ਹਨ। ਇਹਨਾਂ ਪੜਾਵਾਂ ਦੌਰਾਨ, ਅਨਿਸ਼ਚਿਤਤਾ ਪ੍ਰਬੰਧਨ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਕੁੰਜੀ ਹੈ ਕਿ ਮੁਲਾਂਕਣ ਨਤੀਜਿਆਂ ਦੀ ਵਰਤੋਂ ਵਧੇਰੇ ਭਰੋਸੇਮੰਦ ਨਿਵੇਸ਼ ਅਤੇ ਸੰਚਾਲਨ ਫੈਸਲਿਆਂ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।

ਢੁਕਵੇਂ ਤਰੀਕਿਆਂ, ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਰਿਪੋਰਟਿੰਗ ਮਾਪਦੰਡਾਂ, ਅਤੇ ਸਖ਼ਤ QA/QC ਅਭਿਆਸਾਂ ਦੀ ਪਾਲਣਾ ਕਰਕੇ, ਖਣਿਜ ਸਰੋਤ ਮੁਲਾਂਕਣ ਇੱਕ ਡਿਪਾਜ਼ਿਟ ਦੀ ਸੰਭਾਵਨਾ ਦੀ ਇੱਕ ਭਰੋਸੇਯੋਗ ਤਸਵੀਰ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ - ਤਕਨੀਕੀ ਅਤੇ ਆਰਥਿਕ ਤੌਰ 'ਤੇ।