Abstract:
L fobjectif de notre travail est de proposer une evaluation des reserves de kaolin du gisement de
Tamazert, situe a El Milia, a l faide de la methode geostatistique lineaire. Cette etude repose sur
le controle des teneurs, dans le but de faciliter la gestion, l forientation des travaux d fexploitation
et le suivi des teneurs issues de l fusine de traitement.
Le travail consiste a appliquer la modelisation geostatistique, en particulier le krigeage des
blocs, pour modeliser la variabilite spatiale entre les sondages realises dans le cadre de la
cartographie, ainsi que pour evaluer les reserves du gisement de Tamazert. Les variogrammes
directionnels experimentaux des epaisseurs et des teneurs en AL.O. dans le plan de la couche
kaolinique ont ete calcules et ajustes. Ces variogrammes ont servi a la realisation du krigeage
ordinaire et du krigeage des blocs.
Le krigeage est une methode d finterpolation spatiale stochastique permettant de prevoir la
valeur d fun phenomene naturel dans des sites non echantillonnes, en utilisant une combinaison
lineaire sans biais et a variance minimale, basee sur les observations realisees dans des sites
voisins
The objective of this work is to provide an evaluation of the kaolin reserves at the Tamazert
deposit, located in El Milia, using the linear geostatistical method. This study is based on grade
control to facilitate the management, direction of mining operations, and monitoring of the
grades supplied to the processing plant.
The work involves applying geostatistical modeling, specifically block kriging, to model the
spatial variability between the drill holes conducted as part of the mapping process, as well as
to evaluate the reserves of the Tamazert deposit. Experimental directional variograms of the
thickness and AL.O. grades within the kaolin layer were calculated and fitted. These
variograms were used for both ordinary kriging and block kriging.
Kriging is a stochastic spatial interpolation method used to predict the value of a natural
phenomenon at unsampled locations by employing an unbiased linear combination with
minimal variance, based on observations from neighboring sites.
