Fry Spatial Analysis for Mineral Deposits

English version below

🇧🇷 Português (Análise Fry para depósitos minerais)

Este repositório apresenta uma implementação avançada em Python da análise de Fry aplicada ao estudo de controles estruturais na distribuição espacial de depósitos minerais.

A abordagem integra o método de Fry como uma técnica geométrica de autocorrelação espacial com ferramentas estatísticas modernas, conforme discutido por Carranza (2009) e Haddad-Martim et al. (2017).

🚀 Objetivos

• Investigar direções preferenciais entre depósitos minerais usando Densidade de Kernel (KDE).
• Avaliar controles estruturais em múltiplas escalas espaciais ($D_{char}$ e $D_{p1}$).
• Integrar análise de Fry com estatística de vizinho mais próximo e exportação de dados UTM.

📊 Metodologia

1. Análise de vizinho mais próximo para determinar a distância característica ($D_{char}$) e a distância de conectividade total ($D_{p1}$).
2. Geração de Fry points ($n^2 − n$ pares) com cálculo de azimutes geológicos.
3. Análise de densidade via KDE (Kernel Density Estimation) para destacar lineamentos.
4. Análise direcional por diagramas de rosa em três escalas:
   • Todos os pares (Escala Regional).
   • Pares dentro da distância característica (Escala Local - Clusters).
   • Pares dentro da distância de conectividade total (Escala Intermediária).

📁 Entradas

Arquivo Excel contendo coordenadas UTM (X, Y) dos depósitos em metros.

📁 Saídas

Os resultados são salvos automaticamente na pasta /Figure:

• Fig 1: Gráfico de Probabilidade Acumulada ($D_{char}$ & $D_{p1}$).
• Fig 2a/2b: Diagrama Fry simples e com densidade de Kernel (KDE).
• Fig 3, 4 & 5: Estereogramas comparativos por escala.
• Fry_Statistical_Analysis.xls: Relatório completo contendo:
  • Aba Summary: Resumo estatístico incluindo os valores de $D_{char}$ e $D_{p1}$ em metros e quilômetros.
  • Aba Fry_Data: Lista detalhada de todos os pares de pontos com:
    • Coordenadas UTM de origem e destino (X, Y).
    • Distâncias relativas ($\Delta X, \Delta Y$).
    • Distância absoluta (m) e Azimute Geológico (0-180°).

💻 Requisitos

pip install numpy pandas matplotlib scipy xlsxwriter openpyxl

---

🇨🇦 English

This repository provides an advanced Python implementation of Fry analysis applied to the investigation of structural controls on the spatial distribution of mineral deposits.

The methodology follows the modern use of the Fry method as a geometrical spatial autocorrelation technique, integrated with density estimation as described by Carranza (2009) and Haddad-Martim et al. (2017).

🚀 Objectives

• Identify preferential orientations between mineral deposits using Kernel Density Estimation (KDE).
• Investigate structural controls at multiple spatial scales ($D_{char}$ and $D_{p1}$).
• Integrate Fry analysis with nearest neighbour statistics and UTM data export.

📊 Methodology

1. Nearest neighbour analysis to determine the characteristic distance ($D_{char}$) and total connectivity distance ($D_{p1}$).
2. Generation of Fry points ($n^2 − n$ pairs) with geological azimuth calculations.
3. Density analysis via KDE (Kernel Density Estimation) to highlight structural trends.
4. Directional analysis using rose diagrams across three scales:
   • All Fry points (Regional Scale).
   • Points within the characteristic distance (Local Scale - Clusters).
   • Points within the total connectivity distance (Intermediate Scale).

📁 Inputs

Excel file containing UTM coordinates (X, Y) of mineral deposits in meters.

📁 Outputs

The results are automatically saved in the /Figure directory:

• Fig 1: Cumulative Probability Plot ($D_{char}$ & $D_{p1}$).
• Fig 2a/2b: Simple Fry Plot and Fry Plot with Kernel Density Estimation (KDE).
• Fig 3, 4 & 5: Scale-dependent comparative Rose Diagrams.
• Fry_Statistical_Analysis.xls: Complete formatted report containing:
  • Summary Tab: Statistical results including $D_{char}$ and $D_{p1}$ values in meters and kilometers.
  • Fry_Data Tab: Comprehensive list of all point pairs with:
    • Source and Target UTM coordinates (X, Y).
    • Relative distances ($\Delta X, \Delta Y$).
    • Absolute distance (m) and Geological Azimuth (0-180°).

💻 Requirements

pip install numpy pandas matplotlib scipy xlsxwriter openpyxl