📖 Glossário - Análise Geoespacial

A

Atributo (Feature Attribute): Informação descritiva associada a uma feição geográfica (nome, população, área, etc).

B

Bounding Box: Retângulo que delimita a extensão mínima de um conjunto de geometrias.

Buffer: Operação que cria área ao redor de geometria com distância específica.

C

Centroide: Ponto central de uma geometria.

CRS (Coordinate Reference System): Sistema de coordenadas que define como posições geográficas são representadas.

CSV (Comma-Separated Values): Formato de arquivo tabular com valores separados por vírgula.

D

DataFrame: Estrutura de dados tabular do pandas com linhas e colunas.

Dissolve: Operação que combina geometrias adjacentes em uma única.

E

EPSG: Código numérico que identifica sistemas de coordenadas (ex: EPSG:4326 = WGS84).

Extent: Limites geográficos (min/max X e Y) de uma área.

F

Feature (Feição): Entidade geográfica com geometria e atributos (ponto, linha ou polígono).

Feature Collection: Coleção de múltiplas feições GeoJSON.

G

Geocodificação: Processo de converter endereços em coordenadas.

GeoDataFrame: DataFrame do GeoPandas com coluna de geometrias.

Geografia: Ciência que estuda a superfície terrestre e distribuição espacial de fenômenos.

GeoJSON: Formato JSON para codificar estruturas de dados geográficos.

GeoPandas: Biblioteca Python para manipular dados geoespaciais.

Geometria: Representação matemática de forma espacial (ponto, linha, polígono).

GIS (Geographic Information System): Sistema para capturar, armazenar, analisar e gerenciar dados espaciais.

I

Interseção (Intersection): Operação que retorna geometria comum entre duas outras.

L

Latitude: Coordenada que indica posição norte-sul (0° no Equador, -90° a +90°).

Layer (Camada): Conjunto de dados geográficos relacionados.

LineString: Geometria GeoJSON representando linha conectando pontos.

Longitude: Coordenada que indica posição leste-oeste (0° em Greenwich, -180° a +180°).

M

Mapa: Representação visual de informações geográficas.

Mapa de calor (Heatmap): Visualização que usa cor para mostrar densidade/intensidade.

Marker (Marcador): Ícone que indica localização em mapa.

Mercator: Projeção cilíndrica comum em mapas web.

MultiPoint/MultiLineString/MultiPolygon: Geometrias compostas por múltiplas partes.

O

Overlay: Operação que combina duas camadas espaciais.

P

Plotly: Biblioteca Python para visualizações interativas.

Point (Ponto): Geometria mais simples representando localização (X, Y).

Polygon (Polígono): Geometria fechada representando área.

Projeção: Transformação de coordenadas 3D (Terra) para 2D (mapa).

R

Raster: Dados espaciais em formato de grade de pixels (imagens, elevação).

Reprojetar: Converter dados de um CRS para outro.

S

Shapefile: Formato popular de arquivo para dados vetoriais GIS (.shp, .shx, .dbf).

SIG (Sistema de Informação Geográfica): Termo em português para GIS.

Spatial Join: Operação que une atributos baseado em relação espacial.

T

Tiles (Ladrilhos): Pequenas imagens que compõem mapa web em diferentes zooms.

Topology (Topologia): Relações espaciais entre geometrias (adjacência, interseção, etc).

U

Union: Operação que combina geometrias em uma única.

V

Vetor: Dados geográficos representados por pontos, linhas e polígonos.

Visualização: Representação gráfica de dados para facilitar compreensão.

W

WGS84 (World Geodetic System 1984): Sistema de coordenadas geográficas padrão (EPSG:4326).

Z

Zoom: Nível de detalhe de visualização em mapa (maior número = mais próximo).

Exemplos Práticos

import geopandas as gpd
from shapely.geometry import Point, Polygon

# Criar GeoDataFrame de pontos
dados = {
    'nome': ['Ingleses', 'Lagoa', 'Centro'],
    'geometry': [
        Point(-48.4, -27.4),
        Point(-48.5, -27.6),
        Point(-48.55, -27.58)
    ]
}
gdf = gpd.GeoDataFrame(dados, crs="EPSG:4326")

# Criar buffer de 1 km
gdf_buffer = gdf.to_crs("EPSG:31982")  # Projetar para metros
gdf_buffer['geometry'] = gdf_buffer.buffer(1000)

# Ler shapefile
praias = gpd.read_file("praias.shp")

# Interseção espacial
praias_proximas = gpd.sjoin(praias, gdf_buffer, how='inner')

# Salvar como GeoJSON
praias_proximas.to_file("praias_proximas.geojson", driver='GeoJSON')

# Plotar
praias.plot(figsize=(10, 10), color='blue')

Sistemas de Coordenadas Comuns

💡 Dica: Use sempre gdf.crs para verificar o sistema de coordenadas do seu GeoDataFrame!