avançadocoordenadas geográficascódigo IBGE municípioCPF/CNPJ

Desmatamento x CAR x Embargos

Objetivo

Cruzar alertas de desmatamento detectados por satelite (DETER/PRODES) com o cadastro de propriedades rurais (CAR) e acoes de fiscalizacao do IBAMA para responder perguntas como:

Quem e o dono da propriedade onde ocorreu desmatamento ilegal?
O desmatamento ocorreu dentro de Area de Preservacao Permanente (APP) ou Reserva Legal cadastrada?
O proprietario ja foi autuado ou embargado pelo IBAMA anteriormente?
Existem propriedades com desmatamento recorrente sem fiscalizacao?
O responsavel pela propriedade tem outras propriedades com historico de desmatamento?

Este cruzamento e fundamental para monitoramento ambiental e responsabilizacao de desmatadores.

Fluxo de dados

  INPE (DETER/PRODES)         SICAR (CAR)              IBAMA
  Alertas de desmatamento      Cadastro Ambiental       Infracoes/Embargos
  +---------------------+   +---------------------+   +------------------+
  | Poligono alerta     |   | Poligono imovel     |   | CPF/CNPJ         |
  | Data deteccao       |   | CPF/CNPJ dono       |   | Municipio/UF     |
  | Area (km2)          |   | Municipio/UF        |   | Auto de infracao |
  | Municipio/UF        |   | Area total (ha)     |   | Valor multa      |
  | Classe (corte raso, |   | Reserva Legal       |   | Area embargada   |
  |   degradacao, etc.) |   | APP                 |   | Tipo infracao    |
  +---------------------+   | Veg. nativa         |   +------------------+
           |                 +---------------------+           |
           |                          |                        |
           v                          v                        v
  +------------------------------------------------------------------+
  |                 CRUZAMENTO GEOESPACIAL                           |
  |------------------------------------------------------------------|
  | 1. Sobreposicao espacial: poligono DETER  ∩  poligono CAR       |
  | 2. Identificacao do proprietario (CPF/CNPJ) via CAR              |
  | 3. Verificacao: desmatamento em APP/RL?                          |
  | 4. Cruzamento CPF/CNPJ proprietario x autos IBAMA               |
  +------------------------------------------------------------------+
 
  CAMPOS-PONTE:
  DETER/PRODES --[geometria]--> CAR (sobreposicao espacial)
  CAR --[CPF/CNPJ]--> IBAMA (autuacoes do proprietario)
  DETER/PRODES --[municipio]--> IBAMA (mesmo municipio)

Baixe os dados de alertas do DETER (alertas diarios/semanais) ou do PRODES (desmatamento anual consolidado) via TerraBrasilis. Os dados vem em formato Shapefile ou GeoJSON com poligonos georreferenciados.

2. Obter cadastro de propriedades rurais (CAR)

Baixe os dados do CAR para o(s) estado(s) de interesse via SICAR. Os dados incluem poligonos dos imoveis rurais, areas de Reserva Legal e APP, e identificacao do proprietario (CPF/CNPJ).

3. Sobreposicao espacial (Spatial Join)

Use GeoPandas para realizar a sobreposicao dos poligonos de desmatamento (DETER/PRODES) com os poligonos das propriedades rurais (CAR). Isso identifica em qual propriedade cada alerta de desmatamento esta localizado.

4. Identificar proprietarios e verificar APP/RL

Para cada sobreposicao encontrada, extraia o CPF/CNPJ do proprietario e verifique se o desmatamento ocorreu dentro da Reserva Legal ou APP cadastrada.

5. Cruzar com autos de infracao do IBAMA

Para cada CPF/CNPJ identificado, consulte os dados de IBAMA — Infracoes e Embargos para verificar se o proprietario ja foi autuado ou se a area ja esta embargada.

6. Consolidar e classificar

Gere um ranking de propriedades/proprietarios por gravidade:

Area total desmatada
Desmatamento em APP ou Reserva Legal
Reincidencia (multiplos alertas ou autuacoes anteriores)
Area sob embargo ativo

Exemplo de codigo

import pandas as pd
import geopandas as gpd
from pathlib import Path
 
# ============================================================
# CONFIGURACAO
# ============================================================
# Caminhos dos dados (previamente baixados)
CAMINHO_DETER = Path("./dados_geo/deter_amazonia.shp")
CAMINHO_CAR = Path("./dados_geo/car_pa.shp")  # CAR do Para (exemplo)
CAMINHO_IBAMA_AUTOS = Path("./dados_geo/ibama_autos_infracao.csv")
CAMINHO_IBAMA_EMBARGOS = Path("./dados_geo/ibama_areas_embargadas.shp")
 
# CRS padrao: EPSG:4674 (SIRGAS 2000) ou EPSG:4326 (WGS84)
CRS_PADRAO = "EPSG:4674"
 
 
# ============================================================
# PASSO 1: Carregar alertas de desmatamento (DETER)
# ============================================================
print("Carregando alertas DETER...")
gdf_deter = gpd.read_file(CAMINHO_DETER)
gdf_deter = gdf_deter.to_crs(CRS_PADRAO)
 
# Filtrar alertas recentes (ultimo ano)
gdf_deter["data_alerta"] = pd.to_datetime(gdf_deter["view_date"])
gdf_deter = gdf_deter[
    gdf_deter["data_alerta"] >= pd.Timestamp.now() - pd.DateOffset(years=1)
]
 
print(f"Alertas DETER carregados: {len(gdf_deter)}")
print(f"Area total alertada: {gdf_deter['area_km2'].sum():.2f} km2")
 
 
# ============================================================
# PASSO 2: Carregar cadastro de propriedades rurais (CAR)
# ============================================================
print("\nCarregando CAR...")
gdf_car = gpd.read_file(CAMINHO_CAR)
gdf_car = gdf_car.to_crs(CRS_PADRAO)
 
print(f"Imoveis rurais carregados: {len(gdf_car)}")
print(f"Area total cadastrada: {gdf_car['area_ha'].sum():,.0f} ha")
 
 
# ============================================================
# PASSO 3: Sobreposicao espacial (Spatial Join)
# ============================================================
print("\nExecutando sobreposicao espacial DETER x CAR...")
 
# Spatial join: encontrar em qual propriedade CAR cada alerta DETER esta
cruzamento_geo = gpd.sjoin(
    gdf_deter,
    gdf_car,
    how="inner",
    predicate="intersects",  # Poligonos que se intersectam
)
 
print(f"Alertas com sobreposicao em propriedades CAR: {len(cruzamento_geo)}")
print(f"Propriedades afetadas: {cruzamento_geo['cod_imovel'].nunique()}")
print(f"Proprietarios unicos: {cruzamento_geo['cpf_cnpj'].nunique()}")
 
 
# ============================================================
# PASSO 4: Calcular area de sobreposicao
# ============================================================
# Reprojetar para sistema metrico para calculo de area preciso
CRS_METRICO = "EPSG:5880"  # SIRGAS 2000 / Brazil Polyconic
 
def calcular_area_sobreposicao(row, gdf_car_metrico):
    """Calcula a area de intersecao entre alerta e propriedade."""
    try:
        geom_alerta = row.geometry
        imovel = gdf_car_metrico[
            gdf_car_metrico["cod_imovel"] == row["cod_imovel"]
        ]
        if imovel.empty:
            return 0
        intersecao = geom_alerta.intersection(imovel.iloc[0].geometry)
        return intersecao.area / 10_000  # m2 -> hectares
    except Exception:
        return 0
 
 
gdf_deter_metrico = gdf_deter.to_crs(CRS_METRICO)
gdf_car_metrico = gdf_car.to_crs(CRS_METRICO)
 
# Para grandes volumes, use batch processing
cruzamento_geo["area_sobreposicao_ha"] = cruzamento_geo.apply(
    lambda row: calcular_area_sobreposicao(row, gdf_car_metrico),
    axis=1,
)
 
print(f"\nArea total de desmatamento em propriedades CAR: "
      f"{cruzamento_geo['area_sobreposicao_ha'].sum():,.1f} ha")
 
 
# ============================================================
# PASSO 5: Verificar desmatamento em APP/RL
# ============================================================
# Se disponiveis os shapefiles de APP e RL do CAR
CAMINHO_CAR_RL = Path("./dados_geo/car_pa_reserva_legal.shp")
CAMINHO_CAR_APP = Path("./dados_geo/car_pa_app.shp")
 
alertas_em_rl = pd.DataFrame()
alertas_em_app = pd.DataFrame()
 
if CAMINHO_CAR_RL.exists():
    print("\nVerificando desmatamento em Reserva Legal...")
    gdf_rl = gpd.read_file(CAMINHO_CAR_RL).to_crs(CRS_PADRAO)
    alertas_em_rl = gpd.sjoin(gdf_deter, gdf_rl, how="inner", predicate="intersects")
    print(f"Alertas em Reserva Legal: {len(alertas_em_rl)}")
 
if CAMINHO_CAR_APP.exists():
    print("Verificando desmatamento em APP...")
    gdf_app = gpd.read_file(CAMINHO_CAR_APP).to_crs(CRS_PADRAO)
    alertas_em_app = gpd.sjoin(gdf_deter, gdf_app, how="inner", predicate="intersects")
    print(f"Alertas em APP: {len(alertas_em_app)}")
 
 
# ============================================================
# PASSO 6: Cruzar com autos de infracao do IBAMA
# ============================================================
print("\nCruzando com autos de infracao do IBAMA...")
 
# Carregar autos de infracao (CSV)
df_ibama = pd.read_csv(CAMINHO_IBAMA_AUTOS, dtype=str, encoding="latin-1")
df_ibama["cpf_cnpj_norm"] = df_ibama["cpf_cnpj_autuado"].str.replace(
    r"[.\-/]", "", regex=True
)
 
# Normalizar CPF/CNPJ no cruzamento
cruzamento_geo["cpf_cnpj_norm"] = cruzamento_geo["cpf_cnpj"].str.replace(
    r"[.\-/]", "", regex=True
)
 
# Verificar se proprietarios ja foram autuados
proprietarios_autuados = cruzamento_geo.merge(
    df_ibama[["cpf_cnpj_norm", "num_auto_infracao", "dat_auto_infracao",
              "val_auto_infracao", "des_auto_infracao"]],
    on="cpf_cnpj_norm",
    how="inner",
)
 
print(f"Proprietarios com autuacoes previas do IBAMA: "
      f"{proprietarios_autuados['cpf_cnpj_norm'].nunique()}")
 
 
# Carregar areas embargadas (Shapefile)
if CAMINHO_IBAMA_EMBARGOS.exists():
    print("\nVerificando sobreposicao com areas embargadas...")
    gdf_embargos = gpd.read_file(CAMINHO_IBAMA_EMBARGOS).to_crs(CRS_PADRAO)
    alertas_em_embargo = gpd.sjoin(
        gdf_deter, gdf_embargos, how="inner", predicate="intersects"
    )
    print(f"Alertas em areas ja embargadas: {len(alertas_em_embargo)}")
 
 
# ============================================================
# RESULTADO: Consolidar e rankear
# ============================================================
print("\n=== RANKING DE PROPRIEDADES POR GRAVIDADE ===\n")
 
ranking = (
    cruzamento_geo
    .groupby(["cod_imovel", "cpf_cnpj"])
    .agg(
        num_alertas=("data_alerta", "count"),
        area_total_desmatada_ha=("area_sobreposicao_ha", "sum"),
        primeiro_alerta=("data_alerta", "min"),
        ultimo_alerta=("data_alerta", "max"),
    )
    .reset_index()
    .sort_values("area_total_desmatada_ha", ascending=False)
)
 
# Adicionar flag de reincidencia IBAMA
cpfs_autuados = set(proprietarios_autuados["cpf_cnpj_norm"].unique())
ranking["cpf_cnpj_norm"] = ranking["cpf_cnpj"].str.replace(
    r"[.\-/]", "", regex=True
)
ranking["autuado_ibama"] = ranking["cpf_cnpj_norm"].isin(cpfs_autuados)
 
# Exibir top 20
for i, (_, row) in enumerate(ranking.head(20).iterrows(), 1):
    flag_ibama = " [REINCIDENTE IBAMA]" if row["autuado_ibama"] else ""
    print(f"{i:2d}. Imovel: {row['cod_imovel']}")
    print(f"    Proprietario: {row['cpf_cnpj']}{flag_ibama}")
    print(f"    Alertas: {row['num_alertas']}")
    print(f"    Area desmatada: {row['area_total_desmatada_ha']:,.1f} ha")
    print(f"    Periodo: {row['primeiro_alerta'].date()} a "
          f"{row['ultimo_alerta'].date()}")
    print()
 
# Salvar resultado
ranking.to_csv("ranking_desmatamento_car.csv", index=False)
print(f"Ranking salvo em ranking_desmatamento_car.csv ({len(ranking)} propriedades)")

Resultado esperado

O script produz um ranking de propriedades rurais por gravidade de desmatamento:

=== RANKING DE PROPRIEDADES POR GRAVIDADE ===
 
 1. Imovel: PA-1234567-ABCDEFGH
    Proprietario: 123.456.789-00 [REINCIDENTE IBAMA]
    Alertas: 12
    Area desmatada: 1.523,4 ha
    Periodo: 2024-03-15 a 2025-01-22
 
 2. Imovel: PA-7654321-ZYXWVUTS
    Proprietario: 12.345.678/0001-90
    Alertas: 8
    Area desmatada: 876,2 ha
    Periodo: 2024-06-01 a 2024-12-10
 
 3. Imovel: PA-9876543-MNOPQRST
    Proprietario: 987.654.321-00 [REINCIDENTE IBAMA]
    Alertas: 5
    Area desmatada: 432,7 ha
    Periodo: 2024-08-20 a 2025-02-03

O arquivo CSV permite analise detalhada e producao de mapas tematicos via QGIS ou GeoPandas.

Limitacoes

Limitacao	Impacto	Mitigacao
Resolucao do DETER	DETER detecta areas >= 3 ha (Amazonia) e >= 1 ha (Cerrado); areas menores nao sao captadas	Complementar com PRODES (resolucao 6,25 ha) para dados anuais consolidados
Cobertura de nuvens	Nuvens impedem deteccao por satelite, especialmente no periodo chuvoso (dez-mai na Amazonia)	Usar serie temporal; considerar que alertas ausentes nao significam ausencia de desmatamento
CAR autodeclaratorio	O CAR e autodeclaratorio e pode conter erros de poligono ou dados do proprietario	Validar com imagens de satelite; considerar sobreposicoes parciais
CAR incompleto	Nem todas as propriedades estao cadastradas; cobertura varia por estado	Desmatamento fora de areas CAR requer investigacao adicional
CPF/CNPJ do CAR	Dados do proprietario podem estar desatualizados ou ser de posseiros	Cruzar com Receita Federal para validar titularidade
Projecao cartografica	Calculos de area imprecisos se usar CRS geografico (graus) em vez de projetado (metros)	Sempre reprojetar para CRS metrico (ex: EPSG ) antes de calcular areas
Volume de dados	CAR nacional tem milhoes de poligonos; processamento pode ser lento	Processar por estado/municipio; usar Dask-GeoPandas para paralelizar
Dados IBAMA podem estar defasados	Autos de infracao podem nao refletir a situacao processual atual (recursos, anulacoes)	Usar como indicativo, nao como prova definitiva

avançadocoordenadas geográficascódigo IBGE municípioCPF/CNPJ

Desmatamento x CAR x Embargos

Objetivo

Cruzar alertas de desmatamento detectados por satelite (DETER/PRODES) com o cadastro de propriedades rurais (CAR) e acoes de fiscalizacao do IBAMA para responder perguntas como:

Quem e o dono da propriedade onde ocorreu desmatamento ilegal?
O desmatamento ocorreu dentro de Area de Preservacao Permanente (APP) ou Reserva Legal cadastrada?
O proprietario ja foi autuado ou embargado pelo IBAMA anteriormente?
Existem propriedades com desmatamento recorrente sem fiscalizacao?
O responsavel pela propriedade tem outras propriedades com historico de desmatamento?

Este cruzamento e fundamental para monitoramento ambiental e responsabilizacao de desmatadores.

Fluxo de dados

  INPE (DETER/PRODES)         SICAR (CAR)              IBAMA
  Alertas de desmatamento      Cadastro Ambiental       Infracoes/Embargos
  +---------------------+   +---------------------+   +------------------+
  | Poligono alerta     |   | Poligono imovel     |   | CPF/CNPJ         |
  | Data deteccao       |   | CPF/CNPJ dono       |   | Municipio/UF     |
  | Area (km2)          |   | Municipio/UF        |   | Auto de infracao |
  | Municipio/UF        |   | Area total (ha)     |   | Valor multa      |
  | Classe (corte raso, |   | Reserva Legal       |   | Area embargada   |
  |   degradacao, etc.) |   | APP                 |   | Tipo infracao    |
  +---------------------+   | Veg. nativa         |   +------------------+
           |                 +---------------------+           |
           |                          |                        |
           v                          v                        v
  +------------------------------------------------------------------+
  |                 CRUZAMENTO GEOESPACIAL                           |
  |------------------------------------------------------------------|
  | 1. Sobreposicao espacial: poligono DETER  ∩  poligono CAR       |
  | 2. Identificacao do proprietario (CPF/CNPJ) via CAR              |
  | 3. Verificacao: desmatamento em APP/RL?                          |
  | 4. Cruzamento CPF/CNPJ proprietario x autos IBAMA               |
  +------------------------------------------------------------------+
 
  CAMPOS-PONTE:
  DETER/PRODES --[geometria]--> CAR (sobreposicao espacial)
  CAR --[CPF/CNPJ]--> IBAMA (autuacoes do proprietario)
  DETER/PRODES --[municipio]--> IBAMA (mesmo municipio)

Area total desmatada
Desmatamento em APP ou Reserva Legal
Reincidencia (multiplos alertas ou autuacoes anteriores)
Area sob embargo ativo

Exemplo de codigo

import pandas as pd
import geopandas as gpd
from pathlib import Path
 
# ============================================================
# CONFIGURACAO
# ============================================================
# Caminhos dos dados (previamente baixados)
CAMINHO_DETER = Path("./dados_geo/deter_amazonia.shp")
CAMINHO_CAR = Path("./dados_geo/car_pa.shp")  # CAR do Para (exemplo)
CAMINHO_IBAMA_AUTOS = Path("./dados_geo/ibama_autos_infracao.csv")
CAMINHO_IBAMA_EMBARGOS = Path("./dados_geo/ibama_areas_embargadas.shp")
 
# CRS padrao: EPSG:4674 (SIRGAS 2000) ou EPSG:4326 (WGS84)
CRS_PADRAO = "EPSG:4674"
 
 
# ============================================================
# PASSO 1: Carregar alertas de desmatamento (DETER)
# ============================================================
print("Carregando alertas DETER...")
gdf_deter = gpd.read_file(CAMINHO_DETER)
gdf_deter = gdf_deter.to_crs(CRS_PADRAO)
 
# Filtrar alertas recentes (ultimo ano)
gdf_deter["data_alerta"] = pd.to_datetime(gdf_deter["view_date"])
gdf_deter = gdf_deter[
    gdf_deter["data_alerta"] >= pd.Timestamp.now() - pd.DateOffset(years=1)
]
 
print(f"Alertas DETER carregados: {len(gdf_deter)}")
print(f"Area total alertada: {gdf_deter['area_km2'].sum():.2f} km2")
 
 
# ============================================================
# PASSO 2: Carregar cadastro de propriedades rurais (CAR)
# ============================================================
print("\nCarregando CAR...")
gdf_car = gpd.read_file(CAMINHO_CAR)
gdf_car = gdf_car.to_crs(CRS_PADRAO)
 
print(f"Imoveis rurais carregados: {len(gdf_car)}")
print(f"Area total cadastrada: {gdf_car['area_ha'].sum():,.0f} ha")
 
 
# ============================================================
# PASSO 3: Sobreposicao espacial (Spatial Join)
# ============================================================
print("\nExecutando sobreposicao espacial DETER x CAR...")
 
# Spatial join: encontrar em qual propriedade CAR cada alerta DETER esta
cruzamento_geo = gpd.sjoin(
    gdf_deter,
    gdf_car,
    how="inner",
    predicate="intersects",  # Poligonos que se intersectam
)
 
print(f"Alertas com sobreposicao em propriedades CAR: {len(cruzamento_geo)}")
print(f"Propriedades afetadas: {cruzamento_geo['cod_imovel'].nunique()}")
print(f"Proprietarios unicos: {cruzamento_geo['cpf_cnpj'].nunique()}")
 
 
# ============================================================
# PASSO 4: Calcular area de sobreposicao
# ============================================================
# Reprojetar para sistema metrico para calculo de area preciso
CRS_METRICO = "EPSG:5880"  # SIRGAS 2000 / Brazil Polyconic
 
def calcular_area_sobreposicao(row, gdf_car_metrico):
    """Calcula a area de intersecao entre alerta e propriedade."""
    try:
        geom_alerta = row.geometry
        imovel = gdf_car_metrico[
            gdf_car_metrico["cod_imovel"] == row["cod_imovel"]
        ]
        if imovel.empty:
            return 0
        intersecao = geom_alerta.intersection(imovel.iloc[0].geometry)
        return intersecao.area / 10_000  # m2 -> hectares
    except Exception:
        return 0
 
 
gdf_deter_metrico = gdf_deter.to_crs(CRS_METRICO)
gdf_car_metrico = gdf_car.to_crs(CRS_METRICO)
 
# Para grandes volumes, use batch processing
cruzamento_geo["area_sobreposicao_ha"] = cruzamento_geo.apply(
    lambda row: calcular_area_sobreposicao(row, gdf_car_metrico),
    axis=1,
)
 
print(f"\nArea total de desmatamento em propriedades CAR: "
      f"{cruzamento_geo['area_sobreposicao_ha'].sum():,.1f} ha")
 
 
# ============================================================
# PASSO 5: Verificar desmatamento em APP/RL
# ============================================================
# Se disponiveis os shapefiles de APP e RL do CAR
CAMINHO_CAR_RL = Path("./dados_geo/car_pa_reserva_legal.shp")
CAMINHO_CAR_APP = Path("./dados_geo/car_pa_app.shp")
 
alertas_em_rl = pd.DataFrame()
alertas_em_app = pd.DataFrame()
 
if CAMINHO_CAR_RL.exists():
    print("\nVerificando desmatamento em Reserva Legal...")
    gdf_rl = gpd.read_file(CAMINHO_CAR_RL).to_crs(CRS_PADRAO)
    alertas_em_rl = gpd.sjoin(gdf_deter, gdf_rl, how="inner", predicate="intersects")
    print(f"Alertas em Reserva Legal: {len(alertas_em_rl)}")
 
if CAMINHO_CAR_APP.exists():
    print("Verificando desmatamento em APP...")
    gdf_app = gpd.read_file(CAMINHO_CAR_APP).to_crs(CRS_PADRAO)
    alertas_em_app = gpd.sjoin(gdf_deter, gdf_app, how="inner", predicate="intersects")
    print(f"Alertas em APP: {len(alertas_em_app)}")
 
 
# ============================================================
# PASSO 6: Cruzar com autos de infracao do IBAMA
# ============================================================
print("\nCruzando com autos de infracao do IBAMA...")
 
# Carregar autos de infracao (CSV)
df_ibama = pd.read_csv(CAMINHO_IBAMA_AUTOS, dtype=str, encoding="latin-1")
df_ibama["cpf_cnpj_norm"] = df_ibama["cpf_cnpj_autuado"].str.replace(
    r"[.\-/]", "", regex=True
)
 
# Normalizar CPF/CNPJ no cruzamento
cruzamento_geo["cpf_cnpj_norm"] = cruzamento_geo["cpf_cnpj"].str.replace(
    r"[.\-/]", "", regex=True
)
 
# Verificar se proprietarios ja foram autuados
proprietarios_autuados = cruzamento_geo.merge(
    df_ibama[["cpf_cnpj_norm", "num_auto_infracao", "dat_auto_infracao",
              "val_auto_infracao", "des_auto_infracao"]],
    on="cpf_cnpj_norm",
    how="inner",
)
 
print(f"Proprietarios com autuacoes previas do IBAMA: "
      f"{proprietarios_autuados['cpf_cnpj_norm'].nunique()}")
 
 
# Carregar areas embargadas (Shapefile)
if CAMINHO_IBAMA_EMBARGOS.exists():
    print("\nVerificando sobreposicao com areas embargadas...")
    gdf_embargos = gpd.read_file(CAMINHO_IBAMA_EMBARGOS).to_crs(CRS_PADRAO)
    alertas_em_embargo = gpd.sjoin(
        gdf_deter, gdf_embargos, how="inner", predicate="intersects"
    )
    print(f"Alertas em areas ja embargadas: {len(alertas_em_embargo)}")
 
 
# ============================================================
# RESULTADO: Consolidar e rankear
# ============================================================
print("\n=== RANKING DE PROPRIEDADES POR GRAVIDADE ===\n")
 
ranking = (
    cruzamento_geo
    .groupby(["cod_imovel", "cpf_cnpj"])
    .agg(
        num_alertas=("data_alerta", "count"),
        area_total_desmatada_ha=("area_sobreposicao_ha", "sum"),
        primeiro_alerta=("data_alerta", "min"),
        ultimo_alerta=("data_alerta", "max"),
    )
    .reset_index()
    .sort_values("area_total_desmatada_ha", ascending=False)
)
 
# Adicionar flag de reincidencia IBAMA
cpfs_autuados = set(proprietarios_autuados["cpf_cnpj_norm"].unique())
ranking["cpf_cnpj_norm"] = ranking["cpf_cnpj"].str.replace(
    r"[.\-/]", "", regex=True
)
ranking["autuado_ibama"] = ranking["cpf_cnpj_norm"].isin(cpfs_autuados)
 
# Exibir top 20
for i, (_, row) in enumerate(ranking.head(20).iterrows(), 1):
    flag_ibama = " [REINCIDENTE IBAMA]" if row["autuado_ibama"] else ""
    print(f"{i:2d}. Imovel: {row['cod_imovel']}")
    print(f"    Proprietario: {row['cpf_cnpj']}{flag_ibama}")
    print(f"    Alertas: {row['num_alertas']}")
    print(f"    Area desmatada: {row['area_total_desmatada_ha']:,.1f} ha")
    print(f"    Periodo: {row['primeiro_alerta'].date()} a "
          f"{row['ultimo_alerta'].date()}")
    print()
 
# Salvar resultado
ranking.to_csv("ranking_desmatamento_car.csv", index=False)
print(f"Ranking salvo em ranking_desmatamento_car.csv ({len(ranking)} propriedades)")

Resultado esperado

O script produz um ranking de propriedades rurais por gravidade de desmatamento:

=== RANKING DE PROPRIEDADES POR GRAVIDADE ===
 
 1. Imovel: PA-1234567-ABCDEFGH
    Proprietario: 123.456.789-00 [REINCIDENTE IBAMA]
    Alertas: 12
    Area desmatada: 1.523,4 ha
    Periodo: 2024-03-15 a 2025-01-22
 
 2. Imovel: PA-7654321-ZYXWVUTS
    Proprietario: 12.345.678/0001-90
    Alertas: 8
    Area desmatada: 876,2 ha
    Periodo: 2024-06-01 a 2024-12-10
 
 3. Imovel: PA-9876543-MNOPQRST
    Proprietario: 987.654.321-00 [REINCIDENTE IBAMA]
    Alertas: 5
    Area desmatada: 432,7 ha
    Periodo: 2024-08-20 a 2025-02-03

O arquivo CSV permite analise detalhada e producao de mapas tematicos via QGIS ou GeoPandas.

Limitacoes

Limitacao	Impacto	Mitigacao
Resolucao do DETER	DETER detecta areas >= 3 ha (Amazonia) e >= 1 ha (Cerrado); areas menores nao sao captadas	Complementar com PRODES (resolucao 6,25 ha) para dados anuais consolidados
Cobertura de nuvens	Nuvens impedem deteccao por satelite, especialmente no periodo chuvoso (dez-mai na Amazonia)	Usar serie temporal; considerar que alertas ausentes nao significam ausencia de desmatamento
CAR autodeclaratorio	O CAR e autodeclaratorio e pode conter erros de poligono ou dados do proprietario	Validar com imagens de satelite; considerar sobreposicoes parciais
CAR incompleto	Nem todas as propriedades estao cadastradas; cobertura varia por estado	Desmatamento fora de areas CAR requer investigacao adicional
CPF/CNPJ do CAR	Dados do proprietario podem estar desatualizados ou ser de posseiros	Cruzar com Receita Federal para validar titularidade
Projecao cartografica	Calculos de area imprecisos se usar CRS geografico (graus) em vez de projetado (metros)	Sempre reprojetar para CRS metrico (ex: EPSG ) antes de calcular areas
Volume de dados	CAR nacional tem milhoes de poligonos; processamento pode ser lento	Processar por estado/municipio; usar Dask-GeoPandas para paralelizar
Dados IBAMA podem estar defasados	Autos de infracao podem nao refletir a situacao processual atual (recursos, anulacoes)	Usar como indicativo, nao como prova definitiva

Desmatamento x CAR x Embargos

Objetivo

Fluxo de dados

Passo a passo

1. Obter alertas de desmatamento (DETER ou PRODES)

2. Obter cadastro de propriedades rurais (CAR)

3. Sobreposicao espacial (Spatial Join)

4. Identificar proprietarios e verificar APP/RL

5. Cruzar com autos de infracao do IBAMA

6. Consolidar e classificar

Exemplo de codigo

Resultado esperado

Limitacoes

Desmatamento x CAR x Embargos

Objetivo

Fluxo de dados

Passo a passo

1. Obter alertas de desmatamento (DETER ou PRODES)

2. Obter cadastro de propriedades rurais (CAR)

3. Sobreposicao espacial (Spatial Join)

4. Identificar proprietarios e verificar APP/RL

5. Cruzar com autos de infracao do IBAMA

6. Consolidar e classificar

Exemplo de codigo

Resultado esperado

Limitacoes