Pular para o conteúdo
Atlas de Dados

Dados especiais

Análise Estatística Espacial

Dados com localização — vetor e raster, sistemas de referência (CRS), operações espaciais com GeoPandas, estatística zonal, mapas e autocorrelação espacial (Moran e LISA).

Visão geral

Quando o dado tem onde, aparece uma pergunta nova: a localização importa? A análise espacial trata dados com geometria, cruza camadas pela posição e testa estatisticamente se valores parecidos se agrupam no espaço.

A primeira lei da geografia resume a intuição: tudo se relaciona com tudo, mas coisas próximas se relacionam mais que coisas distantes.

Modelos de dado

  • Vetor: feições discretas com atributos — ponto (loja, poço), linha (rua, rio), polígono (município, talhão).
  • Raster: grade de pixels com valores (contínuos como temperatura e altitude, ou categóricos como uso do solo); pode ter várias bandas; células sem dado são NoData.
  • Resolução espacial = tamanho do pixel: menor pixel, mais detalhe e mais dados.

Formatos

  • Shapefile: vários arquivos juntos — .shp (geometria), .shx (índice), .dbf (atributos), .prj (CRS), .cpg (codificação).
  • GeoJSON / Simple Features: texto, fácil de trocar na web.
  • GeoPackage (.gpkg): um arquivo só, moderno.
  • GeoTIFF: raster georreferenciado.

Sistemas de referência (CRS)

  • O CRS amarra as coordenadas à superfície da Terra — é a "identidade" geográfica da camada.
  • Geográfico (graus de latitude/longitude): ex. EPSG 4326 (WGS84, o do GPS) e EPSG 4674 (SIRGAS 2000, datum oficial do Brasil).
  • Projetado (metros): ex. UTM. No Brasil, SIRGAS 2000 / UTM do fuso local (EPSG 31981 a 31985, conforme a longitude).
  • Regra 1: todas as camadas no mesmo CRS antes de cruzar.
  • Regra 2: reprojete para um CRS métrico antes de calcular distância, área ou buffer. Um grau de longitude vale cerca de 111 km × cos(latitude) — varia com o lugar, e o buffer em graus sai distorcido.

Operações com GeoPandas

Necessidade Operação
Criar pontos a partir de lat/lon gpd.points_from_xy(lon, lat) com crs=4326
Em que polígono cada ponto está sjoin (predicado within / intersects)
Recortar uma camada pelo limite de outra clip
Agregar polígonos (município → região) dissolve(by=..., aggfunc=...)
Área de influência por raio buffer (em CRS métrico)
Interseção, união, diferença de geometrias overlay
Juntar atributos por chave merge
Valor de raster por polígono estatística zonal
  • O sjoin pode duplicar linhas quando um ponto cai em mais de um polígono: confira a cardinalidade.
  • Antes de qualquer média de raster: mascarar NoData, conferir unidade física, CRS e resolução.

Passo a passo de um projeto

  1. Coletar e registrar fonte, data e licença (malhas oficiais, OpenStreetMap, dados de clima e satélite, endereços geocodificados).
  2. Ler com gpd.read_file e criar GeoDataFrames de pontos a partir de coordenadas.
  3. Padronizar o CRS e reprojetar para métrico quando houver distância, área ou buffer.
  4. Validar: geometrias válidas, sem nulos, chaves únicas nos merges.
  5. Operar: filtro, clip, sjoin, dissolve, buffer, overlay.
  6. EDA espacial: coropléticos com taxas normalizadas, hexbin ou KDE para muitos pontos, histogramas (às vezes em log).
  7. Estatística: matriz de pesos espaciais, Moran global, LISA.
  8. Saída: mapa estático (matplotlib), interativo (Folium, Plotly) ou tabela para BI.

Mapas que não enganam

  • Coroplético com contagem bruta só mostra onde mora mais gente. Normalize: taxa por habitante, por domicílio ou por km².
  • Hexbin agrega contagens por célula hexagonal; KDE estima uma superfície contínua de densidade.

Autocorrelação espacial

  • Matriz de pesos: define quem é vizinho de quem.
  • Queen: qualquer ponto de contato (como a dama do xadrez).
  • Rook: precisa de aresta comum (como a torre).
  • Também por distância ou k vizinhos mais próximos.
  • Moran global (I): de -1 a 1.
  • I > 0 e p < 0,05: valores semelhantes próximos (agrupamento);
  • I ≈ 0: sem padrão espacial;
  • I < 0: dispersão (vizinhos diferentes).
  • O p-valor vem de permutações (Monte Carlo), não de fórmula fechada.
  • LISA (Moran local): onde estão os agrupamentos.
  • HH (alto cercado de alto) = hotspot; LL = coldspot;
  • HL e LH = outliers espaciais;
  • só valem as unidades com p < 0,05.
import geopandas as gpd
from libpysal.weights import Queen
from esda.moran import Moran, Moran_Local

mun = gpd.read_file("municipios.gpkg").to_crs(31983)
mun["taxa"] = mun.casos / mun.populacao * 1e5
w = Queen.from_dataframe(mun); w.transform = "r"
mi = Moran(mun.taxa, w)
print(mi.I, mi.p_sim)
lisa = Moran_Local(mun.taxa, w)

Uso em negócios

  • Expansão e cobertura: buffers ao redor de unidades existentes mostram onde há demanda sem atendimento ("espaços em branco").
  • Variáveis espaciais para ML: distância ao ponto mais próximo, contagens na vizinhança, estatística zonal de clima ou vegetação.
  • Cuidado na validação: autocorrelação espacial infla métricas de validação aleatória; valide por blocos geográficos.

Bibliotecas

geopandas, shapely, pyproj, libpysal (pesos), esda (Moran, LISA), splot, rasterio e rasterstats (raster), folium, plotly, matplotlib.