mateus-pcosta/artigo-incendio-2018-2025

Banco Histórico de Incêndios no Brasil — 2018–2025

Banco de dados com 1,43 milhão de focos de calor registrados no Brasil entre 2018 e 2025, enriquecidos com dados meteorológicos (ERA5), cobertura do solo (MapBiomas) e altitude (SRTM).

Construído a partir de fontes públicas oficiais para suporte a pesquisas científicas sobre incêndios florestais.

---

Tabelas disponíveis

Tabela	Arquivos	Linhas	Descrição
focos_analise	focos_analise/*.parquet	1.430.756	Tabela principal. Focos INPE enriquecidos com MapBiomas, altitude SRTM e meteorologia ERA5
focos_inpe	focos_inpe/*.parquet	1.430.756	Focos brutos INPE AQUA_M-T, 2018–2025
meteo_era5	meteo_era5/*.parquet	84.025.032	Grid ERA5 diário 0,25° para o Brasil
focos_firms	focos_firms/*.parquet	2.643.169	Detecções NASA FIRMS VIIRS (SNPP + NOAA-20), 2018

Cada tabela está particionada por ano (ex: focos_analise/focos_enriquecido_2023.parquet).

---

Colunas — focos_analise (tabela principal)

Coluna	Tipo	Fonte	Descrição
data_pas	date	INPE	Data de detecção do foco
data_hora_gmt	datetime	INPE	Data e hora UTC da detecção
latitude	float	INPE	Latitude WGS84
longitude	float	INPE	Longitude WGS84
ano	int	INPE	Ano da detecção (2018–2025)
mes	int	INPE	Mês da detecção (1–12)
bioma	str	INPE	Bioma: Amazônia, Cerrado, Caatinga, Mata Atlântica, Pantanal, Pampa
municipio	str	INPE	Município
estado	str	INPE	Estado (UF)
frp	float	INPE	Fire Radiative Power — potência radiativa do fogo (MW)
risco_fogo	float	INPE	Índice de risco de fogo (0–1)
numero_dias_sem_chuva	int	INPE	Dias consecutivos sem precipitação
precipitacao	float	INPE	Precipitação acumulada (mm)
vegetacao	str	INPE	Tipo de vegetação segundo INPE
classe_mb	int	MapBiomas	Código da classe de cobertura do solo (Coleção 7, ref. 2021)
nome_classe_mb	str	MapBiomas	Nome da classe (ex: Pastagem, Formação Florestal)
altitude_m	float	SRTM	Altitude em metros acima do nível do mar
wind_speed	float	ERA5	Velocidade do vento a 10 m (m/s)
temp_c	float	ERA5	Temperatura do ar a 2 m (°C)
rh	float	ERA5	Umidade relativa (%)
ffwi	float	ERA5	Fosberg Fire Weather Index
tp_mm	float	ERA5	Precipitação total diária (mm)
satelite	str	INPE	Satélite de detecção (AQUA_M-T)
foco_id	str	INPE	Identificador único do foco

Colunas — meteo_era5

Coluna	Tipo	Descrição
date	date	Data
latitude	float32	Latitude do centroide da célula ERA5 (passo 0,25°)
longitude	float32	Longitude do centroide da célula ERA5 (passo 0,25°)
wind_speed	float32	Velocidade do vento a 10 m (m/s)
temp_c	float32	Temperatura a 2 m (°C)
rh	float32	Umidade relativa (%)
ffwi	float32	Fosberg Fire Weather Index
tp_mm	float32	Precipitação acumulada diária (mm)

Colunas — focos_firms

Coluna	Tipo	Descrição
latitude	float	Latitude WGS84
longitude	float	Longitude WGS84
acq_date	date	Data de aquisição
acq_time	str	Hora de aquisição (HHMM UTC)
satellite	str	Satélite (N = NOAA-20, S = Suomi-NPP)
frp	float	Fire Radiative Power (MW)
confidence	str	Confiança da detecção (low, nominal, high)
daynight	str	D = dia, N = noite
fonte_firms	str	VIIRS_SNPP_SP ou VIIRS_NOAA20_SP

---

Como usar

Instalação

pip install pandas duckdb huggingface_hub

Carregar um ano (pandas)

import pandas as pd

# Tabela principal — 2023
df = pd.read_parquet(
    "hf://datasets/mateus-pcosta/artigo-incendio-2018-2025"
    "/focos_analise/focos_enriquecido_2023.parquet"
)

print(df.shape)        # (175266, 33)
print(df.columns.tolist())

Consultar múltiplos anos (DuckDB)

import duckdb

con = duckdb.connect()

# Focos por ano e bioma com médias meteorológicas
df = con.execute("""
    SELECT
        ano,
        bioma,
        COUNT(*)        AS n_focos,
        AVG(frp)        AS frp_medio,
        AVG(temp_c)     AS temp_media_c,
        AVG(rh)         AS umidade_media,
        AVG(ffwi)       AS ffwi_medio
    FROM read_parquet(
        'hf://datasets/mateus-pcosta/artigo-incendio-2018-2025/focos_analise/*.parquet'
    )
    GROUP BY ano, bioma
    ORDER BY ano, n_focos DESC
""").df()

print(df)

Série temporal mensal de focos

df = con.execute("""
    SELECT ano, mes, COUNT(*) AS n_focos
    FROM read_parquet(
        'hf://datasets/mateus-pcosta/artigo-incendio-2018-2025/focos_analise/*.parquet'
    )
    GROUP BY ano, mes
    ORDER BY ano, mes
""").df()

Cruzar focos com grade ERA5

# Condições meteorológicas em setembro de 2023
df = con.execute("""
    SELECT date, latitude, longitude, temp_c, rh, ffwi, wind_speed
    FROM read_parquet(
        'hf://datasets/mateus-pcosta/artigo-incendio-2018-2025/meteo_era5/meteo_diaria_2023.parquet'
    )
    WHERE date BETWEEN '2023-09-01' AND '2023-09-30'
""").df()

Comparar INPE vs FIRMS (2018)

df = con.execute("""
    SELECT 'INPE'  AS fonte, COUNT(*) AS n
    FROM read_parquet(
        'hf://datasets/mateus-pcosta/artigo-incendio-2018-2025/focos_inpe/focos_2018.parquet'
    )
    UNION ALL
    SELECT 'FIRMS' AS fonte, COUNT(*) AS n
    FROM read_parquet(
        'hf://datasets/mateus-pcosta/artigo-incendio-2018-2025/focos_firms/firms_2018.parquet'
    )
""").df()

---

Fontes de dados

Fonte	Cobertura temporal	Resolução	Autenticação
INPE TerraBrasilis WFS	2018–2025	~1 km (MODIS)	Nenhuma
ERA5 — Copernicus CDS	2018–2025	0,25° (~28 km)	Gratuita
MapBiomas Coleção 7	2021 (estático)	30 m	Nenhuma
USGS SRTM	Estático	~90 m	Nenhuma
NASA FIRMS VIIRS	2018	375 m	Gratuita

---

Cobertura geográfica

Brasil completo — todos os seis biomas:

Bioma	Focos 2018–2025
Amazônia	660.720
Cerrado	454.897
Caatinga	135.827
Mata Atlântica	109.774
Pantanal	63.061
Pampa	6.477

---

Citação

Se utilizar este dataset em publicações, por favor cite:

@dataset{pcosta2025incendios,
  author    = {Mateus P. Costa},
  title     = {Banco Histórico de Incêndios no Brasil 2018–2025},
  year      = {2025},
  publisher = {Hugging Face},
  url       = {https://huggingface.co/datasets/mateus-pcosta/artigo-incendio-2018-2025}
}