Serviço Florestal Brasileiro (SFB)¶

O SFB é um órgão vinculado ao Ministério do Meio Ambiente e Mudança do Clima (MMA), criado em 2006 com o objetivo principal de promover o uso econômico e sustentável das florestas públicas brasileiras. Suas atribuições são amplas e visam garantir a conservação dos recursos florestais enquanto fomentam o desenvolvimento sustentável.

Sistema Nacional de Cadastro Ambiental Rural¶

O SICAR é uma plataforma eletrônica que gerencia o Cadastro Ambiental Rural (CAR). O CAR, por sua vez, é um registro público eletrônico de âmbito nacional, obrigatório para todos os imóveis rurais, sejam eles propriedades ou posses. Sua finalidade é integrar as informações ambientais dos imóveis rurais, como áreas de floresta nativa, áreas de preservação permanente (APP), reserva legal (RL) e áreas de uso consolidado.

Os principais objetivos do SICAR são:

• Controle e Monitoramento: O SICAR permite o controle e monitoramento das áreas ambientais dos imóveis rurais, auxiliando na identificação de desmatamentos ilegais e no planejamento ambiental.
• Planejamento Ambiental e Econômico: As informações do CAR, acessíveis via SICAR, subsidiam o planejamento ambiental e econômico do uso do solo, contribuindo para uma agricultura mais sustentável.
• Regularização Ambiental: A inscrição no CAR é o primeiro passo para a regularização ambiental do imóvel rural. Por meio do SICAR, os proprietários podem aderir ao Programa de Regularização Ambiental (PRA) e, assim, regularizar passivos ambientais.
• Base de Dados Pública: O SICAR disponibiliza informações de natureza pública sobre a regularização ambiental dos imóveis rurais, promovendo a transparência e subsidiando a fiscalização.

{target="_blank"}

Com auxílio do pacote SICAR, desenvolvido pelo Gilson Urbano foi possível adicionar a funcionalidade de obtenção de dados do Sistema Nacional de Cadastro Ambiental Rural (SICAR).

O pacote obtem os dados da Base de Dowloads e utiliza o tesseract para passar pelo recapcha.

---

Informação

Em 13.06.2025 observei que há a possibilidade de acessar o GeoServer do SICAR, facilitando muito a obtenção de dados.

In [1]:

import tempfile
from pathlib import Path

import geopandas as gpd

import open_geodata as geo

import tempfile from pathlib import Path import geopandas as gpd import open_geodata as geo

O pacote tem como dependência o Tesseract e é necessário instalar e apontar o caminho do executável na aplicação.

Informação

O Tesseract (Google Tesseract OCR) é uma ferramenta de reconhecimento óptico de caracteres (OCR) que permite extrair texto de imagens. Ele é muito usado para digitalizar documentos, ler textos de fotos ou PDFs escaneados, e automatizar tarefas que envolvem leitura de texto visual.

Uma vez com o Tesseract instalado, é necessário indicar qual o caminho para o executável.

In [2]:

# Instancia classe IBGE
sfb = geo.br.sicar.CAR(uf='ES')

# Instancia classe IBGE sfb = geo.br.sicar.CAR(uf='ES')

---

Propriedades¶

In [3]:

sfb.url

sfb.url

---

Download¶

In [4]:

# Crio pasta temporária
temp_path = Path(tempfile.gettempdir()) / 'open_geodata' / 'sfb'
temp_path.mkdir(exist_ok=True, parents=True)

# Crio pasta temporária temp_path = Path(tempfile.gettempdir()) / 'open_geodata' / 'sfb' temp_path.mkdir(exist_ok=True, parents=True)

In [5]:

# Download Data
sfb.download_file(filepath=temp_path / 'es.geojson')

# Lista arquivos baixados
list_files = list(temp_path.glob('*'))
print(list_files)

# Lê o shapefile diretamente do zip
gdf = gpd.read_file(filename=list_files[0])

# Download Data sfb.download_file(filepath=temp_path / 'es.geojson') # Lista arquivos baixados list_files = list(temp_path.glob('*')) print(list_files) # Lê o shapefile diretamente do zip gdf = gpd.read_file(filename=list_files[0])

Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 10000 feições
10000
Chunk com 1487 feições
10000
Total de feições: 441487
[WindowsPath('C:/Users/michel/AppData/Local/Temp/open_geodata/sfb/AREA_IMOVEL_1.dbf'), WindowsPath('C:/Users/michel/AppData/Local/Temp/open_geodata/sfb/AREA_IMOVEL_1.fix'), WindowsPath('C:/Users/michel/AppData/Local/Temp/open_geodata/sfb/AREA_IMOVEL_1.prj'), WindowsPath('C:/Users/michel/AppData/Local/Temp/open_geodata/sfb/AREA_IMOVEL_1.shp'), WindowsPath('C:/Users/michel/AppData/Local/Temp/open_geodata/sfb/AREA_IMOVEL_1.shx'), WindowsPath('C:/Users/michel/AppData/Local/Temp/open_geodata/sfb/car.geojson'), WindowsPath('C:/Users/michel/AppData/Local/Temp/open_geodata/sfb/car_AC4674.geojson'), WindowsPath('C:/Users/michel/AppData/Local/Temp/open_geodata/sfb/car_AC4674.gpkg'), WindowsPath('C:/Users/michel/AppData/Local/Temp/open_geodata/sfb/car_SP.geojson'), WindowsPath('C:/Users/michel/AppData/Local/Temp/open_geodata/sfb/car_SP4674.geojson'), WindowsPath('C:/Users/michel/AppData/Local/Temp/open_geodata/sfb/car_SP4674.gpkg'), WindowsPath('C:/Users/michel/AppData/Local/Temp/open_geodata/sfb/es.geojson')]

---

Filtrar¶

Olhamos a estrutura dos dados baixados.

In [ ]:

gdf.info()
gdf.head(2)

gdf.info() gdf.head(2)

E filtramos de formas diferentes.

In [ ]:

# Filtra propriedades com área definida em um intervalo de áreas (em hectares)
gdf = gdf[(gdf['area'] >= 20) & (gdf['area'] <= 21)]

# Exibe informações do GeoDataFrame filtrado
gdf.info()
gdf.head(2)

# Filtra propriedades com área definida em um intervalo de áreas (em hectares) gdf = gdf[(gdf['area'] >= 20) & (gdf['area'] <= 21)] # Exibe informações do GeoDataFrame filtrado gdf.info() gdf.head(2)

In [ ]:

# # Filtra Propriedades com 4 ou mais módulos fiscais
# gdf = gdf[gdf['mod_fiscal'] >= 4]

# # Results
# gdf.info()
# gdf.head(2)

# # Filtra Propriedades com 4 ou mais módulos fiscais # gdf = gdf[gdf['mod_fiscal'] >= 4] # # Results # gdf.info() # gdf.head(2)

In [ ]:

# # Obtem as 100 maiores propriedades do Estado
# gdf = gdf.sort_values(by=['num_area'], ascending=False)
# gdf = gdf[0:30]

# # Results
# gdf.info()
# gdf.head(2)

# # Obtem as 100 maiores propriedades do Estado # gdf = gdf.sort_values(by=['num_area'], ascending=False) # gdf = gdf[0:30] # # Results # gdf.info() # gdf.head(2)

E plotamos o resultado.

In [ ]:

gdf.explore(
    column='tipo_imovel',
    tiles='Esri.WorldImagery',
)

gdf.explore( column='tipo_imovel', tiles='Esri.WorldImagery', )

In [ ]: