Datasetpublic

mateus-pcosta/brazil-wildfire-geospatial-dataset

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… See the full description on the dataset page: https://huggingface.co/datasets/mateus-pcosta/brazil-wildfire-geospatial-dataset.

sourceHugging Faceupdated 6mo agoView on Hugging Face

1likes31downloads

Dataset Card

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	VIIRSSNPPSP ou VIIRSNOAA20SP

Como usar

Instalação

bash

pip install pandas duckdb huggingface_hub

Carregar um ano (pandas)

python

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)

python

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

python

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

python

# 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)

python

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}
}

Banco Histórico de Incêndios no Brasil — 2018–2025

Tabelas disponíveis

Colunas — focos_analise (tabela principal)

Colunas — meteo_era5

Colunas — focos_firms

Como usar

Instalação

Carregar um ano (pandas)

Consultar múltiplos anos (DuckDB)

Série temporal mensal de focos

Cruzar focos com grade ERA5

Comparar INPE vs FIRMS (2018)

Fontes de dados

Cobertura geográfica

Citação

Colunas — `focos_analise` (tabela principal)

Colunas — `meteo_era5`

Colunas — `focos_firms`