Awesome Brasil Geoespatial Ecosystem

Uma lista curada de ferramentas, dados e bibliotecas do ecossistema geoespacial, organizada por categoria. Cresce aos poucos ao longo do bootcamp — qualquer aluno pode contribuir.

NoteFormato de cada item 
- [**Nome**](https://link.com) — descrição curta do que é / para que serve.

Só adicione ⚠️ *verificar* no fim da linha se o link ou a descrição ainda precisam ser conferidos por alguém — sem a marcação, o item é considerado confiável. Passo a passo completo em Como Contribuir.

Dados Geoespaciais Brasileiros

Censitário / Demografia / Socioeconômico

  • GeoBR — dados espaciais oficiais do Brasil (malhas municipais/estaduais, setores censitários, biomas etc.), disponível em R e Python.
  • ipeaData — séries históricas macroeconômicas, financeiras e regionais do Ipeadata.
  • Atlas do Estado Brasileiro — indicadores institucionais e territoriais do Estado brasileiro. ⚠️ verificar link

Saúde / Epidemiologia

  • DataSUS - Dados compilados e pre-processados do SUS.
  • [Sistema de Informação em Saúde no Brasil.] (https://rfsaldanha.github.io/sis/) - Livro que apresenta os principais Sistemas de Informação em Saúde no Brasil. R

Hidrologia / Clima

  • ANA / HidroWeb — séries históricas de vazão e chuva da Agência Nacional de Águas.
  • CPTEC / INPE — previsão numérica do tempo e projeções climáticas regionalizadas.

QGIS Plugins

  • NetFlora — plugin para inventário florestal com drones, geotecnologias e inteligência artificial.
  • QuickMapServices — adiciona dezenas de basemaps prontos (Google, Bing, OSM, etc.) direto no QGIS.

Google Earth Engine (GEE)

  • geemap — biblioteca Python para visualização interativa e análise com o Google Earth Engine.
  • Awesome Google Earth Engine — lista curada de tutoriais, datasets e recursos para GEE.

AI

  • Hugging Face Hub — modelos, datasets e demos de IA prontos para usar, incluindo visão computacional geoespacial.
  • Kaggle - datasets, exemplos e 10 horas semanais de GPU de “graça” para treinar os modelos.
  • Lightning - clusters and cota de GPU para treinar os modelos.

Databases

  • PostGIS — extensão espacial para PostgreSQL, o padrão de facto para banco de dados geoespacial.
  • DuckDB (spatial extension) — banco analítico local com suporte a geometrias e leitura direta de GeoParquet/Shapefile.

Cloud Computing

  • Zarr — formato de arrays multidimensionais em chunks, muito usado para cubos de dados climáticos/satelitais.
  • COG (Cloud Optimized GeoTIFF) — GeoTIFF organizado para leitura parcial eficiente direto da nuvem.
  • GeoParquet — formato colunar (Parquet) para dados vetoriais, otimizado para análise em escala.
  • STAC (SpatioTemporal Asset Catalog) — especificação aberta para catalogar dados geoespaciais na nuvem; base do Planetary Computer, Earth Engine Catalog e Brazil Data Cube.

R libraries

  • terra — manipulação de dados raster e vetoriais em R.
  • sf — pacote “simple features” para manipulação de dados vetoriais em R.
  • ggplot2 — gráficos e mapas estáticos, incluindo geom_sf para dados espaciais.
  • stars — arrays espaço-temporais (raster multibanda, cubos de dados) em R.
  • SITS — pacote brasileiro para análise de séries temporais de imagens de satélite.

Python Libraries

Geospatial Data

  • Rasterio — biblioteca Python para leitura, escrita e processamento de dados raster geoespaciais, como imagens de satélite e modelos de terreno.

Machine Learning

  • scikit-learn — machine learning “tradicional” em Python: regressão, clustering, classificação.

Computer Vision

  • OpenCV — manipulação e processamento de imagens.
  • scikit-image — processamento de imagens científico, integrado ao ecossistema NumPy/SciPy.

Deep Learning

  • PyTorch — framework de deep learning mais usado em pesquisa.
  • transformers — biblioteca da Hugging Face, fácil de integrar modelos pré-treinados (incluindo visão).
  • torchgeo — biblioteca para deep learning com dados geoespaciais sobre PyTorch (datasets, samplers, modelos prontos).

References

Awesome-pages de referência:

  • Awesome Geospatial — lista extensa de bibliotecas, dados e ferramentas geoespaciais (não é Brasil-específica).
  • Awesome-Index — ⚠️ completar (nome anotado sem link ainda)