Este projeto consiste em uma aplicação web para coletar, processar, analisar e visualizar dados de focos de ueimadas no Brasil, fornecidos pelo Instituto Nacional de Pesquisas Espaciais (INPE). A aplicação oferece tanto elatórios diários consolidados quanto um monitoramento quase em tempo real com atualizações a cada 10 minutos. nclui um sistema de avaliação de risco para os focos de queimada, auxiliando na identificação de áreas críticas.

O principal objetivo deste projeto é fornecer uma ferramenta para:

• Monitorar e analisar a ocorrência de queimadas em território brasileiro.
• Realizar uma avaliação de risco dos focos de queimada detectados, com base em critérios como Potência adiativa do Fogo (FRP) e sensibilidade do bioma.
• Apresentar os dados e alertas de forma interativa e visual, facilitando a tomada de decisão e a resposta a ventos críticos.
• Oferecer uma interface amigável para explorar padrões e tendências de queimadas.

• Coleta de Dados Automatizada:
  • Download assíncrono de arquivos CSV diários de focos de queimada do INPE.
  • Download assíncrono de arquivos CSV de focos de queimada a cada 10 minutos do INPE.
• Processamento de Dados:
  • Carregamento e combinação de dados de múltiplos arquivos CSV.
  • Padronização de colunas de data/hora e coordenadas geográficas.
  • Tratamento de diferentes codificações de arquivos CSV.
• Avaliação de Risco:
  • Classificação dos focos de queimada em níveis de risco: Baixo, Médio, Alto e Crítico.
  • Utilização de critérios como FRP (Fire Radiative Power) e a sensibilidade do bioma atingido.
  • Geolocalização de focos para determinar o bioma, caso essa informação não esteja presente nos dados riginais.
• Aplicação Web Interativa (Streamlit):
  • Painel de Relatório Periódico (Diário):
    • Seleção de intervalo de datas para agregação de dados diários.
    • Visualização de dados combinados, resumos de níveis de risco.
    • Análises por estado, bioma, hora do dia, distribuição de FRP e tendências temporais.
    • Mapa de focos de queimada.
  • Painel de Monitoramento (10 Minutos):
    • Carregamento e atualização de dados dos últimos 2 dias e slots recentes.
    • Exibição dos focos de queimada mais recentes e resumos de risco.
    • Mapa interativo (PyDeck) com coloração baseada no risco e tooltips informativos (FRP, bioma, riticidade).
    • Análise geográfica básica (extensões, regiões aproximadas).
  • Painel de Alertas de Risco:
    • Filtragem e exibição de focos de queimada de alto risco, com níveis de risco selecionáveis.
    • Seções separadas para alertas de relatórios diários e de monitoramento de 10 minutos.
• Configuração Centralizada:
  • Arquivo config.py para gerenciar URLs de dados, caminhos de diretórios e critérios de avaliação de risco.
• Análise Geoespacial:
  • Utilização de dados GeoJSON de biomas para avaliação de risco e contextualização nas visualizações.

• Linguagem Principal: Python 3.x
• Análise e Manipulação de Dados: Pandas, GeoPandas
• Interface Web: Streamlit
• Coleta de Dados Assíncrona: Aiohttp, Asyncio, Aiofiles
• Visualização de Mapas: PyDeck (para mapas 3D interativos), Streamlit (mapas básicos)
• Geração de Gráficos: Matplotlib
• Logging: Módulo logging do Python
• Formatos de Dados: CSV (dados do INPE), GeoJSON (dados de biomas)

queimadas_monitor/
├── app.py                    # Arquivo principal da aplicação Streamlit
├── config.py                 # Configurações do projeto
├── data_collection/
│   └── collector.py          # Módulo para coleta de dados do INPE
├── risk_assessment/
│   └── assessor.py           # Módulo para lógica de avaliação de risco
├── geodata/
│   └── biomas_5000.json      # Arquivo GeoJSON com dados dos biomas brasileiros
├── output_data/
│   └── raw/                  # Diretório para CSVs brutos baixados
├── requirements.txt          # Dependências do projeto
└── README.md                 # Documentação do projeto (este arquivo)

1. Clone o Repositório:

   git clone https://github.com/seu-usuario/AutomationQueimadasAndAlerts.git
   cd AutomationQueimadasAndAlerts/queimadas_monitor

2. Crie um Ambiente Virtual (recomendado):

   python -m venv venv
   # No Windows
   venv\Scripts\activate
   # No macOS/Linux
   source venv/bin/activate

3. Instale as Dependências: Certifique-se de ter um arquivo requirements.txt com as seguintes bibliotecas (ou instale-as manualmente):

   streamlit
   pandas
   geopandas
   pydeck
   matplotlib
   aiohttp
   aiofiles
   

   Execute:

   pip install -r requirements.txt

   Nota: A instalação do GeoPandas pode ter dependências de sistema como GDAL. Consulte a documentação do eoPandas para instruções detalhadas de instalação.

4. Estrutura de Diretórios:

   • Certifique-se de que o arquivo geodata/biomas_5000.json está presente no local correto.
   • Crie o diretório output_data/raw/ se ele não existir:

     mkdir -p output_data/raw
     # No Windows (PowerShell): mkdir -Force output_data\raw

1. Execute a Aplicação Streamlit: A partir do diretório raiz do projeto (queimadas_monitor/), execute:

   streamlit run app.py

2. Interaja com a Aplicação:

   • Abra o navegador no endereço fornecido (geralmente http://localhost:8501).
   • Navegue pelas abas: "Relatório Periódico (Diário)", "Monitoramento (10 Minutos)" e "Alertas de Risco".
   • Utilize os controles na barra lateral para:
     • Selecionar intervalos de datas para os relatórios diários.
     • Gerar/atualizar os dados de monitoramento de 10 minutos.
     • Filtrar os alertas por nível de criticidade.

As principais configurações do projeto podem ser ajustadas no arquivo config.py:

• CSV_BASE_URL, CSV_10MIN_BASE_URL: URLs base para os dados do INPE. Modifique se as fontes de dados mudarem.
• RAW_DATA_DIR, REPORTS_DIR, CHARTS_DIR: Caminhos para armazenamento de dados.
• RISK_FRP_THRESHOLD, SENSITIVE_BIOMES: Critérios para a avaliação de risco dos focos de queimada.
• BIOMES_FILE_PATH: Caminho para o arquivo GeoJSON dos biomas.

• INPE - Instituto Nacional de Pesquisas Espaciais (Brasil):
  • Dados diários de focos de queimada.
  • Dados de focos de queimada em intervalos de 10 minutos.

• Geração automatizada de relatórios (ex: resumos diários em PDF).
• Sistema de notificação por e-mail/SMS para alertas críticos.
• Análises estatísticas mais avançadas e modelagem preditiva.
• Autenticação de usuários e dashboards personalizados.
• Integração com outros conjuntos de dados relevantes (ex: dados meteorológicos, uso do solo).
• Deployment da aplicação em uma plataforma de nuvem (ex: Streamlit Sharing, Heroku, AWS).

• Antônio Libarato RM558014
• Renan de França Gonçalves RM558413
• Thiago Almança RM558108