Focos de calor das últimas 24 e 48 horas nas UCs

Resumo

Os focos de calor do INPE direto do servidor público, sem login: baixar os arquivos do dia, transformar em pontos, filtrar as últimas 24 e 48 horas em UTC e contar por UC. E por que somar focos de vários satélites engana.

Nível Iniciante Leitura 9 min Dados outubro de 2026 Programas ArcGIS

Na época seca, as equipes de brigada começam o dia com uma pergunta: onde apareceu fogo nas UCs desde ontem? O INPE publica os focos de calor detectados por vários satélites várias vezes por hora, em arquivos abertos.

O script que eu usava lia os focos do Living Atlas do ArcGIS Online e só funcionava com uma conta da instituição. Aqui os focos vêm direto do servidor do INPE, sem login.

Mapa da região de Novo Progresso com as UCs em verde claro, a faixa de entorno em amarelo e focos de calor como pontos: vermelhos nas últimas 24 horas e laranja entre 24 e 48 horas. A maior concentração está na Área de Proteção Ambiental do Tapajós. — Focos de calor das últimas 48 horas no recorte de exemplo (consulta de 29/10/2026).

De onde vêm os focos

Fonte	Endereço	Atualização
INPE, arquivo diário	`https://dataserver-coids.inpe.br/queimadas/queimadas/focos/csv/diario/Brasil/focos_diario_br_AAAAMMDD.csv`	o do dia vai crescendo ao longo do dia
INPE, a cada 10 minutos	`https://dataserver-coids.inpe.br/queimadas/queimadas/focos/csv/10min/`	10 minutos
NASA FIRMS (VIIRS e MODIS)	`https://firms.modaps.eosdis.nasa.gov/data/active_fire/suomi-npp-viirs-c2/csv/SUOMI_VIIRS_C2_South_America_48h.csv`	algumas horas; também há `_24h` e `_7d`

O arquivo do INPE tem uma linha por foco, com lat, lon, data_hora_gmt, satelite, municipio, estado, bioma e outros campos.

Foco de calor não é área queimada

Um foco é um pixel quente visto por um satélite num instante. O mesmo incêndio aparece como dezenas de focos, e um mesmo foco pode ser visto por vários satélites. Use os focos para alertar e para comparar períodos com o satélite de referência (AQUA_M-T). Para área queimada, veja as cicatrizes de queimada do DETER ou o MapBiomas Fogo.

O que você vai fazer

Baixar os arquivos de hoje, ontem e anteontem (para cobrir 48 horas completas).
Transformar lon e lat em pontos (SIRGAS 2000).
Filtrar pela hora (em UTC, como vem no arquivo).
Descobrir em qual UC (ou entorno) cada foco caiu.
Contar por UC, janela de tempo e satélite.

O código

import arcpy
import urllib.request
from datetime import datetime, timedelta, timezone

arcpy.env.overwriteOutput = True
gpkg = r"C:\dados\artigos.gpkg"
pasta = r"C:\dados\focos"
url = ("https://dataserver-coids.inpe.br/queimadas/queimadas/focos/csv/diario/"
       "Brasil/focos_diario_br_{}.csv")

# 1 e 2. Baixar os três dias e criar os pontos
agora = datetime.now(timezone.utc)
pontos = []
for i in range(3):
    dia = (agora - timedelta(days=i)).strftime("%Y%m%d")
    csv = rf"{pasta}\focos_{dia}.csv"
    urllib.request.urlretrieve(url.format(dia), csv)
    pontos.append(arcpy.management.XYTableToPoint(
        csv, rf"memory\focos_{dia}", "lon", "lat",
        coordinate_system=arcpy.SpatialReference(4674)))
focos = arcpy.management.Merge(pontos, r"memory\focos")

# 3 e 4. UC de cada foco e filtro das últimas 48 horas
focos_ucs = arcpy.analysis.PairwiseIntersect([focos, gpkg + r"\main.ucs"], r"memory\focos_ucs")
corte_48h = (agora - timedelta(hours=48)).strftime("%Y-%m-%d %H:%M:%S")
ultimos = arcpy.analysis.Select(focos_ucs, r"C:\dados\resultados.gdb\focos_ucs_48h",
                                f"data_hora_gmt >= timestamp '{corte_48h}'")

# 5. Contagem por UC e satélite
arcpy.analysis.Statistics(ultimos, r"C:\dados\resultados.gdb\focos_por_uc",
                          [["id", "COUNT"]], ["nome_uc", "satelite"])

Nota

O XYTableToPoint lê o data_hora_gmt como texto ou como data, conforme a versão do ArcGIS Pro. Se o Select não encontrar nada, confira o tipo do campo e troque o filtro por data_hora_gmt >= '{corte_48h}', que compara o texto.

import os, tempfile, urllib.request
from datetime import datetime, timedelta, timezone
import processing

G = "C:/dados/artigos.gpkg"
url = ("https://dataserver-coids.inpe.br/queimadas/queimadas/focos/csv/diario/"
       "Brasil/focos_diario_br_{}.csv")

def rodar(alg, **p):
    p.setdefault("OUTPUT", "memory:")
    return processing.run(alg, p)["OUTPUT"]

# 1 e 2. Baixar os três dias e abrir como camada de pontos (texto delimitado)
agora = datetime.now(timezone.utc)
camadas = []
for i in range(3):
    dia = (agora - timedelta(days=i)).strftime("%Y%m%d")
    csv = os.path.join(tempfile.gettempdir(), f"focos_{dia}.csv")
    urllib.request.urlretrieve(url.format(dia), csv)
    uri = (f"file:///{csv}?delimiter=,&xField=lon&yField=lat&crs=EPSG:4674"
           "&field=data_hora_gmt:text")
    camadas.append(QgsVectorLayer(uri, f"focos_{dia}", "delimitedtext"))
focos = rodar("native:mergevectorlayers", LAYERS=camadas, CRS="EPSG:4674")

# 3. Últimas 48 horas (texto no formato AAAA-MM-DD HH:MM:SS se compara como data)
corte = (agora - timedelta(hours=48)).strftime("%Y-%m-%d %H:%M:%S")
focos = rodar("native:extractbyexpression", INPUT=focos,
              EXPRESSION=f"\"data_hora_gmt\" >= '{corte}'")

# 4. UC de cada foco (predicado 5 = "está dentro")
focos_ucs = rodar("native:joinattributesbylocation", INPUT=focos,
                  JOIN=f"{G}|layername=ucs", PREDICATE=[5], JOIN_FIELDS=["nome_uc"],
                  METHOD=0, DISCARD_NONMATCHING=True)

# 5. Contagem por UC e satélite
resumo = rodar("qgis:statisticsbycategories", INPUT=focos_ucs,
               CATEGORIES_FIELD_NAME=["nome_uc", "satelite"])
for f in resumo.getFeatures():
    print(f["nome_uc"], f["satelite"], f["count"])
QgsProject.instance().addMapLayer(focos_ucs)

O &field=data_hora_gmt:text no endereço da camada obriga o QGIS a ler a data como texto, e assim o filtro funciona igual em qualquer idioma do sistema.

-- 1. Tabela para os focos e carga dos três arquivos (o \copy roda no seu computador)
DROP TABLE IF EXISTS artigos.focos;
CREATE TABLE artigos.focos (
    id text, lat numeric, lon numeric, data_hora_gmt timestamp,
    satelite text, municipio text, estado text, pais text,
    municipio_id bigint, estado_id int, pais_id int,
    numero_dias_sem_chuva numeric, precipitacao numeric, risco_fogo numeric,
    bioma text, frp numeric
);
\copy artigos.focos FROM PROGRAM 'curl -s https://dataserver-coids.inpe.br/queimadas/queimadas/focos/csv/diario/Brasil/focos_diario_br_$(date -u +%Y%m%d).csv' CSV HEADER
\copy artigos.focos FROM PROGRAM 'curl -s https://dataserver-coids.inpe.br/queimadas/queimadas/focos/csv/diario/Brasil/focos_diario_br_$(date -u -d yesterday +%Y%m%d).csv' CSV HEADER
\copy artigos.focos FROM PROGRAM 'curl -s https://dataserver-coids.inpe.br/queimadas/queimadas/focos/csv/diario/Brasil/focos_diario_br_$(date -u -d "2 days ago" +%Y%m%d).csv' CSV HEADER

-- 2. Pontos
ALTER TABLE artigos.focos ADD COLUMN geom geometry(Point, 4674);
UPDATE artigos.focos SET geom = ST_SetSRID(ST_MakePoint(lon, lat), 4674);
CREATE INDEX ON artigos.focos USING gist (geom);

-- 3 a 5. Focos em UCs nas últimas 24 e 48 horas (hora em UTC)
SELECT u.nome_uc,
       count(*) FILTER (WHERE f.data_hora_gmt >= (now() AT TIME ZONE 'UTC') - interval '24 hours') AS focos_24h,
       count(*) AS focos_48h,
       count(*) FILTER (WHERE f.satelite = 'AQUA_M-T') AS focos_48h_referencia
FROM artigos.focos f
JOIN artigos.ucs u ON ST_Within(f.geom, u.geom)
WHERE f.data_hora_gmt >= (now() AT TIME ZONE 'UTC') - interval '48 hours'
GROUP BY u.nome_uc
ORDER BY focos_48h DESC;

Nota

O \copy … FROM PROGRAM precisa do curl e, no Windows, troque o $(date …) pela data escrita à mão. Outra opção é baixar os arquivos antes e usar \copy artigos.focos FROM 'focos.csv' CSV HEADER.

from datetime import datetime, timedelta, timezone
import pandas as pd
import geopandas as gpd

url = ("https://dataserver-coids.inpe.br/queimadas/queimadas/focos/csv/diario/"
       "Brasil/focos_diario_br_{}.csv")

# 1. Baixar hoje, ontem e anteontem
agora = datetime.now(timezone.utc)
dias = [(agora - timedelta(days=i)).strftime("%Y%m%d") for i in range(3)]
focos = pd.concat([pd.read_csv(url.format(d)) for d in dias], ignore_index=True)
focos["data_hora_gmt"] = pd.to_datetime(focos["data_hora_gmt"], utc=True)

# 2. Pontos e 3. últimas 48 horas
focos = gpd.GeoDataFrame(focos, geometry=gpd.points_from_xy(focos.lon, focos.lat), crs=4674)
focos = focos[focos["data_hora_gmt"] >= agora - timedelta(hours=48)]
focos["janela"] = (focos["data_hora_gmt"] >= agora - timedelta(hours=24)).map(
    {True: "últimas 24 h", False: "24 a 48 h"})

# 4. Em qual UC (ou entorno) caiu cada foco
G = "dados/artigos.gpkg"
zonas = pd.concat([
    gpd.read_file(G, layer="ucs")[["nome_uc", "geometry"]].assign(local="interior"),
    gpd.read_file(G, layer="ucs_entorno")[["nome_uc", "geometry"]].assign(local="entorno"),
])
focos_ucs = gpd.sjoin(focos, zonas, predicate="within")

# 5. Contagem
print(pd.crosstab([focos_ucs["nome_uc"], focos_ucs["local"]], focos_ucs["janela"],
                  margins=True, margins_name="total"))
print(focos_ucs[focos_ucs["satelite"] == "AQUA_M-T"].groupby("nome_uc").size())
focos_ucs.to_file("dados/focos_ucs_48h.gpkg")

Conferindo o resultado

Os números mudam a cada execução. Na tarde de 29/10/2026, as três versões testadas encontraram os mesmos focos dentro das UCs do recorte:

Focos de calor no interior e no entorno das UCs, consulta de 29/10/2026 às 16h40 (Brasília).
UC	Últimas 24 h	Últimas 48 h	48 h, só `AQUA_M-T`	Entorno, 48 h
Área de Proteção Ambiental do Tapajós	17	34	5	41
Floresta Nacional de Altamira	5	8	4	0
Floresta Nacional do Jamanxim	0	8	0	3
Floresta Estadual de Iriri	1	1	0	0
Área de Proteção Ambiental Pouso Alto (Cerrado)	1	1	0	0

Os mesmos 52 focos no interior das UCs, nas três versões. A diferença entre a coluna de todos os satélites (34) e a do satélite de referência (5) na APA do Tapajós mostra por que não se deve somar satélites para comparar períodos.

Rodar sozinho todo dia

Este é o tipo de script que vale agendar:

Windows: Agendador de Tarefas, chamando propy.bat script.py (ArcGIS Pro) ou python script.py.
ArcGIS Pro 3.x: botão direito na ferramenta de script → Agendar.
Linux/Mac: crontab -e e uma linha como 0 7 * * * cd /dados && python focos.py.

Para não acumular linhas repetidas a cada execução, veja Atualizar camadas sem duplicar.

Armadilhas

Hora em UTC

O campo data_hora_gmt está em UTC (Brasília = UTC−3). Se você filtrar “últimas 24 horas” com a hora do relógio do computador, perde ou ganha 3 horas de focos. Calcule o corte em UTC, como nos códigos acima.

Contar focos de todos os satélites

No mesmo dia, o recorte teve focos de 7 satélites. Somar todos dá um número maior, que muda conforme os satélites em operação. Para comparar anos ou meses, use só o AQUA_M-T (satélite de referência). Para alertar a brigada, use todos.

O arquivo de hoje está incompleto

O arquivo do dia corrente vai crescendo ao longo do dia. Por isso o código baixa três arquivos: só assim as últimas 48 horas ficam completas a qualquer hora.

Veja também

Interior e entorno das UCs, para montar a camada de entorno
Fontes de dados, com o BDQueimadas e o MapBiomas Fogo

← Anterior Desmatamento anual do PRODES nas UCs da Amazônia e do Cerrado Próximo → Ano, mês e ano PRODES: campos de data em cada programa

Atualizações

29/10/2026: publicação, com dados do INPE, do MMA, do IBAMA e do SICAR de outubro de 2026.

English version

De volta ao topo

Licença

CC BY 4.0

Como citar

BibTeX

@misc{alves2026,
  author = {Alves, Hendesson},
  publisher = {Hendesson Alves},
  title = {Focos de calor das últimas 24 e 48 horas nas UCs},
  date = {2026-10-29},
  url = {https://hendesson.github.io/artigos/04-focos-calor.html},
  doi = {10.5281/zenodo.23780252},
  langid = {pt-BR},
  abstract = {Os focos de calor do INPE direto do servidor público, sem
    login: baixar os arquivos do dia, transformar em pontos, filtrar as
    últimas 24 e 48 horas em UTC e contar por UC. E por que somar focos
    de vários satélites engana.}
}

Por favor, cite este trabalho como:

Alves, Hendesson. 2026. “Focos de calor das últimas 24 e 48 horas nas UCs.” In Artigos de geoprocessamento para monitoramento ambiental. Preprint, Hendesson Alves, October 29. https://doi.org/10.5281/zenodo.23780252.