Las nubes de puntos permiten representar el territorio con un nivel de detalle extraordinario. A partir de datos LiDAR o de técnicas fotogramétricas podemos reconstruir edificios, analizar la vegetación, generar modelos digitales del terreno o estudiar infraestructuras en tres dimensiones. El problema aparece cuando el volumen de información crece. Una nube de puntos puede contener ...
COPC: cómo trabajar con nubes de puntos LiDAR optimizadas para la nube
Prezados leitores,
Sempre que preciso instalar uma nova instância do GeoNode, sigo os procedimentos que já compartilhei aqui no blog:
– Instalação do GeoNode 5 no Ubuntu 24.04
– Instalação do Certificado SSL no GeoNode
– Atualizar camadas do GeoServer para o GeoNode automaticamente
O passo a passo ajuda bastante, mas, a cada instalação, lá estava eu novamente: preparando o servidor, instalando dependências, criando o projeto, ajustando configurações e habilitando o HTTPS.
Ao preparar um ambiente para mais um curso, pensei: por que não automatizar esse processo?
A ideia foi transformar essa sequência em um instalador reutilizável. Agora, basta preencher um arquivo de configuração e executar um comando para iniciar a instalação.
Testei o procedimento em uma máquina nova, utilizando o GeoNode 5.1.0, e o resultado foi a aplicação funcionando com HTTPS habilitado.
Vamos ver como utilizar!
1. O que o instalador faz?
O instalador utiliza o projeto Docker oficial do GeoNode e automatiza as principais etapas de preparação do ambiente:
O pacote contém um script de entrada em Bash, o instalador em Python, um arquivo de parâmetros e as instruções de uso.
2. Antes de começar
O instalador foi preparado para uma máquina nova com Ubuntu 24.04 e arquitetura x86_64. O perfil padrão considera uma VM com aproximadamente 16 GB de RAM, com ajustes iniciais para os serviços.
Por padrão, a instalação verifica um mínimo de 14 GiB de RAM e 30 GiB livres no disco de destino. Esses limites podem ser alterados no arquivo de parâmetros, permitindo utilizar máquinas menores para testes e atividades acadêmicas. Veja os exemplos no tópico 11.
Para instalar com HTTPS, você também precisará de:
O instalador prepara o software dentro da máquina. A criação do servidor, os registros de DNS e a liberação das portas devem ser feitos previamente.
Utilize uma máquina nova, sem outra aplicação ocupando as mesmas portas.
3. Baixe e descompacte o pacote
Baixe o arquivo geonode-installer-0.1.11.zip, disponibilizado junto a este post, ou acesse o repositório no GitHub, e transfira-o para o servidor. Em seguida:
unzip geonode-installer-0.1.11.zip cd geonode-installer-0.1.11
4. Configure a instalação
Abra o arquivo de parâmetros:
nano geonode-install.env
Ele contém as seguintes opções:
GEONODE_PROJECT_REF=5.1.0 GEONODE_VERSION=5.1.0 DJANGO_BOOTSTRAP_VERSION=5.2 SYSTEM_USER=geonode PROJECT_NAME=curso_geonode INSTALL_DIR=/opt/geonode/curso_geonode HOSTNAME=geonode.seudominio.com.br ENABLE_HTTPS=true LETSENCRYPT_EMAIL=contato@seudominio.com.br SERVER_IPV4= UPDATE_LAYERS_ENABLED=true UPDATE_LAYERS_INTERVAL_HOURS=1 MIN_RAM_GB=14 MIN_DISK_GB=30 GEOSERVER_XMS=2G GEOSERVER_XMX=4G UWSGI_PROCESSES=4 CELERY_WORKERS=2 WAIT_SECONDS=1800
Para uma instalação semelhante à deste exemplo, os principais campos a alterar são:
| Parâmetro | O que informar |
|---|---|
HOSTNAME |
Domínio, subdomínio, IP ou localhost, sem protocolo e sem barra no final. Para HTTPS, utilize um domínio. |
LETSENCRYPT_EMAIL |
Seu endereço de e-mail. |
SERVER_IPV4 |
Opcional: IP público da VM para conferir sua presença na resolução DNS. |
PROJECT_NAME |
Nome do projeto, usando letras minúsculas, números e underscore ( _).
|
INSTALL_DIR |
Diretório da instalação dentro de /opt.
|
SYSTEM_USER |
Usuário que será criado para os arquivos do projeto. |
UPDATE_LAYERS_ENABLED |
true para habilitar a atualização automática de camadas; false para desativar.
|
UPDATE_LAYERS_INTERVAL_HOURS |
Intervalo de verificação: 1, 2, 3, 4, 6, 8, 12 ou 24 horas. |
MIN_RAM_GB |
RAM mínima aceita, em GiB. O valor 0 desativa a checagem. |
MIN_DISK_GB |
Espaço livre mínimo no destino, em GiB. O valor 0 desativa a checagem. |
Atenção à versão do Django: DJANGO_BOOTSTRAP_VERSION controla apenas o Django utilizado para gerar a estrutura inicial do projeto. A versão que executa dentro dos containers é determinada pelas dependências da aplicação.
Os parâmetros de versão permitem selecionar outras referências, mas isso não garante compatibilidade automática entre todas as combinações. A instalação apresentada neste post foi testada com o GeoNode 5.1.0.
5. Confira a configuração
Antes de instalar, execute:
python3 instalar.py --env geonode-install.env --check
Esse comando valida os parâmetros e consulta a resolução DNS do endereço informado, sem instalar pacotes.
Se você preencher SERVER_IPV4, ele também confere se esse IP aparece na resolução do domínio.
Essa checagem não testa a liberação das portas nem o acesso externo ao servidor.
6. Inicie a instalação
Com os parâmetros preenchidos, execute:
sudo bash instalar-geonode.sh --env geonode-install.env
Pronto! A partir desse ponto, o instalador executa as etapas automaticamente.
A primeira construção das imagens pode demorar, dependendo do processamento da máquina e da velocidade dos downloads. Mantenha a sessão SSH aberta enquanto acompanha a execução.
Embora o comando seja iniciado com sudo, o download do projeto e sua geração são executados com o usuário definido em SYSTEM_USER. As operações administrativas, como instalar pacotes e executar o Docker, continuam sob responsabilidade do root.
O usuário criado não recebe senha habilitada, acesso ao sudo ou inclusão automática no grupo Docker.
Ao final, o instalador aguarda a resposta HTTP ou HTTPS e verifica o estado dos principais serviços. Enquanto isso, informa quais componentes ainda estão pendentes. Um container aparecer como “Started” não significa que sua inicialização já terminou.
Com HTTPS desativado, o Let’s Encrypt não é exigido nessa verificação. Após a validação, o instalador configura a tarefa de atualização automática de camadas, caso ela esteja habilitada.
7. E o certificado SSL?
Com esta configuração:
ENABLE_HTTPS=true
o instalador gera as URLs HTTPS e habilita o mecanismo de emissão de certificados Let’s Encrypt incluído no projeto Docker.
Assim, não é necessário executar separadamente a instalação do Certbot no host nem copiar manualmente os certificados para o Nginx.
O domínio precisa estar apontando corretamente para o servidor, e a porta 80 deve permanecer acessível para a validação e renovação do certificado. Se houver um registro DNS IPv6, ele também precisa estar correto.
8. Posso instalar em localhost ou acessar por IP?
Sim! Para usar HTTP localmente, configure:
HOSTNAME=localhost ENABLE_HTTPS=false LETSENCRYPT_EMAIL= SERVER_IPV4=
Nesse caso, a solicitação de certificado fica desativada e o endereço será:
http://localhost/
Também é possível instalar em uma VM e acessar pelo IP da rede interna. Por exemplo:
HOSTNAME=192.168.186.142 ENABLE_HTTPS=false LETSENCRYPT_EMAIL= SERVER_IPV4=
Nesse caso, o endereço será, por exemplo:
http://192.168.186.142/
Use um IP fixo ou uma reserva DHCP e permita o acesso à porta TCP 80 na rede.
O instalador ajusta automaticamente os cookies de sessão e CSRF: em HTTP, eles não exigem HTTPS; em HTTPS, essa exigência permanece habilitada. A proteção CSRF continua ativa nos dois modos.
Lembre-se de que localhost representa a própria máquina. Para acessar uma VM de outro computador, utilize o IP ou domínio dessa VM. Os limites de memória e disco podem ser ajustados conforme o tópico 11.
9. Como acessar pela primeira vez?
Após a conclusão, abra no navegador o domínio, IP ou endereço local configurado.
O usuário inicial é:
admin
A senha é gerada automaticamente e fica no .env da aplicação. Para consultá-la, considerando o diretório deste exemplo:
sudo awk -F= '/^ADMIN_PASSWORD=/{print $2}' \
/opt/geonode/curso_geonode/.env
Existem, portanto, dois arquivos com funções diferentes: geonode-install.env contém os parâmetros do instalador; o .env criado no diretório da aplicação contém as configurações e senhas dos serviços. Não compartilhe esse segundo arquivo.
10. Como acompanhar os serviços?
Para consultar os containers, informe explicitamente os caminhos da instalação:
sudo docker compose \ --project-directory /opt/geonode/curso_geonode \ --env-file /opt/geonode/curso_geonode/.env \ -f /opt/geonode/curso_geonode/docker-compose.yml \ ps -a
Para acompanhar o consumo de recursos:
sudo docker stats
Para consultar os logs:
sudo docker compose \ --project-directory /opt/geonode/curso_geonode \ --env-file /opt/geonode/curso_geonode/.env \ -f /opt/geonode/curso_geonode/docker-compose.yml \ logs --tail=100 django geoserver celery geonode letsencrypt
Esses comandos funcionam mesmo quando seu usuário não tem permissão para entrar na pasta do projeto. Ajuste os caminhos se tiver utilizado outro INSTALL_DIR.
Se ocorrer uma interrupção, o instalador permite tentar novamente com o mesmo arquivo de parâmetros, preservando o projeto já gerado. Ele não executa atualização automática de versão nem apaga volumes para recomeçar.
11. Como ajustar memória e disco para testes?
Os limites mínimos ficam no arquivo geonode-install.env:
MIN_RAM_GB=14 MIN_DISK_GB=30
Eles representam critérios de validação do instalador, não o consumo fixo do GeoNode. Para uma VM de testes com menos recursos, você pode reduzir esses valores e ajustar os serviços. Por exemplo:
MIN_RAM_GB=7 MIN_DISK_GB=20 GEOSERVER_XMS=512M GEOSERVER_XMX=1G UWSGI_PROCESSES=2 CELERY_WORKERS=1
Esse exemplo é um ponto de partida para testes, não uma garantia de capacidade para qualquer conjunto de dados. Também é possível desativar as checagens:
MIN_RAM_GB=0 MIN_DISK_GB=0
OBS: Desativar a validação não reduz o consumo dos serviços nem evita falta de memória ou disco. Configure os recursos conforme o uso previsto.
O comando –check valida o formato desses parâmetros. A comparação com a memória e o espaço disponíveis ocorre durante a instalação.
12. Como atualizar as camadas automaticamente?
Quando utilizar esta automação?
Esse recurso é útil principalmente quando você publica camadas diretamente no GeoServer, por exemplo, conectando um banco PostGIS externo, e deseja incorporá-las ou atualizar suas informações no catálogo do GeoNode.
As camadas enviadas e gerenciadas pelo próprio GeoNode já seguem seu fluxo integrado de publicação no GeoServer e não dependem dessa tarefa adicional.
A automação também não é responsável por atualizar os registros do banco: quando uma camada consulta uma tabela PostGIS, os dados são lidos pelo GeoServer diretamente dessa fonte. O updatelayers atua na integração das camadas com o catálogo do GeoNode.
O instalador incorpora essa automação baseada no procedimento apresentado no post: Atualizar camadas do GeoServer para o GeoNode automaticamente.
Para habilitar, configure:
UPDATE_LAYERS_ENABLED=true UPDATE_LAYERS_INTERVAL_HOURS=6
Nesse exemplo, o workspace é verificado às 00h, 06h, 12h e 18h, conforme o horário do servidor. São aceitos intervalos de 1, 2, 3, 4, 6, 8, 12 ou 24 horas.
Na primeira execução, a tarefa executa updatelayers. Nas seguintes, compara um checksum dos arquivos do workspace geonode e executa o comando somente quando identifica alterações. O novo checksum é salvo apenas após uma atualização bem-sucedida, e um bloqueio evita execuções simultâneas.
Essa detecção acompanha arquivos do workspace; alterações apenas nos registros de uma tabela PostGIS não acionam a atualização.
Após a instalação, o agendamento pode ser alterado diretamente:
sudo nano /etc/cron.d/geonode-updatelayers-curso_geonode
Para consultar os registros:
sudo tail -n 100 \ /var/log/geonode-updatelayers-curso_geonode.log
Os nomes desses arquivos acompanham o PROJECT_NAME.
Se o GeoNode já estiver instalado por uma versão compatível deste instalador, você pode configurar somente essa tarefa, usando os parâmetros originais da instalação:
sudo python3 instalar.py --env geonode-install.env \ --configure-updatelayers
Esse comando não reconstrói as imagens nem reinicia a aplicação. Para remover o agendamento, configure UPDATE_LAYERS_ENABLED=false e execute novamente a mesma opção.
13. Como desinstalar e repetir a instalação?
Para facilitar os testes e atividades acadêmicas, o pacote também oferece comandos de desinstalação.
Execute a partir da pasta do instalador, fora do diretório da aplicação, utilizando o **arquivo de parâmetros original da instalação**.
Para visualizar o plano sem apagar nada:
sudo python3 instalar.py --env geonode-install.env \ --uninstall-geonode --preview
Para remover o GeoNode:
sudo python3 instalar.py --env geonode-install.env \ --uninstall-geonode
O script solicita o nome do projeto para confirmar e remove os containers, redes e volumes identificados do projeto, o diretório da aplicação e os componentes do updatelayers criados pelo instalador. A pasta pai, como /opt/geonode, também é removida se estiver vazia.
Banco de dados, camadas e arquivos enviados são apagados definitivamente, sem backup automático.
Nesse modo, o Docker, as imagens e os caches permanecem disponíveis. Por isso, uma nova instalação pode ser mais rápida.
Para solicitar também a remoção do Docker, preservando o bloqueio caso existam recursos de outros projetos:
sudo python3 instalar.py --env geonode-install.env \ --uninstall-geonode --remove-docker
Limpeza completa da VM. Em uma VM descartável e exclusiva para testes, existe uma opção mais abrangente:
sudo python3 instalar.py --env geonode-install.env \ --uninstall-geonode-completely
Será necessário digitar:
APAGAR TODO O DOCKER
Esse modo remove todos os containers, volumes, redes personalizadas, imagens e caches do Docker local, inclusive de outros projetos**, além da aplicação, dos componentes do seu updatelayers e dos pacotes Docker.
Para conferir o plano antes, acrescente –preview.
O modo completo atende à instalação Docker local padrão usada neste tutorial. Configurações como Docker remoto, armazenamento personalizado, Swarm ou namespaces de outros runtimes continuam bloqueadas.
O usuário do sistema, seu diretório pessoal e dependências gerais, como Python e Git, permanecem. Arquivos usados como bind mounts fora do diretório da aplicação também não são apagados. Portanto, essa limpeza não equivale a restaurar o sistema operacional.
Após concluir, para instalar novamente:
sudo bash instalar-geonode.sh --env geonode-install.env
14. Do servidor vazio ao GeoNode funcionando
Na instalação que motivou este post, utilizei uma máquina nova e o GeoNode 5.1.0. Ao final, o portal estava acessível pelo navegador com HTTPS funcionando.
Antes de utilizar o ambiente em um curso ou projeto, vale realizar os testes do seu fluxo: carregar camadas, abrir os dados, criar mapas e dashboards e conferir as permissões de acesso.
A automação reduz o trabalho repetitivo de preparar o ambiente. A validação com os dados e as atividades que serão utilizados continua sendo uma etapa importante.
Agora, na próxima instalação, o procedimento será bem mais curto: preencher o arquivo de configuração, executar o comando e acompanhar a criação do ambiente.
Até o próximo post!
En proyectos de análisis espacial y ambiental, la representación gráfica de algunos mapas geográficos no es suficiente. Para comprender la distribución o tendencia de ciertos datos, necesitamos combinar nuestros mapas con distintos gráficos estadísticos.
El complemento DataPlotly que se puede instalar en QGIS permite generar gráficos totalmente interactivos, personalizables y vinculados dinámicamente con el lienzo de trabajo.
En este tutorial aprenderemos a instalar, configurar el complemento de DataPlotly y crear nuestro primer gráfico interactivo.
DataPlotly es un plugin de QGIS que integra la potencia de la librería gráfica de Python Plotly. Su principal ventaja es la interactividad bidireccional: si seleccionas una fila o punto dentro de un gráfico, los elementos correspondientes se seleccionan automáticamente en el mapa de QGIS, y viceversa.
Abrimos nuestro QGIS y nos dirigimos al menú superior: Complementos > Administrar e instalar complementos… y en la barra de búsqueda, escribe DataPlotly, selecciona el complemento y hacemos clic en el botón Instalar complemento.
Una vez instalado, aparecerá un nuevo icono con forma de gráfico en la barra de herramientas y un nuevo panel lateral desplegable llamado DataPlotly.
Para este ejemplo utilizaremos una capa vectorial de puntos, en nuestro caso representaremos árboles, pero también se pueden trabajar con una capa de líneas o polígonos que contenga datos numéricos en su tabla de atributos.
Cargamos nuestra capa vectorial en QGIS y nos aseguramos de que los campos que deseamos graficar sean de tipo numérico (Integer, Real o Double).
Nos dirigimos a abrir el panel de DataPlotly. En la pestaña Plot Properties (Propiedades del gráfico), definimos los siguientes parámetros básicos:
o Plot Type (Tipo de gráfico): Selecciona el tipo de representación (ej. Scatter Plot / Dispersión, Bar Plot / Barras, Box Plot / Diagrama de caja, Histogram).
o Layer (Capa): Elige la capa vectorial con la que vas a trabajar.
o X Field / Y Field: Selecciona la variable que irá en el eje X y la variable para el eje Y.
Después personalizamos el diseño en propiedades, le ponemos título a la leyenda y los colores con los que se representaran las variables y los estilos.
También podemos personalizar los nombre y tipos de letra que queramos representar en los títulos y etiquetas.
Una vez generado el gráfico en el panel podemos utilizar la herramienta de selección en el propio gráfico para encuadrar un grupo de puntos.
Observamos cómo inmediatamente se resaltan en amarillo las geometrías correspondientes en el lienzo de mapa de QGIS. Si cambiamos la selección en el mapa utilizando la herramienta de Seleccionar objetos por área, la selección se actualizará simultáneamente en el gráfico de DataPlotly.
DataPlotly ofrece dos formas principales de exportar tus análisis:
• Como imagen (.png / .jpeg): Ideal para incluir rápidamente en informes o presentaciones.
• Como archivo HTML interactivo: Permite guardar el gráfico web para que cualquier usuario pueda explorarlo, hacer zoom o pasar el cursor por encima para ver los valores sin necesidad de tener QGIS instalado.
• Integración en el Diseñador de Impresiones (Layout): Puedes insertar el gráfico directamente dentro de tu mapa final en el Diseñador de Maquetación de QGIS.
El complemento DataPlotly es una herramienta imprescindible para enriquecer nuestros análisis exploratorios de datos espaciales directamente dentro de QGIS. Su capacidad para vincular el espacio cartográfico con el espacio estadístico agiliza el control de calidad de datos y la interpretación de resultados.
Nota: Hay una valoración incrustada en esta entrada, por favor, visita esta entrada para valorarla.
La entrada Cómo crear gráficos interactivos y dinámicos con el complemento Data Plotly de QGIS se publicó primero en Cursos GIS | TYC GIS Formación.
En el campo de la teledetección y la gestión de proyectos SIG, optimizar la captura de datos en terreno es clave para ahorrar tiempo y reducir errores. La combinación de QGIS en el equipo de escritorio con la aplicación móvil QField permite trasladar de forma sencilla todo el trabajo de gabinete al campo.
Gracias a esta integración, es posible utilizar capas vectoriales, definir formularios personalizados con listas desplegables o campos de fecha automáticos y asociar fotografías georreferenciadas directamente a cada objeto digitalizado.
El flujo de trabajo comienza preparando y empaquetando el proyecto con el complemento QFieldSync, el cual exporta la información configurando las capas para su edición fuera de línea. Una vez transferida la carpeta al dispositivo móvil, es posible visualizar la posición GPS en tiempo real y, de este modo, digitalizar nuevos elementos o modificar registros existentes completando los atributos requeridos.
Concluida la digitalización y captura de datos, la sincronización de vuelta al equipo principal resulta rápida y automatizada. Basta con copiar la carpeta modificada al ordenador y utilizar nuevamente QFieldSync para integrar todos los cambios y archivos multimedia al proyecto principal de QGIS, dejando la base de datos totalmente actualizada para su posterior análisis.
Nota: Hay una valoración incrustada en esta entrada, por favor, visita esta entrada para valorarla.
La entrada Cómo optimizar la toma de datos en campo utilizando QField y QGIS se publicó primero en Cursos GIS | TYC GIS Formación.
Un lunes aparece una herramienta de IA que “lo cambia todo”. El miércoles, otra. El viernes, una tercera que deja a las anteriores en ridículo. Y esa vocecita de fondo: “si no me pongo al día ya, me quedo atrás”.
Piensa en Tony Stark y en Jarvis. Tony tiene el criterio, y se lo han dado años de conocimiento y de experiencia: sabe qué quiere construir, cómo debería funcionar y cuándo algo no cuadra. Jarvis ejecuta: hace todo lo que Tony le dice, y lo hace en segundos. Juntos son veloces, pero no porque Jarvis piense por él, sino porque cada uno hace lo suyo. Si Tony no supiera lo que hace, Jarvis ejecutaría a la misma velocidad una mala idea. Esa es la relación que conviene tener con la IA: tú pones el criterio, ella pone la velocidad.
Hemos leído bastante investigación reciente sobre cómo usamos la IA, y la conclusión se resume en una frase: la IA ayuda, pero lo que marca la diferencia eres tú. Vamos a ver qué dice la investigación, dónde se tropieza la IA cuando trabajamos con GIS y qué puedes hacer tú para seguir dirigiendo.
Primero (lo bueno): la IA suele ayudar. En un experimento de 2026 con 60 programadores (Fan et al.), quienes la usaron terminaron las tareas un 22% más rápido y las resolvieron mejor. Pero también mostró que importa cómo se usa: en las tareas simples fue más rápido el asistente integrado en el editor, y en las más complejas acertó más el chat.
Segundo: es fácil creer que va todo bien cuando no es así.
• METR, una organización de investigación sin ánimo de lucro, midió en 2025 que desarrolladores con experiencia creían haber ido un 20% más rápidos con IA cuando en realidad tardaron un 19% más (aunque el propio METR avisa de que es una foto de aquel momento).
• Investigadores de las universidades de Massachusetts Amherst y Wisconsin-Madison (Kaufman et al., 2026) hicieron un experimento con 86 programadores. Les mostraron una función y una comprobación escrita por una IA para verificar su lógica, y tenían que decir si esa comprobación era correcta. Cuando lo era, acertaron el 74% de las veces; cuando tenía un error, solo el 49%. Y en ambos casos se mostraron casi igual de seguros.
Tercero: cómo la uses afecta a lo que aprendes. Anthropic (Shen y Tamkin, 2026) reunió a 52 programadores con experiencia en Python, muchos con siete años o más de experiencia, y les pidió aprender una librería nueva de programación asíncrona. Una parte trabajó con un asistente de IA y la otra sin él. Al terminar, todos hicieron un examen sobre lo que habían aprendido. El grupo con IA sacó en torno a un 50%; el otro, en torno a un 65%. La diferencia se notó sobre todo en las preguntas de depurar código, es decir, en encontrar qué está mal. Y en velocidad no hubo diferencia significativa entre los dos grupos. Lo más interesante es que no todos usaron la IA igual. Quienes la usaron para entender, preguntando el porqué y pidiendo explicaciones, rindieron bien. Quienes se lo delegaron todo, peor. No es lo mismo que la IA te dé la respuesta a que te ayude a pensar.
Un matiz importante: son estudios pequeños, de tareas concretas, y varios son preprints que aún no han pasado revisión formal. Ninguno prueba que la IA te vuelva peor programador en general, ni que saber GIS te proteja. En conjunto, apuntan a tres ideas: la IA suele ayudar, a veces falla con mucha seguridad, y los mejores resultados llegan cuando quien la usa revisa, pregunta y entiende en vez de aceptar sin más.
Librerías que no existen. Un estudio de 2026 (Twist et al.) probó siete modelos de IA, de tamaño pequeño y mediano como GPT-5-mini, entre otros. A cada modelo le dieron cientos de problemas de programación y le pidieron usar una librería que no existe. Los siete la usaron en algún momento como si fuera real, sin decir “esa librería no existe”. Seis de ellos escribieron código usando la librería falsa como si fuera real, sin decir “esa librería no existe.” El modelo que menos lo hizo, lo hizo en el 47 % de los problemas; el que más, en el 99 %.
En el caso de un error de una sola letra (un typo), casi todos los modelos entendieron lo que se quería decir. El problema aparece cuando el nombre no es reconocible, o cuando el error es mayor: con varias letras mal, los fallos subieron mucho. Pruébalo tú: pídele a una IA que use una librería con un nombre que te inventes y mira si te avisa.
El sistema de referencia que se olvida. No da error: la capa se dibuja, pero desalineada, y todo parece funcionar hasta que superpones el resultado con otra capa. En 2024, el estudio de GIS Copilot, un plugin de QGIS desarrollado en la Universidad Estatal de Pensilvania, probó con 110 tareas un asistente basado en GPT-4o, un modelo que ya quedó atrás. Entre sus fallos recurrentes estaba omitir la reproyección de las capas a un mismo CRS salvo que se le pidiera expresamente, algo que, según sus autores, puede llevar a quien no sabe cuándo hace falta a producir análisis desalineados sin darse cuenta. Con modelos más recientes, GISAgentBench (2026) evaluó seis agentes con 349 tareas planteadas por analistas reales, y el mejor resolvió solo el 32,7%. Las tareas con riesgo de desalineación de CRS fueron de las que peor salieron, y sus autores advierten que un flujo puede ejecutarse sin errores y aun así estar mal espacialmente.
Código de QGIS 3 que no funciona en QGIS 4. Con el salto a Qt6, la librería con la que está construida toda la interfaz de QGIS, parte del código que la IA ha visto mil veces ya no sirve. El caso típico: le pides un script o un complemento y te devuelve código que importa PyQt5, algo que en QGIS 3 funcionaba sin problema y que en QGIS 4 falla, porque ahora hay que usar PyQt6. Quien tiene criterio reconoce el error y sabe por dónde empezar; quien no, se queda atascado frente a un mensaje que no entiende y le devuelve el problema a la IA una y otra vez, sin saber si va por buen camino. La diferencia no está en tener mejor IA, sino en haberse preparado: entender qué cambió en QGIS 4, seguir aprendiendo a medida que la herramienta evoluciona y no delegarlo todo. Así, cuando la IA se equivoca, tú puedes corregirla en lugar de depender de ella. Si quieres empezar por ahí, en el blog tienes la entrada «Cómo adaptar los complementos de QGIS a la nueva versión 4x».
Distancias en grados. Le pides a la IA las tiendas que estén a menos de 500 metros de una estación de metro. Pero la consulta no mide en metros, sino en grados, porque la geometría está en EPSG:4326, el sistema de coordenadas del GPS y de buena parte de los datos abiertos. Para ella, «500» significa 500 grados, más que una vuelta completa al planeta, así que ninguna tienda queda fuera y te devuelve todas, cuando solo querías las cercanas. No hay error ni aviso, y el resultado tiene toda la pinta de ser correcto. No lo es.
Sácale todo el jugo a la IA, pero sin dejar de aprender. Después de revisar los estudios, esto es lo que te recomendamos mientras la usas:
· Intenta primero tú. Aunque sea un esbozo. Así sabes qué esperar de la respuesta.
· Pídele el porqué, no solo el resultado. Que te explique qué hace cada paso.
· Comprueba lo que se puede comprobar: que la librería exista, el CRS de cada capa, que funcione en tu versión.
· Pídele una prueba, pero pon tú el resultado esperado. Por ejemplo, cuántos elementos deberían salir o qué área aproximada debería tener. Si el valor lo inventa la IA, la prueba puede repetir su mismo error.
· Pídele que busque fallos en su propia respuesta, en vez de pedirle que te dé la razón.
· Si no puedes explicar el código línea a línea, todavía no lo uses.
La IA es una orquesta enorme y muy rápida, pero alguien tiene que dirigirla. Si no sabes cómo debería sonar el resultado, no puedes notar que algo desafina. Y en GIS pesa más, porque un mapa mal georreferenciado se ve bien igualmente.
Aquí hablamos desde la experiencia. Las empresas de IA ganan con cada anuncio y quien crea contenido gana con cada “esto lo cambia todo”. Algunas novedades importan; muchas son ruido. A nosotros nos funciona esto:
• Dejar que una novedad repose una o dos semanas antes de probarla. Si importa, seguirá ahí.
• Probarla con un problema tuyo, no con la demo del anuncio.
• Desconfiar de los titulares con “revoluciona” o “adiós a…”.
• Elegir una o dos herramientas y dominarlas probando, rompiendo cosas y aprendiendo a manejarlas.
• Darte permiso para ir más despacio: no es quedarse atrás, es elegir.
Respira hondo hondo y no te deje llevar por marketing y el sensacionalismo.
La IA ha llegado para quedarse y es una gran herramienta si eres tú quien la dirige: te permitirá ir más rápido, y saber usarla es como desbloquear una nueva habilidad. Pero sin bases sólidas puede jugar en tu contra. Freddy Vega, CEO de Platzi, la compara con estudiar con la hoja de respuestas al lado: si solo copias, no aprendes nada. Por eso debes seguir aprendiendo y entender muy bien las bases de cualquier tema. Eso es lo que te dará criterio y te permitirá tomar decisiones correctas, algo que solo viene con la experiencia. Lo que te hace valioso no es tener la herramienta de moda, sino entender lo que hay debajo. Te animamos a probar tú mismo los ejemplos de la sección 2, por ejemplo pidiéndole a la IA que use una librería inventada, que mida una distancia sobre datos en EPSG:4326 o que adapte un complemento a QGIS 4, y ver con tus propios ojos dónde se tropieza.
Y si quieres un curso de IA aplicada a GIS, o sobre otros temas de geomática, déjanos un comentario y cuéntanos qué te interesa.
Nota: Hay una valoración incrustada en esta entrada, por favor, visita esta entrada para valorarla.
Formación de calidad impartida por profesionales
• Fan et al. (2026). When Help Hurts: Verification Load and Fatigue with AI Coding Assistants. CHI ’26. doi.org/10.1145/3772318.3791176
• Kaufman et al. (2026). Programmers Are Poor and Overconfident Judges of LLM-Generated Assertions. arXiv:2607.08885
• METR (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. metr.org
• Shen, J. H. y Tamkin, A. (Anthropic, 2026). How AI Impacts Skill Formation. arXiv:2601.20245
• Twist et al. (2026). Library Hallucinations in LLM-Generated Code: A Risk Analysis Grounded in Developer Queries. EMNLP 2026. arXiv:2509.22202
• Akinboyewa et al. (2024). GIS Copilot: Towards an Autonomous GIS Agent for Spatial Analysis. Preprint, arXiv:2411.03205
• Pothuri et al. (2026). GISAgentBench: A Practitioner-Sourced Benchmark for Evaluating LLM Agents on GIS Tasks. Preprint, arXiv:2608.01645
• Vega, F. (29 de agosto de 2026). ¿Y si todo sale bien con AI? [vídeo]. YouTube: youtube.com/watch?v=R8MaILPszJw
La entrada Domina la IA para GIS y que ella no te domine a ti se publicó primero en Cursos GIS | TYC GIS Formación.
Qiusheng Wu ha publicado RustGIS, una nueva aplicación SIG gratuita y de código abierto que llega con una propuesta muy interesante: reunir herramientas de cartografía, análisis espacial, edición de datos e inteligencia artificial en una aplicación desarrollada íntegramente en Rust. RustGIS: Un SIG rápido, gratuito y de código abierto, escrito completamente en Rust, para mapear, ...
RustGIS: la aplicación SIG del año que todo técnico GIS debería probar
GeoZarr es un conjunto de convenciones para almacenar y acceder a datos raster multidimensionales georreferenciados, utilizando Zarr. La propuesta es especialmente relevante para imágenes satelitales, series temporales, modelos climáticos y grandes datasets raster. GeoZarr está evolucionando como estándar OGC. El propio OGC identifica GeoZarr como formato cloud-native preferente para datos multidimensionales en uno de sus ...
GeoZarr: qué es y por qué puede convertirse en el nuevo estándar para datos raster
Quando uma infraestrutura geoespacial começa a ser utilizada por diferentes equipes de uma organização, chega um momento em que manter usuários e senhas diretamente no GeoNode deixa de ser uma boa estratégia.
O usuário já possui uma identidade corporativa. Ele já entra em outros sistemas com a mesma conta. Em muitos casos, seus grupos e perfis também já são gerenciados centralmente.
Nesse cenário, uma alternativa interessante é integrar o GeoNode a um provedor de identidade utilizando OpenID Connect (OIDC).
O objetivo deste artigo é mostrar um exemplo genérico de integração de um GeoNode 5 com um provedor OIDC, incluindo não apenas o login, mas também a utilização das claims retornadas pelo provedor para associar automaticamente o usuário aos grupos do GeoNode.
A arquitetura é aproximadamente esta:
O detalhe interessante é que o GeoNode não precisa saber como o Identity Provider (IdP) autenticou o usuário. Por trás do IdP pode existir LDAP, Active Directory, outro diretório corporativo ou até outro serviço de identidade. Para o GeoNode, isso é transparente.
OIDC, OAuth 2.0 e autenticação
É comum OAuth 2.0 e OpenID Connect aparecerem juntos, mas eles não representam exatamente a mesma coisa.
É por isso que em uma integração OIDC normalmente aparecem informações como: authorization_endpoint, token_endpoint, userinfo_endpoint, jwks_uri, issuer. Além de scopes como: openid, profile e email.
Para aplicações corporativas, frequentemente aparecem também scopes ou claims relacionadas a grupos e roles.
Ambiente utilizado neste exemplo
Este artigo considera uma instalação do GeoNode 5 baseada no geonode-project e executada com Docker Compose.
Os comandos docker compose devem ser executados no diretório raiz do projeto, onde está o arquivo docker-compose.yml.
Nos exemplos abaixo, utilizarei geonode_project como nome do pacote Django. Caso seu projeto utilize outro nome, substitua geonode_project pelo nome correspondente.
Uma das primeiras informações que devemos solicitar à equipe responsável pelo Identity Provider é a URL de discovery do OIDC. Normalmente ela segue este padrão:
https://idp.exemplo.org/.well-known/openid-configuration ou https://idp.exemplo.org/security/.well-known/openid-configuration
Ao acessar essa URL, recebemos um JSON semelhante a:
{
"issuer": "https://idp.exemplo.org/",
"authorization_endpoint": "https://idp.exemplo.org/connect/authorize",
"token_endpoint": "https://idp.exemplo.org/connect/token",
"userinfo_endpoint": "https://idp.exemplo.org/connect/userinfo",
"jwks_uri": "https://idp.exemplo.org/.well-known/jwks",
"scopes_supported": [
"openid",
"profile",
"email",
"roles"
]
}
Esse documento funciona praticamente como um mapa da integração.
No lado do Identity Provider, o GeoNode precisa ser registrado como uma aplicação/client. De maneira simplificada, teremos algo como:
Client ID: geonode Client Secret: ************** Redirect URI: https://geo.exemplo.org/account/oidc/corp-idp/login/callback/
A URL de callback deve coincidir exatamente com a rota exposta pela versão do GeoNode/django-allauth utilizada. Confirme a URL do seu ambiente antes de registrá-la no Identity Provider.
O nome corp-idp neste artigo é apenas um exemplo. Esse identificador será utilizado posteriormente pelo django-allauth para identificar o provedor. Um cuidado importante: o Client Secret não deve ficar diretamente no código-fonte nem ser enviado ao Git. O ideal é mantê-lo em variável de ambiente:
OIDC_CLIENT_ID=geonode OIDC_CLIENT_SECRET=xxxxxxxxxxxxxxxx OIDC_DISCOVERY_URL=https://idp.exemplo.org/.well-known/openid-configuration
Uma estratégia que considero interessante é não alterar diretamente o settings.py original do GeoNode. Podemos criar, por exemplo: src/geonode_project/corporate_settings.py com o seguinte conteúdo:
import os
from .settings import *
OIDC_CLIENT_ID = os.getenv(
"OIDC_CLIENT_ID",
"geonode",
)
OIDC_CLIENT_SECRET = os.getenv(
"OIDC_CLIENT_SECRET",
"",
)
OIDC_DISCOVERY_URL = os.getenv(
"OIDC_DISCOVERY_URL",
"",
)
E então definir no ambiente:
DJANGO_SETTINGS_MODULE=geonode_project.corporate_settings
Isso facilita bastante manutenção, deploy e rollback.
O GeoNode utiliza django-allauth para parte da integração com contas sociais/federadas. O código atual do projeto continua trazendo um GenericOpenIDConnectAdaptere mecanismos próprios para extrair atributos e sincronizar grupos. Podemos registrar o provider desta forma:
OIDC_PROVIDER_APP = (
"allauth.socialaccount.providers.openid_connect"
)
if OIDC_PROVIDER_APP not in INSTALLED_APPS:
INSTALLED_APPS += (OIDC_PROVIDER_APP,)
SOCIALACCOUNT_PROVIDERS = dict(
SOCIALACCOUNT_PROVIDERS
)
SOCIALACCOUNT_PROVIDERS["openid_connect"] = {
"OAUTH_PKCE_ENABLED": True,
"SCOPE": [
"openid",
"profile",
"email",
"roles",
],
"APPS": [
{
"provider_id": "corp-idp",
"name": "Login Corporativo",
"client_id": OIDC_CLIENT_ID,
"secret": OIDC_CLIENT_SECRET,
"settings": {
"server_url": OIDC_DISCOVERY_URL,
},
}
],
}
O scope roles utilizado neste exemplo não é obrigatório no padrão OIDC. Os scopes e claims disponíveis dependem do Identity Provider. Alguns provedores retornam grupos/roles com outros scopes ou apenas pelo endpoint userinfo.
Também podemos permitir criação automática da conta local:
SOCIALACCOUNT_AUTO_SIGNUP = True
Durante homologação, particularmente prefiro manter o login local disponível:
SOCIALACCOUNT_ONLY = False
Assim, caso algo dê errado com o IdP, ainda existe uma forma administrativa de entrar no GeoNode.
Neste momento eu ainda não me preocuparia com grupos. O primeiro objetivo é provar apenas este fluxo:
Depois de reiniciar a aplicação:
docker compose up -d --build django celery
Valide:
docker compose exec django python manage.py check
Podemos também acompanhar o log:
docker compose logs -f --tail=200 django
Ao clicar em Login Corporativo, devemos ser redirecionados ao IdP e, após a autenticação, voltar para algo semelhante a: /account/oidc/corp-idp/login/callback/
Se o usuário for criado e entrar no GeoNode, a primeira etapa está concluída.
Depois da autenticação, uma das etapas mais importantes é verificar o conteúdo recebido. Um conjunto de claims pode ser parecido com:
{
"sub": "5d823759-3dc0-4414-a936-2ef659829321",
"name": "Fernando Quadro",
"preferred_username": "fernando.quadro",
"email": "fernando.quadro@exemplo.org",
"given_name": "Fernando",
"family_name": "Quadro",
"role": [
"gestores"
]
}
O campo mais importante do ponto de vista de identidade é normalmente o sub, ou Subject Identifier, que é o identificador estável daquele usuário dentro do provedor. Nome, username e até e-mail podem mudar. O sub não deveria.
Podemos verificar exatamente o que ficou armazenado no SocialAccount. Por exemplo:
docker compose exec django python manage.py shell -c "
import json
from allauth.socialaccount.models import SocialAccount
for account in (
SocialAccount.objects
.filter(provider='corp-idp')
.select_related('user')
):
print('GeoNode:', account.user.username)
print('UID/sub:', account.uid)
print(
json.dumps(
account.extra_data,
indent=2,
ensure_ascii=False
)
)
print()
"
Esse comando é extremamente útil durante uma homologação. Antes de escrever qualquer lógica de grupos, vale confirmar:
E principalmente os tipos desses atributos. Uma role pode chegar como: “role”: “gestores” ou “role”: [“gestores”]
Essas diferenças parecem pequenas, mas fazem bastante diferença no código.
Aqui existe uma parte interessante do GeoNode que nem sempre é muito conhecida. O projeto possui um mecanismo de Profile Extractors. A própria classe base explica que extractors customizados podem ser registrados através de: SOCIALACCOUNT_PROFILE_EXTRACTORS
Existe também um OpenIDExtractor. Entre outras coisas, ele possui:
def extract_groups(self, data):
return data.get("groups", "")
def extract_roles(self, data):
return data.get("roles", "")
Perceba um detalhe. Ele procura roles no plural. Mas nosso Identity Provider fictício retorna role no singular. É exatamente aí que um pequeno extractor customizado pode ser útil.
Vamos criar esse extractor na pasta src/geonode_project/corporate_auth.
Primeiro o arquivo profileextractors.py:
import logging
from geonode.people.profileextractors import (
OpenIDExtractor,
)
logger = logging.getLogger(__name__)
class CorporateOpenIDExtractor(OpenIDExtractor):
ROLE_MAPPING = {
"publico": "publico",
"analistas": "analistas",
"gestores": "gestores",
# Compatibilidade com outra nomenclatura
"role_publico": "publico",
"role_analistas": "analistas",
"role_gestores": "gestores",
}
def extract_roles(self, data):
roles = data.get("role", [])
if isinstance(roles, str):
roles = [roles]
mapped_roles = [
self.ROLE_MAPPING[role]
for role in roles
if role in self.ROLE_MAPPING
]
unknown_roles = [
role
for role in roles
if role not in self.ROLE_MAPPING
]
if unknown_roles:
logger.warning(
"OIDC retornou roles não mapeadas: %s",
unknown_roles,
)
return mapped_roles
Perceba que esse código não implementa autenticação. Ele também não implementa a associação ao grupo. Sua única responsabilidade é:
claim do IdP
↓
normalização
↓
slug conhecido pelo GeoNode
Vamos registrar o extractor no arquivo src/geonode_project/corporate_settings.py:
SOCIALACCOUNT_PROFILE_EXTRACTORS = dict(
SOCIALACCOUNT_PROFILE_EXTRACTORS
)
SOCIALACCOUNT_PROFILE_EXTRACTORS[
"corp-idp"
] = (
"geonode_project."
"geonode.corporate_auth."
"profileextractors."
"CorporateOpenIDExtractor"
)
Para testar se funcionou, você pode usar o comando abaixo:
docker compose exec django python manage.py shell -c "
from geonode.people.adapters import get_data_extractor
extractor = get_data_extractor('corp-idp')
print(
extractor.__class__.__module__
+ '.'
+ extractor.__class__.__name__
)
"
O resultado esperado é: geonode_project.corporate_auth.profileextractors.CorporateOpenIDExtractor
Por último, vamos validar o adapter:
docker compose exec django python manage.py shell -c "
from django.conf import settings
from geonode.people.adapters import get_data_extractor
print(
'SETTINGS:',
settings.SETTINGS_MODULE
)
print(
'ADAPTER:',
settings.SOCIALACCOUNT_ADAPTER
)
print(
'EXTRACTOR:',
get_data_extractor('corp-idp')
)
"
O resultado esperado é:
SETTINGS: geonode_project.corporate_settings ADAPTER: geonode.people.adapters.GenericOpenIDConnectAdapter EXTRACTOR: <...CorporateOpenIDExtractor object...>
No GeoNode, acesse Grupos → Criar um Novo Grupo e crie Público, Analistas e Gestores, garantindo que os slugs sejam respectivamente publico, analistas e gestores.
Agora criamos os GroupProfile: Público, Analistas e Gestores com os seguintes slugs: publico, analistas e gestores. Esse detalhe é importante. O mecanismo de associação procura o grupo pelo slug, não pelo título visual.
Então: role = gestores
Precisa resular em: slug = gestores
O GeoNode possui uma rotina interna para sincronizar grupos provenientes da conta social. O código atual busca o extractor correspondente ao provider, extrai groups ou roles, localiza o GroupProfile pelo slug e executa join(user).
O GenericOpenIDConnectAdapter chama essa sincronização tanto na criação da conta quanto em logins posteriores. GitHub O fluxo fica:
É uma solução interessante porque aproveita a infraestrutura que já existe no GeoNode em vez de criar um segundo sistema paralelo de autorização.
Essa parte é especialmente importante em ambientes corporativos. Imagine:
Na segunda-feira o usuário “fernando.quadro” foi colocado na role analistas. O usuário acessa o GeoNode e é inserido no grupo Analistas. Posterior a essa data o administrador alterar o perfil desse usuário para a role gestores.
No próximo login, a associação pode ser sincronizada novamente. Na versão atual do código do GeoNode, inclusive, existem estratégias explícitas para sincronização dos grupos sociais, e o adapter continua executando essa lógica no pre_social_login.
Isso permite tratar o provedor corporativo como fonte da verdade da associação de grupos.
Atenção
Na estratégia nativa apresentada, durante o login social o GeoNode pode remover os
GroupProfile atualmente associados ao usuário e recriar as associações com base nos grupos ou roles recebidos do Identity Provider.
Portanto, esta abordagem é apropriada quando o Identity Provider é realmente
a fonte de verdade dos grupos corporativos. Se a mesma conta também precisar
pertencer a grupos do GeoNode administrados localmente e que não são enviados pelo IdP, a estratégia de sincronização deverá ser customizada.
Eu separaria duas coisas: grupo funcional e privilégio administrativo do GeoNode. Um grupo chamado Gestores não significa necessariamente que esse usuário tem privilégios de Staff e/ou Superusuário.
Você pode criar uma role especial chamada admin, com isso é possível implementar uma pequena lógica adicional, por exemplo usando um signal do django-allauth, para controlar explicitamente:
user.is_staff = True user.is_superuser = True
Essa separação evita transformar um grupo corporativo em sinônimo de superusuário da aplicação.
O tratamento de administradores é uma política adicional e não faz parte da configuração mínima necessária para autenticação OIDC e sincronização de grupos deste artigo.
Depois da implementação acima, é interessante realizar alguns testes de auditoria rápida:
docker compose exec django python manage.py shell -c "
from allauth.socialaccount.models import (
SocialAccount,
)
for account in (
SocialAccount.objects
.filter(provider='corp-idp')
.select_related('user')
):
user = account.user
data = account.extra_data or {}
print(
user.username,
'| role(s):', data.get('role') or data.get('roles'),
'| grupos:',
[
(g.title, g.slug)
for g in user.group_list_all()
],
'| staff:', user.is_staff,
'| superuser:', user.is_superuser,
)
"
A saída será algo semelhante a:
fernando.quadro
| role(s): ['gestores']
| grupos: [('Gestores', 'gestores')]
| staff: False
| superuser: False
Isso permite verificar em uma única consulta claim recebida, role, grupo no GeoNode e status administrativo.
Integrar o GeoNode a um Identity Provider via OpenID Connect não precisa significar criar uma grande camada customizada de autenticação. Boa parte da infraestrutura já existe no próprio GeoNode e no django-allauth. O ponto mais importante é entender o contrato entre os dois sistemas:
A partir daí, um pequeno extractor pode ser suficiente para adaptar as claims corporativas à estrutura de grupos utilizada pelo GeoNode.
O resultado é uma arquitetura em que a identidade fica centralizada no serviço corporativo e o GeoNode continua responsável pelo que faz melhor: controlar o acesso aos recursos geoespaciais.
Seguramente se te ha cruzado alguna vez el concepto de “OGC API” sobre todo si trabajas con servicios (WMS, WFS, etc.) o en el ámbito de las Infraestructuras de Datos Espaciales (IDEs). Todo evoluciona y en relación a dichos servicios la Open Geospatial Consortium (OGC) está desarrollando y desplegando diferentes APIs asociadas a unos nuevos estándares con la idea de evolucionar con la tecnología actual y resolver algunos problemas que se han ido arrastrando y así facilitar el acceso y uso de datos geoespaciales en la Web.
Según la OGC: “Las API de OGC están diseñadas para facilitar a cualquier persona la provisión y el uso de datos geoespaciales en la web, así como su integración con cualquier otro tipo de información. Estos estándares se basan en el legado de los Estándares de Servicios Web de OGC (WMS, WFS, WCS, WPS, etc.), pero definen API centradas en recursos que aprovechan las prácticas modernas de desarrollo web.”
Podemos consultar el estado de los diferentes estándares en GitHub:
Así como la cronología de lanzamiento de los diferentes estándares:
Las OGC API utilizan tecnologías modernas como REST, JSON, OpenAPI, GeoJSON, CORS y OAuth 2.0 ofreciendo más ventajas que los servicios clásicos ya que además se apoyan en:
Puedes consultar en la web dedicada a dichas APIs para la Web y su relación con los antiguos servicios por ejemplo “Maps” se relaciona con el Web Map Service (WMS).
Y podrás consultarlo:
Estas son algunas de las equivalencias con los antiguos servicios:
Como ejemplos en España podemos citar las API-Maps del IGN:
O una API-Features del Sistema Cartográfico Nacional (SCNE) que incluye datos de hidrografía, direcciones postales de Cartociudad, etc.
Nota: Hay una valoración incrustada en esta entrada, por favor, visita esta entrada para valorarla.
La entrada Qué es una OGC API se publicó primero en Cursos GIS | TYC GIS Formación.
Uno de los pilares fundamentales de cualquier proyecto son los datos, por ello los datos fiables y de calidad aportan mucho valor a cualquier propósito. Por esta razón en importante dar a conocer los nuevos portales de datos desplegados y de acceso gratuito para todo el mundo. Un ejemplo de ello es el que vamos a tratar en esta entrada el “UN Biodiversity Lab STAC”
Este portal permite acceso a datos de diferentes temáticas como especies y ecosistemas, áreas protegidas y conservación, clima y carbono, cobertura y uso del suelo, presiones humanas y datos socioeconómicos. Para chequear la información podemos dirigirnos a través del botón “Explorar”.
Y se desplegará una ventana a la izquierda con toda la información hasta ahora disponible:
Y si pulsamos sobre uno de ellos por ejemplo “Global Intertidal Change” nos ofrecerá toda la información sobre ese conjunto de datos:
Incluso más abajo en “View ‘Global Intertidal Change’ layer on UN Biodiversity Lab podrás visualizar los datos en un visor:
También podrás loguearte en la plataforma:
Te animo a que consultes los diferentes datasets incluidos en esta interesante web que concentra muchas fuentes de datos y permite tener acceso a una cantidad ingente de información relacionada con la Biodiversidad y la conservación del Medio Ambiente.
Nota: Hay una valoración incrustada en esta entrada, por favor, visita esta entrada para valorarla.
La entrada Nuevo portal de datos de Biodiversidad de la ONU se publicó primero en Cursos GIS | TYC GIS Formación.
La inteligencia artificial está cambiando la forma en la que trabajamos con los Sistemas de Información Geográfica. Hasta ahora, herramientas como ChatGPT o Claude podían ayudarnos a escribir expresiones, generar código PyQGIS, resolver dudas sobre QGIS o explicarnos cómo realizar un análisis. Pero existe una diferencia importante entre preguntar a una IA cómo hacer algo ...
AI Agent para QGIS: el agente de inteligencia artificial que puede hacer el trabajo por ti
La inteligencia artificial está abriendo nuevas posibilidades en el análisis de imágenes geoespaciales. La identificación de edificios, árboles, vehículos o elementos del territorio, que tradicionalmente podía requerir un proceso de digitalización manual, puede complementarse ahora con herramientas capaces de detectar y delimitar objetos de forma automática. En el ámbito de los SIG, esta tecnología permite ...
AI Segmentation: plugin de IA para digitalizar imágenes en QGIS
GeoCamp es un congreso nacional sin ánimo de lucro, de asistencia gratuita y autofinanciado, organizado por el colectivo internacional de Geoinquietos. Geoinquietos de España lo componen grupos informales ubicados en distintas provincias y que se reúnen para conversar y aprender sobre cualquier tema relacionado con las ciencias de la tierra y que siente especial afinidad ...
Prezado leitor,
O intuito do post de hoje é que você aprenda como integrar o GeoServer a um servidor LDAP, autenticar usuários, transformar grupos LDAP em roles e preparar essas roles para utilização nas regras de segurança do GeoServer. O laboratório utiliza GeoServer 3, OpenLDAP e Docker Compose.
Em instalações simples do GeoServer é comum administrar usuários diretamente pela interface da aplicação. Esse modelo funciona bem em laboratórios, treinamentos e ambientes pequenos. Em ambientes corporativos, porém, normalmente a organização já possui uma infraestrutura centralizada de identidade. É nesse cenário que entra o LDAP (Lightweight Directory Access Protocol).
Em vez de manter usuários e senhas dentro do próprio GeoServer, podemos integrá-lo a um diretório LDAP e utilizar os usuários e grupos existentes na organização. A arquitetura passa a ser semelhante a esta:
Uma forma simples de entender essa integração é: O LDAP autentica. O GeoServer autoriza.
O GeoServer possui suporte nativo à autenticação LDAP através de LDAP Bind. Também pode transformar os grupos encontrados no LDAP em roles utilizadas posteriormente nas regras de segurança do GeoServer. A ideia é criar três usuários com diferentes níveis de acesso e, posteriormente, utilizar os grupos LDAP para controlar o acesso dentro do GeoServer.
A versão 3.0.1 do GeoServer também trouxe a melhoria da GEOS-12095 relacionada à conversão entre o nome do membro do grupo LDAP e o nome utilizado na pesquisa de usuários.
1. Estrutura do Laboratório
Neste artigo vou utilizar o GeoServer 3.0.1, que no momento da publicação deste texto é a versão estável recomendada para produção. A versão 3.0.1 também trouxe uma melhoria específica relacionada à conversão de usuários LDAP (GEOS-12095 relacionada à conversão entre o nome do membro do grupo LDAP e o nome utilizado na pesquisa de usuários), além de correções de segurança importantes.
2. Criando o Docker Compose
Neste artigo, eu vou considerar que você já instalou o Docker no seu ambiente, então vamos criar agora o arquivo docker-compose.yml com o seguinte conteúdo:
services:
geoserver:
image: docker.osgeo.org/geoserver:3.0.1
container_name: geoserver
ports:
- "8080:8080"
environment:
PROXY_BASE_URL: http://localhost:8080/geoserver
GEOSERVER_ADMIN_USER: admin
GEOSERVER_ADMIN_PASSWORD: geoserver
volumes:
- geoserver_data:/opt/geoserver_data
depends_on:
openldap:
condition: service_started
openldap:
image: osixia/openldap:1.5.0
container_name: openldap
environment:
LDAP_ORGANISATION: "Geocursos Lab"
LDAP_DOMAIN: "geocursos.lab"
LDAP_ADMIN_PASSWORD: "adminldap"
LDAP_TLS: "false"
ports:
- "389:389"
volumes:
- ./ldap/10-geoserver-acl.ldif:/container/service/slapd/assets/config/bootstrap/ldif/custom/10-geoserver-acl.ldif:ro
- ./ldap/20-geoserver-users.ldif:/container/service/slapd/assets/config/bootstrap/ldif/custom/20-geoserver-users.ldif:ro
command: ["--copy-service"]
volumes:
geoserver_data:
A imagem oficial Docker do GeoServer é mantida pelo próprio projeto e publicada no repositório OSGeo. Também estamos expondo a porta 389 apenas para facilitar nossos testes locais. Em produção, não faria sentido necessariamente expor o LDAP dessa forma.
3. Criando nossa estrutura LDAP
Agora precisamos criar os usuários e grupos que serão utilizados. Vamos então criar o arquivo ldap/20-geoserver-users.ldif com o seguinte conteúdo:
dn: ou=people,dc=geocursos,dc=lab objectClass: organizationalUnit ou: people dn: ou=groups,dc=geocursos,dc=lab objectClass: organizationalUnit ou: groups dn: uid=alice,ou=people,dc=geocursos,dc=lab objectClass: inetOrgPerson cn: Alice Publico sn: Publico uid: alice mail: alice@geocursos.lab userPassword: alice123 dn: uid=bob,ou=people,dc=geocursos,dc=lab objectClass: inetOrgPerson cn: Bob Restrito sn: Restrito uid: bob mail: bob@geocursos.lab userPassword: bob123 dn: uid=carol,ou=people,dc=geocursos,dc=lab objectClass: inetOrgPerson cn: Carol Admin sn: Admin uid: carol mail: carol@geocursos.lab userPassword: carol123 dn: cn=geoserver_publico,ou=groups,dc=geocursos,dc=lab objectClass: groupOfNames cn: geoserver_publico member: uid=alice,ou=people,dc=geocursos,dc=lab member: uid=bob,ou=people,dc=geocursos,dc=lab member: uid=carol,ou=people,dc=geocursos,dc=lab dn: cn=geoserver_restrito,ou=groups,dc=geocursos,dc=lab objectClass: groupOfNames cn: geoserver_restrito member: uid=bob,ou=people,dc=geocursos,dc=lab member: uid=carol,ou=people,dc=geocursos,dc=lab dn: cn=geoserver_admin,ou=groups,dc=geocursos,dc=lab objectClass: groupOfNames cn: geoserver_admin member: uid=carol,ou=people,dc=geocursos,dc=lab
E agora um segundo arquivo chamado 10-geoserver-acl.ldif com o seguinte conteúdo:
dn: olcDatabase={1}{{ LDAP_BACKEND }},cn=config
changetype: modify
add: olcAccess
olcAccess: {2}to dn.subtree="ou=groups,{{ LDAP_BASE_DN }}" by dn.exact="cn=admin,{{ LDAP_BASE_DN }}" write by users read by * none
Teremos portanto:
Observe que os grupos formam uma espécie de progressão de permissões:
As senhas utilizadas no laboratório são propositalmente simples. Elas não devem ser reutilizadas fora desse ambiente didático.
4. Iniciando os containers
Para subir os containers digite:
docker compose up -d
Depois confira se eles realmente subiram:
docker compose ps
Então acesse: http://localhost:8080/geoserver
Para o laboratório podemos utilizar inicialmente as credenciais padrão.
5. Validando o LDAP antes de envolver o GeoServer
Uma boa prática de troubleshooting é testar primeiro o LDAP isoladamente. Podemos, por exemplo, listar nossos usuários:
docker exec -it openldap \ ldapsearch \ -x \ -H ldap://localhost:389 \ -D "cn=admin,dc=geocursos,dc=lab" \ -w adminldap \ -b "ou=people,dc=geocursos,dc=lab" \ "(objectClass=inetOrgPerson)" \ uid cn
Devemos encontrar as informações dos nossos 3 usuários (alice, bob e carol). Agora pergunte ao LDAP a quais grupos o Bob pertence:
docker exec -it openldap \ ldapsearch \ -x \ -H ldap://localhost:389 \ -D "uid=bob,ou=people,dc=geocursos,dc=lab" \ -w bob123 \ -b "ou=groups,dc=geocursos,dc=lab" \ "(member=uid=bob,ou=people,dc=geocursos,dc=lab)" \ cn
O resultado esperado é: geoserver_publico e geoserver_restrito. Esse teste é importante porque elimina várias dúvidas antes mesmo de configurarmos o GeoServer. Se o LDAP não consegue localizar o usuário ou seus grupos, o problema ainda não está no GeoServer.
6. Configurando a autenticação LDAP no GeoServer
Agora entre no GeoServer como administrador e acesse: Security -> Authentication -> Authentication Providers -> Add new -> LDAP
Nessa mesma tela você configura tanto a autenticação do usuário quanto, opcionalmente, a descoberta dos grupos LDAP usados para gerar roles.
O GeoServer atual permite informar diretamente a URL LDAP, o padrão do DN do usuário e a estratégia utilizada para procurar os grupos desse usuário. Para nosso laboratório utilize:
Name
ldap-geocursos
Server URL
ldap://openldap:389/dc=geocursos,dc=lab
User DN pattern
uid={0},ou=people
Use LDAP groups for authorization:
✓
Bind before group search:
✓
Group search base:
ou=groups
Group search filter:
member={0}
Na própria tela do LDAP Authentication Provider existe a área de teste. Então digite o username bob e a senha bob123, e clique no botão Test Connection, para verificar se a integração entre o LDAP e o GeoServer está funcional.
7. Não esqueça a Authentication Provider Chain
Criar o provider não significa necessariamente que ele esteja participando da autenticação. Volte para Security -> Authentication o localize Provider Chain e adicione ldap-geocursos aos providers selecionados.
Mantenha também o provider loca padrão do GeoServer (GeoServer Local). Essa estratégia mantém, inclusive, uma conta administrativa local para contingência.
Em ambientes corporativos gosto de pensar nela como uma conta break glass: o LDAP pode estar indisponível e ainda precisamos ter uma forma extremamente controlada de administrar o GeoServer.
Após esse passo, faça logout do GeoServer e e tente acessar com o username bob e a senha bob123. O resultado esperado é que você consiga logar com o usuário bob.
8. Do grupo LDAP para a Role do GeoServer
Aqui aparece uma das partes mais interessantes dessa integração.
Quando o GeoServer utiliza grupos LDAP para autorização, ele transforma automaticamente o nome do grupo em uma role: Nome do grupo -> ROLE_ grupo
Esse comportamento é documentado oficialmente pelo GeoServer. Portanto nossos grupos se tornam:
geoserver_publico -> ROLE_GEOSERVER_PUBLICO
geoserver_restrito -> ROLE_GEOSERVER_RESTRITO
geoserver_admin -> ROLE_GEOSERVER_ADMIN
Isso significa que Bob, por exemplo, será autenticado com: ROLE_GEOSERVER_PUBLICO e ROLE_GEOSERVER_RESTRITO.
9. LDAP sozinho não protege nenhuma camada
Esse talvez seja o ponto mais importante deste artigo. Configurar LDAP responde: Quem é o usuário? Mas ainda precisamos responder: O que esse usuário pode acessar?
O GeoServer utiliza roles para controlar acesso às camadas. E existe um detalhe importante: a configuração padrão de Layer Security permite leitura anônima das camadas.
Portanto simplesmente configurar LDAP não torna automaticamente seus dados privados. A arquitetura completa é:
10. LDAP Role Service: quando ele entra? (opcional)
Até aqui utilizamos uma abordagem bastante direta, porém o GeoServer também possui um recurso chamado LDAP Role Service, que é um serviço somente leitura que transforma grupos LDAP em roles. Assim como no provider de autenticação, o nome do grupo é convertido para maiúsculas e recebe o prefixo ROLE_.
Uma configuração para nosso diretório poderia utilizar:
Server URL:
ldap://openldap:389/dc=geocursos,dc=lab
Group search base:
ou=groups
Group user membership search filter:
member=uid={0},ou=people,dc=geocursos,dc=lab
All groups search filter:
cn=*
Authenticate to extract roles:
✓
Username:
cn=admin,dc=geocursos,dc=lab
Password:
adminldap
O caminho na interface é: Security -> Users, Groups, Roles -> Role Services -> Add new -> LDAP
A vantagem desse modelo aparece principalmente quando queremos que as roles LDAP façam parte explicitamente do sistema de roles do GeoServer e estejam disponíveis nas telas de configuração de acesso. O tutorial oficial do GeoServer apresenta exatamente essa segunda etapa.
Para um primeiro laboratório, entretanto, o mapeamento realizado pelo próprio LDAP Authentication Provider já é suficiente para entender o conceito.
Neste laboratório utilizamos o administrador do OpenLDAP apenas para simplificar a demonstração. Em produção, utilize uma conta de serviço somente leitura, com apenas as permissões necessárias para consultar usuários e grupos.
11. O desenho final
Depois de toda a configuração, nosso ambiente fica conceitualmente assim:
Esse é o verdadeiro ganho da integração.
O GeoServer deixa de ser responsável por manter uma base paralela de usuários e passa a trabalhar sobre a estrutura de identidade que já existe na organização.
12. Cuidados para produção
O laboratório utiliza deliberadamente configurações simplificadas. Em produção eu revisaria pelo menos estes pontos:
13. Conclusão
Integrar GeoServer e LDAP não é apenas substituir uma tela de login. Com a combinação de LDAP + grupos + roles + regras de segurança, é possível integrar o GeoServer a uma infraestrutura corporativa de identidade sem precisar manter manualmente usuários e permissões duplicados dentro da aplicação.
E isso torna a administração especialmente interessante em ambientes com vários usuários, diferentes perfis de acesso e dados que não podem simplesmente ficar disponíveis de forma anônima.
Referências oficiais:
GeoServer — Authentication with LDAP
GeoServer — Authentication Providers / LDAP
GeoServer — Layer Security
GeoServer — Service Security
GeoServer — Docker Container
GeoNode es una plataforma de código abierto para la gestión de contenidos geoespaciales. Es una aplicación web y una plataforma para desarrollar Sistemas de Información Geográfica (SIG) y desplegar Infraestructuras de Datos Espaciales (IDE). En esta entrada ya hemos hablado brevemente de ella junto a otros paquetes de software libre para crear IDEs. GeoNode permite ...
La publicación de datos geoespaciales en la web ha evolucionado considerablemente en los últimos años. Los mapas web modernos utilizan cada vez más teselas vectoriales (Vector Tiles), que permiten representar grandes volúmenes de información geográfica de forma rápida, flexible e interactiva. Dentro de este ecosistema aparece MVT Server, un proyecto open source desarrollado en Rust ...
MVT Server: publica teselas vectoriales desde PostGIS con MapLibre
MapStore es una plataforma web de código abierto orientada a la creación y configuración de aplicaciones cartográficas y visores GIS interactivos. Desarrollada y mantenida principalmente por GeoSolutions, permite integrar y visualizar información geoespacial procedente de diferentes fuentes y servicios, incluidos servicios basados en estándares OGC como WMS, WMTS y WFS. Su arquitectura basada en plugins ...
Este es un artículo de Arturo Vázquez Paumard — Full Stack Developer · GIS · Digital Twins Qué es el Atlas Estratégico de España El Atlas Estratégico de España reúne en un solo mapa la información pública sobre los activos que sostienen al país: recursos y territorio, energía, transporte y logística, conectividad, ciencia y capacidades avanzadas, ...
Atlas Estratégico de España: un WebGIS donde cada dato lleva su fuente
Creo que merece la pena dedicar una entrada a esta aplicación “GeoLibre”, creo que puede esar a nivel de “Google Earth” o incluso superarlo, y con más sentido porque no ha sido desarrollado en una empresa sino por una persona, el ya archiconocido Qiusheng Wu que tantas aplicaciones nos ha aportado a las comunidades de SIG y Teledetección.De acceso totalmente gratuito y código libre. Esperemos que este tipo de aplicaciones se mantengan durante mucho tiempo.
Realmente cuando entras en la aplicación te da toda la apariencia de un SIG como QGIS o ArcGIS Pro asociado a una aplicación de desarrollo de visores cartográficos al estilo de Mapbox, y sin tener que loguearte ni descargarte nada, puedes trabajar directamente con ella. Lo interesante de esta aplicación es todas las herramientas que lleva incorporadas, le aporta mucha funcionalidad. Vamos a hacer un resumen y comentar los diferentes “bloques”.
Aparte de la ventana del visor, en la parte izquierda de la aplicación en el bloque “Capas” puedes acceder a diferentes tipos de mapas bases a través del icono que muestra la siguiente imagen, así podrás empezar a configurar la visualización de tu proyecto.
A continuación, existe otro apartado denominado “Explorador” dónde puedes cargar directamente diferentes tipos de servicios ya directamente incorporados en la aplicación como, por ejemplo, la batimetría de GEBCO.
También debes tener en cuenta que en la parte derecha hay otro bloque “Estilo” dónde puedes editar la simbología de dichas capas.
Ya en la pestaña “Proyecto”, entre las herramientas “clásicas” GeoLibre te permite incorporar tu propio proyecto creado en QGIS o en ArcGIS Pro, ojo.
Y se ha incluido otra pestaña denominada “Editar” dónde puedes realizar tareas de selección tanto por expresión como atributos entre otras opciones.
Y, por supuesto, hay posibilidad de subir tus propios datos en diferentes formatos, vectorial, ráster, etc.
Incluso se puede utilizar un Asistente de IA que podemos encontrarlo en la pestaña “Procesamiento” o trabajar con tu cuenta de “Google Earth Engine” e importar catálogos o trabajar con el código. Como ves un punto fuerte de GeoLibre es la integración de todas estas diferentes tecnologías.
En la pestaña “Controles” se puede elegir cómo quieres que se muestre tu visualización y diferentes tipos de “widgets” como la brújula u otros instrumentos.
Y al estilo de QGIS también puedes incluir complementos que permitan mejorar la interactividad e incluir más acciones a tu proyecto, como por ejemplo un “Timelapse”.
Ya en la pestaña “Configuración” como su nombre indica podrás acceder a diferentes acciones con las que dar una perspectiva particular a la interfaz.
Te animo a que chequees GeoLibre y crees tus propios proyectos, podrás posteriormente exportarlo por ejemplo como un archivo .html y así compartirlo, subirlo a un servidor para que otras personas puedan interactuar con él.
Nota: Hay una valoración incrustada en esta entrada, por favor, visita esta entrada para valorarla.
La entrada La aplicación “GeoLibre”: un pequeño tutorial se publicó primero en Cursos GIS | TYC GIS Formación.
Desde hace unos años los mapas bivariados se están generalizando en los ámbitos técnico y científico, y es gracias a que aportan unas visualizaciones con unos diseños muy atractivos, pero esto sí pueden ser difíciles de entender si no estás familiarizado con ellos. Por ello, en esta entrada voy a hacer una pequeña introducción sobre cómo interpretarlos y que ventajas ofrecen.
Antes que nada, hay que entender que son un tipo de mapas temático que utilizan un par de variables para representarlas en una determinada localización y, de esta manera, ver cómo se interrelacionan. Pueden ser diferentes tipos de variables, climáticas, medioambientales, sociales, económicas, etc. y es necesario que sean variables relacionadas para ver con más claridad su efecto, pero eso sí puedes utilizar variables de este tipo:
Esto permitirá construir una matriz de color, pero para ello hay que trabajar antes con esos datos e indicar valores de tipo, por ejemplo: “alto-medio-bajo” para clasificarlos, es recomendable que a cada variable se le ajusten tres clases, aunque puedes trabajar con más pero esto puede provocar una mayor confusión a la hora de analizar la información.
Existen aplicaciones que permiten desplegar este tipo de matrices y visualizar diferentes paletas de colores que puedes utilizar en tus mapas como esta aplicación denominada “Bivariate Color Palette Builder”
Te nuestro un ejemplo de Joe Davies que muestra la correlación entre las dos variables climáticas: precipitación y temperatura. Puedes adaptar la visualización a diferentes zonas como España, Estados Unidos, etc.
Este tipo de mapas, puedes intentar interpretarlo sin dificultad si te incorpora dicha leyenda. Lógicamente los colores más oscuros de cada variable indican dónde hay una temperatura o precipitación más alta. Y viceversa con los valores más bajos.
Lo complicado viene cuando mezclamos las dos variables, por ejemplo, el color más oscuro, casi negro corresponde a temperatura alta y precipitación alta, es importante entender esto. Pero entonces, ¿cómo se relaciona esto con Galicia? También debes tener en cuenta el origen de los datos (en este caso temperatura media anual).
Otra ventaja de este tipo de mapas es que pueden realizarse con programas de Sistemas de Información Geográfica (SIG) como ArcGIS Pro o QGIS, o a través de lenguajes de programación como Python o R.
El siguiente mapa de R y su leyenda se entiende mejor, que la anterior leyenda girada (aunque se leen igual el giro sólo es estético), en este caso los valores más oscuros se entienden como valores altos en las dos variables en el norte con más motociclista y más atropellos en contraste con la zona sur.
Además, en QGIS puedes encontrar complementos como “Bivariate QGIS Plugin” que también te permite crear esa leyenda.
Te animo a que curiosees más sobre este tema, en una próxima entrada veremos cómo crear un mapa de este tipo.
Nota: Hay una valoración incrustada en esta entrada, por favor, visita esta entrada para valorarla.
La entrada ¿Qué es un mapa bivariado? se publicó primero en Cursos GIS | TYC GIS Formación.
Uno de los retos más complicados de afrontar cuando se cambia de versiones y en este caso al p pasar de la saga 3x a la 4x de QGIS (a día de hoy estamos por la 4.2.1 “Belém do Pará”) es la adaptación de código de los diferentes complementos de la vieja versión a la nueva. Y ocurrió con el cambio de la 2x a la 3x en que se cambió las versiones de Python con las que se trabajaba.
Ya se ha comentado anteriormente, en esta ocasión, esto está provocado por el cambio de versión del software sobre el que está diseñado QGIS, Qt, pasando ahora de la versión 5 que se utilizaba desde el año 2016 a la nueva versión 6. Así los desarrolladores deben transformar su código a los nuevos requisitos y una vez conseguido disponen de un repositorio dónde pueden subir los “plugins” ya actualizados dónde tú podrás chequearlos y disponer de ellos. Lá página web se denomina “QGIS 4 Ready Plugins”
Si tienes curiosidad, necesitas crear o adaptar tu complemento a la nueva versión también se ha dispuesto una web dónde puedes obtener ayuda y documentación para apoyarte en el proceso de cambio, “Migrate your plugin to QGIS 4”.
Incluso tienes a tu disposición un repositorio en GitHub:
Si necesitas trabajar con complementos no actualizados y a la vez te interesa empezar a trabajar con la nueva versión de QGIS; ten en cuenta que puedes tenr instaladas en tu ordenador versiones diferentes de estos programas y trabajar con ellas independientemente, es otra de las ventajas.
Nota: Hay una valoración incrustada en esta entrada, por favor, visita esta entrada para valorarla.
La entrada Cómo adaptar los complementos de QGIS a la nueva versión 4x se publicó primero en Cursos GIS | TYC GIS Formación.
A Inteligência Artificial já está transformando a maneira como profissionais GIS analisam dados, automatizam processos e desenvolvem soluções geoespaciais.
Neste curso, você aprenderá a aplicar IA generativa, agentes inteligentes e automação em ferramentas como QGIS, PostGIS, GeoServer e GeoNode, por meio de cases, exercícios práticos e problemas inspirados em projetos reais.
Você verá como utilizar IA para gerar e revisar consultas SQL espaciais, detectar inconsistências, corrigir geometrias, automatizar publicações no GeoServer, criar estilos SLD, produzir metadados, analisar dados no QGIS e desenvolver fluxos geoespaciais mais inteligentes.
O principal diferencial do Curso de GeoIA é que ele não fica apenas na apresentação de conceitos ou ferramentas de Inteligência Artificial. A proposta é mostrar, na prática, como utilizar a IA para resolver problemas reais de Geotecnologia.
Não é necessário já saber programar. Você aprenderá a construir prompts e fornecer o contexto correto para que a IA gere os códigos, além de revisar, testar e adaptar esses códigos para cada situação.
Das 48 horas de curso, apenas 6 horas são destinadas à fundamentação teórica. As outras 42 horas são totalmente práticas, com mais de 25 cases e exercícios envolvendo QGIS, PostGIS, GeoServer e GeoNode.
Período: 31/08 a 01/10/2026
Horário: das 19h às 22h
Carga horária: 48 horas – 16 aulas
As duas primeiras aulas serão gravadas. A partir de 02/09, os encontros serão online e ao vivo.
O curso é destinado a analistas GIS, geógrafos, engenheiros, profissionais de TI, meio ambiente e todos que desejam incorporar Inteligência Artificial às suas rotinas geoespaciais.
As vagas são limitadas. Garanta sua inscrição e prepare-se para uma nova forma de trabalhar com Geotecnologia.
En esta entrada vamos a trabajar con una aplicación web de acceso gratuito denominada BioSift desarrollada por Reihan Apriandi que permite enlazar datos de diferentes especies desde la plataforma GBIF que ofrece datos sobre Biodiversidad para su descarga gratuita.
Esta aplicación web permite tanto el análisis rápido y efectivo de la información correspondiente de dicha especie. Permite además comparar los datos de hasta 5 de ellas y crear un pequeño informe sobre los datos y otras características de un publicador de datos de tu interés.
Se puede realizar una selección rápida de una de las 5 especies que aparecen en el desplegable por defecto o escribir una especie diferente. Se pueden añadir diferentes filtros como los años que se pretende que abarque la búsqueda como el tipo de observación con la que se obtuvieron los datos.
Y si pulsamos el botón “Run Analysis” se desplegará toda la información relacionada con dicha especie como el total de datos , el porcentaje de ellos que aportan mayor fiabilidad, etc.
Además se pueden consultar otro tipo de información como los mapas de ocurrencia de dichos avistamientos, gráficas, etc.
Y, además se puede proceder directamente desde esta plataforma a descargar dichos datos:
Como se ha comentado, se pueden comparar la “salud” de los datos de varias especies, por ejemplo:
Y si se quiere visualizar de manera rápida las instituciones, administraciones, etc. que aportan datos a GBIF. Se puede realizar la búsqueda a través del nombre y se mostrarán los datasets que han incluido.
E igualmente se puede trabajar con una especie diferente escribiendo su nombre científico en el apartado “Species Name” y realizar las mismas acciones que hemos visto anteriormente.
Nota: Hay una valoración incrustada en esta entrada, por favor, visita esta entrada para valorarla.
La entrada La plataforma «BioSift» para trabajar con datos de Biodiversidad de GBIF se publicó primero en Cursos GIS | TYC GIS Formación.
Prezado leitor,
Neste post irei apresentar como instalar o GeoServer 3 juntamente com o PostgreSQL 18/PostGIS utilizando Docker em um servidor executando Ubuntu Linux 26.04.
Ao final deste tutorial você terá um ambiente pronto para desenvolvimento, testes ou treinamentos, contendo:
Pré-requisitos:
Sem enrolação, vamos aos passos:
1. Atualizar o Ubuntu
Antes de instalar qualquer software é recomendável atualizar os repositórios e aplicar as últimas atualizações do sistema operacional.
> sudo add-apt-repository universe > sudo apt update > sudo apt upgrade -y
2. Instalar apenas os pacotes necessários
Nesta etapa serão instaladas apenas as ferramentas utilizadas durante a instalação do Docker e administração básica do servidor.
> sudo apt install -y \
apt-transport-https \
ca-certificates \
curl \
gnupg \
lsb-release \
software-properties-common \
vim \
unzip \
wget \
htop \
net-tools \
jq
3. Adicionar os repositórios do Docker
O Docker mantém seu próprio repositório oficial. Nesta etapa iremos adicionar sua chave GPG e registrar o repositório oficial no Ubuntu.
> sudo mkdir -p /etc/apt/keyrings > curl -fsSL https://download.docker.com/linux/ubuntu/gpg \ | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg > sudo chmod a+r /etc/apt/keyrings/docker.gpg > echo \ "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] \ https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) stable" \ | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
4. Instalar Docker
Agora instalaremos o Docker Engine, Docker Buildx e o Docker Compose Plugin.
> sudo apt update
> sudo apt install -y \
docker-ce \
docker-ce-cli \
containerd.io \
docker-buildx-plugin \
docker-compose-plugin
5. Habilitar Docker
Habilite o serviço do Docker para que ele seja iniciado automaticamente sempre que o servidor for reiniciado.
> sudo systemctl enable docker > sudo systemctl start docker
6. Ajustar timezone e sincronizar horário
Manter o timezone correto facilita a análise de logs e evita problemas de horário entre GeoServer, PostgreSQL e sistema operacional.
> sudo timedatectl set-timezone America/Sao_Paulo > timedatectl
7. Estrutura
A estrutura abaixo será utilizada para organizar os arquivos do projeto e facilitar futuras manutenções.
8. Criar a Estrutura
> mkdir -p /opt/geoserver3 > cd /opt/geoserver3 > mkdir -p data/postgres > mkdir -p data/geoserver > mkdir -p nginx/conf.d > mkdir -p nginx/logs > mkdir -p logs > mkdir -p backups
9. Criar o arquivo docker-compose.yaml
O arquivo docker-compose.yaml descreve toda a infraestrutura da aplicação e será responsável por criar automaticamente os containers do PostgreSQL/PostGIS, GeoServer e Nginx.
nano docker-compose.yaml
Copie todo o conteúdo abaixo para o arquivo.
services:
postgis:
image: postgis/postgis:18-3.6
container_name: postgis
restart: unless-stopped
environment:
POSTGRES_DB: ${POSTGRES_DB}
POSTGRES_USER: ${POSTGRES_USER}
POSTGRES_PASSWORD: ${POSTGRES_PASSWORD}
TZ: ${TZ}
# Descomente as linhas abaixo apenas se desejar permitir acesso externo ao PostgreSQL.
#ports:
# - "5432:5432"
volumes:
- ./data/postgres:/var/lib/postgresql
healthcheck:
test:
[
"CMD-SHELL",
"pg_isready -U ${POSTGRES_USER} -d ${POSTGRES_DB} -h localhost"
]
interval: 10s
timeout: 5s
retries: 10
start_period: 20s
networks:
- geoserver-network
geoserver:
image: docker.osgeo.org/geoserver:3.0.0
container_name: geoserver
restart: unless-stopped
depends_on:
postgis:
condition: service_healthy
ports:
- "8080"
environment:
TZ: ${TZ}
PROXY_BASE_URL: ${PUBLIC_GEOSERVER_URL}
INSTALL_EXTENSIONS: "true"
STABLE_EXTENSIONS: "excel,importer,image,web-resource,wps"
EXTRA_JAVA_OPTS: >-
-Xms2G
-Xmx4G
-Duser.timezone=${TZ}
-Dfile.encoding=UTF-8
-Djava.awt.headless=true
CORS_ENABLED: "true"
CORS_ALLOWED_ORIGINS: "*"
CORS_ALLOWED_METHODS: "GET,POST,PUT,DELETE,HEAD,OPTIONS"
CORS_ALLOWED_HEADERS: "Origin,Accept,X-Requested-With,Content-Type,Access-Control-Request-Method,Access-Control-Request-Headers,Authorization"
CORS_ALLOW_CREDENTIALS: "false"
ROOT_WEBAPP_REDIRECT: "true"
volumes:
- ./data/geoserver:/opt/geoserver_data
healthcheck:
test:
[
"CMD-SHELL",
"curl --fail http://localhost:8080/geoserver/web/ || exit 1"
]
interval: 30s
timeout: 15s
retries: 10
start_period: 180s
networks:
- geoserver-network
nginx:
image: nginx:alpine
container_name: nginx
restart: unless-stopped
depends_on:
geoserver:
condition: service_healthy
ports:
- "80:80"
# Descomente a linha abaixo após configurar HTTPS no Nginx.
#- "443:443"
volumes:
- ./nginx/conf.d:/etc/nginx/conf.d:ro
- ./nginx/logs:/var/log/nginx
networks:
- geoserver-network
networks:
geoserver-network:
driver: bridge
Observação: Um dos benefícios da imagem oficial do GeoServer é a possibilidade de instalar automaticamente as extensões durante a inicialização do container. Neste tutorial já deixamos configurados alguns dos plugins mais utilizados em projetos reais: Excel (exportação de dados), Importer (importação de arquivos), Image (suporte a imagens), Web Resource (recursos web) e WPS (Web Processing Service). Dessa forma, ao término da instalação, o ambiente já estará pronto para utilização, sem necessidade de instalar essas extensões manualmente.
Observação: Os nomes informados na variável STABLE_EXTENSIONS correspondem aos identificadores oficiais das extensões utilizadas pela imagem Docker do GeoServer. A lista completa de plugins disponíveis e seus respectivos nomes pode ser consultada na documentação oficial do Docker do GeoServer: Docker Container – Adding GeoServer Extensions. Para conhecer a finalidade de cada extensão, consulte também a documentação oficial de extensões do GeoServer: GeoServer Extensions Documentation.
E não esqueça de criar também o arquivo .env:
> nano .env
E inserir o seguinte conteúdo:
POSTGRES_DB=geoserver POSTGRES_USER=geoserver POSTGRES_PASSWORD=SUBSTITUA_POR_UMA_SENHA_FORTE PUBLIC_GEOSERVER_URL=http://SEU_IP/geoserver TZ=America/Sao_Paulo
Substitua SUBSTITUA_POR_UMA_SENHA_FORTE por uma senha segura e SEU_IP pelo endereço IP público do servidor antes de iniciar os containers.
A variável PUBLIC_GEOSERVER_URL deve apontar para o endereço utilizado pelos usuários para acessar o GeoServer. Durante os testes ela pode utilizar o IP do servidor. Em ambientes de produção recomenda-se utilizar um domínio com HTTPS.
Dica: Nunca publique este arquivo em repositórios Git públicos, pois ele contém a senha do banco de dados.
10. Criar o arquivo geoserver.conf
O Nginx será utilizado como proxy reverso, permitindo acessar o GeoServer através da porta 80 e facilitando futuras configurações de HTTPS.
> nano nginx/conf.d/geoserver.conf
E insira o seguinte conteúdo:
server {
listen 80;
server_name _;
client_max_body_size 2G;
location = / {
return 302 /geoserver/web/;
}
location /geoserver/ {
proxy_pass http://geoserver:8080/geoserver/;
proxy_set_header Host $http_host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-Host $http_host;
proxy_set_header X-Forwarded-Port $server_port;
proxy_set_header X-Forwarded-Proto $scheme;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
proxy_connect_timeout 60s;
proxy_send_timeout 600s;
proxy_read_timeout 600s;
proxy_request_buffering off;
proxy_buffering off;
}
}
11. Subir os containers
> docker compose up -d
Depois acesse no seu navegador http://SEU_IP/geoserver
12. Conclusão
Agora você possui um ambiente moderno baseado em containers, executando o GeoServer 3, PostgreSQL 18/PostGIS 3.6 e Nginx.
Essa estrutura pode ser utilizada para estudos, treinamentos, desenvolvimento e também servir como base para ambientes de produção de pequeno e médio porte.
</figure>
Tras recorrer gvSIG Desktop en los siete primeros vídeos del curso y desplegar el geoportal en gvSIG Online en el vídeo 8, llega el turno de gvSIG Mapps, la pieza móvil de la Suite. Es la aplicación pensada para llevar el geoportal al terreno: el técnico municipal sale a campo con tableta o móvil, consulta las mismas capas publicadas en Online y, si tiene permisos, edita los datos desde la propia posición sin pasos intermedios de vuelta al servidor.
El vídeo arranca con la configuración inicial de la aplicación (v4.0.4). Desde el botón de ajustes se establece la conexión con el servidor ‘demo.gvsig-services.com’ y la ruta ‘gvsigonline’, se fija el Mínimo zoom para la creación de zonas en 11 y se revisan las pestañas General, Info, Edición y Medida. Tras autenticarse, en Proyectos aparecen Pruebas Funcionales y los dos proyectos del Ayuntamiento de Arteixo, vistos desde el mismo gvSIG Online del vídeo 8.
Después se descarga una zona delimitada con una rejilla de 100000 m sobre la vista actual, guardada como Z1 para poder trabajar sin cobertura. Con la zona cargada, el apartado Capas ofrece capas de Puntos, Líneas y Polígonos editables sobre el mismo modelo de datos que en Online. El bloque de edición recorre el flujo completo en el terreno: selección de un polígono existente, desplazamiento de un vértice con el control circular, digitalización de un polígono nuevo y rellenado del formulario asociado (pestañas group1 y Recursos, campos Lat, Lon, fid, id). Cierran el recorrido la herramienta de identificación, que devuelve atributos como ID, Nombre o el tipo ‘MULTIPOLYGON’, y la pestaña Búsqueda, que filtra los 544 registros de la capa por valor exacto y centra el mapa sobre el resultado elegido.
Con este vídeo se cierra el curso completo. El recorrido ha ido del escritorio al servidor y del servidor al campo: gvSIG Desktop para preparar la cartografía y los mapas de impresión, gvSIG Online para publicar y administrar los visores municipales, y gvSIG Mapps para mantener esos mismos datos sobre el terreno y tener la capacidad de tomar datos en campo sin la necesidad de conexión a internet como bien se explica en este vídeo.
Vídeo 9:
<figure class="wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio"></figure>
</figure>
Con el vídeo anterior cerramos el bloque dedicado a gvSIG Desktop. En este octavo damos el salto a la segunda pieza de la Suite: gvSIG Online, la plataforma web sobre la que se montan los geoportales municipales. Donde en Desktop el proyecto se quedaba en el equipo y la salida final era estática (un PDF, un plano impreso), con Online ese mismo trabajo se publica en internet y queda disponible para que cualquier técnico o ciudadano lo consulte desde el navegador.
El vídeo es un primer recorrido por la herramienta. Empezamos por la parte pública, visitando el portal del Ajuntament de Cullera, que es lo que ve el ciudadano: una página de entrada con accesos a los visualizadores temáticos y a los geoservicios OGC publicados por el ayuntamiento.
Después entramos a la parte de administración, donde se construye todo eso. Hacemos un repaso al panel lateral de gvSIG Online y a sus secciones principales: gestión de usuarios y permisos; Servicios, con servidores GeoServer, espacios de trabajo, almacenes de datos PostGIS, grupos de capas, capas externas (WMS/WMTS) y gestión de la caché; Administrador de archivos para subir shapefiles y exportarlos a base de datos; Simbología, con bibliotecas de símbolos y rampas de color; y, sobre todo, Proyectos, que es donde cada visor queda definido a partir de los grupos de capas y las herramientas que activemos para él.
Para terminar abrimos un par de visores reales: el de Urbanisme – M.I.A Cullera, con sus grupos de capas de hidrología, abastecimiento, movilidad u ortofotos históricas, y el geoportal de muestra del municipio de Arteixo, donde vemos los dashboards de Online: paneles que permiten incrustar tablas, consultas SQL y resultados de análisis dentro del propio visor.
Con esto queda planteado el mapa general de gvSIG Online.
Vídeo 8:
<figure class="wp-block-embed is-type-rich is-provider-embed-handler wp-block-embed-embed-handler wp-embed-aspect-16-9 wp-has-aspect-ratio"></figure>La instalación de GeoServer es muy sencilla, se puede descargar el ejecutable de manera gratuita en su página web. Existen muchas versiones, pero hace poco en el año 2026 se ha lanzado la saga 3x de GeoServer y ya la denominan como estable por lo que se a proceder a su instalación
Una opción rápida es descargar el ejecutable] que realiza la instalación rápidamente, se elegirá el sistema operativo correspondiente a tu ordenador, en este caso Windows y se procederá a la descarga.
Los pasos a seguir para la instalación son los siguientes:
[1] https://geoserver.org/download/
[2] https://www.cursosgis.com/lanzamiento-de-la-nueva-version-de-geoserver-3-0/
[3] https://geoserver.org/release/3.0.0/
Y aceptar el acuerdo de licencia pulsando “I agree”:
El siguiente paso indica la ruta por defecto dónde se instalará GeoServer, si te interesa otra cámbiala. Ojo te aparecerá un aviso, es importante tener intalada una versión adecuada de Java JRE o JRC. Si no la tienes instálala a través del enlace que se aporta en la ventana. Y se pulsa en Next:
Asegúrate que activas la tercera línea:
Entonces vuelve a abrir el ejecutable y si está todo correcto, te aparecerá que lo detecta:
Y sigue los pasos de la instalación pulsando el botón “Next”. El siguiente paso es para crear la ruta dónde se guardarán los datos:
Se deja el Puerto que aparece por defecto, si crees que ya esta ocupado cambia a otro por ejemplo 8081:
El tipo de instalación, ssi quieres controlar arrancar y apagar los servicios elige la opción Run manually:
Y ya estará listo para la instalación y para funcionar:
En tu ordenador, en Inicio te aparecerá la carpeta del programa ya instalada y para lanzarlo pulsas “Satart GeoServer” y posteriormente “GeoServer Web Portal” tras activar el servicio:
Si se quiere lanzar el programa, se hace clic en este enlace: http://localhost:8080/geoserver/web/ y aparecerá la siguiente interfaz. Ojo te pedirá usuario y contraseña, por defecto es usuario:admin y contraseña: geoserver
Cuando termines de trabajar no te olvides de apagar el servivio en “Stop Geoserver”:
Nota: Hay una valoración incrustada en esta entrada, por favor, visita esta entrada para valorarla.
La entrada Instalación de la nueva versión de GeoServer 3.0 se publicó primero en Cursos GIS | TYC GIS Formación.
</figure>
Hasta ahora hemos trabajado dentro del documento Vista: cargar capas, simbolizarlas, consultarlas, editarlas. En este séptimo vídeo damos el paso al documento Mapa, que es el componedor cartográfico de gvSIG Desktop, donde montamos una salida lista para imprimir o exportar a PDF, con su rótulo, su leyenda, su escala, su norte y su logotipo institucional.
Partimos del proyecto electoral que ya usamos en los vídeos 3 y 5 (mesas electorales, ejes de carreteras y distritos electorales). Antes de pasar al Mapa, dejamos la Vista preparada como queremos que aparezca impresa: aplicamos una simbología por valores únicos sobre los distritos y configuramos un etiquetado por el campo districte, ajustando fuente, tamaño y color.
Con la Vista lista, vamos al Gestor de proyecto y creamos un nuevo Mapa. En el cuadro Preparar página elegimos tamaño de papel, orientación (horizontal), resolución y le indicamos que inserte la Vista como marco principal. Entramos al lienzo del Mapa, donde las reglas en centímetros nos dan idea del tamaño físico de la salida, y ajustamos el encuadre y la escala (1:90.000 en el ejemplo).
A partir de ahí, recorremos el menú Mapa e Insertar y vamos añadiendo los elementos cartográficos clásicos: una leyenda con las categorías de la capa de distritos, una aguja de norte elegida de la galería que ofrece gvSIG, una barra de escala en metros con sus divisiones y etiquetas, el logotipo del Ajuntament de Cullera como imagen y un título de texto. Cada elemento se puede mover, redimensionar y editar desde sus propias propiedades.
Cerramos exportando la composición a fichero (por ejemplo, PDF): el producto final entregable, un plano municipal listo para reuniones, expedientes técnicos o publicación posterior.
Vídeo 7:
<figure class="wp-block-embed is-type-rich is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio"></figure>La soberanía digital europea se ha convertido en una de las grandes cuestiones estratégicas de nuestro tiempo. Ya no se trata únicamente de disponer de tecnología, sino de decidir qué tecnología usamos, bajo qué condiciones, con qué garantías y con qué capacidad real de control sobre nuestros datos, infraestructuras y servicios críticos.
Los datos del Informe Soberanía Digital en Europa 2026, elaborado por Fundación Telefónica y Metroscopia, reflejan que esta preocupación no es solo institucional o empresarial, sino también ciudadana. Según el estudio, el 86% de los españoles considera que Europa debe desarrollar sus propias tecnologías para ser más competitiva globalmente; el 82% cree que Europa depende mucho o bastante de empresas tecnológicas de otros países; el 69% piensa que Europa se está quedando atrás frente a Estados Unidos y China; y el 62% considera que esta dependencia puede representar una amenaza para la seguridad europea.
<figure class="wp-block-image size-large">
</figure>
Como respuesta, la ciudadanía apuesta claramente por reforzar capacidades propias: el 87% considera que los gobiernos europeos deberían impulsar activamente el desarrollo de tecnologías europeas.
Desde gvSIG siempre hemos defendido la necesidad de avanzar hacia una mayor soberanía digital europea. Pero para que esta soberanía sea real no basta con sustituir unos proveedores por otros. Es necesario construir un ecosistema tecnológico basado en la transparencia, la interoperabilidad, los estándares abiertos, el conocimiento compartido y la capacidad de las organizaciones públicas y privadas para controlar, adaptar y evolucionar sus propias soluciones.
El ámbito de la información geográfica es un ejemplo especialmente relevante. Los sistemas de información geográfica, los geoportales, las infraestructuras de datos espaciales, los servicios interoperables, la gestión territorial, la movilidad, el medio ambiente, la planificación urbana o la respuesta ante emergencias forman parte de la infraestructura digital crítica de las administraciones. Depender de plataformas cerradas o de tecnologías sobre las que no existe capacidad de decisión limita la autonomía tecnológica y condiciona la prestación de servicios públicos esenciales.
gvSIG nació precisamente con esa visión: ofrecer una alternativa tecnológica abierta, profesional y sostenible en el ámbito de la geomática. A lo largo de los años, el proyecto ha demostrado que es posible construir soluciones competitivas basadas en software libre, estándares internacionales e independencia tecnológica. Soluciones como gvSIG Online, apoyadas en tecnologías abiertas como PostgreSQL/PostGIS, GeoServer y OpenLayers, permiten desplegar infraestructuras de datos espaciales, geoportales corporativos y sistemas de gestión geográfica con plena capacidad de adaptación a las necesidades de cada organización.
La soberanía digital europea debe pasar de las declaraciones a los hechos. Y eso implica inversión, colaboración público-privada, contratación pública estratégica, impulso a estándares abiertos y apuesta real por soluciones que garanticen independencia, interoperabilidad y control. Europa dispone de conocimiento, empresas, administraciones innovadoras y comunidades tecnológicas capaces de liderar este proceso. La cuestión es si sabremos articular ese potencial en torno a un modelo propio, abierto, competitivo y alineado con los valores europeos.
Desde gvSIG seguiremos trabajando en esa dirección: construyendo tecnología abierta, impulsando capacidades propias y contribuyendo a una soberanía digital europea que no sea solo un objetivo político, sino una realidad práctica al servicio de la sociedad.
</figure>
Hasta ahora hemos cargado capas que ya existían (locales o publicadas como servicio). En este sexto vídeo damos el paso de crear y editar nuestra propia cartografía dentro de gvSIG Desktop, recorriendo los tres tipos básicos de geometría: puntos, líneas y polígonos. Es el flujo más habitual cuando un ayuntamiento necesita crear información propia o completar la que ya tiene.
Partimos del WMTS de imágenes Sentinel y ortofotos PNOA del IGN (el mismo que usamos en el vídeo 4), hacemos zoom sobre Cullera y añadimos también el shapefile ‘camins_cullera’ como capa de apoyo, repasando de paso cómo personalizar su simbología.
Empezamos con una capa de puntos. Abrimos el Asistente para nueva capa, elegimos formato Shape y geometría de punto, definimos los campos de la tabla de atributos (Nombre como String, etc.) y asignamos el sistema de referencia. Pasamos la capa a modo edición y, con la herramienta Insertar punto, digitalizamos las playas de Cullera sobre la imagen aérea, dando nombre a cada una en la tabla (Playa A, Playa B, Playa C…). Para cerrar la capa, aplicamos una simbología expresiva con un icono de playa sacado de las librerías OSM que instalamos en el vídeo 5.
A continuación trabajamos con líneas, pero sobre una capa que ya existía: entramos en edición sobre ‘camins_cullera’ y añadimos manualmente tramos de camino que sobre la ortofoto se ven claramente pero que la capa original no incluye. Es un caso muy típico de mantenimiento de cartografía municipal: ampliar y corregir lo que ya tenemos en vez de partir de cero.
Y terminamos con los polígonos: creamos un nuevo shapefile, esta vez poligonal, para digitalizar parcelas sobre la ortofoto y rellenar su tabla de atributos con la información asociada a cada una.
Con estos tres bloques quedan cubiertos los tres tipos de geometría con los que se trabaja en cualquier flujo SIG y, sobre todo, el ciclo completo de creación, digitalización y mantenimiento de cartografía propia dentro de gvSIG Desktop.
Cartografía: Descargar
Vídeo 6:
<figure class="wp-block-embed is-type-rich is-provider-embed-handler wp-block-embed-embed-handler wp-embed-aspect-16-9 wp-has-aspect-ratio"></figure>
</figure>
Después de ver cómo conectar servicios remotos, en este quinto vídeo entramos en el Administrador de complementos, la herramienta que permite ampliar la suite con paquetes adicionales: nuevos formatos de datos, librerías de símbolos, geoprocesos, conectores a servicios remotos, etc.
El vídeo recorre las tres formas de instalar complementos que ofrece gvSIG: la instalación estándar, a partir de los paquetes incluidos en la propia distribución; la instalación desde archivo, cargando paquetes .gvspki o .gvspks que tengamos descargados en local; y la instalación desde URL, conectándonos a un repositorio remoto (en este caso, el repositorio oficial de testing del proyecto). Una vez elegida la fuente, vemos el listado de paquetes disponibles organizados por categorías (Catastro, Formatos, Geoprocesos, Simbología, Tablas…), cómo usar el filtro rápido para localizar lo que nos interesa y cómo leer la información de cada complemento antes de instalarlo.
Como ejemplo práctico, y sobre la misma cartografía del vídeo 3 (mesas electorales, ejes de carreteras y distritos electorales), instalamos un par de librerías de símbolos de la categoría Symbology (ISO 7010 y OSM) y comprobamos en el Explorador de símbolos y en el Selector de simbología de una capa que la nueva librería de símbolos está disponible, con sus subcategorías (alojamiento, sanidad, transporte, ocio…) listas para aplicar en una capa de puntos.
Con esto reforzamos la idea de gvSIG como una suite personalizable: el programa crece en la dirección que necesite cada ayuntamiento añadiendo solo los complementos que vaya a usar.
Vídeo 5:
<figure class="wp-block-embed is-type-rich is-provider-embed-handler wp-block-embed-embed-handler wp-embed-aspect-16-9 wp-has-aspect-ratio"></figure>
</figure>
En los vídeos anteriores trabajamos con datos en local (shapefiles, ortofotos descargadas). En este cuarto vídeo nos conectamos a servicios cartográficos publicados en internet por organismos oficiales, sin necesidad de descargar nada: los estándares OGC WMS y WMTS. Para un ayuntamiento esto se traduce en poder usar como fondo o como capa de consulta la cartografía del PNOA, del Catastro o del IGN, siempre actualizada y mantenida por su productor.
Empezamos por el “dónde encontrar los servicios”. Damos un repaso al portal de la IDEE (Infraestructura de Datos Espaciales de España, idee.es), en concreto a su Directorio de Servicios: cómo está estructurado por tipo de servicio (visualización, localización, descarga, OGC API…) y por nivel administrativo (estatal, autonómico, local), y cómo localizar la URL del servicio que nos interesa, en este caso el WMTS del PNOA-MA y el WMS del Catastro.
Con esas URL identificadas, pasamos a gvSIG Desktop. Desde Añadir capa abrimos las pestañas WMTS y WMS y recorremos el flujo completo: introducir la URL del servidor, conectar, revisar la información del servicio (capas, estilos, formatos, CRS soportados) y elegir lo que queremos cargar. Como ejemplo añadimos primero el WMTS de imágenes Sentinel y ortofotos PNOA como fondo, y encima el WMS del Catastro con sus capas de parcelas, masas y textos, ajustando el formato a PNG con transparencia para que se combine bien con la imagen de debajo.
Cerramos con la herramienta de información por punto sobre la capa de Catastro: pinchamos sobre una parcela y el servicio nos devuelve directamente su referencia catastral. Un buen ejemplo de que un WMS sirve también para interrogar los datos, más allá de mostrarlos como imagen.
Vídeo 4:
<figure class="wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio"></figure>
</figure>
En el vídeo anterior cargamos capas y trabajamos su representación visual. En este tercero vamos a lo que hay “detrás” de la geometría: la tabla de atributos. Cualquier capa en un SIG lleva asociada una tabla con los datos descriptivos de cada elemento, y aprender a moverse con soltura entre mapa y tabla es uno de los hábitos más útiles del trabajo diario.
Partimos de un proyecto con tres capas centradas en un caso muy habitual en la gestión municipal, la organización electoral: mesas electorales (puntos), ejes de carreteras (líneas) y distritos electorales (polígonos). De paso nos sirve para repasar los tres tipos de geometría con los que vamos a trabajar a lo largo del curso. Sobre los distritos aplicamos una simbología por valores únicos, esta vez clasificando por un campo de la propia tabla.
Con eso preparado, entramos ya en la tabla de atributos: la abrimos, consultamos los campos, seleccionamos registros desde ella y comprobamos cómo se resaltan automáticamente en el mapa (y al revés). Después vemos las dos formas de selección por consulta que ofrece la suite: la selección por capa, para extraer elementos de una capa según su relación espacial con otra (por ejemplo, las mesas que caen dentro de ciertos distritos), y la selección por atributos, apoyada en el generador de expresiones, donde escribimos consultas como ‘districte = 6’ para filtrar por un valor concreto.
Con esto cerramos los tres mecanismos básicos de selección en gvSIG Desktop, que son la base de prácticamente cualquier consulta o análisis que hagamos después sobre los datos.
Cartografía Vídeo 3: Descargar
Vídeo 3:
<figure class="wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio"></figure>
</figure>
Después de la entrega introductoria, en este segundo vídeo damos el salto a la parte práctica con gvSIG Desktop. Es la primera sesión aplicada del curso y empieza por el principio: dónde descargar gvSIG Desktop (la versión portable 2.7.0 para Windows o Linux) desde la web de SCOLAB, cómo realizar la configuración inicial básica del programa (idioma, sistema de referencia por defecto, unidades de mapa) y cómo se organiza la aplicación a partir del Gestor de proyecto y sus tipos de documentos: Vistas, Tablas, Mapas e Informes.
A partir de ahí abrimos una Vista nueva y empezamos a cargar información. Primero un ráster: una ortofoto del PNOA, viendo de paso la diferencia entre carga normal y carga por teselas. Después un vector: un shapefile de parcelas catastrales de Cullera, que colocamos sobre la ortofoto para tener una base municipal típica con la que trabajar.
Con las capas ya en la Vista, nos centramos en las propiedades de capa para personalizar su representación. Trabajamos la simbología con símbolo único y con valores únicos por categorías, ajustamos colores, bordes y transparencias para que la información del catastro se lea bien sobre la ortofoto, y configuramos el etiquetado por número de parcela.
Cartografía utilizada: Descargar (1,15 GB)
Vídeo 2:
<figure class="wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio"></figure>
</figure>
Con este primer vídeo arrancamos el curso de manejo básico de la Suite gvSIG (Desktop, Online y Mapps) aplicado a la gestión municipal. Se trata de una entrega introductoria, dedicada a situar el contexto antes de entrar en la parte práctica de las próximas sesiones.
En él repasamos por qué la geomática tiene un peso creciente en los ayuntamientos y qué usos habituales encuentran los SIG en el día a día municipal: urbanismo y planeamiento, inventarios y patrimonio, infraestructuras y redes, o servicios a la ciudadanía. A partir de ahí presentamos qué es la Suite gvSIG y las dos piezas que protagonizan este vídeo: gvSIG Desktop, como herramienta de escritorio para el trabajo técnico (edición, análisis y cartografía), y gvSIG Online, orientada a publicar y compartir esa información en la web mediante geoportales y visores.
Vídeo 1:
<figure class="wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio"></figure>Prezado Leitor,
A integração entre Inteligência Artificial e Sistemas de Informação Geográfica (SIG) está evoluindo rapidamente. Hoje já é possível conectar o Claude AI diretamente ao QGIS através do protocolo MCP (Model Context Protocol), permitindo que a IA consulte camadas, execute análises espaciais e automatize tarefas dentro do projeto GIS.
Neste tutorial você aprenderá como configurar o ambiente completo no Windows.
Ao final, você terá o Claude conversando diretamente com o QGIS.
O QGIS MCP é um servidor que permite que modelos de IA como Claude acessem funcionalidades do QGIS através do protocolo MCP (Model Context Protocol).
Na prática, isso significa que você poderá pedir coisas como:
Tudo isso utilizando linguagem natural.
Antes de começar, você precisará ter:
Acesse: https://claude.ai
Clique em Sign Up e crie sua conta.
Após a criação, faça login normalmente.
Baixe o Claude Desktop diretamente do site oficial: https://claude.ai/download e selecione a versão para Windows.
Após a instalação:
Feche o Claude antes de continuar.
O QGIS MCP utiliza o UV para executar o servidor MCP.
Abra o Prompt de Comando do Windows e execute:
pip install uv
Após a instalação, valide:
uv --version
ou
uvx --version
O resultado deverá ser semelhante a:
uvx 0.11.21
Também é interessante verificar onde o executável foi instalado:
where uvx
Exemplo:
C:\Users\Fernando\.local\bin\uvx.exe
Guarde esse caminho, pois ele será utilizado na configuração do Claude.
Abra o QGIS.
Acesse:
Complementos → Gerenciar e Instalar Complementos
Pesquise por:
QGIS MCP
Instale o plugin.
Após a instalação:
O plugin iniciará um serviço local que permitirá ao Claude acessar o QGIS.
O Claude Desktop utiliza um arquivo JSON para registrar servidores MCP.
Localize o arquivo de configuração do Claude.
Ao abrir a tela de configurações, vá na opção Developer (Desenvolvedor), e clique no botão Editar Config.
O Claude irá abrir uma tela do Windows Explorer com o arquivo claude_desktop_config.json selecionado. Você dever editar esse arquivo e inserir a seguinte configuração:
{
"mcpServers": {
"qgis": {
"command": "C:\\Users\\SEU_USUARIO\\.local\\bin\\uvx.exe",
"args": [
"--from",
"https://github.com/nkarasiak/qgis-mcp/archive/refs/heads/main.zip",
"qgis-mcp-server"
],
"env": {
"PATH": "C:\\Users\\SEU_USUARIO\\.local\\bin;C:\\Windows\\System32;C:\\Windows"
}
}
}
}
Importante:
Substitua o caminho do comando pelo caminho retornado pelo comando:
where uvx
Exemplo:
"command": "C:\\Users\\Fernando\\.local\\bin\\uvx.exe"
Salve o arquivo.
Após salvar o JSON:
Caso tudo esteja correto, o Claude deverá carregar automaticamente o servidor MCP do QGIS.
Abra um projeto qualquer no QGIS.
Em seguida faça perguntas ao Claude como:
Liste todas as camadas abertas no QGIS.
ou
Qual é o sistema de coordenadas da camada municípios?
ou ainda:
Mostre os atributos da camada escolas.
Se o MCP estiver funcionando corretamente, o Claude responderá utilizando informações diretamente do QGIS.
Esse erro normalmente indica que:
Abra o Prompt de Comando:
C:\Users\SEU_USUARIO\.local\bin\uvx.exe --from "https://github.com/nkarasiak/qgis-mcp/archive/refs/heads/main.zip" qgis-mcp-server
Se tudo estiver correto, deverá aparecer algo semelhante a:
QgisMCPServer starting up will connect to QGIS at localhost:9876
No fluxo de trabalho do geoprocessamento, uma das análises mais comuns é a verificação de sobreposição entre polígonos. Seja para análise fundiária, ambiental, territorial, mineração, CAR, SIGEF, Unidades de Conservação ou qualquer outro tipo de estudo espacial, frequentemente precisamos identificar a área exata de interseção entre duas camadas.
Pensando nisso, desenvolvi o complemento Interseção Overlay para QGIS.
O plugin realiza automaticamente a interseção entre duas camadas poligonais e gera uma camada temporária contendo informações quantitativas da sobreposição.
✅ Interseção espacial entre duas camadas poligonais
✅ Geração automática de camada temporária
✅ Cálculo de área em metros quadrados (area_m2)
✅ Cálculo de área em hectares (area_ha)
✅ Cálculo de perímetro em metros (perim_m)
✅ Cálculo da porcentagem de sobreposição (perc_over)
✅ Compatível com qualquer projeção cartográfica
✅ Suporte para camadas em CRS diferentes
✅ Processamento apenas de feições selecionadas
✅ Compatível com análises em qualquer lugar do mundo
Na prática, isso significa que:
O complemento realiza internamente:
O complemento foi desenvolvido com foco em produtividade. O usuário apenas:
O resultado é uma camada temporária pronta para análise.
Complementos → Interseção Overlay.
Basta marcar:
| Campo | Descrição |
|---|---|
area_m2 | Área da interseção em metros quadrados |
area_ha | Área da interseção em hectares |
perim_m | Perímetro da interseção em metros |
perc_over | Percentual de sobreposição em relação à camada BASE |
O objetivo do complemento é simplificar análises espaciais que normalmente exigiriam múltiplas etapas no QGIS.
Com poucos cliques, o usuário obtém:
O plugin foi desenvolvido buscando:
por Luis Lopes (noreply@blogger.com) em May 08, 2026 01:38 AM
Imagine consultar CAR, SIGEF, Terras Indígenas, Unidades de Conservação, Embargos do IBAMA e Assentamentos do INCRA em menos de 10 segundos — direto no seu celular, sem abrir nenhum sistema do governo.
Parece impossível? É exatamente o que o Bot de Consulta Fundiária faz.
Se você é corretor rural, advogado, engenheiro agrônomo, analista ambiental ou trabalha com crédito rural, sabe bem como é:
Você recebe uma coordenada ou chega numa propriedade no campo. Precisa saber rapidamente se aquela área tem CAR ativo, se está sobreposta a uma Terra Indígena, se tem embargo do IBAMA, se é assentamento. O que você faz?
Abre o navegador. Acessa o SICAR. Espera carregar. Depois o SIGEF. Espera de novo. Depois o FUNAI. Depois o ICMBio. Depois o IBAMA. São pelo menos 6 sistemas diferentes, cada um com sua interface, seu login, sua lentidão.
Isso quando a internet do campo coopera. No final, você gastou 40 minutos para obter informações que deveriam levar 30 segundos.
Existe uma forma muito mais inteligente de fazer isso
O Bot de Consulta Fundiária foi desenvolvido para resolver exatamente esse problema. Funciona dentro do Telegram — o aplicativo que você já usa no dia a dia — e faz todo o trabalho pesado por você.
O processo é simples:
É isso. Sem login. Sem navegar por portais do governo. Sem copiar e colar coordenadas em 6 sistemas diferentes.
O que o bot consulta automaticamente
Ao receber sua localização, o sistema consulta simultaneamente — em paralelo, não um por um — as seguintes bases de dados oficiais do governo federal:
🌿 CAR / SICAR
Código do imóvel, status, área em hectares, módulos fiscais, tipo e condição do cadastro.
📐 SIGEF / INCRA
Parcelas certificadas, código do imóvel, situação fundiária e matrícula registrada.
🚫 Embargos IBAMA
Verificação precisa se o ponto está dentro do polígono embargado — não apenas na vizinhança. Inclui número do processo, responsável, área embargada, bioma e descrição da infração.
🌳 Unidades de Conservação
Nome da UC, categoria, grupo, órgão gestor, esfera e situação. Base atualizada em março de 2026.
🪶 Terras Indígenas
Nome, etnia, fase de regularização, modalidade e se está em faixa de fronteira.
🏘️ Assentamentos INCRA
Nome do projeto, código SIPRA, fase, área e número de famílias assentadas.
E ainda tem mapa
Além do relatório textual, o bot envia uma foto de satélite com o polígono do imóvel desenhado — buscando primeiro no SIGEF, depois no CAR — e um botão para abrir o mapa interativo diretamente no navegador do celular, com visão de satélite e possibilidade de navegar livremente sobre a propriedade.
Por que isso é diferente de tudo que existe hoje
A maioria das soluções do mercado exige que você acesse um portal web, faça login, insira coordenadas manualmente e espere cada consulta terminar para fazer a próxima.
O Bot de Consulta Fundiária foi construído para funcionar no campo, com internet limitada, em segundos, com um único toque.
Não é um portal. É uma ferramenta de trabalho que cabe no bolso e responde na hora que você precisa.
Para quem é essa ferramenta
Se você faz mais de 5 consultas fundiárias por semana, essa ferramenta vai mudar seu fluxo de trabalho.
Plano Básico — R$ 29,90 por mês
Por menos do que uma refeição de trabalho, você tem acesso a:
✅ 50 consultas por mês
✅ Todas as 6 bases de dados oficiais
✅ Mapa de satélite com polígono do imóvel
✅ Mapa interativo navegável
✅ Funciona direto no Telegram
✅ Resultado em menos de 10 segundos
✅ Pagamento via Pix — ativação imediata
Válido por 30 dias a partir da assinatura.
O cadastro leva menos de 1 minuto. Você paga via Pix e o acesso é liberado na hora — sem burocracia, sem contrato, sem fidelidade.
Acesse o bot no Telegram, assine e faça sua primeira consulta. Cada minuto que você gasta navegando por portais do governo é um minuto a menos que você passa fazendo o que realmente importa. O Bot de Consulta Fundiária existe para acabar com esse desperdício.
Acesse ao bot Consulta Fundiária
Dados consultados diretamente nas bases oficiais: SICAR, INCRA/SIGEF, FUNAI, ICMBio/MMA e IBAMA. Atualização em tempo real conforme disponibilidade dos servidores governamentais.
por Luis Lopes (noreply@blogger.com) em April 22, 2026 11:00 AM
Se você já trabalha com dados geoespaciais, provavelmente domina análise. Mas deixa eu te provocar:
Você sabe transformar isso em uma solução acessível na web?
Porque existe uma diferença enorme entre:
Gerar mapas
E entregar uma plataforma que outras pessoas realmente usam
E é exatamente aí que entra o WebGIS.
Hoje, quem se destaca não é só quem analisa dados… É quem consegue:
Centralizar informações
Publicar serviços padronizados (OGC)
Criar aplicações acessíveis via navegador
Controlar acesso e usuários
Escalar o uso dos dados
Em outras palavras: sair do desktop e ir para internet.
Agora vem o ponto que trava muita gente:
“Pra fazer isso eu preciso programar?”
Não.
Com as ferramentas certas, você consegue construir um WebGIS completo usando:
PostgreSQL + PostGIS
GeoServer
GeoNode
Tudo integrado, utilizando tecnologias open source já consolidadas no mercado. E mais importante: você aprende o fluxo completo, não só ferramentas isoladas.
Dado → Serviço → Aplicação → Usuário
Na prática, isso significa que você será capaz de:
Estruturar dados espaciais de forma profissional
Publicar mapas e serviços na web
Criar portais geoespaciais completos
Desenvolver dashboards e GeoStories
Gerenciar permissões e acessos
Esse não é um curso de programação. É um curso para quem quer resultado aplicado, utilizando ferramentas prontas e poderosas. Se você quer parar de entregar arquivos e começar a entregar soluções acessíveis, escaláveis e profissionais…
Esse é o próximo passo.
O curso é ministrado na modalidade EAD Ao Vivo, com aulas síncronas, porém, as aulas são gravadas e ficam disponíveis ao aluno por 12 meses no nosso portal do aluno.
Garanta sua vaga:
https://geocursos.com.br/webgis
https://whats.link/geocursos
Se você trabalha com dados geoespaciais no Brasil, sabe da importância de organizar e documentar suas informações. A Infraestrutura Nacional de Dados Espaciais (INDE) recomenda o uso do padrão ISO 19115, mas encontrar uma ferramenta que seja ao mesmo tempo poderosa e simples de usar nem sempre é fácil.
O GeoNetwork é a referência mundial, mas sua instalação e configuração podem ser desafiadoras, especialmente para quem não tem experiência com servidores Java/Tomcat.
Foi pensando nisso que desenvolvemos o Catálogo MGB – um sistema web leve, gratuito e de código aberto, baseado no Perfil de Metadados Geoespaciais do Brasil (MGB).
É um sistema para cadastro, busca, aprovação e compartilhamento de metadados geoespaciais. Com ele, você pode:
 |
| Interface do Catalogo MGB. |
| Componente | Tecnologia |
|---|---|
| Backend | Python + Flask |
| Banco de dados | SQLite (embutido, sem instalação) |
| Frontend | HTML5, CSS3, JavaScript |
| Mapas | Leaflet |
| Shapefile | PySHP |
| Conversão de projeção | PyProj |
| Imagens | Pillow |
Tudo isso em um sistema que roda em qualquer Windows, sem necessidade de instalar servidores complicados como Apache ou Tomcat.
O sistema possui dois perfis de usuário:
👑 Administrador
Aprova ou rejeita metadados
Gerencia usuários (criar, editar, excluir)
Visualiza dashboard com estatísticas
Edita qualquer metadado
Marca dados como descontinuados
📝 Cadastrador
Cadastra novos metadados
Envia arquivos e thumbnails
Edita metadados rejeitados
Acompanha seus próprios metadados (aprovados, pendentes, rejeitados)
👤 Visitante
Busca e visualiza metadados aprovados
Baixa arquivos
Visualiza mapa interativo
Exporta metadados em XML
 |
| Descrição do metadado |
 |
| Página de descrição do metadado |
install.bat, o sistema instala Python, dependências e configura tudo automaticamente. Basta executar e usar. |
| Dashboard visível para o administrador do CatalogoMGB |
Pré-requisito: Windows 10/11 (funciona também em Linux com adaptações)
Passo a passo:
Baixe o projeto do GitHub https://github.com/lopesluis/catalogoMGB
Execute install.bat como administrador (instala Python e dependências)
Execute start.bat
Acesse http://localhost:5000 no navegador
Login padrão: admin / admin123
Pronto! Seu catálogo de metadados está rodando.
Para que outros computadores acessem o sistema:
No servidor, execute ipconfig e anote o IPv4
Libere a porta 5000 no Firewall do Windows
Outros usuários acessam: http://IP_DO_SERVIDOR:5000
O Catálogo MGB nasceu da necessidade de ter uma ferramenta simples e eficiente para gerenciar metadados geoespaciais no Brasil. Com ele, qualquer organização pode cumprir os requisitos da INDE sem precisar de uma equipe de TI especializada.
Se você trabalha com dados geoespaciais, experimente o Catálogo MGB. É gratuito, é leve e funciona.
👉 Baixe agora e comece a organizar seus metadados!
por Luis Lopes (noreply@blogger.com) em April 06, 2026 11:00 AM
Prezado leitor,
Se você trabalha com dados geoespaciais, principalmente rasters, provavelmente já esbarrou em problemas como:
É exatamente aqui que entra o STAC (SpatioTemporal Asset Catalog). Mais do que um formato, o STAC é um padrão moderno para organizar, catalogar e acessar dados geoespaciais, permitindo buscas rápidas e interoperáveis.
Neste guia, você vai aprender a montar um ambiente completo para:
Este post apresenta, passo a passo, como montar um ambiente completo para criação e publicação de um catálogo STAC (SpatioTemporal Asset Catalog), utilizando Docker, PostGIS, GeoServer e uma API intermediária (adapter). O objetivo é permitir que você organize, publique e consuma dados geoespaciais modernos de forma eficiente.
Antes de começar, é importante entender o papel de cada componente:
Um ponto importante: o GeoServer ainda não consome STAC “puro” de forma completa, por isso o uso do adapter é essencial.
Antes de instalar qualquer ferramenta, é importante garantir que o sistema esteja atualizado. Isso evita problemas de dependência e incompatibilidade.
> sudo apt update > sudo apt upgrade -y
O Docker será usado para isolar cada componente da arquitetura, garantindo reprodutibilidade. Isso evita conflitos de versão e facilita deploy em outros ambientes.
2.1 Adicionar chave GPG:
> curl -fsSL https://download.docker.com/linux/ubuntu/gpg | \ > sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg
2.2 Adicionar repositório:
echo \ "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) stable" | \ sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
2.3 Instalar Docker + Compose:
> sudo apt update > sudo apt install docker-ce docker-ce-cli containerd.io docker-compose-plugin -y
Com isso, você terá um ambiente isolado para rodar toda a stack sem conflitos de versão.
Agora vamos organizar os diretórios do projeto:
> sudo mkdir -p /docker/geoserver/plugins > cd /docker/geoserver/plugins
O plugins que iremos realizar o download adicionam suporte a:
Sem esses plugins, o GeoServer não consegue trabalhar corretamente com dados cloud-native.
> wget https://build.geoserver.org/geoserver/2.27.x/community-latest/geoserver-2.27-SNAPSHOT-cog-http-plugin.zip > wget https://build.geoserver.org/geoserver/2.27.x/community-latest/geoserver-2.27-SNAPSHOT-cog-s3-plugin.zip > wget https://build.geoserver.org/geoserver/2.27.x/community-latest/geoserver-2.27-SNAPSHOT-stac-datastore-plugin.zip
Criamos um Dockerfile para incluir os plugins:
cd /docker/geoserver nano Dockerfile
O conteúdo do arquivo:
FROM docker.osgeo.org/geoserver:2.27.2 COPY plugins/*.jar /usr/local/tomcat/webapps/geoserver/WEB-INF/lib/
Aqui estamos estendendo a imagem padrão do GeoServer para suportar STAC e COG.
Agora definimos toda a infraestrutura: Banco de dados (PostGIS), API STAC e GeoServer. Vamos então criar o arquivo docker-compose.yaml:
cd /docker nano docker-compose.yaml
Esse arquivo é o coração da infraestrutura, ele define como os serviços se comunicam e persistem dados. O conteúdo do arquivo:
volumes:
postgis-data:
geoserver-data:
networks:
internal:
external:
services:
db:
container_name: postgis
image: postgis/postgis:16-3.4
volumes:
- postgis-data:/var/lib/postgresql/data
environment:
- POSTGRES_DB=postgis
- POSTGRES_USER=postgis
- POSTGRES_PASSWORD=senha_postgis
- IP_LIST=*
- ALLOW_IP_RANGE=0.0.0.0/0
- POSTGRES_MULTIPLE_EXTENSIONS=postgis,hstore,postgis_topology,postgis_raster,pgrouting,btree_gist
- FORCE_SSL=false
ports:
- "5432:5432"
restart: unless-stopped
healthcheck:
test: ["CMD-SHELL", "pg_isready -U postgis-d postgis"]
interval: 5s
timeout: 5s
retries: 10
networks:
- internal
geoserver:
container_name: geoserver
build: ./geoserver
volumes:
- geoserver-data:/opt/geoserver/data_dir
- /docker/geoserver/imagem_raster:/opt/geoserver/data_dir/coverages
environment:
- TZ=America/Sao_Paulo
- GEOSERVER_ADMIN_USER=admin
- GEOSERVER_ADMIN_PASSWORD=geoserver
- INSTALL_EXTENSIONS=true
- EXTRA_JAVA_OPTS=-Xms4G -Xmx6G
- STABLE_EXTENSIONS=importer,wps,pyramid
- PROXY_BASE_URL=http://192.168.186.140:8083/geoserver
- GEOSERVER_CSRF_WHITELIST=192.168.186.140
- HTTP_SCHEME=http
- CORS_ENABLED=false
ports:
- "8083:8080"
restart: unless-stopped
healthcheck:
test: curl --fail "http://localhost:8080/geoserver/web/wicket/resource/org.geoserver.web.GeoServerBasePage/img/logo.png" || exit 1
interval: 1m30s
timeout: 10s
retries: 3
networks:
- internal
- external
stac:
container_name: stac-api
image: ghcr.io/stac-utils/stac-fastapi-pgstac:latest
environment:
- PGHOST=db
- PGPORT=5432
- PGDATABASE=postgis
- PGUSER=postgis
- PGPASSWORD=senha_postgis
ports:
- "8085:8080"
depends_on:
db:
condition: service_healthy
networks:
- internal
Agora é subir o ambiente:
> docker compose build > docker compose up -d
Instalar a ferramenta:
sudo apt install -y pipx pipx ensurepath source ~/.bashrc pipx install "pypgstac[psycopg]"
Configurar conexão:
export PGHOST=127.0.0.1 export PGPORT=5432 export PGDATABASE=postgis export PGUSER=postgis export PGPASSWORD=senha_postgis
Rodar migração:
> pypgstac migrate
Esse comando cria toda a estrutura STAC dentro do banco:
Sem isso, a API STAC não consegue funcionar.
Collections funcionam como agrupadores lógicos de dados. Exemplos: Sentinel-2, Ortofotos, Modelos de elevação.
Crie o arquivo:
nano collection.json
Conteúdo do arquivo:
{
"id": "raster-test",
"type": "Collection",
"description": "Teste de raster",
"license": "proprietary",
"extent": {
"spatial": { "bbox": [[-180, -90, 180, 90]] },
"temporal": { "interval": [["2024-01-01T00:00:00Z", null]] }
}
}
Para inserir no banco, execute o comando abaixo:
pypgstac load collections collection.json
Os Items representam os dados reais. Exemplo: Um raster específico, um ortomosaico, uma cena de satélite.
Crie o arquivo:
nano item.json
Conteúdo do arquivo:
{
"type": "Feature",
"stac_version": "1.0.0",
"id": "paraiso-ortomosaico",
"collection": "raster-test",
"geometry": {
"type": "Polygon",
"coordinates": [[
[-48.8961561, -25.0593974],
[-48.8764276, -25.0593974],
[-48.8764276, -25.0730781],
[-48.8961561, -25.0730781],
[-48.8961561, -25.0593974]
]]
},
"bbox": [-48.8961561,-25.0730781,-48.8764276,-25.0593974],
"properties": {
"datetime": "2024-01-01T00:00:00Z",
"proj:epsg": 4326
},
"assets": {
"data": {
"href": "http://SEU_IP:9000/rasters/seu_arquivo.tif",
"type": "image/tiff",
"roles": ["data"]
}
}
}
Inserir item no banco:
pypgstac load items item.json
Se você precisar editar o conteúdo do json e realizar um update no banco, use o seguinte comando:
pypgstac load items item.json --method upsert
Você ainda tem uma outra opção que é a criação automático do arquivo json através do rio-stac, para isso você precisa:
pipx install rio-stac --include-deps rio stac orotomosaico_cog.tif > item.json
Dica importante:
O campo “href”: “http://SEU_IP:9000/rasters/seu_arquivo.tif” do JSON, é o link para o dado real (idealmente um COG acessível via HTTP ou S3).
Essa é uma das partes mais importantes da arquitetura, pois o GeoServer não consume STAC de forma totalmente nativa. Então esse adapter vai resolver as incompatibilidades do GeoServer com STAC, ajustando links e headers.
Para o STAC funcionar perfeitamente no GeoServer, é necessário realizar alguns ajustes de:
Devido a esse problema, foi desenvolvido um adapter em FastAPI que: intercepta requisições, ajusta os links (href), corrige headers e diferencia chamadas internas e externas.
Criar API:
mkdir /docker/api cd /docker/api nano adapter.py
Conteúdo do arquivo adapter.py
from fastapi import FastAPI, Request
from fastapi.responses import JSONResponse
import requests
import os
app = FastAPI()
STAC_URL = "http://stac-api:8080"
# URLs
PUBLIC_URL = os.getenv("PUBLIC_URL", "http://192.168.186.140:8087")
INTERNAL_URL = "http://stac-adapter:8081"
# -------------------------
# Helper para requisições
# -------------------------
def fetch(url, method="GET", json=None):
if method == "POST":
r = requests.post(url, json=json)
else:
r = requests.get(url)
r.raise_for_status()
return r.json()
# -------------------------
# Detecta se é chamada interna (GeoServer)
# -------------------------
def is_internal(request: Request):
host = request.headers.get("host", "")
return "stac-adapter" in host or "geoserver" in host
# -------------------------
# Fix links (inteligente)
# -------------------------
def fix_links(data, internal=False):
base = INTERNAL_URL if internal else PUBLIC_URL
def fix(obj):
if isinstance(obj, dict):
for k, v in obj.items():
if k == "href" and isinstance(v, str):
obj[k] = v.replace("http://stac-api:8080", base)
else:
fix(v)
elif isinstance(obj, list):
for item in obj:
fix(item)
fix(data)
return data
# -------------------------
# ROOT
# -------------------------
@app.api_route("/", methods=["GET", "HEAD"])
async def root(request: Request):
data = fetch(f"{STAC_URL}/")
return JSONResponse(
content=fix_links(data, internal=is_internal(request)),
media_type="application/json"
)
# -------------------------
# COLLECTIONS
# -------------------------
@app.api_route("/collections", methods=["GET", "HEAD"])
async def collections(request: Request):
data = fetch(f"{STAC_URL}/collections")
return JSONResponse(
content=fix_links(data, internal=is_internal(request)),
media_type="application/json"
)
# -------------------------
# COLLECTION
# -------------------------
@app.api_route("/collections/{collection_id}", methods=["GET", "HEAD"])
async def collection(collection_id: str, request: Request):
data = fetch(f"{STAC_URL}/collections/{collection_id}")
return JSONResponse(
content=fix_links(data, internal=is_internal(request)),
media_type="application/geo+json"
)
# -------------------------
# ITEMS
# -------------------------
@app.api_route("/collections/{collection_id}/items", methods=["GET", "HEAD"])
async def items(collection_id: str, request: Request):
data = fetch(f"{STAC_URL}/collections/{collection_id}/items")
return JSONResponse(
content=fix_links(data, internal=is_internal(request)),
media_type="application/geo+json"
)
# -------------------------
# ITEM ESPECÍFICO
# -------------------------
@app.api_route("/collections/{collection_id}/items/{item_id}", methods=["GET", "HEAD"])
async def item(collection_id: str, item_id: str, request: Request):
data = fetch(f"{STAC_URL}/collections/{collection_id}/items/{item_id}")
return JSONResponse(
content=fix_links(data, internal=is_internal(request)),
media_type="application/geo+json"
)
# -------------------------
# SEARCH
# -------------------------
@app.api_route("/search", methods=["GET", "POST", "HEAD"])
async def search(request: Request):
if request.method == "POST":
body = await request.json()
data = fetch(f"{STAC_URL}/search", method="POST", json=body)
else:
data = fetch(f"{STAC_URL}/search")
return JSONResponse(
content=fix_links(data, internal=is_internal(request)),
media_type="application/geo+json"
)
Agora vamos ao conteúdo do arquivo Dockerfile:
FROM python:3.11-slim WORKDIR /app RUN pip install fastapi uvicorn requests COPY adapter.py . CMD ["uvicorn", "adapter:app", "--host", "0.0.0.0", "--port", "8081"]
E pra finalizar, você deve adicionar ao seu docker-compose:
adapter:
container_name: stac-adapter
build: ./api
ports:
- "8087:8081"
depends_on:
- stac
networks:
- internal
- external
Agora é só subir o adapter:
docker compose up -d --build
Agora, para finalizar, vamos instalar o nginx e deixar tudo rodando externamente na porta 80. O Nginx atua como proxy reverso, centralizando o acesso:
E ainda ajuda na organização das rotas, facilidade de exposição externa e melhor controle de segurança.
Vamos criar o arquivo nginx-stac.conf:
cd /docker/ nano nginx-stac.conf
Esse arquivo deve conter o seguinte conteúdo:
server {
listen 80;
# -------------------------
# GEOSERVER
# -------------------------
location /geoserver/ {
proxy_pass http://geoserver:8080/geoserver/;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
}
# -------------------------
# STAC (via adapter)
# -------------------------
location /stac/ {
proxy_pass http://adapter:8081/;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
}
# -------------------------
# STAC DIRETO (opcional)
# -------------------------
location /stac-api/ {
proxy_pass http://stac-api:8080/;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
}
}
Você precisar alterar a seguinte linha do arquivo adapter.py:
PUBLIC_URL = os.getenv("PUBLIC_URL", "http://192.168.186.140:8087")
Para:
PUBLIC_URL = os.getenv("PUBLIC_URL", "http://192.168.186.140/stac")
Agora é só subir o seu container, e pronto:
docker compose up -d --build
Se tudo estiver correto, você verá sua collection retornada via API.
Com essa arquitetura, você passa a ter:
Mais do que isso, você construiu uma base sólida para aplicações geoespaciais modernas, preparada para lidar com grandes volumes de dados de forma eficiente.
Dados raster estão entre os datasets mais pesados do mundo GIS. Ortomosaicos, imagens de satélite e modelos digitais de elevação frequentemente possuem dezenas ou até centenas de gigabytes.
Historicamente, trabalhar com esses arquivos sempre foi um desafio para profissionais de geotecnologia. Entre os principais problemas estão:
Foi nesse cenário que surgiu o Cloud Optimized GeoTIFF (COG).
Hoje o COG é considerado um dos formatos mais importantes para infraestruturas modernas de dados geoespaciais, permitindo trabalhar com rasters gigantes de forma muito mais eficiente.
Neste artigo vamos entender:
Um GeoTIFF tradicional não foi projetado para acesso remoto eficiente.
Imagine um ortomosaico de 20 GB. Um usuário acessa apenas uma pequena área no mapa. O que acontece internamente:
Mesmo que o usuário precise de apenas 1% da imagem, o servidor pode acabar lendo uma grande parte do arquivo. Isso gera:
O Cloud Optimized GeoTIFF (COG) é uma variação do formato GeoTIFF otimizada para acesso eficiente via rede. Ele foi projetado para permitir que aplicações leiam apenas os pedaços necessários do arquivo. Em vez de carregar o raster inteiro, o cliente acessa somente os blocos relevantes.
Isso permite acessar rasters muito grandes diretamente em:
Sem precisar baixar o arquivo completo.
A performance do COG depende de três características principais.
No COG o raster é dividido em blocos menores chamados de tiles.
Esses blocos normalmente possuem tamanho como:
512 x 512 pixels
Quando um cliente pede uma área específica do mapa, apenas os tiles necessários são lidos.
COGs normalmente possuem overviews internas. Isso significa que versões reduzidas da imagem são armazenadas dentro do próprio arquivo. Exemplo:
Quando o usuário está visualizando o mapa em escalas menores, o servidor lê apenas as versões reduzidas. Isso reduz drasticamente:
Uma das principais características do COG é permitir leitura parcial do arquivo via HTTP. Exemplo de requisição:
GET /imagem.tif Range: bytes=10000-20000
O servidor retorna apenas aquela parte do arquivo.
Isso permite acessar COGs sem baixar o raster inteiro diretamente em:
Comparação visual – GeoTIFF vs COG
Problemas:
Benefícios:
Principais vantagens:
Apesar das vantagens, existem alguns pontos a considerar:
Por isso o COG é mais indicado para dados finais de publicação.
O primeiro passo é converter o raster tradicional para Cloud Optimized GeoTIFF (COG). A maneira mais comum é usar o GDAL:
gdal_translate input.tif output_cog.tif \ -of COG \ -co COMPRESS=LZW \ -co BLOCKSIZE=512 \ -co BIGTIFF=YES
| Parâmetro | Função |
|---|---|
| -of COG | gera um Cloud Optimized GeoTIFF |
| COMPRESS=LZW | compressão sem perdas |
| BLOCKSIZE=512 | otimização para leitura em blocos |
| BIGTIFF=YES | necessário para arquivos grandes |
Depois da conversão, é importante verificar se o arquivo foi gerado corretamente, da seguinte forma:
gdalinfo arquivo_cog.tif
Se aparecer:
LAYOUT=COG
Significa que o arquivo foi criado corretamente.
Uma das maiores vantagens do COG é funcionar perfeitamente com Object Storage.
Arquitetura típica:
Isso permite criar infraestruturas altamente escaláveis.
Servidores como GeoServer podem acessar COGs diretamente via HTTP.
Fluxo típico:
Uma grande vantagem é que o raster não precisa ficar no servidor GIS.
Não. O COG e cache resolvem problemas diferentes. Enquanto o COG otimiza leitura do raster, o cache otimiza entrega de mapas renderizados.
Arquitetura recomendada:
Vamos comparar três cenários. Vamos supor que você tem um ortomosaico de 20GB. Como seria a performance dele nos cenários abaixo:
Primeiro acesso:
3 a 8 segundos
Alta leitura de disco.
Primeiro acesso:
0.5 a 2 segundos
Leitura parcial.
Após cache:
20 a 80 milissegundos
Praticamente instantâneo.
O Cloud Optimized GeoTIFF se tornou um dos formatos mais importantes para infraestruturas modernas de dados raster.
Ele permite acesso eficiente a grandes rasters, integração com cloud e publicação escalável em servidores GIS.
Quando combinado com object storage e servidores como GeoServer, o COG possibilita arquiteturas altamente performáticas para distribuição de dados geoespaciais.
O uso de geotecnologias na gestão territorial deixou de ser algo restrito a especialistas. Cada vez mais órgãos públicos, municípios e profissionais utilizam ferramentas de geoprocessamento para compreender o território, identificar riscos e apoiar decisões.
Pensando nisso, a Secretaria de Estado de Defesa Civil do Rio de Janeiro disponibilizou um Manual de Georreferenciamento - QGIS aplicado a Defesa Civil: gestão de riscos e desastres, um material que ensina, de forma prática, como utilizar um dos softwares SIG mais populares do mundo para organizar e analisar informações espaciais.
O manual produzido pela Defesa Civil do Rio de Janeiro tem um objetivo claro: capacitar técnicos e gestores públicos a utilizar geotecnologias para apoiar ações de prevenção e resposta a desastres.
A ideia é que municípios e equipes técnicas consigam:
Esse tipo de abordagem é fundamental em políticas de gestão de riscos e planejamento territorial.
Embora o documento tenha sido criado com foco na Defesa Civil, o conteúdo é útil para diversos perfis:
Além disso, o material demonstra algo importante: o poder das ferramentas abertas para democratizar o acesso à informação geográfica. Hoje, com softwares como o QGIS, qualquer profissional pode construir mapas complexos e análises espaciais sem depender de soluções proprietárias.
O Manual da Defesa Civil do RJ é um excelente material introdutório para quem deseja começar a trabalhar com geoprocessamento aplicado à gestão territorial. Mais do que ensinar comandos do software, o documento mostra como dados espaciais podem apoiar decisões estratégicas, especialmente em áreas críticas como prevenção de desastres e planejamento urbano.
Se você trabalha com território, meio ambiente ou análise espacial, vale a pena explorar esse material.
O documento está disponível neste link: https://defesacivil.rj.gov.br/images/DOC/Manual-Georreferenciamento-QGIS.pdf
por Luis Lopes (noreply@blogger.com) em March 12, 2026 03:22 PM
Quando trabalhamos com ortomosaicos ou rasters muito grandes, um dos principais desafios é como armazenar e publicar esses dados com boa performance, sem sobrecarregar o servidor GIS.
Uma arquitetura moderna que vem sendo cada vez mais utilizada é baseada em:
Essa combinação permite que o GeoServer leia diretamente rasters armazenados em object storage, sem precisar copiá-los para o servidor.
Neste post vou mostrar um passo a passo simples e prático para implementar essa arquitetura:
O ponto principal aqui é que o GeoServer não precisa armazenar o raster localmente. Ele apenas acessa o arquivo COG diretamente no storage.
Importante: O plugin COG (HTTP ou S3) já deve ter sido instalado no GeoServer.
O primeiro passo é converter o raster tradicional para Cloud Optimized GeoTIFF (COG). Isso pode ser feito utilizando o GDAL.
gdal_translate ortomosaico.tif ortomosaico_cog.tif \ -of COG \ -co COMPRESS=LZW \ -co BLOCKSIZE=512 \ -co BIGTIFF=YES \ -co OVERVIEWS=IGNORE_EXISTING
| Parâmetro | Função |
|---|---|
| -of COG | gera um Cloud Optimized GeoTIFF |
| COMPRESS=LZW | compressão sem perdas |
| BLOCKSIZE=512 | otimização para leitura em blocos |
| BIGTIFF=YES | necessário para arquivos grandes |
Depois da conversão, é importante verificar se o arquivo foi gerado corretamente.
gdalinfo ortomosaico_cog.tif
No resultado deve aparecer algo como:
LAYOUT=COG
E também a presença de overviews:
Overviews: 28676x21832, 14338x10916, ...
Isso confirma que o arquivo está otimizado para leitura em nuvem.
Agora precisamos enviar o arquivo para um Object Storage.
Você pode utilizar:
No caso do MinIO, é comum utilizar o cliente mc.
wget https://dl.min.io/client/mc/release/linux-amd64/mc chmod +x mc sudo mv mc /usr/local/bin/
mc alias set minio http://SEU_SERVIDOR:9000 ACCESS_KEY SECRET_KEY
mc cp ortomosaico_cog.tif minio/rasters/
Após o upload, o arquivo ficará acessível em algo como:
http://servidor:9000/rasters/ortomosaico_cog.tif
Agora vamos configurar o raster no GeoServer.
Acesse a interface administrativa:
http://seu-servidor:8080/geoserver
Vá em:
Stores → Add new Store
Escolha:
GeoTIFF / Cloud Optimized GeoTIFF
No campo de URL informe o caminho do arquivo:
http://servidor:9000/rasters/ortomosaico_cog.tif
Salve o store.
Após salvar o store, o GeoServer detectará automaticamente o raster.
Basta clicar em:
Publish
Configure:
Depois salve.
Agora o raster já pode ser acessado via:
Exemplo de endpoint WMS:
http://servidor:8080/geoserver/wms
Ou diretamente pelo Layer Preview do GeoServer.
O storage pode crescer independentemente do GeoServer.
O COG permite leitura parcial do raster utilizando HTTP Range Requests.
Ou seja, o cliente solicita apenas a parte da imagem que precisa.
A mesma arquitetura funciona com diversos serviços de object storage.
A combinação de COG + Object Storage + GeoServer é hoje uma das formas mais eficientes de publicar rasters grandes em ambientes WebGIS. Essa abordagem permite:
E o melhor: tudo pode ser implementado utilizando software open source.
O GeoAmapá é um complemento desenvolvido para o QGIS com o objetivo de facilitar consultas territoriais no estado do Amapá. A ferramenta permite selecionar uma área diretamente pela extensão visível no mapa e consultar automaticamente diferentes bases oficiais, como CAR, SIGEF/INCRA, Terras Indígenas, Unidades de Conservação, Assentamentos e Direitos Minerários. O resultado é uma camada temporária contendo apenas as feições que interceptam o retângulo selecionado, tornando a análise mais rápida, organizada e eficiente.
A proposta é simples: você define a área de interesse e o plugin retorna apenas os dados relevantes para aquela região.
No QGIS, vá em: Complementos → Gerenciar e Instalar complementos. Pesquise por GeoAmapá e clique em Instalar. Após instalado, o botão da ferramenta aparecerá na barra do QGIS e também no menu.
 |
| Instalar complemento GeoAmapá. |
Antes de abrir o complemento, aproxime o mapa até a região que deseja consultar. A ferramenta utiliza exatamente a área visível na tela como referência para a busca.
💡Dica: quanto menor a área visível, mais rápida e precisa será a consulta.
Clique no botão do complemento e capture a extensão. O complemento irá preencher automaticamente o campo com as coordenadas do retângulo atual da tela. Esse retângulo representa a área que será usada como filtro espacial.
Atenção: se você alterar o zoom ou mover o mapa, é necessário clicar novamente em capturar para atualizar a área.
Se existirem feições na área, uma nova camada será adicionada ao painel do QGIS. Se não houver registros para aquela região, o plugin exibirá uma mensagem informando que não existem feições na área selecionada.
O GeoAmapá foi desenvolvido para tornar a análise territorial mais objetiva e operacional dentro do QGIS, reduzindo tempo de busca e facilitando a visualização de sobreposições.
por Luis Lopes (noreply@blogger.com) em March 02, 2026 11:30 AM
Uma das maiores limitações das análises espaciais tradicionais é que todas as áreas são calculadas em 2D. Ou seja: o QGIS, ArcGIS, PostGIS e praticamente qualquer SIG mede área projetada no plano horizontal, mas o terreno não é plano.
Uma área em encosta, morro ou montanha pode ser significativamente maior do que a área cartográfica. Para resolver isso desenvolvi o plugin: Terrain Surface Area (DEM). O plugin calcula a área real da superfície do terreno de um polígono usando um Modelo Digital de Elevação (DEM). Ele não aproxima por triangulação, ele usa o gradiente da superfície derivado do raster.
O problema da área 2D
Quando você mede um polígono no SIG:
A2D = área projetada no plano. Mas a área verdadeira é:
Exemplo simples. Imagine um terreno inclinado 0°:
Ou seja: 15,47% maior
Agora imagine isso distribuído pixel a pixel no relevo.
O que o plugin retorna
Para cada polígono ele cria 4 campos:
| Campo | Significado |
|---|---|
| AREA_2D_M2 | área cartográfica |
| AREA_SURF_M2 | área real da superfície |
| SURF_RATIO | fator de relevo |
| DEM_COV_PCT | cobertura válida do DEM |
| SURF_RATIO | Terreno | O que significa na prática |
|---|---|---|
| 1.00 | plano | área praticamente horizontal |
| 1.01 – 1.03 | suave ondulado | pequenas variações |
| 1.03 – 1.08 | ondulado | relevo perceptível |
| 1.08 – 1.15 | forte ondulado | encostas frequentes |
| 1.15 – 1.30 | montanhoso | morros dominantes |
Interpretação intuitiva. Você pode pensar assim:
SURF_RATIO − 1 = porcentagem de aumento de área
Exemplo:
| Ratio | Aumento real |
|---|---|
| 1.02 | +2% de terreno |
| 1.10 | +10% de terreno |
| 1.25 | +25% de terreno |
O DEM_COV_PCT (confiabilidade)
Esse campo indica quanto do polígono tinha dados válidos no DEM.
| Valor | Significado |
|---|---|
| 100 | cálculo totalmente confiável |
| 90–99 | confiável |
| 70–90 | usar com cautela |
| <70 | resultado pode não representar o terreno |
Se for baixo, normalmente existe:
Tutorial de uso
Abra o QGIS e instale o complemento Terrain Surface Area.
Abra na caixa de ferramenta do QGIS, algoritmo: Processing Toolbox → Terrain analysis → Terrain Surface Area (DEM)
Input polygons → camada vetorial
Elevation raster → DEM
Slope method:
por Luis Lopes (noreply@blogger.com) em February 27, 2026 02:06 PM
O Terrain Surface Area é um plugin para QGIS que calcula a área real da superfície do terreno utilizando um Modelo Digital de Elevação (DEM). Diferente da medição tradicional do SIG, que considera apenas a área projetada no plano horizontal (2D), este plugin incorpora a variação do relevo no cálculo, estimando a superfície inclinada pixel a pixel.
Na prática, isso significa que ele mede o terreno como ele realmente é, e não apenas sua “projeção” no mapa. A principal diferença está justamente aí: enquanto a área convencional representa a projeção cartográfica, o Terrain Surface Area considera a inclinação do terreno, podendo revelar aumentos significativos em áreas localizadas em encostas ou regiões montanhosas.
Instale o complemento TERRAIN SURFACE AREA através do repositório oficial do QGIS.
 |
| Instalar complemento Terrain Surface Area |
 |
| Caixa de ferramenta de processamento |
 |
| Janela "Terrain Surface Plugin" |
 |
| Resultado do processamento de cálculo de área real. |
por Luis Lopes (noreply@blogger.com) em February 26, 2026 01:12 AM
E-book disponível para download no repositório da UFPA. Seus organizadores são Eder Mileno Silva De Paula e Emanuel Lindemberg Silva Albuquerque e está dividido em 9 capítulos.
por Luis Lopes (noreply@blogger.com) em February 16, 2026 05:58 AM
Hoy, Bentley Systems y Enactus anunciaron los equipos ganadores del iTwin4Good Challenge 2025, la competencia internacional que reúne a estudiantes universitarios para aplicar la tecnología de gemelos digitales y resolver desafíos del mundo real. Los competidores de este año buscaron aprovechar el poder de la innovación digital para abordar desafíos críticos de sostenibilidad, demostrando cómo …
El cargo Bentley Systems y Enactus anuncian al ganador del desafío iTwin4Good 2025 apareció primero en Geofumadas - GIS - CAD - BIM resources.
por Hebert Azevedo - Consultor em Geotecnlogias (noreply@blogger.com) em August 18, 2025 01:30 PM
por Hebert Azevedo - Consultor em Geotecnlogias (noreply@blogger.com) em August 11, 2025 01:30 PM
por Hebert Azevedo - Consultor em Geotecnlogias (noreply@blogger.com) em August 04, 2025 03:32 AM
por Hebert Azevedo - Consultor em Geotecnlogias (noreply@blogger.com) em July 28, 2025 01:30 PM
No dia 4 de junho de 2025, a Comunidade QGIS Brasil realizou mais uma edição do Encontro de Usuários QGIS durante o MundoGEO Connect, no Expo Center Norte, em São Paulo. O evento reuniu profissionais, estudantes, desenvolvedores e entusiastas do QGIS de todas as regiões do país, consolidando-se como um dos principais espaços de troca de experiências e fortalecimento da comunidade no Brasil.
A programação contou com palestras sobre aplicações do QGIS em áreas como Inteligência Artificial, Pesquisa Socioambiental, Consultoria Ambiental, Planejamento de Voos com Drones, e Gestão de Saneamento, além de momentos de debate e interação entre os participantes.
Se você não pôde participar presencialmente ou deseja rever os conteúdos apresentados, todos os vídeos das palestras estão disponíveis gratuitamente no nosso canal do YouTube!
Acesse agora a playlist completa:
youtube.com/playlist?list=PLzKam0lvXworikfwwcQ31oIj1RUp__aNv
Este evento foi organizado pela Comunidade QGIS Brasil com apoio da OSGeo Brasil, reforçando nosso compromisso com a promoção do software livre e o avanço das geotecnologias no país.
Continue acompanhando nossas redes sociais e site para ficar por dentro dos próximos encontros, oficinas e oportunidades de capacitação!
por Hebert Azevedo - Consultor em Geotecnlogias (noreply@blogger.com) em July 21, 2025 01:30 PM
por Hebert Azevedo - Consultor em Geotecnlogias (noreply@blogger.com) em July 14, 2025 01:30 PM
por Hebert Azevedo - Consultor em Geotecnlogias (noreply@blogger.com) em July 07, 2025 01:30 PM
por Hebert Azevedo - Consultor em Geotecnlogias (noreply@blogger.com) em June 30, 2025 03:13 AM
Ambientes Geográficos
Anderson Medeiros [BR]
Blog Geoprocessamento [BR]
Blog IDEE (ES)
Blog Prodevelop [ES]
Blog gvSIG (ES)
Blog inspire-pt
Carta Geográfica [BR]
Cartotech Brasil [BR]
Edmar Moretti (BR)
El Blog de José Guerrero [VE]
Eloi Ribeiro
Fernando Quadro (BR)
Fogos 2017
GIS 4 All
Geo Luís Lopes [ES]
Geo innova
Geo-Divagações
GeoPoetas
GeoSist (GT)
GeoTux Blog [CO]
Georden
Grupo de Utilizadores QGIS PT
Inteligência Geográfica [BR]
Kosmo SIG [BR]
Luis Carlos Madeira
Luís Sadeck (BR)
Mapeando o Brasil [BR]
MappingGIS [ES]
OSGeo-es [ES]
Opus SIG
Percursos (pseudo) aleatórios
Postgresqlbr [BR]
Processamento Digital [BR]
SIG sem grilhetas
SIGdeletras
SIGologia Aplicada
TYC GIS Formacion
ViaSIG
