🌍 Geomageddon

Pipeline em Python para unificar mapeamentos geológicos, classificar por grupos coerentes (a partir de SIGLA), gerar paletas e QMLs do QGIS com mistura de cores ponderada por área, e produzir legendas JSON ordenadas por tempo geológico. Inclui utilitários de escala cartográfica e poda de polígonos pequenos em função da escala do layout — e um módulo de plotagem para gerar mapas prontos direto do GeoDataFrame.

TL;DR: junte seus shapefiles, classifique por grupos (coarse_grp), recorte por bbox, dissolva, exporte QML + JSON de legenda… ou pule direto para a plotagem com uma legenda simplificada. Sem derramar café nos QMLs.

---

📂 Estrutura do repositório

geomageddon/
├── code/
│   ├── geomageddon.py   # classe e pipeline principais (GeoSiglaStyler)
│   └── plotagem.py      # funções de plotagem (matplotlib/geopandas)
├── notebooks/
│   └── geological_map.ipynb   # notebook de testes/exemplos
└── data/                # dados de entrada/saída organizados por estado
    ├── sig_geologia_estado_do_parana_vf/
    ├── sig_mato_grosso_do_sul/
    ├── sig_minas_gerais/
    ├── sig_rio_grande_do_sul/
    ├── sig_santa_catarina/
    └── sig_sao_paulo/

Cada subdiretório de data contém camadas de um SIG de geologia regional distribuído pela CPRM/SGB (apenas para exemplo). Verifique a licença/uso dos dados na fonte.

---

Sumário

• Principais recursos

• Instalação

• Pré‑requisitos e suposições de dados

• Exemplo rápido (5 minutos)

• Fluxo típico de trabalho

• Estratégia de cores

  • De onde vêm as cores?
  • Auditoria de cores (JSON)

• Plotagem com plotagem.py

• Legenda JSON

• Escala e poda de partes pequenas

• API de alto nível

• Dicas de desempenho

• Solução de problemas

• Compatibilidade QGIS

• Licença

---

Principais recursos

• Merge de múltiplos GeoDataFrames com alinhamento automático de CRS.

• Classificação a partir de SIGLA_UNID (ou equivalente) gerando:

  • idade_code, greek, stem e coarse_grp;
  • lógica de “dominó” com EON e ERA → macro_era consistente;
  • fusão opcional por NOME_UNIDA (puxa para o grupo dominante por área/contagem);
  • opção de colapsar todo o Cenozóico em um único grupo.

• Cores inteligentes:

  1. Mistura ponderada por área a partir de QML(s) de referência (SIGLA → cor);
  2. Fallback por CLASSE_ROC e CLASSE_R_1 (também ponderado por área);
  3. Fallback por idade (paleta geocronológica);
  4. Jitter suave para desempatar cores idênticas.

• Exportação de QML (renderer categorized) e JSON de auditoria das cores.

• Legendas JSON (completo e simplificado) ordenadas por idade (opções youngest‑first ou oldest‑first).

• Recorte por bbox em WGS84 com fallback robusto.

• Escala cartográfica a partir da largura da figura (mm/cm/in/px) com arredondamento nice.

• Poda de polígonos pequenos com base na área física em mm² no layout (cKDTree/STRtree/sjoin).

• Plotagem pronta: gere figuras com plotagem.py usando a legenda simplificada.

---

Instalação

Recomendado Python ≥ 3.10.

Clone o repositório e instale as dependências com conda ou pip:

git clone https://github.com/<usuario>/geomageddon.git
cd geomageddon
conda env create -f environment.yml
conda activate geomageddon

Ou instale manualmente:

pip install geopandas shapely numpy pandas scipy matplotlib

Você não precisa do QGIS para rodar o pipeline, apenas para visualizar os .qml exportados.

---

Pré‑requisitos e suposições de dados

A classe assume, por padrão, nomes de colunas comuns em bases da CPRM. Personalize no __init__ se os seus forem diferentes:

Papel	Coluna padrão
Sigla da unidade	SIGLA_UNID
Nome da unidade	NOME_UNIDA
EON mínimo/máximo	EON_IDAD_1, EON_IDAD_M
ERA mínima/máxima	ERA_MINIMA, ERA_MAXIMA
Hierarquia	HIERARQUIA
Classe ROC	CLASSE_ROC
Classe R1	CLASSE_R_1
Idade min/max (Ma)	IDADE_MIN, IDADE_MAX

CRS: para cálculos de área (mistura ponderada e poda), forneça um CRS em metros via area_crs (ex.: Albers Equal Area). Sem CRS, o código cai em pesos iguais (avisa no metadata).

---

Exemplo rápido (5 minutos)

import geopandas as gpd
from code.geomageddon import GeoSiglaStyler  # classe principal

# 1) Dados de entrada
br_pr = gpd.read_file("/caminho/br_pr.shp")
br_sc = gpd.read_file("/caminho/br_sc.shp")

sty = GeoSiglaStyler(
    area_crs="EPSG:5880",         # Albers Brasil (exemplo) ou outro CRS métrico
    area_weighting=True,           # mistura de cores ponderada por área
)

# 2) Combinar e classificar
base = sty.combine_and_classify(gdfs=[br_pr, br_sc], enforce_mode="flag")

# 3) Recorte (opcional)
sty.clip_to_bbox(base, {
    "min_lon": -54, "max_lon": -45,
    "min_lat": -30, "max_lat": -22,
})

# 4) Dissolver por grupo coerente
parts = sty.dissolve_by_attr(attr="coarse_grp")

# 5) Cores + QML (usa base pré-dissolve para misturas)
cmap, audit = sty.build_color_map_from(gdf=sty.g_clipped, attr="coarse_grp")
sty.export_qml("out/mantiqueira.qml", gdf=parts, source_gdf_for_mix=sty.g_clipped)

# 6) Legendas (completa e simplificada)
full_legend = sty.build_legend_dict(parts)
sty.export_legend_json("out/legend.full.json", full_legend)

simp_legend = sty.simplified_legend_dict(parts, youngest_first=True)
sty.export_legend_json("out/legend.simple.json", simp_legend)

# 7) (Opcional) Poda por escala e salvar shapefile
parts_pruned = sty.cull_small_parts_by_scale(parts, min_area_mm2=1.0)
sty.save_shp(parts_pruned, "out/mantiqueira_dissolved.shp")

Abra o mantiqueira.qml no QGIS e aplique na camada dissolvida. Ou siga para a seção de plotagem para gerar a figura direto em Python.

---

Estratégia de cores

De onde vêm as cores?

A escolha da cor do grupo (grp_color) segue prioridades:

1. QML(s) de referência (SIGLA → #RRGGBB). O método seleciona automaticamente o atributo mais coberto por área (tipicamente sigla) e mistura as cores das SIGLAs do grupo;
2. CLASSE_ROC (mistura ponderada por área);
3. CLASSE_R_1 (mistura ponderada por área);
4. Idade (paleta geocronológica embutida);
5. Jitter sutil para desempatar grupos que ainda ficaram com a mesma cor.

O peso de cada categoria é calculado por área no CRS métrico (ou pesos iguais, na falta de CRS). Configure area_crs e mantenha geometrias válidas.

Auditoria de cores (JSON)

Ao gerar o QML via make_qml/export_qml, um arquivo *.audit.json é salvo com detalhes por grupo, incluindo mixes por SIGLA/ROC/R1 e instantâneos das rodadas de desempate por cor.

---

Plotagem com plotagem.py

O módulo plotagem.py fornece funções utilitárias para criar figuras diretamente a partir do GeoDataFrame. A função principal é:

plot_geodf_by_simplified_legend(gdf, legend, *, group_attr="coarse_grp", title=None, projection="EPSG:4674", data_crs="EPSG:4674", figure_path=None, show_states=False, states_resolution="50m", legend_outside=True, legend_cols=4, legend_h="right", legend_v="up")

• Entrada legend: use exatamente o dicionário retornado por GeoSiglaStyler.simplified_legend_dict(...).
• CRS: projection e data_crs permitem projetar/no reprojetar os dados para a figura.
• Legenda: pode ser externa (legend_outside=True), com colunas configuráveis e ancoragem horizontal/vertical.
• Saída: se figure_path for fornecido, salva a figura (ex.: PNG); caso contrário, exibe em tela.

Exemplo de uso

from code.geomageddon import GeoSiglaStyler
from code import plotagem as plot

# Prepare dados e cores (como no exemplo rápido)
cmap, audit = sty.build_color_map_from(gdf=sty.g_clipped, attr="coarse_grp")
simp = sty.simplified_legend_dict(gdf=sty.g_clipped)

plot.plot_geodf_by_simplified_legend(
    sty.g_clipped,
    simp,
    group_attr="coarse_grp",
    title="Mapa litológico",
    projection="EPSG:4674",
    data_crs="EPSG:4674",
    figure_path="data/out/g_diss.png",
    show_states=False,
    states_resolution="50m",
    legend_outside=True,
    legend_cols=4,
    legend_h="right",          # "left" | "right"
    legend_v="up"              # "up"   | "down"
)

O notebook notebooks/geological_map.ipynb traz um fluxo completo (do merge à plotagem) usando shapefiles de exemplo da CPRM.

---

Legenda JSON

Há duas formas principais:

1. Completa (build_legend_dict) — estrutura hierárquica por Pré‑cambriano/Fanerozoico e sub‑blocos (Arqueano/Proterozoico/Paleozoico/Mesozóico/Cenozoico), com itens (sigla, nome, hierarquia) e envelope de idades do grupo.
2. Simplificada (simplified_legend_dict) — apenas os grupos com color, idade_max, idade_min, organizados temporalmente. Ideal para construir uma legenda compacta no layout e para dirigir a plotagem via plotagem.py.

Salve qualquer uma com export_legend_json("legend.json", data).

---

Escala e poda de partes pequenas

• width_to_scale(...) calcula 1:N a partir da largura da figura (mm/cm/in/px), margem e CRS. Usa arredondamento nice (1, 2, 2.5, 5 × 10^k).

• cull_small_parts_by_scale(...) remove partes cuja área física (na escala corrente) seja menor que min_area_mm2 (padrão 1 mm²), reagregando cada peça ao vizinho mais apropriado (que toca ou é mais próximo, desempate por maior área).

  • Rápido com SciPy cKDTree; fallbacks: Shapely STRtree, sjoin, sjoin_nearest.

Requer CRS métrico. Se indisponível, é levantada uma exceção explicativa.

---

API de alto nível

Principais métodos (nomes abreviados; veja docstrings no código para detalhes):

• Carga e pré‑processo

  • merge(gdfs) — concatena GDFs alinhando CRS.
  • combine_and_classify(gdfs|in_gdf, ..., enforce_mode) — gera coarse_grp, macro_era e afins.
  • clip_to_bbox(gdf, {min_lon,max_lon,min_lat,max_lat}) — recorta em WGS84 (fallback robusto).

• Dissolve e atributos

  • dissolve_by_attr(gdf, attr="coarse_grp") — dissolve preservando textos únicos e regras de idade/EON/ERA.

• Cores, QML e legendas

  • build_color_map_from(gdf, attr="coarse_grp") — cria mapa de cores e auditoria.
  • make_qml(gdf, qml_path, attr, source_gdf_for_mix) / export_qml(...) — salva .qml (renderer categorized).
  • build_legend_dict(gdf) / simplified_legend_dict(gdf, youngest_first=True) — dicionários de legenda.
  • export_legend_json(path, data=None) — salva JSON de legenda.

• Escala e poda

  • width_to_scale(gdf, fig_width, width_unit, ...) — retorna N ou (N, meta).
  • cull_small_parts_by_scale(gdf, min_area_mm2=1.0, ...) — remove partes pequenas com união guiada por vizinhança.

• IO

  • save_shp(gdf, out_path) — exporta ESRI Shapefile com strings normalizadas.

---

Dicas de desempenho

• Instale SciPy para acelerar a poda por KDTree (pip install scipy).
• Se a base for muito grande, ative o clip_to_bbox antes de dissolver/colorir.
• Ajuste area_weighting=False para testes rápidos (mistura por contagem em vez de área).
• Ajuste auto_cull_small_parts e min_area_mm2 conforme a escala alvo do layout.

---

Solução de problemas

• “gdf.crs ausente; pesos=1.0”: defina area_crs no construtor ou atribua um CRS projetado ao GDF antes dos cálculos.
• “Não dá para podar por escala sem CRS métrico”: a poda exige áreas em m²; forneça area_crs.
• QML sem cores: verifique se o(s) QML(s) de referência foram carregados (padrão: auto‑busca por *lito.qml em /mnt/data). Carregue manualmente: load_sigla_qml(["/caminho/a.qml"]).
• Campos ausentes: personalize os nomes no __init__ (ex.: roc_field="CLASSE_ROC").

---

Compatibilidade QGIS

O QML gerado usa renderer-v2 type="categorizedSymbol" e propriedades padrão de preenchimento/borda. Testado com QGIS 3.28+ (formato estável). Caso seu estilo use Option name="color", o parser também reconhece esse padrão.

---

Licença

MIT License. Use, modifique e destrua polígonos livremente.

---

Sugestões e PRs são bem‑vindos. Se algo quebrar, culpe a geometria inválida… ou o Cambriano C_CORTADO_, que sempre aparece onde menos se espera.