![\"Open](\"https://colab.research.google.com/assets/colab-badge.svg\"){kind=icon}
"
+ ]
+ },
+ {
+ "cell_type": "markdown",
+ "source": [
+ "**Projeto Final de Análise de Dados**\n",
+ "\n",
+ "Desenvolvido por:\n",
+ "\n",
+ "Paloma Avena palomaavena@gmail.com\n",
+ "\n",
+ "Anne Ribeiro anne.asribeiro@gmail.com\n",
+ "\n"
+ ],
+ "metadata": {
+ "id": "4nPdko9j_PEt"
+ }
+ },
+ {
+ "cell_type": "markdown",
+ "source": [
+ "**Contexto**\n",
+ "\n",
+ "Nos últimos anos, a questão do desmatamento e suas consequências ambientais têm se tornado uma preocupação crescente. A Bahia, por ser um estado de grande diversidade biológica, possui áreas significativas de florestas e biomas que desempenham um papel vital na regulação climática. O desmatamento pode impactar diretamente as emissões de dióxido de carbono (CO₂), contribuindo para o aquecimento global e alterações climáticas."
+ ],
+ "metadata": {
+ "id": "WIMvI1tp_XVU"
+ }
+ },
+ {
+ "cell_type": "markdown",
+ "source": [
+ "**Etapas do projeto:**\n",
+ "\n",
+ "\n",
+ "1. Selecionar a Base de Dados\n",
+ "2. Definir Objetivo e Perguntas\n",
+ "3. Realizar Análise Exploratória\n",
+ "4. Gerar Base Final\n",
+ "5. Criar Visualizações no Tableau\n",
+ "6. Preparar Apresentação Final\n",
+ "\n",
+ "\n",
+ "\n",
+ "\n",
+ "\n"
+ ],
+ "metadata": {
+ "id": "uk5GxJpZ_ouB"
+ }
+ },
+ {
+ "cell_type": "markdown",
+ "source": [
+ "**Bases de dados **\n",
+ "\n",
+ "Base 1: MapBiomas Alertas\n",
+ "https://plataforma.alerta.mapbiomas.org/downloads\n",
+ "\n",
+ "Dados de áreas(ha) desmatada por Municipío, Fator de pressão e Biomas no estado da Bahia.\n",
+ "\n",
+ "Base 2: Sistema de Estimativas de Emissões e Remoções de Gases de Efeito Estufa (SEEG)\n",
+ "https://plataforma.seeg.eco.br/?highlight=states-net-emissions-by-sector-goias&_gl=1*1nqir75*_ga*NTI0MDk2MzUwLjE3Mjc1NDQ0NjA.*_ga_XZWSWEJDWQ*MTcyNzU0NDQ2MC4xLjAuMTcyNzU0NDQ2MC4wLjAuMA..\n",
+ "\n",
+ "\n",
+ "Dados de CO2 em toneladas por Municípios de Mudança de uso da terra e floresta."
+ ],
+ "metadata": {
+ "id": "vqYQ20MD_orK"
+ }
+ },
+ {
+ "cell_type": "markdown",
+ "source": [
+ "**Objetivo Geral:**\n",
+ "\n",
+ "Este projeto tem como objetivo analisar os dados de desmatamento e emissões de CO₂ no estado da Bahia entre 2019 e 2022, a fim de entender como o desmatamento tem impactado as emissões de carbono no período da Pandemia.\n"
+ ],
+ "metadata": {
+ "id": "ZypjoEDB_ooh"
+ }
+ },
+ {
+ "cell_type": "markdown",
+ "source": [
+ "**As perguntas norteadoras deste projeto são:**\n",
+ "\n",
+ "1. Qual a taxa de desmatamento nos municípios e biomas da Bahia entre 2019 e 2022?\n",
+ "2. Qual a taxa de CO2 emitido nos municípios da Bahia entre 2019 e 2022, devido a Mudança de uso da terra e floresta?\n",
+ "3. Existe uma correlação entre as áreas desmatadas e o aumento das emissões de CO₂?\n",
+ "4. Como a pandemia afetou as taxas de desmatamento e emissões de CO₂?\n"
+ ],
+ "metadata": {
+ "id": "mrO_v4O1_olp"
+ }
+ },
+ {
+ "cell_type": "markdown",
+ "source": [
+ "**Desafios:**\n",
+ "\n",
+ "1. Identificar regiões com maior desmatamento e correlacionar com dados de emissões.\n",
+ "2. Analisar o efeito da pandemia nas taxas de desmatamento e emissões.\n",
+ "\n",
+ "**Direcionamentos:**\n",
+ "\n",
+ "\n",
+ "Utilizamos técnicas de análise de dados para identificar padrões e correlações entre as variáveis:\n",
+ "\n",
+ "1. Análise temporal: Avaliamos a evolução do desmatamento e das emissões ao longo dos anos, de 2019 a 2022.\n",
+ "\n",
+ "2. Correlações regionais: Mapeamos as emissões de CO₂ e áreas desmatadas por município, identificando as regiões da Bahia mais afetadas. Descobrimos que áreas como o Oeste da Bahia, caracterizadas pelo agronegócio, registram as maiores emissões.\n",
+ "\n",
+ "3. Impacto da pandemia: Durante a pandemia, observamos uma pequena queda nas emissões devido à redução das atividades econômicas, mas o desmatamento continuou a subir em algumas regiões, mostrando a resiliência desse problema mesmo em crises globais."
+ ],
+ "metadata": {
+ "id": "RNIrgkoWZRWr"
+ }
+ },
+ {
+ "cell_type": "markdown",
+ "source": [
+ "**Ferramentas Utilizadas:**\n",
+ "\n",
+ "Banco de dados\n",
+ "Python (Jupyter Notebook): Para a análise exploratória de dados utilizando bibliotecas como Pandas, Seaborn, Matplotlib, etc.\n",
+ "Tableau: Para criar as visualizações finais e apresentar os insights gerados.\n",
+ "GitHub: Para versionamento do projeto e documentação.\n",
+ "Google Colab (opcional): Para execução de notebooks de forma colaborativa e em nuvem.\n",
+ "\n"
+ ],
+ "metadata": {
+ "id": "VV5GKSMc_oia"
+ }
+ },
+ {
+ "cell_type": "markdown",
+ "source": [
+ "Instalando o **Python**: Acesse o site oficial do Python (https://www.python.org/) e baixe a versão mais recente para o seu sistema operacional. Siga as instruções de instalação para configurar o Python em seu computador.\n",
+ "\n",
+ "Instalando o **Visual Studio Code (VS Code)**: Acesse o site (https://code.visualstudio.com/).\n",
+ "\n",
+ "**Extensões** que irão tornar o processo de desenvolvimento mais simples e intuitivo:\n",
+ "\n",
+ "SQLite: Essa extensão essencial oferece recursos para abrir e editar arquivos SQLite (.db), executar consultas SQL, visualizar dados e até mesmo criar tabelas e colunas diretamente no VS Code.\n",
+ "\n",
+ "SQLite Viewer: Com o SQLite Viewer, você pode visualizar seus dados SQLite de forma gráfica, sem precisar escrever código. Ele oferece uma interface simples e amigável para navegar pelas tabelas, visualizar os dados e editar registros.\n",
+ "\n",
+ "\n",
+ "**Bibliotecas e módulos:**\n",
+ "\n",
+ "sqlite3\n",
+ "csv\n",
+ "Pandas\n",
+ "Seaborn\n",
+ "Matplotlib\n"
+ ],
+ "metadata": {
+ "id": "n33nNlCqgZFC"
+ }
+ },
+ {
+ "cell_type": "markdown",
+ "source": [
+ "\n",
+ "**Análise exploratória de dados**\n",
+ "\n"
+ ],
+ "metadata": {
+ "id": "miL-Xxpd_niS"
+ }
+ },
+ {
+ "cell_type": "markdown",
+ "source": [
+ "**1. DADOS DE CO2 - SEEG**\n",
+ "\n",
+ "\n",
+ "Vamos utilizar a coluna 'categoria'= municipio e total de co2 emitido em tonelada por vetor de emissão, no caso 'Mudança de Uso da Terra e Floresta' dos anos de 2019 a 2022.\n"
+ ],
+ "metadata": {
+ "id": "c48LiFSG_Fft"
+ }
+ },
+ {
+ "cell_type": "markdown",
+ "source": [
+ "Coleta de dados CO2 Bahia, SEEG:\n",
+ "\n",
+ "\n",
+ "link: https://plataforma.seeg.eco.br/?highlight=states-net-emissions-by-sector-bahia&_gl=1*gambxz*_ga*MTk5NTgxNjM5MS4xNzI1NjQzNTE1*_ga_XZWSWEJDWQ*MTcyNTY0MzUxNS4xLjAuMTcyNTY0MzUxNS4wLjAuMA..blob:https://plataforma.seeg.eco.br/845fd445-2d02-43a9-bb87-14435bfb6c1b\n",
+ "\n",
+ "\n"
+ ],
+ "metadata": {
+ "id": "vo84te4Y7n-P"
+ }
+ },
+ {
+ "cell_type": "markdown",
+ "source": [
+ "1. **DADOS CO2 - SEEG**"
+ ],
+ "metadata": {
+ "id": "rfcw5b-JebFU"
+ }
+ },
+ {
+ "cell_type": "code",
+ "source": [
+ "# Importando os dados das planilhas\n",
+ "\n",
+ "# Primeiro, instale a biblioteca pandas se ainda não estiver instalada\n",
+ "!pip install pandas\n",
+ "\n",
+ "# Importando os dados\n",
+ "import pandas as pd\n",
+ "import csv\n",
+ "\n",
+ "# Carregando os dois arquivos CSV\n",
+ "# Caso esteja rodando localmente, altere o caminho dos arquivos, no Colab, você pode fazer upload dos arquivos e colocar o nome do arquivo abaixo:\n",
+ "\n",
+ "df1 = pd.read_csv('SEEG.csv')\n",
+ "\n",
+ "\n",
+ "# Exibindo as primeiras linhas dos DataFrames para verificar\n",
+ "print(df1.head())\n",
+ "\n"
+ ],
+ "metadata": {
+ "colab": {
+ "base_uri": "https://localhost:8080/"
+ },
+ "id": "dxaI-_ekeF9W",
+ "outputId": "3ae660c8-78dd-425d-821c-2d5be7729b93",
+ "collapsed": true
+ },
+ "execution_count": 256,
+ "outputs": [
+ {
+ "output_type": "stream",
+ "name": "stdout",
+ "text": [
+ "Requirement already satisfied: pandas in /usr/local/lib/python3.10/dist-packages (2.2.2)\n",
+ "Requirement already satisfied: numpy>=1.22.4 in /usr/local/lib/python3.10/dist-packages (from pandas) (1.26.4)\n",
+ "Requirement already satisfied: python-dateutil>=2.8.2 in /usr/local/lib/python3.10/dist-packages (from pandas) (2.8.2)\n",
+ "Requirement already satisfied: pytz>=2020.1 in /usr/local/lib/python3.10/dist-packages (from pandas) (2024.2)\n",
+ "Requirement already satisfied: tzdata>=2022.7 in /usr/local/lib/python3.10/dist-packages (from pandas) (2024.2)\n",
+ "Requirement already satisfied: six>=1.5 in /usr/local/lib/python3.10/dist-packages (from python-dateutil>=2.8.2->pandas) (1.16.0)\n",
+ " Categoria 1990 1991 1992 \\\n",
+ "0 São Desidério (BA) 2.002523e+06 2.116496e+06 1.342632e+06 \n",
+ "1 Formosa do Rio Preto (BA) 8.268747e+05 3.994671e+05 5.396696e+05 \n",
+ "2 Jaborandi (BA) 5.986577e+05 3.230176e+05 5.522217e+05 \n",
+ "3 Correntina (BA) 1.240466e+06 1.300028e+06 1.251180e+06 \n",
+ "4 Barreiras (BA) 1.104449e+06 9.809112e+05 9.201021e+05 \n",
+ "\n",
+ " 1993 1994 1995 1996 1997 \\\n",
+ "0 2.128146e+06 1.457664e+06 1.380662e+06 2.586180e+06 1.266969e+06 \n",
+ "1 7.916206e+05 1.109452e+06 1.319670e+06 1.691259e+06 1.703959e+06 \n",
+ "2 5.767153e+05 6.191671e+05 9.156728e+05 3.416252e+05 2.867088e+05 \n",
+ "3 2.444920e+06 1.626112e+06 7.442169e+05 8.835755e+05 5.224134e+05 \n",
+ "4 1.228585e+06 1.639774e+06 1.522551e+06 1.179748e+06 1.104723e+06 \n",
+ "\n",
+ " 1998 ... 2013 2014 2015 2016 \\\n",
+ "0 2.054171e+06 ... 1.891963e+06 1.282559e+06 1.218159e+06 9.212761e+05 \n",
+ "1 1.971454e+06 ... 3.487482e+06 2.810540e+06 1.893684e+06 6.809720e+05 \n",
+ "2 3.425471e+05 ... 2.526260e+06 1.280666e+06 1.001395e+06 6.383960e+05 \n",
+ "3 8.225963e+05 ... 1.683472e+06 1.255760e+06 1.275669e+06 1.072367e+06 \n",
+ "4 1.254497e+06 ... 2.095302e+06 8.441796e+05 1.058625e+06 8.611082e+05 \n",
+ "\n",
+ " 2017 2018 2019 2020 2021 \\\n",
+ "0 9.647149e+05 1.252957e+06 2.024108e+06 3.091203e+06 3.159580e+06 \n",
+ "1 7.885680e+05 1.208044e+06 4.220327e+06 3.073766e+06 2.299738e+06 \n",
+ "2 7.539480e+05 1.162687e+06 1.706968e+06 1.744004e+06 2.051921e+06 \n",
+ "3 1.202182e+06 1.245274e+06 1.545573e+06 1.060526e+06 1.585476e+06 \n",
+ "4 8.665016e+05 8.465682e+05 1.568927e+06 1.179766e+06 9.583063e+05 \n",
+ "\n",
+ " 2022 \n",
+ "0 2729422 \n",
+ "1 2432263 \n",
+ "2 1734316 \n",
+ "3 1473135 \n",
+ "4 996163 \n",
+ "\n",
+ "[5 rows x 34 columns]\n"
+ ]
+ }
+ ]
+ },
+ {
+ "cell_type": "code",
+ "source": [
+ "\n",
+ "df1.info()"
+ ],
+ "metadata": {
+ "colab": {
+ "base_uri": "https://localhost:8080/"
+ },
+ "id": "248fsSuvOBAa",
+ "outputId": "d39b6b2f-0a47-489b-ef7f-8e1e2fc8c116",
+ "collapsed": true
+ },
+ "execution_count": 257,
+ "outputs": [
+ {
+ "output_type": "stream",
+ "name": "stdout",
+ "text": [
+ "| \n", + " | BIOMA | \n", + "ESTADO | \n", + "MUNICIPIO | \n", + "AREAHA | \n", + "ANODETEC | \n", + "VPRESSAO | \n", + "Municípios | \n", + "Ano | \n", + "CO2_emitido | \n", + "
|---|---|---|---|---|---|---|---|---|---|
| 0 | \n", + "Mata Atlântica | \n", + "BAHIA | \n", + "cândido sales | \n", + "21.2 | \n", + "2019 | \n", + "agriculture | \n", + "são desidério (ba) | \n", + "2019 | \n", + "2024107 | \n", + "
| 1 | \n", + "Mata Atlântica | \n", + "BAHIA | \n", + "cândido sales | \n", + "21.2 | \n", + "2019 | \n", + "agriculture | \n", + "formosa do rio preto (ba) | \n", + "2019 | \n", + "4220327 | \n", + "
| 2 | \n", + "Mata Atlântica | \n", + "BAHIA | \n", + "cândido sales | \n", + "21.2 | \n", + "2019 | \n", + "agriculture | \n", + "jaborandi (ba) | \n", + "2019 | \n", + "1706967 | \n", + "
| 3 | \n", + "Mata Atlântica | \n", + "BAHIA | \n", + "cândido sales | \n", + "21.2 | \n", + "2019 | \n", + "agriculture | \n", + "correntina (ba) | \n", + "2019 | \n", + "1545572 | \n", + "
| 4 | \n", + "Mata Atlântica | \n", + "BAHIA | \n", + "cândido sales | \n", + "21.2 | \n", + "2019 | \n", + "agriculture | \n", + "barreiras (ba) | \n", + "2019 | \n", + "1568927 | \n", + "