Global

Urbanização anual

O produto ‘Urbanização anual’ apresenta os mapas anuais de áreas urbanizadas do Brasil (1985-2025). Os dados são derivados do mapeamento anual de cobertura e uso da terra em resolução espacial de 30m – Cobertura 30m.

Ao baixar o arquivo de ‘Urbanização anual’, as classes disponíveis no raster serão as mesmas do produto Cobertura 30m.  A classe correspondente às áreas urbanizadas é a de id ‘24’.

Utilize os arquivos de classificação de legenda da Coleção 11 do MapBiomas 30m para classificar e interpretar o arquivo baixado.

Nome do arquivoDescriçãoFormato (extensão)
Códigos de legenda | MapBiomas Brasil (30m) - Coleção 11 Documento completo de correspondência entre códigos, cores e classes de cobertura e uso da terra da Coleção 11 do MapBiomas 30m PDF
Descrição detalhada de classes de cobertura e uso da terra por bioma | MapBiomas Brasil (30m) - Coleção 11 O documento apresenta a correspondência entre as classes da Coleção 11 do MapBiomas 30m e os principais ecossistemas e tipos de uso da terra em cada bioma brasileiro. Também indica a correspondência entre as classes mapeadas pelo MapBiomas e classificações de outros mapeamentos, como do IBGE, FAO e Inventário Nacional de Emissões de Efeito Estufa e IUCN. PDF
Códigos de Legenda para uso no QGIS | MapBiomas Brasil (30m) - Coleção 11 Arquivo para classificação de legenda em programa SIG como o QGIS .qml
Códigos de Legenda para uso no R ou Python | MapBiomas Brasil (30m) - Coleção 11 Arquivo para classificação de legenda em formato CSV - para uso em programas/linguagens diversas, como R e Python .csv
Códigos de legenda | MapBiomas Brasil (30m) - Coleção 11 Descrição detalhada de classes de cobertura e uso da terra por bioma | MapBiomas Brasil (30m) - Coleção 11 Códigos de Legenda para uso no QGIS | MapBiomas Brasil (30m) - Coleção 11 Códigos de Legenda para uso no ArcGIS | MapBiomas Brasil (30m) - Coleção 11 Códigos de Legenda para uso no R ou Python | MapBiomas Brasil (30m) - Coleção 11

O mapeamento anual de áreas urbanizadas é feito com base em imagens Landsat com 30m de resolução e classificação supervisionada utilizando o modelo Random Forest.

ATBD Geral - MapBiomas 30m - Coleção 11 ATBD - Apêndice Áreas Urbanizadas | MapBiomas 30m - Coleção 11
Os documentos descritivos do método são denominados ATBD - sigla em inglês para Algorithm Theoretical Basis Document (Documento de Base Teórica do Algoritmo ) - e descrevem todo o processo de desenvolvimento e produção dos mapas e algoritmos utilizados em cada uma das coleções de mapas e dados do produto Cobertura 30m.

Abaixo apresentamos as principais informações sobre o método.

Legenda visual do mapeamento anual de urbanização — MapBiomas Brasil

Até a Coleção 10, as amostras de treinamento eram geradas automaticamente por meio da criação inicial de uma máscara preliminar de áreas urbanas a partir de vetores de ruas e caminhos do OpenStreetMap, que eram filtrados utilizando imagens de luzes noturnas (NOAA) (Elvidge et al., 2021) e posteriormente refinados com mapas de áreas construídas do GHSL (Corbane et al., 2018) (para 1985) e com os mapeamentos urbanos do Terceiro Inventário Nacional do Brasil (para 1994, 2002 e 2010). As áreas urbanas candidatas eram então definidas por meio da criação de buffers de 100 metros ao redor dos caminhos remanescentes, após o que uma classificação exploratória utilizando NDVI e NDWI mascarava as áreas vegetadas e os corpos d’água. A máscara urbana final resultava da interseção entre essa máscara filtrada baseada no OSM e os resultados da classificação exploratória, enquanto a máscara não urbana era definida como sua diferença simétrica. Posteriormente, pontos aleatórios eram gerados em todos os 522 tiles e classificados utilizando PostGIS, resultando em um grande conjunto de amostras para os anos de 1985, 1994, 2002, 2010 e 2018 — totalizando, por exemplo, aproximadamente 891 mil amostras não urbanas e 533 mil amostras urbanas em 1985, e 972 mil amostras não urbanas e 614 mil amostras urbanas em 2018 (3). Embora essa abordagem tenha sido eficiente para obter as áreas urbanas, o mapeamento da vegetação urbana exigiu outras etapas de processamento para dar continuidade à classificação. Essa abordagem foi utilizada para manter a consistência com as coleções anteriores em relação à classificação das áreas urbanas.

Abordagem simplificada para amostras urbanas e não urbanas

As amostras multiclasses foram obtidas seguindo três etapas básicas: (i) simplificação das classes das coleções do MapBiomas (da Coleção 6 à 10), (ii) identificação de classes estáveis ao longo do tempo e entre as coleções e (iii) criação de amostras aleatórias para cada intervalo de tempo considerado. As classes foram simplificadas com base no Nível 1 da Legenda do MapBiomas, agregadas em vegetação natural, agricultura, água e áreas urbanas (Tabela 1) — não foram consideradas outras áreas não vegetadas.
Um primeiro conjunto de amostras foi baseado em toda a série temporal considerada, de 1985 a 2020. Para considerar novas dinâmicas de uso da terra, novas amostras foram progressivamente adicionadas para os intervalos de 1993 a 2020, 2001 a 2020 e 2009 a 2020. Pontos aleatórios foram gerados e classificados de acordo com a classe simplificada do pixel estável em cada intervalo de tempo. Essas amostras foram então atribuídas a anos específicos de classificação de acordo com seu intervalo de tempo. As classes estáveis até 2020 foram aplicadas à classificação dos anos restantes até 2025. Essa abordagem foi utilizada em conjunto com a abordagem geral para permitir uma classificação com multiprobabilidades no mapeamento da vegetação urbana.

Tabela 1. Simplificação das classes utilizadas para obtenção de amostras para a classificação multiclasses.

Classes Simplificadas Classes Agregadas
Vegetação Natural Floresta, Vegetação Herbácea e Arbustiva
Agricultura Todas as classes de agricultura
Água Todas as classes de água
Áreas Urbanas Áreas Urbanas

Exemplo esquemático das etapas executados para a construção do conjunto amostral de áreas urbanizadas no Brasil:

Variáveis preditoras e etapas do mapeamento de áreas urbanizadas

  • Filtro temporal: A dinâmica urbana costuma apresentar uma transição única e irreversível de não-urbano para urbano ou estados de estabilidade contínua. Respeitando esta dinâmica, o filtro temporal atua sobre a série histórica classificada com o objetivo de preservar os padrões reais de transição, eliminando ruídos ao longo do tempo.

 

  • Filtro espacial: busca reduzir erros de comissão – áreas ‘não-urbano’ classificadas com ‘urbano’ – e melhorar a coerência espacial do mapa.

A classificação de áreas urbanizadas no Brasil utilizou amostras de referência do IBGE, OpenStreetMap, imagens NOAA (luzes noturnas) e mapas GHSL (Global Human Settlement Layer). Filtros espaciais construídos a partir de bases como Google Open Buildings e o índice IRS, reduziram erros de comissão e ruídos.

Todas as bases empregadas no mapeamento anual de áreas urbanizadas estão listadas na tabela a seguir.

Mapas de referência para o mapeamento de áreas urbanizadas

Mapa Fonte Descrição
Favelas e comunidades urbanas 2022 IBGE Esta versão preliminar incorpora atualizações até dezembro de 2019 e é formada por 13 152 Aglomerados Subnormais. Esses aglomerados estão localizados em 734 Municípios, em todos os Estados e no Distrito Federal, e totalizam 5 127 747 domicílios.
Global Human Settlement Layer (GHS-BUILT e GHS_BUILT_S2) European Commission Joint Research Centre (JRC) Uma camada de informação multitemporal sobre a presença de área construída derivada de coleções de imagens Landsat (GLS1975, GLS1990, GLS2000 e coleção Landsat 8 ad-hoc 2013/2014).
Índice de Vias e Estruturas
(IVE)		 Justiniano et.al Apresenta uma nova metodologia facilmente reprodutível para a cartografia urbana. A metodologia permite o processamento combinado de dados OpenStreeMap e de Sensoriamento Remoto, onde é proposta uma métrica denominada índice de vias e estruturas (IVE) para cartografar áreas urbanas. O IVE é utilizado com NDVI e MNDWI para cartografar a superfície urbana com alta precisão, com o ano de referência de 2020.
Malha de Setores Censitários
2021		 IBGE A Malha Setorial de 2021 foi atualizada com vistas à etapa de coleta do Censo Demográfico 2022, contemplando a situação atualizada da Divisão Político‐Administrativa Brasileira – DPA, vigente em 30/04/2021.
OpenStreetMap OpenStreetMap Foundation OpenStreetMap é uma iniciativa para criar e fornecer dados geográficos gratuitos, como mapas de ruas, para qualquer pessoa.
Áreas urbanizadas 2019 IBGE Representação espacial, obtida a partir da interpretação visual de imagens de satélite, do fenômeno urbano, tendo como base o ano de 2019.
Google Open Buildings v3 Sirko et.al Conjunto de dados aberto em larga escala que contém os contornos de edifícios derivados de imagens de satélite de alta resolução.
VIIRS Stray Light Corrected Nighttime Day/Night Band Composites Version 1 NASA Os mapas estão disponíveis para download no formato shapefile.

 

  • Como baixar dados?
    • 1.Acesse: https://plataforma.brasil.mapbiomas.org/
    • 2.Clique na seção ‘Downloads’
    • 3.Selecione o dado e o ano de interesse
    • 4.Baixe o mapa em ‘Suas análises’
    • 5.Baixe as estatísticas a partir da interação com os gráficosTutorial de acesso aos dados de urbanização anual no Google Earth Engine

 

Como usar:
1. Copie e cole o script no Code Editor do GEE: https://code.earthengine.google.com
2. Ajuste as seções marcadas com " << -- EDITE AQUI" conforme sua necessidade.
3. Clique em "Run".

É necessária uma conta para usar o Google Earth Engine. Crie a sua gratuitamente em https://earthengine.google.com/noncommercial/

Os dados de Urbanização anual podem ser acessados no GEE a partir do conjunto de dados do produto Cobertura 30m. Utilize o asset ID da coleção 11 para acessá-los:

projects/mapbiomas-public/assets/brazil/lulc/collection11/mapbiomas_brazil_collection11_coverage_v3

 

Exemplo de acesso e seleção da classe de interesse (24) para um ano da série: visualizar áreas urbanizadas no GEE 
// ═══════════════════════════════════════════════════════════════
// MapBiomas C10 — Áreas urbanizadas | Filtro por classe (24)
// ═══════════════════════════════════════════════════════════════
var ASSET_ID = 'projects/mapbiomas-public/assets/brazil/lulc/collection11/mapbiomas_brazil_collection11_coverage_v3';
var ano = 2025;
var classeUrbano = 24;

var colecao10 = ee.Image(ASSET_ID);

// 1. Seleciona a banda do ano e filtra apenas a classe urbana (resultado: 1 onde urbano, 0 no resto)
var mapaAno = colecao10.select('classification_' + ano).eq(classeUrbano);

// 2. Aplica a máscara — pixels com valor 0 ficam transparentes
var maskUrbano = mapaAno.updateMask(mapaAno);

// 3. Exibe no mapa com cor e rótulo
Map.addLayer(maskUrbano, {palette: ['#d4271e']}, 'Área Urbana 2025');
Abrir no Google Earth Engine

O repositório público do MapBiomas no GitHub apresenta todos os scripts e orientações sobre como executar as etapas de classificação para áreas urbanizadas no Brasil.

GitHub MapBiomas Brasil | Áreas Urbanizadas
ArtigoMatos et al – Accounting for alternation in temporal quality analysis in MapBiomas BrazilMatos et al. · International Journal of Digital Earth · 2025Ler artigoArtigoRocha et al – Mapping Burned Area in the Caatinga Biome: Employing Deep Learning TechniquesRocha et al. · Fire · 2024Ler artigoArtigoFerreira Neto et al – Uncontrolled Illegal Mining and Garimpo in the Brazilian AmazonFerreira Neto et al. · Nature Communications · 2024Ler artigoArtigoRocha et al – Towards Uncovering Three Decades of LULC in the Brazilian Drylands: Caatinga Biome Dynamics (1985–2019)Rocha et al. · Land · 2024Ler artigoArtigoArruda et al – Assessing four decades of fire behavior dynamics in the Cerrado biome (1985 to 2022)Arruda et al. · Fire Ecology · 2024Ler artigoArtigoSouza et al – Landsat sub-pixel land cover dynamics in the Brazilian AmazonSouza et al. · Frontiers in Forests and Global Change · 2023Ler artigoArtigoBaeza et al – Two decades of land cover mapping in the Río de la Plata grassland region: The MapBiomas Pampa initiativeBaeza et al. · Remote Sensing Applications · 2022Ler artigoArtigoAlencar et al – Long-Term Landsat-Based Monthly Burned Area Dataset for the Brazilian Biomes Using Deep LearningAlencar et al. · Remote Sensing · 2022Ler artigoArtigoCoelho-Junior et al – Unmasking the impunity of illegal deforestation in the Brazilian AmazonCoelho-Junior et al. · Environmental Research Letters · 2022Ler artigoArtigoSantos et al – Assessing the Wall-to-Wall Spatial and Qualitative Dynamics of the Brazilian Pasturelands 2010–2018Santos et al. · Remote Sensing · 2022Ler artigoArtigoSouza et al – Reconstructing Three Decades of Land Use and Land Cover Changes in Brazilian Biomes with Landsat Archive and Earth EngineSouza et al. · Remote Sensing · 2020Ler artigoArtigoFendrich et al – Disclosing contrasting scenarios for future land cover in BrazilFendrich et al. · Science of The Total Environment · 2020Ler artigoArtigoNunes et al – Unmasking secondary vegetation dynamics in the Brazilian AmazonNunes et al. · Environmental Research Letters · 2020Ler artigoArtigoSaraiva et al – Automatic Mapping of Center Pivot Irrigation Systems from Satellite Images Using Deep LearningSaraiva et al. · Remote Sensing · 2020Ler artigoArtigoParente et al – Assessing the pasturelands and livestock dynamics in Brazil, from 1985 to 2017Parente et al. · Remote Sensing of Environment · 2019Ler artigoArtigoSouza Jr et al – Long-Term Annual Surface Water Change in the Brazilian Amazon BiomeSouza Jr. et al. · Water · 2019Ler artigoArtigoMas et al – Analysis of High Temporal Resolution Land Use/Land Cover TrajectoriesMas et al. · Land · 2019Ler artigoArtigoParente & Ferreira – Assessing the Spatial and Occupation Dynamics of the Brazilian PasturelandsParente & Ferreira · Remote Sensing · 2018Ler artigoArtigoParente et al – Monitoring the Brazilian pasturelands: A new mapping approach based on the Landsat 8 spectral and temporal domainsParente et al. · International Journal of Applied Earth Observation · 2017Ler artigoArtigoRosa, Marcos R – Comparação e análise de diferentes metodologias de mapeamento da cobertura florestal da Mata AtlânticaRosa, Marcos R. · Boletim Paulista de Geografia · 2017Ler artigo
DestaqueDestaques da Cobertura e Uso da Terra nos Sítios Arqueológicos do BrasilArqueologia · 12/03/2026Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura – Áreas UrbanizadasÁreas Urbanizadas · 04/03/2026Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Agricultura e IrrigaçãoAgricultura · 10 de dezembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma PantanalBiomas · 12 de novembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura – PastagemPastagem · 9 de novembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma CerradoBiomas · 7 de novembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma Mata AtlânticaBiomas · 28 de outubro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma PampaBiomas · 10 de outubro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma CaatingaBiomas · 18 de setembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma AmazôniaBiomas · 16 de setembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra no Brasil – Coleção 10Coleção Anual · 22 de agosto de 2025Ver destaqueDestaqueDestaques do Mapeamento das Pistas de Pouso e Garimpo na AmazôniaAmazônia · 6 de fevereiro de 2023Ver destaque

© 2026 Todos os direitos reservados.