Como fazer mapas de densidade demográfica do jeito que funciona na prática
A maioria das pessoas que tenta construir um mapa de densidade populacional pela primeira vez começa com o QGIS, baixa uma base do IBGE e espera que o resultado seja útil. O que acontece na realidade é bem diferente. O mapa fica bonito visualmente, mas as interpretações que você tira dele frequentemente levam a decisões erradas. Já passei por isso em vários projetos de planejamento urbano e também em análises mais simples para prefeituras pequenas que precisam tomar decisões de alocação de recursos. O conceito básico de mapas de densidade demografica é simples demais quando explicado em curso introdutório. Densidade populacional não é apenas dividir habitantes por área. O problema é que a área que você escolhe define completamente o que o mapa está mostrando. Se você usar setores censitários, o mapa vai refletir a organização administrativa. Se usar grades regulares, reflete uma abstração geométrica que não corresponde a nenhuma unidade real de vida das pessoas.
Mapas de densidade demografica: fontes de dados que realmente funcionam
Para o Brasil, a fonte primária é sempre o Censo Demográfico do IBGE, disponível em https://www.ibge.gov.br/estatisticas/sociais/populacao.html. Os setores censitários são a unidade mais granular que eles oferecem gratuitamente, com informações sobre quantidade de moradores, densidade calculada e até dados socioeconômicos. O download dos shapefiles ou GeoJSONs é direto pelo site do IBGE Geociências, disponível em https://geoftp.ibge.gov.br/organizacao_do_territorio/malhas_territoriais. Existem camadas complementares úteis. A malha municipal do IBGE serve para contextualizar resultados dentro de municípios. Dados do SIDRA do IBGE oferecem séries temporais para analisar como a densidade mudou ao longo dos anos. Para aplicações mais específicas, como saúde pública ou transporte, o DATASUS e o IBGE também oferecem bases setoriais que podem ser cruzadas com a densidade populacional.
O problema é que dados agregados em setores censitários têm uma limitação séria chamada problema da unidade modificável. Dois mapas construídos com a mesma informação demográfica, mas com divisões territoriais diferentes, podem mostrar padrões visualmente opostos. Isso não é um erro técnico. É uma propriedade matemática que poucos levam a sério na prática.
Construindo o mapa passo a passo no QGIS
Vamos direto ao processo. Abra o QGIS e carregue o shapefile de setores censitários do município que você precisa. O arquivo geralmente vem compactado com múltiplas extensões. O arquivo principal tem extensão .shp. Basta arrastar para o canvas ou usar Camada > Adicionar Camada > Adicionar Camada Vetorial. Depois de carregar os setores, abra a tabela de atributos. Procure os campos que contêm a população. No censo 2010 eram POEMA e POEMA_TOTAL. No censo 2022, os nomes dos campos mudaram para PV00538 e variáveis similares, pois o IBGE atualiza a nomenclatura a cada levantamento. Verifique sempre qual ano a sua base representa antes de prosseguir.
O passo seguinte é criar um campo calculado para densidade. Vá em Camada > propriedades > campo, ou use a Calculadora de campos. A fórmula básica é o campo de população dividido pela área. Mas aqui está o detalhe que quase todo mundo erra. O campo de área do shapefile pode estar em metros quadrados, quilômetros quadrados ou em graus se o sistema de referência estiver errado. Verifique a projeção da camada com Camada > Propriedades > Sistema de Referência de Coordenadas. Use um projeto com projeção equivalente como o SAD69 / UTM zona correta ou o SIRGAS2000 / UTM zona correspondente. Somente assim a área será calculada corretamente em metros quadrados. A fórmula ficaria algo como POEMA / (area_m2 / 10000) para obter habitantes por quilômetro quadrado. Crie o campo, aplique e feche. O próximo passo é aplicar um estilo de cores. Clique direito na camada > propriedades > simbologia. Escolha Gradiente, variável Qualitativo/Cor, e no campo Valores defina o campo de densidade que você acabou de criar. Uma paleta vir para mais escuro funciona bem para densidades urbanas. Classifique em quartis ou queisles para evitar que áreas extremamente densas compram todas as faixas e o mapa fique todo da mesma cor.
👉 Clique no botão abaixo para saber mais sobre o assunto!
O problema que eu encontrei e a solução que funcione
Num projeto para uma região metropolitana, construí mapas de densidade demografica com setores censitários normais. O resultado parecia correto em termos absolutos, mas quando comparei com dados de uso do solo e infraestrutura, várias áreas apareciam com densidades altíssimas que não faziam sentido prático. Setores que continham grandes reservas ambientais, corpos d'água e áreas industriais abandonadas estavam sendo tratados como se toda aquela área fosse habitável. A solução foi criar um peso de área habitável. Eu cruzei os setores censitários com a camada de uso e cobertura do solo do MapBiomas, identifiquei as classes que realmente abrigam população residencial, calculei a fração de área habitável dentro de cada setor e dividi a população por essa fração em vez da área total. O mapa resultante mostrou padrões muito mais precisos para planejamento de serviços públicos. Levei cerca de duas horas fazendo esse cruzamento no primeiro projeto. Depois automatizei com um script Python no próprio QGIS e o processo passou a levar uns quinze minutos.
Outro problema recorrente é a disseminação. Quando você transforma setores em densidade por grade regular, pontos isolados com população muito alta distorcem toda a escala de cores. A solução prática é usar uma transformação logarítmica na palette de cores ou aplicar um suavizador Kernel Density do QGIS, mas com raio ajustado manualmente para o contexto da sua área de estudo. Não existe raio universal. Para bairros densos de São Paulo, algo entre 500 e 800 metros funciona. Para áreas rurais, o raio precisa ser bem maior, senão o mapa vira ruído.
O que mapas de densidade demografica escondem
O efeito mais perigoso é o que os estatísticos chamam de ecological fallacy. Um setor com densidade média de 5 mil habitantes por km² pode esconder uma favela com 50 mil e um parque enorme com zero habitantes. O número médio não diz nada sobre a distribuição real. Quem usa esses mapas para alocar escolas, postos de saúde ou rotas de coleta de lixo precisa entender essa diferença. Um mapeamento por grade fina ou por aglomerados populacionais é mais confiável para esse tipo de decisão, embora seja mais trabalhoso de produzir. Outra armadilha comum é confundir densidade com pressão demográfica. Densidade alta em uma área com infraestrutura completa é um problema diferente de densidade alta em área sem saneamento. O mapa mostra o primeiro número, não o segundo. Se o seu objetivo é análise de vulnerabilidade, o mapa de densidade precisa ser cruzado com indicadores de saneamento, oferta de serviços e vulnerabilidade social. Só aí ele deixa de ser uma imagem bonita e passa a ser uma ferramenta de decisão.
Há ainda o problema temporal. O último censo completo do IBGE com detalhes por setor foi 2010. O censo 2022 está sendo processado e os dados setoriais começam a sair, mas muitos municípios pequenos ainda não têm tudo disponível. Para projetos que precisam de dados recentes, a estimativa do IBGE com bases em pesquisa domiciliar e cadastro único costuma ser o melhor substituto, mas ela carrega margem de erro que você precisa declarar explicitamente em qualquer relatório.
Ferramentas alternativas quando o QGIS não basta
Para quem precisa de interatividade rápida, o Google Earth Engine permite gerar mapas de densidade a partir de dados do IBGE em linha de comando, sem baixar arquivos pesados. A desvantagem é que você precisa saber Python ou JavaScript e a customização de estilos fica mais limitada. Para análise exploratória simples, o R com as bibliotecas sf e tmap é mais flexível. O código para carregar setores, calcular densidade e gerar mapa toma menos de dez linhas e permite repetição exata dos resultados, algo que o QGIS não oferece nativamente. Se você quer publicar os mapas em plataformas web, o GeoServer ou o QGIS com o plugin qgis2web geram tiles que podem ser incorporados diretamente. A limitação aqui é performance. Mapas com milhões de setores censitários travam visualizadores web simples. Nesse caso, agregar para regiões maiores ou pré-renderizar tiles em baixa resolução resolve, mas isso sacrifica detalhes que podem ser importantes para análises locais.
A decisão final sobre qual ferramenta usar depende de três coisas: o nível de detalhe que seu projeto exige, o prazo disponível e quem vai interpretar o resultado. Para relatórios técnicos internos, o QGIS com os passos descritos acima resolve em uma tarde. Para publicações acadêmicas ou dashboards que precisam ser replicáveis, invista no R ou no Google Earth Engine. Para mapas rápidos sem compromisso de precisão, qualquer ferramenta online que aceite shapefiles do IBGE funciona, desde que você entenda as limitações que citei.
