sigmine‑rag‑insights automatiza a análise de processos minerários do SIGMINE.
Ele lê o shapefile completo, calcula áreas, prioriza os maiores processos e executa um fluxo RAG (Retrieval-Augmented Generation) que busca evidências na web e gera relatórios markdown e CSV — tudo pronto para jornalismo investigativo e fiscalização ambiental.

---

sumário

1. Visão geral
2. Instalação
3. Estrutura de pastas
4. Como usar
5. Saídas geradas
6. Notebook Colab
7. Fontes de dados abertas
8. Fluxo do processo
9. Limitações & ética
10. Créditos

---

visão geral

Scripts apresentados no Domingo de Dados 2025 na atividade Investigando dados ambientais: compliance e anticorrupção, que apresentou o estudo "Dados Abertos e Combate a Crimes Ambientais" (Transparência Internacional Brasil, Abraji e ICV como autores)

Veja os slides da apresentação

E neste repositório dentro da pasta prompts_orientacoes existem dois documentos que oferecem, de forma integrada, um guia prático com 10 orientações e exemplos de investigações para jornalistas usarem dados ambientais abertos, além de um conjunto de prompts e boas práticas de IA (RAG, LLMs e Google Colab) que amplificam análises minerárias, fundiárias e de compliance, garantindo rigor metodológico, eficiência técnica e respeito ético.

Sobre o projeto

O SIGMINE, cadastro oficial da Agência Nacional de Mineração, lista 255 230 processos que cobrem cerca de 218 milhões de hectares em todo o Brasil (downloads feitos 1o. de julho de 2025).
Este repositório oferece:

• Geoprocessamento: reprojeta o shapefile (EPSG 5880), calcula área e seleciona os top‑10 processos por extensão.
• Busca contextual (RAG): consulta Google Custom Search (ou DuckDuckGo como fallback) com dorks temáticos, salva documentos no ChromaDB e usa Gemini 2.5 Pro via LangChain para resumir e citar fontes.
• Relatórios automáticos: gera um markdown (relatorio_sigmine_contexto.md) e dois CSV (analise_sigmine_resultados.csv, descobertas_impactos_detalhadas.csv).

Ideal para jornalistas, órgãos de controle, ONGs e pesquisadores que precisam identificar impactos socioambientais, titulares reincidentes e sobreposições críticas (TI, UC, CAR).

---

instalação

git clone https://github.com/<seu_usuario>/sigmine-rag-insights.git
cd sigmine-rag-insights
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt

Copie o shapefile SIGMINE (BRASIL.shp e arquivos auxiliares) para data/BRASIL/.
Crie um arquivo .env com suas chaves (opcional):

GOOGLE_API_KEY=YOUR_API_KEY
GOOGLE_CSE_ID=YOUR_CSE_ID

Sem chaves, o script usa DuckDuckGo automaticamente.

---

estrutura de pastas

sigmine-rag-insights/
│
├─ main.py               # pipeline principal
├─ analisa_sigmine.ipynb # notebook Colab complementar
├─ requirements.txt
├─ data/
│   └─ BRASIL/BRASIL.shp # shapefile SIGMINE (baixar da ANM)
└─ output/               # relatórios e csvs gerados (criado em runtime)

---

como usar

python main.py

Variáveis no topo de main.py permitem alterar o caminho do shapefile, a pasta de saída e o nome do relatório.

---

saídas geradas

arquivo	descrição
relatorio_sigmine_contexto.md	resumo dos 10 maiores processos, titulares e impactos citados
analise_sigmine_resultados.csv	métricas linha‑a‑linha por processo (área, # fontes, links)
descobertas_impactos_detalhadas.csv	todas as evidências coletadas com URL, trecho e query

---

notebook colab

Abra analisa_sigmine.ipynb no Google Colab para análises avançadas:

• Carrega todo o micro‑dado (255 230 processos).
• Oferece filtros dinâmicos por substância, status e UF.
• Demonstra estudo de caso 803.237/2022 com múltiplos responsáveis e 6 municípios afetados.
• Gera estatísticas: histogramas de área, top titulares, heatmap Brasil.

---

fontes de dados abertas

dataset	descrição	link
SIGMINE	Metadados e shapefile oficial de processos minerários ativos no Brasil	https://dados.gov.br/dados/conjuntos-dados/sistema-de-informacoes-geograficas-da-mineracao-
Cadastro Mineiro (SCM)	Cadastro de requerentes e microdados detalhados dos processos	https://dados.gov.br/dados/conjuntos-dados/sistema-de-cadastro-mineiro
Microdados SCM	Download direto dos microdados CSV	https://app.anm.gov.br/dadosabertos/SCM/microdados/
Municípios do Brasil – IBGE	Tabela CSV com IBGE ID, nome, UF e geocódigo de todos os municípios brasileiros	https://raw.githubusercontent.com/kelvins/municipios-brasileiros/master/csv/municipios.csv

---

fluxo do processo

flowchart TD
    A[Shapefile SIGMINE] -->|GeoPandas| B[Top‑10 processos]
    B --> C[Google / DuckDuckGo]
    C --> D[Documentos brutos]
    D -->|Embeddings| E[ChromaDB]
    E -->|Gemini 2.5 Pro| F[Resposta c/ fontes]
    F --> G[Relatório MD & CSVs]

Loading

---

limitações e ética

• Ausência de resultados na busca não significa falta de impacto — confirme em campo.
• A mensagem no relatório "Nenhum impacto socioambiental significativo foi identificado nas fontes consultadas" deve ser vista com cautela - o script atual considera apenas casos muito graves como significativo, mas isso precisa ser checado no CSV.
• Refaça as buscas você mesmo a partir do conteúdo da coluna "query_busca" do CSV para ter certeza se são relavantes ou não - cheque tudo!
• O resultado de uma busca na internet pode variar de acordo com dia, mês, ano, da busca.
• Cotas gratuitas da Google CSE são limitadas; ao estourá‑las, a qualidade de busca pode cair.
• Modelos generativos podem conter erros factuais; confirme URLs antes de publicar.
• Envolva comunidades afetadas antes de divulgar denúncias baseadas nesta ferramenta.

---

créditos

• Reinaldo Chaves – reichaves@gmail.com
• Dados SIGMINE – Agência Nacional de Mineração.
• Cadastro Mineiro SCM – ANM.
• Municípios IBGE – repositório kelvins/municipios-brasileiros.
• PRODES/DETER – INPE TerraBrasilis.
• README usa Shields.io e Mermaid nativo do GitHub.

“Dados públicos + IA == jornalismo ambiental mais poderoso.”
Contribuições são bem‑vindas!