Brazil GIS data
＋ Follow new data418 datasets.
aircraft imagery by Esdras de Lima Andrade, acquired 2025-08-16 to 2025-08-16, 250.0 cm per pixel, published on OpenAerialMap.
uav imagery by Gabriel Mancilla, acquired 2025-09-01 to 2025-09-01, 2.8 cm per pixel, published on OpenAerialMap.
uav imagery by GJS CONSULTORIA E PROJETOS, acquired 2025-10-03 to 2025-10-03, 9.4 cm per pixel, published on OpenAerialMap.
uav imagery by Gabriel Mancilla, acquired 2025-12-17 to 2025-12-17, 3.6 cm per pixel, published on OpenAerialMap.
Frequência de atualização: Mensal (por motivos ligados à limpreza da base de dados bruta do ITBI, a partir de junho de 2026 os dados desta tabela não contém os registros do último mês). Foram considerados o número total de transações no ano, para as Naturezas de Compra e Venda e de Promessa de Compra e venda, as médias de área territorial, as médias de percentual do imóvel transacionado, a média do valor da transação e a média dos valores totais do imóvel, apurado pela relação entre o percentual transacionado e o valor da transação. Não estão contabilizadas as demais Naturezas de Transações, não tendo esta tabela o total de Transações imobiliárias. Porém este total perfaz valor acima de 95% do total das Transações.
Retirement Notice: This item is in mature support as of September 2025 and will retire in December 2027. A new version of this item is available for your use. Esri recommends updating your maps and apps to use the new version. Brazil Municipio Boundaries provides a 2021 boundary with a total population count. The layer is designed to be used for mapping and analysis. It can be enriched with additional attributes using data enrichment tools in ArcGIS Online. The 2021 boundaries are provided by Michael Bauer Research GmbH. They are sourced from 2013 Instituto Brasileiro de Geografia e Estatistica. These were published in October 2022. A new layer will be published in 18 months. Other administrative boundaries for this country are also available: Country Unidade Distrito Subdistrito Sectore
aircraft imagery by Esteio, acquired 2025-08-21 to 2025-08-21, 75.5 cm per pixel, published on OpenAerialMap.
uav imagery by Gabriel Mancilla, acquired 2026-03-08 to 2026-03-08, 5.0 cm per pixel, published on OpenAerialMap.
uav imagery by GJS CONSULTORIA E PROJETOS, acquired 2026-03-10 to 2026-03-10, 9.4 cm per pixel, published on OpenAerialMap.
uav imagery by GJS CONSULTORIA E PROJETOS, acquired 2025-12-19 to 2025-12-19, 9.4 cm per pixel, published on OpenAerialMap.
Visão geral Este serviço de feições reúne dados do Índice de Desenvolvimento Social por setor censitário para o ano de 2000, com abrangência no município do Rio de Janeiro. A camada apresenta a distribuição territorial de indicadores sociais e demográficos em uma base espacial de setores, apoiando análises de desigualdade socioespacial e caracterização de áreas urbanas. Camada IDS 2000 por Setor: camada poligonal com atributos de identificação do setor e informações associadas ao índice social, incluindo população residente, composição por sexo, número de domicílios e componentes temáticos ligados a saneamento, escolaridade e renda. Aplicações Análise da distribuição espacial de condições sociais no território. Mapeamento de padrões urbanos e comparação entre setores censitários. Suporte a estudos de planejamento urbano, políticas públicas e diagnóstico territorial.
Dates of Images: Post-Event: 5/8/2024; 5/15/2024 Pre-Event: 4/6/2024; 4/21/2024 Date of Next Image: Unknown Summary: Normalized Differential Vegetation Index (NDVI) maps are produced by converting pixel values to NDVI = (Red – NIR)/(Red + NIR), NIR indicates the near infrared band. The dynamically generated Normalized Difference Vegetation Index (NDVI) layer is an index for quantifying green vegetation. It reflects the state of vegetation health based on how vegetation reflects light at certain wavelengths. NDVI change was created by subtracting the cloud-masked post-event NDVI from the cloud-masked pre-event NDVI to show areas of potentially impacted vegetation as negative values (darker shades) and healthy/unimpacted vegetation in positive values (lighter shades). NDVI change can give insights to impacts from an event (like the scouring of vegetation from the riverbeds) but can also show changes in unrelated areas like the clearing of agriculture fields. This layer is a binary NDVI change polygon (threshold of areas where NDVI decreased by -0.25 or more) for September 19, 2018 as compared to August 9, 2018. Suggested Use: NDVI change: Commonly used to distinguish healthy/active vegetation (positive values) from potentially unhealthy/impacted vegetation (negative values). This map shows a binary flag where NDVI decreased. Satellite/Sensor: Landsat Resolution: 3 meters Credits: NASA/MSFC, USGS Esri REST Endpoint: See URL section on right side of page
uav imagery by Gabriel Mancilla, acquired 2026-02-28 to 2026-02-28, 4.7 cm per pixel, published on OpenAerialMap.