O básico antes de qualquer coisa
Anamorfose geográfica, no fundo, é uma técnica cartográfica que distorce o tamanho dos territórios com base em uma variável quantitativa — população, PIB, incidência de uma doença, número de votos. O mapa deixa de refletir a área real em quilômetros quadrados e passa a representar a magnitude do dado escolhido. Municípios pequenos mas populosos ganham espaço. Estados vastos mas vazios encolhem. A palavra vem do grego anamorphosis, que significa "reforma" ou "transformação". Na prática, é exatamente isso: você reforma a geometria do mapa para que a informação numérica se torne visível a olho nu.
O que é anamorfose geográfica: definição técnica
Tecnicamente, trata-se de um cartograma contínuo, também chamado de anamorfose por área. Diferente dos coropléticos tradicionais, que mantêm as fronteiras originais e apenas mudam a cor dos polígonos, na anamorfose a própria geometria do polígono é recalculada. O resultado é um mapa irreconhecível do ponto de vista espacial convencional, mas extremamente informativo do ponto de vista temático. O algoritmo padrão funciona assim: você define uma unidade territorial (município, estado, país) e um valor numérico associado a cada unidade. O sistema calcula a proporção entre o valor real de cada unidade e o valor total, aplica essa proporção à área, e depois gera uma nova malha vetorial que preserva a vizinhança — ou seja, municípios que eram adjacentes continuam adjacentes, ainda que com formas completamente distorcidas.
Na prática, eu trabalho principalmente com Python usando as bibliotecas cartodist, GeoPandas e matplotlib. O fluxo básico leva de 10 a 15 minutos para conjuntos de dados moderados (até 5 mil unidades), desde que os shapefiles estejam limpos. O gargalo quase sempre é a preparação dos dados, não o algoritmo em si. Aqui vai o problema que todo mundo encontra na primeira vez e que poucas pessoas mencionam nos tutoriais: polígonos que se sobrepõem após a distorção. Quando você aplica a anamorfose em municípios brasileiros com dados populacionais altos para capitais regionais, os polígonos acabam invadindo o território dos vizinhos. O resultado visual fica inutilizável.
A solução que eu uso e recomendo é o seguinte workaround: antes de rodar o algoritmo de distorção, faça uma buffer de recuo nos polígonos originais — algo como 500 metros para escalas urbanas, 2 quilômetros para escalas estaduais. Isso cria uma zona de amortecimento que o algoritmo respeita durante a transformação. Depois da distorção aplicada, remova o buffer e refaça as interseções. O tempo extra é de cerca de 3 a 5 minutos, mas evita horas de ajuste manual. Outro detalhe que ninguém avisa: a projeção cartográfica importa. Se você tentar aplicar anamorfose em dados projetados em Mercator sem converter para uma projeção equivalente (como a cônica conforme de Lambert ou a estereográfica polar), as áreas vão distorcer antes mesmo do algoritmo rodar. Sempre converta para uma projeção que preserve áreas antes de qualquer processamento. Isso reduce significativamente a margem de erro e economiza tempo de depuração.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Para quem quer começar, existem algumas opções de software: QGIS com plugin Cartogram: gratuito, interface visual, boa para quem está começando. Aceita shapefiles e CSVs. O tempo médio para gerar uma anamorfose de estados brasileiros com população é de uns 8 minutos em uma máquina padrão.
Python (cartodist + geopandas): mais flexível, permite controle fino dos parâmetros de suavização, peso dos vértices e tratamento de sobreposições. Recomendo esta abordagem para produção. R (pacote cartogram): excelente se você já trabalha no ecossistema tidyverse. A sintaxe é mais enxuta que Python para casos simples, mas perde flexibilidade em manipulações avançadas.
Há ainda a opção Raw Graphs (web) e o GDAL via linha de comando, mas ambos têm limitações sérias para mapas complexos com milhares de unidades. Vou ser direto sobre as limitações, porque isso que diferencia um mapa bem feito de um que engana o leitor: a anamorfose geográfica não serve para tudo. Se o seu dado tem alta variância espacial — por exemplo, densidade populacional em regiões com aglomerações pontuais dentro de territórios vastos — o mapa vai criar ilhas distorcidas que não representam a distribuição real. Neste caso, o ideal é combinar com pontos ponderados ou usar uma grade regular em vez de polígonos administrativos.
Também não recomendo anamorfose para dados que variam ao longo do tempo. Gerar séries temporais de cartogramas exige reprojetar cada frame do zero, e a inconsistência visual entre quadros gera mais confusão do que clareza. Se precisa mostrar evolução temporal, use animações com coropléticos tradicionais sobrepostos ou gráficos de barras ordenados por território. O erro mais comum que eu vejo em publicações é a falta de legenda clara indicando a variável mapeada. Um anamorfos de PIB por habitante parece idêntico a um de densidade demográfica para quem não lê o título. Sempre coloque a variável e a unidade no título do mapa, e inclua uma escala cromática se estiver usando cores além da distorção geométrica.
Se quiser testar agora mesmo com dados reais, baixe o arquivo de municípios do IBGE (disponível em https://geoftp.ibge.gov.br/organizacao_do_territorio/malhas_territoriais), junte com a última estimação populacional do mesmo instituto, e rode o script em Python. O resultado leva menos de 20 minutos do início ao mapa pronto, incluindo a limpeza dos dados.
