Estrutura de Arquivos Shapefile

O que é um Shapefile?

Shapefile é um formato de arquivo geoespacial vetorial introduzido pela ESRI em 1996 como parte do ArcView GIS 3.x. Apesar do nome, não é um único arquivo, mas um conjunto de arquivos que armazenam geometria, atributos e índices de entidades espaciais (pontos, linhas e polígonos).

Histórico de Criação

• 1996: A ESRI lançou o formato Shapefile para ArcView GIS 3.x, visando um padrão aberto e fácil de manipular para dados vetoriais.
• O formato ganhou ampla adoção em GIS por ser leve, simples e compatível com diversos softwares, incluindo QGIS, gvSIG e bibliotecas como GDAL/OGR.
• Evoluiu com extensões como .shx, .dbf, .prj, .sbn, .sbx, e outros para aumentar funcionalidade e desempenho.

Conjunto de Arquivos de um Shapefile

Um shapefile completo normalmente inclui pelo menos 3 arquivos com o mesmo nome base:

1. .shp (obrigatório)

   • Armazena a geometria das feições em formato binário (pontos, linhas, polígonos), usando coordenadas X/Y (e opcionalmente Z/M).
   • Formato binário com cabeçalho e registros de objeto geométrico.

2. .shx (obrigatório)

   • Índice espacial em formato binário, contém offsets e comprimentos de cada registro em .shp.
   • Permite acesso aleatório eficiente às feições.

3. .dbf (obrigatório)

   • Atributos tabulares de cada feição (como nomes, tipos, valores).
   • Formato dBASE binário (estrutura binária com campos textuais e numéricos legíveis; nomes de campos e dados de texto são armazenados como strings ASCII, facilitando leitura em ferramentas como editores hexadecimais ou bibliotecas GIS).

Arquivos auxiliares opcionais (mas comuns):

1. .prj (recomendado)¹

   • Texto contendo a descrição do sistema de coordenadas em WKT (plain text).
   • Define Datum, projeção e unidades. Permite conversão precisa entre sistemas.

2. .sbn / .sbx (opcionais)

   • Índices espaciais binários usados por ArcGIS para aceleração de consultas espaciais.

3. .cpg (opcional)

   • Texto com codificação de caracteres do .dbf (UTF-8, ISO-8859-1, etc.).

4. .qix / .idx (opcionais)

   • Índices espaciais usados por bibliotecas como GDAL/OGR.

Como os arquivos se conectam e se complementam

• .shp contém a geometria primária; cada registro geométrico tem um ID de registro.
• .shx contém o índice para encontrar rapidamente o offset de cada registro no .shp. Sem .shx, o shapefile pode ser lido, mas o desempenho cai drasticamente.
• .dbf contém a tabela de atributos com um número de registros igual ao número de feições geométricas em .shp. A correspondência é feita pela ordem dos registros (linha N no .dbf corresponde à feição N no .shp).
• .prj define o sistema de referência espacial do .shp; sem ele, o software não sabe a projeção e o datum, o que pode comprometer a integração com outros dados.
• Arquivos de índice adicionais (.sbn, .sbx, .qix) aumentam o desempenho de consultas espaciais, mas a estrutura básica do dado permanece em .shp + .shx + .dbf.

Formato: Plain Text x Binário

• Plain text:
• .prj: WKT textual do CRS

• .cpg: Nome da codificação de caracteres (opcional)

• Binário:

• .shp: Geometria vetorial (obrigatório)
• .shx: Índice de geometria (obrigatório)
• .dbf: Atributos (obrigatório, dBASE binary)
• .sbn / .sbx: Índice espacial ArcGIS (opcional)
• .qix / .idx: Índice espacial GDAL/OGR (opcional)

Observações

• Para garantir integridade, sempre mantenha o mesmo nome base (antes da extensão) para todos os arquivos.
• Arquivos adicionais como .xml (metadados) podem também acompanhar o shapefile para documentação.
• O formato é amplamente compatível, mas tem limitações:
• tamanho máximo de arquivo (~2 GB em algumas implementações);
• nomes de campos limitados (até 10 caracteres em dBASE III/IV, 254 em DBF64/Excel);
• alcance de tipos de dados restrito em .dbf: suporte nativo para números, texto, data e lógic, mas sem tipos modernos como datetime com hora, hora, timestamp, JSON, geometria complexa (multipoligonal, multilinhas com atributos avançados), etc.;
• precisão numérica limitada: valores numéricos em .dbf podem perder precisão (geralmente até 15 dígitos significativos) e podem ser truncados em conversões entre diferentes softwares.