Pipeline Distribuído para Análise Espacial em Larga Escala: Avaliação da Regra 3 do Índice 3-30-300 em Fortaleza com Apache Spark e Sedona

A aplicação de operações espaciais em grandes conjuntos de dados enfrenta limitações nas ferramentas tradicionais de geoprocessamento e em bibliotecas como Geopandas. Este trabalho apresenta um pipeline distribuído baseado em Apache Spark e Sedona para analisar dados geolocalizados de edificações e arborização, em Fortaleza, CE, identificando residências com visibilidade mínima de 3 árvores em 30 metros. O processamento em batches, a indexação espacial e a persistência estruturada permitiram superar gargalos do Python. Apresenta-se uma documentação detalhada de código modular que permite rastrear scripts e replicá-los em outras cidades para efetuar operações geométricas e espaciais em larga escala.