Um País Inteiro em Voxels: Pipeline de Dados Geoespaciais

Em algum lugar do portal de dados abertos do governo suíço existe um heightmap da face norte do Eiger, amostrado com detalhe suficiente para dar para sentir a rocha. Um desenvolvedor alimentou arquivos como esse em um pipeline de voxels e lançou o resultado como produto jogável: a Suíça inteira como um mundo 1:1 no Minecraft, onde cada bloco equivale a um metro e o Matterhorn tem exatamente a altura e a inclinação do original. O download tem 24 GB compactados, e a região gratuita de amostra sozinha cobre cerca de 2.400 km². A engenharia por trás — tiling, níveis de detalhe, geração preguiçosa — é uma aula de como mover conjuntos de dados espaciais enormes sem que tudo pegue fogo.

O Problema: Um País em Voxels Não Cabe na Memória

Vamos fazer a conta juntos. A Suíça tem 41.285 km². Com um bloco por metro quadrado, são 41,3 bilhões de colunas de superfície antes de você cavar um único buraco. Dê a cada coluna uma profundidade modesta de 100 blocos — pedra, terra, leito de lago — e você chega a quatro trilhões de blocos. Mesmo com um byte por bloco, são quatro terabytes de geometria bruta. Ainda assim, o mundo final é um download de 24 GB, o que mostra algo importante: quase nada dessa geometria é armazenado como geometria. Ela é armazenada como uma receita.

O eixo vertical também quebra tudo. O Minecraft original limita o mundo a 384 blocos de altura. A Suíça vai de 193 m acima do nível do mar, no Lago Maggiore, até 4.634 m no Dufourspitze — um vão de 4.441 m, mais de onze vezes o limite original, antes de alguém cavar uma mina. Por isso o mundo precisa do Cubic Chunks, um mod que substitui o armazenamento em colunas do Minecraft por cubos de 16×16×16 empilhados na altura necessária. Esse mod só roda de forma estável no Minecraft Java 1.12.2, e é por isso que um projeto lançado hoje fixa uma versão do jogo de anos atrás.

A memória é a terceira parede. Construir blocos a partir dos dados de origem na primeira vez que um jogador visita uma área consome muito processamento: o projeto pede no mínimo 16 GB de RAM e é testado em máquinas como um Ryzen 7 7800X3D com 32 GB. Quem já lutou com orçamentos de streaming em jogos ou em GIS vai reconhecer a forma do problema. É a mesma triagem que você faz quando sua GPU fica sem VRAM — você não consegue segurar tudo, então fica muito bom em decidir o que segurar agora.

Primeira Tentativa Falha: Gerar o Mundo Inteiro de Antemão

A abordagem óbvia é um grande job offline: ler os dados geográficos, emitir os arquivos de região do Minecraft — o formato Anvil guarda o mundo em regiões de 512×512 blocos —, compactar o resultado e distribuir. A Dinamarca fez algo parecido em 2014, quando a agência de geodados dinamarquesa liberou o país inteiro como um mapa do Minecraft. Foi uma demonstração marcante de dados abertos e provou que um mapa do tamanho de um país era possível. Então, por que não fazer assim?

Porque pré-gerar tem custos estruturais que crescem com a ambição. Cada bloco de cada região precisa ser gerado, gravado e compactado antes de alguém jogar, o que transforma cada atualização de dados em uma reconstrução completa mais um novo envio de dezenas de gigabytes. Cada jogador baixa montanhas de terreno que nunca vai visitar — e a maior parte dos 41.000 km² nunca será visitada por ninguém. Pior ainda: um mundo pré-gerado congela no snapshot dos dados no momento em que você publica. É um artefato de escrita única. Ele não melhora a menos que você regenere e redistribua tudo, e seus usuários baixam o planeta de novo.

Segunda Tentativa Falha: Um Heightmap, Uma Resolução

A segunda tentação é a normalização: converter todas as entradas em um único raster global com uma única resolução, para que o pipeline tenha exatamente um caminho de código. Dentro da Suíça você tem o swissALTI3D, um modelo de terreno de alta resolução. Além da fronteira, há o Copernicus GLO-30 DEM — um ponto de elevação a cada 30 metros. Reduzir tudo para 30 m por uniformidade transforma a face norte do Eiger em um monte de areia em degraus. Aumentar tudo para a resolução mais fina disponível faz o armazenamento e o processamento explodirem, enquanto as regiões de fronteira continuam sem dados reais — você apenas amostrou a sua ignorância.

A heterogeneidade afeta a semântica tanto quanto a elevação. O swissBUILDINGS3D cobre a Suíça, então o gerador pode erguer prédios de voxels simplificados sobre pegadas reais — mas só dentro do país. Cruzando a fronteira perto de Genebra, não existe camada de construções, então o pipeline faz o único fallback sensato: planta árvores onde deveriam estar as casas. A água precisa de uma fonte própria (o swissBATHY3D para os fundos de lagos), assim como as geleiras, as florestas e os vinhedos. Não existe um único arquivo de entrada. Em geodados, nunca existe.

A lição vai muito além do Minecraft: a resolução é um metadado por tile, não uma constante global. Um pipeline que assume entradas uniformes ou desperdiça fidelidade ou inventa fidelidade — e a fidelidade inventada é pior que a granularidade honesta, porque ninguém consegue perceber a diferença por dentro.

O Que Funciona de Verdade: Um Pipeline em Tiles com Geração Preguiçosa

O projeto suíço funciona porque inverte o instinto de gerar tudo. Você não baixa um mundo pronto; baixa um pacote de mundo — geodados pré-processados mais um gerador customizado — e o jogo constrói os blocos na primeira vez que você visita um lugar. Uma primeira visita a uma área nova leva alguns minutos de processamento; depois disso, ela vira chunks em cache como qualquer outro mundo do Minecraft. O custo de computação é pago por visita, em vez de antecipadamente, e você nunca gera terreno que ninguém pisa. O tile é a unidade de tudo: armazenamento, cache, geração e falhas.

O tiling é ancorado no LV95, o sistema oficial de coordenadas de levantamento da Suíça. Cada tile registra quais datasets o cobrem e em qual resolução, e converter coordenadas de levantamento em coordenadas de blocos é uma transformação afim pura. O projeto até publica a fórmula, para que você pegue coordenadas no visualizador de mapas nacional e se teletransporte para o ponto correspondente no jogo:

def lv95_to_block(east: float, north: float, height: float) -> tuple[int, int, int]:
"""Convert Swiss LV95 survey coordinates to Minecraft block coordinates."""
x = int(east - 2_480_000)   # strip the LV95 easting offset
z = int(1_300_000 - north)  # Minecraft's z axis grows southward
y = int(height)             # one block = one meter above sea level
return x, y, z
# The summit of the Jungfrau, 4,158 m:
print(lv95_to_block(2_640_188, 1_154_072, 4158))
# -> (160188, 4158, 145928)
# x and z match the in-game teleport command exactly; the game just
# drops you a few meters higher so you land on the summit, not in it.

Sobre a grade em tiles, a geração é uma pilha de camadas avaliada coluna por coluna. A altura base vem do swissALTI3D. A cobertura da superfície — água, floresta, estradas, linhas férreas, barragens, barreiras contra avalanches — vem do swissTLM3D. Os fundos de lagos vêm do swissBATHY3D, as alturas das árvores do swissSURFACE3D, os contornos das geleiras dos inventários da GLAMOS desde 1850, e a espessura do gelo de um dataset da ETH Zürich, então a geleira de Aletsch é realmente gelo esculpido, e não uma textura branca estendida sobre a rocha. Prados, detritos e vinhedos vêm do mapa federal de habitats; até as árvores de rua de Zürich vêm do cadastro de árvores da própria cidade. Ao todo, são cerca de quinze datasets abertos, todos livres para uso — a swisstopo abriu seus dados, inclusive para uso comercial, em 2021.

Um mundo de voxels não é uma foto do terreno. É um cache de milhões de pequenas decisões que o seu pipeline tomou, uma por metro quadrado — e a qualidade do mundo é exatamente a qualidade dessas decisões.

Níveis de Detalhe São um Problema de Dados, Não um Truque de Renderização

A distância de renderização padrão do Minecraft mostra algumas centenas de metros. As capturas do projeto mostram a geleira de Aletsch se curvando por quilômetros — essa visão distante ("Fernsicht") é uma representação separada, de fidelidade reduzida, que o jogo constrói uma vez no primeiro início. É um nível de detalhe clássico, mas a decisão importante é onde o LOD vive: ele é calculado a partir dos dados de origem na ingestão, e não improvisado pelo renderizador em tempo real.

Se você já construiu pirâmides de tiles de mapa, conhece a matemática. Cada nível de zoom reduz a resolução pela metade nos dois eixos, então uma pirâmide completa custa 1 + 1/4 + 1/16 + … ≈ 4/3 da camada base — um custo extra de 33% de armazenamento em troca de um comportamento suave em todas as escalas. O LOD de terreno em voxels é a mesma pirâmide posta de pé: o terreno distante é o nível de zoom grosseiro, o terreno próximo é o fino, e a verdadeira arte está em escolher um esquema de chaves que permita buscar a célula certa rapidamente. Enfrentamos as mesmas questões em os trade-offs entre geohashes e índices espaciais de verdade — a escolha da chave define o custo de busca em tudo o que vem depois.

Minha decisão de LOD favorita nem é visual. O download gratuito é uma fatia de 2.400 km² — a região Patrimônio Mundial da UNESCO Jungfrau-Aletsch: Eiger, Mönch, Jungfrau e a maior geleira dos Alpes — rodando exatamente o mesmo pipeline do país inteiro pago. Isso é um lançamento canário como funcionalidade de produto. São 1,1 GB em vez de 24, não exige cadastro, e se roda na sua máquina, o mapa completo também vai rodar. Se você lança produtos com dados grandes, copie isso sem culpa: sua camada gratuita deve ser uma fatia representativa do seu terreno mais difícil, não uma demo capenga do seu caso mais fácil.

Streaming de Tiles Espaciais no Navegador

A mesma disciplina aparece na página web discreta do projeto. Seu mapa de visão geral tem um slider que permite comparar o mundo de voxels com a fotografia aérea real — e as imagens nem vêm dos servidores do projeto. O navegador busca os tiles do SWISSIMAGE diretamente no serviço da própria swisstopo, e só depois que você move o slider. Preguiçoso, direto da origem, amigável ao cache: a banda pesada é servida por uma infraestrutura pública que existe justamente para isso, e a conta de hospedagem do projeto fica perto de zero.

O endereçamento de tiles na web é um problema resolvido, e vale conhecê-lo de cor se você tocar em trabalho geoespacial:

import math
def latlon_to_tile(lat: float, lon: float, zoom: int) -> tuple[int, int]:
"""Standard slippy-map (XYZ) tile addressing used by OSM and most WMTS fronts."""
n = 2 ** zoom
x = int((lon + 180.0) / 360.0 * n)
lat_rad = math.radians(lat)
y = int((1.0 - math.asinh(math.tan(lat_rad)) / math.pi) / 2.0 * n)
return x, y
# At zoom 15, any point on Earth lands in one of 1,073,741,824 tiles.
# Fetch the few that intersect the viewport. Skip the other billion.

Dois detalhes importam mais que a fórmula. Primeiro, a requisição só acontece quando a intenção do usuário fica inequívoca — o slider de fato se move —, o que é ao mesmo tempo uma otimização de banda e uma gentileza com um serviço público gratuito mantido com dinheiro público. Segundo, a procedência viaja junto com os tiles: a página credita SWISSIMAGE, swissBOUNDARIES3D e swissNAMES3D bem no mapa. Quando seu produto é uma obra derivada de dados abertos, a atribuição no ponto de exibição não é enfeite. É a licença funcionando como deveria.

O Que Copiar do Pipeline da Suíça

Primeiro os contrapontos, porque os praticantes levantaram bons argumentos. Esforços feitos à mão, como o Build the Earth, puseram milhares de voluntários para modelar prédios reais, e nenhum pipeline automatizado chega a essa fidelidade — uma pegada do swissBUILDINGS3D voxelizada é uma aproximação grosseira, e se arquitetura é o que te interessa, um export só de terreno é talvez o artefato mais limpo. Justo. Mas cobertura e fidelidade se trocam diretamente: a automação entrega 41.285 km² hoje, a construção manual entrega um centro histórico lindíssimo, um dia. Minha posição: para um produto de dados, a geração automatizada com procedência publicada vence, e os marcos curados à mão podem ser sobrepostos onde importam.

E a procedência é a parte que todo mundo pula. Este projeto publica uma lista de defeitos conhecidos: lacunas perto das fronteiras onde só a grade de 30 m do Copernicus alcança, regiões irregulares ou planas demais, pontes e estradas erradas ou ausentes, e um QA feito por amostragem, e não metro a metro. Essa lista faz um trabalho real — transforma relatórios do tipo “seu mundo está errado aqui” em documentação do tipo “sim, aquele dataset termina ali”. Todo produto de dados derivados deveria publicar sua matriz de procedência e sua lista de problemas conhecidos. Os que não fazem isso não são mais precisos; são apenas menos honestos.

• Trate tudo em tiles. O tile é sua unidade de armazenamento, cache, geração e falha. Monólitos não degradam com elegância.
• Nunca reduza a resolução na ingestão. Mantenha a resolução nativa de cada fonte e reamostre na renderização.
• Gere de forma preguiçosa. Quando o mundo é maior que qualquer tempo de jogo, computar por visita vence pré-gerar.
• Construa a pirâmide de LOD na ingestão. Oriente-se pelo overhead de ~33% e compre escala suave em todas as distâncias.
• Lance uma fatia canário. Um pedaço gratuito e representativo dos seus dados mais difíceis vale mais que qualquer ficha técnica.
• Publique procedência e defeitos conhecidos. Fazem parte do produto, não são um pedido de desculpas por ele.

O país inteiro custa 15 CHF com todas as versões futuras incluídas — e só para residentes suíços, por razões legais, o que é uma restrição curiosamente charmosa para um bem puramente digital. Mas o produto de verdade não é o mapa. É a demonstração de que uma pessoa sozinha, com dados públicos, um pipeline em tiles e documentação honesta, consegue entregar mais do que a infraestrutura geoespacial de muitas equipes. Seu conjunto de dados provavelmente não tem 41.285 km². As suas desculpas também são menores.