Código Python para mostrar o mapa de valores médios de IPTU residenciais por Região Administrativa

O código Python realiza as seguintes ações:

  1. Importações: Usa pandas para manipulação de dados, json para carregar GeoJSON, unidecode para normalizar texto e plotly.express para visualização.
  2. Carregamento: Lê a aba TabelaRA do arquivo Excel PlanilhaIPTU_PGV_CensoRJrev2.xlsx em um DataFrame (df).
  3. Seleção de Colunas: Filtra as colunas Regiões Administrativas e Média de IPTU_Residencial em df_iptu.
  4. Normalização de Nomes:
  • Define a função normalize_name para remover acentos, converter para minúsculas e corrigir “Santa Tereza” para “Santa Teresa”.
  • Aplica a função à coluna Regiões Administrativas do DataFrame e aos nomes no arquivo GeoJSON (LimiteRA_RJ.geojson.json).
  1. Carregamento do GeoJSON: Lê o arquivo GeoJSON e normaliza os nomes das regiões administrativas (nomera).
  2. Cálculo de Limites: Determina os valores mínimo e máximo de Média de IPTU_Residencial para a escala do mapa.
  3. Criação do Mapa Coroplético:
  • Usa px.choropleth_mapbox para criar um mapa com base nos dados do DataFrame e GeoJSON.
  • Configurações incluem:
    • Estilo do mapa: open-street-map.
    • Escala de cores: Turbo.
    • Intervalo de cores: mínimo e máximo de IPTU.
    • Zoom: 10, centralizado em coordenadas do Rio de Janeiro (lat: -22.908333, lon: -43.196388).
    • Título: “Mapa IPTU Residencial por RA”.
    • Dimensões: 1000×450 pixels.
    • Rótulos personalizados para Média de IPTU_Residencial e nomera.
  1. Layout: Remove margens do gráfico.
  2. Exibição: Mostra o mapa coroplético interativo.

Mapa 1 – Mapa IPTU Residencial por Região Administrativa

Nota-se que a cobrança de IPTU pode ser um instrumento de orientação pela gestão municipal para ampliação de imóveis existentes ou da construção de novos empreendimentos imobiliários, explicando a diferença de valores médios entre bairros da Região Oeste.

Código Python para mostrar o mapa de valores médios de IPTU não residenciais por Região Administrativa

O código Python realiza as seguintes ações:

  1. Importações: Usa pandas para manipulação de dados, json para carregar GeoJSON, unidecode para normalizar texto e plotly.express para visualização.
  2. Carregamento: Lê a aba TabelaRA do arquivo Excel PlanilhaIPTU_PGV_CensoRJrev2.xlsx em um DataFrame (df).
  3. Seleção de Colunas: Filtra as colunas Regiões Administrativas e Média de IPTU_Não residencial em df_iptu.
  4. Normalização de Nomes:
  • Define a função normalize_name para remover acentos, converter para minúsculas e corrigir “Santa Tereza” para “Santa Teresa”.
  • Aplica a função à coluna Regiões Administrativas do DataFrame e aos nomes no arquivo GeoJSON (LimiteRA_RJ.geojson.json).
  1. Carregamento do GeoJSON: Lê o arquivo GeoJSON e normaliza os nomes das regiões administrativas (nomera).
  2. Cálculo de Limites: Determina os valores mínimo e máximo de Média de IPTU_Não residencial para a escala do mapa.
  3. Criação do Mapa Coroplético:
  • Usa px.choropleth_mapbox para criar um mapa com base nos dados do DataFrame e GeoJSON.
  • Configurações incluem:
    • Estilo do mapa: open-street-map.
    • Escala de cores: Turbo.
    • Intervalo de cores: mínimo e máximo de IPTU.
    • Zoom: 10, centralizado em coordenadas do Rio de Janeiro (lat: -22.908333, lon: -43.196388).
    • Título: “Mapa IPTU Comercial por RA”.
    • Dimensões: 1000×450 pixels.
    • Rótulos personalizados para Média de IPTU_Não residencial e nomera.
  1. Layout: Remove margens do gráfico.
  2. Exibição: Mostra o mapa coroplético interativo.

Mapa 2 – IPTU Comercial por Região Administrativa

Mais uma vez chama a atenção, a cobrança de IPTU dos imóveis não residenciais no Centro da cidade do Rio de Janeiro que parece indicar uma atuação da gestão municipal para mudar o perfil do Centro histórico da cidade.

Código Python para mostrar o mapa de valores médios de IPTU territoriais para cada Região Administrativa

O código Python realiza as seguintes ações:

  1. Importações: Usa pandas para manipulação de dados, json para carregar GeoJSON, unidecode para normalizar texto e plotly.express para visualização.
  2. Carregamento: Lê a aba TabelaRA do arquivo Excel PlanilhaIPTU_PGV_CensoRJrev2.xlsx em um DataFrame (df).
  3. Seleção de Colunas: Filtra as colunas Regiões Administrativas e Média de IPTU_Territorial em df_iptu.
  4. Normalização de Nomes:
  • Define a função normalize_name para remover acentos, converter para minúsculas e corrigir “Santa Tereza” para “Santa Teresa”.
  • Aplica a função à coluna Regiões Administrativas do DataFrame e aos nomes no arquivo GeoJSON (LimiteRA_RJ.geojson.json).
  1. Carregamento do GeoJSON: Lê o arquivo GeoJSON e normaliza os nomes das regiões administrativas (nomera).
  2. Cálculo de Limites: Determina os valores mínimo e máximo de Média de IPTU_Territorial para a escala do mapa.
  3. Criação do Mapa Coroplético:
  • Usa px.choropleth_mapbox para criar um mapa com base nos dados do DataFrame e GeoJSON.
  • Configurações incluem:
    • Estilo do mapa: open-street-map.
    • Escala de cores: Turbo.
    • Intervalo de cores: mínimo e máximo de IPTU.
    • Zoom: 10, centralizado em coordenadas do Rio de Janeiro (lat: -22.908333, lon: -43.196388).
    • Título: “Mapa IPTU Territorial por RA”.
    • Dimensões: 1000×450 pixels.
    • Rótulos personalizados para Média de IPTU_Territorial e nomera.
  1. Layout: Remove margens do gráfico.
  2. Exibição: Mostra o mapa coroplético interativo.

Mapa 3 – IPTU Territorial por Região Administrativa

Código Python para mostrar o mapa da variação populacional entre os dados obtidos no Censo IBGE 2022 em relação ao Censo IBGE 2010, para cada Região Administrativa do Município do Rio de Janeiro:

O código Python realiza as seguintes ações:

  1. Importações: Usa pandas para manipulação de dados, json para carregar GeoJSON, unidecode para normalizar texto e plotly.express para visualização.
  2. Carregamento: Lê a aba TabelaRArev1 do arquivo Excel PlanilhaIPTU_PGV_CensoRJrev3.xlsx em um DataFrame (df).
  3. Seleção de Colunas: Filtra as colunas Região_Adm e % Variação populacional em df_iptu.
  4. Normalização de Nomes:
  • Define a função normalize_name para remover acentos, converter para minúsculas e corrigir “Santa Tereza” para “Santa Teresa”.
  • Aplica a função à coluna Região_Adm do DataFrame e aos nomes no arquivo GeoJSON (LimiteRA_RJ.geojson.json).
  1. Conversão de Dados: Multiplica os valores de % Variação populacional por 100 para expressá-los em percentual.
  2. Carregamento do GeoJSON: Lê o arquivo GeoJSON e normaliza os nomes das regiões administrativas (nomera).
  3. Cálculo de Limites: Determina os valores mínimo e máximo de % Variação populacional para a escala do mapa.
  4. Criação do Mapa Coroplético:
  • Usa px.choropleth_mapbox para criar um mapa com base nos dados do DataFrame e GeoJSON.
  • Configurações incluem:
    • Estilo do mapa: open-street-map.
    • Escala de cores: Viridis.
    • Intervalo de cores: mínimo e máximo da variação populacional.
    • Zoom: 10, centralizado em coordenadas do Rio de Janeiro (lat: -22.908333, lon: -43.196388).
    • Título: “Mapa % Variação populacional por RA”.
    • Dimensões: 1000×450 pixels.
    • Rótulos personalizados para % Variação populacional e nomera.
  1. Layout: Remove margens do gráfico.
  2. Exibição: Mostra o mapa coroplético interativo.

Mapa 4 – Variação populacional 2022 – 2010 por Região Administrativa

Nota-se a migração da população dos bairros da Zona Norte, Central e Zona Sul para as Regiões de Jacarepaguá e Zona Oeste desde 2010.

Código Python para mostrar o mapa da disponibilidade de imóveis entre os dados obtidos no Censo IBGE 2022 em relação ao Censo IBGE 2010, para cada Região Administrativa do Município do Rio de Janeiro:

O código Python realiza as seguintes ações:

  1. Importações: Usa pandas para manipulação de dados, json para carregar GeoJSON, unidecode para normalizar texto e plotly.express para visualização.
  2. Carregamento: Lê a aba TabelaRArev1 do arquivo Excel PlanilhaIPTU_PGV_CensoRJrev3.xlsx em um DataFrame (df).
  3. Seleção de Colunas: Filtra as colunas Região_Adm e % ImóveisDisp_2022 em df_iptu.
  4. Normalização de Nomes:
  • Define a função normalize_name para remover acentos, converter para minúsculas e corrigir “Santa Tereza” para “Santa Teresa”.
  • Aplica a função à coluna Região_Adm do DataFrame e aos nomes no arquivo GeoJSON (LimiteRA_RJ.geojson.json).
  1. Conversão de Dados: Multiplica os valores de % ImóveisDisp_2022 por 100 para expressá-los em percentual.
  2. Carregamento do GeoJSON: Lê o arquivo GeoJSON e normaliza os nomes das regiões administrativas (nomera).
  3. Cálculo de Limites: Determina os valores mínimo e máximo de % ImóveisDisp_2022 para a escala do mapa.
  4. Criação do Mapa Coroplético:
  • Usa px.choropleth_mapbox para criar um mapa com base nos dados do DataFrame e GeoJSON.
  • Configurações incluem:
    • Estilo do mapa: open-street-map.
    • Escala de cores: Plasma.
    • Intervalo de cores: mínimo e máximo de % ImóveisDisp_2022.
    • Zoom: 10, centralizado em coordenadas do Rio de Janeiro (lat: -22.908333, lon: -43.196388).
    • Título: “Mapa % ImóveisDisp_2022 por RA”.
    • Dimensões: 1000×450 pixels.
    • Rótulos personalizados para % ImóveisDisp_2022 e nomera.
  1. Layout: Remove margens do gráfico.
  2. Exibição: Mostra o mapa coroplético interativo.

Mapa 5 – Imóveis Disponíveis em 2022 por Região Administrativa

          A disponibilidade de imóveis desocupados, postos à venda ou para locação, chama a atenção. Se os valores de IPTU são incluídos e rateados nos valores de aluguel, então esse fator influencia na escolha da região para moradia.

Discussão

A análise geoespacial dos valores médios do IPTU fornecem visões importantes para o entendimento da dinâmica urbana e do mercado imobiliário, especialmente quando são incluídos as recentes variações populacionais e imóveis disponíveis desocupados oriundos dos Censos 2010 e 2022 do IBGE.

Conforme exposto, cerca da 48% dos bairros da cidade do Rio de Janeiro possuem isenção de IPTU acima da média de 48%, sem considerar uma média ponderada que levasse em conta a quantidade de domicílios que cada bairro possui. Na prática, o que se observa no Brasil é uma tendência das administrações municipais avaliarem os imóveis de maneira regressiva. As propriedades mais valorizadas tendem a apresentar uma defasagem maior em relação ao seu preço de mercado do que os imóveis de valor mais baixo.

A cobrança do IPTU residencial parece se concentrar nos novos empreendimentos naqueles bairros onde existe uma migração populacional tais como Barra da Tijuca, Jacarepaguá e Recreio dos Bandeirantes e nos imóveis com grande área construída em bairros litorâneos como Copacabana, Ipanema, Botafogo e Leblon.

Os valores de IPTU comercial (salas comerciais e lojas) apresentam maiores valores obtidos no Centro da cidade, Tijuca e nos bairros localizados próximos das praias.

As análises estatísticas dos 3 tipos de IPTU não apresentaram um padrão de normalidade em razão da desigualdade histórica de ocupação, dos altos valores nos bairros outliers citados e da política municipal de redução crescente de isenção de imposto sobre propriedade.

Os maiores valores de IPTU territorial em relação aos demais tipos de tributação são resultado de política municipal para sobretaxar terrenos vazios a fim de estimular novos lançamentos imobiliários.

Fica evidente que o IPTU não representa uma importante fonte de recursos tributários próprios para a maioria das prefeituras brasileiras. Se o IPTU é um tributo direto que onera os proprietários de imóveis localizados no perímetro urbano da cidade, é um imposto com alta visibilidade, cujos contribuintes costumam pressionar o poder público, no sentido de minimizar suas obrigações com o fisco ou maximizar o retorno dos serviços públicos. Será que os gestores públicos diminuem o imposto para diminuir a pressão dos proprietários de imóveis?

O estudo da FGV de 2007 intitulado IPTU no Brasil, um Diagnóstico Abrangente[1] destacou que “nos micros e pequenos municípios, o ISS foi claramente preponderante em relação às outras incidências locais. A participação do IPTU na arrecadação direta se mostrou próxima ou, em certos casos, até mesmo inferior aos índices de participação do ITBI e das taxas. Isto se explica pelo fato de que, tanto do ponto de vista administrativo quanto político, também é mais fácil para as prefeituras menores cobrar ITBI e taxas do que IPTU.

Nas prefeituras de maior porte, o ISS continuou sendo o imposto mais relevante na arrecadação tributária. A diferença em relação às demais localidades é que o IPTU também teve papel de destaque na geração de recursos próprios.

Já nas cidades de maior porte, observa-se um movimento em direção à utilização do IPTU como instrumento de arrecadação do ISS. Um bom exemplo disso foram as iniciativas recentes adotadas pela prefeitura de São Paulo. Com o intuito de coibir a sonegação do ISS, este município tornou obrigatória a emissão de nota fiscal eletrônica para alguns prestadores de serviços. No entanto, como a efetividade dessa medida dependia da colaboração dos consumidores, para incentivá-los a solicitar a nota fiscal, foi determinado que uma parte do ISS recolhido nas suas compras pudesse ser abatida das obrigações relativas ao IPTU.”

Os resultados de pesquisas recentes sugerem que a dependência de recursos do petróleo explica as ineficiências técnicas na coleta de impostos municipais – IPTU e ISS. Quanto maior a participação dos royalties nas receitas correntes das cidades, menor o esforço de arrecadação de receitas próprias. A Lei Federal nº 12.734 de 2012, modificou as regras de divisão, entre os entes da federação, de Royalties e da Participação Especial (R&PE) devidos como compensação financeira pela exploração e produção de petróleo, gás natural e outros hidrocarbonetos fluidos, aplicadas aos modelos de concessão e de partilha. Esta Lei, sob a égide da inconstitucionalidade e de quebra do Pacto Federativo, foi suspensa pelo STF em novembro de 2013.

Gráfico 8 – Arrecadação IPTU no Brasil (2007)

Gráfico 9 – Arrecadação IPTU no Brasil (2007)

Se no Censo IBGE de 2022 foram recenseados 2.439.321 domicílios particulares, temos que o cadastro de IPTU da Prefeitura possui 2.118.903 imóveis. Portanto, o cadastro está desatualizado. É surpreendente que as Instituições municipais não tenham essa atualização, pois terá efeitos sobre o controle de indicadores de saúde, educação, limpeza urbana entre outros sérvios essenciais para a população.

A figura abaixo, obtida de artigo Modelos estatísticos para geração de plantas de valores genéricos em áreas urbanas[2] de Reynaldo Furtado Filho demonstra a falta da PGV, planta genérica de valores, em muitos municípios brasileiros.

Gráfico 10 – Situação PGV x Cadastro IPTU (2015)

O Índice de Aluguel QuintoAndar Imovelweb[3] é um indicador que avalia a tendência do preço do aluguel na cidade. Em fevereiro/2024, o aluguel médio calculado foi de R$ 39,51/m2. Leblon apresentou o valor de aluguel mais caro por metro quadrado de R$ 100,30 e Ipanema com R$ 90,10. Em seguida, o valor cai para R$ 66,90 na Lagoa. A Barra da Tijuca apresentou R$ 56,30/m2 e Jacarepaguá com R$ 43,40 após mais outros 4 bairros da Zona Sul.

Desenvolvido em parceria pela Fipe e pelo ZAP, o Índice FipeZAP de Locação Residencial acompanha o preço médio de locação de apartamentos prontos em 25 cidades brasileiras, com base em anúncios veiculados na Internet. A metodologia está disponível em http://www.fipe.org.br.

Considerando uma amostra (março/2024) de 15.483 anúncios, o preço médio (março/2024) de aluguel de imóvel residencial foi de R$ 46,79/m², com Leblon e Ipanema apresentando R$ 103,50/m² e R$ 100,90/m². Em seguida, o valor cai para R$ 63,30/m² para Barra da Tijuca e, após mais 5 bairros da Zona Sul, Recreio dos Bandeirantes apresentou R$ 38,40 e Tijuca com R$ 30,60/m². Para uma série histórica de 2009 a 2024, o reajuste médio de locações foi de 5,5% ao ano.

Considerando uma amostra (março/2024) de 250.078 anúncios, o preço médio (março/2024) de venda imóvel residencial foi de R$ 10.030,00/m², com Leblon e Ipanema apresentando R$ R$ 22.924,00/m² e R$ 21.760,00/m². O valor cai para R$ R$ 12.691,00/m² para Barra da Tijuca e Recreio dos Bandeirantes com R$ 7.483,00/m² entre outros bairros da Zona Sul.

Considerando uma amostra (março/2024) de 6.431 anúncios, o preço médio (março/2024) de aluguel de imóvel comercial foi de R$ 42,03/m², com Leblon e Ipanema apresentando R$ 187,95/m² e R$ 109,45/m². Para uma amostra de 12.9921 anúncios, o preço médio de venda de imóvel comercial foi de R$ 8.771,00/m², com Leblon e Ipanema apresentando R$ 34.371,00/m² e R$ 21.471,00/m².

Uma regra prática é definir o aluguel como algo entre 0,5% e 0,6% do valor de venda do imóvel. Esse número é líquido, ou seja, já exclui encargos como IPTU e condomínio. Porém, é regra comum a inclusão do valor do IPTU no total do aluguel, dividindo o total do tributo por 12 meses.

Dessa forma, os valores de IPTU influenciam nos valores médios de venda ou aluguel residencial.

A partir de outubro de 2019, a Secretaria Municipal de Urbanismo da Cidade do Rio de Janeiro iniciou a interlocução com os diversos segmentos da sociedade civil, sobre o novo Plano Diretor[4] com as seguintes propostas:

  1. outorga onerosa: para erguer empreendimento com área acima de um índice padrão (equivalente ao tamanho do terreno), o incorporador tem que pagar uma “taxa” à prefeitura. Hoje, no Rio, o dispositivo se limita à região central.
    1. O coeficiente de aproveitamento de um terreno na cidade é de 3,5. Isso significa que o investidor pode construir, sem taxa extra, um imóvel com metragem quadrada equivalente a até três vezes e meia à de seu terreno. Pela proposta do Executivo, a área da edificação livre de taxa seria reduzida gradualmente, ao longo de cinco anos, até chegar a um por um.
      1. alguns bairros deixarão de contar com regras específicas definidas por Projetos de Estruturação Urbana (PEUs) como Urca, Botafogo e Santa Teresa.
      1. A ideia é evitar a formação de “paredões”. Os muros só poderiam ter até 1,10m. Acima disso, as fachadas poderiam ser complementadas por grades ou outro recurso;
      1. Pela proposta sobre fachadas ativas, para licenciar empreendimentos multifamiliares (projetos a partir de três apartamentos), o investidor terá que destinar parte do terreno para atividades comerciais ou de serviços;
      1. A Avenida Brasil também está nas discussões. O projeto prevê imóveis com até 25 andares e aproveitamento de até nove vezes o tamanho do terreno para estimular moradias, numa espécie de Centro expandido.
      1. Em regiões com boa infraestrutura, como Centro, Zona Norte e orla, a prefeitura poderá demarcar áreas para sobretaxar o imposto de imóveis e terrenos vazios, como pressão para viabilizar projetos de moradias, por exemplo. Em cinco anos, o IPTU pode chegar a 15% do valor do imóvel. A regra permite ainda que o município desaproprie as áreas. A definição de locais ocorreria em regulamentação posterior.

Conclusão

Este estudo demonstra a aplicação de técnicas de análise geoespacial e códigos escritos em Python para investigar a distribuição de IPTU nas diversas regiões da cidade do Rio de Janeiro.

O imposto residencial apresentou menores valores em relação dos demais tipos de tributação: comercial e territorial. Além disso, existem muitas assimetrias nas cobranças de IPTU entre bairros próximos por diversas razões que passam pela área construída, pelo baixo rendimento de aposentados ou pensionistas, pela idade dos imóveis e avaliações particulares judiciais ou das Gerências de fiscalização municipal.

A complexidade histórica da regulação de impostos imobiliários no Brasil e, especialmente na cidade do Rio de Janeiro, é um desafio para o gestor público. A ocupação irregular dos imóveis resultou em diversas distorções tributárias entre os bairros e logradouros da cidade.

É notável que a maioria dos estudos e artigos científicos sobre o tema se concentraram entre os anos 2001 a 2017, especialmente pela necessidade de reforma da PGV que ocorreu em 2018, que estava muito defasada dos preços de imóveis praticados pelo mercado imobiliário.

Os resultados deste estudo destacam a importância de considerar a dimensão espacial ao analisar dados imobiliários, fornecendo informações valiosas para diversos atores, incluindo autoridades municipais, investidores e planejadores urbanos.

A estimativa de valores médios de valores venais de imóveis e o cálculo simplificado de IPTU, considerando diversos descontos e isenções, causam distorções quando comparados com valores de impostos individuais.

Em futuros estudos, seria interessante comparar com a renda per capita por bairros e diversos indicadores de demanda por serviços públicos ou privados tais como: demanda de energia elétrica (MWh), consumo de água, geração de lixo, telefonia e internet, gás canalizado, etc.

Essa abordagem pode ser estendida para outras cidades e regiões, contribuindo para uma compreensão mais abrangente dos padrões imobiliários e urbanos.

[1] https://fgvprojetos.fgv.br/publicacao/iptu-no-brasil-um-diagnostico-abrangente

[2] https://repositorio.ufu.br/handle/123456789/16000

[3] https://grupoquintoandar.com/indice-de-aluguel/

[4] https://planodiretor-pcrj.hub.arcgis.com/