docs: fix operator resampling in README/overview, document purge_stal…

README.md

@@ -113,14 +113,16 @@ backend = cube.to_lucc_data(
 | `std` | zonal | nearest | não |
 | `min` | zonal | min | não |
 | `max` | zonal | max | não |
-| `majority` | zonal | mode | não |
-| `minority` | zonal | mode | não |
-| `percentage` | zonal | mode | **sim** |
+| `majority` | zonal | nearest¹ | não |
+| `minority` | zonal | nearest¹ | não |
+| `percentage` | zonal | nearest¹ | **sim** |
 | `attribute` | zonal | nearest | não |
 | `presence` | zonal | nearest | não |
 | `min_distance` | proximity | nearest | não |
 | `count` | proximity | nearest | não |
 
+> ¹ Usam `needs_fine_alignment=True`: o GridAligner reamosttrea com `nearest` em alta resolução; a redução real (contagem por janela) é feita pelo operador.
+
 ## Pipeline
 
 ```

docs/architecture/catalog.md

@@ -81,8 +81,22 @@ cube.catalog.search_derived_variables(tile_id="009002")
 
 # Por spec_hash (exato)
 cube.catalog.get_derived_by_hash("a3f9...")
+
+# Remover entrada por ID
+cube.catalog.delete_derived("a3f9..._slope")
 ```
 
+## Limpeza de entradas órfãs
+
+O catálogo acumula entradas cujos arquivos Zarr foram deletados (comum ao apagar o store para re-testar). `purge_stale()` remove essas entradas:
+
+```python
+n = cube.purge_stale()   # retorna o número de entradas removidas
+print(f"Removidas {n} entradas órfãs")
+```
+
+`load()` já ignora silenciosamente entradas sem arquivo no disco — `purge_stale()` é uma limpeza explícita para manter o catálogo enxuto.
+
 ## Evolução do schema
 
 O schema usa `CREATE TABLE IF NOT EXISTS` — seguro para idempotência. Novas colunas exigem `ALTER TABLE` ou migração manual. Os campos descritivos extras de modelos (como `purity_threshold` de `Derivation`) vivem apenas no modelo Python, não no banco — isso protege a compatibilidade retroativa para campos reservados.

docs/architecture/overview.md

@@ -101,7 +101,7 @@ Cada operador é uma subclasse de `Operator` que se auto-registra no `OPERATOR_R
 ```python
 class MajorityOperator(Operator):
     name = "majority"
-    _resampling = Resampling.mode
+    _resampling = Resampling.nearest
 
     def compute(self, data, var, grid) -> xr.DataArray:
         ...

docs/architecture/pipeline.md

@@ -105,7 +105,7 @@ final_ds[var.name] = result
 
 Não contém nenhuma lógica de operador — é puro despacho. O `if/elif` histórico foi eliminado.
 
-Monta o `xr.Dataset` final com CRS nomeado (evita `PROJCS["unknown"]` no QGIS para CRSs sem EPSG registrado, como BDC Albers) e `transform`.
+Monta o `xr.Dataset` final. `write_crs()` e `write_transform()` são chamados **depois** do loop de variáveis — rioxarray propaga `grid_mapping="spatial_ref"` apenas para as data variables já presentes no Dataset no momento da chamada. Chamar antes do loop resultaria em nenhuma variável recebendo o atributo, impedindo que leitores CF (QGIS, GDAL) detectem a projeção automaticamente. O CRS é nomeado explicitamente para evitar `PROJCS["unknown"]` em CRSs sem código EPSG registrado (ex: BDC Albers).
 
 ---