Elegimos la zona
Definimos el territorio, el período y la pregunta: vegetación, agua, terreno o contexto urbano.
Inteligencia geoespacial Implementación especializada
FlowMind organiza mapas, fuentes públicas y productos Copernicus en un espacio de análisis. Pasamos de una imagen de fondo a capas con fuente, fecha, sensor y límites de interpretación.
FlowMind
Definimos el territorio, el período y la pregunta: vegetación, agua, terreno o contexto urbano.
Usamos productos ópticos, radar, térmicos y atmosféricos adecuados a la pregunta.
Mostramos las capas en el mapa y conservamos el contexto necesario para una decisión informada.
Sentinel-2 e índices como NDVI y NDWI para explorar los cambios.
Sentinel-1 complementa la información óptica, incluso cuando hay cobertura de nubes.
Datos térmicos de Sentinel-3 y atmosféricos de Sentinel-5P, a las resoluciones específicas de estos productos.
Los datos no son un flujo de video continuo. La interpretación depende de la resolución, la estación, las nubes y el momento de la observación. Los análisis InSAR de desplazamiento requieren un flujo separado, en desarrollo.
FlowMind en detalle
FlowMind es una capa de agregación para un territorio: reúne en un solo mapa operativo lo que se puede leer sobre una ciudad a partir de fuentes públicas —imágenes satelitales Copernicus, geometría de OpenStreetMap, cámaras viales públicas, incidentes, meteorología— y muestra junto a cada capa de dónde proviene y cuándo se leyó por última vez.
La regla sobre la que está construido se llama en el código ZERO FALSE DATA: cuando una fuente no responde, la plataforma escribe OFFLINE y el motivo, no rellena el vacío con un valor plausible. Existe un guardián automático, `noFakeLive`, que se niega a marcar LIVE una capa sin la prueba de una lectura exitosa. En la verificación de hoy reporta cero infracciones.
No tenemos satélites. Trabajamos a través de Copernicus Data Space Ecosystem, con credenciales OAuth2 client_credentials en identity.dataspace.copernicus.eu, y solicitamos productos procesados mediante la API de Sentinel Hub. Qué significa esto en la práctica: la resolución, la frecuencia de revisita y las nubes son de la misión, no nuestras, y se ven en el texto.
Sentinel-2 MSI a 10 m en tres variantes (true color de B04/B03/B02, NDVI de B08/B04, NDWI de B03/B08), Sentinel-1 C-SAR relación VV/VH a 10 m, Sentinel-3 SLSTR banda térmica S8 a ~1 km y Sentinel-5P TROPOMI NO₂ a ~3,5 × 5,5 km. Las colecciones solicitadas en Sentinel Hub son `sentinel-2-l2a`, `sentinel-1-grd`, `sentinel-3-slstr` y `sentinel-5p-l2`.
Las solicitudes de Sentinel-2 filtran las escenas con más de 40% de cobertura nubosa, y en el evalscript los píxeles marcados por la banda SCL como nube, sombra de nube, cirro o nieve (las clases 3, 8, 9, 10, 11) se devuelven transparentes. Un píxel vacío significa «no observamos aquí», no «aquí no hay nada».
Sentinel-1 atraviesa las nubes y funciona de noche, a 10 m, con revisita de aproximadamente 6–12 días. Es un screening de una sola escena, no interferometría: la relación VV/VH muestra diferencias de superficie y humedad, no desplazamientos milimétricos.
538 puntos de infraestructura vial mapeados desde OpenStreetMap (245 semáforos, 174 semáforos peatonales, 61 radares, 58 cámaras) y un prober que prueba efectivamente cada flujo de cámara y escribe el motivo cuando uno falla.
El mapa 3D drapea el ortofoto gubernamental de geodata.gov.md (WMS, Agencia de Geodesia, Cartografía y Catastro) sobre un modelo de terreno de las teselas terrarium AWS Open Data, renderizado con MapLibre GL. Cero claves API, cero costo por visualización.
Las trayectorias de los satélites se propagan a partir de elementos TLE CelesTrak con `satellite.js` en proceso, con la antigüedad de los datos orbitales marcada fresh / stale / expired. Es un mapa del cielo, no un producto de imagen.
Datos y funcionamiento
De la exploración a la implementación
Cuál es el territorio, qué quiere seguir el equipo (vegetación, agua, terreno, aire, infraestructura) y a qué escala se toma la decisión. La resolución adecuada para un distrito no describe una parcela.
Verificamos qué cámaras, geoportales, flujos de transporte y registros públicos existen efectivamente y responden. Cada fuente entra en la plataforma con su licencia, atribución y estado; las que no responden quedan visibles como OFFLINE con el motivo, no desaparecen de la lista.
Se crea un cliente OAuth2 en Sentinel Hub Dashboard desde CDSE y se colocan `CDSE_CLIENT_ID`, `CDSE_CLIENT_SECRET` y `CDSE_INSTANCE_ID` en el entorno de la aplicación. La cuota de 30.000 PU/mes sigue siendo del cliente, lo que significa que él la ve y la controla.
La instalación se hace en un servidor del cliente (Next.js bajo systemd, nginx delante). La verificación de aceptación es `/api/worldview/source-health`: si `noFakeLive` reporta alguna infracción, la instalación no está lista.
La instalación actual de referencia funciona por HTTP sin TLS y sin autenticación en lectura. Para un despliegue expuesto públicamente, TLS y la autenticación son trabajos separados, planificados explícitamente — no se supone que estén incluidos.
Sentinel-1, Sentinel-2, Sentinel-3 y Sentinel-5P, a través de Copernicus Data Space Ecosystem. En el código, las colecciones se llaman exactamente `sentinel-1-grd`, `sentinel-2-l2a`, `sentinel-3-slstr` y `sentinel-5p-l2`. No tenemos satélites propios y no compramos imágenes comerciales de alta resolución — si necesitáis 30 cm, esa es otra conversación y otro proveedor.
No, y nadie puede daros eso con Sentinel. Sentinel-2 pasa sobre el mismo lugar aproximadamente cada 5 días, Sentinel-1 cada 6–12 días, y el producto necesita tiempo de procesamiento. Por eso la ventana predeterminada de las capas es los últimos 7 días, terminados ayer. Lo que recibís es la mejor escena disponible en el intervalo solicitado, con su fecha declarada.
La óptica se pierde. Filtramos las escenas con más del 40% de nubes y enmascaramos los píxeles que la banda SCL marca como nube, sombra, cirrus o nieve — aparecen transparentes, no inventados. Cuando la óptica no puede, queda Sentinel-1: el radar atraviesa las nubes y trabaja de noche, a costa de que su lectura es distinta — ve rugosidad y humedad, no color.
No. Eso requiere InSAR: pares de escenas, órbitas precisas, DEM y desambiguación de fase. En el código este producto aparece con el estado `requires_pair_processing` — es decir, declarado como no implementado, no oculto. Lo que hacemos en su lugar: screening. Existe un módulo de triaje para deslizamientos que se presenta solo como `flowmind-landslide-screening-v0`, heurístico, con la advertencia escrita en la respuesta de la API de que no es una detección confirmada.
Pocas, y es mejor que lo oigáis de nosotros. Una encuesta OSINT propia de julio de 2026 encontró un techo de aproximadamente 34 cámaras de tráfico públicas en vivo en todo el país — 12 ANDSA más 22 en la frontera. En la verificación de hoy, de 116 flujos sondeados respondían 13, todas imágenes JPEG renovadas, cero flujos de vídeo. El resto están declarados con el motivo: suscripción caducada, token rotado, carpeta desaparecida, puerto inaccesible. Si alguien os promete 150 cámaras en Moldavia, pedidle la lista.
No, y tampoco puede hacerlo en la forma actual. Los 245 semáforos están mapeados como puntos en los datos, desde OpenStreetMap — la plataforma los ve en el mapa, no los comanda. El control activo requeriría integración con los controladores físicos y responsabilidad de seguridad, que es un proyecto aparte, con otros socios.
No. No existe ningún modelo entrenado en el repositorio y tampoco se llama ningún código de aprendizaje automático desde la aplicación; los directorios `ml/gnn` y `ml/forecasting` están vacíos. La arquitectura con RL y GNN en ARCHITECTURE.md es el objetivo, marcado como tal en ese mismo archivo.
La cuenta estándar Copernicus viene con 30.000 unidades de procesamiento y 30.000 solicitudes al mes, gratis. Cada tile solicitado consume de ellas. La plataforma reduce el consumo mediante caché (30 minutos en memoria, 24 horas en la respuesta) y mediante límites sobre el tamaño y el intervalo de la solicitud, pero no tiene un contador de cuota — si la instalación tiene mucho tráfico público, la medición y un plan de pago son cosas que deben decidirse antes, no después.
Ejemplo ilustrativo
Un escenario de uso, sin datos de cliente ni resultados comerciales atribuidos.
Un ayuntamiento recibe una reclamación de que se ha talado bosque en una zona de difícil acceso y quiere saber si merece la pena desplazar a un equipo.
Se solicita la capa Sentinel-2 NDVI sobre el recuadro de la zona, para una ventana anterior a la notificación y una reciente — máximo 31 días cada una, con filtro de 40% de nubes. Los píxeles marcados como nube o sombra por la banda SCL permanecen transparentes. Si ambas ventanas están nubladas, se cambia a Sentinel-1 VV/VH, que atraviesa las nubes. La superposición con la geometría OSM muestra si la zona con el valor bajo es realmente bosque y en qué parcela cae.
Una pareja de imágenes fechadas, a 10 m, con el contorno de la zona donde el índice de vegetación ha disminuido entre las dos ventanas, y con la superficie aproximada de esa zona. Un píxel de 10 m significa que una tala de menos de aproximadamente 0,1 ha no se distingue del ruido — se ve una parcela, no un árbol.
Ce este necesar:Un cont Copernicus Data Space cu client OAuth2 (gratuit) și o fereastră de timp în care există măcar o scenă cu nori sub prag. Rezultatul e un motiv de verificare în teren, nu o constatare legală.
Posibilidades de colaboración
Análisis de imágenes e indicadores satelitales para planificación, medio ambiente o agricultura, con mención de la resolución, la fecha y los límites de cada fuente.
Definimos un piloto en torno a un proceso real: usuarios, datos, integraciones, costes y criterios de aceptación. La ampliación sigue después de evaluar el resultado.
Establecemos los requisitos de accesibilidad, alojamiento, protección de datos e interoperabilidad. Cualquier conexión con servicios AGE o STISC requiere la validación de la elegibilidad, el acceso y las aprobaciones.
Estos son escenarios de adaptación, no declaraciones sobre contratos o colaboraciones existentes. Las funciones propuestas se confirman en el ámbito de trabajo del proyecto.
Habla de un pilotoVe cómo usamos las observaciones Copernicus y cómo exploramos las órbitas de los satélites.
Cronberry reúne fuentes autorizadas, conversaciones y relaciones en un espacio de investigación y coordinación.
Desarrollo y demostracionesDesarrollamos representaciones 3D de la ciudad que combinan relieve, mapas y datos sobre el espacio construido.
Prototip & cercetaresesizari.md organiza los avisos sobre el espacio público: lugar, categoría, descripción y materiales pertinentes.
Plataforma públicaCuéntanos tu proceso. Juntos decidimos qué merece la pena construir, qué podemos conectar y cómo verificamos el resultado.