Scegliamo l’area
Definiamo il territorio, il periodo e la domanda: vegetazione, acqua, terreno o contesto urbano.
Inteligență geospațială Implementare specializată
FlowMind organizza mappe, fonti pubbliche e prodotti Copernicus in uno spazio di analisi. Passiamo da un’immagine di sfondo a livelli con fonte, data, sensore e limiti di interpretazione.
FlowMind
Definiamo il territorio, il periodo e la domanda: vegetazione, acqua, terreno o contesto urbano.
Utilizziamo prodotti ottici, radar, termici e atmosferici adatti alla domanda.
Visualizziamo gli strati sulla mappa e manteniamo il contesto necessario a una decisione informata.
Sentinel-2 e indici come NDVI e NDWI per l’esplorazione dei cambiamenti.
Sentinel-1 completa le informazioni ottiche, anche quando è presente copertura nuvolosa.
Dati termici di Sentinel-3 e atmosferici di Sentinel-5P, alle risoluzioni specifiche di questi prodotti.
I dati non sono un flusso video continuo. L’interpretazione dipende dalla risoluzione, dalla stagione, dalle nuvole e dal momento dell’osservazione. Le analisi InSAR di spostamento richiedono un flusso separato, in fase di sviluppo.
FlowMind in dettaglio
FlowMind è uno strato di aggregazione per un territorio: raccoglie in un’unica mappa operativa ciò che si può leggere su una città da fonti pubbliche — immagini satellitari Copernicus, geometria OpenStreetMap, telecamere stradali pubbliche, incidenti, meteo — e mostra accanto a ciascuno strato da dove proviene e quando è stato letto l’ultima volta.
La regola su cui è costruito si chiama nel codice ZERO FALSE DATA: quando una fonte non risponde, la piattaforma scrive OFFLINE e il motivo, non riempie il vuoto con un valore plausibile. Esiste un guardiano automatico, `noFakeLive`, che rifiuta di marcare LIVE uno strato senza la prova di una lettura riuscita. Alla verifica di oggi riporta zero violazioni.
Non abbiamo satelliti. Lavoriamo tramite Copernicus Data Space Ecosystem, con credenziali OAuth2 client_credentials su identity.dataspace.copernicus.eu, e richiediamo prodotti elaborati tramite l’API di Sentinel Hub. Cosa significa in pratica: la risoluzione, la frequenza di rivisitazione e le nuvole sono della missione, non nostre, e si vedono nel testo.
Sentinel-2 MSI a 10 m in tre varianti (true color da B04/B03/B02, NDVI da B08/B04, NDWI da B03/B08), Sentinel-1 C-SAR rapporto VV/VH a 10 m, Sentinel-3 SLSTR banda termica S8 a ~1 km e Sentinel-5P TROPOMI NO₂ a ~3,5 × 5,5 km. Le collezioni richieste in Sentinel Hub sono `sentinel-2-l2a`, `sentinel-1-grd`, `sentinel-3-slstr` e `sentinel-5p-l2`.
Le richieste Sentinel-2 filtrano le scene con oltre il 40% di copertura nuvolosa, e nell’evalscript i pixel marcati dalla banda SCL come nuvola, ombra di nuvola, cirro o neve (classi 3, 8, 9, 10, 11) vengono restituiti trasparenti. Un pixel vuoto significa „non abbiamo osservato qui”, non „qui non c’è nulla”.
Sentinel-1 attraversa le nuvole e lavora di notte, a 10 m, con rivisita di circa 6–12 giorni. È screening su una singola scena, non interferometria: il rapporto VV/VH mostra differenze di superficie e umidità, non spostamenti millimetrici.
538 punti di infrastruttura stradale mappati da OpenStreetMap (245 semafori, 174 semafori pedonali, 61 radar, 58 telecamere) e un prober che testa effettivamente ogni flusso di telecamera e scrive il motivo quando uno cade.
La mappa 3D drappeggia l’ortofoto governativa da geodata.gov.md (WMS, Agenzia di Geodesia, Cartografia e Catasto) su un modello del terreno dai tasselli Terrarium AWS Open Data, renderizzato con MapLibre GL. Zero chiavi API, zero costi per visualizzazione.
Le traiettorie dei satelliti vengono propagate da elementi TLE CelesTrak con `satellite.js` in processo, con l’età dei dati orbitali marcata fresh / stale / expired. È una mappa del cielo, non un prodotto di immagine.
Dati e funzionamento
Dall’esplorazione all’implementazione
Qual è il territorio, cosa vuole monitorare il team (vegetazione, acqua, terreno, aria, infrastruttura) e a quale scala si prende la decisione. La risoluzione adatta per un raion non descrive una parcella.
Verifichiamo quali telecamere, geoportali, flussi di trasporto e registri pubblici esistono effettivamente e rispondono. Ogni fonte entra nella piattaforma con la sua licenza, attribuzione e stato; quelle che non rispondono restano visibili come OFFLINE con il motivo, non spariscono dall’elenco.
Si crea un client OAuth2 nel Sentinel Hub Dashboard di CDSE e si impostano `CDSE_CLIENT_ID`, `CDSE_CLIENT_SECRET` e `CDSE_INSTANCE_ID` nell’ambiente dell’applicazione. La quota di 30.000 PU/mese rimane del cliente, il che significa che la vede e la controlla.
L’installazione viene eseguita su un server del cliente (Next.js sotto systemd, nginx davanti). La verifica di accettazione è `/api/worldview/source-health`: se `noFakeLive` segnala qualsiasi violazione, l’installazione non è pronta.
L’installazione attuale di riferimento funziona su HTTP senza TLS e senza autenticazione in lettura. Per un deploy esposto pubblicamente, TLS e autenticazione sono lavori separati, pianificati esplicitamente — non si presume che siano inclusi.
Sentinel-1, Sentinel-2, Sentinel-3 e Sentinel-5P, tramite Copernicus Data Space Ecosystem. Nel codice le collezioni si chiamano esattamente `sentinel-1-grd`, `sentinel-2-l2a`, `sentinel-3-slstr` e `sentinel-5p-l2`. Non abbiamo satelliti propri e non acquistiamo immagini commerciali ad alta risoluzione — se vi servono 30 cm, quella è un’altra discussione e un altro fornitore.
No, e nessuno può darvi questo con Sentinel. Sentinel-2 passa sopra lo stesso luogo circa ogni 5 giorni, Sentinel-1 ogni 6–12 giorni, e il prodotto ha bisogno di tempo di elaborazione. Per questo la finestra predefinita degli strati è gli ultimi 7 giorni, conclusi ieri. Ciò che ricevete è la migliore scena disponibile nell’intervallo richiesto, con la sua data dichiarata.
L’ottica si perde. Filtriamo le scene con oltre il 40% di nuvole e mascheriamo i pixel che la banda SCL marca come nuvola, ombra, cirrus o neve — appaiono trasparenti, non inventati. Quando l’ottica non può, resta Sentinel-1: il radar attraversa le nuvole e funziona di notte, al prezzo che la sua lettura è diversa — vede rugosità e umidità, non colore.
No. Ciò richiede InSAR: coppie di scene, orbite precise, DEM e disambiguazione della fase. Nel codice questo prodotto è elencato con lo stato `requires_pair_processing` — cioè dichiarato come non implementato, non nascosto. Quello che facciamo invece: screening. Esiste un modulo di triage per le frane che si presenta da solo come `flowmind-landslide-screening-v0`, euristico, con l’avvertimento scritto nella risposta API che non si tratta di rilevamento confermato.
Poche, ed è meglio sentirlo da noi. Un nostro sondaggio OSINT del luglio 2026 ha trovato un tetto di circa 34 telecamere stradali pubbliche live in tutto il paese — 12 ANDSA più 22 alla frontiera. Alla verifica di oggi, su 116 flussi sondati rispondevano 13, tutti immagini JPEG rinnovate, zero flusso video. Le altre sono dichiarate con il motivo: abbonamento scaduto, token ruotato, cartella scomparsa, porta inaccessibile. Se qualcuno vi promette 150 telecamere in Moldova, chiedetegli la lista.
No, e non può farlo nella forma attuale. I 245 semafori sono mappati come punti nei dati, da OpenStreetMap — la piattaforma li vede sulla mappa, non li comanda. Il controllo attivo richiederebbe l’integrazione con i controllori fisici e una responsabilità di sicurezza, che è un progetto separato, con altri partner.
No. Non esiste alcun modello addestrato nel deposito e nessun codice di apprendimento automatico viene chiamato dall’applicazione; le directory `ml/gnn` e `ml/forecasting` sono vuote. L’architettura con RL e GNN in ARCHITECTURE.md è l’obiettivo, indicato come tale proprio in quel file.
L’account standard Copernicus include 30.000 unità di elaborazione e 30.000 richieste al mese, gratuitamente. Ogni tile richiesta ne consuma una parte. La piattaforma riduce il consumo tramite cache (30 minuti in memoria, 24 ore in risposta) e tramite limiti sulla dimensione e sull’intervallo della richiesta, ma non ha un contatore della quota — se l’installazione ha molto traffico pubblico, la contabilizzazione e un piano a pagamento sono cose da decidere prima, non dopo.
Esempio illustrativo
Uno scenario di utilizzo, senza dati del cliente o risultati commerciali attribuiti.
Un comune riceve una segnalazione che è stato abbattuto un bosco in una zona difficilmente accessibile e vuole sapere se vale la pena inviare una squadra.
Si richiede il layer Sentinel-2 NDVI sull’area delimitata, per una finestra precedente alla segnalazione e una recente — massimo 31 giorni ciascuna, con filtro al 40% di nuvole. I pixel marcati come nuvola o ombra dalla banda SCL restano trasparenti. Se entrambe le finestre sono nuvolose, si passa a Sentinel-1 VV/VH, che attraversa le nuvole. La sovrapposizione con la geometria OSM mostra se l’area con il valore basso è davvero foresta e su quale particella ricade.
Una coppia di immagini datate, a 10 m, con il contorno dell’area in cui l’indice di vegetazione è diminuito tra le due finestre, e con la superficie approssimativa di quell’area. Un pixel di 10 m significa che un taglio inferiore a circa 0,1 ha non si distingue dal rumore — si vede una particella, non un albero.
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.
Possibilità di collaborazione
Analisi delle immagini e degli indicatori satellitari per pianificazione, ambiente o agricoltura, con l’indicazione della risoluzione, della data e dei limiti di ciascuna fonte.
Definiamo un pilot attorno a un processo reale: utenti, dati, integrazioni, costi e criteri di accettazione. L’estensione segue dopo la valutazione del risultato.
Stabiliamo i requisiti di accessibilità, hosting, protezione dei dati e interoperabilità. Ogni connessione con servizi AGE o STISC richiede la validazione dell’ammissibilità, dell’accesso e delle approvazioni.
Questi sono scenari di adattamento, non dichiarazioni su contratti o partenariati esistenti. Le funzioni proposte si confermano nell’ambito di lavoro del progetto.
Discută un pilotVeda come utilizziamo le osservazioni Copernicus e come esploriamo le orbite dei satelliti.
Cronberry riunisce fonti autorizzate, conversazioni e relazioni in uno spazio di ricerca e coordinamento.
Dezvoltare & demonstrațiiSviluppiamo rappresentazioni 3D della città che combinano rilievo, mappe e dati sullo spazio costruito.
Prototip & cercetaresesizari.md organizza le segnalazioni sullo spazio pubblico: luogo, categoria, descrizione e materiali rilevanti.
Platformă publicăRaccontaci il tuo processo. Insieme stabiliamo cosa vale la pena costruire, cosa possiamo collegare e come verifichiamo il risultato.