Escolhemos a zona
Definimos o território, o período e a pergunta: vegetação, água, terreno ou contexto urbano.
Inteligência geoespacial Implementação especializada
FlowMind organiza mapas, fontes públicas e produtos Copernicus num espaço de análise. Passamos de uma imagem de fundo para camadas com fonte, data, sensor e limites de interpretação.
FlowMind
Definimos o território, o período e a pergunta: vegetação, água, terreno ou contexto urbano.
Usamos produtos óticos, radar, térmicos e atmosféricos adequados à pergunta.
Apresentamos as camadas no mapa e mantemos o contexto necessário para uma decisão informada.
Sentinel-2 e índices como NDVI e NDWI para explorar mudanças.
Sentinel-1 complementa a informação ótica, incluindo quando existe cobertura de nuvens.
Dados térmicos Sentinel-3 e atmosféricos Sentinel-5P, nas resoluções específicas destes produtos.
Os dados não são um fluxo de vídeo contínuo. A interpretação depende da resolução, da estação do ano, das nuvens e do momento da observação. As análises InSAR de deslocamento requerem um fluxo separado, em desenvolvimento.
FlowMind em detalhe
FlowMind é uma camada de agregação para um território: reúne num único mapa operacional o que se pode ler sobre uma cidade a partir de fontes públicas — imagens de satélite Copernicus, geometria OpenStreetMap, câmaras rodoviárias públicas, incidentes, meteorologia — e mostra ao lado de cada camada de onde vem e quando foi lida pela última vez.
A regra em que se baseia chama-se no código ZERO FALSE DATA: quando uma fonte não responde, a plataforma escreve OFFLINE e o motivo, não preenche a lacuna com um valor plausível. Existe um guardião automático, `noFakeLive`, que recusa marcar LIVE uma camada sem prova de uma leitura bem-sucedida. Na verificação de hoje ele reporta zero violações.
Não temos satélites. Trabalhamos através do Copernicus Data Space Ecosystem, com credenciais OAuth2 client_credentials em identity.dataspace.copernicus.eu, e pedimos produtos processados através da API Sentinel Hub. O que isto significa na prática: a resolução, a frequência de revisita e as nuvens são da missão, não nossas, e vêem-se no texto.
Sentinel-2 MSI a 10 m em três variantes (true color de B04/B03/B02, NDVI de B08/B04, NDWI de B03/B08), Sentinel-1 C-SAR relação VV/VH a 10 m, Sentinel-3 SLSTR banda térmica S8 a ~1 km e Sentinel-5P TROPOMI NO₂ a ~3,5 × 5,5 km. As coleções pedidas no Sentinel Hub são `sentinel-2-l2a`, `sentinel-1-grd`, `sentinel-3-slstr` e `sentinel-5p-l2`.
Os pedidos Sentinel-2 filtram as cenas com mais de 40% de cobertura de nuvens, e no evalscript os píxeis marcados pela banda SCL como nuvem, sombra de nuvem, cirrus ou neve (classes 3, 8, 9, 10, 11) são devolvidos transparentes. Um píxel vazio significa „não observámos aqui”, não „aqui não há nada”.
Sentinel-1 atravessa nuvens e trabalha de noite, a 10 m, com revisita de cerca de 6–12 dias. É screening numa única cena, não interferometria: a relação VV/VH mostra diferenças de superfície e humidade, não deslocações milimétricas.
538 pontos de infraestrutura rodoviária mapeados a partir do OpenStreetMap (245 semáforos, 174 semáforos pedonais, 61 radares, 58 câmaras) e um prober que testa efetivamente cada fluxo de câmara e escreve o motivo quando um falha.
O mapa 3D sobrepõe a ortofoto governamental de geodata.gov.md (WMS, Agência de Geodesia, Cartografia e Cadastro) sobre um modelo de terreno a partir das placas terrarium AWS Open Data, renderizado com MapLibre GL. Zero chaves API, zero custo por visualização.
As trajetórias dos satélites são propagadas a partir de elementos TLE CelesTrak com `satellite.js` em processo, com a idade dos dados orbitais marcada fresh / stale / expired. É um mapa do céu, não um produto de imagem.
Dados e funcionamento
Da exploração à implementação
Qual é o território, o que a equipa quer acompanhar (vegetação, água, solo, ar, infraestrutura) e a que escala se toma a decisão. A resolução adequada para um raion não descreve uma parcela.
Verificamos que câmaras, geoportais, fluxos de transporte e registos públicos existem efetivamente e respondem. Cada fonte entra na plataforma com a licença, a atribuição e o estado; as que não respondem permanecem visíveis como OFFLINE com o motivo, não desaparecem da lista.
É criado um cliente OAuth2 no Sentinel Hub Dashboard do CDSE e colocamos `CDSE_CLIENT_ID`, `CDSE_CLIENT_SECRET` e `CDSE_INSTANCE_ID` no ambiente da aplicação. A quota de 30.000 PU/mês continua a ser do cliente, o que significa que ele a vê e a controla.
A instalação é feita num servidor do cliente (Next.js sob systemd, nginx à frente). A verificação de aceitação é `/api/worldview/source-health`: se `noFakeLive` reportar qualquer violação, a instalação não está concluída.
A instalação atual de referência funciona em HTTP sem TLS e sem autenticação na leitura. Para um deploy exposto publicamente, TLS e autenticação são trabalhos separados, planeados explicitamente — não se presume que estejam incluídos.
Sentinel-1, Sentinel-2, Sentinel-3 e Sentinel-5P, através do Copernicus Data Space Ecosystem. No código, as coleções chamam-se exatamente `sentinel-1-grd`, `sentinel-2-l2a`, `sentinel-3-slstr` e `sentinel-5p-l2`. Não temos satélites próprios e não compramos imagens comerciais de alta resolução — se vocês precisam de 30 cm, isso é outra conversa e outro fornecedor.
Não, e ninguém vos pode dar isso com Sentinel. O Sentinel-2 passa sobre o mesmo local aproximadamente de 5 em 5 dias, o Sentinel-1 de 6–12 em 6–12 dias, e o produto precisa de tempo de processamento. Por isso, a janela predefinida das camadas é os últimos 7 dias, terminados ontem. O que vocês recebem é a melhor cena disponível no intervalo pedido, com a respetiva data declarada.
A ótica perde-se. Filtramos as cenas com mais de 40% de nuvens e mascaramos os pixéis que a banda SCL assinala como nuvem, sombra, cirrus ou neve — aparecem transparentes, não inventados. Quando a ótica não consegue, fica o Sentinel-1: o radar atravessa as nuvens e funciona de noite, com o custo de a sua leitura ser diferente — vê rugosidade e humidade, não cor.
Não. Isso exige InSAR: pares de cenas, órbitas precisas, DEM e desambiguação da fase. No código, este produto está listado com o estado `requires_pair_processing` — ou seja, declarado como não implementado, não escondido. O que fazemos em vez disso: triagem. Existe um módulo de triagem para deslizamentos de terra que se apresenta como `flowmind-landslide-screening-v0`, heurístico, com o aviso escrito na resposta da API de que não é deteção confirmada.
Poucas, e é melhor ouvirem isso de nós. Um levantamento OSINT próprio de julho de 2026 encontrou um teto de cerca de 34 câmaras rodoviárias públicas em direto em todo o país — 12 ANDSA mais 22 na fronteira. Na verificação de hoje, de 116 fluxos sondados respondiam 13, todos imagens JPEG renovadas, zero fluxos de vídeo. O resto está declarado com o motivo: subscrição expirada, token rodado, pasta desaparecida, porta inacessível. Se alguém vos prometer 150 câmaras na Moldávia, peçam-lhe a lista.
Não, e também não tem como na forma atual. Os 245 semáforos estão mapeados como pontos nos dados, a partir do OpenStreetMap — a plataforma vê-os no mapa, não os comanda. O controlo ativo implicaria integração com os controladores físicos e responsabilidade de segurança, o que é um projeto separado, com outros parceiros.
Não. Não existe nenhum modelo treinado no repositório e nenhum código de aprendizagem automática é chamado pela aplicação; os diretórios `ml/gnn` e `ml/forecasting` estão vazios. A arquitetura com RL e GNN em ARCHITECTURE.md é o objetivo, marcado como tal nesse mesmo ficheiro.
A conta standard Copernicus vem com 30.000 unidades de processamento e 30.000 pedidos por mês, gratuitamente. Cada tile pedido consome delas. A plataforma reduz o consumo através de cache (30 minutos em memória, 24 horas na resposta) e através de limites ao tamanho e ao intervalo do pedido, mas não tem um contador de quota — se a instalação tiver muito tráfego público, a contagem e um plano pago são coisas a decidir antes, não depois.
Exemplo ilustrativo
Um cenário de utilização, sem dados de cliente nem resultados comerciais atribuídos.
Uma câmara municipal recebe uma participação de que houve corte de floresta numa zona de difícil acesso e quer saber se vale a pena deslocar uma equipa.
Pede-se a camada Sentinel-2 NDVI sobre a caixa da zona, para uma janela antes da reclamação e uma recente — no máximo 31 dias cada, com filtro de 40% de nuvens. Os pixéis assinalados como nuvem ou sombra pela banda SCL ficam transparentes. Se ambas as janelas estiverem nubladas, muda-se para Sentinel-1 VV/VH, que atravessa as nuvens. A sobreposição com a geometria OSM mostra se a zona com o valor baixo é realmente floresta e em que parcela cai.
Um par de imagens datadas, a 10 m, com o contorno da área onde o índice de vegetação diminuiu entre as duas janelas, e com a área aproximada dessa zona. Um pixel de 10 m significa que um corte inferior a cerca de 0,1 ha não se distingue do ruído — vê-se uma parcela, não uma árvore.
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.
Possibilidades de colaboração
Análise de imagens e indicadores de satélite para planeamento, ambiente ou agricultura, com a indicação da resolução, da data e dos limites de cada fonte.
Definimos um piloto em torno de um processo real: utilizadores, dados, integrações, custos e critérios de aceitação. A expansão segue após a avaliação do resultado.
Estabelecemos os requisitos de acessibilidade, alojamento, proteção de dados e interoperabilidade. Qualquer ligação a serviços AGE ou STISC requer a validação da elegibilidade, do acesso e das aprovações.
Estes são cenários de adaptação, não declarações sobre contratos ou parcerias existentes. As funções propostas confirmam-se no âmbito de trabalho do projeto.
Fale sobre um pilotoVeja como usamos as observações Copernicus e como exploramos as órbitas dos satélites.
O Cronberry junta fontes autorizadas, conversas e relações num espaço de investigação e coordenação.
Desenvolvimento e demonstraçõesDesenvolvemos representações 3D da cidade que combinam relevo, mapas e dados sobre o espaço construído.
Prototip & cercetaresesizari.md organiza as participações sobre o espaço público: local, categoria, descrição e materiais relevantes.
Plataforma públicaConte-nos o seu processo. Em conjunto decidimos o que vale a pena construir, o que podemos ligar e como verificamos o resultado.