Satellite Gis Patterns

Satellite & GIS Patterns

Patrones para trabajar con datos satelitales, GIS y routing client-side, inspirados en repos explorados.

1. DRISH-X — Tráfico desde Satélite

Fuente: sparkyniner/DRISH-X (⭐228)

Técnica clave: Spectral Smear Detection

Los satélites Sentinel-2 capturan R, G, B con 1.01s de diferencia. Los vehículos en movimiento dejan un "spectral smear" distintivo (desplazamiento azul-verde-rojo).

Pipeline

Sentinel-2 imagery → Detect spectral smears → Count vehicles → Estimate speed/direction → Time-series analysis

Datos

• Fuente: Copernicus (gratis)
• Resolución: 10m (bandas RGB)
• Revisita: 5 días (constelación Sentinel-2)
• Ejecución: Local en browser, sin infraestructura terrestre

Aplicaciones

• Monitoreo de tráfico en cualquier carretera del mundo
• Análisis de volumen por horas/días/semanas
• Detección de patrones estacionales

2. Client-Side Routing

Fuente: AbelVM/omt-router (⭐11)

Concepto

Routing 100% client-side usando OpenMapTiles vector tiles. Sin backend de routing.

Algoritmos disponibles

• bidirectional-astar — Rápido, bueno para distancias largas
• adaptive-barrier — Balance velocidad/calidad
• delta-stepping — Óptimo para redes grandes
• ultra-dijkstra — Más lento pero más preciso

Modos de transporte

• 🚗 Car
• 🚶 Pedestrian
• 🚲 Bicycle

Integración

• MapLibre GL JS
• Web Workers para no bloquear UI
• Tile caching para rendimiento

Aplicación a Mastermind

• Dashboard Bicimad sin necesidad de backend de routing
• Isolineas (reachability polygons) para estaciones de bike
• Integración con OpenMapTiles existentes

3. Descarga de Datos Satelitales

Fuentes:

• Aouei/remote-sensing-satellite-downloader — Sentinel-2, Landsat-8 via Copernicus OData
• orcunkok/AWS-Dem-Downloader — AWS Terrain Tiles (elevación)

Comandos útiles

# Descargar tiles de elevación AWS
aws-dem-downloader --bbox -3.7,40.4,-3.6,40.5 --zoom 12

# Descargar Sentinel-2
python -m satellite_downloader --sentinel --bbox --date

4. City2Graph — GNN para Ciudades

Fuente: c2g-dev/city2graph (⭐1.2k)

Transforma relaciones geoespaciales en grafos para Graph Neural Networks.

Pipeline

City spatial data → Graph representation → GNN training → Predictions

Aplicaciones

• Predicción de tráfico
• Planificación urbana
• Análisis de movilidad

Integración con Mastermind

Para proyectos de movilidad/bicimad:

1. Usar omt-router para routing client-side en dashboards
2. DRISH-X como referencia para datos satelitales de tráfico
3. City2Graph para análisis avanzado con ML
4. Sentinel-2 downloader para obtener datos brutos

5. Isocronas — Patrón Híbrido ORS + NAP

Proyecto: Ntizar/TimeIneco

Arquitectura zero-backend para isocronas de movilidad:

• Coche/Bici/Peatón: OpenRouteService API (gratis, desnivel incluido)
• Transporte público: NAP/GTFS España (catálogo de datos, parseo local)
• PDF: jsPDF + autoTable (informe profesional)
• Todo en un HTML: Leaflet Canvas + vanilla JS

Ver referencias: references/nap-gtfs-integration.md, references/isochrone-architecture.md

6. OpenRailwayMap — Capas de vías férreas en Leaflet

Uso: Superponer infraestructura ferroviaria sobre mapas Leaflet para análisis geoespacial de accidentes, rutas, isocronas.

Capas de tiles

Integración con Leaflet

// Capa base (CARTO Light — buen contraste con vías)
L.tileLayer('https://{s}.basemaps.cartocdn.com/light_all/{z}/{x}/{y}{r}.png', {
    subdomains: 'abcd', maxZoom: 19
}).addTo(map);

// Capa OpenRailwayMap (superpuesta con opacidad)
const railwayLayer = L.tileLayer(
    'https://tiles.openrailwaymap.org/standard/{z}/{x}/{y}.png',
    { subdomains: 'abcd', maxZoom: 19, opacity: 0.6 }
).addTo(map);

// Toggle en layer control
L.control.layers(null, { "Vías férreas": railwayLayer }).addTo(map);

API GeoJSON

GET https://api.openrailwaymap.org/lines?format=geojson&protected=1

Devuelve: electrificación, ancho de vía, velocidad máxima, nombre de línea. Pitfall: La API a veces bloquea desde IPs de cloud/sandbox. Si falla, usar tiles directamente.

Pitfalls

• OpenRailwayMap tiles devuelven 403 sin headers adecuados. Verificar con curl -sI.
• Opacidad recomendada: 0.4-0.6 sobre CARTO Light. Demasiado alta tapa el mapa base.
• API GeoJSON puede no responder desde sandbox. Fallback: usar tiles.
• Nominatim requiere User-Agent no vacío y tiene rate limit de 1 req/seg.

Referencias

• https://github.com/sparkyniner/DRISH-X-Satellite-powered-freight-intelligence-
• https://github.com/AbelVM/omt-router
• https://github.com/c2g-dev/city2graph
• https://github.com/Aouei/remote-sensing-satellite-downloader
• references/nap-gtfs-integration.md — API NAP completa (endpoints, esquemas, flujos)
• references/isochrone-architecture.md — Patrón arquitectura isocronas ORS+NAP

Comparativa de alternativas

• nasa-gibs/worldview — +1000 capas de imagery NASA GIBS (WMTS/MAP tiles) near-real-time; basemap satelital listo para usar como fondo en patrones GIS.