🌕 Lunar Base Planner / Планировщик лунной базы

📘 Project Overview (EN)

This project is part of the "IT-Planet 2025" International Olympiad, in the "Space Cup: MISSION MOON" track.

The goal of the first stage is to develop a concept and web-based prototype for planning and navigating a lunar base at the Moon's South Pole. This system should assist future colonists in organizing infrastructure, analyzing terrain, and managing resources efficiently.

Key functions:

• Researching lunar terrain for optimal infrastructure placement
• Planning safe, logical, and functional layouts of habitats and facilities
• Managing resources and supporting sustainable base development
• UI prototype for map-based interaction and route planning
• Automatic validation of placement criteria
• Support for importing terrain data and spectral analysis

---

📗 Обзор проекта (RU)

Этот проект создан в рамках Международной олимпиады "IT-Планета 2025", в треке «Космический кубок: МИССИЯ ЛУНА».

Цель первого этапа – разработать концепцию и прототип Web-решения для планирования строительства лунной базы на Южном полюсе Луны и навигации по ней.

Основные задачи:

• Исследование лунной поверхности для выбора подходящих площадок
• Оптимальное размещение объектов инфраструктуры
• Управление ресурсами и устойчивое развитие базы
• Прототип интерфейса для отображения карты и прокладки маршрутов
• Проверка соответствия объектов заданным критериям
• Поддержка анализа высот по спектральным данным

---

✅ Как писать коммиты (Conventional Commits)

📌 Формат:

<тип>(область): краткое описание

Пример:

feat(auth): add login form

---

🔖 Типы коммитов:

• feat — новая фича
• fix — багфикс
• docs — документация
• style — стили, форматирование (не влияет на логику)
• refactor — переработка кода (без новых фич и фиксов)
• test — тесты
• chore — тех. задачи: зависимости, конфиги
• perf — улучшения производительности
• build — сборочная система
• ci — CI/CD процессы
• revert — откат коммита

---

🚀 Инструкция по запуску проекта с нуля

1. Склонируй репозиторий:

git clone https://github.com/your-username/your-repo.git
cd your-repo

2. Установи зависимости:

pnpm install

Если pnpm не установлен:

npm install -g pnpm

3. Запусти проект:

pnpm dev

4. Открой в браузере:

http://localhost:3000

---

## ✅ Настройка окружения для корректной работы с GDAL и геоданными

### 🔹 **Шаг 1: Создание окружения**

Открываем **Anaconda Prompt** и создаём новое окружение:

```bash
conda create -n gis python=3.11
conda activate gis

---

🔹 Шаг 2: Установка библиотек

Устанавливаем нужные библиотеки из файла scripts/requirements.txt, но только через conda, так как pip может не корректно установить GDAL:

conda install -c conda-forge gdal pyproj matplotlib numpy rasterio

---

🔹 Шаг 3: Проверка ошибок

Если при запуске в консоли вы видите ошибку вроде:

Python stderr:   File "...\image_processor.py", line 2, in <module>
    from osgeo import gdal, osr
ModuleNotFoundError: No module named 'osgeo'

Python process exited with code 1

Это значит, что модуль osgeo не установлен. Устанавливать его также нужно через conda (если ещё не установлен):

conda install -c conda-forge gdal

Важно: не использовать pip install gdal — это приведёт к некорректной установке.

---

🔹 Шаг 4: Указание пути к Python

Всё ещё в Anaconda Prompt, выполняем:

where python

Нужна строка, указывающая путь к python.exe внутри окружения gis, например:

C:\Users\Ruslan\anaconda3\envs\gis\python.exe

---

🔹 Шаг 5: Настройка .env.local

В корневой папке проекта создаём файл .env.local и прописываем туда следующее:

PYTHON_PATH=C:\Users\Ruslan\anaconda3\envs\gis\python.exe

Замените путь на тот, который вы получили на предыдущем шаге.

---

✅ Готово!

Если всё настроено правильно, после загрузки файла в консоли сервера должна появиться строка:

POST /api/process-image 200 in 9426ms

Это означает, что сервер успешно обработал изображение с помощью нужных библиотек.

Структура проекта

/
├── app/                     # Frontend (Next.js)
│   ├── api/                 # API-маршруты
│   │   ├── process-image/   # Обработка загруженных изображений
│   │   └── list-processed-images/ # Получение списка обработанных изображений
│   ├── components/          # React-компоненты
│   ├── moon-map/            # Страница конструктора лунной базы
│   └── spectral-analysis/   # Страница с информацией о спектральном анализе
├── scripts/                 # Python-скрипты для обработки изображений
│   ├── image_processor.py   # Основной скрипт обработки
│   ├── input/               # Входные изображения
│   ├── output/              # Выходные данные
│   │   ├── images/          # Сгенерированные визуализации
│   │   └── json/            # JSON-файлы с данными анализа
│   └── requirements.txt     # Зависимости Python
└── public/                  # Статические файлы

Использование приложения

1. Откройте главную страницу приложения
2. Перейдите в раздел "Спектральный анализ"
3. Загрузите изображение поверхности Луны для обработки
4. После обработки просмотрите результаты анализа
5. Перейдите в "Конструктор" для планирования лунной базы, используя полученные данные

Решение проблем

Не удается найти Python

Если приложение не может найти Python:

1. Убедитесь, что Python установлен и доступен в PATH
2. Задайте путь к Python через переменную окружения PYTHON_PATH
3. Проверьте наличие всех зависимостей в Python-окружении (см. scripts/requirements.txt)

Ошибки при обработке изображений

1. Проверьте, что формат загружаемого изображения поддерживается (рекомендуется GeoTIFF)
2. Убедитесь, что в вашем Python-окружении установлены все необходимые библиотеки
3. Проверьте логи сервера для получения дополнительной информации

Вклад в проект

1. Fork репозитория
2. Создайте ветку для вашей функциональности (git checkout -b feature/amazing-feature)
3. Зафиксируйте изменения (git commit -m 'Add some amazing feature')
4. Push в вашу ветку (git push origin feature/amazing-feature)
5. Откройте Pull Request

Лицензия

MIT