DescartesLabs Python库教程：创建产品并上传NDArray图像数据

概述

本教程将详细介绍如何使用DescartesLabs Python库创建一个新的产品(Product)并上传NDArray格式的图像数据。这是遥感数据处理和管理的核心操作之一，适用于需要自定义数据存储和分析的场景。

准备工作

在开始之前，请确保已正确安装并配置了DescartesLabs Python库。本教程主要涉及以下关键概念：

• Product: 数据产品容器，用于组织和管理相关图像数据
• SpectralBand: 光谱波段定义，描述数据的波段特性
• Image: 具体的图像数据实例
• NDArray: NumPy数组格式的图像数据

创建新产品

生成唯一产品ID

import uuid
product_id = uuid.uuid4().hex

使用UUID生成唯一标识符，避免产品ID冲突。这是分布式系统中处理数据时的最佳实践。

定义产品元数据

from descarteslabs.catalog import Product

product = Product(
    id=product_id,
    name="Simple Image Upload",
    description="An example of creating a product...",
)
product.save()

这里我们创建了一个名为"Simple Image Upload"的新产品，并添加了描述信息。save()方法将产品元数据提交到目录服务。

配置光谱波段

遥感数据通常包含多个波段，我们需要为产品定义这些波段的信息：

from descarteslabs.catalog import SpectralBand

bands = ["red", "green", "blue"]

for band_index, band in enumerate(bands):
    SpectralBand(
        product=product,
        name=band,
        band_index=band_index,
        data_type="Float64",
        nodata=0,
        data_range=(0.0, 1.0),
        display_range=(0.0, 0.4),
    ).save()

关键参数说明：

• band_index: 波段索引(从0开始)
• data_type: 数据类型，这里使用64位浮点数
• nodata: 表示无效数据的值
• data_range: 数据的有效值范围
• display_range: 推荐的显示范围

管理产品权限

产品创建后，可以配置访问权限：

# 查看当前写入权限
print("Product writers:", product.writers)

# 添加写入权限
product.writers = ["email:[e-mail]"]
product.save()

权限管理对于协作项目非常重要，可以控制谁能够修改产品元数据或添加新图像。

搜索并处理源图像

本示例使用巴黎地区的Sentinel-2影像作为数据源：

paris_bbox = {
    "type": "Polygon",
    "coordinates": [[...]]  # 巴黎边界坐标
}

search = (
    Product.get("esa:sentinel-2:l2a:v1")
    .images()
    .intersects(paris_bbox)
    .filter("2020-06-24" < p.acquired < "2020-06-30")
    .filter(p.cloud_fraction < 0.1)
    .limit(2)
)
images = search.collect()

搜索条件包括：

• 空间范围(巴黎边界)
• 时间范围(2020年6月24日至30日)
• 云量(<10%)
• 最多返回2景影像

创建影像镶嵌

将多景影像合并为单一RGB图像：

ndarray_mosaic, raster_info = images.mosaic("red green blue", raster_info=True)

mosaic()方法返回：

• ndarray_mosaic: NumPy数组格式的镶嵌结果
• raster_info: 包含地理参考信息的元数据

上传图像数据

将处理后的数据上传到我们创建的产品中：

image = Image(
    name="Paris", 
    product=product, 
    acquired="2020-06-24", 
    acquired_end="2020-06-30"
)

upload = image.upload_ndarray(ndarray_mosaic, raster_meta=raster_info)
upload.wait_for_completion()
print(upload.status)

上传过程可能需要几分钟时间，wait_for_completion()会阻塞直到上传完成。

验证和清理

上传完成后，可以验证图像是否已成功添加：

print(product.images().collect())

最后，清理测试产品：

task = product.delete_related_objects()
while task is not None:
    task.wait_for_completion()
    if task.status == "success":
        break
    task = product.delete_related_objects()
product.delete()

最佳实践

1. 波段定义：确保波段定义与实际数据匹配，特别是数据类型和值范围
2. 权限管理：生产环境中应严格控制产品权限
3. 错误处理：实际应用中应添加适当的错误处理逻辑
4. 性能考虑：大数据量上传时考虑分块处理
5. 元数据完整性：确保提供完整的时空元数据

通过本教程，您应该已经掌握了使用DescartesLabs Python库创建产品和上传图像数据的基本流程。这套方法可以应用于各种遥感数据管理和分析场景。