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

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

2025-07-02 20:50:52作者:谭伦延

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:someuser@gmail.com"]
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。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
168
2.05 K
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
94
603
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
199
279
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
954
563
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
78
71
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
17
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0