EODAG 项目教程
2024-09-18 12:59:55作者:柯茵沙
1. 项目介绍
EODAG(Earth Observation Data Access Gateway)是一个命令行工具和插件化的 Python 框架,用于搜索、聚合结果和下载遥感图像,同时提供统一的 API 接口,无论数据提供者是谁。EODAG 旨在简化从多个数据提供者获取地球观测数据的流程,支持超过 10 个数据提供者和 50 多种产品类型(如 Sentinel 1、Sentinel 2、Landsat 等)。
EODAG 的主要功能包括:
- 搜索和下载地球观测产品
- 支持 STAC 和静态 STAC 目录
- 可以作为 STAC API REST 服务器运行
- 通过插件扩展支持新的数据提供者
2. 项目快速启动
安装 EODAG
EODAG 可以通过 pip 或 conda 安装:
# 使用 pip 安装
python -m pip install eodag
# 使用 conda 安装
conda install -c conda-forge eodag
配置 EODAG
在首次运行 EODAG 时,系统会自动创建一个用户配置文件,您需要在该文件中填写所需数据提供者的凭证。
使用 Python API
以下是一个简单的 Python 代码示例,用于搜索和下载 Sentinel 2 Level-1C 产品:
from eodag import EODataAccessGateway
# 初始化 EODAG
dag = EODataAccessGateway()
# 搜索产品
search_results = dag.search(
productType='S2_MSI_L1C',
geom={'lonmin': 1, 'latmin': 43.5, 'lonmax': 2, 'latmax': 44},
start='2021-01-01',
end='2021-01-15'
)
# 下载产品
product_paths = dag.download_all(search_results)
使用命令行接口
通过命令行搜索和下载产品:
# 搜索产品
eodag search --productType S2_MSI_L1C --box 1 43 2 44 --start 2021-03-01 --end 2021-03-31
# 下载搜索结果
eodag download --search-results search_results.geojson
3. 应用案例和最佳实践
案例1:搜索和下载 Sentinel-2 数据
假设您需要获取某个区域的 Sentinel-2 数据,可以使用以下步骤:
- 配置 EODAG 以使用 Sentinel-2 数据提供者。
- 使用 Python API 或命令行工具搜索特定时间段内的数据。
- 下载搜索到的数据并进行后续处理。
案例2:使用 STAC API 进行数据访问
EODAG 支持作为 STAC API 服务器运行,您可以通过以下步骤启动 STAC API 服务器:
eodag serve-rest
然后,您可以使用 curl 或其他工具访问 STAC API:
# 列出可用产品类型
curl "http://127.0.0.1:5000/collections?provider=peps" | jq ".collections[].id"
# 搜索产品
curl "http://127.0.0.1:5000/search?collections=S2_MSI_L1C&bbox=0,43,1,44&datetime=2018-01-20/2018-01-25" | jq ".numberMatched"
4. 典型生态项目
EODAG-Labextension
EODAG-Labextension 是一个 JupyterLab 扩展,提供了一个友好的用户界面,帮助您在 Jupyter 笔记本中搜索和浏览 EO 产品。
STAC Browser
STAC Browser 是一个用于浏览 STAC API 的工具,您可以通过以下步骤启动 STAC Browser:
git clone https://github.com/CS-SI/eodag.git
cd eodag
docker-compose up
然后,您可以访问 http://127.0.0.1:5001 浏览 STAC API 服务器。
通过这些工具和方法,您可以更高效地管理和处理地球观测数据。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
765
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
456
438
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
118
昇腾LLM分布式训练框架
Python
178
220