探索无垠的地球影像——sat-search
在寻找和下载公开卫星图像的道路上,有一个强大的工具不容错过——那就是sat-search。这是一个基于Python 3的库和命令行工具,专门用于利用符合STAC(Spatial Temporal Asset Catalog)标准的API来检索和下载全球卫星图像。
STAC与APIs
从版本0.3.0开始,sat-search不再设定默认的STAC端点,但可以通过参数或设置环境变量STAC_API_URL来指定。目前已被验证可以正常工作的端点包括:
| 端点 | 数据源 |
|---|---|
| https://earth-search.aws.element84.com/v0 | Sentinel-2 |
安装简单
安装sat-search非常便捷,唯一依赖的是sat-stac,它自身只需要requests和python-dateutil这两个依赖。你可以通过PyPi或者直接从源代码仓库进行安装:
$ pip install sat-search
或者:
$ git clone https://github.com/sat-utils/sat-search.git
$ cd sat-search
$ pip install .
版本选择
当前最新版本是0.2.2,支持STAC v0.7.0。要安装其他版本,只需在pip命令中指定所需版本。
pip install sat-search==0.2.0
查看CHANGELOG了解更多版本信息。
使用sat-search
sat-search不仅能完全查询支持的STAC API,还可以将搜索结果保存为GeoJSON文件,以便后续加载。它既可作为Python库集成到你的应用中,也提供了命令行接口(CLI)供日常使用。
我们提供了一份Jupyter notebook教程,涵盖了library的所有主要功能。
命令行接口
sat-search的CLI十分强大,使用-h即可获取详细的帮助信息:
$ sat-search -h
两个核心子命令search和load分别用于新搜索和加载以前的搜索结果。
$ sat-search search -h
search命令能执行详细的搜索操作,包括对地理位置、时间范围、特定属性等的筛选,并可以将结果保存为GeoJSON或打印相关信息。
$ sat-search load -h
load命令则允许你加载已保存的搜索结果,继续进行处理,甚至下载选定的资产数据。
项目特点
- 灵活搜索:支持全量查询,并能够根据日期、区域、属性等多种条件进行筛选。
- 兼容性强:与STAC标准兼容,适应多种公共卫星数据源。
- 易于集成:作为Python库,可以方便地融入你的数据分析流程。
- CLI易用:提供的命令行工具让用户无需编写代码即可完成常见任务。
如果你正在寻找一个高效且易于使用的工具来获取卫星数据,那么sat-search无疑是最佳选择。立即加入探索,开启你的全球遥感之旅吧!
kernelopenEuler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。C051
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0127
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00