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!
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
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