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!
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