geeup 项目使用教程
1. 项目介绍
geeup 是一个用于批量上传图像和表格资产到 Google Earth Engine (GEE) 的命令行工具。该项目旨在为开源地理空间用户提供一个简单易用的工具,以便他们能够轻松地预处理图像和 shapefile,并处理所有当前在 GEE 上可能的上传格式。geeup 提供了多种功能,包括批量上传、任务状态监控、配额查询等。
2. 项目快速启动
2.1 安装
首先,确保你已经安装了 Python 3.7 或更高版本,并且已经安装了 earthengine CLI 工具并完成了认证。然后,你可以使用以下命令安装 geeup:
pip install geeup
2.2 基本使用
以下是一些基本的 geeup 命令示例:
2.2.1 查询 GEE 配额
geeup quota
2.2.2 上传图像
geeup upload --source "path/to/images" --dest "users/username/mycollection" --metadata "path/to/metadata.csv"
2.2.3 上传表格(shapefile 或 CSV)
geeup tabup --source "path/to/zipped_shapefiles_or_csv" --dest "users/username/myfolder"
2.2.4 查看任务状态
geeup tasks
3. 应用案例和最佳实践
3.1 批量上传遥感图像
假设你有一批 Landsat 8 图像需要上传到 GEE,你可以使用 geeup 工具轻松完成这一任务。首先,确保所有图像文件位于同一个目录中,然后运行以下命令:
geeup upload --source "path/to/landsat8_images" --dest "users/username/landsat8_collection" --metadata "path/to/metadata.csv"
3.2 上传 shapefile 进行地理分析
如果你有一些 shapefile 文件需要上传到 GEE 进行地理分析,可以使用以下命令:
geeup tabup --source "path/to/zipped_shapefiles" --dest "users/username/shapefiles_folder"
3.3 监控上传任务
在批量上传过程中,监控任务状态是非常重要的。你可以使用以下命令查看当前所有任务的状态:
geeup tasks
4. 典型生态项目
4.1 Google Earth Engine (GEE)
geeup 是基于 Google Earth Engine (GEE) 的生态系统开发的工具。GEE 是一个强大的地理空间分析平台,提供了大量的遥感数据和分析工具。geeup 使得用户能够更方便地将本地数据上传到 GEE 进行进一步分析。
4.2 GDAL
geeup 依赖于 GDAL 库来处理地理空间数据。GDAL 是一个开源的地理空间数据处理库,支持多种格式的地理数据读写。
4.3 geeadd
geeadd 是另一个与 GEE 相关的开源项目,提供了一些额外的功能,如配额估计、任务监控和取消等。geeup 借鉴了 geeadd 的一些功能,并在此基础上进行了扩展。
通过以上教程,你应该能够快速上手使用 geeup 工具,并将其应用于实际的地理空间数据处理任务中。
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 StartedRust0119- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00