# NASA EARTHDATA 数据爬取与预处理 —— 以 HLS 数据集为例

## 仓库说明

1) EARTHDATA 说明
  - NASA 计划于 2026 年底将公开数据全部集成进 EARTHDATA 中
  - HLS 数据集：NASA 多部门将Landsat8/9与Sentinel-2A/B统一协调至30m，划分为：
    - L30（Landsat8/9，包含其独有的2个热红外波段，并已处理为表面亮温℃）
    - S30（Sentinel-2A/B，包含其独有的4个红边波段）
    - 对于核心六波段（Blue/Green/Red/NIR/SWIR1/SWIR2）可直接合并使用，合并后湖北地区单格网观测频率约为3-4d
2) 使用说明
  - 本仓库基于官方原始脚本修复了实际使用中存在的bug，并添加了更多可控制参数
  - 爬取时不要使用魔法工具
  - 实测单格网全年影像爬取+预处理约1h
  - 单用户每秒限制100次请求

## 1 安装 miniforge

### 1.1 miniforge

- miniforge是结合conda与mamba的最小化包，比Anaconda和Miniconda更快更轻量，并且配置命令与原conda基本一致，支持直接使用mamba命令。
- 简而言之，环境配置效率上，miniforge > Mambaforge (202407已废弃) > Miniconda + Mamba > Miniconda > Anaconda

- 官方仓库地址：https://github.com/conda-forge/miniforge
- 官方下载地址：https://conda-forge.org/download/


### 1.2 配置环境变量

- 为了在控制台中直接使用conda命令，需要将安装的相关目录配置到Path环境变量中。

```
D:\program\miniforge3
D:\program\miniforge3\Scripts
D:\program\miniforge3\Library\bin
```

### 1.3 配置权限

- 详细配置与miniconda相同，图文教程地址：https://gis-xh.github.io/my-note/python/01conda/Win11-Miniconda-install/
- Windows环境下，需要设置虚拟环境文件夹的访问权限为所有用户可访问，否则会出现无法读取虚拟环境文件的问题
- 具体地：
  - 设置`D:\program\miniforge3\env`目录为所有用户可访问，具体操作为：右键点击文件夹 -> 属性 -> 安全 -> 编辑 -> 添加 -> 添加所有用户 -> 全选 -> 应用 -> 确定

### 1.4 配置镜像源

- 生成下载源文件的配置文件 (若已经安装过Anaconda/Miniconda，则无需执行此步骤)

```sh
conda config --set show_channel_urls yes
```

- 在`C:\Users\实际用户名\`目录找到`.condarc`文件，使用记事本打开，输入如下内容并保存

```
envs_dirs:
  - D:\program\miniforge3\envs
  - 其他路径地址(可选，创建虚拟环境时将会按照顺序查找)
channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
```

### 1.5 初始化 conda

- 打开控制台，初始化 PowerShell 与 CMD

```sh
conda init powershell
```

```sh
conda init cmd.exe
```

## 2 运行环境配置

### 2.1 使用mamba创建并激活虚拟环境

- 克隆虚拟环境 (Windows环境下推荐)

```sh
mamba env create -f setup/lpdaac_windows.yml
```

- 激活虚拟环境

```sh
mamba activate lpdaac_windows
```

## 3 HLS 数据爬取

### 3.1 账户准备

- 参考自NASA官网示例Demo：https://github.com/nasa/LPDAAC-Data-Resources/blob/main/setup/setup_instructions_python.md
- 首次运行爬取命令时，需要输入用户名和密码，用户名和密码可以在 [Earthdata](https://urs.earthdata.nasa.gov/) 注册获取。
- 需要注意的是，密码中最好不要出 `@/#/$/%` 等符号，爬取时可能会出错。
- 单个用户每秒限制最多100次请求，参考自：https://forum.earthdata.nasa.gov/viewtopic.php?t=3734

### 3.2 脚本可用参数

- `-roi`：感兴趣区，需要按照 **左下右上** 的逆时针顺序设置点坐标，同时还支持 `shp` 与 `geojson/json` 格式文件
- `-clip`：是否对影像进行裁剪，默认 `False`
- `-tile`：HLS影像瓦片ID，例如 `T49RGQ`
- `-dir`：输出目录，必须是已存在的目录
- `-start`：开始时间，格式为 `YYYY-MM-DD`
- `-end`：结束时间，格式为 `YYYY-MM-DD`
- `-prod`：产品名称，例如 `HLSL30`，`HLSS30`，`both`
- `-bands`：波段名称，如 `COASTAL-AEROSOL,BLUE,GREEN,RED,NIR1,SWIR1,SWIR2,CIRRUS,TIR1,TIR2,Fmask`
- `-cc`：筛选影像云量阈值，如 `70`
- `-qf`：是否使用质量波段过滤云/云阴影像元，默认 `True`
- `-scale`：是否对影像使用缩放因子，默认 `True`

### 3.3 爬取云端数据并在内存中进行预处理示例

- 爬取 L30 与 S30 的核心光谱波段：仅按照感兴趣区，瓦片ID，起止时间以及产品名称筛选影像，不进行云量筛选影像，对影像进行去云掩膜处理

```sh
python .\\HLS_SuPER\\HLS_SuPER.py -roi '112.9834,30.5286,114.32373,31.64448' -tile T49RGQ -dir .\\data\\HLS\\ALL -start 2024-01-01 -end 2024-01-31 -prod both -bands BLUE,GREEN,RED,NIR1,SWIR1,SWIR2,Fmask -scale True
```

- 爬取 L30 的所有波段：按照感兴趣区，瓦片ID，起止时间以及产品名称筛选影像，过滤云量小于70% 的影像，对影像进行去云掩膜处理

```sh
python .\\HLS_SuPER\\HLS_SuPER.py -roi '112.9834,30.5286,114.32373,31.64448' -tile T49RGQ -dir .\\data\\HLS\\L30\\subset -start 2024-01-01 -end 2024-01-31 -prod HLSL30 -bands COASTAL-AEROSOL,BLUE,GREEN,RED,NIR1,SWIR1,SWIR2,CIRRUS,TIR1,TIR2,Fmask -cc 70 -scale True
```

- 仅爬取 L30 的热红外波段：仅按照感兴趣区，瓦片ID，起止时间以及产品名称筛选影像，不进行云量筛选影像，对影像进行去云掩膜处理

```sh
python .\\HLS_SuPER\\HLS_SuPER.py -roi '112.9834,30.5286,114.32373,31.64448' -tile T49RGQ -dir .\\data\\HLS\\L30\\TIR -start 2024-01-01 -end 2024-01-31 -prod HLSL30 -bands TIR1,TIR2,Fmask -scale True
```

- 【测试用】根据给定的范围文件 `*.geojson`，不进行云量筛选，直接爬取 L30 与 S30 2024 年的核心光谱波段

```sh
python .\\HLS_SuPER\\HLS_SuPER.py -roi .\\data\\vectors\\wuling_guanqu_polygon.geojson -tile T49RGQ -dir .\\data\\HLS\\ALL\\2024 -start 2024-06-01 -end 2024-09-01 -prod both -bands BLUE,GREEN,RED,NIR1,SWIR1,SWIR2,Fmask -scale True
```