xhong/NASA_EarthData_Script
1
0
Fork 0
Code Issues Pull Requests Projects Releases Wiki Activity
NASA_EarthData_Script/README.md

6.6 KiB
Raw Permalink Blame History

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
  1. 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)
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
conda init powershell

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)
mamba env create -f setup/lpdaac_windows.yml
  • 激活虚拟环境
mamba activate lpdaac_windows

3 HLS 数据爬取

3.1 账户准备

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
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
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
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
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