E:earth_africa:dal 地球观测数据分析库

pip install eodal

一个真正开源的地球观测（EO）数据统一分析包

:heavy_check_mark: 由于STAC，设计为云原生

:heavy_check_mark: 通过本机Mapper模块访问PB级别的全球EO数据，包括卫星图像

:heavy_check_mark: 在单个包中执行EO数据的查询、I/O、处理、分析和可视化

:heavy_check_mark: 模块化和轻量级架构

:heavy_check_mark: 几乎无限的可扩展性，具有接口到xarray、numpy、geopandas等更多

关于

E:earth_africa:dal 是一个Python库，它允许在统一框架内以完全开源的方式获取、组织和分析EO数据。

E:earth_africa:dal 实现了开源、可重复的地理空间数据科学。同时，E:earth_africa:dal 降低了数据处理负担，并通过下载器和出色的时空资产目录 (STAC) 提供了对全球卫星数据档案的访问。

E:earth_africa:dal 支持使用STAC目录在云环境中工作（"在线"模式）以及使用空间PostgreSQL/PostGIS数据库在本地组织元数据（"离线"模式）。

在我们的同行评审文章中了解更多关于E:earth_africa:dal的信息。

引用E:earth_africa:dal

我们在开发E:earth_africa:dal上投入了大量的努力。为了给予我们应有的认可，请尊重我们的许可协议。当您在您的研究中使用E:earth_africa:dal时，请除了给予我们适当的科学认可外，还要引用我们的论文。

	@article{GRAF2022107487,
	title = {EOdal: An open-source Python package for large-scale agroecological research using Earth Observation and gridded environmental data},
	journal = {Computers and Electronics in Agriculture},
	volume = {203},
	pages = {107487},
	year = {2022},
	issn = {0168-1699},
	doi = {https://doi.org/10.1016/j.compag.2022.107487},
	url = {https://www.sciencedirect.com/science/article/pii/S0168169922007955},
	author = {Lukas Valentin Graf and Gregor Perich and Helge Aasen},
	keywords = {Satellite data, Python, Open-source, Earth Observation, Ecophysiology}
	}

数据模型

E:earth_africa:dal具有复杂的数据模型，将地球观测数据投影到Python类中。E:earth_africa:dal基于对象的设计包含四个基本类

• E:earth_africa:dal Band是处理单个波段的一个类。波段是一个二维栅格层（即二维数组）。每个栅格单元取一个值。这些值可以代表颜色强度、平均海平面以上的高程或温度读数，仅举几个例子。波段有一个名称和一个可选的别名。其栅格网格单元是地理参照的，意味着每个单元可以在一个空间参照系中定位。
• E:earth_africa:dal RasterCollection是一个包含0到n个Band对象的类。波段通过其名称或别名（如果有的话）来识别。
• E:earth_africa:dal Scene基本上是一个带有SceneMetadata的RasterCollection，为RasterCollection分配时间戳和可选的场景标识符。
• E:earth_africa:dal SceneCollection是包含0到n个Scenes的集合。场景通过其时间戳或场景标识符（如果有的话）来识别。

映射器

E:earth_africa:dal的Mapper是其关键组件之一。如果您熟悉GEE，您可以期望以类似的方式轻松访问大量的EO数据——只不过它是真正的开源。如果您对EO完全陌生，您将很快学会如何查询、读取和处理大量数据。

以下示例中，我们从Microsoft Planetary Computer（无需认证）加载了瑞士中部的Sentinel-2数据。

import geopandas as gpd

from datetime import datetime
from eodal.core.sensors.sentinel2 import Sentinel2
from eodal.mapper.feature import Feature
from eodal.mapper.filter import Filter
from eodal.mapper.mapper import Mapper, MapperConfigs
from typing import List


#%% user-inputs
# -------------------------- Collection -------------------------------
collection: str = 'sentinel2-msi'
	
# ------------------------- Time Range ---------------------------------
time_start: datetime = datetime(2022,3,1)  		# year, month, day (incl.)
time_end: datetime = datetime(2022,6,30)   		# year, month, day (incl.)
	
# ---------------------- Spatial Feature  ------------------------------
geom: Path = Path('data/sample_polygons/lake_lucerne.gpkg')
	
# ------------------------- Metadata Filters ---------------------------
metadata_filters: List[Filter] = [
	Filter('cloudy_pixel_percentage','<', 80),
	Filter('processing_level', '==', 'Level-2A')
]
	
#%% query the scenes available (no I/O of scenes, this only fetches metadata)
feature = Feature.from_geoseries(gpd.read_file(geom).geometry)
mapper_configs = MapperConfigs(
	collection=collection,
	time_start=time_start,
	time_end=time_end,
	feature=feature,
	metadata_filters=metadata_filters
)

# now, a new Mapper instance is created
mapper = Mapper(mapper_configs)
mapper.query_scenes()
	
#%% load the scenes available from STAC (reading bands B02 "blue", B03 "green", B04 "red")
scene_kwargs = {
	'scene_constructor': Sentinel2.from_safe,
	'scene_constructor_kwargs': {'band_selection': ['B02', 'B03', 'B04'], 'read_scl': False}
}

mapper.load_scenes(scene_kwargs=scene_kwargs)

# the data loaded into `mapper.data` as a EOdal SceneCollection
mapper.data

示例

我们已编译了一系列Jupyter笔记本，展示了E:earth_africa:dal的功能以及如何启用它们。

贡献

欢迎对E:earth_africa:dal做出贡献。请首先阅读贡献指南。

代码覆盖率

最内层的圆圈是整个项目，向外移动的是文件夹，最后是一个单独的文件。每个切片的大小和颜色分别表示语句数和覆盖率。