AI Earth ——开发者模式案例1：按区域进行Sentinel2L2A检索与下载

按区域检索与下载影像

用户可使用平台内置或自主上传的矢量文件，进行数据的检索（以 Sentine-2 L2A 为例），再进行数据筛选、拼接、裁剪等操作后，将数据导出至 我的数据 中。

初始化环境¶

定义矢量区域¶

使用 FeatureCollection 引用平台内置或自主上传的矢量边界，定义检索数据的区域。利用 aie.Map 构造一个地图组件 Map 对象，通过 aie.Map.addLayer 用于地图可视化渲染不同图层。

region = aie.FeatureCollection('China_Province') \
            .filter(aie.Filter.eq('province', '浙江省')) \
            .geometry()

map = aie.Map(
    center=region.getCenter(),
    height=800,
    zoom=6
)

vis_params = {
    'color': '#00FF00'
}

map.addLayer(
    region,
    vis_params,
    'region',
    bounds=region.getBounds()
)
map

Sentinel-2 数据检索¶

定义函数 s2_collection ，实现按区域、时间、云量等条件的 Sentinel-2 数据检索，返回哨兵单景 s2 image 和进行镶嵌、裁剪后的 s2 mosaic image 。

def s2_collection(start_date, end_date):
    s2 = aie.ImageCollection('SENTINEL_MSIL2A') \
            .filterBounds(region) \
            .filterDate(start_date, end_date) \
            .filter('eo:cloud_cover<20')
    mosaic_image = s2.median().clip(region)
    return s2, mosaic_image
    
s2, s2_mosaic = s2_collection('2021-04-01', '2022-08-30')

数据可视化¶

对 S2 数据进行波段组合可视化，常用波段：真彩色 ['B4', 'B3', 'B2'] 、假彩色 ['B8', 'B4', 'B3'] 、假彩色 ['B12', 'B11', 'B4'] 等。

vis_params = {
    'bands': ['B4', 'B3', 'B2'],   
    'min': 0,
    'max': 3500
}
    
map.addLayer(
    s2_mosaic,
    vis_params,
    'Ture color',
    bounds=region.getBounds()
)
map

影像导出¶

使用 Export.image.toAsset 将数据导出至我的数据中，可以通过 scale 参数指定导出的分辨率（ 单位：米 ）。

# 导出镶嵌影像
task = aie.Export.image.toAsset(s2_mosaic, 's2_mosaic', 200)
task.start()

# 导出单景影像，可自行调整需要导出的影像景数
size = s2.size().getInfo()    # 检索得到的影像景数
print(size)

size = 5  
for i in range(size):
    id = s2.toList(count=size).getInfo()[i]['id']
    print(id)
    task = aie.Export.image.toAsset(aie.Image(id), id, 50)
    task.start()

加载后的影像结果：