ICode9

精准搜索请尝试: 精确搜索
首页 > 其他分享> 文章详细

微软行星云计算Planetary Computer——可视化数据集有哪些?

2021-11-28 18:02:13  阅读:251  来源: 互联网

标签:Planetary assets Computer SR item href asset 集有 import


简介:

本次的网址如下:

Planetary Computer

对于行星云计算,我之前写过关于微软的云计算的文章具体链接:

微软行星云计算Planetary Computer——行星计算机数据资源管理器介绍!和GEE有啥不同?_此星光明的博客-CSDN博客

 数据集:

 这里的数据集主要包括:

生物多样性

 

代码:

import pystac
import planetary_computer
import rioxarray

item_url = "https://planetarycomputer.microsoft.com/api/stac/v1/collections/hgb/items/hgb"

# Load the individual item metadata and sign the assets
item = pystac.Item.from_file(item_url)
signed_item = planetary_computer.sign(item)

# Open one of the data assets (other asset keys to use: 'belowground', 'aboveground_uncertainty', 'belowground_uncertainty')
asset_href = signed_item.assets["aboveground"].href
ds = rioxarray.open_rasterio(asset_href)
ds

 

 DEM数据:

 这里有ALOS数据(30m),哥白尼(30m/90m), NASA DEM HGT V001以及USGS 3DEP DEM数据集

 

 

代码:

 

import pystac
import planetary_computer
import rioxarray

item_url = "https://planetarycomputer.microsoft.com/api/stac/v1/collections/landsat-8-c2-l2/items/LC08_L2SR_049073_20211119_02_T1"

# Load the individual item metadata and sign the assets
item = pystac.Item.from_file(item_url)
signed_item = planetary_computer.sign(item)

# Open one of the data assets (other asset keys to use: 'SR_B2', 'SR_B3', 'SR_B4', 'SR_B5', 'SR_B6', 'SR_B7', 'QA_PIXEL', 'QA_RADSAT', 'SR_QA_AEROSOL')
asset_href = signed_item.assets["SR_B1"].href
ds = rioxarray.open_rasterio(asset_href)
ds

 火灾数据集

 因数据集的限制,仅有美国本土有:

点击左侧出现的图像我们可以看出年份和影像的分辨率,选择后我们可以再右侧的大地图中看到影像的位置 

import pystac
import planetary_computer
import rioxarray

item_url = "https://planetarycomputer.microsoft.com/api/stac/v1/collections/mtbs/items/mtbs_severity_conus_2017_30m"

# Load the individual item metadata and sign the assets
item = pystac.Item.from_file(item_url)
signed_item = planetary_computer.sign(item)

# Open one of the data assets 
asset_href = signed_item.assets["burn-severity"].href
ds = rioxarray.open_rasterio(asset_href)
ds

 

 其他影像数据:

有Landsat数据,

 我们可以看到每一张影像都有时间和云量的百分比,比较最直观了

 这里还有代码:

import pystac
import planetary_computer
import rioxarray

item_url = "https://planetarycomputer.microsoft.com/api/stac/v1/collections/landsat-8-c2-l2/items/LC08_L2SR_065068_20211119_02_T1"

# Load the individual item metadata and sign the assets
item = pystac.Item.from_file(item_url)
signed_item = planetary_computer.sign(item)

# Open one of the data assets (other asset keys to use: 'SR_B2', 'SR_B3', 'SR_B4', 'SR_B5', 'SR_B6', 'SR_B7', 'QA_PIXEL', 'QA_RADSAT', 'SR_QA_AEROSOL')
asset_href = signed_item.assets["SR_B1"].href
ds = rioxarray.open_rasterio(asset_href)
ds

大家可以在本地去试试:

  土地利用/土地分类数据

 这里有两个ESRI 10米分辨率数据集 和美国地质调查局间歇土地覆盖数据集

 

 

代码:

import pystac
import planetary_computer
import rioxarray

item_url = "https://planetarycomputer.microsoft.com/api/stac/v1/collections/io-lulc/items/60V-2020"

# Load the individual item metadata and sign the assets
item = pystac.Item.from_file(item_url)
signed_item = planetary_computer.sign(item)

# Open one of the data assets 
asset_href = signed_item.assets["data"].href
ds = rioxarray.open_rasterio(asset_href)
ds

 

 全球地表水数据集

 代码:

import pystac
import planetary_computer
import rioxarray

item_url = "https://planetarycomputer.microsoft.com/api/stac/v1/collections/jrc-gsw/items/90E_80Nv1_3_2020"

# Load the individual item metadata and sign the assets
item = pystac.Item.from_file(item_url)
signed_item = planetary_computer.sign(item)

# Open one of the data assets (other asset keys to use: 'extent', 'occurrence', 'recurrence', 'seasonality', 'transitions')
asset_href = signed_item.assets["change"].href
ds = rioxarray.open_rasterio(asset_href)
ds

 以上就是该云平台的展示,只不过目前在线的平台依旧没有开通,但是可以通过 python API进行分析。大家感兴趣的可以去试试,如果对于其他平台分析的可以看一下链接:

(2条消息) 微软行星云计算Planetary Computer——PEARL:土地分类自动制图(AI深度学习(辅助训练样本和模型改进)在线实现土地分类和出图)案例分析!_此星光明的博客-CSDN博客

微软行星云计算Planetary Computer——PEARL:土地分类自动制图(AI深度学习(辅助训练样本和模型改进)在线实现土地分类和出图)案例分析!_此星光明的博客-CSDN博客(2条消息) 微软行星云计算Planetary Computer——previsa南美洲亚马逊雨林森林损坏系统AI智能评估_此星光明的博客-CSDN博客 (3条消息) 微软行星云计算Planetary Computer——PEARL:土地覆盖制图(AI深度学习(辅助训练样本和模型改进)在线实现土地分类和出图)简介!_此星光明的博客-CSDN博客

标签:Planetary,assets,Computer,SR,item,href,asset,集有,import
来源: https://blog.csdn.net/qq_31988139/article/details/121584601

本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享;
2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关;
3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关;
4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除;
5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有