出色地

在任何具有集成云检测、雪掩蔽、协调、合并和时间复合功能的计算机上下载大规模（大于内存）的 Sentinel-1 和 Sentinel-2 数据立方体。

---

重要提示

1. 该软件包正处于早期 alpha 阶段。会有bug！如果您遇到任何错误、警告、内存问题等，请打开 GitHub 问题并使用代码进行重现。
2. 该软件包适用于大规模处理，由于底层处理方案，任何宽度和高度小于 8 公里的区域都不会运行得更快。

安装中

该包已使用 Python 3.12.* 进行测试。它可能适用于其他版本，也可能不适用于其他版本。

 pip install sentle

或者

 git clone [email protected]:cmosig/sentle.git
cd sentle
pip install -e .

指导

过程

只有一个重要的功能： process 。您可以在此处指定下载和处理所需的所有参数。调用此函数后，它会立即开始下载并处理您指定的数据到 zarr 文件中。

 from sentle import sentle
from rasterio.crs import CRS

sentle.process(
    zarr_store="mycube.zarr",
    target_crs=CRS.from_string("EPSG:32633"),
    bound_left=176000,
    bound_bottom=5660000,
    bound_right=216000,
    bound_top=5700000,
    datetime="2022-06-17/2023-06-17",
    target_resolution=10,
    S2_mask_snow=True,
    S2_cloud_classification=True,
    S2_cloud_classification_device="cuda",
    S1_assets=["vv", "vh"],
    S2_apply_snow_mask=True,
    S2_apply_cloud_mask=True,
    time_composite_freq="7d",
    num_workers=10,
)

此代码下载 Sentinel-1 和 Sentinel-2 一年内 40 公里 x 40 公里区域的数据。检测到云和雪并用 NaN 替换。数据也每 7 天取平均值。

一切都在 10 个工作线程中并行化，每个工作线程立即将其结果保存到zarr_store的指定路径中。这确保您可以下载大于内存的多维数据集。

解释：

• zarr_store ：保存路径。
• target_crs ：指定所有数据将重新投影到的目标 CRS。
• target_resolution ：确定target_crs中所有数据重新投影到的空间分辨率。
• bound_* ：您要下载的区域的target_crs中的空间边界。如果相反边界之间的差异不能被target_resolution整除，则行为未定义。
• datetime ：将下载的时间范围。
• S2_mask_snow ：是否计算 Sentinel-2 数据的雪掩模。
• S2_cloud_classification ：是否对 Sentinel-2 数据执行云分类层。
• S2_cloud_classification_device ：运行云分类的位置。如果您有 Nvidia GPU，则传递cuda ，否则传递cpu （默认）。
• S2_apply_* ：是否应用相应的掩码，即将值替换为NaN。
• S1_assets ：要下载哪些 Sentinel-1 资产。通过将其设置为None来禁用 Sentinel-1 。
• time_composite_freq ：对数据进行平均的舍入间隔。使用pandas.Timestamp.round(time_composite_freq) 。云/雪蒙版在蒙版后会被丢弃，因为它们无法聚合。
• num_workers ：要使用的核心数。为每个工作线程规划大约 2 GiB 的内存使用量。 -1 表示所有核心。
• processing_spatial_chunk_size ：并行处理的空间块的大小。默认值为 4000。
• overwrite ：如果 zarr 存储已经存在，是否覆盖它。默认值为 False。

可视化

使用 xarray 加载数据。

 import xarray as xr
da = xr.open_zarr("mycube.zarr").sentle
da

并使用很棒的 lexcube 包进行可视化。这里，频带 B02 从上面的示例中可视化。人们能够在冬季发现云隙和参差不齐的覆盖情况。

 import lexcube
lexcube.Cube3DWidget(da.sel(band="B02"), vmin=0, vmax=4000)

您可能有的问题

我如何扩展该计划？

设置Sentle类时，使用num_workers参数增加工作人员数量。默认空间块大小为 4000（由processing_spatial_chunk_size指定），您应该为每个工作线程规划 2GiB。

贡献

如果您觉得缺少某些内容或需要修复，请提交问题或拉取请求。

执照

该项目已根据 MIT 许可证获得许可 - 有关详细信息，请参阅 LICENSE.md 文件。

致谢

• 感谢 Cesar Aybar 的云检测模型。这个包中的所有云检测都是使用他的包来执行的。论文：链接
• 感谢 David Montero 的所有讨论以及他的精彩软件包激发了这一灵感。