关注公众号GeodataAnalysis，回复20230505获取示例数据和代码，这三章的代码都放在一起，上手运行一下代码更容易弄懂。
遥感数据多种多样，存储格式各异，处理起来很麻烦。比如很多MODIS数据都是采用HDF格式存储的，在制作深度学习样本时，需要把它转换为GeoTiff格式，可能还需要进行重投影或重采样的操作。
GEE在这方面的主要有以下优点
下面介绍一下怎么从GEE下载训练数据。
训练数据往往在空间分布上是零散的，如下图所示。在时间上可能各个位置也需要不同时间的数据。这个时候就需要先确定每一块的空间范围和时间。
空间范围的信息为，这一块影像的上下左右的四个坐标值，以及坐标系（每一块影像的坐标系可能不同）。时间信息为年、月、日等。
上两章我们用Langdsat8数据为例，这次也以两景Landsat8数据为例，提取这两景数据对应的相同时间相同空间位置的MODIS数据。数据存储格式如下
- data
- LC08_L1TP_018030_20150907_20200908_02_T1
- LC08_L1TP_018030_20150907_20200908_02_T1_B1.TIF
- LC08_L1TP_039035_20160304_20200907_02_T1
- LC08_L1TP_039035_20160304_20200907_02_T1_B1.TIF
以下代码用于提取两景影像的空间范围：
df = pd.DataFrame(columns=['id', 'year', 'left',
'top', 'right', 'bottom', 'crs'])
for i, id in enumerate(os.listdir('./data/')):
src = rio.open(
os.path.join('./data/', id, id+'_B1.TIF')
)
df.loc[i, 'id'] = id
df.loc[i, 'year'] = int(id[17:21])
df.loc[i, 'left'] = src.bounds.left
df.loc[i, 'bottom'] = src.bounds.bottom
df.loc[i, 'right'] = src.bounds.right
df.loc[i, 'top'] = src.bounds.top
df.loc[i, 'crs'] = src.crs.to_epsg()
df.to_csv('./data/list.csv', index=False)
df
这次使用Python版的GEE下载数据，相比JavaScript版本，Python版本可以方便的读取表格数据。而JavaScript版本只支持很有限的格式，而且读取起来也很麻烦。
Python版的GEE需要在Google Colab中操作，如果不会用可以参考我的另一篇文章基于Python的遥感云计算。
首先新建一个 Jupyter 笔记本，使用如下代码连接到自己的谷歌云盘。
from google.colab import drive
drive.mount('/content/drive')
Colab的Python环境自带很多数据分析的包，如pandas和numpy等，而且还可以自己安装需要的包。下面使用pandas读取表格信息。
import pandas as pd
df = pd.read_csv('./drive/MyDrive/MCD12Q1/list.csv')
df.head()
# 导入API
import ee
# 验证身份信息
ee.Authenticate()
# 初始化
ee.Initialize()
下面的代码中，第十三行用于定义下载数据的空间范围，如果训练数据的空间范围是用shp数据指定的话，把这部分改为读取shp数据的边框范围即可。
tasks = []
for row in df.itertuples():
right, bottom = row.right, row.bottom
left, top = row.left, row.top
crs = row.crs
year = str(row.year)
id = row.id
image = ee.ImageCollection('MODIS/061/MCD12Q1') \
.filterDate(year + '-01-01', year + '-12-31') \
.select('LC_Prop2').first()
roi = ee.Geometry.Rectangle([left, bottom, right, top],
proj=f'EPSG:{crs}', evenOdd=False)
# 设置导出参数
task_config = {
'driveFolder': 'MCD12Q1', # Google云盘中的文件夹名称
'driveFileNamePrefix': id, # 导出图像的文件名前缀
'scale': 480, # 导出图像的空间分辨率
'region': roi, # 导出图像的区域
'maxPixels': 1e13, # 允许的最大像素数
'crs': f'EPSG:{crs}'
}
# 开始导出任务
task = ee.batch.Export.image.toDrive(image, **task_config)
task.start()
tasks.append(task)
print(id)
上述代码只是提交了下载任务，以下代码用于检查这些任务有没有全部下载完成。
import time
import numpy as np
tasks_status = [False] * len(tasks)
num = 0
while True:
for i, task in enumerate(tasks):
status = task.status()
if status['state'] == 'COMPLETED':
tasks_status[i] = True
time.sleep(10)
num += 1
if np.all(np.array(tasks_status)):
break
if num % 60 == 0:
print(f'Check {num % 60}', tasks_status)
print('Done')