GEE下载REMA strip和mosaic数据的python脚本

 Earth Engine Data Catalog：https://developers.google.com/earth-engine/datasets/catalog

 搜索REMA：

import ee
import geemap
import os
import warnings

# 忽略所有警告
warnings.filterwarnings("ignore")


# 下载 REMA Strips 数据（2m 和 8m）
def download_rema_strips(shp_mask, output_path, resolution='2m', scale=2, bands=None):
    """
    下载 REMA Strips 数据
    shp_mask (ee.Geometry): 用作下载区域的几何对象（shapefile 或 GEE Geometry）。
    output_path (str): 下载图像保存的目录路径。
    resolution (str): 分辨率，可以是 '2m' 或 '8m'。默认为 '2m'。
    scale (int): 分辨率（单位：米），2m 或 8m，默认为 2 米。
    bands (list): 要下载的波段名称列表，默认为 ['elevation']。
    """
    if bands is None:
        bands = ['elevation']

    # 根据分辨率选择数据ID
    if resolution == '2m':
        data_id = 'UMN/PGC/REMA/V1/2m'
    elif resolution == '8m':
        data_id = 'UMN/PGC/REMA/V1/8m'
    else:
        raise ValueError("无效的分辨率。请选择 '2m' 或 '8m'。")

    try:
        # 获取 REMA Strips 数据并筛选日期范围
        collection = ee.ImageCollection(data_id).filterBounds(shp_mask).filterDate('2009-01-01', '2018-01-01')
        image_list = collection.toList(collection.size())
        num_images = image_list.size().getInfo()

        for i in range(num_images):
            image = ee.Image(image_list.get(i))
            date = image.date().format('YYYYMMdd').getInfo()  # 获取影像日期并格式化
            output_file_name = f'rema_strips_{resolution}_{date}.tif'

            # 强制下载每个影像，不跳过相同日期的影像
            image_clip = image.clip(shp_mask)  # 使用 clip 裁剪到指定区域
            # 打印所有波段信息，以帮助调试
            band_names = image_clip.bandNames().getInfo()  # 获取波段名称列表
            print("所有波段信息:", band_names)  # 打印所有波段名称

            # 如果指定的波段不在数据中，打印错误信息
            if not all(band in band_names for band in bands):
                print(f"警告: 指定的波段 {bands} 不存在。请检查数据集的波段。")
                continue

            # 选择指定的波段
            image_selected = image_clip.select(bands)

            # 下载图像
            geemap.download_ee_image(image_selected, os.path.join(output_path, output_file_name), crs='EPSG:3031',
                                     scale=scale)
            print(f'{output_file_name} 下载成功。')
    except Exception as e:
        print(f"下载 {resolution} REMA Strips 数据时出错: {e}")


# 下载 REMA Mosaic 数据
def download_rema_mosaic(shp_mask, output_path, scale=8):
    """
    下载 REMA Mosaic 数据
    shp_mask (ee.Geometry): 用作下载区域的几何对象（shapefile 或 GEE Geometry）。
    output_path (str): 下载图像保存的目录路径。
    scale (int): 分辨率（单位：米），默认为 8 米。
    """
    data_id = 'UMN/PGC/REMA/V1_1/8m'  # Mosaic 数据集

    try:
        # 获取 REMA Mosaic 数据并筛选日期范围
        image = ee.Image(data_id).clip(shp_mask)

        date = image.date().format('YYYYMMdd').getInfo()  # 获取影像日期并格式化
        output_file_name = f'rema_mosaic_{date}.tif'

        # 强制下载，不检查文件是否已存在
        if os.path.exists(os.path.join(output_path, output_file_name)):
            print(f'{output_file_name} 已经存在，跳过下载。')
            return

        # 下载图像
        geemap.download_ee_image(image, os.path.join(output_path, output_file_name), crs='EPSG:3031',
                                 scale=scale)
        print(f'{output_file_name} 下载成功。')
    except Exception as e:
        print(f"下载 REMA Mosaic 数据时出错: {e}")


# 下载给定时间范围和shp范围的所有 Sentinel-2 数据
def download_sentinel2(shp_mask, output_path, start_date='2009-01-01', end_date='2018-01-01', scale=30,
                       cloud_coverage=30):
    """
    下载指定时间范围内，给定Shapefile范围内的所有 Sentinel-2 光学影像，并将数据转换为 0-255 的整数。

    shp_mask (ee.Geometry): 用作下载区域的几何对象（shapefile 或 GEE Geometry）。
    output_path (str): 下载图像保存的目录路径。
    start_date (str): 开始日期，格式为 'YYYY-MM-DD'，默认为 '2009-01-01'。
    end_date (str): 结束日期，格式为 'YYYY-MM-DD'，默认为 '2018-01-01'。
    scale (int): 分辨率（单位：米），默认为 30 米。
    cloud_coverage (int): 云层覆盖率的阈值，默认为 30%。
    """
    try:
        # 选择 Sentinel-2 数据集
        sentinel2 = ee.ImageCollection('COPERNICUS/S2') \
            .filterBounds(shp_mask) \
            .filterDate(start_date, end_date) \
            .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', cloud_coverage))  # 过滤云层覆盖

        # 获取影像列表
        image_list = sentinel2.toList(sentinel2.size())

        num_images = image_list.size().getInfo()
        if num_images == 0:
            print(f"没有找到符合条件的 Sentinel-2 影像。")
            return

        print(f"找到 {num_images} 张符合条件的 Sentinel-2 影像。")

        # 收集所有影像日期和影像
        image_dict = {}
        for i in range(num_images):
            image = ee.Image(image_list.get(i))
            date = image.date().format('YYYYMMdd').getInfo()  # 获取影像日期并格式化
            if date not in image_dict:
                image_dict[date] = []
            image_dict[date].append(image)

        # 下载每个日期的所有影像
        for date, images in image_dict.items():
            for image in images:
                output_file_name = f'sentinel2_{date}_{images.index(image)}.tif'

                if os.path.exists(os.path.join(output_path, output_file_name)):
                    print(f'{output_file_name} 已经存在，跳过下载。')
                    continue

                # 将影像从反射率转换为 0-255 范围的整数
                image_scaled = image.multiply(255).toInt()

                # 使用 clip 裁剪到指定区域
                image_clip = image_scaled.clip(shp_mask)

                # 下载图像
                geemap.download_ee_image(image_clip, os.path.join(output_path, output_file_name),
                                         crs='EPSG:3031', scale=scale)
                print(f'{output_file_name} 下载成功。')

    except Exception as e:
        print(f"下载 Sentinel-2 数据时出错: {e}")


# 下载 Sentinel-1 数据
def download_sentinel1(shp_mask, output_path, start_date='2014-10-03', end_date='2024-12-22', polarization='VV',
                       scale=10):
    """
    下载指定时间范围内，给定Shapefile范围内的所有 Sentinel-1 SAR 数据
    shp_mask (ee.Geometry): 用作下载区域的几何对象（shapefile 或 GEE Geometry）。
    output_path (str): 下载图像保存的目录路径。
    start_date (str): 开始日期，格式为 'YYYY-MM-DD'，默认为 '2009-01-01'。
    end_date (str): 结束日期，格式为 'YYYY-MM-DD'，默认为 '2018-01-01'。
    polarization (str): 极化方式，默认为 'VV'，可选值为 'VV' 或 'VH'。
    scale (int): 分辨率（单位：米），默认为 10 米。
    """
    try:
        # 选择 Sentinel-1 数据集
        sentinel1 = ee.ImageCollection('COPERNICUS/S1_GRD') \
            .filterBounds(shp_mask) \
            .filterDate(start_date, end_date) \
            .filter(ee.Filter.listContains('transmitterReceiverPolarisation', polarization)) \
            .filter(ee.Filter.eq('instrumentMode', 'GRD'))  # 过滤 GRD 模式数据

        # 获取影像列表
        image_list = sentinel1.toList(sentinel1.size())
        num_images = image_list.size().getInfo()

        if num_images == 0:
            print(f"没有找到符合条件的 Sentinel-1 影像。")
            return

        print(f"找到 {num_images} 张符合条件的 Sentinel-1 影像。")

        for i in range(num_images):
            image = ee.Image(image_list.get(i))
            date = image.date().format('YYYYMMdd').getInfo()
            output_file_name = f'sentinel1_{date}.tif'

            # 强制下载每个影像，不跳过相同日期的影像
            image_clip = image.clip(shp_mask)

            # 下载图像
            geemap.download_ee_image(image_clip, os.path.join(output_path, output_file_name), crs='EPSG:3031',
                                     scale=scale)
            print(f'{output_file_name} 下载成功。')

    except Exception as e:
        print(f"下载 Sentinel-1 数据时出错: {e}")


# 主函数：用于测试和调用下载函数
def main():
    # 初始化 GEE
    ee.Authenticate()
    ee.Initialize(project='替换成自己的')

    # 选择一个 Shapefile（作为下载区域）
    shp_path = 'G:\\矢量\\Fleming冰川\\fleming.shp'  # 请替换为你的 shapefile 路径
    shp_mask = geemap.vector_to_ee(shp_path).geometry()

    # 设置输出路径
    output_path_strip_8m = r'G:\\Fleming\\strip\\8m'  # 请替换为你的输出目录路径
    output_path_strip_2m = r'D:\fleming\strip\2m'
    output_path_mosaic_8m = r'D:\fleming\mosaic'
    output_path_sentinel2_10m = r'D:\fleming\sentinel2\10m'  # 请替换为你的输出目录路径
    output_path_sentinel1_10m = r'D:\fleming\sentinel1\10m'  # 请替换为你的输出目录路径

    # 下载给定时间范围内的所有 Sentinel-1 数据
    # download_sentinel1(shp_mask, output_path_sentinel1_10m, start_date='2009-01-01', end_date='2018-01-01',
    #                    polarization='VV', scale=10)

    # 下载给定时间范围内的所有 Sentinel-2 数据
    download_sentinel2(shp_mask, output_path_sentinel2_10m, start_date='2009-01-01', end_date='2018-01-01', scale=10)


    # 下载 REMA Strips 数据（8m 分辨率）
    # download_rema_strips(shp_mask, output_path_strip_8m, resolution='8m', scale=8)

    # 下载 REMA Strips 数据（2m 分辨率）
    #download_rema_strips(shp_mask, output_path_strip_2m, resolution='2m', scale=2)

    # 下载 REMA Mosaic 数据
    #download_rema_mosaic(shp_mask, output_path_mosaic_8m, scale=8)


if __name__ == '__main__':
    main()