基于LAADS DAAC的MODIS遥感影像各产品数据批量下载多张图像方法

简介: 基于LAADS DAAC的MODIS遥感影像各产品数据批量下载多张图像方法

  首先,打开网页https://ladsweb.modaps.eosdis.nasa.gov/

  在这里需要选择MODMYD(也就是TerraAqua)产品,其实选择哪一个都可以,任选一个即可。

  在进入的网页中,再次选择我们所需要的产品(其实现在还是随便选一个就好,之后还可以再调整)。

  选择后进入数据筛选页面,可以看到还是可以对MODMYDMCD产品加以选择;同时还有AVHRR等其它遥感数据。

  在这里我们以MOD09GA产品为例进行介绍。首先,在上图所示的选择框中选择MODIS:Terra,然后在搜索框中输入mod09ga,并在对应的产品列表中加以选择。

  此时可以看到,“PRODUCTS”一栏中已经出现了我们所选择的产品。

  接下来,对所需要的产品时间范围加以选择(可选时间范围或时间点)。

  选择完毕后,在“TIME”列表中同样可以看到选择结果。

  接下来,对所需产品的空间范围加以选择。如需要全球数据,直接跳过这一步骤即可;如果需要某一特定区域的数据,推荐使用数据行列号方式(如下图)或绘制矩形框图方式(如下下图)加以选择。

  完毕后,可以在“LOCATION”一栏中看到我们所选的区域。随后点击下图红色区域部分,进行产品的搜索与下载。

  可以看到,产品数量相对比较多(不过也只有150景,在大规模遥感处理中也算很少了);如果需要下载单独几景图像,直接点击右侧的下载按钮即可。

  如果需要批量下载,我们选择左上角的csv下载。

  下载后是一个包含各个遥感影像部分下载地址的.csv文件,其中第一行为列标题;从第二行开始,第二列是遥感影像下载地址的一部分。

  我们需要在其前面加上一段网址,从而将所有下载链接补充完整。有两种方式,个人认为还是第二种方便一些。首先第一种,选中右侧第一个空白列。

  在第一行输入:

="https://ladsweb.modaps.eosdis.nasa.gov/"&

  然后选择B1单元格。

  接下来同时按下CtrlEnter键,即可实现对每一行的单元格加以填充;填充后的第二列就是每一景遥感影像的下载链接(除了第一行,第一行是列标题)。

  但是这种播放会使得.csv文件这一列的所有行都被填充,不利于后期我们复制下载地址;因此建议选择第二种方法,也是最简单的方法:将第二行的下载链接生成后,直接下拉单元格填充。

  填充到有数据的最后一行即可;随后不要动鼠标,直接将当前选中的列内容加以复制。

  我们将复制的内容粘贴到一个新建的.txt文件中(不要复制到第一行列标题)。

  将.txt文件拖动导入浏览器中;首先需要选中一条链接,将其在新的浏览器界面打开。

  如果大家没有登录EARTHDATA,需要在新打开的界面中进行登录。

  出现类似于如下所示的保存或下载界面即可。关闭该提示与下载页面,回到.txt文件页面。

  即可开始批量下载。此时有三种方法,第一是如果大家有IDM等下载软件,直接右键选择全部链接下载即可。

  第二种方法,如果是在Chrome中且上述右键没有批量下载全部网页的选项,我们可以按照这篇博客https://blog.csdn.net/zhebushibiaoshifu/article/details/115582879)的方法进行下载。

  第三种方法,可以用火狐浏览器DownThemAll插件进行下载,具体操作可以查看这篇博客https://blog.csdn.net/zhebushibiaoshifu/article/details/116859260)。

  我们就选择第三种方法进行下载,如下所示。可以看到速度大概在几百KB/s左右(具体也和大家各自网络情况有关系),确实和借助访问国外网站软件的下载方式速度有一定差距,比较慢;但是这一方法不需要借助其它网络辅助软件,还是很方便的。



相关文章
|
数据可视化 定位技术 Sentinel
如何用Google Earth Engine快速、大量下载遥感影像数据?
【2月更文挑战第9天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,批量下载指定时间范围、空间范围的遥感影像数据(包括Landsat、Sentinel等)的方法~
5456 1
如何用Google Earth Engine快速、大量下载遥感影像数据?
|
Linux Shell
【Shell脚本】Linux安装Nexus的两种方式以及开机自启
【Shell脚本】Linux安装Nexus的两种方式以及开机自启
|
3月前
|
机器学习/深度学习 数据可视化 算法
Python | 随机搜索参数优化的XGBoost+SHAP可解释性分析回归预测及可视化算法
本教程将带你掌握Python中XGBoost模型的随机搜索调参、SHAP可解释性分析及多种可视化技术,涵盖特征相关性热图、散点密度图、超参数优化等核心内容,助力科研论文与实际项目应用。
247 2
|
9月前
|
人工智能 边缘计算 自然语言处理
CodeBuddy全新升级:体验Craft智能体的对话式编程革命
本文介绍了腾讯云代码助手CodeBuddy及其核心功能Craft智能体,展示了其在软件开发中的创新应用。Craft智能体通过自然语言理解、上下文感知的代码补全和多轮对话式调试等功能,显著提升了开发效率。文章详细解析了Craft的技术架构、实战应用、高级功能探索、最佳实践、性能优化策略以及与其他工具的集成。此外,还探讨了Craft在安全性与合规性、企业级定制、多模态编程支持、团队协作模式、边缘计算场景支持等方面的创新实践。Craft智能体代表了软件开发范式的重要转变,通过将自然语言理解与代码生成能力结合,降低
815 1
|
缓存 安全 程序员
易语言在跨平台开发中有哪些常见的技术挑战和解决方案
易语言在跨平台开发中有哪些常见的技术挑战和解决方案
387 1
|
机器学习/深度学习 数据挖掘
二、机器学习之回归模型分析
二、机器学习之回归模型分析
1095 0
|
编解码
ENVI无缝镶嵌、拼接栅格数据的方法
【8月更文挑战第10天】使用ENVI进行无缝镶嵌的方法包括:准备具有一致空间参考的栅格数据;通过“File”菜单逐个加载数据;启动“Seamless Mosaic”工具;添加待镶嵌图像;调整几何校正、颜色平衡及羽化参数以平滑过渡;设定输出路径与格式;最后执行镶嵌并检查结果质量,必要时微调参数直至满意。
1714 1
|
Web App开发 JavaScript 开发者
知乎图片怎么老是显示不出来
知乎图片怎么老是显示不出来
3025 0
知乎图片怎么老是显示不出来
|
Ubuntu Linux C语言
Could not establish connection to “xx.xx.xx.xx“:The VS Code Server faild to start.【重要解决方案】
Could not establish connection to “xx.xx.xx.xx“:The VS Code Server faild to start.【重要解决方案】
1468 0
|
算法
基于Google Earth Engine的Landsat单窗算法地表温度(LST)反演
基于Google Earth Engine的Landsat单窗算法地表温度(LST)反演
808 2

热门文章

最新文章