Awesome-EarthObservation-Code：遥感代码资源的合集

📅 2026/7/2 20:33:21 👁️ 次浏览

文章目录Awesome-EarthObservation-Code遥感代码资源的合集1、涵盖哪些内容2、结构设计3、适合谁用4、注意事项5、相关资源Awesome-EarthObservation-Code遥感代码资源的合集这个仓库在 GitHub 上拿了 1,357 Star。它做了一件事把散落在各处的地球观测Earth Observation相关代码、工具、教程、数据源全部收集到一个列表里。从卫星影像下载到深度学习分类从 SAR 雷达数据处理到 LiDAR 点云分析覆盖了遥感开发中能碰到的大部分场景。1、涵盖哪些内容这个列表的覆盖面很广。按技术栈分涵盖了 Python、R、Julia、Go、Rust、JavaScript、Java、C 等多种语言。按应用场景分主要板块包括卫星影像下载与预处理EODAG、sentinelsat、landsatxplore 这些工具都在里面覆盖了 Landsat、Sentinel、MODIS 等主流数据源。光学影像处理从大气校正Py6S、SIAC到光谱指数计算、影像融合、水体提取、道路网络提取工具数量超过 50 个。SAR 雷达数据处理包括 pyroSAR、OpenSARToolkit、MintPy 等工具覆盖了 Sentinel-1 数据的预处理、干涉测量InSAR、海冰漂移监测等方向。LiDAR 与 GEDI涉及 ICESat-2 数据提取、机载 LiDAR 处理、GEDI 森林冠层高度分析等。Google Earth Engine收录了 GEE 的 Python、JavaScript、R 绑定以及 geemap、rgee 等社区工具还有大量 Jupyter Notebook 示例。此外还有 Open Data Cube、Microsoft Planetary Computer、STAC 目录、COG 云优化 GeoTIFF、QGIS 插件、气候与气象数据处理等板块。2、结构设计列表按主题分区每个区块内按功能细分。比如 Python 光学影像处理这一块进一步拆成了下载、后处理、反射率/预处理、相关库、代码测试等子分类。每个条目的格式统一项目名加超链接后面跟一句简短说明标注支持的编程语言。这种结构方便快速浏览找到需要的工具后直接跳转到对应仓库。3、适合谁用做遥感数据处理的开发者想找某个环节的现成工具可以直接在这个列表里搜索。刚开始接触地球观测的学生或研究人员可以从列表里的入门教程和课程资源开始比如 ESA 新手指南、UCL 的科学计算课程、Data Carpentry 的地理空间教程。已经在用 Google Earth Engine 或 Open Data Cube 的人列表里有大量 Notebook 示例和社区工具可以参考。做 RAG 或 AI 应用、需要处理卫星影像数据的工程师也能从中找到数据下载和预处理的工具链。4、注意事项列表作者在 README 里提到大部分链接已经有两年以上的历史部分仓库已经归档或停止维护。使用前建议先确认项目状态。列表接受 PR 和建议但更新频率不高。这不是一个官方的 awesome list而是一个个人维护的资源合集。作者 Andrew Cutts 是一名地球观测从业者2026 年 3 月结束了自雇状态但对这个领域的热情没有消退。5、相关资源列表末尾还推荐了几个同类的 awesome 列表Awesome Sentinel 专注 Copernicus 卫星数据awesome-remote-sensing 收集遥感资源awesome-Geospatial 覆盖更广泛的地理空间工具awesome-geospatial-companies 列出了 500 多家地理空间公司。对于地球观测这个领域来说工具和资源的碎片化一直是问题。这个列表的价值在于把它们放到了一起省去了逐个搜索的时间。观测这个领域来说工具和资源的碎片化一直是问题。这个列表的价值在于把它们放到了一起省去了逐个搜索的时间。

相关新闻