学遥感的避免不了使用哨兵数据，毕竟10m的分辨率可以满足大部分的定量分析，同时也是最重要的一点，它免费！！！
但如果一幅一幅去下载影像实在是太慢了，特别是如果需要研究长时间序列的影像，那下载数据就成了最痛苦的环节了。所以这里给大家分享一下如何使用Python和IDM批量下载哨兵二号数据，当然欧空局的其他数据也可以下载。
这里说明一下，IDM下载的代码部分参考了一些博主的代码，但我找不到他们了（泪目）。如果有所冒犯，请联系作者删除。
一、注册账号
想要下载数据，你总归需要一个账号吧！欧空局官网，点击左上角login注册一个账号先。
二、制作兴趣区范围
我们在查找数据时一般都需要一个研究区，如一个省或者一个市，那么就需要研究区的矢量文件去限制我们查找数据的范围。这里需要使用一个导出GeoJSON的工具，先画出研究区再导出GeoJSON即可。
三、查找数据
欧空局发布过一个Python的包sentinelsat，大家有兴趣可以自己看看文档，通过这个包我们可以通过日期、云量、范围、卫星类型等查询我们需要的影像数据。
代码中的注释比较详细，所以我就不过多介绍了。
def Search_data(login, key, path_geojson, start_date, end_date, name, product_type, cloud, filepath): """ :param login: 欧空局账号，字符串类型 :param key: 欧空局密码，字符串类型 :param path_geojson: 兴趣区路径及文件名 :param start_date: 开始时间，字符串 :param end_date: 结束时间，字符串 :param name: 卫星名称 :param product_type: 卫星类型 :param cloud: 云量筛选，格式：（0，15） :param filepath: Url保存路径及文件名 :return: 返回存有下载链接的excel路径 """ api = SentinelAPI(login, key, 'https://scihub.copernicus.eu/dhus') # 登陆账号https://scihub.copernicus.eu/apihub/ footprint = geojson_to_wkt(read_geojson(path_geojson)) # 读取兴趣区，兴趣区由http://geojson.io导出 products = api.query(footprint, date=(start_date, end_date), # 搜索的日期范围 platformname=name, # 卫星平台名，Sentinel-2 producttype=product_type, # 产品数据等级，Sentinel-2： S2MSI2A，S2MSI1C，S2MS2Ap/Sentinel-1：SLC，GRD，OCN cloudcoverpercentage=cloud) # 云量百分比 # 搜索A、B双星的数据 row = 0 workbook_write = xlwt.Workbook(encoding='utf-8') worksheet_write = workbook_write.add_sheet('Url_image') for product in products: # 通过for循环遍历并打印、下载出搜索到的产品文件名 info_product = api.get_product_odata(product) # 通过OData API获取单一产品数据的主要元数据信息 worksheet_write.write(row, 0, info_product['url']) worksheet_write.write(row, 1, info_product['title']) print(info_product['title']) # print(product_info['url']) # 打印下载的产品数据文件名，id/uuid代码编号，size数据大小，title，url链接，md5，date时间 # api.download(product) row += 1 workbook_write.save(filepath) return filepath, api # 循环结束后，保存表格四、调用IDM批量下载
这里读取之前保存的下载链接的表格，再调用IDM批量对链接进行下载。哨兵数据有些是offline的，不能直接下载。但官方给出了激活函数，可以通过该函数对数据进行激活后就可以下载了。
def Download_image(filepath, Path_Download, Path_IDM, api): workbook_read = xlrd2.open_workbook(filepath) # 打开表格，创建工作空间 sheet1 = workbook_read.sheet_by_name('Url_image') # 选择需要读取的sheet link_list = sheet1.col_values(0) # 获取第一列的数据 print('所有链接下载完成，现在开始下载对应数据') num = 0 while link_list: print('---------------------------------------------------') num += 1 print('\n') print('第' + str(num) + '次循环' + '\n') id = link_list[0].split('\'')[1] link = link_list[0] info_product = api.get_product_odata(id) print('查询当前列表里的第一个数据的状态') if info_product['Online']: print(info_product['title'] + '为：online产品') print('加入IDM的下载列表中: ') print('\n') call([Path_IDM, '/d', link, '/p', Path_Download, '/n', '/a']) link_list.remove(link) call([Path_IDM, '/s']) else: print(info_product['title'] + '为：offline产品') print('\n') print('激活offline产品') code_id = link_list[0].split('\'')[1] api.trigger_offline_retrieval(code_id) # 激活offline产品 print('检查任务列表里是否存在online产品: .........') # 等待激活成功的时候，检查现在的列表里还有没有online产品 # 如果有online的产品那就下载 # 首先检查列表中是否需要下载的数据 if len(link_list) > 1: # 记录列表里可以下载的链接，并在最后把它们删除 link_list_1 = [] # 开始寻找列表剩下的元素是否有online产品 for i in range(1, len(link_list)): id2 = link_list[i].split('\'')[1] link_1 = link_list[i] info_product2 = api.get_product_odata(id2) if info_product2['Online']: print(info_product2['title'] + '为Online产品') print('加入IDM的下载列表中: ') print('--------------------------------------------') call([Path_IDM, '/d', link_1, '/p', Path_Download, '/n', '/a']) # 在列表中加入需要删除产品的HTTP链接信息 # 直接在link_list中删除会link_list的长度会发生改变，最终造成i的值超过link_list的长度 link_list_1.append(link_1) else: continue # 把已经下载的数据的链接给删除掉 if len(link_list_1) > 0: call([Path_IDM, '/s']) for link_2 in link_list_1: link_list.remove(link_2) print('本轮次检查结束，开始等到40分钟') # 将该激活的产品删除，再加入到最后 link_list.remove(link) link_list.append(link) # 两次激活offline数据的间隔要大于30分钟 for i in tqdm(range(int(1200)), ncols=100): time.sleep(2)五、完整代码
# -*- coding: utf-8 -*-"""@Time ： 2023/3/31 15:35@Auth ： RS迷途小书童@File ：Batch download of Sentinel data.py@IDE ：PyCharm@Purpose ：批量下载哨兵数据"""from sentinelsat import SentinelAPI, read_geojson, geojson_to_wkt# 导入用户登录，兴趣区识别模块from subprocess import call# 用来唤醒IDM下载数据from datetime import dateimport timeimport xlwtimport xlrd2# excel的读取和写入模块from tqdm import tqdmdef Search_data(login, key, path_geojson, start_date, end_date, name, product_type, cloud, filepath): """ :param login: 欧空局账号，字符串类型 :param key: 欧空局密码，字符串类型 :param path_geojson: 兴趣区路径及文件名 :param start_date: 开始时间，字符串 :param end_date: 结束时间，字符串 :param name: 卫星名称 :param product_type: 卫星类型 :param cloud: 云量筛选，格式：（0，15） :param filepath: Url保存路径及文件名 :return: 返回存有下载链接的excel路径 """ api = SentinelAPI(login, key, 'https://scihub.copernicus.eu/dhus') # 登陆账号https://scihub.copernicus.eu/apihub/ footprint = geojson_to_wkt(read_geojson(path_geojson)) # 读取兴趣区，兴趣区由http://geojson.io导出 products = api.query(footprint, date=(start_date, end_date), # 搜索的日期范围 platformname=name, # 卫星平台名，Sentinel-2 producttype=product_type, # 产品数据等级，Sentinel-2： S2MSI2A，S2MSI1C，S2MS2Ap/Sentinel-1：SLC，GRD，OCN cloudcoverpercentage=cloud) # 云量百分比 # 搜索A、B双星的数据 row = 0 workbook_write = xlwt.Workbook(encoding='utf-8') worksheet_write = workbook_write.add_sheet('Url_image') for product in products: # 通过for循环遍历并打印、下载出搜索到的产品文件名 info_product = api.get_product_odata(product) # 通过OData API获取单一产品数据的主要元数据信息 worksheet_write.write(row, 0, info_product['url']) worksheet_write.write(row, 1, info_product['title']) print(info_product['title']) # print(product_info['url']) # 打印下载的产品数据文件名，id/uuid代码编号，size数据大小，title，url链接，md5，date时间 # api.download(product) row += 1 workbook_write.save(filepath) return filepath, api # 循环结束后，保存表格def Download_image(filepath, Path_Download, Path_IDM, api): workbook_read = xlrd2.open_workbook(filepath) # 打开表格，创建工作空间 sheet1 = workbook_read.sheet_by_name('Url_image') # 选择需要读取的sheet link_list = sheet1.col_values(0) # 获取第一列的数据 print('所有链接下载完成，现在开始下载对应数据') num = 0 while link_list: print('---------------------------------------------------') num += 1 print('\n') print('第' + str(num) + '次循环' + '\n') id = link_list[0].split('\'')[1] link = link_list[0] info_product = api.get_product_odata(id) print('查询当前列表里的第一个数据的状态') if info_product['Online']: print(info_product['title'] + '为：online产品') print('加入IDM的下载列表中: ') print('\n') call([Path_IDM, '/d', link, '/p', Path_Download, '/n', '/a']) link_list.remove(link) call([Path_IDM, '/s']) else: print(info_product['title'] + '为：offline产品') print('\n') print('激活offline产品') code_id = link_list[0].split('\'')[1] api.trigger_offline_retrieval(code_id) # 激活offline产品 print('检查任务列表里是否存在online产品: .........') # 等待激活成功的时候，检查现在的列表里还有没有online产品 # 如果有online的产品那就下载 # 首先检查列表中是否需要下载的数据 if len(link_list) > 1: # 记录列表里可以下载的链接，并在最后把它们删除 link_list_1 = [] # 开始寻找列表剩下的元素是否有online产品 for i in range(1, len(link_list)): id2 = link_list[i].split('\'')[1] link_1 = link_list[i] info_product2 = api.get_product_odata(id2) if info_product2['Online']: print(info_product2['title'] + '为Online产品') print('加入IDM的下载列表中: ') print('--------------------------------------------') call([Path_IDM, '/d', link_1, '/p', Path_Download, '/n', '/a']) # 在列表中加入需要删除产品的HTTP链接信息 # 直接在link_list中删除会link_list的长度会发生改变，最终造成i的值超过link_list的长度 link_list_1.append(link_1) else: continue # 把已经下载的数据的链接给删除掉 if len(link_list_1) > 0: call([Path_IDM, '/s']) for link_2 in link_list_1: link_list.remove(link_2) print('本轮次检查结束，开始等到40分钟') # 将该激活的产品删除，再加入到最后 link_list.remove(link) link_list.append(link) # 两次激活offline数据的间隔要大于30分钟 for i in tqdm(range(int(1200)), ncols=100): time.sleep(2)if __name__ == "__main__": """说明文档：https://sentinelsat.readthedocs.io/en/latest/api_overview.html, https://scihub.copernicus.eu/userguide/AdvancedSearch""" login = '**********' key = '********' path_geojson = "G:/map.geojson" start_date = "20230101" end_date = "20230301" name = 'Sentinel-2' product_type = 'S2MSI2A' cloud = (0, 15) filepath = 'G:/url.xls' # 存储下载链接的表格 filepath, api = Search_data(login, key, path_geojson, start_date, end_date, name, product_type, cloud, filepath) Download_Path = 'G:/try_download/' # 数据要下载的地址,IDM的下载地址 Path_IDM = "D:/IDM/IDMan.exe" Download_image(filepath, Download_Path, Path_IDM, api)本博文代码是我很久之前写的了，结构有些冗余，但运行没有任何问题。同时有些借鉴的代码已经找不到原作者了，在这里先感谢大佬们的付出，如有侵权，请联系作者删除。
如果大家在学习Python或者RS时有什么问题，可以随时留言交流！如果大家对批量处理有兴趣同样可以留言给博主，博主会分享相关代码以供学习！
来源地址：https://blog.csdn.net/m0_56729804/article/details/131209082
