当前位置：首页 > news >正文

gh_mirrors/notebook/notebooks订阅API指南：实时获取土壤水分与地表温度数据

news 2026/8/14 19:01:27

gh_mirrors/notebook/notebooks订阅API指南：实时获取土壤水分与地表温度数据

【免费下载链接】notebooksinteractive notebooks from Planet Engineering项目地址: https://gitcode.com/gh_mirrors/notebook/notebooks

gh_mirrors/notebook/notebooks是一个包含交互式卫星数据分析工具的开源项目，通过其订阅API功能，用户可以轻松设置自动化数据获取流程，实时获取关键环境参数如土壤水分（soil_water_content）和地表温度（land_surface_temperature）。本文将详细介绍如何利用该项目的Subscriptions API构建高效的数据订阅系统，为农业监测、环境研究等场景提供稳定的数据支持。

订阅API核心功能与应用场景 🌍

Subscriptions API是gh_mirrors/notebook/notebooks项目中最具价值的功能模块之一，它允许用户创建持续性数据订阅任务，自动获取指定区域的环境变量数据。该功能特别适用于需要长期监测的场景：

农业管理：通过持续获取土壤水分数据优化灌溉策略，结合地表温度变化预测作物生长周期
气候研究：构建长时间序列的地表温度数据集，分析区域热环境变化趋势
灾害预警：实时监测土壤水分异常，为干旱或洪涝灾害提供早期预警依据

项目中提供了完整的订阅API使用示例，主要集中在jupyter-notebooks/api_guides/subscriptions_api目录下，包括土壤水分数据交付、地表温度订阅等实用案例。

图：订阅API支持的区域监测示例，左图为孟加拉国沿海地区地图，右图为卫星影像监测区域（分辨率1052x511）

快速开始：API认证与环境配置 🚀

使用订阅API前需要完成简单的认证配置，整个过程仅需3个步骤：

1. 获取Planet API密钥

登录Planet账户，在用户设置中创建API密钥。该密钥将用于所有API请求的身份验证。

2. 安装必要依赖

项目提供了Docker环境配置方案，通过以下命令快速部署开发环境：

git clone https://gitcode.com/gh_mirrors/notebook/notebooks cd notebook/notebooks/planet-notebook-docker docker build -t planet-notebook . docker run -p 8888:8888 planet-notebook

3. 配置认证信息

在Jupyter Notebook中使用以下代码片段完成认证：

from planet import Auth api_key = input("Enter your API key: ") auth = Auth.from_key(api_key) client = auth.client('subscriptions')

详细的认证流程可参考jupyter-notebooks/api_guides/subscriptions_api/crop_biomass/Crop_Biomass_Example_Multiple_Fields.ipynb中的实现。

创建土壤水分数据订阅的完整步骤 🔍

步骤1：定义订阅区域（AOI）

使用GeoJSON格式定义感兴趣区域（Area of Interest），示例如下：

{ "type": "Polygon", "coordinates": [ [ [89.12109375, 22.30714371077613], [91.12109375, 22.30714371077613], [91.12109375, 24.30714371077613], [89.12109375, 24.30714371077613], [89.12109375, 22.30714371077613] ] ] }

步骤2：配置订阅参数

创建土壤水分数据订阅的核心参数配置：

subscription_config = { "name": "soil-moisture-monitoring", "source": { "type": "soil_water_content", "parameters": { "resolution": 30, "temporal_frequency": "daily" } }, "delivery": { "type": "google_cloud_storage", "parameters": { "bucket": "your-bucket-name", "credentials": "path/to/credentials.json" } }, "aoi": your_geojson_aoi }

支持的 delivery 选项包括AWS S3、Azure Blob Storage等主流云存储服务，详细配置可参考订阅API文档。

步骤3：提交订阅请求

subscription = client.create_subscription(subscription_config) print(f"Subscription created with ID: {subscription['id']}")

提交后可通过API查询订阅状态，当状态变为"active"时，系统将开始定期推送数据。

地表温度数据订阅与可视化 🌡️

地表温度（LST）是研究城市热岛效应、气候变化的重要指标。通过订阅API获取LST数据后，可使用项目提供的可视化工具进行分析。

创建地表温度订阅

lst_subscription = { "name": "urban-heat-monitoring", "source": { "type": "land_surface_temperature", "parameters": { "resolution": 30, "temporal_frequency": "daily" } }, "delivery": { "type": "google_cloud_storage", "parameters": { "bucket": "your-lst-bucket" } }, "aoi": urban_area_geojson }

数据处理与可视化

获取数据后，可使用jupyter-notebooks/use_cases/land_surface_temperature中的工具将原始数据转换为温度异常图：

# 示例代码片段 data['lst'] = dfs['land_surface_temperature']["lst.band-1.mean"].groupby( dfs['land_surface_temperature'].index.date ).mean() - 273.15 # 转换为摄氏度

图：基于订阅API获取的地表温度数据生成的区域温度分布图（分辨率3507x2480）

高级应用：多变量数据融合分析 📊

gh_mirrors/notebook/notebooks支持同时订阅多种环境变量，实现多源数据融合分析。例如，结合土壤水分和地表温度数据进行作物生长建模：

# 同时订阅多个数据源 PVS = ['biomass_proxy', 'land_surface_temperature', 'soil_water_content'] subscriptions = { "land_surface_temperature": "094fdc41-96fc-4bc8-af0a-f0ef4e48f40d", "soil_water_content": "67f16e77-cb99-42da-affe-f367db5a8d9f" }

通过jupyter-notebooks/use_cases/crop_phenometrics/CB_phenometrics.ipynb中的方法，可以将多源数据整合为统一的分析模型，为精准农业提供科学依据。

图：在QGIS中展示的多源遥感数据融合结果，可用于验证订阅API获取的数据质量（分辨率1050x655）

常见问题与最佳实践 ❓

订阅数据延迟问题

土壤水分和地表温度数据通常在观测后24-48小时内可用。若需要近实时数据，可在订阅参数中设置minimum_delay为"24h"。

数据存储优化

对于长期订阅，建议配置数据自动归档策略。项目中的jupyter-notebooks/api_guides/subscriptions_api/subscriptions_to_data_collection.ipynb提供了数据生命周期管理的示例。

订阅管理与更新

可通过API随时更新订阅参数或暂停/恢复订阅：

# 更新订阅区域 client.update_subscription(subscription_id, {"aoi": new_geojson_aoi}) # 暂停订阅 client.update_subscription(subscription_id, {"status": "paused"})