Passer la navigation

NAIP

AerialImagery AIforEarth USDA

Images aériennes du National Agriculture Imagery Program (NAIP).

NAIP fournit des images aériennes haute résolution à l’échelle des États-Unis. Ce programme est administré par l’AFPO (Aerial Field Photography Office) au sein du US Department of Agriculture (USDA). Les données disponibles sont celles de 2010 à aujourd’hui.

Ressources de stockage

Les données sont stockées dans des fichiers GeoTIFF optimisés pour le cloud dans Stockage Blob Azure dans le centre de données USA Est, dans le conteneur d’objets blob suivant :

https://naipblobs.blob.core.windows.net/naip

Dans ce conteneur, les données sont organisées comme suit :

v002/[state]/[year]/[state]_[resolution]_[year]/[quadrangle]/filename

… par exemple :

v002/al/2015/al_100cm_2015/30086/m_3008601_ne_16_1_20150804.tif

Plus d’informations sur ces champs :

  • Year : Année à quatre chiffres. Les images sont collectées dans chaque État tous les 3 à 5 ans, chaque année incluant certains États (mais pas tous). Par exemple, l’Alabama a des données en 2011 et 2013, mais pas en 2012, alors que la Californie a des données en 2012, mais pas en 2011 ni en 2013. Esri fournit des informations sur la couverture NAIP sur sa carte interactive NAIP de couverture annuelle.
  • State : Code d’état à deux lettres.
  • Resolution : Spécification sous forme de chaîne de la résolution d’image, qui a varié tout au long de l’histoire du NAIP. Selon l’année et l’État, voici ce qui est indiqué : “050cm”, “060cm” ou “100cm”.
  • Quadrangle : Identifiant de quadrilatère USGS, spécifiant une zone de 7,5 minutes x 7,5 minutes.

Les fichiers sont stockés dans des images GeoTIFF optimisées pour le cloud, avec une extension .tif. Ces fichiers ont été produits (à partir du format d’origine fourni par l’USDA) et organisés par Esri.

De petites miniatures sont également disponibles pour chaque image : remplacez “.tif” par “.200.jpg” pour récupérer la miniature. Par exemple :

https://naipblobs.blob.core.windows.net/naip/v002/al/2013/al_100cm_2013/30086/m_3008601_ne_16_1_20130928.200.jpg

Un exemple Python complet d’accès et de traçage d’une image NAIP est disponible dans le notebook fourni sous “accès aux données”.

Nous fournissons également un jeton SAP (signature d’accès partagé) en lecture seule pour permettre l’accès aux données NAIP via, par exemple, BlobFuse, ce qui vous permet de monter des conteneurs de blobs en tant que lecteurs :

st=2019-07-18T03%3A53%3A22Z&se=2035-07-19T03%3A53%3A00Z&sp=rl&sv=2018-03-28&sr=c&sig=2RIXmLbLbiagYnUd49rgx2kOXKyILrJOgafmkODhRAQ%3D

Les instructions de montage pour Linux sont disponibles ici.

Les données NAIP peuvent consommer des centaines de téraoctets. Par conséquent, le traitement à grande échelle est plus efficace dans le centre de données Azure USA Est où les images sont stockées. Si vous utilisez des données NAIP pour des applications en sciences de l’environnement, envisagez de demander une subvention AI for Earth afin de répondre à vos besoins de calcul.

Index

Une liste de tous les fichiers NAIP est disponible ici, sous forme de fichier .csv compressé :

https://naipblobs.blob.core.windows.net/naip-index/naip_v002_index.zip

Nous tenons également à jour un objet rtree afin de faciliter les requêtes spatiales pour les utilisateurs Python. Consultez l’exemple de notebok pour plus de détails.

Les données sont également consultables ici.

Qu’est-il advenu des fichiers .mrf ?

En juin 2020, nous avons mis à jour l’ensemble de nos archives NAIP pour améliorer à la fois la couverture et la mise à jour. Nous sommes également passés du format .mrf au format GeoTIFF optimisé pour le cloud et avons apporté des modifications aux structures de chemin. Les fichiers. MRF sont temporairement toujours disponibles dans un autre conteneur. S’ils sont importants pour votre travail et que vous devez y accéder, contactez aiforearthdatasets@microsoft.com.

Belle image


Images d’une résolution de 1 m de la zone proche du Redmond Campus de Microsoft en 2017.

Contact

Pour toute question sur ce jeu de données, contactez aiforearthdatasets@microsoft.com.

Access

Available inWhen to use
Azure Notebooks

Quickly explore the dataset with Jupyter notebooks hosted on Azure or your local machine.

Select your preferred service:

Azure Notebooks

Azure Notebooks

Package: Language: Python

Demo notebook for accessing NAIP data on Azure

This notebook provides an example of accessing NAIP data from blob storage on Azure, displaying an image using the rasterio library.

We will demonstrate how to access and plot a tile given a known tile filename, as well as how to access tiles by lat/lon. Finally, we'll demonstrate how to retrieve only the patches you care about from our cloud-optimized image files.

NAIP data are stored in the East US data center, so this notebook will run most efficiently on Azure compute located in East US. We recommend that substantial computation depending on NAIP data also be situated in East US. You don't want to download hundreds of terabytes to your laptop! If you are using NAIP data for environmental science applications, consider applying for an AI for Earth grant to support your compute requirements.

Imports and environment

In [1]:
# Standard packages
import tempfile
import warnings
import urllib
import shutil
import os

# Workaround for a problem in older rasterio versions
os.environ["CURL_CA_BUNDLE"] = "/etc/ssl/certs/ca-certificates.crt" 

# Less standard, but still pip- or conda-installable
import matplotlib.pyplot as plt
import numpy as np
import rasterio
import rtree
import shapely
import pickle

# pip install progressbar2, not progressbar
import progressbar

from geopy.geocoders import Nominatim
from rasterio.windows import Window 
from tqdm import tqdm

latest_wkid = 3857
crs = "EPSG:4326"

# Storage locations are documented at http://aka.ms/ai4edata-naip
blob_root = 'https://naipblobs.blob.core.windows.net/naip'

index_files = ["tile_index.dat", "tile_index.idx", "tiles.p"]
index_blob_root = 'https://naipblobs.blob.core.windows.net/naip-index/rtree/'
temp_dir = os.path.join(tempfile.gettempdir(),'naip')
os.makedirs(temp_dir,exist_ok=True)

# Spatial index that maps lat/lon to NAIP tiles; we'll load this when we first 
# need to access it.
index = None

# URL where we've stashed a geojson file with the boundaries of Maryland.  Why do we
# need the boundaries of Maryland?  It's a surprise, you'll have to keep reading to find
# out.
maryland_boundary_url = 'https://ai4edatasetspublicassets.blob.core.windows.net/assets/maryland.json'

warnings.filterwarnings("ignore")
%matplotlib inline

Functions

In [2]:
class DownloadProgressBar():
    """
    https://stackoverflow.com/questions/37748105/how-to-use-progressbar-module-with-urlretrieve
    """
    
    def __init__(self):
        self.pbar = None

    def __call__(self, block_num, block_size, total_size):
        if not self.pbar:
            self.pbar = progressbar.ProgressBar(max_value=total_size)
            self.pbar.start()
            
        downloaded = block_num * block_size
        if downloaded < total_size:
            self.pbar.update(downloaded)
        else:
            self.pbar.finish()
            

class NAIPTileIndex:
    """
    Utility class for performing NAIP tile lookups by location.
    """
    
    tile_rtree = None
    tile_index = None
    base_path = None
    
    def __init__(self, base_path=None):
        
        if base_path is None:
            
            base_path = temp_dir
            os.makedirs(base_path,exist_ok=True)
            
            for file_path in index_files:
                download_url(index_blob_root + file_path, base_path + '/' + file_path,
                             progress_updater=DownloadProgressBar())
                
        self.base_path = base_path
        self.tile_rtree = rtree.index.Index(base_path + "/tile_index")
        self.tile_index = pickle.load(open(base_path  + "/tiles.p", "rb"))
      
    
    def lookup_tile(self, lat, lon):
        """"
        Given a lat/lon coordinate pair, return the list of NAIP tiles that contain
        that location.

        Returns an array containing [mrf filename, idx filename, lrc filename].
        """

        point = shapely.geometry.Point(float(lon),float(lat))
        intersected_indices = list(self.tile_rtree.intersection(point.bounds))

        intersected_files = []
        tile_intersection = False

        for idx in intersected_indices:

            intersected_file = self.tile_index[idx][0]
            intersected_geom = self.tile_index[idx][1]
            if intersected_geom.contains(point):
                tile_intersection = True
                intersected_files.append(intersected_file)

        if not tile_intersection and len(intersected_indices) > 0:
            print('''Error: there are overlaps with tile index, 
                      but no tile completely contains selection''')   
            return None
        elif len(intersected_files) <= 0:
            print("No tile intersections")
            return None
        else:
            return intersected_files
        
            
def download_url(url, destination_filename=None, progress_updater=None, force_download=False):
    """
    Download a URL to a temporary file
    """
    
    # This is not intended to guarantee uniqueness, we just know it happens to guarantee
    # uniqueness for this application.
    if destination_filename is None:
        url_as_filename = url.replace('://', '_').replace('/', '_')    
        destination_filename = \
            os.path.join(temp_dir,url_as_filename)
    if (not force_download) and (os.path.isfile(destination_filename)):
        print('Bypassing download of already-downloaded file {}'.format(os.path.basename(url)))
        return destination_filename
    print('Downloading file {} to {}'.format(os.path.basename(url),destination_filename),end='')
    urllib.request.urlretrieve(url, destination_filename, progress_updater)  
    assert(os.path.isfile(destination_filename))
    nBytes = os.path.getsize(destination_filename)
    print('...done, {} bytes.'.format(nBytes))
    return destination_filename
    

def display_naip_tile(filename):
    """
    Display a NAIP tile using rasterio.
    
    For .mrf-formatted tiles (which span multiple files), 'filename' should refer to the 
    .mrf file.
    """
    
    # NAIP tiles are enormous; downsize for plotting in this notebook
    dsfactor = 10
    
    with rasterio.open(filename) as raster:

        # NAIP imagery has four channels: R, G, B, IR
        #
        # Stack RGB channels into an image; we won't try to render the IR channel
        #
        # rasterio uses 1-based indexing for channels.
        h = int(raster.height/dsfactor)
        w = int(raster.width/dsfactor)
        print('Resampling to {},{}'.format(h,w))
        r = raster.read(1, out_shape=(1, h, w))
        g = raster.read(2, out_shape=(1, h, w))
        b = raster.read(3, out_shape=(1, h, w))        
    
    rgb = np.dstack((r,g,b))
    fig = plt.figure(figsize=(7.5, 7.5), dpi=100, edgecolor='k')
    plt.imshow(rgb)
    raster.close()
    
    
def get_coordinates_from_address(address):
    """
    Look up the lat/lon coordinates for an address.
    """
    
    geolocator = Nominatim(user_agent="NAIP")
    location = geolocator.geocode(address)
    print('Retrieving location for address:\n{}'.format(location.address))
    return location.latitude, location.longitude

Access and plot a NAIP tile by constructing a path

In [3]:
# Tiles are stored at:
#
# [blob root]/v002/[state]/[year]/[state]_[resolution]_[year]/[quadrangle]/filename

year = '2015'
state = 'al'
resolution = '100cm'
quadrangle = '30086'
filename = 'm_3008601_ne_16_1_20150804.tif'
tile_url = blob_root + '/v002/' + state + '/' + year + '/' + state + '_' + resolution + \
    '_' + year + '/' + quadrangle + '/' + filename

print(tile_url)

# Download the image
image_filename = download_url(tile_url,progress_updater=DownloadProgressBar())

# Plot the image
print('Reading file:\n{}'.format(os.path.basename(image_filename)))
assert os.path.isfile(image_filename)
display_naip_tile(image_filename)
https://naipblobs.blob.core.windows.net/naip/v002/al/2015/al_100cm_2015/30086/m_3008601_ne_16_1_20150804.tif
Bypassing download of already-downloaded file m_3008601_ne_16_1_20150804.tif
Reading file:
https_naipblobs.blob.core.windows.net_naip_v002_al_2015_al_100cm_2015_30086_m_3008601_ne_16_1_20150804.tif
Resampling to 753,657