Ignora esplorazione

NAIP

AerialImagery AIforEarth USDA

Immagini aeree del National Agricultural Imagery Program (NAIP).

NAIP fornisce immagini aeree a risoluzione elevata per l’area degli Stati Uniti. Questo programma è amministrato da Aerial Field Photography Office (AFPO) entro US Department of Agriculture (USDA). I dati sono disponibili dal 2010 a oggi.

Risorse di archiviazione

I dati vengono archiviati in file GeoTIFF ottimizzati per il cloud in Archiviazione BLOB di Azure nei data center degli Stati Uniti orientali, nel contenitore BLOB seguente:

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

Entro tale contenitore i dati sono organizzati in base a:

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

Ad esempio:

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

Altri dettagli su questi campi:

  • Anno: anno in quattro cifre. Le immagini vengono raccolte in ogni stato ogni 3-5 anni e ogni anno contiene alcuni, ma non tutti, gli stati. Ad esempio, per l’Alabama sono disponibili dati nel 2011 e nel 2013, ma non per il 2012, mentre per la California sono disponibili dati nel 2012, ma non per il 2011 o il 2013. Esri fornisce informazioni sulla copertura NAIP nella rispettiva mappa interattiva della copertura annuale di NAIP.
  • Stato: codice di due lettere per lo stato.
  • Risoluzione: la specifica di stringa della risoluzione delle immagini, che è variata per NAIP nel corso del tempo. In base all’anno e allo stato, può essere “050cm”, “060cm” o “100cm”.
  • Quadrangolo: identificatore del quadrangolo USGS, che specifica un’area di 7,5 minuti x 7,5 minuti.

I file vengono archiviati come immagini GeoTIFF ottimizzate per il cloud con estensione tif. Questi file sono stati prodotti dal formato originale fornito da USDA e organizzati da Esri.

Per ogni immagine sono anche disponibili anteprime. Per recuperarle, sostituire “tif” con “200.jpg”. Ad esempio:

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

Un esempio Python completo per l’accesso e il tracciamento di un’immagine NAIP è disponibile nel notebook fornito in “Accesso ai dati”.

È disponibile anche un token di firma di accesso condiviso di sola lettura per consentire l’accesso ai dati NAIP tramite ad esempio BlobFuse, che consente di montare i contenitori BLOB come unità:

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

Le istruzioni di montaggio per Linux sono disponibili qui.

I dati NAIP possono utilizzare centinaia di terabyte, quindi un’elaborazione su larga scala viene eseguita in modo ottimale nel data center di Azure dell’area Stati Uniti orientali dove sono archiviate le immagini. Se usi i dati NAIP per applicazioni correlate alle scienze ambientali, prendi in considerazione la richiesta di una sovvenzione di AI for Earth per supportare i tuoi requisiti di calcolo.

Indice

Un elenco di tutti i file NAIP è disponibile qui in un file CSV compresso:

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

È anche disponibile un oggetto rtree per facilitare le query spaziali per utenti di Python. Per i dettagli, vedi il notebook di esempio.

Puoi esplorare i dati anche qui.

Dove sono finiti i file con estensione mrf?

A gennaio 2020 abbiamo aggiornato l’intero archivio NAIP per migliorare la copertura e la manutenibilità. Abbiamo anche sostituito il formato mrf con GeoTIFF ottimizzato per il cloud, oltre ad aver apportato alcune modifiche alle strutture dei percorsi. I file MRF sono temporaneamente ancora disponibili in un altro contenitore. Se sono importanti per il tuo lavoro e hai bisogno dell’accesso a tali file, contatta aiforearthdatasets@microsoft.com.

Immagine piacevole


Immagini con risoluzione di 1 m dell’area vicina al Campus Microsoft di Redmond nel 2017.

Contatto

Se hai domande su questo set di dati, contatta 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