Ignorar navegação

NAIP

AerialImagery AIforEarth USDA

Imagem aérea do NAIP (Programa Nacional de Imagens Agrícolas).

O NAIP fornece imagens aéreas de alta resolução de todo o território dos EUA. O programa é administrado pelo AFPO (Gabinete de Fotografias Aéreas em Campo) dentro do USDA (Departamento de Agricultura dos EUA). Estão disponíveis os dados de 2010 até o presente.

Recursos de Armazenamento

Os dados são armazenados em arquivos GeoTIFF otimizados para a nuvem no Armazenamento de Blobs do Azure no data center do Leste dos EUA, no seguinte contêiner de blobs:

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

Nesse contêiner, os dados são organizados de acordo com:

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

… por exemplo:

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

Mais detalhes sobre esses campos:

  • Ano: Ano com quatro dígitos. As imagens são coletadas em todos os estados a cada três a cinco anos, sendo que cada ano contempla alguns dos estados, mas não todos eles. Por exemplo, o Alabama tem dados em 2011 e 2013, mas não em 2012, enquanto a Califórnia tem dados em 2012, mas não em 2011 nem em 2013. A Esri fornece informações sobre a cobertura do NAIP no mapa interativo de cobertura anual do NAIP.
  • Estado: código do estado com duas letras.
  • Resolução: especificação de cadeia de caracteres da resolução da imagem, que tem variado ao longo do histórico do NAIP. De acordo com o ano e o estado, pode ser “050 cm”, “060 cm” ou “100 cm”.
  • Quadrilátero: identificador de quadrilátero da USGS, especificando uma área de 7,5 minutos x 7,5 minutos.

Os arquivos são armazenados como imagens GeoTIFF otimizadas para a nuvem, com uma extensão .tif. Esses arquivos foram produzidos (do formato original fornecido pelo USDA) e organizados pela Esri.

Também há pequenas miniaturas disponíveis para cada imagem. Substitua “.tif” por “.200.jpg” para recuperar a miniatura. Por exemplo:

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

Veja um exemplo de Python completo de como acessar e plotar uma imagem do NAIP no notebook disponível em “Acesso a dados”.

Também fornecemos um token SAS (Assinatura de Acesso Compartilhado) somente leitura para permitir acesso aos dados do NAIP via, por exemplo, o BlobFuse, que permite montar contêineres de blob como unidades:

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

As instruções de montagem para o Linux podem ser encontradas aqui.

Os dados da NAIP podem consumir centenas de terabytes, então o processamento em grande escala é mais bem desempenhado no data center do Azure da região Leste dos EUA, no qual as imagens estão armazenadas. Se você estiver usando os dados do NAIP para aplicativos de ciência ambiental, considere a possibilidade de se inscrever em uma concessão do AI for Earth para dar suporte à compatibilidade com seus requisitos de computação.

Índice

Uma lista com todos os arquivos do NAIP está disponível aqui, como um arquivo .csv compactado:

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

Também mantemos um objeto rtree para facilitar as consultas espaciais dos usuários do Python. Confira o notebook de exemplo para saber detalhes.

Os dados também podem ser procurados aqui.

Onde estão os arquivos .mrf?

Em junho de 2020, todo os arquivos do NAIP foram atualizados para aprimorar a cobertura e facilitar a manutenção. Além disso, o formato .mrf foi alterado para o GeoTIFF otimizado para a nuvem e algumas estruturas de caminho foram modificadas. Os arquivos .mrf ainda estão disponíveis temporariamente em outro contêiner. Se eles forem importantes para o seu trabalho e você precisar acessá-los, entre em contato com aiforearthdatasets@microsoft.com.

Imagem bonita


Imagens com resolução de 1 m da área próxima ao campus da Microsoft em Redmond em 2017.

Contact

Para perguntas sobre este conjunto de dados, entre em contato com 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 West Europe Azure region, so this notebook will run most efficiently on Azure compute located in West Europe. We recommend that substantial computation depending on NAIP data also be situated in West Europe. 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 [12]:
# Standard packages
import tempfile
import warnings
import urllib
import shutil
import os

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

# The(preferred) copy of NAIP in the West Europe Azure region
blob_root = 'https://naipeuwest.blob.core.windows.net/naip'

# NAIP is also available in the East US Azure region
# blob_root = 'https://naipblobs.blob.core.windows.net/naip'

index_files = ["tile_index.dat", "tile_index.idx", "tiles.p"]
index_blob_root = re.sub('/naip$','/naip-index/rtree/',blob_root)
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 [6]:
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 a list of COG file paths.
        """

        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.
    """
    
    # 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 [7]:
# 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://naipeuwest.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_naipeuwest.blob.core.windows.net_naip_v002_al_2015_al_100cm_2015_30086_m_3008601_ne_16_1_20150804.tif
Resampling to 753,657

Load the spatial index of NAIP tiles

In [14]:
if index is None:
    index = NAIPTileIndex()

Access and plot a NAIP tile based on a lat/lon coordinate pair

In [16]:
lat = 47.645950
lon = -122.136980

naip_files = index.lookup_tile(lat, lon)

print('\nList of available naip files for this location:\n')
for file in naip_files:
    print(file)
print(''