Repolode
提交项目
sentinel-hub

sentinel-hub/eo-learn

用于将卫星遥感影像处理为机器学习输入的模块化 Python 框架。

在 GitHub 查看官网
Star
1,258
Fork
306
未关闭 Issue
7
最近提交
2个月前

这是什么？

eo-learn 是一组用于访问和处理时空卫星影像序列的 Python 包。处理流程以任务（task）组成的工作流表示，数据统一存放在 EOPatch 容器中，其中包含卫星数据数组、时间戳和地理元数据。常见步骤包括云掩膜、影像配准、特征提取以及为分类模型准备数据。

库按功能分为 core、io、mask、coregistration、features、geometry、ml-tools、visualization 等模块。io 模块负责从 Sentinel Hub 服务获取数据，并支持本地保存与加载。可选的 extra 依赖覆盖插值、聚类、zarr 存储、基于 ray 的并行执行和绘图等功能。

该项目希望降低遥感入门门槛，同时让遥感专家能直接使用 Python 生态中的计算机视觉、机器学习和深度学习工具。可通过 PyPI 或 conda-forge 安装，也提供包含 Jupyter 与示例 notebook 的 Docker 镜像。

核心功能

  • 01将可复用的任务串联成工作流，用于处理卫星影像。
  • 02EOPatch 容器统一存放每个区域的数组、时间戳和地理元数据。
  • 03内置云掩膜、影像配准和特征提取等任务。
  • 04支持从 Sentinel Hub 服务获取数据，并可本地保存与加载。
  • 05可选的 extra 依赖覆盖插值、聚类、zarr 存储和基于 ray 的并行执行。

适用场景

  • 基于多时相卫星影像构建土地覆盖分类流程。
  • 在指定感兴趣区域内计算 NDWI 等指数，用于监测水体。
  • 为机器学习模型准备去云后的时间序列数据。
  • 并行运行大规模卫星影像处理工作流。

标签

#earth-observation#remote-sensing#satellite-imagery#machine-learning#geospatial#python#time-series#eo-data#eo-research#python-package

常见问题

eo-learn 是什么？
用于将卫星遥感影像处理为机器学习输入的模块化 Python 框架。 eo-learn 是一组用于访问和处理时空卫星影像序列的 Python 包。处理流程以任务（task）组成的工作流表示，数据统一存放在 EOPatch 容器中，其中包含卫星数据数组、时间戳和地理元数据。常见步骤包括云掩膜、影像配准、特征提取以及为分类模型准备数据。
eo-learn 可以免费使用吗？用的什么许可证？
eo-learn 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。
eo-learn 还在维护吗？
半年内有更新。eo-learn 最近一次提交是在 2026年9月9日。
eo-learn 适合用来做什么？
基于多时相卫星影像构建土地覆盖分类流程。 在指定感兴趣区域内计算 NDWI 等指数，用于监测水体。 为机器学习模型准备去云后的时间序列数据。 并行运行大规模卫星影像处理工作流。
在哪里获取 eo-learn？
源代码和安装说明在 GitHub 上：https://github.com/sentinel-hub/eo-learn

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目