文章目录地球观测代码合集一个涵盖遥感、GIS、深度学习的开源资源库地球观测代码合集一个涵盖遥感、GIS、深度学习的开源资源库做地球观测和遥感相关的开发找工具和代码往往比写代码更费时间。数据源分散、库的文档不全、教程零散在各处这些是常见问题。Awesome-EarthObservation-Code 这个项目试图解决这个问题。它是一个由社区维护的资源列表收集了地球观测和地理空间领域中各类工具、教程、代码库和实用链接目前在 GitHub 上获得了 1,357 个 Star。这个列表的维护者 Andrew Cutts 是一位地球观测领域的从业者项目从他的日常工作积累中生长出来。他在项目说明中提到自己的自雇生涯在 2026 年 3 月结束了但对地球观测的热情没有变。列表的内容覆盖面很广从入门介绍到具体的代码实现都有涉及。对于刚接触地球观测的人项目提供了几本教材和 ESA 的新手指南作为起点。有两段视频也值得一看一段讲解卫星图像的基础概念另一段介绍合成孔径雷达如何穿透云雾工作。在数据下载环节列表收录了 EODAG、sentinelsat、landsatxplore 等多个工具覆盖了 Landsat、Sentinel、MODIS 等主要卫星数据源。这些工具的共同特点是提供了统一的接口省去了在不同数据平台之间来回切换的麻烦。图像处理部分是整个列表中最充实的板块。从大气校正SIAC、Py6S、6S emulator到光谱混合分析unmixing从道路网络提取cresi到海岸线测绘CoastSat各种应用场景下的 Python 工具都有收录。rasterio、rioxarray、xarray-spatial 等基础库也在其中。云原生地理空间部分收录了 STAC时空资产目录相关的整套工具链。stac-utils 组织下的项目构成了一个完整的生态系统从核心的 pystac 库到基于 PostgreSQL 的 pgstac再到 FastAPI 实现的 stac-fastapi以及各种验证器和可视化工具。COGCloud Optimized GeoTIFF相关的工具也有单独的分类包括 titiler 瓦片服务器和 COG 验证器。除了 Python列表还涵盖了 R、Julia、Scala、Rust、Go、C、JavaScript 等多种语言的地球观测资源。R 语言部分有 RStoolbox、lidR、stars 等包Julia 有 ArchGDALRust 有 Georust 组织下的工具集。GDAL 作为底层基础设施也有专门的章节包括速查手册、系列教程和 Docker 镜像。深度学习和机器学习部分指向了 Robin Cole 维护的另一个专项资源库那个库专门收集卫星图像与深度学习结合的资料。本项目没有重复收录而是给出了链接这种做法减少了维护负担。Google Earth Engine 作为一个重要的云计算平台在列表中有独立的章节。从官方 API 到社区教程从 Python notebook 到 R 语言接口rgee各种接入方式都有对应的资源。项目维护者在列表顶部加了一段提醒大部分链接已经有两年以上的历史有些仓库已经归档但仍然可见有些代码超过十年。他建议使用者谨慎判断。这个列表接受 Pull Request但更新频率不高。对于地球观测领域的开发者来说这个列表的价值在于它的广度。它不是一个教程也不是一个框架而是一张地图。你需要什么方向的工具顺着分类去找大概率能找到至少一个可用的选项。1,357 个 Star 说明这个方向确实有不少人在关注。1,357 个 Star 说明这个方向确实有不少人在关注。
