参考资料：

哥白尼网站：

APIs | Copernicus Data Space Ecosystem

官方数据下载指南：

https://documentation.dataspace.copernicus.eu/APIs/Token.html

需要准备的：

  1. 哥白尼网站的账号（用户名、密码)

使用python 下载影像代码：

步骤1:Access Token

需要哥白尼网站的账号、密码

def get_access_token(username: str, password: str) -> str:
    data = {
        "client_id": "cdse-public",
        "username": UserName,
        "password": Password,
        "grant_type": "password",
    }
    try:
        r = requests.post("https://identity.dataspace.copernicus.eu/auth/realms/CDSE/protocol/openid-connect/token",
                          data=data,
                          )
        r.raise_for_status()
    except Exception as e:
        raise Exception(
            f"Access token creation failed. Reponse from the server was: {r.json()}"
        )
    return r.json()["access_token"]

# 哥白尼网站账户
UserName = "********@gmail.com" #哥白尼网站用户名（邮箱）
Password = "*********" # 密码

access_token = get_access_token(UserName, Password)

步骤2:构建数据搜索url（‼️重点）

在此步骤中，需要依据所需下载的遥感数据信息，构建一个url

1、官方指南

哥白尼官方指南中有详细描述如何依据遥感影像名称、数据列表、获取影像的日期、属性等创建一个url连接（简单地说就是，将筛选的条件按照哥白尼官方的规则写入url）

2、示例：以一个最常见的情况为例：（要求特定区域、特定时间、特定的影像数据集）

下载一个矢量（area.shp）区域内、2019年1月1日-12月31日内所有的sentinel-2 L2A数据

url1 = "https://catalogue.dataspace.copernicus.eu/odata/v1/Products?$filter=Collection/Name eq 'SENTINEL-2' and OData.CSC.Intersects(area=geography'SRID=4326;POLYGON((116.376609450000004 39.999842170000001,116.416136129999998 39.998611490000002,116.414760659999999 39.959012410000000,116.375378769999998 39.960387879999999,116.376609450000004 39.999842170000001))') and ContentDate/Start gt 2019-01-01T00:00:00.000Z and ContentDate/Start lt 2019-12-31T00:00:00.000Z and Attributes/OData.CSC.StringAttribute/any(att:att/Name eq 'productType' and att/OData.CSC.StringAttribute/Value eq 'S2MSI2A')&$top=1000"

1、红字——遥感卫星名称

2、篮字——矢量区域的坐标

  • 在CGS_WGS_1984坐标系下的坐标
  • 多边形定点的坐标，顺时针顺序，一圈（第一个和最后一个点一样）
  • （顶点0，顶点1， 顶点2，顶点3， 顶点0）
  • （经度 纬度，经度 纬度，经度 纬度，经度 纬度，经度 纬度）

3、黄字——影像拍摄时间

  • 世界标准时间

4、紫字——影像产品名称的开头

  • 如sentinel-2 的L2A产品数据均以S2MSI2A开头

5、绿字——影像数量

默认只搜索满足要求的前20个影像产品

top=1000：产品列表结果的前1000个数据

url1 = "https://catalogue.dataspace.copernicus.eu/odata/v1/Products?$filter=Collection/Name eq 'SENTINEL-2' and OData.CSC.Intersects(area=geography'SRID=4326;POLYGON((116.376609450000004 39.999842170000001,116.416136129999998 39.998611490000002,116.414760659999999 39.959012410000000,116.375378769999998 39.960387879999999,116.376609450000004 39.999842170000001))') and ContentDate/Start gt 2025-01-01T00:00:00.000Z and ContentDate/Start lt 2025-07-09T00:00:00.000Z and Attributes/OData.CSC.StringAttribute/any(att:att/Name eq 'productType' and att/OData.CSC.StringAttribute/Value eq 'S2MSI2A')&$top=1000"

步骤3:按顺序下载影像

注意：网站可能有访问量限制，如果需要大量下载影像，可以下载一段时间后，暂停2分钟（time.sleep(700) ）后继续下载

json = requests.get(url1).json()
df = pd.DataFrame.from_dict(json['value']) #获取待下载的影像列表
# 循环 ID 进行 下载
SitefolderPath = 'D://SENTINEL2' # 存放待下载影像的文件夹路经
for ImageID in range(df.shape[0]):
    ID = df['Id'][ImageID]
    Name = df['Name'][ImageID]
        # 判断该影像是否已经下载成功
    fileName_download = SitefolderPath + '/' + Name + '.zip'
    if os.path.exists(fileName_download) == False:
        """
        下载数据
        """
        fileName_download = SitefolderPath + '/' + Name + '.zip'
        try:
            access_token = get_access_token(UserName, Password)
            url_downloadLink = f"https://zipper.dataspace.copernicus.eu/odata/v1/Products(" + ID + ")/$value"

            headers = {"Authorization": f"Bearer {access_token}"}

            session = requests.Session()
            session.headers.update(headers)
            response = session.get(url_downloadLink, headers=headers, stream=True)

            with open(fileName_download, "wb") as file:
                for chunk in response.iter_content(chunk_size=8192):
                    if chunk:
                        file.write(chunk)

            print(f" {ImageID}/{df.shape[0]}, {Name}")
        except Exception as e:
            print(f" {ImageID}/{df.shape[0]}, {Name}, download Error and wait")
            print("--waitting for 7 min - ---", time.strftime(" %Y -%m- %d %H:%M:%S", time.localtime()))
            #time.sleep(700) # 有访问限制，如果需要大量下载影像，可以下载一段时间后，暂停2分钟
    else:
        print(f"{ImageID}/{df.shape[0]}, {Name}, is already exist")

完整代码：

import requests
import pandas as pd
import os
import time


UserName = "********@gmail.com"
Password = "********"

def get_access_token(username: str, password: str) -> str:
    data = {
        "client_id": "cdse-public",
        "username": UserName,
        "password": Password,
        "grant_type": "password",
    }
    try:
        r = requests.post("https://identity.dataspace.copernicus.eu/auth/realms/CDSE/protocol/openid-connect/token",
                          data=data,
                          )
        r.raise_for_status()
    except Exception as e:
        raise Exception(
            f"Access token creation failed. Reponse from the server was: {r.json()}"
        )
    return r.json()["access_token"]

access_token = get_access_token(UserName, Password)

url1 = "https://catalogue.dataspace.copernicus.eu/odata/v1/Products?$filter=Collection/Name eq 'SENTINEL-2' and OData.CSC.Intersects(area=geography'SRID=4326;POLYGON((85.59368903234216 28.45399959387374,85.69426481777356 28.44154215786701,85.67779208779949 28.33785843326445,85.57731227280733 28.35030389114404,85.59368903234216 28.45399959387374))') and ContentDate/Start gt 2025-01-01T00:00:00.000Z and ContentDate/Start lt 2025-07-09T00:00:00.000Z and Attributes/OData.CSC.StringAttribute/any(att:att/Name eq 'productType' and att/OData.CSC.StringAttribute/Value eq 'S2MSI2A')&$top=1000"



json = requests.get(url1).json()
df = pd.DataFrame.from_dict(json['value'])
# 循环 ID 进行 下载
SitefolderPath = 'D://SENTINEL2' # 存放待下载影像的文件夹路经
for ImageID in range(df.shape[0]):
    ID = df['Id'][ImageID]
    Name = df['Name'][ImageID]
        # 判断该影像是否已经下载成功
    fileName_download = SitefolderPath + '/' + Name + '.zip'
    if os.path.exists(fileName_download) == False:
        """
        下载数据
        """
        fileName_download = SitefolderPath + '/' + Name + '.zip'
        try:
            access_token = get_access_token(UserName, Password)
            url_downloadLink = f"https://zipper.dataspace.copernicus.eu/odata/v1/Products(" + ID + ")/$value"

            headers = {"Authorization": f"Bearer {access_token}"}

            session = requests.Session()
            session.headers.update(headers)
            response = session.get(url_downloadLink, headers=headers, stream=True)

            with open(fileName_download, "wb") as file:
                for chunk in response.iter_content(chunk_size=8192):
                    if chunk:
                        file.write(chunk)

            print(f" {ImageID}/{df.shape[0]}, {Name}")
        except Exception as e:
            print(f" {ImageID}/{df.shape[0]}, {Name}, download Error and wait")
            print("--waitting for 7 min - ---", time.strftime(" %Y -%m- %d %H:%M:%S", time.localtime()))
            #time.sleep(700) # 有访问限制，如果需要大量下载影像，可以下载一段时间后，暂停2分钟
    else:
        print(f"{ImageID}/{df.shape[0]}, {Name}, is already exist")

# sentinel # python
Logo
技术共进，成长同行——讯飞AI开发者社区

技术共进，成长同行——讯飞AI开发者社区

更多推荐

AI智能体—人工智能工作流与人工智能智能体：真正的区别是什么？

本文探讨了人工智能工作流与智能体的核心区别。工作流是静态、可预测的执行序列（如预处理→嵌入→搜索→总结），适合批处理作业；而智能体能动态感知环境、自主决策（感知→推理→决策循环），具备适应性和工具选择能力。关键差异在于：工作流遵循固定路径，智能体则能根据目标调整策略。架构上，工作流使用Airflow等工具，智能体依赖LangChain等框架。智能体的自主性使其更适用于动态环境，代表下一代AI应用方

avatar 讯飞AI开发者社区
cover

为什么人工智能偏爱 Python？——从“慢语言”到行业标准的背后逻辑

avatar 讯飞AI开发者社区
cover

零基础能当数据分析师吗？从 Excel 到 Python，3-6 个月入门指南

avatar 讯飞AI开发者社区