除了USGS网页版，还有这3种方法批量获取Landsat数据：GEE脚本、API与下载管理器对比
高效获取Landsat数据的四种技术方案深度评测
当我们需要处理大范围区域或长时间序列的遥感分析时，手动下载单景Landsat影像显然效率低下。虽然USGS官方提供的批量下载网页应用解决了部分需求，但在实际科研和工程项目中，我们往往需要更灵活、更自动化的数据获取方式。本文将系统评测四种主流的Landsat批量获取方案，从易用性、自动化程度到适用场景，帮助你构建最适合自己工作流的数据获取体系。
1. USGS网页批量下载：基础但受限的起点
USGS EarthExplorer提供的Bulk Download Web Application是最容易上手的批量下载方式。通过网页界面，用户可以直观地：
- 在搜索结果页面使用"Add to Bulk Download"按钮将多景影像加入购物篮
- 在Item Basket中统一提交订单
- 通过专门的Web应用界面管理下载队列
核心优势在于其零代码门槛——不需要任何编程知识即可完成操作。但它的局限性同样明显：
| 限制因素 | 具体表现 |
|---|---|
| 网络依赖 | 需要稳定连接USGS服务器，国内用户常遇中断 |
| 浏览器兼容 | 仅支持Chromium内核浏览器(Chrome/Edge) |
| 自动化程度 | 每次都需要手动选择影像和下载目录 |
| 并发限制 | 默认单线程下载，无法充分利用带宽 |
实际测试发现，当下载超过100景影像时，网页界面容易发生超时断开，需要反复重新登录。此外，生成的临时下载链接有效期较短，不适合网络条件不稳定的环境。
对于偶尔需要少量数据的研究者，这个方案足够简单；但对于需要定期获取大量数据或构建自动化流程的团队，我们需要探索更强大的替代方案。
2. Google Earth Engine脚本：云端处理的终极方案
Google Earth Engine(GEE)不仅是一个数据分析平台，更是获取和处理Landsat数据的利器。通过编写简单的JavaScript脚本，我们可以实现：
// 示例：导出2022年Landsat 9影像到Google Drive var collection = ee.ImageCollection('LANDSAT/LC09/C02/T1_L2') .filterDate('2022-01-01', '2022-12-31') .filterBounds(geometry); // 定义你的研究区域 var batch = require('users/fitoprincipe/geetools:batch'); batch.Download.ImageCollection.toDrive(collection, { name: 'Landsat9_{system_date}', scale: 30, region: geometry, maxPixels: 1e13 });技术优势对比表：
| 特性 | GEE脚本 | USGS网页版 |
|---|---|---|
| 数据预处理 | 支持云掩膜、指数计算等 | 仅原始数据 |
| 空间筛选 | 精确到任意多边形 | 仅矩形区域 |
| 时间筛选 | 精确到天 | 最小单位为月 |
| 输出格式 | 直接导出处理结果 | 仅原始数据 |
| 带宽需求 | 仅最终结果需要下载 | 需下载全部原始数据 |
实际操作中，GEE的免费账户每月有导出配额限制，对于超大规模项目需要考虑：
- 申请教育/研究机构账号提升配额
- 采用分区域、分时段策略分批导出
- 在GEE内完成尽可能多的预处理，减少最终导出数据量
重要提示：从GEE导出的数据会保留原始元数据，但文件命名规则与USGS官方不同，需要调整后续处理流程适配。
3. USGS Machine-to-Machine API：程序化接入的专业之选
对于需要将Landsat数据获取集成到自动化流程中的开发者，USGS提供的M2M API是最官方的解决方案。API访问的基本流程：
- 申请API密钥（免费）
- 通过场景ID或空间/时间条件查询可用影像
- 提交下载请求获取临时下载链接
- 使用wget/curl等工具实际下载
Python示例代码片段：
import requests from urllib.parse import urlencode # 配置API参数 api_key = "YOUR_API_KEY" base_url = "https://m2m.cr.usgs.gov/api/api/json/stable/" # 构建查询请求 payload = { "datasetName": "landsat_ot_c2_l2", "spatialFilter": { "filterType": "mbr", "lowerLeft": {"latitude": 35.0, "longitude": -120.0}, "upperRight": {"latitude": 40.0, "longitude": -115.0} }, "temporalFilter": { "startDate": "2023-01-01", "endDate": "2023-12-31" }, "maxResults": 100, "apiKey": api_key } response = requests.post(base_url + "scene-search", json=payload) scenes = response.json()['data']['results']API方案的核心价值在于其可编程性和可扩展性：
- 可与现有Python/R工作流无缝集成
- 支持复杂查询条件组合（云量、传感器类型等）
- 可构建自动重试机制应对网络波动
- 方便实现分布式下载加速
但需要注意，API使用有一定学习曲线，且USGS对频繁请求有速率限制（约每秒2次）。建议在代码中加入适当的延时和错误处理。
4. 下载管理器+URL列表：稳定可靠的离线方案
当网络条件特别差或需要长时间持续下载时，结合下载管理器与USGS生成的下载链接列表可能是最稳妥的选择。具体实施步骤：
- 通过USGS网页或API获取所有需要的下载链接
- 将链接保存为文本文件（每行一个URL）
- 使用专业下载工具处理：
- aria2（支持断点续传、多线程）
aria2c -i urls.txt -x 16 -s 16 -j 5 --max-tries=10- wget（兼容性最好）
wget -i urls.txt -nc --wait=5 --random-wait
性能对比测试数据：
| 工具 | 平均速度(MB/s) | CPU占用 | 断点续传 | 带宽控制 |
|---|---|---|---|---|
| 网页下载 | 2.1 | 低 | 不支持 | 无 |
| aria2c | 8.7 | 中 | 支持 | 可调 |
| wget | 5.3 | 低 | 支持 | 可调 |
这种方案特别适合：
- 需要在网络条件差的地区获取数据
- 夜间或非工作时间持续下载
- 对下载过程有精细控制需求（限速、重试策略等）
实际操作中，建议将大任务拆分为多个小文件列表分批处理，并定期验证文件完整性（通过校验MD5或文件大小）。
5. 技术方案选型指南
面对四种各具特色的方案，如何做出合理选择？以下决策框架可供参考：
评估项目规模：
- 小型项目(<50景)：USGS网页版或GEE脚本
- 中型项目(50-500景)：GEE脚本或API
- 大型项目(>500景)：API+下载管理器组合
考虑团队技术能力：
- 无编程背景：USGS网页版
- 基础编程能力：GEE脚本
- 专业开发能力：API集成
网络环境因素：
- 稳定高速网络：任意方案
- 不稳定网络：下载管理器方案
- 受限网络环境：GEE（仅需下载最终结果）
后续处理需求：
- 需要深度定制预处理：优先GEE
- 集成到现有分析流程：优先API
- 只需原始数据：网页版或下载管理器
在最近的一个跨国植被监测项目中，我们最终采用了混合策略：通过API查询和筛选数据，生成下载列表后使用aria2在多个服务器上分布式下载，最终在两周内完成了12,000余景Landsat 8/9数据的获取，成功率超过98%。