按水位选择卫星影像

# 水位卫星平台：河流水位与影像精准匹配

“水位-卫星”服务解决了根据特定河流水位选择卫星影像的难题。水文专家常遇到这种情况：影像可用，但当时水位与分析需求不符。该平台不仅按日期和云量过滤 Landsat 和 Sentinel-2 数据集，还结合俄罗斯国家水文登记联邦信息系统（AIS GMVO）的水文数据，提供河道、洪泛区和淹没区分析所需的精准影像。

Google Earth Engine 原型：早期瓶颈

初始原型在 Google Earth Engine 中为一个流域区构建，使用 AIS GMVO 数据。通过水位站几何过滤影像时暴露问题：界面迟钝、数据集处理缓慢、配额耗尽。改用 GEE API 预处理生成查找表（水位站、影像 ID、云量），减轻前端负担。

但此方案有缺陷：

• 处理一个流域需 8–10 小时；20 多个流域则不现实。
• 新数据添加时需重新计算。
• 任何步骤出错都得从头来过。

极端条件下数据采集

AIS GMVO 水文数据访问面临中断风险。批量下载解析器在野外——船上用 AI 优化。截止前 17:55 成功下载，获得数百万观测记录数据库。如今数据本地存储，无需依赖外部源。

转向 STAC 和 Microsoft Planetary Computer

关键升级是采用 STAC 标准编目卫星影像，并用 Microsoft Planetary Computer (MPC) 访问 API。STAC 统一跨数据集元数据，支持按几何和时间跨提供商搜索。

架构简化为：

• 水位站和观测数据库。
• 按水位、时段、云量过滤。
• 按元数据在 MPC 搜索影像。
• 按需加载影像。

摒弃繁重数据集过滤，实现闪电般速度。

数据库架构

从 CSV/Excel 转向 PostgreSQL + PostGIS，处理 2800 万观测记录。核心实体关联“水文观测 → 日期 → 卫星影像”。查询毫秒级完成：先水文过滤，再影像搜索，最后加载。

数据库包含表：

• 水位站（坐标、几何）。
• 观测（水位、流量、日期）。
• 影像元数据（ID、云量、数据集）。

日期和几何索引加速 JOIN 操作。

当前实现与技术栈

用户选择水位站、水位范围、时段和过滤条件——服务在地图上返回影像并支持导出。Leaflet.js 驱动地图，Chart.js 生成水文图表。

技术栈：

| 层级 | 技术 |

|-------|------|

| 后端 | Python, Flask, Gunicorn |

| 数据库 | PostgreSQL, PostGIS (2800 万记录) |

| 卫星数据 | Microsoft Planetary Computer |

| 前端 | Leaflet.js, Chart.js |

| 基础设施 | Docker, nginx, HTTPS |

服务上线：level-satellite.ru，开源仓库：github.com/ruorv/level-satellite-public。

核心收获

• 影像选择直接绑定实际水位，避免不可比数据。
• STAC/MPC 提供灵活访问，无 GEE 配额限制。
• PostGIS 加速海量数据集空间查询。
• 可扩展架构：新增水位站/数据无需全量重建。
• 开源代码欢迎社区贡献。

— Editorial Team