Notebooks

Căutare în catalogul STAC¶

Catalogul EOCube.Ro este un API STAC standard, deci se interoghează cu uneltele obișnuite din ecosistem: pystac-client pentru căutare și geopandas pentru geometrii. Nu este nevoie de cont pentru colecțiile deschise.

In [1]:

from pystac_client import Client

STAC_URL = "https://stac.eocube.ro"
catalog = Client.open(STAC_URL)
print(catalog.title or catalog.id)

from pystac_client import Client STAC_URL = "https://stac.eocube.ro" catalog = Client.open(STAC_URL) print(catalog.title or catalog.id)

STAC API for EOCube.RO

Colecțiile disponibile¶

In [2]:

import warnings

import pandas as pd

def first_date(c):
    try:
        iv = c.extent.temporal.intervals[0][0]
        return iv.date().isoformat() if iv else "—"
    except Exception:
        return "—"

# Unele colecții din catalog au metadate de extent incomplete; pystac emite
# un UserWarning la citirea lor. Îl suprimăm aici ca să nu umple pagina --
# datele afișate nu sunt afectate.
with warnings.catch_warnings():
    warnings.simplefilter("ignore", UserWarning)
    rows = [
        {"id": c.id, "titlu": (c.title or "")[:44], "interval": first_date(c)}
        for c in catalog.get_collections()
    ]
pd.DataFrame(sorted(rows, key=lambda r: r["id"]))

import warnings import pandas as pd def first_date(c): try: iv = c.extent.temporal.intervals[0][0] return iv.date().isoformat() if iv else "—" except Exception: return "—" # Unele colecții din catalog au metadate de extent incomplete; pystac emite # un UserWarning la citirea lor. Îl suprimăm aici ca să nu umple pagina -- # datele afișate nu sunt afectate. with warnings.catch_warnings(): warnings.simplefilter("ignore", UserWarning) rows = [ {"id": c.id, "titlu": (c.title or "")[:44], "interval": first_date(c)} for c in catalog.get_collections() ] pd.DataFrame(sorted(rows, key=lambda r: r["id"]))

Out[2]:

	id	titlu	interval
0	copernicus-dem-30	Copernicus DEM 30m	2021-04-22
1	esa-worldcover-2020	ESA WorldCover 2020	—
2	esa-worldcover-2021	ESA WorldCover 2021	—
3	sage-s2l1c-exp-1	SAGE Internal Experiments 1	2024-01-05
4	sentinel-1-slc	Sentinel-1 SLC	2018-04-09
5	sentinel-2-l1c	Sentinel-2 Level-1C	2017-06-17
6	sentinel-2-l1c-cog	Sentinel-2 Level-1C COGs	2017-06-17
7	sentinel-2-l2a	Sentinel-2 L2A	2024-11-01

Căutare peste Timișoara¶

search() acceptă filtrele STAC uzuale; item_collection() întoarce obiecte pystac.Item gata de folosit.

In [3]:

TIMISOARA = {"type": "Point", "coordinates": [21.23, 45.75]}

search = catalog.search(
    collections=["sentinel-2-l2a"],
    intersects=TIMISOARA,
    sortby=[{"field": "properties.datetime", "direction": "desc"}],
    max_items=6,
)
items = search.item_collection()
print(f"{len(items)} produse")

for it in items:
    print(f"{it.id[:46]:48s} {it.datetime:%Y-%m-%d}  "
          f"nori {it.properties.get('eo:cloud_cover', float('nan')):5.1f}%")

TIMISOARA = {"type": "Point", "coordinates": [21.23, 45.75]} search = catalog.search( collections=["sentinel-2-l2a"], intersects=TIMISOARA, sortby=[{"field": "properties.datetime", "direction": "desc"}], max_items=6, ) items = search.item_collection() print(f"{len(items)} produse") for it in items: print(f"{it.id[:46]:48s} {it.datetime:%Y-%m-%d} " f"nori {it.properties.get('eo:cloud_cover', float('nan')):5.1f}%")

6 produse
S2C_MSIL2A_20260727T094031_N9999_R036_T34TER.S   2026-07-27  nori  77.5%
S2A_MSIL2A_20260726T093051_N9999_R136_T34TER.S   2026-07-26  nori  23.9%
S2C_MSIL2A_20260724T093031_N9999_R136_T34TER.S   2026-07-24  nori  52.0%
S2B_MSIL2A_20260722T094029_N9999_R036_T34TER.S   2026-07-22  nori  40.6%
S2A_MSIL2A_20260719T094051_N9999_R036_T34TER.S   2026-07-19  nori  66.2%
S2B_MSIL2A_20260719T093029_N9999_R136_T34TER.S   2026-07-19  nori  30.8%

Amprentele, ca GeoDataFrame¶

ItemCollection se convertește direct în GeoDataFrame — de aici încolo aveți la dispoziție tot ecosistemul geopandas (reproiectare, intersecții, export GeoPackage/PostGIS).

In [4]:

import geopandas as gpd

gdf = gpd.GeoDataFrame.from_features(items.to_dict(), crs="EPSG:4326")
gdf["datetime"] = pd.to_datetime(gdf["datetime"]).dt.date
gdf[["datetime", "eo:cloud_cover", "geometry"]].head()

import geopandas as gpd gdf = gpd.GeoDataFrame.from_features(items.to_dict(), crs="EPSG:4326") gdf["datetime"] = pd.to_datetime(gdf["datetime"]).dt.date gdf[["datetime", "eo:cloud_cover", "geometry"]].head()

Out[4]:

	datetime	eo:cloud_cover	geometry
0	2026-07-27	77.455246	POLYGON ((21.47331 46.05064, 21.44677 45.98826...
1	2026-07-26	23.932140	POLYGON ((20.99974 46.05357, 22.4189 46.04477,...
2	2026-07-24	51.959765	POLYGON ((20.99974 46.05357, 22.4189 46.04477,...
3	2026-07-22	40.638587	POLYGON ((21.48087 46.05059, 21.47841 46.04478...
4	2026-07-19	66.166836	POLYGON ((21.48322 46.05057, 21.44659 45.96419...

In [5]:

import matplotlib.pyplot as plt

ax = gdf.plot(figsize=(7, 6), alpha=0.25, edgecolor="#3949ab", linewidth=1.4)
ax.plot(*TIMISOARA["coordinates"], "r*", markersize=15, label="Timișoara")
ax.set(xlabel="lon", ylabel="lat",
       title="Amprente Sentinel-2 L2A peste Timișoara")
ax.legend()
plt.tight_layout(); plt.show()

import matplotlib.pyplot as plt ax = gdf.plot(figsize=(7, 6), alpha=0.25, edgecolor="#3949ab", linewidth=1.4) ax.plot(*TIMISOARA["coordinates"], "r*", markersize=15, label="Timișoara") ax.set(xlabel="lon", ylabel="lat", title="Amprente Sentinel-2 L2A peste Timișoara") ax.legend() plt.tight_layout(); plt.show()

Ce urmează¶

• Acces la date COG — citire parțială direct din obiect storage, fără descărcarea produsului întreg.
• Colecții private și scriere în catalog: autentificați-vă cu eocube (eocube auth login).