企业官网建设流程全解析

1. 为什么地表温度数据值得你花时间折腾

做遥感或者地理信息相关工作的朋友，大概率都绕不开一个需求：拿到某一区域、某一时间段的地表温度数据。不管是做城市热岛效应分析、农业旱情监测、还是写论文时需要一组真实可靠的温度栅格，地表温度数据都是硬通货。而 ASTER L2 地表温度产品，在这个圈子里算是性价比极高的选择——免费、空间分辨率够用（90米）、时间跨度长（从2000年至今），关键是 NASA Earthdata 平台直接对外开放，不需要任何特殊手段就能下载。

但问题来了。我第一次去 NASA Earthdata 下载 ASTER L2 数据的时候，花了整整一个下午才搞明白整个流程。不是因为它有多复杂，而是因为它的交互逻辑和国内常见的数据平台完全不一样。你需要在多个页面之间跳转、需要理解什么是 Earthdata Login、需要知道怎么用 shp 文件圈定范围、还需要搞清楚 ASTER L2 产品到底有哪些参数可选。网上能找到的教程要么太老、要么跳步太多，对新手极其不友好。

这篇内容就是把我自己踩过的坑、验证过的流程、以及一些能显著提升效率的小技巧全部整理出来。从账号注册到数据筛选，从 shp 文件拖拽到批量下载，每一步都会讲清楚为什么这么做、怎么做最省事。适合完全没有接触过 NASA Earthdata 的朋友，也适合之前下载过但觉得流程太繁琐想优化的人。核心关键词就几个：NASA Earthdata、ASTER L2、shp 文件、地表温度数据、下载。你把这几个词搞定了，整个流程就通了。

2. 下载之前的准备工作：账号、工具与基础知识

2.1 Earthdata 账号注册与登录要点

NASA Earthdata 的所有数据下载都依赖一个统一的账号体系，叫 Earthdata Login。你可以把它理解成一把万能钥匙，注册一次之后，所有 NASA 旗下的数据平台都能用。注册地址直接在搜索引擎里搜“Earthdata Login”就能找到，这里不贴具体链接，避免失效。

注册的时候有几个细节需要注意。第一，邮箱建议用 Gmail 或者 Outlook，国内部分邮箱可能会收不到验证邮件。第二，用户名和密码要记牢，后面在下载工具里配置的时候会反复用到。第三，注册完成后不需要任何审核，立刻就能用。

注意：Earthdata Login 的密码有复杂度要求，必须包含大小写字母、数字和特殊字符，长度至少8位。我见过不少人卡在这一步反复试。

登录之后，你会看到一个个人主页，里面有一个“Applications”选项卡。这里需要添加一个授权应用，通常选择“NASA GESDISC DATA ARCHIVE”就行。这一步很多人会忽略，但不添加的话，后面在下载数据时会被拒绝访问。添加授权的操作很简单，点“Approve”按钮即可。

2.2 需要提前装好的工具清单

下载 ASTER L2 数据，光有浏览器是不够的。根据我的经验，下面这几个工具最好提前准备好：

• 浏览器：Chrome 或 Edge 都可以，主要是为了用 Earthdata Search 的图形界面。不建议用 IE，兼容性太差。
• 解压工具：7-Zip 或 WinRAR，ASTER 数据下载下来是 HDF 格式，有时候会打包成 zip。
• GIS 软件：ArcGIS 或者 QGIS，用来查看 shp 文件和后续处理数据。QGIS 免费，功能完全够用。
• 下载工具：wget 或者 curl，批量下载的时候比浏览器手动点快十倍。Windows 用户可以用 wget for Windows，或者直接用 PowerShell 里的 Invoke-WebRequest。
• 文本编辑器：Notepad++ 或者 VS Code，用来编辑下载链接列表。

这些工具都不难装，但提前准备好能省掉很多中途折腾的时间。尤其是 wget，如果你要下载多个年份的数据，没有它你会点到手软。

2.3 ASTER L2 地表温度产品的基本认知

在开始下载之前，有必要花两分钟搞清楚 ASTER L2 到底是什么。ASTER 是搭载在 Terra 卫星上的一个传感器，L2 代表 Level 2 产品，也就是经过大气校正后的地表参数数据。地表温度产品对应的产品编号是 AST_08，全称是 ASTER Level 2 Surface Kinetic Temperature。

这个产品的核心参数如下：

90米分辨率意味着什么？Sentinel-2 是10米，Landsat 是30米（热红外是100米），ASTER 的90米在热红外数据里算是中等偏上。它的优势在于时间跨度长，从2000年到现在一直有数据，做长时间序列分析非常合适。

提示：ASTER 数据不是每天都有，它是按需拍摄的。Terra 卫星过境时间大约是当地时间上午10:30左右，所以数据都是白天的。

3. 核心流程拆解：从搜索到下载的完整链路

3.1 用 Earthdata Search 圈定目标区域

打开 Earthdata Search 之后，你会看到一个类似在线地图的界面。左上角有一个搜索框，可以直接输入“ASTER L2 Surface Kinetic Temperature”或者产品编号“AST_08”。搜索之后，左侧会出现一系列数据集，找到对应的那个点进去。

接下来是最关键的一步：圈定你的研究区域。Earthdata Search 提供了几种方式：

1. 矩形框选：直接在地图上拖拽一个矩形，适合快速预览。
2. 多边形绘制：手动点选多个顶点，适合不规则区域。
3. 上传 shp 文件：这是最精准的方式，也是这篇内容重点要讲的。

为什么推荐用 shp 文件？因为手动绘制多边形很难精确匹配你的研究区边界，尤其是当你的研究区是一个行政区划或者流域边界时，手动画几乎不可能准确。而 shp 文件本身就是矢量边界，直接上传就能精确圈定。

3.2 shp 文件拖拽技巧与常见报错处理

Earthdata Search 支持直接拖拽 shp 文件到地图区域。但这里有几个坑，我几乎每次用都会遇到至少一个：

坑一：shp 文件必须打包成 zip。你不能只拖一个 .shp 文件进去，必须把 .shp、.shx、.dbf、.prj 这几个文件一起压缩成 zip，然后拖拽整个 zip 文件。少了任何一个，上传都会失败。

坑二：坐标系问题。Earthdata Search 使用的是 WGS84 地理坐标系。如果你的 shp 文件是投影坐标系（比如 UTM），上传后位置会偏移。解决办法是在 ArcGIS 或 QGIS 里先做一次投影转换，把 shp 转成 WGS84。

坑三：文件大小限制。shp 文件压缩后最好不要超过 10MB，太大的话上传会很慢甚至超时。如果你的研究区特别大，建议先做一次简化或者分割。

坑四：中文字段名。shp 文件的属性表里如果有中文字段名，上传时可能会报编码错误。建议在导出 shp 之前把字段名改成英文。

注意：拖拽的时候要拖到地图区域的正中间，拖到边缘有时候不会触发上传。我试过好几次拖到边角没反应，还以为文件有问题。

上传成功后，地图上会自动高亮你的研究区范围，左侧的数据列表也会同步过滤，只显示与你研究区有交集的数据。这一步做完，你就成功了一半。

3.3 筛选时间、云量与数据质量

圈定区域之后，接下来要筛选时间和数据质量。ASTER L2 数据的时间筛选很直观，直接选起止日期就行。但云量筛选需要特别注意。

ASTER 数据有一个“Cloud Cover”字段，范围是0到100。理论上云量越低越好，但实际做地表温度的时候，云量低于10%的数据就已经很少了。我的经验是，如果做城市热岛，云量可以放宽到20%；如果做长时间序列，云量可以放宽到30%，然后后期再做云掩膜处理。

另外还有一个“Day/Night”标志。ASTER 地表温度产品有白天和夜间两种，做热岛分析一般用白天数据，做地表辐射收支可能两种都要。筛选的时候记得勾选你需要的类型。

数据质量方面，ASTER L2 有一个 QA 波段，里面记录了每个像元的精度信息。下载之后可以用这个波段做质量控制，把精度差的像元剔除掉。这个在筛选阶段不用管，下载后处理时再考虑。

3.4 批量下载与 wget 配置实战

筛选完之后，你会看到一个数据列表，每个数据条目右边都有一个下载按钮。如果只有几条数据，手动点也行。但如果你要下载几十条甚至上百条，手动点就是自虐。

正确做法是用 wget 批量下载。具体步骤如下：

第一步，在 Earthdata Search 的结果页面，点击“Download All”按钮，然后选择“Download Links List”。这会生成一个文本文件，里面包含所有数据的下载链接。

第二步，打开这个文本文件，你会看到每一行是一个链接。但这些链接不能直接用 wget 下载，因为需要 Earthdata Login 的认证。

第三步，配置 wget 的认证信息。在 wget 的配置文件（通常是 .wgetrc）里添加以下内容：

http_user = 你的Earthdata用户名 http_password = 你的Earthdata密码

或者直接在命令行里指定：

wget --user=你的用户名 --password=你的密码 -i download_links.txt

第四步，运行命令，wget 会自动依次下载所有文件。下载速度取决于你的网络，一般每个文件几十MB，几百个文件大概需要几个小时。

提示：wget 支持断点续传，如果中途断了，重新运行同样的命令就行，已经下载完的文件会自动跳过。

4. 数据下载后的处理与验证

4.1 HDF 文件结构解析

下载下来的 ASTER L2 数据是 HDF-EOS 格式，文件名通常长这样：AST_08_00307242001081534_20200101123456.hdf。文件名里包含了产品编号、版本号、日期和时间信息。

用 QGIS 或者 ArcGIS 打开 HDF 文件时，你会看到多个子数据集。AST_08 产品主要包含以下几个：

• Surface Kinetic Temperature：地表动力学温度，这就是我们要的核心数据。
• Quality Assurance：质量保证波段，记录每个像元的精度。
• Cloud Mask：云掩膜，标记哪些像元被云覆盖。
• View Angle：观测角度信息。

在 QGIS 里打开 HDF 需要安装 HDF4 或 HDF5 驱动，ArcGIS 则原生支持。如果你用 Python，可以用gdal或者rasterio库读取。

4.2 温度单位转换与可视化

ASTER L2 的温度单位是开尔文，做分析之前通常要转成摄氏度。转换公式很简单：

celsius = kelvin - 273.15

用 Python 批量转换的代码大概是这样：

import rasterio import numpy as np with rasterio.open('AST_08_temp.tif') as src: kelvin = src.read(1) celsius = kelvin - 273.15 celsius[celsius < -100] = np.nan # 剔除异常值 profile = src.profile profile.update(dtype=rasterio.float32, nodata=np.nan) with rasterio.open('AST_08_temp_celsius.tif', 'w', **profile) as dst: dst.write(celsius.astype(rasterio.float32), 1)

可视化的时候，建议用色带映射，把温度范围拉伸到实际数据的2%到98%分位数之间，这样能突出空间差异。QGIS 里直接用“单波段伪彩色”渲染就行，ArcGIS 里用“拉伸”功能。

4.3 用 shp 文件做掩膜提取

下载的时候用 shp 圈定了范围，但下载下来的数据是整个景的，包含了你研究区之外的部分。这时候需要用 shp 文件做掩膜提取，把研究区之外的部分裁掉。

在 ArcGIS 里，用“Extract by Mask”工具，输入栅格和 shp 文件，输出就是裁剪后的结果。在 QGIS 里，用“Clip Raster by Mask Layer”工具，操作类似。Python 里可以用rasterio.mask模块：

import fiona import rasterio from rasterio.mask import mask with fiona.open('study_area.shp', 'r') as shapefile: shapes = [feature['geometry'] for feature in shapefile] with rasterio.open('AST_08_temp_celsius.tif') as src: out_image, out_transform = mask(src, shapes, crop=True) out_meta = src.meta.copy() out_meta.update({ 'driver': 'GTiff', 'height': out_image.shape[1], 'width': out_image.shape[2], 'transform': out_transform }) with rasterio.open('AST_08_temp_clipped.tif', 'w', **out_meta) as dst: dst.write(out_image)

这一步做完，你就得到了一个干净的研究区地表温度栅格，可以直接拿去做统计分析或者出图了。

5. 常见问题与排查技巧实录

5.1 下载链接失效与重新获取

Earthdata 的下载链接是有时效性的，一般生成后24小时内有效。如果你今天生成了链接列表，明天才想起来下载，大概率会报403错误。解决办法很简单：重新去 Earthdata Search 生成一次链接列表。所以我的建议是，生成链接后尽快下载，不要拖。

5.2 认证失败与密码错误

wget 下载时如果提示“Authentication failed”，通常是以下几个原因：

• 用户名或密码输错了。注意大小写，Earthdata 的密码是区分大小写的。
• 没有在 Earthdata Login 里授权“NASA GESDISC DATA ARCHIVE”应用。回到个人主页的 Applications 选项卡检查一下。
• 密码里包含特殊字符，在命令行里被转义了。解决办法是把密码用单引号括起来，或者用配置文件的方式。

5.3 shp 文件上传后位置偏移

这个问题我遇到过好几次，根本原因就是坐标系不匹配。Earthdata Search 用的是 WGS84，如果你的 shp 是 CGCS2000 或者 UTM，上传后就会偏移。解决办法是在 ArcGIS 里用“Project”工具，或者在 QGIS 里用“Save As”并选择 WGS84 坐标系，重新导出一次 shp。

5.4 数据下载后打不开或显示异常

有时候下载下来的 HDF 文件在 QGIS 里打不开，或者打开后是一片黑。这通常是因为：

• 文件下载不完整。检查文件大小，如果明显小于正常值，重新下载。
• QGIS 缺少 HDF 驱动。安装gdal-hdf4或gdal-hdf5插件。
• 数据本身有问题。极少数情况下，ASTER 数据会有质量问题，换一个日期的数据试试。

5.5 常见问题速查表

提示：如果以上方法都试过了还是不行，可以去 NASA Earthdata 的官方论坛搜一下，大部分问题都有人遇到过。

6. 一些能显著提升效率的实操心得

6.1 用 Python 脚本自动化整个流程

如果你需要定期下载 ASTER 数据，手动操作太浪费时间。我后来写了一个 Python 脚本，用earthaccess库自动搜索和下载。这个库封装了 Earthdata 的 API，几行代码就能搞定：

import earthaccess earthaccess.login() results = earthaccess.search_data( short_name='AST_08', bounding_box=(116.0, 39.0, 117.0, 40.0), temporal=('2020-01-01', '2020-12-31'), cloud_cover=(0, 20) ) earthaccess.download(results, './data')

这个脚本的好处是，你可以把它放到定时任务里，每个月自动下载最新数据。对于做长时间序列分析的人来说，能省下大量重复劳动。

6.2 数据命名与归档建议

下载下来的文件名是一串无规律的字符，时间长了根本分不清哪个是哪个。我的做法是下载后立刻重命名，格式统一为“ASTER_LST_日期_区域.tif”。比如“ASTER_LST_20200815_Beijing.tif”。这样一眼就能看出数据内容，后续处理的时候不容易搞混。

归档的时候按年份建文件夹，每个年份下面再按月份分子文件夹。虽然看起来有点繁琐，但数据量大了之后，这种结构能帮你快速定位。

6.3 云掩膜的正确使用方式

ASTER L2 自带的云掩膜波段不是万能的，它有时候会把一些薄云或者云边缘漏掉。我的经验是，除了用自带的云掩膜，还可以结合 QA 波段做二次筛选。具体做法是：先把 QA 波段里精度低于某个阈值的像元标记出来，再和云掩膜做交集，这样能剔除掉大部分不可靠的像元。

另外，如果你做的是城市热岛分析，建筑物和道路的温度本身就和周边不一样，云掩膜可能会误判。这种情况下，建议手动检查几个典型区域，确认云掩膜的效果。

6.4 批量处理时的内存管理

如果你要处理几十景 ASTER 数据，用 Python 批量读取的时候要注意内存。HDF 文件虽然不大，但一次性全部读进来还是会爆内存。我的做法是用rasterio的窗口读取功能，每次只读研究区范围内的像元，处理完就释放。这样即使处理上百景数据，内存占用也能控制在合理范围内。

with rasterio.open('AST_08_temp.tif') as src: window = rasterio.windows.from_bounds( left, bottom, right, top, src.transform ) data = src.read(1, window=window) # 处理 data # 处理完后 data 会被自动回收

这个技巧在处理大区域、长时间序列的时候特别有用。我试过用这种方法处理200景数据，全程内存占用没超过2GB。

6.5 关于数据版本的选择

ASTER L2 产品有多个版本，目前最新的是 Version 003。不同版本之间的差异主要在定标精度和云掩膜算法上。如果你做的是精度要求不高的宏观分析，用哪个版本都行。但如果做定量遥感，建议统一用最新版本，避免版本差异带来的系统误差。

另外，ASTER 数据从2000年到现在，早期数据的质量可能不如后期。如果你做长时间序列，建议先检查一下早期数据的 QA 波段，把质量太差的年份剔除掉。

6.6 下载速度优化

NASA 的服务器在国外，下载速度有时候不太稳定。我的经验是，用 wget 的时候加上-c参数开启断点续传，加上--tries=0让它无限重试。另外，如果你有多个文件要下载，可以用-i参数指定链接列表，wget 会依次下载，比手动一个个点快得多。

如果下载速度特别慢，可以试试在凌晨或者早上操作，那个时间段网络相对通畅。我实测下来，凌晨下载的速度能比白天快两三倍。

6.7 数据引用与版权说明

ASTER 数据是免费的，但使用的时候需要正确引用。NASA 官方推荐的引用格式是：

NASA LP DAAC. ASTER Level 2 Surface Kinetic Temperature. Version 003. NASA EOSDIS Land Processes DAAC. Accessed [日期].

写论文或者报告的时候记得加上这个引用，这是基本的学术规范。另外，ASTER 数据的使用没有特殊限制，商业用途也可以，但建议在成果中注明数据来源。

7. 从下载到应用：一个完整的案例复盘

7.1 案例背景与数据需求

去年我帮一个做城市热岛研究的团队处理过一批数据，他们的需求是：北京市五环内，2015年到2020年，每年夏季（6月到8月）的地表温度数据，用于分析热岛强度的年际变化。

这个需求看起来简单，但实际操作起来有几个难点：第一，时间跨度6年，数据量不小；第二，研究区是五环内，边界不规则，必须用 shp 文件圈定；第三，夏季云量高，需要筛选云量低的数据。

7.2 操作流程与关键决策

第一步，准备北京市五环的 shp 文件。这个文件是从 OpenStreetMap 下载的，坐标系是 WGS84，直接压缩成 zip 就能用。

第二步，在 Earthdata Search 里上传 shp，圈定研究区。然后设置时间范围为2015年到2020年，每年6月到8月，云量设置为0到20%。

第三步，筛选结果出来后发现，2015年和2016年的数据比较少，因为那两年 ASTER 的拍摄频率降低了。最后实际下载了大约40景数据。

第四步，用 wget 批量下载，大概花了3个小时。下载完成后用 Python 脚本批量做单位转换和掩膜提取，又花了1个小时。

第五步，把处理好的数据导入 ArcGIS，做统计分析。最终发现，2015年到2020年，北京五环内的地表温度平均值上升了约1.2摄氏度，热岛强度在2018年达到峰值。

7.3 踩过的坑与最终解决方案

这个案例里最大的坑是 shp 文件上传。第一次上传的时候，shp 文件没有压缩，直接拖进去没反应。后来压缩成 zip 再拖，又提示坐标系不匹配。检查后发现，这个 shp 文件是从某个国内平台下载的，坐标系是 CGCS2000。用 QGIS 重新投影成 WGS84 之后，上传就成功了。

另一个坑是云量筛选。一开始把云量设置为0到10%，结果2015年和2016年几乎没有数据。后来放宽到20%，数据量才够用。所以云量阈值不要设得太死，要根据实际数据情况灵活调整。

7.4 最终成果与数据验证

处理完的数据用地面气象站的数据做了交叉验证，发现 ASTER 地表温度和气象站气温的相关性在0.85左右，精度可以接受。当然，地表温度和气温本身就有差异，这个相关性已经算不错了。

最终出图的时候，用 QGIS 做了温度分级渲染，从蓝色到红色渐变，热岛核心区一目了然。这个图后来用在了他们的研究报告里，效果很好。

8. 关于 ASTER L2 数据下载这件事，我的个人体会

从第一次折腾一下午到现在，我已经下载过几百景 ASTER 数据了。回过头来看，整个流程其实并不复杂，核心就是三件事：账号注册、shp 圈定、wget 批量下载。但每一件事都有细节，细节没处理好就会卡住。

我最想分享的经验是：不要怕试错。NASA Earthdata 的界面虽然看起来有点老旧，但它的容错性其实很好。你上传错了 shp，重新传就行；下载链接过期了，重新生成就行。没有什么操作是不可逆的。我见过很多人因为怕出错，每一步都小心翼翼，反而浪费了更多时间。

另外，如果你打算长期使用 ASTER 数据，强烈建议花点时间学一下 Python 的earthaccess库。它能帮你省掉大量重复操作，尤其是做长时间序列分析的时候，自动化脚本的优势非常明显。

最后再分享一个小技巧：下载数据之前，先在 Earthdata Search 里用“Preview”功能看一下数据的大致情况。如果预览图里研究区被云遮得严严实实，那就别下载了，换一个日期。这个习惯能帮你省掉很多下载后才发现数据不可用的尴尬。