基于rstac从EarthData筛选指定年月范围HLS数据集的技术咨询

1. 能否直接通过stac_search跨年份筛选指定月份数据？ #

可以，但需要用CQL2过滤表达式精准匹配每年7月1日至9月15日的时间范围，而非单纯依赖datetime参数的全局区间。EarthData的STAC服务支持CQL2查询，你可通过rstac的cql_filter参数实现跨年份的季候筛选。

核心逻辑是针对item的datetime字段提取月、日做条件判断：

• 筛选7月整月
• 筛选8月整月
• 筛选9月1日至15日

对应的代码示例：

library(rstac)

# 初始化STAC客户端
client <- stac("https://cmr.earthdata.nasa.gov/stac/LPCLOUD/")

# 构造CQL2过滤表达式
cql_expr <- "
(datetime >= '1984-01-01T00:00:00Z' AND datetime <= '2024-12-31T23:59:59Z') AND
(
  (month(datetime) = 7) OR
  (month(datetime) = 8) OR
  (month(datetime) = 9 AND day(datetime) <= 15)
)
"

# 执行查询
search_result <- client %>%
  stac_search(
    collections = c("HLSS30.v2.0", "HLSL30.v2.0"),
    cql_filter = cql_expr
  ) %>%
  get_request()

注：部分STAC服务对month()、day()这类日期函数支持有限，若查询报错，可切换至下文的替代方案。

2. 替代筛选方案：本地后处理 #

如果STAC服务不支持复杂CQL2日期函数，可先获取1984-2024年全量HLS数据的item列表，再在R中本地筛选符合日期范围的条目：

# 获取全量item（自动处理分页）
full_result <- client %>%
  stac_search(
    collections = c("HLSS30.v2.0", "HLSL30.v2.0"),
    datetime = "1984-01-01/2024-12-31"
  ) %>%
  items_fetch_all()

# 转换为数据框并提取日期
items_df <- items_as_dataframe(full_result)
items_df$date <- as.Date(substr(items_df$datetime, 1, 10))

# 筛选目标日期范围
filtered_df <- items_df %>%
  mutate(
    month = lubridate::month(date),
    day = lubridate::day(date)
  ) %>%
  filter(
    (month == 7) |
    (month == 8) |
    (month == 9 & day <= 15)
  )

# 转换回rstac的items对象（用于后续下载）
filtered_items <- items_from_dataframe(filtered_df)

3. 循环遍历年份查询并合并：完全可行 #

这种方式逻辑简单、兼容性强，尤其适合STAC服务对复杂过滤支持不佳的场景。你可以循环1984到2024的每一年，构造当年的7.1-9.15时间范围，分别查询后合并结果：

# 初始化空列表存储结果
all_items <- list()

# 循环年份执行查询
for (year in 1984:2024) {
  start_date <- paste0(year, "-07-01")
  end_date <- paste0(year, "-09-15")
  
  year_result <- client %>%
    stac_search(
      collections = c("HLSS30.v2.0", "HLSL30.v2.0"),
      datetime = paste(start_date, end_date, sep = "/")
    ) %>%
    items_fetch_all()
  
  all_items[[as.character(year)]] <- year_result
}

# 合并所有年份的items
combined_items <- items_merge(all_items)

# 可选：转换为数据框查看
combined_df <- items_as_dataframe(combined_items)

关键注意事项 #

• EarthData的STAC服务需要身份验证，查询前需配置账号信息：

  stac_auth(client, username = "your_username", password = "your_password")
  

• 数据量较大时，items_fetch_all()会自动处理分页，确保获取所有符合条件的条目。

内容的提问来源于stack exchange，提问作者M. Beausoleil