Hackathon就在眼前，HANA 2平台即将发布地球观测分析服务（EOaaS）。
这是一个从不同角度概述EOaaS的绝佳机会。
因此，在开始之前，请确保您已准备好YaaS帐户并获得授权令牌。关于这个话题的更多帮助可以在这篇博文中找到。本文中的示例包含字符串"ACCESS\u TOKEN"，需要用您当前的授权令牌替换它。
注意：
目前EOaaS是beta版。所使用的特性cloudPercentage在beta版中不可用，因此尚未在API文档中记录。CoverageId内容的格式可能会更改，并且将来会有所不同。但是它的功能不会改变。我们在Linux shell中使用curl。但你可以随意使用其他工具。目前只支持XML输出。在不久的将来，EOaaS还将支持JSON。我们不会深入研究XML文件结构。但是，如果您打算编写一个web应用程序，那么等待JSON带来的便利可能是值得的？
欧空局哥白尼计划在世界各地提供图像。为了只检索某个区域的图像，EOaaS允许您沿经纬度定义一个边界框。
但是在创建一个合适的边界框之前，我们需要知道我们在哪里，或者从哪里需要图像，因此我们需要纬度和经度等坐标。
在这篇博文中，我们将更深入地了解安特卫普港。这很好，因为我们可以在维基百科上找到安特卫普。
在这种方法中，我们得到安特卫普的坐标，以度和分钟为单位，即51°13′N 04°24′E。
或者更准确的方法是使用web地图界面来获得点击位置的坐标。关于覆盖的OpenLayers教程可以干得好。我们缩放到安特卫普港口，点击西北角和东南角，显示精确边界框的坐标套件。
我们看到坐标：
注意：在这两种情况下，top返利，坐标都以度-分-秒格式显示。但是我们需要十进制值。在我们的用例中，只需将分钟值除以60即可。
如果您有地址，物联网城市，例如"Waagnatie，hall 2–Antwerp，Belgium"，我们可以使用地理编码器。
市场上有几种商用产品。目前，我们尝试使用开源替代提名并输入地址。
不幸的是，没有找到结果。但是当我们把地址字符串减少到"Waagnatie，Antwerp"时，我们得到了一个结果。现在我们打开右上角的地图边框窗口，找到坐标51.23354，4.40208.
用boudning box查询图像
在API文档中找到参数dimensionTrim，它允许我们定义边框。
使用检索到的上限值，我们可以在查询中附加以下参数：
在我们的示例中，我们需要标准RGB图像，因此需要将DS\ RGB指定为eoid`。这将导致以下查询URL.
所以让我们试试吧！获取一个授权令牌（这里称为ACCESS\u token）并运行curl。
我们收到一个长XML文件，其中包含许多wcs:CoverageDescription标记块。
在写入第一个块时，如下所示。
每个标记块代表一个图像。图像按感测时间降序排序，即最新图像位于文件顶部。所以我们看第一个wcs:覆盖范围描述和提取标签wcs:覆盖ID。在这种情况下是
注：
CoverageId的格式可能会在beta阶段发生变化。由于目录不断更新，可能会找到不同的更新的覆盖id。
要从服务器下载图像，我们需要请求方法getCoverage和此覆盖id。
如果服务器上还没有图像，hadoop大数据，请求会自动触发后台进程，它检索必要的数据并计算请求的图像。然后我们得到一个简短的XML异常和HTTP返回代码202；请稍后重试。
但这是什么？图像模糊且不完整！
事实上，云是地球观测中的一个大问题，如哨兵二号卫星探测到的多光谱图像。我们对此无能为力，除了更好的过滤器选项。下载的XML查询结果包含有关图像中云覆盖率的信息。标记cloudPercentage包含百分比。值越高，图像越模糊。
而且要下载的图像只是较大图像的一部分。这些较大的图像被分割成固定的边界框（每100km x 100km），称为平铺。较大图像边界上的平铺导致图像未完全填充。
要仅查询不太多云的图像，我们可以通过dimensionTrim=cloudPercentage扩展前一个查询。我们只希望看到最大40%云量的图像。
现在查询的结果包含较少的云量图像。我们将尝试2016年9月28日的图像，覆盖id为RGB\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuus2a\u OPER\u PRD\u MSIL1C\u PDMC\u 20161001T021620\u R051\u V20160928T105022\u 20160928t105637t31。
让我们尝试一下：
注意：在这篇博文中，这张图片的大小和质量都有所降低。原始图像未压缩，分辨率为10980×10980像素，其中单个像素代表10m×10m区域。为了更好地了解Sentinel-2图像的质量，对端口周围的区域进行了剪裁（但仍然进行有损压缩）。
图像上的内容在哪里？
现在有了图像，重要的是要知道物体的位置。因此，我们将把像素坐标转换成世界坐标。
对于那些还没有听说过空间参考系（SRS）的人，我推荐这篇文章。
