目录格式转换不是数据治理完成
遥感项目常把目录当作一堆 JSON 文件，直到需要按时间、区域、云量和资产字段做大范围筛选时才发现读取成本过高。STAC-GeoParquet 可在 JSON、GeoParquet、pgstac 和 Delta Lake 之间转换 STAC items。它提供的是目录访问路径，不替代资产可用性、字段口径和空间时间质量控制。
项目说明 STAC 规范定义 JSON 架构。项目也指出大量 STAC JSON 在磁盘上很大，且提取少量信息时需要把完整 JSON 解析进内存。把目录转换为列式数据的价值，在于让分析先读取需要的字段；代价是团队必须明确哪些字段、资产和扩展会进入表。
核心机制
项目说明 GeoParquet 可用于批量访问和分析场景。项目说明 STAC GeoParquet 可批量访问大量 STAC items，而无需重复 HTTP 请求。这适合建立一份可查询的目录快照，供数据工程、GIS 分析和模型训练共享；原始 STAC API 仍可负责发现、更新或逐项详情。
列裁剪只在字段设计正确时才有效。项目说明 GeoParquet 查询只需加载相关列，而不是完整数据。应把 id、collection、datetime、geometry/bbox、资产 href、云量、处理级别和版本等常用字段定义为稳定查询面；复杂或稀有属性保留在可追溯结构中，避免为了压平而失去语义。
GIS 场景
影像分析人员需要筛选一个城市和月份的低云 Sentinel-2 场景时，目录表可先完成空间时间与属性过滤，再把少量资产交给下载、栅格处理或云平台。项目以 Sentinel-2、2024 年 6 月、纽约市和云量低于 20% 作为查询示例。实际项目还应固定云量字段来源、区域几何版本和时间边界，避免同一问题在不同人手中得到不同集合。
技术路径
第一步，冻结输入目录快照。记录 STAC API 或对象存储来源、拉取时间、collection、item 数量、schema 版本和转换工具版本。第二步，定义最小列合同：空间范围、时间、资产键、云量和质量字段必须可查询，缺失字段必须显式标记。
第三步，按时间或 collection 分区写出 GeoParquet，并保留原始 item 或可定位的 href。第四步，用同一组空间分析条件比较 JSON/API 与 GeoParquet 结果的 item 数、id 集合、bbox 和资产链接。第五步，发布查询模板和结果清单，让模型训练或制图成果可回溯到目录快照。
检查清单
- 是否记录目录来源、抓取时间和 schema 版本？
- 是否固定 datetime、geometry/bbox、collection、资产与质量字段的口径？
- 是否验证转换前后 item id、空间范围和资产链接一致？
- 是否按时间或 collection 分区，并避免无意义的小文件？
- 是否保留原始 STAC item 或可访问的来源链接？
- 是否将查询条件和返回 id 清单保存为 GIS 分析证据？
来源事实与数据口径
本文的格式转换、批量访问、列加载和查询示例均来自 STAC-GeoParquet 的 PyPI 项目页。PyPI 页面显示当前版本 0.8.2 于 2026 年 8 月 12 日发布，并要求 Python 3.10 或更高版本；实际部署还需核对本地依赖、数据量和存储策略。
风险边界
列式目录不会自动验证资产文件是否存在、影像是否可用或元数据是否真实。不同 collection 的云量、时间和几何语义可能不同，跨集合查询前需要逐项核对。公开目录也可能有访问限制、更新延迟或许可要求，快照必须记录有效期。
结论
STAC GeoParquet 的价值是将海量目录变成可复现的空间时间查询面。先固定字段和版本，再验证转换结果，最后让每次 GIS 分析保存查询条件与 item 清单，才能把更快的目录访问转化为可信的数据生产链。
关键词：GIS 即地理信息系统；空间分析用于空间时间筛选；遥感技术的资产需要保留传感器、时间和质量口径。