NASA API开发指南：从天文图片到火星天气数据获取-代码聚汇网

NASA API开发指南：从天文图片到火星天气数据获取

不吃章鱼烧·2026-08-07·阅读 24 GEO检测（免费）

NASA APIAPOD接口Python数据获取

|难度：普通|阅读约 25 分钟

1. NASA API 简介与准备工作

NASA作为全球顶尖的航天机构，向公众开放了大量宝贵的数据资源。这些数据涵盖了从地球观测到深空探测的各个领域，包括卫星图像、天文观测、气候数据等。通过API接口，开发者可以便捷地获取这些数据用于科研、教育或个人项目。

提示：NASA API是完全免费的，但需要注册获取API Key，每日调用次数限制为1000次。

1.1 注册NASA开发者账号

首先访问NASA开放数据门户，点击"Sign Up"按钮填写简单的注册表单。只需要提供姓名和邮箱地址，系统会立即生成一个专属的API Key。这个Key看起来像这样：DEMO_KEY（这是公开的演示Key，但建议使用自己注册的专属Key）。

1.2 了解API文档结构

NASA提供了多个数据接口，主要分为以下几类：

天文图片API（APOD）
地球观测数据（EONET）
火星探测器数据
小行星近地数据
卫星轨道数据

每个接口都有独立的文档说明，包含请求URL、参数和返回数据格式。建议先浏览官方文档了解各接口功能。

1.3 Python环境准备

确保你的Python环境已安装最新版本的requests库：

bash复制pip install requests pandas matplotlib

这三个库将分别用于：

requests：发送HTTP请求获取API数据
pandas：处理和分析返回的JSON数据
matplotlib：可视化展示数据

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 基础API调用：获取每日天文图片

2.1 APOD接口详解

天文图片每日一图（Astronomy Picture of the Day，APOD）是NASA最受欢迎的API之一。它每天更新一张天文相关的高清图片，并附带详细说明。

基础请求URL：

code复制https://api.nasa.gov/planetary/apod

可选参数：

date：指定日期（格式YYYY-MM-DD）
hd：是否获取高清版本（True/False）
count：获取多张图片（整数）
thumbs：当媒体是视频时返回缩略图

2.2 Python实现代码

python复制import requests
import matplotlib.pyplot as plt
from PIL import Image
from io import BytesIO

def get_apod(api_key, date=None):
    params = {'api_key': api_key}
    if date:
        params['date'] = date
    
    response = requests.get('https://api.nasa.gov/planetary/apod', params=params)
    data = response.json()
    
    if 'url' in data:
        image_url = data['url']
        image_response = requests.get(image_url)
        img = Image.open(BytesIO(image_response.content))
        
        plt.figure(figsize=(10, 8))
        plt.imshow(img)
        plt.axis('off')
        plt.title(data['title'])
        plt.show()
        
        print(f"日期: {data['date']}")
        print(f"标题: {data['title']}")
        print(f"说明: {data['explanation']}")
    else:
        print("今天的内容是视频:", data['url'])

# 使用示例
api_key = "你的API_KEY"  # 替换为你的实际Key
get_apod(api_key, date="2023-07-20")

2.3 处理常见错误

当调用API时可能会遇到以下错误：

400 Bad Request：参数格式错误
403 Forbidden：API Key无效或超过调用限制
404 Not Found：请求的资源不存在

建议添加错误处理逻辑：

python复制try:
    response = requests.get(url, params=params, timeout=10)
    response.raise_for_status()  # 检查HTTP错误
    data = response.json()
except requests.exceptions.RequestException as e:
    print(f"请求失败: {e}")
    return None

3. 进阶应用：处理地球观测数据

3.1 EONET接口介绍

地球观测事件API（Earth Observatory Natural Event Tracker，EONET）提供了全球正在发生的自然事件数据，如野火、风暴、火山喷发等。

基础端点：

code复制https://eonet.gsfc.nasa.gov/api/v3/events

3.2 数据获取与处理

python复制import pandas as pd

def get_eonet_events():
    url = "https://eonet.gsfc.nasa.gov/api/v3/events"
    response = requests.get(url)
    data = response.json()
    
    events = []
    for event in data['events']:
        events.append({
            'id': event['id'],
            'title': event['title'],
            'category': event['categories'][0]['title'],
            'date': event['geometry'][0]['date'],
            'coordinates': f"{event['geometry'][0]['coordinates'][1]}, {event['geometry'][0]['coordinates'][0]}"
        })
    
    df = pd.DataFrame(events)
    return df

# 使用示例
events_df = get_eonet_events()
print(events_df.head())

3.3 数据可视化

将获取的事件数据在地图上标记：

python复制import folium

def plot_events_on_map(df):
    world_map = folium.Map(location=[20, 0], zoom_start=2)
    
    for _, row in df.iterrows():
        lat, lon = map(float, row['coordinates'].split(','))
        folium.Marker(
            location=[lat, lon],
            popup=f"{row['title']} ({row['category']})",
            icon=folium.Icon(color='red')
        ).add_to(world_map)
    
    return world_map

# 使用示例
map_obj = plot_events_on_map(events_df)
map_obj.save('eonet_events.html')

4. 火星天气数据获取与分析

4.1 Mars Weather API

NASA的InSight火星探测器提供了火星表面的气象数据，包括温度、风速和气压等。

API端点：

code复制https://api.nasa.gov/insight_weather/

4.2 数据解析代码

python复制def get_mars_weather(api_key):
    params = {
        'api_key': api_key,
        'feedtype': 'json',
        'ver': '1.0'
    }
    
    response = requests.get('https://api.nasa.gov/insight_weather/', params=params)
    data = response.json()
    
    weather_data = []
    for sol in data['sol_keys']:
        sol_data = data[sol]
        weather_data.append({
            '火星日': sol,
            '季节': sol_data['Season'],
            '平均温度(°C)': sol_data['AT']['av'],
            '最高温度': sol_data['AT']['mx'],
            '最低温度': sol_data['AT']['mn'],
            '气压(Pa)': sol_data['PRE']['av'],
            '风速(m/s)': sol_data['HWS']['av'] if 'HWS' in sol_data else None
        })
    
    return pd.DataFrame(weather_data)

# 使用示例
mars_weather = get_mars_weather(api_key)
print(mars_weather)

4.3 数据可视化分析

python复制import seaborn as sns

def plot_mars_weather(df):
    plt.figure(figsize=(12, 6))
    
    plt.subplot(2, 2, 1)
    sns.lineplot(data=df, x='火星日', y='平均温度(°C)')
    plt.title('火星平均温度变化')
    
    plt.subplot(2, 2, 2)
    sns.lineplot(data=df, x='火星日', y='气压(Pa)')
    plt.title('火星气压变化')
    
    plt.subplot(2, 2, 3)
    sns.barplot(data=df, x='季节', y='平均温度(°C)')
    plt.title('季节温度对比')
    
    plt.tight_layout()
    plt.show()

# 使用示例
plot_mars_weather(mars_weather)

5. 性能优化与最佳实践

5.1 缓存API响应

为了避免重复请求相同数据，可以使用缓存机制：

python复制from datetime import datetime, timedelta
import os
import json

CACHE_DIR = 'nasa_cache'
os.makedirs(CACHE_DIR, exist_ok=True)

def cached_request(url, params, expire_hours=24):
    cache_key = f"{url}?{'&'.join(f'{k}={v}' for k,v in params.items())}"
    cache_file = os.path.join(CACHE_DIR, f"{hash(cache_key)}.json")
    
    # 检查缓存是否存在且未过期
    if os.path.exists(cache_file):
        file_time = datetime.fromtimestamp(os.path.getmtime(cache_file))
        if datetime.now() - file_time < timedelta(hours=expire_hours):
            with open(cache_file, 'r') as f:
                return json.load(f)
    
    # 发送新请求并缓存结果
    response = requests.get(url, params=params)
    data = response.json()
    
    with open(cache_file, 'w') as f:
        json.dump(data, f)
    
    return data

5.2 异步请求处理

当需要获取大量数据时，使用异步请求可以提高效率：

python复制import aiohttp
import asyncio

async def fetch_async(url, params, session):
    async with session.get(url, params=params) as response:
        return await response.json()

async def get_multiple_apods(dates, api_key):
    async with aiohttp.ClientSession() as session:
        tasks = []
        for date in dates:
            params = {'api_key': api_key, 'date': date}
            task = fetch_async('https://api.nasa.gov/planetary/apod', params, session)
            tasks.append(task)
        
        return await asyncio.gather(*tasks)

# 使用示例
dates = ['2023-07-01', '2023-07-02', '2023-07-03']
results = asyncio.run(get_multiple_apods(dates, api_key))

5.3 错误处理与重试机制

实现一个健壮的重试机制：

python复制from tenacity import retry, stop_after_attempt, wait_exponential

@retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=4, max=10))
def robust_api_request(url, params):
    response = requests.get(url, params=params, timeout=15)
    response.raise_for_status()
    return response.json()

6. 项目扩展思路

6.1 构建NASA数据仪表盘

使用Dash或Streamlit创建一个交互式仪表盘：

python复制import streamlit as st

def nasa_dashboard():
    st.title('NASA数据仪表盘')
    
    tab1, tab2, tab3 = st.tabs(["APOD", "EONET", "火星天气"])
    
    with tab1:
        date = st.date_input("选择日期")
        if st.button('获取APOD'):
            apod_data = get_apod(api_key, str(date))
            # 显示结果...
    
    with tab2:
        if st.button('获取最新自然事件'):
            eonet_data = get_eonet_events()
            st.map(eonet_data)  # 需要预处理坐标数据
    
    with tab3:
        if st.button('获取火星天气'):
            mars_data = get_mars_weather(api_key)
            st.line_chart(mars_data.set_index('火星日')['平均温度(°C)'])

# 运行: streamlit run your_script.py

6.2 数据持久化存储

将API数据保存到数据库供长期分析：

python复制import sqlite3

def init_db():
    conn = sqlite3.connect('nasa_data.db')
    c = conn.cursor()
    
    # 创建APOD表
    c.execute('''CREATE TABLE IF NOT EXISTS apod
                 (date TEXT PRIMARY KEY, title TEXT, explanation TEXT, url TEXT, media_type TEXT)''')
    
    # 创建EONET表
    c.execute('''CREATE TABLE IF NOT EXISTS eonet
                 (id TEXT PRIMARY KEY, title TEXT, category TEXT, date TEXT, lat REAL, lon REAL)''')
    
    conn.commit()
    conn.close()

def save_apod_to_db(data):
    conn = sqlite3.connect('nasa_data.db')
    c = conn.cursor()
    
    c.execute('''INSERT OR REPLACE INTO apod VALUES (?,?,?,?,?)''',
              (data['date'], data['title'], data['explanation'], data['url'], data.get('media_type','image')))
    
    conn.commit()
    conn.close()

6.3 自动化数据管道

使用Apache Airflow或Prefect构建自动化数据管道：

python复制from prefect import flow, task
from datetime import datetime, timedelta

@task
def fetch_daily_apod(api_key):
    # 获取并存储当天的APOD
    pass

@task
def fetch_eonet_events():
    # 获取最新自然事件
    pass

@flow(name="NASA数据管道")
def nasa_data_pipeline(api_key):
    fetch_daily_apod(api_key)
    fetch_eonet_events()

# 设置每天自动运行
if __name__ == "__main__":
    nasa_data_pipeline.serve(name="daily-nasa-pipeline",
                            schedule=IntervalSchedule(interval=timedelta(days=1)))