ESA/CCI/FireCCI/5_1是欧空局(ESA)通过气候变化主题计划(CCI)收集的火灾数据集

简介: FireCCI51 是 ESA 气候变化倡议(CCI)计划的一部分,提供全球 ~250m 分辨率的火灾烧毁面积数据。该数据集基于 MODIS 卫星传感器,包含烧毁日期、置信度和土地覆盖信息,帮助监测和研究火灾动态及影响。数据时间范围为2001年至2020年,每月更新。主要用于评估火灾风险和制定应对策略。

简介

FireCCI51:MODIS Fire_cci Burned Area Pixel Product,5.1 版

ESA/CCI/FireCCI/5_1是欧空局(ESA)通过气候变化主题计划(CCI)收集的火灾数据集。该数据集提供了全球范围内的火灾相关数据。

ESA/CCI/FireCCI/5_1数据集包含了以下几个主要数据产品:

  1. 热点数据(Hotspots):记录了每日全球范围内的火灾热点位置和强度。这些数据通过卫星遥感技术获取,可以帮助监测火灾的发生和发展情况。

  2. 火灾辐射能量数据(Fire Radiative Power, FRP):提供了每日全球范围内的火灾辐射能量数据,用于研究火灾的能量释放情况和火灾对气候变化的影响。

  3. 火灾烟雾排放数据(Smoke Emissions):记录了每日全球范围内的火灾烟雾排放情况。这些数据对于了解火灾对大气环境和空气质量的影响非常重要。

  4. 火灾返回期数据(Fire Return Interval):提供了全球范围内各个地区火灾发生的平均间隔时间。这些数据可以帮助评估地区火灾风险和准备应对措施。

ESA/CCI/FireCCI/5_1数据集的时间范围从2000年至今,每日更新。数据集通过卫星遥感技术获取,使用多种传感器和算法进行处理和分析。这些数据对于研究火灾的发生和发展、评估火灾风险以及制定火灾管理和应对策略都具有重要意义。

MODIS Fire_cci Burned Area pixel product version 5.1 (FireCCI51)是一个每月发布的全球 ~250m 空间分辨率数据集,包含烧毁面积信息和辅助数据。 它基于 Terra 卫星上 MODIS 仪器的近红外波段地表反射率,以及 Terra 和 Aqua 卫星上同一传感器的活动火灾信息。 烧毁面积算法采用两阶段混合方法。 第一步,根据活跃的火情检测出被烧毁概率较高的像素(称为 "种子")。 第二步,应用上下文生长来完全检测火斑。 这一生长阶段由自适应阈值控制,阈值根据每个种子周围区域的具体特征进行计算。 用于指导整个探测过程的变量是火灾前和火灾后图像之间的近红外下降。 数据集包括每个像素首次探测到火灾的估计日期、探测到火灾的置信度以及被烧毁的土地覆盖物(从欧空局 CCI 土地覆盖物数据集 v2.0.7 中提取)。 此外,还提供了一个观测标志,以识别因缺乏有效观测或属于非燃烧土地覆盖而未处理的像素。

FireCCI51是欧空局气候变化倡议(CCI)计划的一部分,也是哥白尼气候变化服务(C3S)的一部分。

数据集说明
空间信息

Dataset Availability

2001-01-01T00:00:00Z–2020-12-01T00:00:00Z

Dataset Provider

European Space Agency (ESA) Climate Change Initiative (CCI) Programme, Fire ECV

Earth Engine Snippet

ee.ImageCollection("ESA/CCI/FireCCI/5_1")

变量

Resolution
250 meters

Bands

Name Units Min Max Description
BurnDate 1 366

Estimated day of the year of the first detection of the burn

ConfidenceLevel % 1 100

Probability of detecting a pixel as burned, expressing the uncertainty of the detection for all pixels, even if they are classified as unburned.

LandCover

Land cover category of the burned pixels, extracted from the CCI LandCover v2.0.7 product. See Defourny, P., Lamarche, C., Bontemps, S., De Maet, T., Van Bogaert, E., Moreau, I., Brockmann, C., Boettcher, M., Kirches, G., Wevers, J., Santoro, M., Ramoino, F., & Arino, O. (2017). Land Cover Climate Change Initiative - Product User Guide v2. Issue 2.0. [online] Available at: https://maps.elie.ucl.ac.be/CCI/viewer/download/ESACCI-LC-Ph2-PUGv2_2.0.pdf accessed: July 2020. © ESA Climate Change Initiative - Land Cover led by UCLouvain (2017).

ObservedFlag

Flags indicating why a pixel was not processed.

-2: the pixel is not burnable (water bodies, bare areas, urban areas, permanent snow and ice)
-1: the pixel has not been observed during the month (due to clouds, cloud shadows or sensor failure)

LandCover Class Table

Value Color Description
0 #000000 No Data
10 #ffff64 Cropland, rainfed
20 #aaf0f0 Cropland, irrigated or post-flooding
30 #dcf064 Mosaic cropland (>50%) / natural vegetation (tree, shrub, herbaceous cover) (<50%) 40 #c8c864 Mosaic natural vegetation (tree, shrub, herbaceous cover) (>50%) / cropland (<50%) 50 #006400 Tree cover, broadleaved, evergreen, closed to open (>15%)
60 #00a000 Tree cover, broadleaved, deciduous, closed to open (>15%)
70 #003c00 Tree cover, needleleaved, evergreen, closed to open (>15%)
80 #285000 Tree cover, needleleaved, deciduous, closed to open (>15%)
90 #788200 Tree cover, mixed leaf type (broadleaved and needleleaved)
100 #8ca000 Mosaic tree and shrub (>50%) / herbaceous cover (<50%) 110 #be9600 Mosaic herbaceous cover (>50%) / tree and shrub (<50%)
120 #966400 Shrubland
130 #ffb432 Grassland
140 #ffdcd2 Lichens and mosses
150 #ffebaf Sparse vegetation (tree, shrub, herbaceous cover) (<15%)
170 #009678 Tree cover, flooded, saline water
180 #00dc82 Shrub or herbaceous cover, flooded, fresh/saline/brakish water
代码
//可视化其中一年的影像
var dataset = ee.ImageCollection('ESA/CCI/FireCCI/5_1')
.filterDate('2020-01-01', '2020-12-31');
var burnedArea = dataset.select('BurnDate');

// 设定可视化参数
var baVis = {
min: 1,
max: 366,
palette: [
'ff0000', 'fd4100', 'fb8200', 'f9c400', 'f2ff00', 'b6ff05',
'7aff0a', '3eff0f', '02ff15', '00ff55', '00ff99', '00ffdd',
'00ddff', '0098ff', '0052ff', '0210ff', '3a0dfb', '7209f6',
'a905f1', 'e102ed', 'ff00cc', 'ff0089', 'ff0047', 'ff0004'
]
};
var maxBA = burnedArea.max();

Map.setCenter(0, 18, 2.1);
Map.addLayer(maxBA, baVis, 'Burned Area');
代码链接

https://code.earthengine.google.com/d73c0b71ce29485bbcf090d74117fac9

结果

引用

Padilla Parellada, M. (2018): ESA Fire Climate Change Initiative (Fire_cci): MODIS Fire_cci Burned Area Pixel product, version 5.1. Centre for Environmental Data Analysis, 01 November 2018. https://doi.org/10.5285/58f00d8814064b79a0c49662ad3af537.

Related publication: Lizundia-Loiola, J., Otón, G., Ramo, R., Chuvieco, E. (2020): A spatio-temporal active-fire clustering approach for global burned area mapping at 250m from MODIS data. Remote Sensing of Environment, 236, 111493. Redirecting

Redirecting
https://doi.org/10.5285/58f00d8814064b79a0c49662ad3af537

许可

使用条款 本数据集免费向所有用户开放,可用于任何目的,使用条款如下: 如果在演示文稿或出版物中使用数据,数据用户必须承认欧空局气候变化行动和火灾CCI项目以及各数据提供者。 CCI数据的知识产权(IPR)属于数据制作的研究人员和组织。 责任:不保证CCI数据的质量或准确性,也不保证其适用于任何用途。 在法律允许的最大范围内,排除与信息质量或适用性有关的所有隐含条件,以及因提供信息而产生的所有责任(包括因疏忽而产生的任何责任)。

机器学习

https://www.cbedai.net/xg

目录
打赏
0
0
0
0
189
分享
相关文章
非线性回归nls探索分析河流阶段性流量数据和评级曲线、流量预测可视化
非线性回归nls探索分析河流阶段性流量数据和评级曲线、流量预测可视化
不影响输出质量还能追踪溯源,大模型无偏水印入选ICLR 2024 Spotlight
【6月更文挑战第7天】研究人员提出了一种无偏水印技术,能在不降低大型语言模型(LLMs)输出质量的情况下实现追踪和归属。此方法被ICLR 2024选为Spotlight论文,保证水印不影响模型性能,保护知识产权,防止滥用。无偏水印的挑战包括设计无损模型质量的实现、有效检测及安全防范措施。[论文链接: https://openreview.net/pdf?id=uWVC5FVidc]
90 2
R语言多维度视角下白领人群健康体质检测数据关系可视化分析1
R语言多维度视角下白领人群健康体质检测数据关系可视化分析
R语言多维度视角下白领人群健康体质检测数据关系可视化分析2
R语言多维度视角下白领人群健康体质检测数据关系可视化分析
GEE数据集——2024 年日本海地震的紧急观测数据
GEE数据集——2024 年日本海地震的紧急观测数据
90 4
GEE数据集——美国干旱监测数据集(更新)
GEE数据集——美国干旱监测数据集(更新)
99 4
智慧交通day02-车流量检测实现10:多目标追踪实现
该方法实现了SORT算法,输入是当前帧中所有物体的检测框的集合,包括目标的score,输出是当前帧标的跟踪框集合,包括目标的跟踪的id要求是即使检测框为空,也必须对每一帧调用此方法,返回一个类似的输出数组,最后一列是目标对像的id。
145 0
智慧交通day02-车流量检测实现02:多目标追踪
多目标跟踪,即MOT(Multi-Object Tracking),也就是在一段视频中同时跟踪多个目标。MOT主要应用在安防监控和自动驾驶等领域中。
277 0
网站流量日志分析背景介绍- - 如何进行网站分析--流量分析(质量、多维细分)|学习笔记
快速学习网站流量日志分析背景介绍- -如何进行网站分析--流量分析(质量、多维细分)
252 0
网站流量日志分析背景介绍- - 如何进行网站分析--流量分析(质量、多维细分)|学习笔记
网站流量日志分析—分析指标和分析模型—受访、访客分析模型|学习笔记
快速学习网站流量日志分析—分析指标和分析模型—受访、访客分析模型
168 0
网站流量日志分析—分析指标和分析模型—受访、访客分析模型|学习笔记
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等