- Phạm vi cung cấp tập dữ liệu
- 2001-01-01T00:00:00Z–2020-12-01T00:00:00Z
- Nhà sản xuất tập dữ liệu
- Chương trình Sáng kiến về Biến đổi khí hậu (CCI) của Cơ quan Vũ trụ Châu Âu (ESA), ECV về cháy
- Tần suất
- 1 tháng
- Thẻ
Mô tả
Sản phẩm pixel Vùng bị cháy Fire_cci phiên bản 5.1 (FireCCI51) của MODIS là một tập dữ liệu toàn cầu hằng tháng có độ phân giải không gian ~250m, chứa thông tin về vùng bị cháy cũng như dữ liệu phụ trợ. Dữ liệu này dựa trên hệ số phản xạ bề mặt trong dải Cận hồng ngoại (NIR) của thiết bị MODIS trên vệ tinh Terra, cũng như thông tin về đám cháy đang hoạt động từ cùng một cảm biến của vệ tinh Terra và Aqua.
Thuật toán vùng bị cháy sử dụng phương pháp kết hợp hai giai đoạn. Trong bước đầu tiên, các pixel có khả năng cao bị cháy (gọi là "hạt giống") được phát hiện dựa trên các đám cháy đang hoạt động. Trong lần thứ hai, một sự phát triển theo ngữ cảnh được áp dụng để phát hiện hoàn toàn mảng cháy. Giai đoạn tăng trưởng này được kiểm soát bằng ngưỡng thích ứng, trong đó các ngưỡng được tính toán dựa trên các đặc điểm cụ thể của khu vực xung quanh mỗi hạt giống. Biến được dùng để hướng dẫn toàn bộ quy trình phát hiện là mức giảm NIR giữa hình ảnh trước và sau khi cháy.
Tập dữ liệu này bao gồm ngày ước tính phát hiện lần đầu của đám cháy cho mỗi pixel, mức độ tin cậy của lần phát hiện đó và độ che phủ đất đã bị cháy (trích xuất từ tập dữ liệu Độ che phủ đất của ESA CCI phiên bản 2.0.7). Ngoài ra, một cờ quan sát được cung cấp để xác định những pixel không được xử lý do thiếu dữ liệu quan sát hợp lệ hoặc vì chúng thuộc một lớp phủ đất không đốt được.
FireCCI51 được phát triển trong khuôn khổ Chương trình Sáng kiến về biến đổi khí hậu (CCI) của ESA, đồng thời cũng là một phần của Dịch vụ biến đổi khí hậu Copernicus (C3S).
Băng tần
Băng tần
Kích thước pixel: 250 mét (tất cả các dải tần)
| Tên | Đơn vị | Tối thiểu | Tối đa | Kích thước pixel | Mô tả |
|---|---|---|---|---|---|
BurnDate |
1 | 366 | 250 mét | Ngày ước tính trong năm mà đám cháy được phát hiện lần đầu |
|
ConfidenceLevel |
% | 1 | 100 | 250 mét | Xác suất phát hiện một điểm ảnh bị cháy, thể hiện độ không chắc chắn của việc phát hiện đối với tất cả các điểm ảnh, ngay cả khi chúng được phân loại là không bị cháy. |
LandCover |
250 mét | Danh mục độ che phủ đất của các pixel bị cháy, được trích xuất từ sản phẩm CCI LandCover v2.0.7. Xem 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). Lớp phủ mặt đất và Sáng kiến biến đổi khí hậu – Hướng dẫn sử dụng sản phẩm phiên bản 2. Vấn đề 2.0. [trực tuyến] Có tại: https://maps.elie.ucl.ac.be/CCI/viewer/download/ESACCI-LC-Ph2-PUGv2_2.0.pdf truy cập: tháng 7 năm 2020. © Sáng kiến về biến đổi khí hậu của ESA – Lớp phủ mặt đất do UCLouvain thực hiện (2017). |
|||
ObservedFlag |
250 mét | Cờ cho biết lý do một pixel không được xử lý.
|
Bảng phân loại LandCover
| Giá trị | Màu | Mô tả |
|---|---|---|
| 0 | #000000 | Không có dữ liệu nào |
| 10 | #ffff64 | Đất trồng trọt, phụ thuộc vào nước mưa |
| 20 | #aaf0f0 | Đất trồng trọt, được tưới tiêu hoặc sau lũ lụt |
| 30 | #dcf064 | Đất trồng trọt hỗn hợp (>50%) / thảm thực vật tự nhiên (cây, cây bụi, thảm cỏ) (<50%) |
| 40 | #c8c864 | Thảm thực vật tự nhiên hỗn hợp (cây, cây bụi, thảm cỏ) (>50%) / đất trồng trọt (<50%) |
| 50 | #006400 | Khu vực tán cây bao phủ, lá rộng, thường xanh, khép kín đến mở (>15%) |
| 60 | #00a000 | Khu vực tán cây bao phủ, lá rộng, rụng lá, khép kín đến mở (>15%) |
| 70 | #003c00 | Khu vực tán cây bao phủ, lá kim, thường xanh, khép kín đến mở (>15%) |
| 80 | #285000 | Khu phực tán cây bao phủ, lá kim, rụng lá, từ kín đến hở (>15%) |
| 90 | #788200 | Khu vực tán cây bao phủ, loại lá hỗn hợp (lá rộng và lá kim) |
| 100 | #8ca000 | Cây và cây bụi hỗn hợp (>50%) / thảm thực vật thân thảo (<50%) |
| 110 | #be9600 | Lớp phủ thảo mộc hỗn hợp (>50%) / cây và cây bụi (<50%) |
| 120 | #966400 | Shrubland |
| 130 | #ffb432 | Đồng cỏ |
| 140 | #ffdcd2 | Địa y và rêu |
| 150 | #ffebaf | Thảm thực vật thưa thớt (cây, cây bụi, thảm thực vật thân thảo) (<15%) |
| 170 | #009678 | khu phực tán cây bao phủ, ngập nước, nước mặn |
| 180 | #00dc82 | Bụi cây hoặc thảm thực vật thân thảo, ngập nước, nước ngọt/mặn/lợ |
Điều khoản sử dụng
Điều khoản sử dụng
Tập dữ liệu này được cung cấp miễn phí và dành cho tất cả người dùng sử dụng cho mọi mục đích, theo các điều khoản và điều kiện sau:
Người dùng dữ liệu phải xác nhận Sáng kiến về biến đổi khí hậu của ESA và dự án Fire CCI cùng với từng nhà cung cấp dữ liệu nếu dữ liệu được sử dụng trong một bản trình bày hoặc ấn phẩm. Vui lòng trích dẫn mọi DOI liên quan đến tập dữ liệu.
Quyền sở hữu trí tuệ (IPR) đối với dữ liệu CCI thuộc về các nhà nghiên cứu và tổ chức tạo ra dữ liệu.
Trách nhiệm pháp lý: không có đảm bảo nào về chất lượng hoặc tính chính xác của dữ liệu CCI hoặc tính phù hợp của dữ liệu này cho bất kỳ mục đích sử dụng nào. Tất cả các điều kiện ngụ ý liên quan đến chất lượng hoặc tính phù hợp của thông tin và mọi trách nhiệm pháp lý phát sinh từ việc cung cấp thông tin (bao gồm cả trách nhiệm pháp lý phát sinh do sơ suất) đều được loại trừ trong phạm vi tối đa mà pháp luật cho phép.
Trích dẫn
Padilla Parellada, M. (2018): Sáng kiến về biến đổi khí hậu do cháy của ESA (Fire_cci): Sản phẩm Pixel vùng bị cháy Fire_cci của MODIS, phiên bản 5.1. Centre for Environmental Data Analysis, ngày 1 tháng 11 năm 2018. https://doi.org/10.5285/58f00d8814064b79a0c49662ad3af537.
Ấn phẩm liên quan: 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. https://doi.org/10.1016/j.rse.2019.111493
DOI
Khám phá bằng Earth Engine
Trình chỉnh sửa mã (JavaScript)
// Visualize FireCCI51 for one year var dataset = ee.ImageCollection('ESA/CCI/FireCCI/5_1') .filterDate('2020-01-01', '2020-12-31'); var burnedArea = dataset.select('BurnDate'); // Use a circular palette to assign colors to date of first detection 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');
import ee import geemap.core as geemap
Colab (Python)
# Visualize FireCCI51 for one year dataset = ee.ImageCollection('ESA/CCI/FireCCI/5_1').filterDate( '2020-01-01', '2020-12-31' ) burned_area = dataset.select('BurnDate') max_ba = burned_area.max() # Use a circular palette to assign colors to date of first detection ba_vis = { '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' ], } m = geemap.Map() m.set_center(0, 18, 2.1) m.add_layer(max_ba, ba_vis, 'Burned Area') m