- Dostępność zbioru danych
- 2001-01-01T00:00:00Z–2020-12-01T00:00:00Z
- Producent zbioru danych
- Europejska Agencja Kosmiczna (ESA), program Climate Change Initiative (CCI), Fire ECV
- Kadencja
- 1 miesiąc
- Tagi
Opis
Zbiór danych MODIS Fire_cci Burned Area w wersji 5.1 (FireCCI51) to miesięczny globalny zbiór danych o rozdzielczości przestrzennej ok. 250 m, który zawiera informacje o obszarach spalonych oraz dane pomocnicze. Jest on oparty na współczynniku odbicia powierzchni w paśmie bliskiej podczerwieni (NIR) z instrumentu MODIS na pokładzie satelity Terra oraz na informacjach o aktywnych pożarach z tego samego czujnika na satelitach Terra i Aqua.
Algorytm obszaru spalonego wykorzystuje dwuetapowe podejście hybrydowe. W pierwszym kroku na podstawie aktywnych pożarów wykrywane są piksele o wysokim prawdopodobieństwie spalenia (tzw. „ziarna”). W drugim kroku stosuje się wzrost kontekstowy, aby w pełni wykryć obszar pożaru. Ta faza wzrostu jest kontrolowana przez adaptacyjne progowanie, w którym progi są obliczane na podstawie specyficznych cech obszaru otaczającego każde ziarno. Zmienną używaną do kierowania całym procesem wykrywania jest spadek NIR między obrazami sprzed pożaru i po nim.
Zbiór danych zawiera dla każdego piksela szacowany dzień pierwszego wykrycia pożaru, poziom ufności tego wykrycia oraz pokrycie terenu, które zostało spalone (wyodrębnione ze zbioru danych ESA CCI Land Cover w wersji 2.0.7). Dodatkowo udostępniany jest flag obserwacji, który pozwala zidentyfikować piksele, które nie zostały przetworzone z powodu braku prawidłowych obserwacji lub dlatego, że należą do pokrycia terenu, które nie może się spalić.
Zbiór danych FireCCI51 został opracowany w ramach programu ESA Climate Change Initiative (CCI) i jest też częścią usługi Copernicus Climate Change Service (C3S).
Pasma
Pasma
Rozmiar piksela: 250 metrów (wszystkie pasma)
| Nazwa | Jednostki | Min. | Maks. | Rozmiar piksela | Opis |
|---|---|---|---|---|---|
BurnDate |
1 | 366 | 250 metrów | Szacowany dzień roku pierwszego wykrycia pożaru |
|
ConfidenceLevel |
% | 1 | 100 | 250 metrów | Prawdopodobieństwo wykrycia piksela jako spalonego, wyrażające niepewność wykrycia dla wszystkich pikseli, nawet jeśli są one sklasyfikowane jako niespalone. |
LandCover |
250 metrów | Kategoria pokrycia terenu spalonych pikseli, wyodrębniona ze zbioru danych CCI LandCover w wersji 2.0.7. Zobacz 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. Wersja 2.0. [online] Dostępne na: https://maps.elie.ucl.ac.be/CCI/viewer/download/ESACCI-LC-Ph2-PUGv2_2.0.pdf (data dostępu: lipiec 2020 r.). © ESA Climate Change Initiative – Land Cover, kierowane przez UCLouvain (2017). |
|||
ObservedFlag |
250 metrów | Flagi wskazujące, dlaczego piksel nie został przetworzony.
|
Tabela klas pokrycia terenu
| Wartość | Kolor | Opis |
|---|---|---|
| 0 | #000000 | Brak danych |
| 10 | #ffff64 | Grunty orne, uprawy zależne od opadów |
| 20 | #aaf0f0 | Grunty orne, nawadniane lub po powodzi |
| 30 | #dcf064 | Mozaika gruntów ornych (>50%) / roślinności naturalnej (drzewa, krzewy, rośliny zielne) (<50%) |
| 40 | #c8c864 | Mozaika roślinności naturalnej (drzewa, krzewy, rośliny zielne) (>50%) / gruntów ornych (<50%) |
| 50 | #006400 | Zagęszczenie drzew, liściastych, wiecznie zielonych, od zwartego do otwartego (>15%) |
| 60 | #00a000 | Zagęszczenie drzew liściastych, zrzucających liście, od zwartego do otwartego (>15%) |
| 70 | #003c00 | Pokrywa drzewostanu, iglaste, wiecznie zielone, od zwartego do otwartego (>15%) |
| 80 | #285000 | Zagęszczenie drzew iglastych, zrzucających liście, od zwartego do otwartego (>15%) |
| 90 | #788200 | Zagęszczenie drzew o mieszanym typie liści (liściaste i iglaste) |
| 100 | #8ca000 | Mozaika drzew i krzewów (>50%) / roślin zielnych (<50%) |
| 110 | #be9600 | Mozaika roślin zielnych (>50%) / drzew i krzewów (<50%) |
| 120 | #966400 | Shrubland |
| 130 | #ffb432 | Łąka |
| 140 | #ffdcd2 | Porosty i mchy |
| 150 | #ffebaf | Rzadka roślinność (drzewa, krzewy, rośliny zielne) (<15%) |
| 170 | #009678 | Zagęszczenie drzew zalewanych wodą słoną |
| 180 | #00dc82 | Zagęszczenie krzewów lub roślin zielnych zalewanych wodą słodką, słoną lub słonawą |
Warunki korzystania z usługi
Warunki korzystania z usługi
Ten zbiór danych jest bezpłatny i otwarty dla wszystkich użytkowników do dowolnego użytku, z zastrzeżeniem tych warunków:
Jeśli dane są używane w prezentacji lub publikacji, użytkownicy danych muszą podać informacje o programie ESA Climate Change Initiative i projekcie Fire CCI oraz o poszczególnych dostawcach danych. Należy też podać odpowiednie identyfikatory DOI zbiorów danych.
Prawa własności intelektualnej do danych CCI przysługują badaczom i organizacjom, które je tworzą.
Odpowiedzialność: nie udzielamy żadnej gwarancji co do jakości ani dokładności danych CCI ani ich przydatności do jakiegokolwiek użytku. W najszerszym zakresie dozwolonym przez prawo nie mają zastosowania żadne dorozumiane warunki dotyczące jakości lub przydatności informacji ani żadna odpowiedzialność wynikająca z dostarczania informacji (w tym odpowiedzialność wynikająca z zaniedbania).
Cytaty
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, 1 listopada 2018 r. https://doi.org/10.5285/58f00d8814064b79a0c49662ad3af537.
Powiązana publikacja: 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
Identyfikatory DOI
Odkrywaj za pomocą Earth Engine
Edytor kodu (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