- Dataset-Verfügbarkeit
- 2001-01-01T00:00:00Z–2020-12-01T00:00:00Z
- Ersteller des Datasets
- European Space Agency (ESA) Climate Change Initiative (CCI) Programme, Fire ECV
- Intervall
- 1 Monat
- Tags
Beschreibung
Das MODIS Fire_cci Burned Area-Pixelprodukt Version 5.1 (FireCCI51) ist ein monatliches Dataset mit einer räumlichen Auflösung von etwa 250 m, das Informationen zur verbrannten Fläche sowie zusätzliche Daten enthält. Sie basiert auf der Oberflächenreflexion im Nah-Infrarot-Band (NIR) des MODIS-Instruments an Bord des Terra-Satelliten sowie auf Informationen zu aktiven Bränden desselben Sensors der Terra- und Aqua-Satelliten.
Der Algorithmus für die verbrannte Fläche verwendet einen zweiphasigen Hybridansatz. Im ersten Schritt werden Pixel mit einer hohen Wahrscheinlichkeit, dass sie verbrannt sind („Seeds“), basierend auf den aktiven Bränden erkannt. Im zweiten Schritt wird ein kontextbezogenes Wachstum angewendet, um den Brandherd vollständig zu erkennen. Diese Wachstumsphase wird durch eine adaptive Schwellenwertbildung gesteuert, bei der Schwellenwerte auf Grundlage der spezifischen Merkmale des Bereichs um jeden Seed berechnet werden. Die Variable, die den gesamten Erkennungsprozess steuert, ist der NIR-Rückgang zwischen den Bildern vor und nach dem Brand.
Das Dataset enthält für jeden Pixel den geschätzten Tag der ersten Erkennung des Brandes, das Konfidenzniveau dieser Erkennung und die verbrannte Bodenbedeckung (aus dem ESA CCI Land Cover-Dataset v2.0.7). Außerdem wird ein Beobachtungsflag bereitgestellt, um die Pixel zu identifizieren, die aufgrund fehlender gültiger Beobachtungen oder weil sie zu einer nicht brennbaren Landbedeckung gehören, nicht verarbeitet wurden.
FireCCI51 wurde im Rahmen des ESA Climate Change Initiative (CCI) Programme entwickelt und ist auch Teil des Copernicus Climate Change Service (C3S).
Bänder
Bänder
Pixelgröße: 250 Meter (alle Bänder)
| Name | Einheiten | Min. | Max. | Pixelgröße | Beschreibung |
|---|---|---|---|---|---|
BurnDate |
1 | 366 | 250 Meter | Geschätzter Tag des Jahres der ersten Erkennung der Brandstelle |
|
ConfidenceLevel |
% | 1 | 100 | 250 Meter | Wahrscheinlichkeit, ein Pixel als verbrannt zu erkennen, die die Unsicherheit der Erkennung für alle Pixel angibt, auch wenn sie als nicht verbrannt klassifiziert werden. |
LandCover |
250 Meter | Landoberflächenkategorie der verbrannten Pixel, extrahiert aus dem Produkt CCI LandCover v2.0.7. Siehe 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. Problem 2.0 [online] Verfügbar unter: https://maps.elie.ucl.ac.be/CCI/viewer/download/ESACCI-LC-Ph2-PUGv2_2.0.pdf Zugriff: Juli 2020. © ESA Climate Change Initiative – Land Cover unter der Leitung von UCLouvain (2017). |
|||
ObservedFlag |
250 Meter | Flags, die angeben, warum ein Pixel nicht verarbeitet wurde.
|
Klassentabelle für „LandCover“
| Wert | Farbe | Beschreibung |
|---|---|---|
| 0 | #000000 | Keine Daten |
| 10 | #ffff64 | Anbaufläche, regengespeist |
| 20 | #aaf0f0 | Bewässerte oder nach Überschwemmungen genutzte Anbaufläche |
| 30 | #dcf064 | Mosaik aus Ackerland (> 50%) und natürlicher Vegetation (Baum-, Strauch- und Krautbedeckung) (< 50%) |
| 40 | #c8c864 | Mosaik aus natürlicher Vegetation (Baum-, Strauch- und Krautbedeckung) (>50%) / Ackerland (<50%) |
| 50 | #006400 | Baumbestand, breitblättrig, immergrün, geschlossen bis offen (>15%) |
| 60 | #00a000 | Baumbestand, breitblättrig, laubabwerfend, geschlossen bis offen (>15%) |
| 70 | #003c00 | Baumbestand, nadelblättrig, immergrün, geschlossen bis offen (>15%) |
| 80 | #285000 | Baumbestand, nadelblättrig, laubabwerfend, geschlossen bis offen (>15%) |
| 90 | #788200 | Baumbestand, gemischter Blatttyp (Laub- und Nadelbäume) |
| 100 | #8ca000 | Mosaik aus Bäumen und Sträuchern (>50%) / krautiger Bodenbedeckung (<50%) |
| 110 | #be9600 | Mosaik aus krautiger Vegetation (>50%) / Bäumen und Sträuchern (<50%) |
| 120 | #966400 | Shrubland |
| 130 | #ffb432 | Wiese |
| 140 | #ffdcd2 | Flechten und Moose |
| 150 | #ffebaf | Geringe Vegetation (Baum-, Strauch- und Krautbedeckung) (<15%) |
| 170 | #009678 | Baumbestand, überschwemmt, Salzwasser |
| 180 | #00dc82 | Strauch- oder Krautbewuchs, überflutet, Süß-/Salz-/Brackwasser |
Nutzungsbedingungen
Nutzungsbedingungen
Dieses Dataset ist kostenlos und kann von allen Nutzern für jeden Zweck verwendet werden. Es unterliegt den folgenden Nutzungsbedingungen:
Nutzer der Daten müssen die ESA Climate Change Initiative und das Fire CCI-Projekt zusammen mit den einzelnen Datenanbietern angeben, wenn die Daten in einer Präsentation oder Publikation verwendet werden. Geben Sie bitte auch alle relevanten Dataset-DOIs an.
Die gewerblichen Schutzrechte an den CCI-Daten liegen bei den Forschern und Organisationen, die die Daten erstellen.
Haftung: Es wird keine Gewähr für die Qualität oder Richtigkeit der CCI-Daten oder deren Eignung für eine bestimmte Verwendung übernommen. Alle stillschweigenden Bedingungen in Bezug auf die Qualität oder Eignung der Informationen und alle Haftungen, die sich aus der Bereitstellung der Informationen ergeben (einschließlich jeglicher Haftung, die sich aus Fahrlässigkeit ergibt), sind soweit gesetzlich zulässig ausgeschlossen.
Zitationen
Padilla Parellada, M. (2018): ESA Fire Climate Change Initiative (Fire_cci): MODIS Fire_cci Burned Area Pixel-Produkt, Version 5.1. Centre for Environmental Data Analysis, 01. November 2018. https://doi.org/10.5285/58f00d8814064b79a0c49662ad3af537.
Zugehörige Publikation: 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
DOIs
Die Earth Engine nutzen
Code-Editor (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