- Доступность набора данных
- 2001-01-01T00:00:00Z–2020-12-01T00:00:00Z
- Поставщик набора данных
- Программа Европейского космического агентства (ESA) по изучению изменения климата (CCI), Fire ECV
- Периодичность
- 1 месяц
- Теги
Описание
Пиксельный продукт MODIS Fire_cci Burned Area рабочей версии 5.1 (FireCCI51) – это ежемесячный глобальный набор данных с пространственным разрешением около 250 м, содержащий информацию о выгоревших площадях, а также вспомогательные данные. Она основана на коэффициенте отражения поверхности в ближнем инфракрасном диапазоне, полученном с помощью спектрорадиометра MODIS на борту спутника Terra, а также на информации об активных пожарах, полученной с помощью того же датчика спутников Terra и Aqua.
Алгоритм определения выгоревшей площади использует двухэтапный гибридный подход. На первом этапе на основе активных пожаров определяются пиксели с высокой вероятностью выгорания (так называемые "семена"). На втором этапе применяется контекстное расширение, чтобы полностью обнаружить очаг пожара. Эта фаза роста контролируется адаптивным порогом, который рассчитывается на основе характеристик области, окружающей каждое начальное значение. Переменная, используемая для управления всем процессом обнаружения, – это падение NIR между изображениями до и после пожара.
Набор данных включает для каждого пикселя расчетный день первого обнаружения пожара, уровень достоверности этого обнаружения и выгоревший растительный покров (извлеченный из набора данных ESA CCI Land Cover v2.0.7). Кроме того, в наборе данных есть пометка, которая позволяет определить пиксели, не обработанные из-за отсутствия действительных наблюдений или потому, что они относятся к негорючему земельному покрову.
Набор данных FireCCI51 был разработан в рамках программы ESA Climate Change Initiative (CCI) и также является частью Copernicus Climate Change Service (C3S).
Диапазоны частот
Диапазоны частот
Размер пикселя: 250 м (все диапазоны)
| Название | Единицы | Мин. | Макс. | Размер пикселя | Описание |
|---|---|---|---|---|---|
BurnDate |
1 | 366 | 250 метров | Примерный день года, когда впервые было обнаружено выгорание. |
|
ConfidenceLevel |
% | 1 | 100 | 250 метров | Вероятность того, что пиксель будет определен как выгоревший, выражающая неопределенность определения для всех пикселей, даже если они классифицируются как невыгоревшие. |
LandCover |
250 метров | Категория растительного покрова выгоревших пикселей, извлеченная из продукта CCI LandCover v2.0.7. См. 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). Почвенно-растительный покров Инициатива по изменению климата – Руководство пользователя v2. Выпуск 2.0. [онлайн] Доступно по адресу: https://maps.elie.ucl.ac.be/CCI/viewer/download/ESACCI-LC-Ph2-PUGv2_2.0.pdf Дата обращения: июль 2020 г. © ESA Climate Change Initiative – Land Cover led by UCLouvain (2017). |
|||
ObservedFlag |
250 метров | Пометки, указывающие, почему пиксель не был обработан.
|
Таблица классов LandCover
| Значение | Цвет | Описание |
|---|---|---|
| 0 | #000000 | Нет данных |
| 10 | #ffff64 | Пахотные земли, неорошаемые |
| 20 | #aaf0f0 | Пахотные земли, орошаемые или после наводнения |
| 30 | #dcf064 | Мозаичные пахотные земли (>50%) / естественная растительность (деревья, кустарники, травяной покров) (<50%) |
| 40 | #c8c864 | Мозаичная естественная растительность (деревья, кустарники, травяной покров) (> 50%) / пахотные земли (< 50%) |
| 50 | #006400 | Лесной покров, широколиственные, вечнозеленые, сомкнутые и разреженные (>15%) |
| 60 | #00a000 | Лесной покров, широколиственный, листопадный, сомкнутый или разреженный (> 15%) |
| 70 | #003c00 | Лесной покров, хвойные, вечнозеленые, сомкнутые и разреженные (>15%) |
| 80 | #285000 | Лес, хвойный, листопадный, сомкнутый или разреженный (> 15%) |
| 90 | #788200 | Лес, смешанный (широколиственные и хвойные деревья) |
| 100 | #8ca000 | Мозаичный древесно-кустарниковый (>50%) / травяной покров (<50%) |
| 110 | #be9600 | Мозаичный травяной покров (>50%) / деревья и кустарники (<50%) |
| 120 | #966400 | Shrubland |
| 130 | #ffb432 | Луг |
| 140 | #ffdcd2 | Лишайники и мхи |
| 150 | #ffebaf | Редкая растительность (деревья, кустарники, травяной покров) (< 15%) |
| 170 | #009678 | Тень от деревьев, затопленная территория, соленая вода |
| 180 | #00dc82 | Кустарниковый или травяной покров, затопленный, пресная/соленая/солоноватая вода |
Условия использования
Условия использования
Этот набор данных бесплатен и доступен всем пользователям для любых целей на следующих условиях:
Пользователи данных должны указывать ESA Climate Change Initiative и проект Fire CCI вместе с отдельными поставщиками данных, если данные используются в презентации или публикации. Также укажите цифровые идентификаторы объектов (DOI) для всех наборов данных.
Права на интеллектуальную собственность в отношении данных CCI принадлежат исследователям и организациям, которые их создают.
Ответственность. Не предоставляется никаких гарантий в отношении качества или точности данных CCI или их пригодности для какого-либо использования. Все подразумеваемые условия, касающиеся качества или пригодности информации, и все обязательства, возникающие в связи с предоставлением информации (включая любые обязательства, возникающие в результате халатности), исключаются в максимальной степени, разрешенной законодательством.
Библиографические ссылки
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.
Связанная публикация: 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
Исследуйте с помощью Earth Engine
Редактор кода (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