FireCCI51: MODIS Fire_cci Burned Area Pixel Product, Version 5.1

ESA/CCI/FireCCI/5_1
数据集可用时间
2001-01-01T00:00:00Z–2020-12-01T00:00:00Z
数据集生产者
Earth Engine 代码段
ee.ImageCollection("ESA/CCI/FireCCI/5_1")
步频
1 个月
标签
burn cci climate-change copernicus esa fire fragmentation geophysical global human-modification landcover landscape-gradient modis monthly stressors
c3s
firecci
firecci51
gcos

说明

MODIS Fire_cci 烧毁区域像素产品版本 5.1 (FireCCI51) 是一个每月更新的全球数据集，空间分辨率约为 250 米，其中包含烧毁区域的信息以及辅助数据。该数据集基于 Terra 卫星上 MODIS 仪器近红外 (NIR) 频段的表面反射率，以及 Terra 和 Aqua 卫星上同一传感器的活跃火灾信息。

烧毁区域算法采用两阶段混合方法。第一步是根据活跃火灾检测出极有可能被烧毁的像素（称为“种子”）。第二步是应用上下文增长来完全检测火灾区域。此增长阶段由自适应阈值控制，阈值是根据每个种子周围区域的特定特征计算得出的。用于指导整个检测过程的变量是火灾前后图像之间的 NIR 下降。

该数据集包含每个像素的以下信息：首次检测到火灾的估计日期、该检测的置信度，以及被烧毁的土地覆被（从 ESA CCI 土地覆被数据集 v2.0.7 中提取）。此外，还提供了一个观测标志，用于标识因缺少有效观测或因属于不可燃土地覆被而未处理的像素。

FireCCI51 是作为 ESA 气候变化倡议 (CCI) 计划的一部分开发的，也是哥白尼气候变化服务 (C3S) 的一部分。

频段

频段

像素大小：250 米（所有频段）

名称 单位 最小值 全速 像素大小 说明
BurnDate 1 366 250 米

首次检测到烧毁的估计日期（以一年中的天数表示）
ConfidenceLevel % 1 100 250 米

将像素检测为烧毁的概率，表示所有像素检测的不确定性，即使这些像素被归类为未烧毁也是如此。
LandCover 250 米

烧毁像素的土地覆被类别，从 CCI LandCover v2.0.7 产品中提取。请参阅 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. [在线] 网址：https://maps.elie.ucl.ac.be/CCI/viewer/download/ESACCI-LC-Ph2-PUGv2_2.0.pdf 访问时间：2020 年 7 月。© ESA Climate Change Initiative - Land Cover led by UCLouvain (2017)。
ObservedFlag 250 米

标志，用于指明像素未处理的原因。

  • -2：像素不可燃（水体、裸露区域、城市区域、永久性冰雪）
  • -1：像素在该月内未被观测到（由于云、云影或传感器故障）

LandCover 分类表

值 颜色 说明
0 #000000

无数据
10 #ffff64

旱地
20 #aaf0f0

灌溉地或洪水后土地
30 #dcf064

镶嵌耕地 (>50%) / 天然植被（树木、灌木、草本覆盖）(<50%)
40 #c8c864

镶嵌天然植被（树木、灌木、草本覆盖）(>50%) / 耕地 (<50%)
50 #006400

树木覆盖率，阔叶，常绿，封闭到开放 (>15%)
60 #00a000

树木覆盖率，阔叶，落叶，封闭到开放 (>15%)
70 #003c00

树木覆盖率，针叶，常绿，封闭到开放 (>15%)
80 #285000

树木覆盖率，针叶，落叶，封闭到开放 (>15%)
90 #788200

树木覆盖，混合叶型（阔叶和针叶）
100 #8ca000

镶嵌树木和灌木 (>50%) / 草本覆盖 (<50%)
110 #be9600

镶嵌草本覆盖 (>50%) / 树木和灌木 (<50%)
120 #966400

Shrubland
130 #ffb432

草地
140 #ffdcd2

地衣和苔藓
150 #ffebaf

稀疏植被（树木、灌木、草本覆盖）(<15%)
170 #009678

树木覆盖率，洪水，咸水
180 #00dc82

灌木或草本覆盖，洪水，淡水/咸水/微咸水

使用条款

使用条款

此数据集免费向所有用户开放，可用于任何用途，但需遵守以下条款和条件：

  • 如果用户在演示文稿或出版物中使用数据，则必须同时注明 ESA 气候变化倡议和 Fire CCI 项目以及各个数据提供方。另请引用任何相关数据集 DOI。

  • CCI 数据的知识产权 (IPR) 归研究人员和生成数据的组织所有。

  • 免责声明：我们不保证 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，我们不承担与信息质量或适用性相关的所有隐含条件，以及因提供信息而产生的所有责任（包括因过失而产生的任何责任）。

引用

引用：

  • Padilla Parellada, M. (2018)：ESA Fire Climate Change Initiative (Fire_cci)：MODIS Fire_cci Burned Area Pixel product，版本 5.1。Centre for Environmental Data Analysis，2018 年 11 月 1 日。 https://doi.org/10.5285/58f00d8814064b79a0c49662ad3af537。

  • 相关出版物：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

通过 Earth Engine 探索

代码编辑器 (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');

Python 设置

如需了解 Python API 和如何使用 geemap 进行交互式开发，请访问 Python 环境页面。

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
在代码编辑器中打开
MODIS Fire_cci 烧毁区域像素产品版本 5.1 (FireCCI51) 是一个每月更新的全球数据集，空间分辨率约为 250 米，其中包含烧毁区域的信息以及辅助数据。该数据集基于 Terra 卫星上 MODIS 仪器近红外 (NIR) 频段的表面反射率，以及…
ESA/CCI/FireCCI/5_1, burn,cci,climate-change,copernicus,esa,fire,fragmentation,geophysical,global,human-modification,landcover,landscape-gradient,modis,monthly,stressors
2001-01-01T00:00:00Z/2020-12-01T00:00:00Z
-90 -180 90 180
Google Earth Engine