- 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), Fire ECV
- Nhịp độ bước chân
- 1 Tháng
- Thẻ
Mô tả
Sản phẩm pixel Khu vực bị cháy Fire_cci MODIS phiên bản 5.1 (FireCCI51) là một tập dữ liệu có độ phân giải không gian khoảng 250 mét trên toàn cầu hằng tháng, chứa thông tin về khu vực bị cháy cũng như dữ liệu phụ trợ. Tập dữ liệu này dựa trên độ phản xạ bề mặt trong băng tần Cận hồng ngoại (NIR) từ 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 khu vực bị cháy sử dụng phương pháp kết hợp hai giai đoạn. Trong bước đầu tiên, các pixel có xác suất cao bị cháy (gọi là "hạt giống") được phát hiện dựa trên các đám cháy đang hoạt động. Trong bước thứ hai, một quá trình phát triển theo ngữ cảnh được áp dụng để phát hiện hoàn toàn vùng cháy. Giai đoạn phát triển này được kiểm soát bằng ngưỡng thích ứng, trong đó ngưỡng được tính dựa trên các đặc điểm cụ thể của khu vực xung quanh mỗi hạt giống. Biến được dùng để hướng dẫn toàn bộ quá trình phát hiện là mức giảm NIR giữa hình ảnh trước và sau đám cháy.
Tập dữ liệu này bao gồm ngày ước tính phát hiện đám cháy lần đầu, mức độ tin cậy của lần phát hiện đó và lớp phủ mặt đất đã bị cháy (trích xuất từ tập dữ liệu Lớp phủ mặt đất ESA CCI phiên bản 2.0.7) cho mỗi pixel. Ngoài ra, một cờ quan sát được cung cấp để xác định các pixel không được xử lý do thiếu thông tin quan sát hợp lệ hoặc do chúng thuộc về lớp phủ mặt đất không thể cháy.
FireCCI51 được phát triển trong khuôn khổ Chương trình Sáng kiến về biến đổi khí hậu (CCI) của ESA và 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 băng tần)
| Tên | Đơn vị | Tối thiểu | Tối đa | Kích thước pixel | Mô tả |
|---|---|---|---|---|---|
BurnDate |
1 | 366 | 250 mét | Ngày ước tính trong năm phát hiện đám cháy lần đầu |
|
ConfidenceLevel |
% | 1 | 100 | 250 mét | Xác suất phát hiện một pixel là bị cháy, thể hiện mức độ không chắc chắn của việc phát hiện cho tất cả các pixel, ngay cả khi chúng được phân loại là không bị cháy. |
LandCover |
250 mét | Danh mục lớp phủ mặt đất của các pixel bị cháy, được trích xuất từ sản phẩm CCI LandCover phiên bản 2.0.7. 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). Land Cover Climate Change Initiative – Product User Guide v2. Issue 2.0. [online] Available at: https://maps.elie.ucl.ac.be/CCI/viewer/download/ESACCI-LC-Ph2-PUGv2_2.0.pdf accessed: July 2020. © ESA Climate Change Initiative – Land Cover led by UCLouvain (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 khi ngập 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, từ kín đến hở (>15%) |
| 60 | #00a000 | Khu vực tán cây bao phủ, lá rộng, rụng lá, từ kín đến hở (>15%) |
| 70 | #003c00 | Khu vực tán cây bao phủ, lá kim, thường xanh, từ kín đến hở (>15%) |
| 80 | #285000 | Khu vực 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 cỏ (<50%) |
| 110 | #be9600 | Thảm cỏ 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 cỏ) (<15%) |
| 170 | #009678 | Khu vực tán cây bao phủ, ngập nước, nước mặn |
| 180 | #00dc82 | Cây bụi hoặc thảm cỏ, ngập nước, nước ngọt/nước mặn/nước lợ |
Điều khoản sử dụng
Điều khoản sử dụng
Tập dữ liệu này miễn phí và mở cho tất cả người dùng cho mọi mục đích, theo các điều khoản và điều kiện sau:
Người dùng dữ liệu phải ghi 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 tập dữ liệu có liên quan.
Quyền sở hữu trí tuệ (IPR) đối với dữ liệu CCI thuộc về các nhà nghiên cứu và tổ chức sản xuất dữ liệu.
Trách nhiệm pháp lý: không có sự 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 tất cả các 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 bị loại trừ trong phạm vi tối đa mà pháp luật cho phép.
Trích dẫn
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.
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 soạn thảo 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