Google Earth Engine ——基于MODIS数据集JRC/GWIS/GlobFire/v2/DailyPerimetersMCD64A1的火灾边界数据集

Fire boundaries based on the MODIS dataset MCD64A1. The data were computed based on an algorithm that relies on encoding in a graph structure a space-time relationship among patches of burned areas.

Each fire has a unique number identifying the event.

基于MODIS数据集MCD64A1的火灾边界。这些数据是根据一种算法计算出来的,这种算法依赖于在图结构中对烧毁区域的斑块之间的时空关系进行编码。

每个火灾都有一个识别事件的独特编号。

Dataset Availability

2001-01-01T00:00:00 - 2021-01-01T00:00:00

Dataset Provider

European Commission, Joint Research Centre, Global Wildfire Information System

Collection Snippet

ee.FeatureCollection("JRC/GWIS/GlobFire/v2/FinalPerimeters")

NameTypeDescription
areaDoubleFire area, square meters
FinalDateIntFinal fire date in milliseconds since 1970-01-01
IdIntNumeric id of the fire
InitialDateIntInitial fire date in milliseconds since 1970-01-01

引用:Artés, T., Oom, D., De Rigo, D., Durrant, T. H., Maianti, P., Libertà, G., & San-Miguel-Ayanz, J. (2019). A global wildfire dataset for the analysis of fire regimes and fire behaviour. Scientific data, 6(1), 1-11. A global wildfire dataset for the analysis of fire regimes and fire behaviour | Scientific Data

代码:

现有代码:

var dataset = ee.FeatureCollection('JRC/GWIS/GlobFire/v2/FinalPerimeters');
var visParams = {
  palette: ['f5ff64', 'b5ffb4', 'beeaff', 'ffc0e8', '8e8dff', 'adadad'],
  min: 0.0,
  max: 600000000.0,
  opacity: 0.8,
};
var image = ee.Image().float().paint(dataset, 'area');
Map.addLayer(image, visParams, 'GlobFire Final');
Map.addLayer(dataset, null, 'for Inspector', false);
Map.setCenter(-122.121, 38.56, 12)

原有代码:(目前还可以用,之前的数据集经过改版了) 

// 创建一个变量放入一个时序的数据集
var folder = 'JRC/GWIS/GlobFire/v2/DailyPerimeters';

// 使用带有异步回调的ee.data.listAssets列出可用表格。
function printAssetList(listAssetsOutput) {
  print('Asset list:', listAssetsOutput['assets']);
}
ee.data.listAssets(folder, {}, printAssetList);

// 定义一个从可用表列表中确定的表名(表ID)。
var tableName = 'JRC/GWIS/GlobFire/v2/DailyPerimeters/2020';

var computeArea = function (f) {
  return f.set({'area': f.area()});
}
// 将一个选定的表作为一个特征集合导入。
var features = ee.FeatureCollection(tableName).map(computeArea);

// 线性火灾面积梯度的可视化参数。
var visParams = {
  palette: ['f5ff64', 'b5ffb4', 'beeaff', 'ffc0e8', '8e8dff', 'adadad'],
  min: 0.0,
  max: 600000000.0,
  opacity: 0.8,
};

// 用计算出的火灾面积作为数值属性,在图像上画出火灾周界。
var image = ee.Image().float().paint(features, 'area')

// 将图像显示在地图上(包括用检查员探索的特征)。
Map.addLayer(image, visParams, 'GlobFire 2020');
Map.addLayer(features, null, 'For Inspector', false);
Map.setCenter(-121.23, 39.7, 12);

 

 

dNBR值(differenced Normalized Burn Ratio)是衡量火灾烈度的指标之一,可以通过MODIS/061/MCD64A1数据计算得到。 以下是基于GEE计算dNBR值的步骤: 1. 打开GEE平台并登录账号。 2. 在左侧菜单栏中选择“地图”选项,进入地图界面。 3. 在地图界面中,点击左上角的“+”按钮,添加MODIS/061/MCD64A1数据。 4. 在左侧图层栏中选择“MODIS/061/MCD64A1_500m_aid0001”图层,并调整时间范围至所需的时间段。 5. 在左侧菜单栏中选择“代码编辑器”,并在编辑器中输入以下代码: ``` // 定义AOI区域 var aoi = ee.Geometry.Polygon( [[[113.0, 33.0], [115.0, 33.0], [115.0, 35.0], [113.0, 35.0], [113.0, 33.0]]], null, false); // 选择计算的时间段 var start_date = ee.Date.fromYMD(2019, 1, 1); var end_date = ee.Date.fromYMD(2019, 12, 31); // 选择计算的MODIS波段 var modis_bands = ['BurnDate','QA']; // 筛选出指定时间段内的MODIS数据 var modis_dataset = ee.ImageCollection('MODIS/006/MCD64A1') .select(modis_bands) .filterDate(start_date, end_date) .filterBounds(aoi); // 定义NDVI计算公式 var nbr_formula = function(image) { var nbr = image.normalizedDifference(['sur_refl_b04', 'sur_refl_b07']); return nbr.rename('NBR'); }; // 计算dNBR值 var pre_fire = ee.Image(modis_dataset.sort('system:time_start', false).first()).select('BurnDate'); var post_fire = ee.Image(modis_dataset.sort('system:time_start', true).first()).select('BurnDate'); var pre_nbr = nbr_formula(pre_fire); var post_nbr = nbr_formula(post_fire); var dNBR = post_nbr.subtract(pre_nbr).rename('dNBR'); // 将结果可视化 Map.centerObject(aoi, 9); Map.addLayer(dNBR, {min:-1,max:1,palette:['FF0000','FFFF00','00FF00']}, 'dNBR'); ``` 上述代码中,首先定义了计算区域(AOI)、计算时间段(start_date和end_date)以及需要计算的MODIS波段(modis_bands)。接着,通过ImageCollection函数筛选出指定时间段内的MODIS数据,并选择需要的波段。定义了计算dNBR值所需的函数(nbr_formula),并使用该函数计算出前火情(pre_fire)和后火情(post_fire)的NBR值,最终得出dNBR值(dNBR)。最后将结果可视化,其中min、max和palette参数可根据需要进行调整。 完成上述代码的输入和运行后,即可在地图上看到计算得到的dNBR值。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

此星光明

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值