GEE案例：基于MODIS火灾数据，并结合气候和地形变量等多源遥感数据，评估火灾对生态环境的影响并导出矢量数据

一项关于过去 10 年影响野火分布因素的全球性研究。我们使用 Google Earth Engine 获取数据，并使用 Python 进行分析。

这个项目是更大研究的前提，旨在了解影响全球野火分布的因素。我们提出了两种从多光谱卫星图像中提取野火信息的方法，以便研究影响全球尺度野火分布的因素。将使用 Google Earth Engine 创建包含所有因素的一幅图像，我们将从烧毁和未烧毁区域随机提取点，通过机器学习分类工具（随机森林、自适应增强、降维分析等）进行分析。

为了从图像中提取点，我们提出了两种不同的方法。第一种方法更直接，包括在感兴趣的区域上应用掩码以从中提取点。这种方法带来了有趣且快速的结果。第二种方法是使用六边形瓦片来提取地球特定区域中的点，该区域以其烧毁像素的数量而区别开来。这种方法在点提取方面提供了更高的灵活性，并使我们能够在分类过程中达到更高的准确性。我们的工作为这些因素的进一步分析奠定了基础和材料，同时已经在数据上提供了一些初步的实验。

关键词：Google Earth Engine，遥感，野火全球分布

方法1

使用 Google Earth Engine 进行野火分布分析

在这篇博客中，我们将介绍如何使用 Google Earth Engine（GEE）对过去十年影响野火分布的因素进行分析。我