<em id="lj1v3"><b id="lj1v3"></b></em>

    <i id="lj1v3"></i>

        <i id="lj1v3"><b id="lj1v3"><progress id="lj1v3"></progress></b></i>

        <video id="lj1v3"></video>
        <video id="lj1v3"></video>

                    <i id="lj1v3"><ol id="lj1v3"><progress id="lj1v3"></progress></ol></i>
                    衛星遙感數據即得即用(RTU)產品集 II 區論文(已發表) ? 版本 ZH3 Vol 5 (4) 2020
                    下載
                    全球30米分辨率火燒跡地產品
                    Generation of 30-meter resolution burned area products over the globe based on Landsat 8 images
                    ?>>
                    : 2020 - 04 - 14
                    : 2020 - 12 - 25
                    : 2020 - 04 - 30
                    : 2020 - 12 - 30
                    极速快三
                    2476 20 0
                    摘要&關鍵詞
                    摘要:火燒跡地是全球變化和碳循環等研究領域的一個重要參量。在全球高精度樣本庫基礎上,基于Landsat 8時序衛星數據和火燒跡地敏感光譜參量,利用機器學習算法生產并發布全球30米分辨率火燒跡地產品。全球30米分辨率火燒跡地產品能夠有效反映面積較小的燃燒斑塊,同時在火燒跡地位置確定和面積量算上具有優勢,可應用于全球火災監測和評估、碳排放計算、生態環境保護等領域。
                    關鍵詞:Landsat 8;火燒跡地;全球;機器學習
                    Abstract & Keywords
                    Abstract:?Burned area (BA) is an important research parameter in the field of global change and carbon cycle. On the basis of high-precision global sample database, we input Landsat 8 time series satellite data and several sensitive spectral parameters of burned areas to the machine learning algorithm, produced and released the 30-meter resolution global burned area products. The 30-meter resolution global BA products can effectively detect small burned patches, and excel in location spotting and area measurement of the burned patches, which can be applied to global fire monitoring and disaster assessment, carbon emission calculation, ecological environment protection and other fields.
                    Keywords:?Landsat 8;?burned area;?global;?machine learning algorithm
                    數據庫(集)基本信息簡介
                    數據庫(集)名稱全球30米分辨率火燒跡地產品
                    數據作者張兆明、唐朝、何國金、龍騰飛、魏明月
                    數據通信作者何國金(hegj@aircas.ac.cn)
                    數據時間范圍2015年1月至2015年12月
                    地理區域60°S–80°N,180°W–180°E
                    空間分辨率30 m
                    數據量5.39 GB
                    數據格式*.TIF
                    數據服務系統網址ftp://bigrs-info.com/GABAM/burned area/2015/
                    http://www.sciencedb.cn/dataSet/handle/976
                    基金項目國家自然科學基金(61731022);國家重點研發計劃課題(2016YFA0600302);中國科學院A類戰略性先導科技專項(XDA19090300)。
                    數據庫(集)組成數據集包含經緯度10度乘以10度分塊的數據文件,文件格式為TIF格式,共504個文件。
                    Dataset Profile
                    TitleGeneration of 30-meter resolution burned area products over the globe based on Landsat 8 images
                    Data corresponding authorHe Guojin (hegj@aircas.ac.cn)
                    Data authorsZhang Zhaoming, Tang Chao, He Guojin, Long Tengfei, Wei Mingyue
                    Time rangeFrom January, 2015 to December, 2015
                    Geographical scope60°S–80°N,180°W–180°E
                    Spatial resolution30 m
                    Data volume5.39 GB
                    Data format*.TIF
                    Data service system<ftp://bigrs-info.com/GABAM/burned area/2015/>
                    <http://www.sciencedb.cn/dataSet/handle/976>
                    Source of fundingNational Natural Science Foundation of China (61731022); National Key Research and Development Program of China (2016YFA0600302); Strategic Priority Research Program of the Chinese Academy of Sciences (XDA19090300).
                    Dataset compositionThe data set consists of 10*10 degree files, 504 files in total. The file format is TIF.
                    引 言
                    火燒跡地是全球及區域碳循環和氣候變化等研究所需的重要參量之一。美國國家航空航天局(NASA)、歐洲空間局(ESA)和國際地圈生物圈計劃(IGBP)等都曾發布過各種基于不同衛星遙感數據獲取的全球尺度火燒跡地信息產品,空間分辨率從250米至0.25度不等。美國陸地衛星Landsat系列數據是目前存檔時間最長、使用最廣泛的中高空間分辨率衛星數據,為全球火燒跡地信息高精度提
                    取提供了理想的數據源。利用Landsat系列衛星數據研發高空間分辨率和精度的大尺度火燒跡地信息產品具有迫切的應用需求,也是國際上的一個熱點研究課題。美國地質調查局于2017年發布了覆蓋美國本土的Landsat 30米分辨率火燒跡地產品[1],也制定出研發全球30米分辨率火燒跡地產品的科學計劃。然而,相比MODIS等中低分辨率衛星數據,Landsat系列衛星數據具有較少的光譜波段和更長的重返周期,現有的中低分辨率火燒跡地信息提取方法無法直接應用。因此,基于Landsat數據的全球尺度火燒跡地信息的高精度自動提取是一個具有挑戰性的研究方向。
                    近年來,機器學習方法在遙感大數據分析和智能信息提取領域獲得了成功的應用。通過利用全球火燒跡地樣本庫和基于生態系統分區的機器學習方法,實現了基于Landsat數據的全球火燒跡地信息高精度自動化提取[1],生產了全球30米空間分辨率火燒跡地遙感產品。
                    1 ? 數據采集和處理方法
                    1.1 ? 數據來源
                    主要利用Landsat 8衛星OLI傳感器數據。按照該衛星的運行計劃,可以覆蓋60°S–80°N的所有陸地區域。制作年度全球火燒跡地產品,需要利用當年獲取的全部Landsat 8 OLI數據,以盡可能減少漏分現象,同時需要利用前一年獲取的全部Landsat 8 OLI數據,去除前一年發生且未恢復的火燒跡地,制作一期全球火燒跡地產品需要利用約40萬景Landsat 8 OLI影像,數據量超過300TB,在產品生產時利用了Google Earth Engine(簡稱GEE)云平臺上的Landsat 8 OLI地表反射率[2]。
                    1.2 ? 數據處理方法
                    利用Landsat 8地表反射率數據的質量標識建立云和云陰影掩膜,去除云和云陰影影響。在全球高精度樣本庫基礎上,基于Landsat 8時序衛星數據和火燒跡地敏感光譜參量〔波段反射率、歸一化燃燒指數(Normalized Burned Ratio,NBR)[3],歸一化差值植被指數(Normalized Difference Vegetation Index,NDVI)[4],全球環境監測指數(Global Environmental Monitoring Index,GEMI)[5],中紅外燃燒指數(Mid-Infrared Burn Index,MIRBI)[6],火燒跡地指數(Burned Area Index,BAI)[7],修正的土壤調節植被指數(Soil-Adjusted Vegetation Index,SAVI)[8]和歸一化差值濕度指數(Normalized Difference Moisture Index,NDMI)[9]等〕,利用機器學習算法(隨機森林模型)進行樣本訓練和學習,得到火燒跡地識別規則和疑似火燒跡地種子點。對疑似火燒跡地種子點進行一系列過濾和優化,得到確定的火燒跡地種子點。具體的過濾和優化參量及判別式包括:(1)兩年(2014、2015年)間最大的NDVI值大于0.2;(2)兩年(2014、2015年)間最大的NDVI值(NDVI2)與當年(2015年)火燒概率最大時的NDVI值(NDVI1)的差值大于0.2,即NDVI2?NDVI1>0.2;(3)上一年(2014)最小NBR值(NBR2)與當年(2015年)火燒概率最大時的NBR值(NBR1)的差值大于0.1,即NBR2?NBR1>0.1;(4)當年(2015年)火燒概率最大的日期(t1,儒略日)大于兩年(2014、2015年)間NDVI最大的日期(t2,儒略日),即t1> t2,或者t2?t1>100。從種子點開始按8連通原則進行區域生長,吸收周圍火燒概率大于50%的候選點,得到火燒跡地。更詳細的解釋和說明參見文獻[2]??傮w技術流程如圖1所示。


                    圖1 ? 火燒跡地提取技術流程
                    2 ? 數據樣本描述
                    火燒跡地數據產品利用經緯度投影,分辨率為0.00025°(約30米),以10°×10°分塊,GeoTiff格式存儲,以分塊圖像左上角像素的經緯度作為文件名,像素值中以1代表火燒跡地像元,空值代表非火燒跡地像元。例如文件名為S10E020.TIF的分塊文件代表左上角像素坐標為南緯10度、東經20度的火燒跡地數據文件(圖2)。


                    圖2 ? S10E020火燒跡地塊示例
                    3 ? 數據質量控制和評估
                    利用隨機分層抽樣的方式對全球火燒跡地產品進行精度驗證和評估。為確保精度驗證的全面性和代表性,精度驗證樣區的選擇兼顧不同地表覆蓋類型和火行為特征。依據MODIS地表覆蓋類型產品將全球概括為7個地表類型:Broadleaved Evergreen(常綠闊葉林),Broadleaved Deciduous(落葉闊葉林),Coniferous(針葉林),Mixed Forest(混交林),Shrub(灌叢),Rangeland(草地),和Agriculture(農田)。同時根據GFED 4(Global Fire Emission Database 4,第四版本的全球火燒排放數據庫)2015年的火燒跡地密度數據將全球均勻劃分為5個密度級,最終在全球范圍內選擇了80個驗證樣區,這些樣區覆蓋了全部的地表類型。
                    精度驗證利用的數據源主要包括Landsat 8、GF 1、CBERS 4和美國MTBS(Monitoring Trends in Burn Severity,火燒強度趨勢監測)火燒跡地產品。其中中國境內的驗證樣區使用GF 1數據,南美區域使用CBERS 4,美國區域使用MTBS和Landsat 8,全球其他區域使用Landsat 8。對于Landsat 8數據,驗證樣區的大小為185 km×185 km;對于CBERS4數據,驗證樣區的大小為120 km×120 km;對于GF1數據,驗證樣區的大小為100 km×100 km。
                    通過收集驗證樣區2015年整年的時序衛星數據,進行正射校正等處理。然后目視尋找2015年內新增的火燒跡地,確定火燒前后的衛星影像對?;谛l星影像對手動選擇火燒跡地和非火燒跡地樣本點,利用支持向量機分類器進行分類,最終得到2015年火燒跡地驗證的參考數據。
                    在每個驗證樣區分別進行驗證,然后得到全球火燒跡地精度驗證結果,選用誤分率(Commission Error)、漏分率(Omission Error)和整體精度(Overall Accuracy)3個指標來定量表征火燒跡地信息提取的精度,最終得到2015年全球火燒跡地產品的誤分率、漏分率和整體精度分別為13.17%、30.13%和93.92%[10]。
                    4 ? 數據價值
                    火燒跡地是資源環境監測、全球變化和碳循環研究等領域的一個重要參數,全球30米分辨率火燒跡地產品能夠有效反映面積較小的燃燒斑塊,同時在火燒跡地位置確定和面積量算上具有優勢,可應用于全球火災監測和評估、碳排放計算、生態環境保護等領域。
                    [1]
                    HAWBAKER T J, VANDERHOOF M K, BEAL Y J, et al. Mapping burned areas using dense time-series of Landsat data[J]. Remote Sensing of Environment, 2017, 198: 504-522.
                    [2]
                    GORELICK N, HANCHER M, DIXON M, et al. Google earth engine: Planetary-scale geospatial analysis for everyone[J]. Remote Sensing of Environment, 2017, 202: 18-27.
                    [3]
                    KEY C H, BENSON N C. The Normalized Burn Ratio (NBR): A Landsat TM Radiometric Measure of Burn Severity[M]. United States Geological Survey, Northern Rocky Mountain Science Center: Bozeman, MT, USA, 1999.
                    [4]
                    STROPPIANA D, BOSCHETTI M, ZAFFARONI P, et al. Analysis and Interpretation of Spectral Indices for Soft Multicriteria Burned-Area Mapping in Mediterranean Regions[J]. IEEE Geoscience and Remote Sensing Letters, 2009, 6: 499-503.
                    [5]
                    PINTY B, VERSTRAETE M M. GEMI: A non-linear index to monitor global vegetation from satellites[J]. Vegetatio, 1992, 101: 15-20.
                    [6]
                    TRIGG S, FLASSE S. An evaluation of different bi-spectral spaces for discriminating burned shrub-savannah[J]. International Journal of Remote Sensing, 2001, 22: 2641-2647.
                    [7]
                    MARTíN M. Cartografía e Inventario de Incendios Forestales en la Península Ibérica a Partir de Imágenes NOAA-AVHRR[M]. Departmento de Geografía. Alcalá de Henares, Universidad de Alcalá: Madrid, Spain, 1998.
                    [8]
                    HUETE A. A soil-adjusted vegetation index (SAVI) [J]. Remote Sensing of Environment, 1988, 25: 295-309.
                    [9]
                    WILSON E H, SADER S A. Detection of forest harvest type using multiple dates of Landsat TM imagery[J]. Remote Sensing of Environment, 2002, 80: 385-396.
                    [10]
                    LONG T F, ZHANG Z M, HE G J, et al. 30 m Resolution Global Annual Burned Area Mapping Based on Landsat Images and Google Earth Engine[J]. Remote Sensing, 2019, 11: 489-519.
                    數據引用格式
                    張兆明, 唐朝, 何國金, 等. 全球30米分辨率火燒跡地產品[DB/OL]. Science Data Bank, 2020. (2020-04-15). DOI: 10.11922/sciencedb.976.
                    稿件與作者信息
                    論文引用格式
                    張兆明, 唐朝,何國金, 等. 全球30米分辨率火燒跡地產品[J/OL]. 中國科學數據, 2020, 5(4). (2020-04-27). DOI: 10.11922/csdata.2020.0019.zh.
                    張兆明
                    Zhang Zhaoming
                    主要承擔工作:研究思路與研究方案設計、算法研究、論文撰寫。
                    (1980—),男,河南省鄭州市人,博士,高級工程師,研究方向為遙感數據智能處理與信息挖掘。
                    唐朝
                    Tang Chao
                    主要承擔工作:產品生產、精度驗證。
                    (1996—),男,浙江省湖州市人,碩士研究生,研究方向為遙感數據智能處理與信息挖掘。
                    何國金
                    He Guojin
                    主要承擔工作:總體指導,研究思路與研究方案設計。
                    hegj@radi.ac.cn
                    (1968—),男,福建省武平縣人,博士,研究員,研究方向為遙感數據智能處理與信息挖掘。
                    龍騰飛
                    Long Tengfei
                    主要承擔工作:算法研究、程序編寫。
                    (1986—),男,湖北省武漢市人,博士,助理研究員,研究方向為遙感數據智能處理與信息挖掘。
                    魏明月
                    Wei Mingyue
                    主要承擔工作:數據處理、精度驗證。
                    (1997—),女,河南省鄭州市人,碩士研究生,研究方向為遙感數據智能處理與信息挖掘。
                    出版歷史
                    I區發布時間:2020年4月30日 ( 版本ZH2
                    II區出版時間:2020年12月30日 ( 版本ZH3
                    參考文獻列表中查看
                    中國科學數據
                    csdata