MODIS和VIIRS数据集

本研究使用了MODIS和VIIRS两种卫星数据源创建的数据集，用于比较这两种数据源在下一日野火预测方面的适用性。数据集包含了澳大利亚大陆在2019-10-01至2020-01-31期间以及2023-10-01至2024-01-31期间的野火活动记录。MODIS和VIIRS均提供火情监测产品，分别为MOD14和VNP14。研究通过深度学习模型评估了这两种数据源在预测野火扩散方面的性能，并公开了代码和数据集以供进一步研究。

This study developed a dataset using two satellite remote sensing data sources, MODIS and VIIRS, to compare their applicability for next-day wildfire forecasting. The dataset includes wildfire activity records over the Australian continent across two time periods: 2019-10-01 to 2020-01-31 and 2023-10-01 to 2024-01-31. Both MODIS and VIIRS provide official fire monitoring products, namely MOD14 and VNP14, respectively. This study evaluated the performance of these two data sources in predicting wildfire spread via deep learning models, and the corresponding code and dataset have been made publicly available for further research.

搜集汇总

数据集介绍

构建方式

MODIS和VIIRS数据集的构建采用了来自两颗主要卫星的遥感影像。MODIS和VIIRS分别提供名为MOD14和VNP14的火灾掩膜产品。数据集的构建包括收集澳大利亚大陆两个时间段的数据，用于训练和验证模型。数据预处理步骤包括从NASA数据分发服务中检索MODIS和VIIRS的原始波段数据、火掩膜产品、地理定位数据和天气干旱数据。此外，还包括使用Python包earthaccess进行数据检索，并将图像重采样到一个通用的网格，以便于模型的训练和预测。

特点

该数据集的特点在于它包含了两个时间段的火灾数据，这些数据被广泛用于澳大利亚大陆的火灾检测和预测。数据集包含了MODIS和VIIRS的原始波段数据、火掩膜产品、地理定位数据和天气干旱数据，为研究火灾预测提供了丰富的信息。此外，数据集还采用了统一的网格系统，便于模型的训练和预测。

使用方法

使用该数据集的方法包括将数据集分为训练集、验证集和测试集。训练集和验证集用于训练和验证深度学习模型，测试集用于评估模型的预测性能。在模型训练过程中，将原始波段数据、火掩膜数据、地理定位数据和天气干旱数据作为输入，使用深度学习模型进行火灾预测。此外，还可以通过比较MOD14和VNP14的火灾掩膜数据，进行火灾进展的定性评估。

背景与挑战

背景概述

MODIS和VIIRS数据集是两个用于探测野火的卫星数据集，它们分别提供了MOD14和VNP14两种火灾掩膜产品。这两个数据集的创建旨在通过卫星图像进行下一日的火灾预测，这对于火灾管理和响应至关重要。MODIS数据集由NASA于2000年开始提供，而VIIRS数据集由NASA于2012年开始提供，两者均由瑞典林雪平大学的计算机视觉实验室和Maxar Intelligence的研究人员进行了深入研究。这两个数据集的核心研究问题是评估它们在下一日火灾预测中的预测能力，并比较它们在火灾探测和预测方面的优劣。MODIS和VIIRS数据集在相关领域产生了深远的影响，为火灾预测和管理提供了重要的数据支持。

当前挑战

MODIS和VIIRS数据集在下一日火灾预测方面面临的主要挑战包括：1)火灾掩膜的随机性：MOD14火灾掩膜的随机性较高，与合理的火灾蔓延模式不相关，这不利于机器学习任务的学习。2)火灾探测模型的需求：尽管MODIS输入和VNP14目标取得了显著的预测能力提升，但MOD14的火灾掩膜不适合用于下一日火灾预测，需要改进火灾探测模型以提高预测准确性。3)数据源的对比：目前尚无明确的对比研究确定MODIS和VIIRS哪个数据源更适合用于下一日火灾预测，需要进一步研究和评估。4)数据获取和处理：在构建过程中，数据获取和处理的挑战包括卫星图像的不同投影、数据格式的转换、数据量的处理等。

常用场景

经典使用场景

MODIS和VIIRS数据集广泛应用于 wildfire detection and prediction。这些数据集提供了对火灾蔓延的实时监测和预测，对于消防管理和应对策略至关重要。

解决学术问题

MODIS和VIIRS数据集解决了wildfire detection and prediction中的关键问题。通过比较这两个数据集的性能，研究人员能够确定哪个数据集更适合进行next-day fire prediction。研究发现，VNP14比MOD14更适合这项任务，因为它提供了更可靠和一致的结果。这项研究有助于提高wildfire detection and prediction的准确性，并为未来的研究提供了有价值的见解。

衍生相关工作

MODIS和VIIRS数据集的衍生工作包括构建基于这些数据集的机器学习模型，用于更准确地预测wildfire蔓延。这些模型可以利用MODIS和VIIRS数据集中的特征，并结合其他数据源（如气象和干旱数据）来提高预测准确性。此外，研究人员还可以使用这些数据集来评估不同wildfire detection and prediction方法的性能，并为未来的研究提供有价值的参考。