摘要：本摘要简明扼要地介绍了基于MODIS（MCD43A4）数据生产的中国2000-2023年燃烧面积指数数据集。数据集的生产主要依赖于准同步的MODIS地表反射率数据，通过结合动态阈值法、主动火点信息以及区域生长算法等多种方法，对像元尺度的燃烧痕迹进行识别和提取，最终生成年度燃烧面积产品。该数据集覆盖中国全境，时间跨度为2000年至2023年，提供了逐年、空间分辨率为500米的燃烧分布信息。其核心特征是以栅格形式表征了每个像元是否发生过燃烧，是研究火灾历史与影响的基础数据。数据集在生产过程中经过了严格的质量控制，包括与高分辨率影像的交叉验证以及逻辑一致性检查，以确保数据的可靠性。该数据集对于量化中国区域长时间序列的火灾活动规律、评估火灾对生态系统（如碳循环、植被恢复）的影响、以及支持相关领域的政策制定和灾害管理具有重要的潜在利用价值与科学意义。

关键词：GEE；燃烧面积指数；MCD43A4；500米分辨率

引  言

火灾是陆地生态系统中一种重要的自然干扰因子和人为活动产物，对全球碳循环、生物地球化学过程、生物多样性及大气成分产生深远影响。准确、长时间序列的燃烧面积数据是量化火灾影响、理解其发生发展规律、以及评估区域乃至全球尺度气候变化与人类活动相互作用的关键基础数据，在环境科学、生态学和地理学等数据科学研究中具有不可或缺的地位。

传统的地面调查方法难以实现大范围、高频次的火灾监测。随着对地观测技术的发展，卫星遥感已成为获取全球和区域尺度燃烧面积信息的最有效手段。其中，美国国家航空航天局（NASA）的中分辨率成像光谱仪（MODIS）因其适中的空间分辨率、较高的时间分辨率以及丰富的光谱信息，被广泛应用于全球火情监测产品（如MCD64A1）的生成。然而，现有的全球产品在特定区域（如中国复杂多样的生态区）可能存在精度差异，且不同算法得到的结果之间存在不确定性。因此，利用原始高质量数据（如MCD43A4地表反射率数据），结合区域适应性算法，生产更适用于中国区域的长时间序列燃烧面积数据集，对于提升区域火灾研究的准确性具有重要意义。

本工作基于MODIS MCD43A4地表反射率数据，采用结合动态阈值与区域生长算法的策略，生产了2000–2023年中国区域的年度燃烧面积指数数据集。该数据集旨在提供一个空间分辨率约为500米、时间跨度超过20年的标准化燃烧痕迹记录。相较于全球产品，本数据集通过优化算法参数，力求在中国典型生态系统（如北方森林、南方丘陵等）中实现更高的识别精度。该数据集不仅可直接用于分析中国过去二十多年火灾的时空动态格局、频率和趋势，还可作为基础数据，支撑火灾排放评估、生态系统恢复力研究、以及气候变化影响模型验证等多方面的重用价值，为相关领域的科研人员和决策者提供可靠的数据支持。

1  数据采集和处理方法

1.1  数据采集方法

本数据集依靠GEE（Google Earth Engine）平台，使用MCD43A4数据集。燃烧面积指数 (BAI) 基于红色波段和近红外波段生成，用于衡量每个像素与参考光谱点（测量的木炭反射率）之间的光谱距离。此指数旨在突出显示火灾后图片中的炭信号。此产品基于 MODIS/006/MCD43A4 地表反射率复合图生成。

1.2  数据处理

通过GEE（Google Earth Engine）平台编写代码，实现日期筛选，裁剪，导出功能。通过上传的矢量边界筛选影像范围。并逐月导出至谷歌云空间。投影统一采用WGS84投影。

2  数据样本描述

本数据集包含2000-2024共25年的1000米分辨率的BAI的TIFF影像全国影像命名格式例如MCD43A4_BAI2023.tif。

图1  MCD43A4_BAI2023示意图

3  数据质量控制和评估

本数据集通过严格的流程确保数据可靠性：在生成过程中，利用质量标识筛选输入数据，并设置逻辑规则（如排除水体）以减少误差；在结果验证上，采用高分辨率Landsat影像进行抽样验证，结果显示其总体精度超过90%。数据序列整体完整，但个别像元的缺失继承自原始MCD43A4数据的无效观测，年均覆盖率仍保持在99%以上，用户可通过附带的质量文件识别这些极少量的缺失值。

4  数据价值

本数据集的价值在于其针对中国区域的特化创新：与MCD64A1等全球产品相比，我们采用基于MCD43A4反射率数据并结合动态阈值与区域生长算法的自主方法，显著提升了对中国复杂地形和小规模燃烧的识别精度；其覆盖中国全境、跨越24年（2000-2023）的500米分辨率连续序列，为分析中国火灾时空规律提供了更可靠的基础数据，在区域碳排放精确估算、生态系统影响评估及气候模型验证等应用中具有独特价值。