吴佳晗1. 遥感火点数据入门：为什么选择VIIRS和MODIS？
第一次接触火点监测数据时，我被各种卫星数据的参数搞得头晕眼花——直到发现VIIRS和MODIS这对黄金组合。这两种数据源就像消防员手中的热成像仪和望远镜，配合使用能精准捕捉全球各地的火情。VIIRS（可见光红外成像辐射计套件）以375米的高分辨率见长，连操场大小的火苗都逃不过它的"眼睛"；而MODIS（中分辨率成像光谱仪）虽然分辨率稍低（1000米），但胜在20多年持续观测的历史数据积累，就像一位经验丰富的老兵。
FIRMS平台（资源管理系统火灾信息）是NASA提供的免费数据门户，我习惯把它比作"火灾数据超市"。在这里不仅能实时查看全球火点分布热力图，还能直接下载最新和历史数据。有次监测山火时，我同时调用了VIIRS的实时数据和MODIS的历史数据，通过对比快速判断出火势蔓延趋势，比单一数据源可靠得多。对于应急响应来说，这种双数据源验证机制能有效减少误报——毕竟卫星看到的"火点"也可能是钢铁厂的高温车间。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 手把手获取火点数据：从FIRMS到本地分析
2.1 实时数据下载实战
打开FIRMS官网（https://firms.modaps.eosdis.nasa.gov/map/），你会看到类似天气预报的交互式地图。我通常先点击右上角的"Layers"按钮，同时勾选VIIRS 375m和MODIS 1km两个数据层——就像同时打开显微镜和广角镜头。下载最新数据时有个小技巧：在"Time Range"选择"Last 24h"后，别急着点下载，先切换到"Advanced"标签，勾选"Confidence"置信度筛选（建议选Nominal和High），这样能过滤掉80%的误报点。
数据格式选择上，做空间分析用Shapefile，Google Earth查看选KML，批量处理用TXT。有次深夜处理应急响应，我直接用Python解析TXT格式的实时数据流：
python复制import pandas as pd
# 读取FIRMS实时数据
fire_data = pd.read_csv('VIIRS_24h.txt', delimiter=',')
# 筛选高置信度火点
high_conf = fire_data[fire_data['confidence'] > 80]
pr