摘 要：使用高分系列衛(wèi)星數(shù)據(jù)GF-1衛(wèi)星數(shù)據(jù)、GF-6衛(wèi)星數(shù)據(jù)，對2023年赤峰市寧城縣小城子鎮(zhèn)農(nóng)田所受冰雹災(zāi)害進行評估。此次冰雹災(zāi)害評估過程中統(tǒng)計了7個行政村農(nóng)田受災(zāi)面積、災(zāi)情等級。結(jié)果顯示：災(zāi)情較重的為紅旗村、寧中村，其中紅旗村重災(zāi)受災(zāi)面積占種植面積的47.98%，寧中村重災(zāi)面積占種植面積的30.6%。

關(guān)鍵詞：冰雹災(zāi)害；GF-1衛(wèi)星；GF-6衛(wèi)星；歸一化植被指數(shù)

中圖分類號：S427 文獻標(biāo)志碼：B 文章編號：2095–3305（2024）07–0-03?

“高分專項”包含多顆衛(wèi)星和其他觀測平臺，其中，GF-1衛(wèi)星為國土、農(nóng)業(yè)、氣象、環(huán)境提供高精度、寬范圍的空間觀測數(shù)據(jù)[1-2]；GF-6衛(wèi)星是我國第一顆專門為農(nóng)業(yè)觀測提供精準(zhǔn)觀測數(shù)據(jù)的衛(wèi)星，具有高分辨率和寬覆蓋的特點。利用遙感技術(shù)通過作物種植分類和作物長勢監(jiān)測可以客觀地評估農(nóng)業(yè)受災(zāi)定損情況[3]。高分辨率衛(wèi)星可以提供高精度的作物長勢監(jiān)測數(shù)據(jù)。

冰雹災(zāi)害是農(nóng)業(yè)面臨的主要氣象災(zāi)害之一，局地性強[4]。其受地形影響顯著，地形越復(fù)雜，冰雹越易發(fā)生。農(nóng)作物的枝葉、稈莖、果實受到冰雹的影響會損葉、折稈、脫粒而減產(chǎn)。在拔節(jié)孕穗的重要時期，若發(fā)生冰雹，則會摧毀大片莊稼，導(dǎo)致產(chǎn)量損失嚴(yán)重[5]。

1 研究區(qū)域及數(shù)據(jù)來源

1.1 研究區(qū)概況

研究區(qū)位于內(nèi)蒙古自治區(qū)赤峰市寧城縣小城子鎮(zhèn)（118.722°～119.122°E，41.729°～41.886°N），地處寧城縣西北部，東鄰汐子鎮(zhèn)，西南與大城子鎮(zhèn)毗鄰，北與喀喇沁旗接壤。小城子鎮(zhèn)位于半平川半丘陵地區(qū)，地勢西高東低；西北部丘陵山區(qū)山川交錯，溝壑縱橫，坡向多變，植被不良；東南部平原帶，地勢低平，適宜作物種植。主要農(nóng)作物為玉米、蘋果等。該區(qū)域2023年日平均溫度為8.8 ℃，常年日平均溫度為7.6 ℃；2023年降水量為410.1 mm，常年降水量為432.6 mm；2023年日照時數(shù)2 838.9 h，常年日照時數(shù)2 870.4 h。研究區(qū)的空間分布如圖1所示。

受冷渦影響，2023年7月7日14：05～14：38寧城縣小城子鎮(zhèn)出現(xiàn)冰雹、短時強降水天氣，最大冰雹直徑8 mm，造成寧城縣小城子鎮(zhèn)農(nóng)作物受災(zāi)嚴(yán)重。利用高分?jǐn)?shù)據(jù)對此次冰雹災(zāi)害進行監(jiān)測評估。在相關(guān)網(wǎng)站上搜索雹災(zāi)前后高分?jǐn)?shù)據(jù)，下載2023年6月18日GF-6衛(wèi)星數(shù)據(jù)作為災(zāi)前數(shù)據(jù)，2023年7月27日GF-1衛(wèi)星數(shù)據(jù)作為災(zāi)后數(shù)據(jù)，并對其進行對比分析。

數(shù)據(jù)來源于雹災(zāi)前數(shù)據(jù)GF-6衛(wèi)星2 m全色/8 m多光譜相機觀測幅寬90 km PMS數(shù)據(jù)GF6_PMS_E119.4_N41.7_20230618_L1A1420325622，GF-6衛(wèi)星PMS數(shù)據(jù)參數(shù)見表1。

20230727_L1A0007419473，GF-1衛(wèi)星PMS數(shù)據(jù)參數(shù)見表2。

1.2 數(shù)據(jù)處理

利用ENVI5.3軟件對高分PMS多光譜影像進行的輻射定標(biāo)（Radiometric Calibration），輻射定標(biāo)是為了將遙感傳感器記錄的無量綱DN（Digital Number）值轉(zhuǎn)換成輻射量；大氣校正（FLAASH Atmospheric Correction）是為了消除由大氣影響所造成的輻射誤差；反演地物真實的表面反射率；正射校正（Orthorectification）是為了糾正影像的幾何畸變，對全色影像進行輻射定標(biāo)；圖像融合（Gram-schmidt Pan Sharpening）是為了提高圖像分辨率；圖像配準(zhǔn)（Registration）是由于不同時間、不同傳感器（成像設(shè)備）或不同條件下（如天候、照度、攝像位置和角度等）獲取的兩幅或多幅圖像存在影像上的錯位，為了進行匹配和疊加進行的影像處理，裁剪后對雹災(zāi)前后植被長勢提取進行對比分析。對該區(qū)域的農(nóng)田受災(zāi)情況進行定損評估流程圖如圖2所示。

農(nóng)田裁剪邊界利用ENVI5.5軟件進行機器深度學(xué)習(xí)提取農(nóng)田信息，研究區(qū)農(nóng)田信息如圖3所示[6]。

植被長勢提取利用歸一化植被指數(shù)NDVI進行提取，計算NDVI公式。

NDVI=（1）

式（1）中，Rnir為近紅外波段反射率，Rred為紅外波段反射率。NDVI的取值范圍在[-1，1]，當(dāng)NDVI取值在[0，1]時，NDVI值越大，表示該地區(qū)植被覆蓋度越高；當(dāng)NDVI值為0時，表示該區(qū)域內(nèi)植被覆蓋為0；當(dāng)NDVI取值在[-1，0]時，代表該地區(qū)被非植被類型所覆蓋。

2 災(zāi)情定損評估

利用MRT（MODIS Reprojection Tool）工具對2013年6月中旬到2022年6月中旬的10副MODIS MOD13Q1文件數(shù)據(jù)及2013年7月下旬到2022年7月下旬的10幅數(shù)據(jù)進行預(yù)處理。MODIS MOD13Q1數(shù)據(jù)共包含11層數(shù)據(jù)，在本研究中僅需要提取歸一化植被指數(shù)層數(shù)據(jù)，對該層數(shù)據(jù)進行投影校正，采用通用橫墨卡托網(wǎng)格系統(tǒng)UTM（Universal Transverse Mercator Grid System）坐標(biāo)系，50條帶。由于MODIS MOD13Q1數(shù)據(jù)存儲12位整數(shù)數(shù)據(jù)，利用ArcGIS軟件對預(yù)處理后的數(shù)據(jù)進行相對應(yīng)的比例因子的縮放，縮放比例為0.000 01，得到250 m分辨率的歸一化植被指數(shù)數(shù)據(jù)。

分別將10幅6月中旬、10幅7月下旬歸一化植被指數(shù)數(shù)據(jù)的進行求和平均得到10年6月中旬的平均歸一化植被指數(shù)以及10年7月下旬平均歸一化植被指數(shù)，再利用ArcGIS軟件對250 m分辨率的歸一化植被指數(shù)數(shù)據(jù)進行重采樣得到與高分?jǐn)?shù)據(jù)相同分辨率的歸一化植被指數(shù)數(shù)據(jù)以便后續(xù)計算。再用ArcGIS軟件用7月下旬10年平均與6月中旬的10年平均數(shù)據(jù)進行差值處理，而后做平均得到與2023年雹災(zāi)發(fā)生同期的10年的歸一化植被指數(shù)差值，即該時期植被長勢平均值。再利用2023年雹災(zāi)發(fā)生7月下旬與6月中旬的歸一化植被指數(shù)差值與10年的歸一化植被指數(shù)差值進行對比分析，得到NDVI差值閾值。

利用雹災(zāi)后的植被長勢情況與災(zāi)前植被長勢情況進行對分析：利用ArcGIS軟件對受災(zāi)情況進行統(tǒng)計分析。受災(zāi)結(jié)果統(tǒng)計結(jié)果見表3，受災(zāi)等級示意圖如4所示。

3 結(jié)論

在此次冰雹災(zāi)害評估過程中統(tǒng)計了7個行政村農(nóng)田受災(zāi)面積、災(zāi)情等級。災(zāi)情較重的為紅旗村、寧中村，其中，紅旗村重災(zāi)受災(zāi)面積占種植面積的47.98%，寧中村重災(zāi)面積占種植面積的30.6%。

在此次冰雹災(zāi)害評估過程中使用NDVI差值閾值范圍需要進一步進行統(tǒng)計分析，以適應(yīng)全市范圍內(nèi)的冰雹災(zāi)害評估工作。

參考文獻

[1] 本刊編輯部.從高分專項工程到“高分家族”[J].中國測繪， 2020（10）：30-31.

[2] 李嵐斌，亢慶，黃俊.國產(chǎn)高分衛(wèi)星遙感在生產(chǎn)建設(shè)項目水土保持監(jiān)督中的應(yīng)用：以晉陜蒙接壤煤炭開發(fā)集中區(qū)為例[J].人民珠江，2019，40（2）：153-159.

[3] 李耀琛.衛(wèi)星遙感技術(shù)在氣象農(nóng)業(yè)保險定損中的應(yīng)用[J].內(nèi)蒙古科技與經(jīng)濟，2019（23）：51-52.

[4] 徐厚年.莒縣冰雹災(zāi)害特征分析及氣象諺語的應(yīng)用[J].山東氣象，2009，29（3）：21-22.

[5] 孫旭映，龐朝云，李寶梓，等.甘肅冰雹災(zāi)害對農(nóng)業(yè)的影響及其防御對策研究[J].干旱區(qū)資源與環(huán)境，2004（5）：34-37.

[6] 辛巖.基于高分六號衛(wèi)星數(shù)據(jù)的寧城縣一肯中鄉(xiāng)蔬菜大棚提取[J].內(nèi)蒙古科技與經(jīng)濟，2022（5）：61-62.