摘要：選用建始縣2021年 Sentinel-2 遙感影像資料，基于Google Earth Engine（GEE）云平臺(tái)計(jì)算植被覆蓋指數(shù)（NDVI）、歸一化水體指數(shù)（NDWI）以及歸一化建筑指數(shù)（NDBI）等參數(shù)，采用隨機(jī)森林算法將建始縣劃分為水域、林地、建設(shè)用地、耕地、煙葉5類，并結(jié)合建始縣氣象災(zāi)害風(fēng)險(xiǎn)普查成果，建立了建始縣煙區(qū)冰雹災(zāi)害風(fēng)險(xiǎn)區(qū)劃模型，對(duì)煙葉遭受的冰雹災(zāi)害風(fēng)險(xiǎn)等級(jí)進(jìn)行評(píng)估。結(jié)果表明，建始縣煙草種植區(qū)域主要分布于官店鎮(zhèn)中西部、花坪鎮(zhèn)大部及高坪鎮(zhèn)至茅田一線，大部分處于煙區(qū)冰雹災(zāi)害風(fēng)險(xiǎn)次低至中風(fēng)險(xiǎn)地區(qū)，需加強(qiáng)監(jiān)測(cè)預(yù)警，及時(shí)開展人工防雹作業(yè)；中部長(zhǎng)梁鄉(xiāng)、三里鄉(xiāng)、高坪鎮(zhèn)南部地區(qū)冰雹災(zāi)害風(fēng)險(xiǎn)等級(jí)低，可適當(dāng)增加煙葉種植面積；建始縣東北部及南部山區(qū)冰雹災(zāi)害風(fēng)險(xiǎn)等級(jí)較高，需要加強(qiáng)災(zāi)害防御，適當(dāng)減少煙葉種植。本研究結(jié)果作為2022年恩施州災(zāi)害風(fēng)險(xiǎn)普查成果典型案例應(yīng)用于實(shí)際業(yè)務(wù)中，為煙葉種植生產(chǎn)以及氣象防災(zāi)減災(zāi)提供了較好參考依據(jù)。

關(guān)鍵詞：遙感信息提取；GEE；煙葉；冰雹風(fēng)險(xiǎn)區(qū)劃；建始縣

中圖分類號(hào)：TP79" " " " "文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2024）08-0182-06

DOI：10.14088/j.cnki.issn0439-8114.2024.08.031 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Risk zoning of hail disaster in tobacco area of Jianshi County based on"GEE and Sentinel-2 images

ZHENG Xiang-tian1， LUO Ju-ying1， WANG Chuan-yi1， TAN Yan-li1， LIU Qiao1，WAN Jun2

（1.Meteorological Bureau of Enshi Autonomous Prefecture， Enshi" 445000，Hubei，China； 2. Wuhan Regional Climate Center， Wuhan" 430074，China）

Abstract： Sentinel-2 remote sensing images of Jianshi County in 2021 were selected， and based on GEE cloud platform， the parameters of NDVI， NDWI and NDBI were calculated. The random forest method was used to divide Jianshi County into five categories： water area， forest land， construction land， cultivated land and tobacco leaf. Combined with the results of the meteorological disaster risk survey in Jianshi County， the tobacco hail disaster risk regionalization model was established， and the risk grade of tobacco leaves subjected to hail disaster was evaluated. The results showed that the tobacco planting areas in Jianshi County were mainly distributed in the central and western parts of Guandian Town， most of Huaping Town， and the line from Gaoping Town to Maotian. Most of them were located in areas with low to medium risk of hail disasters in the tobacco growing areas. It was necessary to strengthen monitoring and early warning， and timely carry out artificial hail prevention operations. The risk level of hail disasters was low in the southern areas of Liangxiang， Sanli Township， and Gaoping Town， and the tobacco planting area could be appropriately increased. The risk level of hail disasters in the northeast and southern mountainous areas of Jianshi County was relatively high， and it was necessary to strengthen disaster prevention and appropriately reduce tobacco planting. The results of this study， as a typical case of the 2022 Enshi Prefecture disaster risk survey， had been applied in practical business， providing a good reference basis for tobacco planting production and meteorological disaster prevention and reduction.

Key words： remote sensing information extraction； GEE； tobacco； hail risk zoning； Jianshi County

建始縣屬于亞熱帶季風(fēng)濕潤(rùn)性山地氣候，總的氣候特點(diǎn)四季分明，雨熱同期，冬少嚴(yán)寒，夏少酷暑，良好光、熱、水條件下，適合多種植物生長(zhǎng)，森林覆蓋率達(dá)67.24%。垂直地域差異下，立體氣候特征顯著，農(nóng)業(yè)氣候資源豐富，作物布局形態(tài)多元，其中建始縣屬湖北省優(yōu)質(zhì)煙草生產(chǎn)基地，煙葉常年種植面積2 666.7 hm2左右，年產(chǎn)優(yōu)質(zhì)煙葉5 000 t左右，煙草是當(dāng)?shù)剞r(nóng)民經(jīng)濟(jì)收入的重要組成部分，也是致富增收的重要途徑［1］。從恩施州地形地勢(shì)圖來看，縣域主要位于州北部三面環(huán)山山谷縱深處的“倒V型”喇叭口中。復(fù)雜地形影響下，縣內(nèi)氣象災(zāi)害多發(fā)頻發(fā)，是恩施州暴雨和大暴雨中心，也是州內(nèi)冰雹等強(qiáng)對(duì)流天氣的多發(fā)和源發(fā)地。

冰雹是中小尺度強(qiáng)對(duì)流天氣引發(fā)的一種強(qiáng)烈天氣系統(tǒng)，是煙葉生產(chǎn)面臨的主要?dú)庀鬄?zāi)害之一，主要發(fā)生在4—9月，高峰期集中在3—5月，與煙葉大田生長(zhǎng)期高度重合。冰雹有突發(fā)性強(qiáng)、出現(xiàn)范圍小、持續(xù)時(shí)間短、災(zāi)情較重等特點(diǎn)，煙葉遭受冰雹襲擊后會(huì)對(duì)葉片及主莖造成不可逆?zhèn)Γ绊憻熑~產(chǎn)量質(zhì)量。本研究對(duì)煙葉產(chǎn)區(qū)與冰雹高發(fā)區(qū)域進(jìn)行劃分，可為人工防雹作業(yè)提供有效指導(dǎo)，提前規(guī)避風(fēng)險(xiǎn)，也可為相關(guān)部門提供種植規(guī)劃提供參考依據(jù)［2］。

查閱相關(guān)文獻(xiàn)，針對(duì)農(nóng)業(yè)自然災(zāi)害風(fēng)險(xiǎn)評(píng)估與區(qū)劃，國(guó)內(nèi)有不少研究成果，張峭等［3］利用基于災(zāi)情數(shù)據(jù)的評(píng)估方法對(duì)全國(guó)及31個(gè)省份的農(nóng)業(yè)自然災(zāi)害風(fēng)險(xiǎn)進(jìn)行了評(píng)估。劉彩紅等［4］在分析致災(zāi)因子危險(xiǎn)性、承災(zāi)體易損性評(píng)估指標(biāo)的基礎(chǔ)上，建立了冰雹災(zāi)害區(qū)劃模型。馮志敏等［5］、彭九慧等［6］、楊茜等［7］、李蒙等［8］基于GIS空間技術(shù)形成冰雹災(zāi)害風(fēng)險(xiǎn)區(qū)劃。鄒雨伽等［9］、張建康［10］、曹茹等［11］從致災(zāi)因子、承災(zāi)體、孕災(zāi)環(huán)境、防災(zāi)減災(zāi)能力四個(gè)方面構(gòu)建冰雹災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)模型。針對(duì)鄂西山區(qū)煙葉種植分布及自然災(zāi)害風(fēng)險(xiǎn)區(qū)劃研究，特別是針對(duì)冰雹災(zāi)害風(fēng)險(xiǎn)評(píng)估及區(qū)劃，目前基本處于起步階段，有研究的必要。

遙感數(shù)據(jù)信息量大、覆蓋面廣、周期短、對(duì)地形環(huán)境適應(yīng)力強(qiáng)等多方面的優(yōu)勢(shì)常被用于農(nóng)業(yè)監(jiān)測(cè)中，相對(duì)于其他方法，目前遙感技術(shù)是一種高效便捷的方法［12］。本研究基于GEE平臺(tái)，通過對(duì)Sentinel-2遙感影像進(jìn)行分析，在建始縣煙葉種植區(qū)選擇訓(xùn)練樣本點(diǎn)，結(jié)合隨機(jī)森林算法快速對(duì)建始區(qū)域尺度的土地利用類型進(jìn)行分類，實(shí)現(xiàn)了建始縣煙葉種植區(qū)域的快速提取。其次，結(jié)合建始縣歷年氣象觀測(cè)數(shù)據(jù)、冰雹災(zāi)情數(shù)據(jù)和氣象災(zāi)害風(fēng)險(xiǎn)普查成果，對(duì)建始縣煙葉遭受冰雹災(zāi)害的風(fēng)險(xiǎn)等級(jí)進(jìn)行了劃分，為煙葉種植生產(chǎn)以及氣象防災(zāi)減災(zāi)提供了指導(dǎo)。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

建始縣隸屬于湖北省恩施土家族苗族自治州，位于湖北省西南山區(qū)，地處30°03′—30°54′N，109°32′—110°12′E，東連巴東縣，南鄰鶴峰縣，西接恩施市，北與重慶接壤，屬于亞熱帶季風(fēng)濕潤(rùn)性山地氣候，縣域版圖形似蘑菇，南北山巒雄峻，中部低丘平緩，地形錯(cuò)綜復(fù)雜，溝壑縱橫，海拔懸殊，在237～" " "2 079 m，具體見圖1。

1.2 資料及數(shù)據(jù)來源

1）遙感數(shù)據(jù)使用2021年GEE平臺(tái)上經(jīng)輻射定標(biāo)、大氣校正的Sentinel-2 L2A影像，反映了地表的反射率信息，經(jīng)過云量篩選、拼接、裁剪等操作后得到覆蓋研究區(qū)的遙感影像，同時(shí)選取相應(yīng)的Google Earth影像制作樣本點(diǎn)數(shù)據(jù)集。

GEE平臺(tái)提供了大量的衛(wèi)星數(shù)據(jù)，較常規(guī)遙感影像分析軟件可批量、快速地進(jìn)行數(shù)據(jù)分析［13］。哨兵2號(hào)衛(wèi)星是高分辨率多光譜成像衛(wèi)星，攜帶了一枚多光譜成像儀（MSI），可提供土壤、植被、水體及海洋區(qū)域等地的監(jiān)測(cè)圖像，哨兵2號(hào)衛(wèi)星于2015年6月發(fā)射，共包含有13個(gè)波段，分辨率分別在10、20或60 m不等，幅寬290 km，滿足使用要求，詳細(xì)波段信息見表1。

2）地面觀測(cè)數(shù)據(jù)主要采用建始縣內(nèi)38個(gè)氣象觀測(cè)站（國(guó)家站1個(gè)，觀測(cè)時(shí)間序列為1961—2021年，區(qū)域站36個(gè)，觀測(cè)時(shí)間序列為2009—2021年，旅游氣象站1個(gè)，觀測(cè)時(shí)間序列為2014—2021年）的天氣現(xiàn)象觀測(cè)記錄。

3）冰雹災(zāi)害數(shù)據(jù)參考?xì)庀鬄?zāi)害管理系統(tǒng)、《中國(guó)氣象災(zāi)害大典（湖北卷）》、建始縣民政志以及建始縣人工消雹作業(yè)記錄等記載的災(zāi)情信息。

2 分析方法

2.1 隨機(jī)森林算法

隨機(jī)森林算法是2001年由Breiman提出的機(jī)器學(xué)習(xí)方法［14］，是采用多棵樹進(jìn)行樣本訓(xùn)練并預(yù)測(cè)的分類器，將多棵決策樹組成森林模式，由每棵決策樹隨機(jī)抽取樣本數(shù)據(jù)和特征量進(jìn)行分類，判斷其屬性后通過投票產(chǎn)生分類結(jié)果，具體實(shí)現(xiàn)步驟如下：假設(shè)訓(xùn)練集T的大小為N，特征數(shù)目為M，隨機(jī)森林大小為K，從訓(xùn)練集合T中采取有放回的方式抽樣n（nlt;N）次形成新的子訓(xùn)練集D，隨機(jī)選擇m（mlt;M）個(gè)特征，再利用新的訓(xùn)練集D和特征m，得到一個(gè)完整的決策樹，并對(duì)決策樹的預(yù)測(cè)結(jié)果投票，票最多的類別即為最終結(jié)果。隨機(jī)森林算法相對(duì)于其他分類方法訓(xùn)練速度較快，且不容易過擬合，隨機(jī)森林算法結(jié)構(gòu)如圖2所示。

2.2 特征選取

2.2.1 歸一化植被指數(shù) 歸一化植被指數(shù)（NDVI）是目前應(yīng)用最廣泛的植被指數(shù)之一，它通過測(cè)量近紅外（植被反射）和紅光（植被吸收）之間的差異來量化植被，多用于檢測(cè)植被生長(zhǎng)狀況和植被覆蓋度等，取值范圍在［-1，1］，當(dāng)值為負(fù)數(shù)時(shí)，代表地物為云、水、雪等，正值為植被，接近0時(shí)則表示地面覆蓋為巖石、裸土及城市化區(qū)域，數(shù)值越大表示植被越健康［15］。其計(jì)算公式為：

[NDVI=（BNIR-Bred）（BNIR+Bred）] （1）

式中，BNIR代表近紅外波段反射輻射值；Bred代表紅光波段反射輻射值。

2.2.2 歸一化水體指數(shù) 水體對(duì)電磁波反射從可見光到中紅外波段逐漸減弱，在中紅外波段到近紅外波段范圍內(nèi)幾乎無反射，植被在近紅外波段反射率則最強(qiáng)，歸一化水體指數(shù)（NDWI）由Gao［16］在1996年提出，歸一化水體指數(shù)最大程度地抑制了植被的信息，以達(dá)到突出水體信息的目的。其取值范圍在［-1，1］，NDWI大于0表示為水體，而植被、裸露土地等地物的NDWI小于0，一般綠色植被的范圍在［-0.1，-0.4］［17］，NDWI計(jì)算公式為：

[NDWI=（BGreen-BNIR）（BGreen+BNIR）] " （2）

式中，BGreen為綠光波段反射輻射值。

2.2.3 歸一化建筑指數(shù) 歸一化建筑指數(shù)（NDBI）是查勇等［18］在楊山等［19］的仿歸一化植被指數(shù)的基礎(chǔ)上提出來的，主要被應(yīng)用在提取城鎮(zhèn)建筑物用地方面，數(shù)值越大表明建筑物占地比例越高，密度越大，可以較好地反映建筑物的用地信息。NDBI計(jì)算公式為：

[NDBI=（RMIR-RNIR）（RMIR+RNIR）] （3）

式中，RMIR為中紅外波段的反射輻射值；RNIR為近紅外波段反射輻射值；NDBI取值大于0為建筑用地。

2.3 冰雹分析方法

結(jié)合建始縣氣象災(zāi)害風(fēng)險(xiǎn)普查成果中對(duì)冰雹災(zāi)害致災(zāi)因子危險(xiǎn)性評(píng)估的方法，按照表2對(duì)冰雹直徑進(jìn)行定量轉(zhuǎn)換。

選用最大冰雹直徑、降雹持續(xù)時(shí)間、降雹頻次進(jìn)行加權(quán)求和，得到致災(zāi)因子危險(xiǎn)性指數(shù)（VE）。

[VE=WDXD+WTXT+WRXR]" （4）

式中，XD為最大冰雹直徑平均值；XT為降雹持續(xù)時(shí)間平均值；XR為降雹頻次累計(jì)值；WD、WT、WR為3個(gè)因子，比值設(shè)定為7∶2∶1。

表2 冰雹直徑定性描述對(duì)應(yīng)的冰雹直徑估算

[信息描述 估算直徑//mm 綠豆、米粒 5 玉米粒、豌豆粒、黃豆粒 8 花生米 10 蠶豆粒、杏核 15 鵪鶉蛋、葡萄、棗、衛(wèi)生球 20 乒乓球、核桃 40 雞蛋 50 拳頭 60～70 ]

2.4 精度評(píng)價(jià)及方法

本研究在遙感地物分類中利用混淆矩陣進(jìn)行精度驗(yàn)證，具體包括總體精度、Kappa系數(shù)、用戶精度等，是目前使用范圍最廣的遙感影像分類精度評(píng)價(jià)指標(biāo)。

3 區(qū)劃及評(píng)價(jià)分析

3.1 地物分類結(jié)果

本研究首先基于GEE平臺(tái)選用2021年4—9月的Sentinel-2號(hào)遙感影像進(jìn)行去云、裁剪、融合篩選等操作處理后，利用B2～B12原始波段提取光譜特征，并提取了可以描述植被生長(zhǎng)狀況的歸一化植被指數(shù)（NDVI）、歸一化水體指數(shù)（NDWI）、歸一化建筑指數(shù)（NDBI）等光譜信息，選用角二階矩、對(duì)比度、方差、熵提取紋理特征消除同物異譜現(xiàn)象，提取海拔、坡度、坡向和山體陰影消除地形影響，構(gòu)建了建始縣區(qū)域較為完整的遙感影像分類特征集，并在GEE平臺(tái)隨機(jī)均勻地進(jìn)行影像樣本選取、計(jì)算分類等操作，之后將各類樣本按照7∶3的比例隨機(jī)分配為訓(xùn)練樣本和驗(yàn)證樣本，在訓(xùn)練樣本和驗(yàn)證樣本中隨機(jī)選取指定數(shù)量的樣本基于隨機(jī)森林算法進(jìn)行分類試驗(yàn)，將建始縣劃分為水域、林地、建設(shè)用地、耕地、煙葉5種地物類別，圖3為進(jìn)行隨機(jī)森林分類的數(shù)據(jù)流程，表3為Google Earth Pro歷史影像訓(xùn)練樣本點(diǎn)統(tǒng)計(jì)。

利用特征和指定數(shù)量的訓(xùn)練樣本構(gòu)建隨機(jī)森林模型，分類樹數(shù)量設(shè)置為100，由于最大特征數(shù)為特征的開平方時(shí)分類效果最好［20，21］，因此最大特征數(shù)設(shè)置為4，整體分類精度為91.83%，Kappa系數(shù)為0.79。表4為分類結(jié)果混淆矩陣，表明利用光譜、植被指數(shù)、紋理、地形等特征能較好地挖掘遙感影像信息，分類精度總體較高。圖4為對(duì)建始縣進(jìn)行土地利用分類后的結(jié)果，可看出地物類別清晰，總體林地覆蓋度較高，煙葉種植區(qū)域不集中，零星分布于縣域的中部及南部地區(qū)。

3.2 冰雹災(zāi)害風(fēng)險(xiǎn)分析

冰雹災(zāi)害風(fēng)險(xiǎn)程度主要結(jié)合冰雹發(fā)生頻率、冰雹災(zāi)害危險(xiǎn)性、承災(zāi)體環(huán)境等因素反映，綜合考慮冰雹發(fā)生的頻次和人工消雹作業(yè)頻次等因素，得到建始縣冰雹災(zāi)害危險(xiǎn)性區(qū)劃如圖5所示。冰雹災(zāi)害高危險(xiǎn)區(qū)集中在龍坪鄉(xiāng)北部區(qū)域、官店鎮(zhèn)西部及中東大部分區(qū)域，較高危險(xiǎn)區(qū)集中在花坪鎮(zhèn)大部、高坪鎮(zhèn)北部、龍坪鄉(xiāng)南部，其他地區(qū)為低至較低危險(xiǎn)區(qū)。

考慮建始縣煙葉實(shí)際種植分布情況、冰雹發(fā)生頻次、冰雹災(zāi)害危險(xiǎn)性等關(guān)系，分別給各圖層賦予權(quán)重0.3、0.5、0.2，經(jīng)ArcGIS按柵格進(jìn)行疊加分析計(jì)算后得到建始縣煙區(qū)冰雹災(zāi)害風(fēng)險(xiǎn)區(qū)劃圖如圖6所示，建始縣煙區(qū)遭受冰雹災(zāi)害風(fēng)險(xiǎn)呈東高西低的分布，在龍坪鄉(xiāng)的東北部和官店鎮(zhèn)的東南部為遭受冰雹災(zāi)害高風(fēng)險(xiǎn)區(qū)，花坪鎮(zhèn)西部、高坪鎮(zhèn)北部至茅田鄉(xiāng)一帶、官店鎮(zhèn)中北部至景陽鎮(zhèn)東部為中等風(fēng)險(xiǎn)地區(qū)，建始縣其余中部大部地區(qū)都屬于低至次低風(fēng)險(xiǎn)區(qū)。

4 小結(jié)

從時(shí)間上來看，建始縣冰雹一般集中發(fā)生在" " "4—9月，占全年的90%以上，從遙感圖像地物分類結(jié)果來看，建始縣煙草種植區(qū)域主要分布于官店鎮(zhèn)中西部、花坪鎮(zhèn)大部及高坪鎮(zhèn)至茅田一線，大部分地區(qū)處于煙區(qū)冰雹災(zāi)害風(fēng)險(xiǎn)次低至中風(fēng)險(xiǎn)地區(qū)，需加強(qiáng)監(jiān)測(cè)預(yù)警，及時(shí)開展人工防雹作業(yè)；中部長(zhǎng)梁鄉(xiāng)、三里鄉(xiāng)、高坪鎮(zhèn)南部地區(qū)冰雹災(zāi)害風(fēng)險(xiǎn)等級(jí)低，可適當(dāng)增加煙葉種植面積；建始縣東北部及南部山區(qū)冰雹災(zāi)害風(fēng)險(xiǎn)等級(jí)較高，需要加強(qiáng)災(zāi)害防御，適當(dāng)減少煙葉種植。

本研究利用遙感技術(shù)和歷年災(zāi)害數(shù)據(jù)對(duì)煙葉遭受冰雹災(zāi)害的風(fēng)險(xiǎn)等級(jí)進(jìn)行評(píng)估，為建始縣農(nóng)業(yè)災(zāi)害管理提供了新方法，為實(shí)現(xiàn)煙葉生產(chǎn)的災(zāi)害監(jiān)測(cè)提供了新的技術(shù)手段。本研究結(jié)果作為2022年恩施州災(zāi)害風(fēng)險(xiǎn)普查成果典型案例應(yīng)用于實(shí)際業(yè)務(wù)中，為煙葉種植生產(chǎn)以及氣象防災(zāi)減災(zāi)提供了較好參考依據(jù)，提高了建始縣冰雹災(zāi)害的風(fēng)險(xiǎn)防控能力。

參考文獻(xiàn)：

［1］ 段再林， 張之昌. 引進(jìn)·吸收·發(fā)展——記建始縣煙草公司［J］. 中國(guó)經(jīng)貿(mào)， 2001（1）：70-71.

［2］ 朱君鑒， 刁秀廣， 黃秀韶. 一次冰雹風(fēng)暴的CINRAD/SA產(chǎn)品分析［J］. 應(yīng)用氣象學(xué)報(bào)， 2004（5）：579-589.

［3］ 張 峭， 王 克.我國(guó)農(nóng)業(yè)自然災(zāi)害風(fēng)險(xiǎn)評(píng)估與區(qū)劃［J］.中國(guó)農(nóng)業(yè)資源與區(qū)劃，2011，32（3）：32-36.

［4］ 劉彩紅， 王黎俊， 王振宇，等.基于災(zāi)損評(píng)估的青海高原冰雹災(zāi)害風(fēng)險(xiǎn)區(qū)劃［J］. 冰川凍土， 2012， 34（6）：1409-1415.

［5］ 馮志敏， 張山清， 辛海強(qiáng). 基于GIS的巴楚縣冰雹災(zāi)害農(nóng)業(yè)風(fēng)險(xiǎn)區(qū)劃研究［J］. 測(cè)繪與空間地理信息， 2021， 44（12）：57-60.

［6］ 彭九慧， 王 多， 趙 巖，等. 基于GIS的承德市冰雹災(zāi)害風(fēng)險(xiǎn)區(qū)劃［J］. 沙漠與綠洲氣象， 2019， 13（1）：105-109.

［7］ 楊 茜， 高陽華. 基于GIS的重慶市冰雹災(zāi)害風(fēng)險(xiǎn)區(qū)劃［J］.西南大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2013， 35（7）：133-138.

［8］ 李 蒙， 朱 勇， 吉文娟. 基于GIS的云南煙區(qū)冰雹災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)［J］. 中國(guó)農(nóng)業(yè)氣象， 2012， 33（1）：129-133.

［9］ 鄒雨伽， 張玉芳， 代昕鷺，等.四川省錯(cuò)季草莓生產(chǎn)區(qū)冰雹災(zāi)害分布及風(fēng)險(xiǎn)區(qū)劃［J］. 湖北農(nóng)業(yè)科學(xué)， 2020， 59（2）：49-54.

［10］ 張建康.基于ArcGIS技術(shù)的榆林市冰雹災(zāi)害風(fēng)險(xiǎn)區(qū)劃［J］. 農(nóng)業(yè)災(zāi)害研究， 2015， 5（12）：32-34.

［11］ 曹 茹， 陳 浩. 寶雞市冰雹災(zāi)害風(fēng)險(xiǎn)區(qū)劃研究［J］. 自然災(zāi)害學(xué)報(bào)， 2019， 28（2）：145-152.

［12］ 任志鵬， 高 睿， 王大慶. 基于哨兵2號(hào)多光譜影像的水稻倒伏識(shí)別與分類［J］. 節(jié)水灌溉， 2022（7）：44-50.

［13］ 董雯凱， 趙青芬. 基于GEE平臺(tái)聯(lián)合Landsat數(shù)據(jù)的農(nóng)作物分類方法研究［J］. 經(jīng)緯天地， 2021（5）：46-49，54.

［14］ BREIMAN L. Random forests［J］. Machine learning，2001，45（1）：5-32.

［15］ 秦 鵬， 陳健飛. ASTER影像提取植被信息的 NDVI與 SAVI法比較——以廣州花都區(qū)為例［J］.熱帶地理，2008（5）：419-422.

［16］ GAO B C. NDWI——A normalized difference water index for remote sensing of vegetation liquid water from space［J］. Remote sensing of environment， 1996， 58（3）：257-266.

［17］ 劉宏潔， 宋文龍， 劉昌軍，等. 基于歸一化水體指數(shù)及其閾值自適應(yīng)算法的水體遙感反演效果分析［J］. 中國(guó)水利水電科學(xué)研究院學(xué)報(bào)（中英文）， 2022， 20（3）：251-261.

［18］ 查 勇， 倪紹祥， 楊 山. 一種利用TM圖像自動(dòng)提取城鎮(zhèn)用地信息的有效方法［J］. 遙感學(xué)報(bào)， 2003， 7（1）：37-40，82.

［19］ 楊 山，查 勇. 太湖流域城鎮(zhèn)形態(tài)的遙感信息提取模型研究［J］. 長(zhǎng)江流域資源與環(huán)境， 2002（1）：27-31.

［20］ 秦海超， 駱煥成， 王 笑.基于GEE和Sentinel-2影像的臨沂市土地利用/覆被分類信息提取［J］. 工程勘察， 2021，49（8）：69-73.

［21］ 胡云鋒， 商令杰， 張千力，等. 基于GEE平臺(tái)的1990年以來北京市土地變化格局及驅(qū)動(dòng)機(jī)制分析［J］. 遙感技術(shù)與應(yīng)用， 2018， 33（4）：573-583.

基金項(xiàng)目：湖北省煙草公司重點(diǎn)科技項(xiàng)目（027Y2021-020；027Y2021-021）；恩施州氣象局科技項(xiàng)目（202005）

作者簡(jiǎn)介：鄭翔天（1992-），男，湖北恩施人，工程師，碩士，主要從事天氣預(yù)報(bào)服務(wù)及應(yīng)用氣象研究工作，（電話）15754711789（電子信箱）460067709@qq.com。