《Remote Sensing Applications: Society and Environment》：GEEadas: GEE-based Automatic Detection of Adverse-frost Stress
编辑推荐：
巴西玉米因霜冻受损，本研究利用Sentinel-2光学遥感和随机森林算法进行玉米种植区映射和霜冻损害检测，准确率达0.98，覆盖面积1.7%高于官方数据，有效减少不确定性，提升决策支持。
米歇尔·E·D·查韦斯（Michel E.D. Chaves）| 马科斯·阿达米（Marcos Adami）| 卢卡斯·奥尔多尼（Lucas Oldoni）| 格拉齐埃利·罗迪盖里（Grazieli Rodigheri）| 维克托·普鲁登特（Victor Prudente）| 克莱弗顿·桑塔纳（Cleverton Santana）| 安德烈·加西亚（André Garcia）| 雷南·科夫雷（Renan Covre）| 伊达·D·桑切斯（Ieda D. Sanches）
圣保罗州立大学（UNESP），科学与工程学院，图潘（Tup?），圣保罗，17602-496，巴西
摘要
由于第二季作物的增加，巴西的玉米产量在过去十年中翻了一番。然而，这些作物面临着风险，因为近期的天气模式减少了水资源，并使它们更容易受到霜冻等不利且更频繁的灾害的影响。在2020/2021年的第二季，巴拉那州（Paraná）发生了两次霜冻，导致农作物歉收，尤其是在巴拉那州西部这一重要的玉米生产区域。巴西传统的农作物霜冻损害评估方法主要依赖于样本调查，但这在一定程度上存在主观性。为了解决这一局限性，本研究探讨了结合光学遥感（Sentinel-2/多光谱仪器表面反射率）和机器学习（随机森林）技术在绘制玉米种植区域和检测霜冻损害方面的有效性。我们的方法首先涉及绘制2020/2021年巴拉那州西部的玉米种植图。接下来，我们区分了健康和受损的玉米区域。玉米种植图的总体准确率为0.98%，覆盖了740,007公顷的土地，比官方数据多出1.7%。两次霜冻共造成了69.6%的玉米受损（6月份占66.1%，5月份占3.5%）。与官方调查不同，我们的方法可以在生长季节（收获前）识别出受霜冻影响的区域，其与实地数据的一致性表明该方法有助于减少不确定性、投机行为和粮食安全问题。
章节摘录
引言
玉米（Zea mays L.）对粮食安全至关重要，具有很高的商业、社会经济和环境价值。近年来，尤其是热带国家的玉米产量显著增加。巴西是全球第三大玉米生产国和第二大出口国（联合国粮农组织，2023年数据）。过去十年间，巴西的玉米产量翻了一番，在2019/2020年度达到了1.0259亿吨，其中约四分之三的产量来自该地区
材料与方法
我们将方法分为六个部分。第一部分（2.1）描述了研究区域和第二季玉米的情况。第二部分（2.2）介绍了我们的方法并提供了流程图以指导读者。第三部分（2.3）详细介绍了遥感数据。第四部分（2.4）讨论了玉米种植图的绘制方法。随后，我们描述了如何利用该方法识别玉米种植区内的霜冻损害事件（第五部分（2.5）。最后，我们展示了
结果
我们的结果部分分为两部分。首先，我们展示了玉米种植图的结果和准确率（第3.1节）。接下来，我们描述了霜冻事件（第3.2节），包括所有进行的评估。
讨论
在这项研究中，我们探索了一种基于遥感的技术来绘制第二季玉米种植图，并随后识别受霜冻影响的玉米区域。总体而言，玉米种植图的准确率为96%（表2），识别出740,007公顷的第二季玉米种植面积。这一面积比通过地面调查识别的面积（727,537公顷）高出1.7%（见补充材料表1）。此外，我们的准确率与区分玉米与其他作物类型的研究结果一致
结论
本研究评估了一种用于绘制玉米种植图和识别霜冻损害方法的有效性。该方法识别的玉米种植面积比官方数据多出1.7%，准确率为0.98%。据估计，霜冻事件导致了69.6%的玉米受损。这些结果表明，该方法可以作为决策支持的工具，帮助应对极端事件的影响及其频率的增加。此外，我们还评估了基于Sentinel-2/多光谱仪器（S2/MSI）的光谱分析方法的有效性
作者贡献声明
格拉齐埃利·罗迪盖里（Grazieli Rodigheri）：撰写、审稿与编辑、验证、软件开发、数据分析、数据管理。维克托·普鲁登特（Victor Prudente）：撰写、审稿与编辑、验证、软件开发、数据分析、数据管理。克莱弗顿·桑塔纳（Cleverton Santana）：软件开发、数据分析、数据分析、数据管理。安德烈·加西亚（André Garcia）：撰写、审稿与编辑、软件开发、数据分析、数据管理。雷南·科夫雷（Renan Covre）：软件开发、数据分析、数据分析。伊达·D·桑切斯（Ieda D. Sanches）：撰写、审稿与
未引用参考文献
巴西国家食品供应公司（Brazilian National Food Supply Company），2021a；巴西国家食品供应公司（Brazilian National Food Supply Company），2021b；国家自然灾害监测与预警中心（National Center for Monitoring and Early Warning of Natural Disasters），2021；国家自然灾害监测与预警中心（National Center for Monitoring and Early Warning of Natural Disasters），2020；农业与农村经济部（State Secretariat of Agriculture and Supply/Rural Economy Department），2025。资助信息与致谢
作者感谢圣保罗研究基金会（FAPESP）（项目编号2021/07382-2（MEDC）；巴西国家科学技术发展委员会（CNPq）（项目编号306334/2020-8（MA）、142207/2018-7（LO）、141410/2020-5（GR）、141034/2021-1（AG）和310042/2021-6（IDS）；以及巴西高等教育人员培训协调委员会（CAPES）（财务代码001（RC））。作者还感谢相关作物保险公司。利益冲突声明
作者声明没有已知的财务利益冲突或可能影响本文工作的个人关系。致谢
作者感谢圣保罗研究基金会（FAPESP）、巴西国家科学技术发展委员会（CNPq）和巴西高等教育人员培训协调委员会（CAPES）。作者还感谢相关作物保险公司。资助信息将在审稿后补充。
