典型文献
基于机器学习算法的安徽省农业旱灾风险动态评估
文献摘要：
基于安徽省及周边139个气象站点1960-2016年气象数据和2002-2017年的统计年鉴数据,通过机器学习算法随机森林、聚类分析方法构建安徽省农业旱灾风险评估模型,从致灾因子的危险性和孕灾环境与承灾体的脆弱性角度,动态评估安徽省农业旱灾风险时空演变规律并揭示其主要影响因素.研究结果表明:(1)旱灾危险性在不同年代的空间分布变化较大.在2000 s期间,安徽省南部北部出现干湿反转,南部危险性超过北部.在农作物关键生长期(3-8月份),4月和7-8月的危险性高值区域超过全省1/2面积.2001-2016年安徽省旱灾危险性由南向北递减,北部区域危险性变化(2.86)大于南部区域(0.55),南部区域危险性存在减小趋势,北部存在增大趋势.(2)脆弱性指标中复种指数、人均水资源量、农村居民纯收入、人均GDP、人均粮食产量、森林覆盖率这6个指标权重最高,占整个指标权重一半以上(57.6％).加权评分得到2001-2016年安徽省农业旱灾脆弱性,其均值由南向北递增,各个区域脆弱性存在下降趋势,南部区域下降趋势更大,而北部区域下降趋势不显著.(3)2001-2016年安徽省农业旱灾综合风险均值达到中等级(0.208～0.339),旱灾综合风险均值由西南向东北呈现"高(0.367)-低(0.084)-高(0.281)"分布,变异系数大(0.64～2.86).安徽省南部区域农业旱灾综合风险存在减小趋势,而北部区域作为重要粮食主产区,其农业旱灾综合风险存在上升趋势.(4)各市受灾面积与绝收面积在时间上具有同步性,且旱灾受灾率与脆弱性均值空间分布一致,旱灾绝收率与危险性均值空间分布一致.安徽省农业旱灾综合风险和旱灾受灾率、绝收率通过了 99％的显著性检验,表明构建的安徽省旱灾综合风险评估体系具有合理性.
文献关键词：
SPEI;随机森林;旱灾;危险性;脆弱性;动态风险评估;干旱;气候变化
中图分类号：
作者姓名：
孙鹏;刘果镍;梁媛媛;李虎;陈冬花;刘玉锋
作者机构：
安徽师范大学地理与旅游学院,安徽芜湖 241002;资源环境与地理信息工程安徽省工程技术研究中心,安徽芜湖 241002;江淮流域地表过程与区域响应安徽省重点实验室,安徽芜湖 241002;滁州学院计算机与信息工程学院,安徽滁州 239099
文献出处：
引用格式：
[1]孙鹏;刘果镍;梁媛媛;李虎;陈冬花;刘玉锋-.基于机器学习算法的安徽省农业旱灾风险动态评估)[J].水利水电技术（中英文）,2022(05):22-35
A类：
B类：
基于机器学习,机器学习算法,农业旱灾,旱灾风险,风险动态评估,气象站点,气象数据,统计年鉴,聚类分析方法,建安,风险评估模型,致灾因子,孕灾环境,承灾体,脆弱性,时空演变,演变规律,空间分布变化,干湿,生长期,由南向北,复种指数,水资源量,农村居民,纯收入,粮食产量,森林覆盖率,分得,南向东,区域农业,粮食主产区,各市,受灾面积,绝收,同步性,显著性检验,综合风险评估,风险评估体系,SPEI,动态风险评估
AB值：
0.246731
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
