基于机器学习算法的安徽省农业旱灾风险动态评估OA北大核心CSTPCD
Machine learning algorithm-based dynamic assessment of agricultural drought dangerousness in anhui province
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-…查看全部>>
孙鹏;刘果镍;梁媛媛;李虎;陈冬花;刘玉锋
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安徽师范大学地理与旅游学院,安徽芜湖 241002
天文与地球科学
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
《水利水电技术（中英文）》 2022 (5)
水文干旱驱动因子定量识别及对气象干旱的响应研究-以颍河为例
22-35,14
安徽省自然科学基金优青项目(2108085Y13)安徽省重点研究与开发计划项目(2022m07020011)国家自然科学基金项目(41601023)安徽高校协同创新项目(GXXT 2021048)高校优秀青年人才支持计划重点项目(gxyqZD2021094)
评论