基于作物模型和机器学习的南方水稻产量阴雨寡照风险评估与应用
文献类型：学位论文
| 作者 | 孙月霞 |
| 答辩日期 | 2023-06 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 董金玮 ; 张帅 |
| 关键词 | 作物生长模型 机器学习 水稻 阴雨寡照 农业保险 |
| 学位名称 | 硕士 |
| 学位专业 | 地图学与地理信息系统 |
| 英文摘要 | 随着全球变暖形势加剧，气象灾害频发，如何量化气候变化影响，解析灾害的减产机制，进而准确评估灾害风险，是目前农业生产研究的热点之一，也是精准厘定纯保险费率的前提。水稻（Oryza sativa L.）是三大主要粮食（水稻、小麦、玉米）之一，其中，南方稻区占全国水稻产量的90%，而阴雨寡照作为南方稻区常见的气象灾害之一，严重影响水稻的生长发育。因此探索南方稻区阴雨寡照的频率和强度，量化灾害损失，对该地区乃至全国的粮食安全具有重要指导意义。本研究通过整合多种机器学习方法、MCWLA-Rice 作物生长模型和卫星数据，构建基于情景驱动的南方水稻阴雨寡照脆弱性模型，量化灾害损失，并探索阴雨寡照脆弱性模型在区域尺度厘定纯保险费率的潜力。主要结论如下： （1）1991-2020 年5-10 月，南方稻区阴雨寡照发生时长和频率具有显著的时空变化特征。时间尺度上，1991-2020 年发生灾害的天数呈现先波动下降后波动上升的趋势，其中，2005-2020 年，发生轻度灾害的天数整体呈现波动下降趋势，平均下降幅度为1.0d/10a，中度灾害和重度灾害则呈现波动上升趋势，平均上升幅度分别为0.97d/10a、5.6d/10a。空间尺度上，四川、湖南为阴雨寡照灾害高发区，5-10 月阴雨寡照发生频率为10%~30%，且发生重度灾害的频率相对较高，范围为4%~16%，江苏、安徽稻区以轻度阴雨寡照灾害为主。 （2）阴雨寡照造成的水稻减产程度因灾害发生时期、灾害严重程度及灾害持续天数而异。灌浆期是水稻生长发育的关键期，在此期间遭受阴雨寡照灾害对水稻产量产生的影响比生长前期（如移栽-抽穗期）更大。阴雨寡照期间，日照时长越短，太阳辐射越少，产量损失越严重，而此期间降水量的上下浮动（在不构成洪涝灾害情况下）对水稻产量的影响较小。阴雨寡照灾害持续天数是决定水稻减产率的关键因子，平均每增加一天的灾害时长，单季稻、早稻、晚稻减产率分别增加约0.45%、0.59%、0.52%。 （3）三种常见的机器学习算法——随机森林（RF）、神经网络（NN）、支持向量机（SVM）在反映预测因子和目标变量之间的复杂关系方面具有良好的性能。基于这三种算法构建的阴雨寡照脆弱性模型测试集的R2 分别为0.93、0.86、0.71，RMSE 分别为1.02%，1.39%，2.04%，随机森林效果最佳，同时能够提供各预测因子在确定目标变量时的相对重要性。随机森林构建的阴雨寡照脆弱性模型中，灾害持续天数对评估水稻减产率最为重要，贡献度达到5.3%~9.2%，日照减少比例、太阳辐射距平、灾害发生时期及生育期内最大叶面积指数均对模型具有重要影响，贡献度范围为1.2%~4.7%，而经纬度信息在模型中贡献度不高，贡献度范围为0.3%~1.0%，该模型具有向大区域范围拓展的巨大潜力。 （4）2020 年属于阴雨寡照灾害年，灾害发生频率和造成的水稻减产率呈现显著的空间差异。在水稻生育期（移栽期-成熟期）内，95%置信水平下，研究区单季稻、早稻、晚稻的平均灾害频率为17.37%±2.28%，16.34%±2.30%，18.35%±2.59%。灾害对单季稻、早稻、晚稻造成不同程度的产量损失，研究区平均减产率分别为4.92%±0.48%，6.05%±0.99%，5.49%±0.81%。其中，单季稻的受灾面积范围最广，而早稻因此造成的产量损失最严重。同时基于随机森林构建的脆弱性模型可以估算出能体现显著空间差异的纯保险费率，单季稻、早稻、晚稻的纯保险费率分别为0.99%±0.15%，1.27%±0.29%，1.25%±0.26%，为设计农业保险产品提供新思路。 本研究通过识别解析南方稻区阴雨寡照的时空分布特征，解析阴雨寡照对产量的影响机制，并结合机器学习方法和作物模型，对阴雨寡照的风险进行评估，旨在为相关农业政策、防灾减灾措施和农业气象灾害保险提供科学依据和理论支撑。 |
| 语种 | 中文 |
| 页码 | 94 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/199725]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 孙月霞. 基于作物模型和机器学习的南方水稻产量阴雨寡照风险评估与应用[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2023. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。