中国农业综合风险与粮食产能的空间错配及驱动机制——基于可解释机器学习的实证分析

《Land》:Spatial Patterns and Nonlinear Associations Between Agricultural Comprehensive Risk and Grain Production Capacity in China: Evidence from Explainable Machine Learning

【字体: 大 中 小 】 时间:2026年10月22日 来源:Land 3.5

编辑推荐:

   摘要

  

摘要

气候变化、极端事件频发以及资源和环境约束的收紧,正在加大粮食生产的不确定性,使得农业风险评估对粮食安全至关重要。然而,较高的实际生产能力并不必然意味着低风险,基于产出的评估可能掩盖气候、生态和社会经济方面的脆弱性。我们利用2000至2022年间中国180个地级市的4140个城市—年份面板数据,构建了一个涵盖气候气象暴露度、生态环境条件和社会经济脆弱性的农业综合风险指数(ACRI),并考察其与粮食生产能力的共同空间格局与演变趋势。通过可解释机器学习方法(XGBoost + SHAP),我们识别了关键预测变量、非线性效应、交互作用及区域异质性。研究发现,风险与生产能力之间存在明显的空间错配和不同步的动态变化。高产能、中高至高风险区域主要集中在中国东北、华北以及部分中东部地区,而西南和西部地区部分区域则呈现低产能、中高至高风险的特征。生态环境变量贡献了77.6%的全球SHAP重要性,且具有强烈的非线性关联和涉及热量、植被及生产力因子的非加性交互作用。在样本期内,预测结果对热量、生态以及部分干旱和洪水相关特征的依赖性逐步增强,且中国南北方存在明显差异。上述结果表明,实际的粮食生产能力不能替代农业风险评估。因此,粮食安全治理应将产能与风险联合评估,并针对区域特异性约束进行精准施策。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号