基于GA-CNN的农业旱灾恢复力及影响因素

作     者：刘东 姜宸一 张亮亮 李佳民 LIU Dong;JIANG Chenyi;ZHANG Liangliang;LI Jiamin

作者机构：东北农业大学水利与土木工程学院哈尔滨150030 农业农村部农业水资源高效利用重点实验室哈尔滨150030 黑龙江省寒区水资源与水利工程重点实验室哈尔滨150030 清华大学水圈科学与水利工程全国重点实验室北京100084 黑龙江省泥河水库管理处黑龙江兰西151500 

出 版 物：《南水北调与水利科技（中英文）》 (South-to-North Water Transfers and Water Science & Technology)

年 卷 期：2024年第22卷第4期

页      面：672-683页

学科分类：082802[工学-农业水土工程] 08[工学] 0828[工学-农业工程] 

基　　金：国家自然科学基金项目(52309012,52179008,51579044,41071053) 国家自然科学基金联合基金项目(U20A20318) 清华大学水圈科学与水利工程全国重点实验室开放基金项目(sklhse-2023-A-04) 水利部水圈科学重点实验室基金项目(mklhs-2023-03) 黑龙江省自然科学基金联合引导项目(LH2023E003,LH2021E007) 

主　　题：农业旱灾恢复力 遗传算法 卷积神经网络 熵值法 影响因素 

摘      要：为提高区域农业旱灾恢复力测度精度,构建基于遗传算法优化的卷积神经网络(convolutional neural networks optimized by genetic algorithm,GA-CNN)模型。以讷河市为研究区域,根据当地农业经济发展规律与水资源空间分布状况,选取11个农业旱灾恢复力表征指标,基于构建的GA-CNN模型精确测度研究区2010-2021年的旱灾恢复力,并采用熵值法对恢复力时间演变的关键驱动力进行解析。结果表明:研究时段内,讷河市农业旱灾恢复力在时间尺度上呈现先上升后下降再波动起伏的演变态势;森林覆盖率、单位面积粮食产量、人均水资源量等是影响研究区农业旱灾恢复力时程变化的主要驱动因子;研究构建的GA-CNN模型与传统CNN模型及SVM模型相比,平均绝对误差EMA分别降低了23.51%和32.36%,均方根误差ERMS分别降低了14.42%和25.32%,拟合优度R2分别增长了0.08%和1.08%,说明GA-CNN模型在拟合性、适配性、稳定性、可靠性以及评估精度等方面更具优势。研究成果可为区域农业旱灾恢复力测度提供一种更为可靠的新模型,也可为区域农业防旱减灾、应急管理等提供科学指导。