農(nóng)業(yè)氣象災(zāi)害多風(fēng)險(xiǎn)評(píng)估對(duì)于防災(zāi)減災(zāi)、制定風(fēng)險(xiǎn)對(duì)策具有重要意義。根據(jù)1980—2015年陜西省農(nóng)業(yè)氣象災(zāi)害年度統(tǒng)計(jì)資料和2015—2018年農(nóng)戶(hù)調(diào)研數(shù)據(jù),運(yùn)用貝葉斯網(wǎng)絡(luò)、貝葉斯分層模型(BHM)等多風(fēng)險(xiǎn)評(píng)估方法,分析陜西省農(nóng)業(yè)氣象災(zāi)害的變化趨勢(shì)、災(zāi)害間相互作用以及生計(jì)資本對(duì)于不同作物脆弱性的影響。結(jié)果表明:(1)1980—2015年陜西省洪澇的災(zāi)害率和災(zāi)害強(qiáng)度顯著下降,斜率分別為0.17%、0.7%,冷凍的災(zāi)害率顯著上升,斜率為0.25%,干旱和風(fēng)雹災(zāi)害無(wú)明顯變化;(2)干旱和洪澇顯著影響其他災(zāi)害,各種災(zāi)害之間存在復(fù)雜的相互作用;(3)增加有效灌溉面積率、農(nóng)作物種植面積、農(nóng)村用電量和農(nóng)用磷肥施用折純量等生計(jì)資本指標(biāo),可以顯著降低脆弱性。本文有助于提高農(nóng)戶(hù)對(duì)農(nóng)業(yè)氣象災(zāi)害的適應(yīng)能力,為預(yù)防和治理農(nóng)業(yè)氣象災(zāi)害提供決策參考。

【文章頁(yè)數(shù)】：12 頁(yè)

【部分圖文】：

圖1評(píng)估農(nóng)業(yè)氣象災(zāi)害的三級(jí)分層框架

農(nóng)業(yè)氣象災(zāi)害多風(fēng)險(xiǎn)評(píng)估必須考慮多重災(zāi)害與多重脆弱性這兩個(gè)核心要素[19]。脆弱性由社會(huì)生計(jì)資本與氣候變化相互作用所決定，表示受災(zāi)個(gè)體應(yīng)對(duì)災(zāi)害的波動(dòng)性、隨機(jī)性和壓力變化的趨勢(shì)，是暴露、敏感性和適應(yīng)能力的函數(shù)，脆弱性分析應(yīng)考慮不同條件下的脆弱性與受災(zāi)個(gè)體的動(dòng)態(tài)變化[20]。多重災(zāi)害是....

圖21980—2015年陜西省各種災(zāi)害的災(zāi)害率、災(zāi)害強(qiáng)度變化趨勢(shì)

對(duì)實(shí)地調(diào)研的數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)調(diào)查的農(nóng)戶(hù)主要集中在關(guān)中地區(qū)，共有14個(gè)縣，310戶(hù)農(nóng)戶(hù)，其他9個(gè)縣分布在陜北陜南地區(qū)，共有309戶(hù)農(nóng)戶(hù)。同時(shí)，對(duì)于農(nóng)戶(hù)的基本特征進(jìn)行了一定分析，發(fā)現(xiàn)71.4%的農(nóng)戶(hù)家庭人口數(shù)在5位以下（包括5位），77.7%的農(nóng)戶(hù)地塊數(shù)在5塊以下（包括5塊），81....

圖3分析洪澇、干旱、風(fēng)雹和冷凍災(zāi)害的因果矩陣

圖21980—2015年陜西省各種災(zāi)害的災(zāi)害率、災(zāi)害強(qiáng)度變化趨勢(shì)將實(shí)地調(diào)研數(shù)據(jù)導(dǎo)入IBMSPSSModeler18.0軟件，實(shí)現(xiàn)貝葉斯網(wǎng)絡(luò)算法。以各種災(zāi)害為輸入變量，以減產(chǎn)比例為目標(biāo)變量，TAN模型的運(yùn)行結(jié)果如圖4所示，高溫?zé)岷Ρ粡哪Ｐ椭刑蕹�。每個(gè)節(jié)點(diǎn)代表一個(gè)變量，節(jié)點(diǎn)之....

圖4貝葉斯網(wǎng)絡(luò)模型示意圖

采用lmer函數(shù)擬合的BHM模型回歸結(jié)果如表3所示。由于選定的生計(jì)資本指標(biāo)對(duì)于玉米的脆弱性無(wú)顯著影響，故將玉米從回歸結(jié)果中剔除。從洪澇和干旱災(zāi)害來(lái)看，糧食、小麥和谷子的脆弱性受到生計(jì)資本指標(biāo)的影響較�。淮蠖箤�(duì)于洪澇和干旱災(zāi)害的脆弱性受到農(nóng)村用電量、有效灌溉面積率、農(nóng)作物種植面積、....

本文編號(hào)：3932979