• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      氣候變化對(duì)區(qū)域穩(wěn)定性影響的評(píng)價(jià)模型

      2018-02-27 13:29:44李春梅陳鳴李徽
      電腦知識(shí)與技術(shù) 2018年35期
      關(guān)鍵詞:主成分分析法

      李春梅 陳鳴 李徽

      摘要:脆弱程度不同的國(guó)家,氣候變化的影響是不同的。通過(guò)主成分分析法對(duì)指標(biāo)進(jìn)行篩選,從而得到影響國(guó)家脆弱的主要指標(biāo)。通過(guò)數(shù)據(jù)處理,得到各指標(biāo)項(xiàng)的脆弱值,并計(jì)算其權(quán)重,根據(jù)計(jì)算結(jié)果將一個(gè)區(qū)域脆弱性受氣候變化影響程度分為:脆弱的,易受攻擊的,穩(wěn)定的。

      關(guān)鍵詞:指標(biāo)體系評(píng)價(jià)模型;國(guó)家脆弱性;目標(biāo)函數(shù);主成分分析法

      中圖分類號(hào):TP3? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A? ? ? ? 文章編號(hào):1009-3044(2018)35-0230-02

      1 指標(biāo)的選取

      在指標(biāo)選擇的過(guò)程中,本文主要參考國(guó)際自然災(zāi)害風(fēng)險(xiǎn)評(píng)估計(jì)劃中的脆弱性評(píng)價(jià)指標(biāo)、每周計(jì)劃中普適脆弱性指數(shù)(PVI),并參考該體系中城市級(jí)指標(biāo)在波哥大地震風(fēng)險(xiǎn)評(píng)估中的應(yīng)用等,作為指標(biāo)選取的依據(jù)。通過(guò)主成分分析法選取影響國(guó)家脆弱的指標(biāo):群體不滿、經(jīng)濟(jì)、經(jīng)濟(jì)的不平等、人才流失和遷移、公共設(shè)施服務(wù)、難民和流離失所者。

      2 目標(biāo)函數(shù)

      將已經(jīng)選取好的影響一個(gè)國(guó)家或者地區(qū)的脆弱狀態(tài)的6項(xiàng)指標(biāo)用(i=1、2、3、4、5、6)表示,將題目的附件中各指標(biāo)的脆弱指數(shù)作為的脆弱值,表示氣候變化對(duì)各指標(biāo)造成影響脆弱性的權(quán)重值,定義y表示氣候變化對(duì)一個(gè)國(guó)家或者地區(qū)的影響程度:[y=i=15aixi]最終由y的取值大小確定一個(gè)國(guó)家或者地區(qū)脆弱性受氣候變化影響程度的等級(jí)。

      3 權(quán)重的確定

      在已有的多數(shù)模型方法中權(quán)重的取值存在較大的主觀性,在本問(wèn)題中為了減少人為的主觀性賦予權(quán)重值帶來(lái)的誤差,在實(shí)際查詢到的數(shù)據(jù)以及合理推測(cè)的基礎(chǔ)上確定權(quán)重的值。

      我們知道全球的國(guó)家和地區(qū)不計(jì)其數(shù),為了選取脆弱性較強(qiáng)的國(guó)家進(jìn)行分析,我們將2006年到2017年各國(guó)家的相關(guān)脆弱指數(shù)的數(shù)據(jù)用Python軟件進(jìn)行數(shù)據(jù)處理。Sudan、Congo、chad、Somalia、Afghanistan這五個(gè)國(guó)家每年的脆弱指數(shù)總和在十年中都在前十。

      為了更加了解這五個(gè)國(guó)家的地區(qū)穩(wěn)定性,在數(shù)據(jù)銀行等各官方網(wǎng)站查找了相關(guān)數(shù)據(jù)。本文主要是研究氣候變化對(duì)國(guó)家脆弱指數(shù)的影響,根據(jù)經(jīng)驗(yàn)我們認(rèn)為,在一個(gè)國(guó)家或地區(qū)的發(fā)展中,氣候影響最大的是農(nóng)業(yè)方面,因此我們選擇cereal yield和arable land兩個(gè)指標(biāo)。

      從以上兩張圖中看出,在世界各國(guó)工業(yè)以及服務(wù)業(yè)大行發(fā)展占用農(nóng)業(yè)耕地的大背景下,這幾個(gè)國(guó)家的耕地還在穩(wěn)中增長(zhǎng),而且在越來(lái)越機(jī)械化的農(nóng)業(yè)生產(chǎn)中,糧食產(chǎn)量的增長(zhǎng)卻十分緩慢這也間接說(shuō)明了它們的產(chǎn)業(yè)發(fā)展中農(nóng)業(yè)依然占據(jù)相當(dāng)大的的比例,氣候條件也相當(dāng)惡劣不利于糧食的生長(zhǎng),并且當(dāng)?shù)氐臍夂蛟诿鎸?duì)大的氣候變化時(shí)要“靠天收”,對(duì)國(guó)民的影響較大,更容易加劇國(guó)家的脆弱指數(shù),造成地區(qū)的不穩(wěn)定。

      為了更清楚詳細(xì)的了解氣候變化是怎樣直接或者間接影響其他因素和指標(biāo)而加劇國(guó)家或地區(qū)的脆弱性,我們下面將對(duì)這5個(gè)國(guó)家的6個(gè)指標(biāo)細(xì)化依次處理,通過(guò)觀察各指標(biāo)從2006年到2017年的變化趨勢(shì)與反映該國(guó)農(nóng)業(yè)發(fā)展的cereal yield和arable lab指標(biāo)發(fā)展趨勢(shì)相對(duì)比,發(fā)現(xiàn)群體不滿、難民和流離失所者、人才流失和遷移、經(jīng)濟(jì)的不平等這四個(gè)指標(biāo)趨勢(shì)大體相同,得到了一些規(guī)律。如圖1所示。

      圖1中是5個(gè)國(guó)家的群體不滿、難民和流離失所者指標(biāo)的2006年到2017年的脆弱指數(shù)變化,局部下降的情況下,大體上是在增長(zhǎng)的。我們可以認(rèn)為是氣候變對(duì)他們的主要產(chǎn)業(yè)造成不利影響,增加了群體不滿意度以及難民和流離失所者人數(shù)的增長(zhǎng)。由于政府財(cái)政持續(xù)匱乏,無(wú)法有效的應(yīng)對(duì)自然災(zāi)害,進(jìn)一步加劇了群體不滿,因此認(rèn)為,這一指標(biāo)權(quán)重指數(shù)最大。

      5 個(gè)國(guó)家按照同樣的方法得到人才流失和遷移和經(jīng)濟(jì)不平等指標(biāo)的2006年到2017年的脆弱指數(shù)變化,都是在經(jīng)過(guò)下降后近年在快速上漲。我們可以認(rèn)為,農(nóng)業(yè)在遭受氣候變化影響時(shí),從事農(nóng)業(yè)生產(chǎn)的人會(huì)向其他產(chǎn)業(yè)、區(qū)域轉(zhuǎn)移。一個(gè)國(guó)家現(xiàn)有的資源以及國(guó)家財(cái)政的限制能夠創(chuàng)造的資源都是有限的,緩慢的糧食增長(zhǎng)也無(wú)法滿足需求,就會(huì)有“糧食爭(zhēng)奪”和“工作機(jī)會(huì)爭(zhēng)奪”等,進(jìn)一步間接影響了地區(qū)的穩(wěn)定性。

      通過(guò)以上的詳細(xì)分析,我們認(rèn)為將各指標(biāo)的權(quán)重做以下取值更為合理:發(fā)現(xiàn)群體不滿(0.3)、難民和流離失所者(0.2)、人才流失和遷移(0.2)、經(jīng)濟(jì)的不平等(0.15)、經(jīng)濟(jì)(0.1)、公共設(shè)施服務(wù)(0.05)。

      4 脆弱性等級(jí)劃分

      我們認(rèn)為經(jīng)濟(jì)水平越高的國(guó)家受到氣候變化的影響就越小,它們是負(fù)相關(guān)的。因此按照人均GDP將區(qū)域的脆弱狀態(tài)劃分為8個(gè)檔次:高度富裕型、中度富裕型、低度富裕型、寬裕型、小康型、溫飽型、基本溫飽型、不溫飽型。根據(jù)目標(biāo)函數(shù)的計(jì)算結(jié)果,我們將前三檔看作是穩(wěn)定的,中間三檔的國(guó)家看作是易受損的最后兩檔看作是脆弱的,比例約為1:3:2,所以我們近似將脆弱國(guó)家指數(shù)排名的前六分之二的國(guó)家認(rèn)為受氣候影響時(shí)是脆弱的,中間3六分之三的國(guó)家認(rèn)為是易受損的,排名靠的后六分之一的國(guó)家看作是穩(wěn)定的。

      [通聯(lián)編輯:代影]

      猜你喜歡
      主成分分析法
      山東省旅游產(chǎn)業(yè)競(jìng)爭(zhēng)力評(píng)價(jià)研究
      中國(guó)裝備制造業(yè)階段競(jìng)爭(zhēng)力研究
      陜西省各地區(qū)人力資本水平綜合評(píng)價(jià)與分析
      基于主成分分析的煤層氣賦存影響因素分析
      科技視界(2016年23期)2016-11-04 23:08:10
      成都市中心城區(qū)商服用地基準(zhǔn)地價(jià)空間演變規(guī)律研究
      商(2016年29期)2016-10-29 13:39:08
      基于企業(yè)核心競(jìng)爭(zhēng)能力的家電行業(yè)上市公司績(jī)效評(píng)價(jià)指標(biāo)體系研究
      基于主成分分析法的高校財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系構(gòu)建
      商(2016年27期)2016-10-17 04:41:37
      太原市土地可持續(xù)利用研究
      商(2016年26期)2016-08-10 14:11:18
      基于主成分分析法的成都市房地產(chǎn)泡沫程度評(píng)價(jià)
      商(2016年6期)2016-04-20 18:36:52
      考察我國(guó)各省市自治區(qū)社會(huì)發(fā)展綜合狀況
      商(2016年6期)2016-04-20 10:19:35
      红桥区| 西华县| 喀喇| 台北市| 蕲春县| 郎溪县| 津南区| 白朗县| 平潭县| 南平市| 田东县| 黎城县| 宜丰县| 固镇县| 新昌县| 开原市| 新郑市| 田林县| 朔州市| 凤城市| 温州市| 忻州市| 青浦区| 隆德县| 安国市| 吉安县| 彰武县| 寿光市| 芷江| 剑河县| 弋阳县| 元氏县| 碌曲县| 大英县| 泰兴市| 灵台县| 会泽县| 双辽市| 旬阳县| 东辽县| 南陵县|