气候变化对农业土地适宜性的影响：基于可解释机器学习的欧亚案例研究
机器学习
2023-10-25 v1
摘要
联合国已将改善粮食安全与减少饥饿确定为其可持续发展目标的重要组成部分。截至2021年，全球约有8.28亿人正遭受饥饿与营养不良，并报告了众多死亡案例。气候变化显著影响农业土地适宜性，可能导致严重的粮食短缺及随后的社会与政治冲突。为应对这一紧迫问题，我们开发了一种基于机器学习的方法，用于预测土地适宜性大幅退化及灌溉模式变化的风险。我们的研究聚焦于中亚（Central Eurasia）这一背负经济与社会挑战的地区。本研究是利用机器学习方法评估不同碳排放情景下气候变化对农业土地适宜性影响的首创性工作。通过全面的特征重要性分析，我们揭示了影响土地适宜性的特定气候与地形特征。我们的方法取得了卓越的精度，为政策制定者提供了宝贵见解，以助其做出明智决策、避免人道主义危机，包括提供额外水资源与肥料等策略。本研究彰显了机器学习在应对全球挑战——尤其是缓解饥饿与营养不良——方面的巨大潜力。
引用
@article{arxiv.2310.15912,
title = {Climate Change Impact on Agricultural Land Suitability: An Interpretable Machine Learning-Based Eurasia Case Study},
author = {Valeriy Shevchenko and Daria Taniushkina and Aleksander Lukashevich and Aleksandr Bulkin and Roland Grinis and Kirill Kovalev and Veronika Narozhnaia and Nazar Sotiriadi and Alexander Krenke and Yury Maximov},
journal= {arXiv preprint arXiv:2310.15912},
year = {2023}
}