基于多源数据的贫困度与自然灾害相关性评估

发布时间：2023-08-09 16:23

　　贫困是当今世界面临的严重社会问题,2015年全世界约有7亿人生活在极端贫困线以下,消除贫困成为世界各国努力的目标,联合国提出了包含消除世界各地一切形式贫困在内的可持续发展目标,我国也提出了“精准扶贫”的重要战略。在全球气候变化的背景下,自然灾害对贫困的消除构成巨大威胁。面对相同的自然灾害,贫困人群相对于其他人群表现出更高的社会脆弱性,更容易在自然灾害中遭受伤害,同时更难从灾害中恢复正常生活。近50年来,全球的自然灾害数量呈增加的趋势,贫困人群面对自然灾害的处境以及自然灾害对贫困人群的影响亟需得到更多的关注。开展区域贫困度与自然灾害评估及其相关性分析,对于深入理解贫困人群的生存现状、有针对性的开展扶贫和减贫计划、推进社会公平都具有重要意义。开展自然灾害与贫困的相关性分析,需要贫困度数据及自然灾害风险和灾情数据的支持。传统上对贫困度的评估主要依赖于统计和调查数据。然而统计数据多以行政区域为单位,无法反应行政区域内部的贫困度分布;入户调查数据则存在覆盖范围不全、更新频率慢等问题。很多极端贫困或处于战乱中的国家甚至常年缺少贫困相关的统计和调查数据。很多研究利用遥感、GIS数据或其它统计数据对贫...

【文章页数】：156 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景
    1.2 研究现状
        1.2.1 贫困度估算的研究现状
        1.2.2 自然灾害风险评估的研究现状
        1.2.3 自然灾害灾情评估的研究现状
        1.2.4 自然灾害与贫困的相关关系研究现状
    1.3 现有研究中存在的不足
    1.4 研究内容及意义
    1.5 论文组织结构
第2章 研究区域与数据
    2.1 研究区域
    2.2 研究数据
        2.2.1 贫困度调查数据
        2.2.2 夜间灯光数据
        2.2.3 谷歌影像数据
        2.2.4 土地覆盖数据
        2.2.5 自然灾害数据
        2.2.6 其它辅助数据
    2.3 数据一致性分析
第3章 基于多源数据和机器学习的贫困度估算方法
    3.1 理论基础
        3.1.1 机器学习
        3.1.2 决策树
        3.1.3 集成学习与随机森林
        3.1.4 决策树与随机森林的特征贡献解释
        3.1.5 卷积神经网络与迁移学习
    3.2 基于多源数据的贫困特征提取和筛选
        3.2.1 贫困特征提取
        3.2.2 贫困特征筛选
    3.3 单个国家的贫困度估算
        3.3.1 模型建立
        3.3.2 贫困度估算结果
        3.3.3 特征共线性分析
        3.3.4 特征贡献分析
        3.3.5 与其它模型的对比
    3.4 多个国家的贫困度估算
        3.4.1 模型建立
        3.4.2 贫困度估算结果
        3.4.3 特征分析
    3.5 城市内部的贫困度估算
        3.5.1 模型建立
        3.5.2 贫困度估算结果
    3.6 小结
第4章 自然灾害危险性评估及其与贫困度的相关性分析
    4.1 自然灾害危险性评估
        4.1.1 滑坡
        4.1.2 地震
        4.1.3 洪水
        4.1.4 热带气旋
    4.2 贫困区域的自然灾害暴露分析
    4.3 贫困度与自然灾害危险性的相关性分析
    4.4 小结
第5章 自然灾害灾情评估及其在不同贫困度地区的差异分析
    5.1 灾害事件基本信息
    5.2 基于夜间灯光日数据的灾情评估
        5.2.1 灾情评估方法
        5.2.2 地震
        5.2.3 热带气旋
        5.2.4 洪水
        5.2.5 自然灾害灾情评估总结
    5.3 不同贫困度地区的灾情差异分析
    5.4 小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
作者简历
在学期间取得的研究成果
后记



本文编号：3840569