谷洪波 麻湘琳

摘要依據(jù)指標(biāo)選取原則，綜合農(nóng)業(yè)旱災(zāi)對經(jīng)濟、社會、生態(tài)等多方面的影響，構(gòu)建了農(nóng)業(yè)旱災(zāi)社會風(fēng)險評價指標(biāo)體系。通過對2006—2016年農(nóng)業(yè)旱災(zāi)社會風(fēng)險相關(guān)指標(biāo)數(shù)據(jù)的模糊綜合評判，確定了在評估11年內(nèi)的模糊合成均值，利用模糊綜合評判得到的結(jié)果——相對農(nóng)業(yè)旱災(zāi)社會風(fēng)險值作為分析的原始數(shù)據(jù)，運用GM（1，1）灰色災(zāi)變預(yù)測模型，對2018—2028年農(nóng)業(yè)旱災(zāi)社會風(fēng)險較高（社會風(fēng)險值大于0.5）的年份進行預(yù)測，結(jié)果顯示：未來農(nóng)業(yè)旱災(zāi)社會風(fēng)險值超過0.5的有3個災(zāi)變年份，即2018—2019年、2021—2022年、2026—2027年。針對研究結(jié)果，提出以下建議：運用農(nóng)業(yè)科技，減少災(zāi)害損失;風(fēng)險較大年份，進行提前防御;普及災(zāi)害知識，加強民眾自救。

關(guān)鍵詞 模糊綜合評判;灰色災(zāi)變預(yù)測;社會風(fēng)險預(yù)警

中圖分類號S-9文獻標(biāo)識碼A文章編號0517-6611（2018）25-0190-04

Agricultural Drought and Social Risk Early Warning Research Based on Grey Disaster Prediction Model

GU Hongbo，MA Xianglin

（School of Business， Hunan University of Science and Technology，Xiangtan，Hunan 411201）

AbstractAccording to the principle of index selection，integrating agricultural drought influences on economic， social and ecological aspects，the agricultural drought social risk evaluation index system was constructed.Based on agricultural drought risk society related index during 2006-2016 of fuzzy comprehensive evaluation，fuzzy synthetic mean in 11 years was determined， using the fuzzy comprehensive evaluation results， relative agricultural drought risk society value as original data， using GM （1， 1） grey disaster prediction model， 11 years of 2018-2018 for the future agricultural drought higher risk society （social risk is greater than 0.5） for predicting the year， the conclusion shows： the future of agricultural drought risk society value more than 0.5 have 3 years of reckoning，that is 2018-2019， 2021-2022， 2026-2027.Aiming at the research results， the following countermeasures were proposed： use agricultural technology to reduce disaster losses; advance defense in the greater risk years;popularize disaster knowledge and strengthen public assistance.

Key wordsFuzzy comprehensive evaluation;Grey catastrophe prediction;Social risk warning

隨著全球氣溫的升高，尤其是受厄爾尼諾和拉尼娜現(xiàn)象的影響，21世紀(jì)以來，極端干旱氣候發(fā)生的強度和頻率增大，氣候環(huán)境的極端性及承災(zāi)體的脆弱性加劇了旱災(zāi)的不利影響，全球多個地區(qū)出現(xiàn)大范圍的長期干旱，如2017年上半年肯尼亞桑布魯?shù)貐^(qū)遭遇嚴(yán)重干旱，大地干涸龜裂，牲畜干尸遍野。根據(jù)中國天氣網(wǎng)數(shù)據(jù)，2017年6月中國的內(nèi)蒙古東部、黑龍江西部、遼寧大部分地區(qū)出現(xiàn)重度干旱到特旱，導(dǎo)致山東膠東半島的煙臺、威海、青島等地區(qū)水庫干涸，部分地區(qū)果樹無水澆灌，大田幾近絕收;內(nèi)蒙古的赤峰、通遼、興安盟、呼倫貝爾等7個盟市的36.1萬人因旱飲水困難，大部植被不同程度差于近5年同期均值，東部多地牧場提前枯黃甚至死亡。農(nóng)業(yè)是國之根本，由于蝴蝶效應(yīng)的影響，農(nóng)業(yè)旱災(zāi)不僅對農(nóng)民生活和農(nóng)業(yè)生產(chǎn)造成諸多損害，還對整個社會的經(jīng)濟生產(chǎn)、生態(tài)環(huán)境、公共秩序和人們心理產(chǎn)生破壞和影響，如不采取有效措施加以防御，將很容易造成社會失衡和動蕩，誘發(fā)社會風(fēng)險。農(nóng)業(yè)旱災(zāi)誘發(fā)社會風(fēng)險問題逐漸引起各國政府的高度重視和國內(nèi)外學(xué)者的廣泛關(guān)注，成為國際社會共同研究的課題。

1研究綜述

1.1國外研究綜述

Sanjay K.Srivastava等[1]主張將地球觀測（EO）信息產(chǎn)品應(yīng)用于干旱災(zāi)害風(fēng)險戰(zhàn)略管理，以減輕干旱帶來的影響;Giuseppe Rossi等[2]借鑒水系統(tǒng)中干旱風(fēng)險管理的標(biāo)準(zhǔn)、方法和工具，并從有關(guān)應(yīng)對干旱的立法和制度框架入手，研究干旱災(zāi)害的早期預(yù)警;N.R.Dalezios等[3]討論了風(fēng)險管理框架下的農(nóng)業(yè)氣象或農(nóng)業(yè)干旱問題，并將遙感數(shù)據(jù)和方法運用在空間變異性檢驗和干旱定量監(jiān)測方面;David Haro-Monteagudot等[4]基于水資源優(yōu)化模型和隨機流生成模型，評估系統(tǒng)的未來狀態(tài)，進而達到對干旱進行監(jiān)測及預(yù)警的目的。

1.2國內(nèi)研究綜述

宋林飛[5]經(jīng)過粗過濾和精選，建立了社會風(fēng)險預(yù)警綜合指標(biāo)體系;王龍昌等[6]、龔日朝等[7]利用灰色災(zāi)變理論建立旱災(zāi)灰色災(zāi)變模型，研究特定地區(qū)旱災(zāi)的時間分布特征和進行重災(zāi)年份預(yù)測;尹衍雨等[8]以川渝地區(qū)旱災(zāi)為例，通過實地調(diào)查與訪談，從公眾可接受的旱災(zāi)損失與頻率、假定旱災(zāi)風(fēng)險情景下的避險意愿等角度，對公眾旱災(zāi)風(fēng)險可接受性進行了初步探討;陳秋玲[9]從建構(gòu)主義和灰色系統(tǒng)原理等視角，提出警源—警兆—警情灰色關(guān)聯(lián)投影三維模型;溫奇等[10]針對2010年初中國西南地區(qū)特大旱災(zāi)，利用環(huán)境減災(zāi)衛(wèi)星數(shù)據(jù)，基于權(quán)重疊加法的區(qū)域旱災(zāi)風(fēng)險評估方法，綜合考慮致災(zāi)因子、孕災(zāi)環(huán)境及承災(zāi)體等指標(biāo)，將獲得的旱災(zāi)風(fēng)險等級分布圖應(yīng)用于旱災(zāi)風(fēng)險預(yù)警;孫麗[11]針對山地丘陵區(qū)域特點，結(jié)合“3S”技術(shù)，基于氣象干旱指數(shù)（降水距平指數(shù)）和遙感干旱指數(shù)（溫度植被干旱指數(shù)），構(gòu)建了綜合干旱指數(shù)模型，基于加權(quán)馬爾科夫模型構(gòu)建了干旱預(yù)警模型，對武陵山區(qū)域進行了干旱預(yù)警應(yīng)用和評價。

2理論基礎(chǔ)與方法介紹

2.1理論基礎(chǔ)該研究主要借助灰色系統(tǒng)理論中的灰色災(zāi)變理論來進行預(yù)測分析和預(yù)警研究。灰色系統(tǒng)理論主要針對“部分信息已知 ，部分信息未知”的“小樣本”“貧信息”的不確定性問題，運用數(shù)學(xué)方法將其描述出來?；疑珵?zāi)變預(yù)測屬于灰色系統(tǒng)理論中的一個重要方面，它利用不完全信息，建立灰色災(zāi)變預(yù)測模型，從而預(yù)測出下一個或幾個異常值出現(xiàn)的時刻，以使人們提前做好防備工作，采取對策，減少損失。由于灰色災(zāi)變預(yù)測方法能夠根據(jù)現(xiàn)有的少量信息來進行計算和預(yù)測，且準(zhǔn)確率較高、實用性也較強，因此在眾多科學(xué)領(lǐng)域和預(yù)測實踐中得到廣泛的應(yīng)用。

2.2方法介紹

2.2.1依據(jù)指標(biāo)選取原則確定指標(biāo)。

（1）科學(xué)性原則。指標(biāo)是否科學(xué)，直接關(guān)系到預(yù)警結(jié)果的可靠性，因此，選擇社會風(fēng)險預(yù)警指標(biāo)時，一定要注意指標(biāo)的科學(xué)性。

（2）相關(guān)性原則。選擇農(nóng)業(yè)旱災(zāi)社會風(fēng)險指標(biāo)時，既要結(jié)合現(xiàn)階段社會經(jīng)濟狀態(tài)、旱災(zāi)實際情況，也要考慮指標(biāo)之間的內(nèi)部關(guān)聯(lián)性。

（3）敏感性原則。敏感性指標(biāo)更具預(yù)警預(yù)報功能，是進行社會風(fēng)險預(yù)警的關(guān)鍵所在。

（4）準(zhǔn)確性原則。指標(biāo)和數(shù)據(jù)應(yīng)當(dāng)切合實際，數(shù)據(jù)來源真實可靠、數(shù)據(jù)處理準(zhǔn)確無誤。

2.2.2層次分析法確定權(quán)重。

層次分析法（AHP）是一種解決多目標(biāo)復(fù)雜問題的定性分析和定量分析相結(jié)合的系統(tǒng)化和層次化的分析方法，該研究借用AHP層次分析法的目標(biāo)排序方法，來確定農(nóng)業(yè)旱災(zāi)社會風(fēng)險評估指標(biāo)的權(quán)重。

安徽農(nóng)業(yè)科學(xué)2018年

2.2.3李克特五分量表得到主觀指標(biāo)數(shù)據(jù)。

李克特量表是屬評分加總式量表最常用的一種，屬同一構(gòu)念的這些項目是用加總方式來計分，單獨或個別項目是無意義的。該量表由一組陳述組成，每一陳述有“非常同意”“同意”“不一定”“不同意”“非常不同意”5種回答，分別記為5、4、3、2、1，每個被調(diào)查者的態(tài)度總分就是他對各道題的回答所得分?jǐn)?shù)的加總，這一總分可說明他的態(tài)度強弱或他在這一量表上的不同狀態(tài)。

2.2.4數(shù)據(jù)無量綱化處理。

由于決策中各因素單位、量綱等不同，難以直接進行比較，所以要對原始數(shù)據(jù)進行無量綱化處理。指標(biāo)分為正向指標(biāo)和逆向指標(biāo)2種情況。

（1）正向指標(biāo)指標(biāo)值越大，所表示的實際社會風(fēng)險越大：

Xij=[Xij-min（Xij）]/[max（Xij）-min（Xij）]（i=1，2，…，m; j=1，2，…，n）（1）

（2）逆向指標(biāo)指標(biāo)值越大，所表示的實際社會風(fēng)險越?。?/p>

Xij=[max（Xij）-Xij]/[max（Xij）-min（Xij）]（i=1，2，…，m; j=1，2，…，n）（2）

2.2.5計算關(guān)聯(lián)系數(shù)。數(shù)據(jù)進行無量綱化處理之后，運用公式處理得到灰色關(guān)聯(lián)系數(shù)，公式如下：

Loi（k）=m+ξMΔoi（k）+ξM，i = 1，2，3，…，n;k = 1，2，3，…，m（0

式中，Δoi（k）表示k時刻兩序列的絕對差，即：

Δoi（k）=|Xo（k）-Xi（k）|（1≤ i ≤ m），i = 1，2，…，n;k = 1，2，…，m（4）

式中，M和m分別表示所有比較序列中各個時刻絕對差中的最大值和最小值。因為比較序列相交，故取m=0，ξ為分辨系數(shù)，0<ξ<1，一般情況下可取0.1～0.5，該研究取ξ=0.5。

2.2.6模糊評價。模糊評價的公式如下：

Bi=Wi×Ri（b1，b2，…，bn）（5）

2.2.7灰色災(zāi)變預(yù)測。

（1）設(shè)有原始數(shù)列：

X（0）（i）={ x（0）（1），x（0）（2），…，x（0）（n）}（6）

若規(guī)定一個閥值ζ，把X（0）（i）中那些大于或小于ζ的點認(rèn)為是異常值的點，然后將所有符合這一條件的數(shù)據(jù)挑出來，另外組成一個數(shù)列稱為上限或下限災(zāi)變數(shù)列，超過閥值ζ的均為異常值，并將所有的異常值篩選出來組成Xζ（0）（i′），則Xζ（0）（i′）的數(shù)據(jù)與X（0）（i）的數(shù)據(jù)具有一定的對應(yīng)關(guān)系，若把垂直坐標(biāo)的災(zāi)變點全體組成一個集合記為q，把水平坐標(biāo)的異常值的全體作為一個集合記為i′，則根據(jù)水平坐標(biāo)i與垂直坐標(biāo)q對應(yīng)的點，可得到異常值到災(zāi)變點的映射P：{i′}→{q}，或記為

P（i）=q。

則P（0）（i′）={ p（0）（1′），p（0）（2′），…，p（0）（n′）}

稱為災(zāi)變?nèi)掌诩?zāi)變預(yù)測就是按災(zāi)變?nèi)掌诩M（1，1）預(yù)測模型進行的。災(zāi)變預(yù)測不是預(yù)測數(shù)據(jù)本身的變化，而是預(yù)測未來異常值出現(xiàn)的時刻。該研究不是去預(yù)測未來旱災(zāi)造成經(jīng)濟、社會、生態(tài)的各項損失是多少，而是預(yù)測未來的農(nóng)業(yè)旱災(zāi)社會風(fēng)險將出現(xiàn)在哪一年。

（2）灰色數(shù)列GM （1，1）模型。

根據(jù)后驗比c和小誤差概率p對模型進行診斷，當(dāng)p>0.95和c<0.35時，模型可靠，這時可根據(jù)模型對系統(tǒng)行為進行預(yù)測。

上述7步為整個建模、預(yù)測的分析過程。當(dāng)所建立的模型殘差較大、精度不夠理想時，為提高精度，一般可以對其殘差進行殘差GM （1，1）模型建模分析，以修正預(yù)報模型。

3實證分析

3.1指標(biāo)獲取與權(quán)重確定依據(jù)“2.2.1”的4個原則，在綜合考慮農(nóng)業(yè)干旱災(zāi)害影響對象和有效預(yù)警的基礎(chǔ)上，將農(nóng)業(yè)旱災(zāi)社會風(fēng)險預(yù)警指標(biāo)劃分為經(jīng)濟損失、環(huán)境破壞、社會心理、社會秩序4個方面，并將其作為一級指標(biāo)，以此為基礎(chǔ)擴展出9個二級指標(biāo)，然后細(xì)化為27個三級指標(biāo)，形成多層次的農(nóng)業(yè)旱災(zāi)社會風(fēng)險評估指標(biāo)體系。在指標(biāo)確定的基礎(chǔ)上，運用層次分析法，構(gòu)建判斷矩陣（判斷矩陣均通過一致性檢驗），確定各個指標(biāo)每一級的權(quán)重Wi，見表1。

3.2數(shù)據(jù)獲取及灰色關(guān)聯(lián)系數(shù)的計算

在上述確定指標(biāo)權(quán)重的基礎(chǔ)上，依據(jù)2006—2016年的《中國水旱災(zāi)害公報》《中國農(nóng)村貧困監(jiān)測報告》以及2007—2017年《中國統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》《中國農(nóng)業(yè)統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》等統(tǒng)計年鑒和監(jiān)測報告收集和整理了2006—2016年農(nóng)業(yè)旱災(zāi)社會風(fēng)險相關(guān)指標(biāo)的數(shù)據(jù)（其中主觀指標(biāo)數(shù)據(jù)通過李克特五分量表法得到），并通過對以上數(shù)據(jù)的分析和專家的合理意見，以最值指標(biāo)集作為參考序列（正向指標(biāo)最大值，逆向指標(biāo)最小值），獲得灰色模糊評判的原始數(shù)據(jù)，通過公式（1）、（2）對數(shù)據(jù)進行無量綱化處理后，再運用公式（3）、（4）計算得到灰色關(guān)聯(lián)系數(shù)Ri。

3.3模糊綜合評判

在獲得指標(biāo)權(quán)重（Wi）及指標(biāo)灰色關(guān)聯(lián)系數(shù)（Ri）的基礎(chǔ)上，進一步根據(jù)公式（6）計算，采用普通矩陣乘法（可以讓每個因素都對綜合評價有所貢獻，能比較客觀地反映評價對象）對指標(biāo)權(quán)重和灰色關(guān)聯(lián)系數(shù)進行模糊合成得到Bi，結(jié)果見表2，依據(jù)Bi的大小，即可對歷年我國農(nóng)業(yè)旱災(zāi)社會風(fēng)險等級進行分析和評價，Bi越大說明農(nóng)業(yè)旱災(zāi)造成社會風(fēng)險等級越高，人們越需要引起重視。

3.4灰色災(zāi)變預(yù)測將2006—2016年模糊綜合評判所得的農(nóng)業(yè)旱災(zāi)社會風(fēng)險數(shù)據(jù)（表2），作為災(zāi)變預(yù)測的依據(jù)，即將2006—2016年社會風(fēng)險值依次定義為序號X（1）～X（n），災(zāi)變年份依次定義為X0（1）～X0（n），運用DPS數(shù)據(jù)分析軟件，代入灰色災(zāi)變預(yù)測模型，同時進行誤差檢驗，由于原始數(shù)據(jù)分析殘差較大、精度不夠理想時，為提高精度，對其殘差進行殘差GM （1，1）模型建模分析，以修正預(yù)報模型，最終取第二次殘差序列分析結(jié)果，見表3。

即未來11年農(nóng)業(yè)旱災(zāi)社會風(fēng)險值超過0.5的3個災(zāi)變點，發(fā)生在時刻13.008 4，時刻16.664 4，時刻21.347 8，即災(zāi)變年份為2018—2019年、2021—2022年、2026—2027年。

4結(jié)論與建議

4.1結(jié)論

該研究依據(jù)指標(biāo)選取原則，綜合考慮農(nóng)業(yè)干旱災(zāi)害主要影響對象和有效預(yù)警的基礎(chǔ)上，確定了農(nóng)業(yè)旱災(zāi)社會風(fēng)險評價指標(biāo)體系，通過對2006—2016年農(nóng)業(yè)旱災(zāi)社會風(fēng)險相關(guān)指標(biāo)數(shù)據(jù)的模糊綜合評判，確定了在評估的11年內(nèi)，模糊合成均值為0.588 7分（最高分為1分），表明農(nóng)業(yè)旱災(zāi)有較大的可能性造成社會風(fēng)險，結(jié)論同時顯示2006—2016年農(nóng)業(yè)旱災(zāi)社會風(fēng)險值總體上呈波動下降趨勢。進一步利用模糊綜合評判得到的結(jié)果——相對農(nóng)業(yè)旱災(zāi)社會風(fēng)險值作為原始分析數(shù)據(jù)，運用GM（1，1）灰色災(zāi)變預(yù)測模型，對未來11年（2018—2028年）農(nóng)業(yè)旱災(zāi)社會風(fēng)險較高（社會風(fēng)險值大于0.5）的年份進行預(yù)測，結(jié)果顯示：未來11年農(nóng)業(yè)旱災(zāi)社會風(fēng)險值超過0.5的災(zāi)變年份有3個，即2018—2019年、2021—2022年、2026—2027年。

農(nóng)業(yè)旱災(zāi)社會風(fēng)險值是一個相對值，以該社會風(fēng)險值作為原始分析數(shù)據(jù)對未來農(nóng)業(yè)旱災(zāi)社會風(fēng)險進行預(yù)測，也是相對的。該研究對2018—2028年農(nóng)業(yè)旱災(zāi)社會風(fēng)險大于0.5的災(zāi)變點進行預(yù)測，表明這些年份的社會風(fēng)險值相對于普通年份較大，更需要提高警惕、加強防范。

4.2建議

農(nóng)業(yè)旱災(zāi)社會風(fēng)險預(yù)警，目的在于加強災(zāi)前的風(fēng)險防御和管理，從源頭上控制干旱災(zāi)害對農(nóng)業(yè)的不利影響和對有可能誘發(fā)的社會風(fēng)險進行早期控制，相比于災(zāi)時、災(zāi)后的應(yīng)急管理，更有效和有針對性。為了加強災(zāi)前預(yù)警管理，提出以下建議。

4.2.1運用科學(xué)技術(shù)，減少災(zāi)害損失。旱災(zāi)屬于自然災(zāi)害，人們難以阻止和遏制，但政府通過修建合理有效的水利設(shè)施，運用相應(yīng)的科學(xué)技術(shù)，如修建蓄水工程、河渠渡槽、堤防閘壩，開展漫水滴灌、人工降雨等，能夠有效減少旱災(zāi)對農(nóng)業(yè)

生產(chǎn)的影響。同時，在災(zāi)時及災(zāi)后，可利用“3S”技術(shù)，對旱災(zāi)的動態(tài)演變進行實時監(jiān)測，采取針對性的措施，阻止旱災(zāi)不利影響的擴大。

4.2.2風(fēng)險較大年份，進行提前防御。根據(jù)災(zāi)變預(yù)測結(jié)果，在農(nóng)業(yè)旱災(zāi)社會風(fēng)險相對較大的年份，可進行合理有效的預(yù)防，如：種植耐旱作物，減少因旱可能造成的經(jīng)濟及收入損失;開展災(zāi)前預(yù)報，讓農(nóng)民及公眾有心理準(zhǔn)備，減少災(zāi)后民眾的心理恐慌;政府提前備糧備水穩(wěn)定物價，以免災(zāi)后糧、水短缺造成物價上漲;提前進行農(nóng)業(yè)生產(chǎn)減災(zāi)評估等。

4.2.3普及災(zāi)害知識，引導(dǎo)民眾自救。

在日常電視新聞媒體中，有意識地加強對民眾災(zāi)害應(yīng)對知識的滲透，使農(nóng)民對農(nóng)業(yè)災(zāi)害風(fēng)險有一個大致的初步評估，積極主動購買農(nóng)作物生產(chǎn)保險;在農(nóng)業(yè)旱災(zāi)發(fā)生時，能夠冷靜沉著自發(fā)地開展自我減災(zāi)，尋求保險理賠，同時尋求政府及社會的救助，最大限度地減少旱災(zāi)對生產(chǎn)及生活的影響。

參考文獻

[1]

SRIVASTAVA S K，BANDYOPADHYAY S，GOWRISANKAR D，et al.EO products for drought risk reduction[M].Netherlands：Springer，2009.

[2] ROSSI G，CANCELLIERE A.Managing drought risk in water supply systems in Europe：A review[J].International journal of water resources development，2013，29（2）：272-289.

[3] DALEZIOS N R，BLANTA A，SPYROPOULOS N V，et al.Risk identification of agricultural drought for sustainable Agroecosystems[J].Natural hazards and earth system science，2014，14（9）：2435-2448.

[4] HARO-MONTEAGUDO D，SOLERA A，ANDREU J.Drought early warning based on optimal risk forecasts in regulated river systems： Application to the Jucar River Basin （Spain）[J].Journal of hydrology，2016，544：36-45.

[5] 宋林飛.社會風(fēng)險指標(biāo)體系與社會波動機制[J].社會學(xué)研究，1995（6）：90-95.

[6] 王龍昌，賈志寬，王立祥.灰色災(zāi)變理論在寧南山區(qū)干旱氣候預(yù)測中的應(yīng)用[J].干旱區(qū)資源與環(huán)境，2003，17（1）：60-64.

[7] 龔日朝，羅鈺婕，王芳，等.湖南旱災(zāi)灰色災(zāi)變預(yù)測模型與實證研究[J].湖南科技大學(xué)學(xué)報（社會科學(xué)版），2010，13（1）：86-90.

[8] 尹衍雨，蘇筠，葉琳.公眾災(zāi)害風(fēng)險可接受性與避災(zāi)意愿的初探：以川渝地區(qū)旱災(zāi)風(fēng)險為例[J].災(zāi)害學(xué)，2009，24（4）：118-124.

[9] 陳秋玲.社會風(fēng)險預(yù)警研究[M].北京：經(jīng)濟管理出版社，2012.

[10] 溫奇，范一大，陳世榮，等.環(huán)境減災(zāi)衛(wèi)星數(shù)據(jù)在旱災(zāi)預(yù)警監(jiān)測中的應(yīng)用[J].遙感技術(shù)與應(yīng)用，2012，27（4）：591-599.

[11] 孫麗.山地丘陵區(qū)的旱災(zāi)監(jiān)測預(yù)警技術(shù)研究[D].北京：中國農(nóng)業(yè)大學(xué)，2014.