基于机器学习和SHAP算法的我国粮食安全水平测度重构及可解释性分析

• 全文链接

关键词：

来源：

中国知网

全文链接：

//agri.nais.net.cn/topic/downloadFile/0c25c12b-b24c-44c7-80c6-1b79b341f481

来源地址：

https://kns.cnki.net/kcms2/article/abstract?v=UThtwiquHbf7NMDxZ3BwGVegiB0M79H46eZ-6OFEffZ24C6pv6v-v8n1Kqmh5ZKzoCgvVrgZ6cy5-qtoDJoqn9qDwOF7_60ZDG95rK_6D0Qf4X-lEw-hc74QLXv42RkzQCS5BRg2ScJoldXC7DqeOo5cya8YemE7EtePA4t305XvCUXjuqsnpg==&uniplatform=NZKPT&language=CHS

资源所属：

粮食和食物安全专题

类型：

学术文献

语种：

中文

原文发布日期：

2025-06-12

摘要：

为探讨“大食物观”对中国粮食安全赋予的新内涵，基于2010—2022年中国省级层面数据，从生产安全、质量安全、经济安全、消费安全和流通安全5个维度构建中国粮食安全评价指标体系，在熵值法测算基础上，利用机器学习和SHAP算法重新识别不同影响变量对粮食安全的重要性。结果表明：1）从整体演进趋势来看，2010—2022年中国粮食安全水平总体呈先下降后上升的态势，于2012—2015年和2018—2019年增长迅速；2）从各维度评价得分来看，生产安全对粮食安全贡献度最高，经济安全和质量安全呈上升趋势，消费安全和流通安全是粮食安全体系中的薄弱环节；3）从粮食安全的关联因素来看，影响中国粮食安全水平的关键因素包括肉类总产量、粮食总产量、水产品总产量、铁路货运量、财政涉农支出、森林覆盖率和城乡收入差距。基于此，从推动畜牧业可持续发展，提高粮食生产效率，加强水产养殖发展，加大财政涉农支出等4个方面提出政策建议。