Spatial Variation and Distribution of Urban Energy Consumptions from Cities in China
Notice bibliographique
Résumé
With support of GIS tools and Theil index, the spatial variance of urban energy consumption in China was discussed in this paper through the parallel comparison and quantitative analysis of the 30 provincial capital cities of mainland China in 2005, in terms of scale, efficiency and structure. The indicators associated with urban energy consumption show large spatial variance across regions, possibly due to diversities of geographic features, economic development levels and local energy source availability in China. In absolute terms, cities with the highest total energy consumption are mostly distributed in economic-developed regions as Beijing-Tianjin-Tangshan Area, Yangtze River Delta and Pearl River Delta of China, however, the per capita urban energy use is significantly higher in the Mid-and-Western regions. With regard to the energy mix, coal still plays the dominant role and cities in Mid-and-Western regions rely more on coal. In contrast, high quality energy carrier as electricity and oils are more used in southeast coastal zone and northern developed areas. The energy intensive cities are mainly located in the northwest, while the cities with higher efficiency are in southeast areas. The large spatial variance of urban energy consumption was also verified by the Theil indices. Considering the Chinese economy-zones of East, Middle and West, the within-group inequalities are the main factor contributing to overall difference, e.g., the Theil index for per capita energy consumption of within-group is 0.18, much higher than that of between group (0.07), and the same applies to other indicators. In light of the spatial variance of urban energy consumptions in China, therefore, regionalized and type-based management of urban energy systems is badly needed to effectively address the ongoing energy strategies and targets.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».