The Evolutionary Trend of CO_2 Emissions and Its Spatial Differentiation in China: Based on R/S Method
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The paper calculated the Hurst index and fractal dimension for evolution of total CO2 emissions and emission intensity of the 30 provinces in mainland China during 1990-2008 by adopting R/S method.Then the evolutionary characteristic of total emission and emission intensity of CO2 at provincial level was analyzed.The paper classified four types of regions based on the spatial distribution pattern of Hurst index,and compared the variances of evolutionary characters for total emission and emission intensity among them.The result shows that 75.86% of the provinces in mainland China have the strong sustainable increasing trend in the evolution of total CO2 emission,and for the evolution of CO2 emission intensity,64% of the provinces have the strong sustainable decreasing trend.The sustainable decreasing trend of emission intensity in majority region is good news for the accomplishment of the target of cutting CO2 emissions per unit of GDP by 20-25% from 2005 levels by 2020.However,for the most of provinces,the durability of increasing of total emission is higher than the emission intensity decreasing;in addition,there still are some regions which have the weaker decreasing trend in evolution of emission intensity,even the trend of emission intensity decreasing in some regions showed anti-sustainability.All of these indicated that it is still difficult for China to cut CO2 emission further,especially to fulfill the target of decoupling the CO2 emission from economic growth cutting because China's economic development is still at the stage of high speed of industrialization and urbanization.
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.
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) | 0,001 | 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 découle