The Natural Environmental Factors Influencing the Spatial Distribution of Marathon Event: A Case Study from China
Notice bibliographique
Résumé
PURPOSE: The purpose of this study was to investigate the influence of natural environmental factors on the spatial distribution of marathon events in China, and to identify the suitable natural environmental factors for the marathon events. METHODS: Geographic information system (GIS) spatial analysis tools were used to perform coupling analysis, e.g. overlap, neighborhood, intersection and buffer for terrain, climate, air quality, mountains and water resources with 342 marathon events held in China in 2018. RESULTS: The results indicate that the spatial distribution of marathon events in China is negatively correlated with the elevation of the terrain (plain > hill > plateau > mountain > basin); climate (subtropical monsoon climate > temperate monsoon climate > temperate continental climate > tropical monsoon climate > plateau alpine climate), air quality (level 3 > level 2 > level 4 > level 1). Results indicate that buffer zones can protect water resources: there are 24 items in the buffer zone of river 0.5 km and lake 1 km, 131 items in the buffer zone of river 3 km and lake 5 km, 191 items in the buffer zone of river 5 km and lake 10 km, 298 items in the buffer zone of river 10 km and lake 20 km. Results indicate for mountain range buffer: 13 items in the 20 km buffer and 39 items in the 50 km buffer. CONCLUSIONS: Marathon events are more likely to be held on the third rung of China's topography where a city has a typical landform (plains, basins, hills, or mountain) with good climate and air quality. Meanwhile a city with water and mountain resources for recreational events such as cross-country or obstacle course are essential. The contribution of this study is to systematically and intuitively reflect the influence of natural environment factors on the distribution of marathon events in China, and to provide evidence for the medium and long-term planning of marathon events in China, the selection of venues for different types of marathon events and how to attract participants.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».