Evaluation and Drivers of Green Agricultural Water Use Efficiency in Yangtze River Economic Zone
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 efficient use of agricultural water is the key for Yangtze River Economic Zone (YREZ) to realize ecological green development. Taking the panel data on 11 YREZ regions in 2011-2018 as the object, this paper establishes an evaluation indicator system for green agricultural water use efficiency (GAWUE) containing undesired output, and adopts the epsilon-based measure (EBM) model to evaluate YREZ’s GAWUE. After analyzing the regional differences in YREZ’s GAWUE, the Tobit model was introduced to verify the drivers of GAWUE. The results show that: In the study period, YREZ’s GAWUE exhibits some regional differences. The mean GAWUEs of Shanghai, Jiangsu, Zhejiang, and Sichuan were optimized; those of Guizhou, Yunnan, Chongqing, and Hubei were relatively desirable, leaving a small room for improvement, the mean GAWUEs of Hunan, Jiangxi, and Anhui were undesirable, waiting for major improvement in future. Overall, the lower reaches had the highest GAWUE, followed by the upper reaches, while the middle reaches had the minimum GAWUE. The Tobit model shows that agricultural technological growth (ATG) and agricultural water intensity (AWI) greatly promote GAWUE, while farmer income level (FIL), water resources endowment (WRE), agricultural planting structure (APS), and farmland irrigation area (FIA) significantly suppress GAWUE.
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 | 0,001 | 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 découle