Research on Layout Optimization of Villages in Poverty-Stricken Counties —A Case Study of Wangmo County, Guizhou, China
Notice bibliographique
Résumé
Against the background of rural revitalization in China, this study takes Wangmo County as the study area, and uses mathematical models such as entropy method and rank-size rule to quantitatively evaluate the rural development potential of Wangmo County and rural development scale and hierarchical structure in Wangmo County. Based on this, the study puts forward suggestions for village layout optimization. According to the results, (i) evaluation elements of rural subject, industrial development, resource endowment, and habitat environment in Wangmo County are presented in the spatial pattern of being scattered as a whole and be agglomerated locally. (ii) The rank-size distribution of village is that there are more villages in the medium-ranking position, while there are fewer high-and-low-ranking villages with spindle structure of “being small on both ends, and large in the middle”, showing that the agglomeration of village elements has a weak degree of spatial polarization. (iii) By comprehensively evaluating results and field investigation situation, a township hierarchy of central village-general village-merged village is constructed to divide the development types of three rural areas, including agglomeration type for improvement, equilibrium, and stable type, as well as relocation and merger type. The results of the study in the case area can provide a reference for the local scientific response to the decreasing trend of rural population and change the predicament of low efficiency of public resource allocation caused by small-scale and scattered distribution of the rural areas.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».