Forest ecological security in China: A quantitative analysis of twenty five years
Notice bibliographique
Résumé
Forest Ecological Security (FES) is an essential component of ecological security and plays an important role in national security. In this study, the Delphi method was used to construct a multi-index comprehensive evaluation system, and indicators were weighted using the entropy weight method. Based on data from 31 provinces, this study evaluated the status of FES in China from 1994 to 2018 and identified the influencing factors of FES. The results showed that indicators such as forest stock volume per unit land area, forest coverage rate, population density, and population per unit forest area contributed the most to the evaluation indicator system. Forest quantity and quality, as well as population pressure, were especially important factors affecting FES. In terms of spatial distribution, FES varied greatly between regions and the developments were unbalanced. Provinces in the northeast, southern and southwest forest regions, such as Jilin, Heilongjiang, Fujian, Jiangxi, Yunnan, etc., had better FES due to their rich forest resources. The provinces in northwest China (Xinjiang, Qinghai, Gansu, and Ningxia) and north China (Shanxi, Hebei, Beijing, and Tianjin) had worse FES than other provinces. With the reference of temporal variation, the national average FES increased from 0.543 (1994–1998) to 0.593 (2014–2018). Furthermore, 51.6% of the provinces (Hainan, Fujian, Heilongjiang, Beijing, etc.) had continuous upward trends in their evaluation value of FES (VFES) during the study period, while the other provinces (Inner Mongolia, Shanghai, Shandong, etc.) exhibited fluctuating VFES. In general, the VFES of all provinces increased during the whole study period, and the average level of FES improved significantly, which indicated that China’s FES situation has shown continued improvement.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».