MétaCan
Menu
Retour à la cohorte
Enregistrement W3214710037 · doi:10.1017/s1355770x21000346

Investigating the role of spatial spillovers as determinants of land conversion in urbanizing Canada

2021· article· en· W3214710037 sur OpenAlexaffabout
Feng Qiu, Qingmeng Tong, Junbiao Zhang

Notice bibliographique

RevueEnvironment and Development Economics · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésEndowmentSpillover effectEconomic geographyLand useNatural resourceMetropolitan areaGeographySpatial econometricsPopulationNatural resource economicsEconomicsEcologyEconometrics

Résumé

récupéré en direct d'OpenAlex

Abstract Although the impacts of income, population growth, and other important determinants of land-use change have been widely studied, there is less understanding of how spatial spillovers matter. Utilizing a spatial econometric approach, we investigate the main determinants of natural landscape conversion, focusing on quantifying local and global spatial spillovers. The empirical investigation applies to the Edmonton Metropolitan Region and the Calgary Regional Partnership in Canada. Key results include: (1) determinants of land conversion have significant spillover effects; (2) income, population density, road density, natural land endowment and land suitability for agriculture are all found to have influences on natural land conversion both in the own and neighboring areas; and (3) local (i.e., within the immediate neighboring areas) and global (in the entire study region) spillovers are different in strength and direction. Our work provides useful information for understanding the spillover issues in land conservation, resource governance, and optimal conservation design.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,098

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,160
Écart entre enseignants0,133 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironment and Development EconomicsMême sujetEconomic and Environmental ValuationTravaux en français237 207