Climate change and its impact on rice acreage in high-latitude regions of China: an estimation by machine learning
Notice bibliographique
Résumé
Purpose Fewer researchers have investigated the climatic and economic drivers of land-use change simultaneously and the interplay between drivers. This paper aims to investigate the nonlinear and interaction effects of price and climate variables on the rice acreage in high-latitude regions of China. Design/methodology/approach This study applies a multivariate adaptive regression spline to characterize the effects of price and climate expectations on rice acreage in high-latitude regions of China from 1992 to 2017. Then, yield expectation is added into the model to investigate the mechanism of climate effects on rice area allocation. Findings The results of importance assessment suggest that rice price, climate and total agricultural area play an important role in rice area allocation, and the importance of temperature is always higher than that of precipitation, especially for minimum temperature. Based on the estimated hinge functions and coefficients, it is found that total agricultural area has strong nonlinear and interaction effects with climate and price as forms of third-order interaction. However, the order of interaction terms reduces to second order after absorbing the expected yield. Additionally, the marginal effects of driven factors are calculated at different quantiles. The total area shows a positive and increasing marginal effect with the increase of total area. But the positive impact of price on the rice area can only be observed when price reached 50% or higher quantiles. Climate variables also show strong nonlinear marginal effects, and most climatic effects would disappear or be weakened once absorbing the expected rice yield. Expected yield is an efficient mechanism to explain the correlation between crop area and climate variables, but the impact of minimum temperature cannot be completely modeled by the yield expectation. Originality/value To the best of the authors’ knowledge, this is the first study to examine the nonlinear response of land-use change to climate and economic in high-latitude regions of China using the machine learning method.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».