Impact of Human Disturbances on the Spatial Heterogeneity of Landscape Fragmentation in Qilian Mountain National Park, China
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
Qilian Mountain National Park (QLMNP) is a biodiversity hotspot with great agriculture and tourism resources. With the expansion of human activities, a few areas of the park are experiencing massive landscape transformation, and these areas are also highly ecologically sensitive. Nevertheless, there are substantial differences in the human activities and natural resources of various communities around QLMNP, resulting in heterogeneous landscape degradation. Hence, this study explores the extent and drivers of spatial heterogeneity in landscape fragmentation associated with ecologically vulnerable communities in QLMNP. Multiple ring buffer analysis and geographically weighted regression (GWR) were used to analyze the relationships between landscape fragmentation and variables of human activities and facilities to identify the main factors influencing landscape fragmentation in different regions. The results reveal that human disturbance had a stronger relationship with landscape fragmentation in QLMNP than natural factors do. Among the drivers of landscape fragmentation, the distribution of residential areas and the extension of agricultural land were found to have more significant impacts than tourism. Expansion of cropland had a greater impact on the eastern part of the national park, where overgrazing and farming require further regulation, while tourism affected the landscape fragmentation in the central area of the national park. The point-shaped human disturbance had a larger impact than the linear disturbance. The study findings can be used to formulate a comprehensive plan to determine the extent to which agriculture and tourism should be developed to avoid excessive damage to the ecosystem.
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 | 0,000 | 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) | 0,002 | 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