The United States National Park System: Overview, Challenges and Policy Recommendations for China
Notice bibliographique
Résumé
This article conducts a comparative analysis of national park legislation, focusing on insights from the US National Park System to inform the development of China's emerging national park framework. Against the backdrop of a global conservation movement, the US system serves as a valuable model for China, which initiated its own national park system in 2017. On October 12, 2021, China has formally established its inaugural set of national parks, comprising the Three-River-Source National Park, the Giant Panda National Park, the Northeast China Tiger and Leopard National Park, the Hainan Tropical Forests National Park, and the Wuyishan National Park. Encompassing approximately 230,000 square kilometres, these five national parks safeguard nearly 30% of China's crucial terrestrial wildlife species. As China endeavours to enact comprehensive legislation for its national parks, this research aims to contribute to the ongoing efforts by addressing key questions such as the efficacy of the US's "One National Park, One Law" model, the governance dynamics between federal, state, and local entities, and strategies for balancing conservation with diverse land uses. The analysis spans five sections, exploring the historical evolution of the US National Park System, its legal framework, challenges faced by US national parks, and policy recommendations for China. The US experience highlights the importance of establishing clear legal authorities, fostering robust public participation mechanisms, and harmonizing relationships with Indigenous communities. The findings presented in this study aspire to facilitate a nuanced understanding of national park legislation, promoting international collaboration between the US and China for the sustainable management of natural lands and the protection of global biodiversity.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».