MétaCan
Menu
Retour à la cohorte
Enregistrement W4406021882 · doi:10.1080/17538947.2024.2448572

Carbon balance dynamic evolution and simulation coupling economic development and ecological protection: a case study of Jiangxi Province at county scale from 2000–2030

2025· article· en· W4406021882 sur OpenAlexaff
Yuliang Deng, Min Huang, Daohong Gong, Yong Ge, Hui Lin, Daoye Zhu, Yong Chen, Orhan Altan

Notice bibliographique

RevueInternational Journal of Digital Earth · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiens3v Geomatics (Canada)University of Toronto
Organismes subventionnairesnon disponible
Mots-clésSustainable developmentBalance (ability)Climate changeScale (ratio)Carbon sequestrationZoningCarbon fibersNatural resource economicsEnvironmental resource managementEnvironmental scienceGeographyEcologyEconomicsCarbon dioxidePolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

In addressing global climate change and promoting economic growth, achieving a comprehensive carbon balance at the county level is vital for sustainable development. However, most studies focus on the balance between carbon emissions and sequestration (CESB), neglecting the intricate ecological and economic carbon balance (EECB) at this scale. This study introduces an analytical framework that couples economic development with ecological protection by using coupling coordination degree analysis, carbon balance zoning, and the Markov-PLUS model. Taking Jiangxi Province as a case study, we evaluate the spatio-temporal dynamics of carbon balance from 2000–2020 and predict future trends for 2030 under four potential development scenarios. Results reveal significant regional variations in CESB over the two decades, which primarily exhibit net carbon emission. Meanwhile, the continuous decline in EECB highlights the need for balanced economic and ecological development. By 2030, the land use's carbon sequestration capacity is expected to increase under different scenarios, leading to a ‘middle-high, sides-low’ spatial pattern in CESB. These findings are crucial for policymakers in devising strategies for sustainable regional development.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,264
Score d'incertitude au seuil0,498

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,216
Écart entre enseignants0,203 · 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 tête enseignante, 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

Citations22
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Digital EarthMême sujetEnergy, Environment, Economic GrowthTravaux en français237 207