Estimating the Effects of Natural and Anthropogenic Activities on Vegetation Cover: Analysis of Zhejiang Province, China, from 2000 to 2022
Notice bibliographique
Résumé
Zhejiang Province, a pivotal economically developed region within China’s Yangtze River Delta, requires systematic investigation of spatiotemporal vegetation dynamics and their drivers to formulate targeted ecological protection policies and optimize vegetation restoration strategies. Utilizing the Google Earth Engine (GEE) platform, this study applied the Kernel Normalized Difference Vegetation Index (kNDVI) to assess vegetation responses to climate variability and human activities in Zhejiang Province from 2000 to 2022. Analytical methods included simple linear regression, Theil Sen trend analysis (Sen), Mann Kendall test (MK), Hurst index, partial correlation analysis, and correlation analysis. The results show: (1) The kNDVI exhibited a significant upward trend (0.001/year), covering 61.5% of the province. The Hurst index analysis revealed that 69.1% of vegetation changes exhibited anti-sustainability characteristics, with future vegetation degradation areas (56.4%) projected to exceed improvement areas (28.1%). (2) Human activities (57.11%) contributed more to kNDVI changes than climate change (42.89%). (3) Against the backdrop of climate change, kNDVI demonstrated a positive partial correlation with temperature (coefficient: 0.44) but exhibited a negative correlation with precipitation (coefficient: −0.056), confirming temperature as the dominant climatic driver. Overall, vegetation dynamics in Zhejiang Province from 2000 to 2022 were jointly driven by climate change and human activities.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,000 | 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 ».