Decoding the dynamics and disparities of urban carbon intensity under the influence of land use and demographics from both global and local perspectives
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
Timely and accurate assessment of how land use and demographics affect carbon intensity (CI) variations matters to effective reduction policies. However, the interdependencies driving these effects are not yet fully understood. This study examines the spatial heterogeneity and dynamics of urban CI in China, focusing on the roles of land use patterns and demographic factors. Results show that despite an overall decline in urban CI, carbon inequality has worsened. Notably, previously narrowing regional disparities have now diverged, driven mainly by growing variations within regional clusters. There are significant spatial differentiation in urban CI, with northern regions exhibiting higher values compared to southern regions. The spatial integration of urban CI is strongly shaped by path dependency and lock-in effects, even amid persistent inter-regional competition. The endogenous effect of urban CI suggests that a 1 % increase in neighboring areas corresponds to at least a 0.5 % increase locally. The global regression demonstrates that urbanization, labor participation, and income positively affect urban CI, while aging, technological progress, industrial upgrading, and R&D investment negatively influence it, with both direct and spillover effects observed. Local regression analysis uncovers pronounced spatial heterogeneity, with land urbanization (accounting for 71.8 %) and population aging (60.9 %) emerging as the two most significant determinants in these relationships. These findings shed light on the need to integrate land use and demographic profiles into carbon abatement strategies, advocating for locally tailored interventions to effectively mitigate urban CI.
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 | 0,002 |
| 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) | 0,000 | 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 découle