Study on the behavioral decision of multiple subjects of agricultural green production under the double carbon target in China
Notice bibliographique
Résumé
Excessive carbon emissions constitute a major driver of contemporary global warming. Achieving carbon neutrality in agriculture, particularly via carbon peaking, represents a critical strategy for emission reduction, wherein green agricultural production serves as a pivotal component. This study constructs a unified model encompassing the government, agricultural enterprises, and farms engaged in green agricultural production, utilizing a dynamic evolutionary game approach to examine the decision-making behaviors of these stakeholders. The findings indicate that green agricultural production entails the responsibilities of managers, users, and producers. The government fulfills a guiding and supervisory role, while agricultural enterprises actively produce low-carbon agricultural materials, and farms rigorously implement these materials. To facilitate this, the government should implement a reward and punishment mechanism, including increased carbon tax rebates for enterprises producing low-carbon materials and subsidies for farms utilizing them. Conversely, penalties should be levied on entities that fail to comply with low-carbon practices. The government must meticulously calibrate subsidies and fines within a reasonable range, appropriately reduce taxes, and effectively manage regulatory costs to mitigate financial strain. Under government incentives and penalties, agricultural enterprises should proactively respond by offering price concessions to farms utilizing low-carbon materials, balancing costs and benefits, and fostering a socially responsible corporate image. Farms should establish close collaboration with the government and enterprises to ensure the procurement, utilization, and production of low-carbon agricultural materials. This study provides valuable insights for advancing agricultural carbon neutrality through the perspective of green agricultural production.
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 | 0,002 | 0,001 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».