Digital economy development assessment and spatiotemporal evolution at the urban level in China based on the NTL&POI fusion index
Notice bibliographique
Résumé
Precisely measuring digital economy development is essential for optimizing regional spatial layouts and promoting coordinated growth. To address the limitations of traditional data sources and the weak integration of industrial structure in single remote sensing indicators, this study constructs a fusion index combining nighttime light (NTL) and point of interest (POI) data. Coupled with an ε-support vector regression (ε-SVR) model, this NTL&POI fusion index was used to estimate the digital economy index (DEI) for 367 Chinese cities during 2018–2023. The results reveal a marked improvement in urban digital economies: the proportion of starting-stage cities declined from 75 % to 58 %, while leading-stage cities more than doubled from 6 to 13. Spatially, an increasingly clustered distribution around core cities is indicated by the rise of global Moran’s I from 0.235 to 0.381. Spatial imbalance remains significant, with an average annual Gini coefficient of 0.108, and between-region differences accounting for 40.60 % of the total variation. High-value clusters are concentrated in eastern coastal areas, whereas western regions lag behind. Increased spatial concentration is also evident from a contracting standard deviation ellipse, with the center of gravity remaining stable in Nanyang, Henan Province. This study proposes a novel spatial assessment framework for the digital economy using fused multi-source geospatial data as proxies. The findings offer empirical insights into the spatial dynamics and geographic restructuring of the digital economy in China and provide a foundation for targeted policymaking to foster cross-regional coordination, phased development, and integrated digital growth. • The NTL&POI fusion index provides a new perspective for measuring the digital economy. • The digital economy development level in Chinese cities has shown remarkable temporal advancement. • The digital economy of Chinese cities has generated spatial spillover effects in agglomeration. • Significant spatial imbalances characterize digital economy development in Chinese cities.
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 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 | 0,001 | 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 | 0,000 |
| 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) | 0,001 | 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 tête enseignante, 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 ».