Spatial Correlation Network Characteristics and Driving Mechanisms of Non-Grain Land Use in the Yangtze River Economic Belt, China
Notice bibliographique
Résumé
The rational utilization of cultivated land resources is central to ensuring both ecological and food security in the Yangtze River Economic Belt (YREB), holding strategic significance for regional sustainable development. Using panel data from 2010 to 2023 for 130 cities in the YREB, this study examines a spatial correlation network (SCN) for non-grain land use (NGLU) and its driving forces via a modified gravity model, social network analysis (SNA), and quadratic assignment procedure regression. The results show the following: (1) The risk of NGLU continues to increase, with the spatial pattern evolving from a “single-peak right deviation” pattern to a “multi-peak coexistence” pattern featuring three-level polarization and gradient transmission, primarily driven by economic potential disparities. (2) The SCN has increased in density, but its pathways are relatively singular. Node functions exhibit significant differentiation, with high-degree nodes forming “control poles”, high-intermediate nodes dominating cross-regional risk transmission, and low-proximity nodes experiencing “protective marginalization”. Node centrality distribution is highly connected with the regional development gradient. (3) The formation of the spatial network is jointly driven by multiple factors. Geographical proximity, economic potential differences, comparative benefit differences, non-agricultural employment differences, and factor mobility all positively contribute to the spillover effect. Conversely, implementing cultivated land protection policies and the regional imbalance in local industrial development path dependence significantly inhibit the non-grain trend. This study further reveals that a synergistic governance system characterized by “axial management, node classification, and edge support” should be recommended to prevent the gradient risk transmission induced by economic disparities, providing a scientific basis for achieving sustainable use of regional cultivated land resources and coordinated governance of food security.
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 | 0,000 | 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 | 0,000 |
| 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) | 0,000 | 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 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 ».