Mais

7.3: Fatores que influenciam a produção - Geociências

7.3: Fatores que influenciam a produção - Geociências


Para plantas terrestres, muitos fatores afetam a produtividade, incluindo luz, temperatura, nutrientes, solo e água. A temperatura é geralmente mais estável no oceano do que na terra, portanto, para o fitoplâncton, a produtividade se resume à disponibilidade de luz e nutrientes.

Luz

Como a luz é vital para a fotossíntese, o fitoplâncton e outros produtores primários estão limitados às camadas superiores do oceano, onde a luz é abundante o suficiente para sustentar a reação. Conforme a profundidade aumenta, a intensidade da luz diminui até atingir uma profundidade onde a fotossíntese não pode mais ocorrer (Figura ( PageIndex {1} )). A região através da qual a luz suficiente para a fotossíntese pode penetrar é chamada de zona fótica ou eufótica, que se estende até cerca de 200 m (seção 6.5).

Além de passar pela fotossíntese, o fitoplâncton também respira, consumindo alguns dos compostos orgânicos que produz. As taxas de respiração não dependem da luz e a respiração ocorre em todas as profundidades e níveis de luz. Portanto, à medida que a profundidade aumenta, a taxa de fotossíntese diminui à medida que a luz diminui, até que um ponto é alcançado onde a taxa de fotossíntese é igual à taxa de respiração (Figura ( PageIndex {1} )). Esta profundidade é a profundidade de compensação, e marca o nível inferior da zona fótica e representa a profundidade onde termina a produção primária líquida. Abaixo dessa profundidade, há respiração líquida.

Nutrientes

Os nutrientes são necessários para todos os produtores primários marinhos. Os principais nutrientes requeridos pelo fitoplâncton são nitrogênio e fósforo, nas formas de nitrato NO3, nitrito NÃO22-, amônio NH4+, e fosfato PO43-. Muitos fitoplâncton, particularmente as diatomáceas, também requerem sílica, SiO2, para a formação de conchas. Todos esses nutrientes ocorrem em quantidades muito pequenas na água do mar, de modo que costumam ser os fatores limitantes para o crescimento do fitoplâncton na maioria das situações, especialmente os compostos de nitrogênio. Por exemplo, o solo agrícola contém 0,5% de nitrogênio no metro superior do solo, enquanto a água da superfície do oceano contém cerca de 0,00005% de nitrogênio, 1 / 10.000 a quantidade no solo.

Como vimos na seção 5.6, os nutrientes não são distribuídos uniformemente pela coluna d'água (Figura ( PageIndex {2} )). Perto da superfície, os nutrientes são rapidamente utilizados pelo fitoplâncton à medida que se tornam disponíveis, de modo que as águas superficiais são pobres em nutrientes. Mas à medida que o fitoplâncton é consumido ou morre, ele é reciclado em partículas de matéria orgânica, como pelotas fecais ou carcaças, que afundam em águas mais profundas. Uma vez em águas profundas, a decomposição desses materiais libera os nutrientes de volta para a coluna d'água. Como não há produtores para utilizá-los em profundidade, os nutrientes são mais abundantes em águas mais profundas.

Esses nutrientes de águas profundas estão fora do alcance do fitoplâncton na superfície. A termoclina e a estratificação de densidade da coluna de água geralmente evitam que as águas profundas, ricas em nutrientes, se misturem com as águas superficiais. No entanto, sob certas condições, essas águas profundas, ricas em nutrientes, podem ser trazidas à superfície por meio do processo de ressurgência (ver seção 9.5). Onde ocorre a ressurgência, geralmente há alta produtividade, pois o fitoplâncton pode aproveitar a entrada de nutrientes.


Características de distribuição e principais fatores de influência do selênio na superfície do solo de uma área natural rica em selênio: um estudo de caso no condado de Langao, China

A fim de estudar a distribuição de selênio no solo superficial e seu principal fator de influência, coletamos 360 amostras de solo superficial e quatro grupos de perfis de solo com 210 amostras de rocha-mãe correspondentes no condado de Langao, província de Shaanxi (uma área típica de Daba com alto teor de selênio Montanha). As amostras foram analisadas quanto a oligoelementos usando ICP-MS, ICP-OES e HG-AFS. Os resultados mostram o seguinte. (1) o conteúdo de selênio nos solos superficiais do condado de Langao varia muito (0,03-16,96 mg / kg). O conteúdo médio de selênio nos solos superficiais do Condado de Langao é 0,99 mg / kg, maior do que a média do solo global (0,4 mg / kg) e da China (0,29 mg / kg), e 3,4 vezes a média do selênio do solo na China. (2) O conteúdo de selênio da rocha-mãe no condado de Langao também varia muito (0,01-56,22 mg / kg), com um conteúdo médio de selênio de 2,02 mg / kg, que é 40 vezes maior do que a crosta superior (0,05 mg / kg). (3) O conteúdo de selênio nos estratos do Pré-cambriano Superior ao Paleozóico e sua variação é um fator importante que afeta a variação espacial do conteúdo de selênio no solo. A série de rochas negras (ardósia carbonácea e ardósia carbonácea com silício) do Upper Ediacaran-Cambrian no lado norte tem o maior teor médio de selênio (& gt 7,92 mg / kg), e o teor de selênio do solo superficial na área de distribuição pode atingir até 16,96 mg / kg. O Cambriano Médio, Cambriano Superior, Ordoviciano e Siluriano (calcário e marga) no sul tem o conteúdo médio de selênio mais baixo (& lt 2 mg / kg), e o conteúdo de selênio da superfície do solo na área de distribuição é inferior a 0,8 mg / kg na maioria das vezes. (4) Amostras de solo em diferentes profundidades no mesmo perfil de solo têm composição semelhante de elementos de terras raras (REE), e a rocha-mãe e o solo superficial correspondente têm composição semelhante de REE. Este estudo indica que o conteúdo de selênio na camada superficial do solo varia muito, mesmo em áreas com alto teor de selênio. E a diferença de distribuição de selênio está intimamente relacionada ao conteúdo original de selênio da rocha.

Palavras-chave: Fator de influência Conteúdo de selênio Distribuição de selênio Estratos Solo superficial.


Acesso

  • APA
  • Padrão
  • Harvard
  • Vancouver
  • Autor
  • BIBTEX
  • RIS

Em: Biogeosciences, Vol. 15, No. 8, 19.04.2018, p. 2325-2348.

Resultado da pesquisa: contribuição para o jornal ›Artigo› revisão por pares

n> o evento de 1997/98 parece ter impactado negativamente a produção de cistos na bacia com uma defasagem de 1 ano, e pode ter contribuído para os fluxos excepcionalmente altos de cistos do tipo <"> Cp <"> (possivelmente os cistos da dinoflagelado tóxico Cochlodinium polykrikoides sensu Li et al., 2015), com fluxos de cisto do tipo Cp de até 11,8 × 103 cistos-2 dia-1 observados durante o evento de ressurgência fraca de fevereiro a maio de 1999. Possíveis interações tróficas entre dinoflagelados e outros planctônicos importantes os grupos também são investigados comparando o momento e a magnitude da produção de cistos com proxies para comunidades fitoplanctônicas (de dados de fotopigmento) e indicadores de abundância de micro a macrozooplâncton (de dados palinológicos) no local. Este trabalho fornece novos insights detalhados sobre a ecologia de dinoflagelados produtores de cisto e permitirá interpretações mais detalhadas de assembléias fósseis extraídas de registros sedimentares na bacia e em outros lugares. ",

T1 - Fatores físico-químicos e biológicos que influenciam a produção de cistos dinoflagelados na Bacia de Cariaco

N1 - Informação de Financiamento: Este trabalho foi financiado por uma bolsa de pós-doutorado (PDF) do Conselho de Ciências Naturais e Pesquisa em Engenharia do Canadá (NSERC) e um Programa de Apoio Avançado para Excelência em Pesquisa Inovadora (ASPIRE I - Track IIb) da U. da Carolina do Sul a Manuel Bringué, e uma bolsa NSERC Discovery a Vera Pospelova. O programa de captura de sedimentos CARIACO foi apoiado pela National Science Foundation (NSF concede OCE 9401537, OCE 9729697 e OCE 1258991). Os autores desejam agradecer a Claudia Benitez-Nelson (University of South Carolina) por fornecer dados de profundidade de camada mista e por discussões úteis sobre a hidrologia da bacia. Kenneth Mertens (IFREMER - Concarneau) é gentilmente agradecido por sua ajuda na identificação do cisto dinoflagelado. A tripulação do R / V Hermano Gines também é reconhecida por todas as operações no mar. Os autores agradecem a Barrie Dale (Universidade de Oslo), Sofia Ribeiro (Pesquisa Geológica da Dinamarca e Groenlândia) e ao revisor anônimo por seus comentários úteis e construtivos que ajudaram a melhorar o manuscrito. Número de contribuição do NRCan: 20180015. Informações de financiamento: Agradecimentos. Este trabalho foi financiado por uma bolsa de pós-doutorado (PDF) do Conselho de Pesquisa em Ciências Naturais e Engenharia do Canadá (NSERC) e um Programa de Apoio Avançado para Excelência em Pesquisa Inovadora (ASPIRE I - Track IIb) da Carolina do Sul para Manuel Bringué, e uma concessão NSERC Discovery para Vera Pospelova. O programa de captura de sedimentos CARIACO foi apoiado pela National Science Foundation (NSF concede OCE 9401537, OCE 9729697 e OCE 1258991). Os autores desejam agradecer a Claudia Benitez-Nelson (University of South Carolina) por fornecer dados de profundidade de camada mista e por discussões úteis sobre a hidrologia da bacia. Kenneth Mertens (IFRE-MER - Concarneau) é gentilmente agradecido por sua ajuda na identificação do cisto dinoflagelado. A tripulação do R / V Hermano Gines também é reconhecida por todas as operações no mar. Os autores agradecem a Barrie Dale (Universidade de Oslo), Sofia Ribeiro (Pesquisa Geológica da Dinamarca e Groenlândia) e ao revisor anônimo por seus comentários úteis e construtivos que ajudaram a melhorar o manuscrito. NRCan Contribution number: 20180015. Editora Copyright: © Author (s) 2018.

N2 - Apresentamos um registro de armadilha de sedimentos de 2,5 anos de produção de cistos de dinoflagelados na Bacia de Cariaco, ao largo da Venezuela (sul do Mar do Caribe). O local encontra-se sob a influência da ressurgência sazonal impulsionada pelo vento, que promove altos níveis de produtividade primária durante o inverno boreal e a primavera. Mudanças na produção de cistos dinoflagelados são documentadas entre novembro de 1996 e maio de 1999 em intervalos de -14 dias e interpretadas no contexto de observações in situ de parâmetros físico-químicos e biológicos medidos no local de atracação. As assembléias de cistos de dinoflagelados são diversas (57 táxons) e dominadas por táxons de cistos de afinidade heterotrófica, principalmente Brigantedinium spp. (51% da montagem total da armadilha). Os fluxos médios de cistos para a armadilha são altos (17,1 × 103 cistos-2 dia-1 / e mostram grande variabilidade sazonal e interanual. Em escalas de tempo sazonais, a produção de cistos dinoflagelados responde de perto a variações na força de ressurgência, com aumentos nos fluxos de cistos de vários protoperidinioides táxons observados durante intervalos de ressurgência ativos, predominantemente Brigantedinium spp. Táxons de cistos produzidos por dinoflagelados autotróficos, em particular Bitectatodinium spongium, também respondem positivamente à ressurgência. Vários cistos "castanhos espinhosos" contribuem substancialmente para as assembleias, incluindo Echinidinium delicatum (9,7%) e Echinidinium delicatum (9,7%) granulatum (7,3%), e mostram uma afinidade mais estreita com condições de ressurgência mais fracas. O forte evento El Niño de 1997/98 parece ter impactado negativamente a produção de cistos na bacia com um atraso de 1 ano, e pode ter contribuído para o aumento incomum fluxos de cistos do tipo "Cp" (possivelmente os cistos do dinoflagelado tóxico Cochlodinium polykrikoides sensu Li et al., 2015), com fluxos de Cp do tipo cisto de até 11,8 × 103 cistsm-2 dia-1 observados durante o evento de ressurgência fraca de fevereiro a maio de 1999. Possíveis interações tróficas entre dinoflagelados e outros grupos planctônicos importantes também são investigadas comparando o momento e a magnitude da produção de cistos com proxies para comunidades fitoplanctônicas (de dados de fotopigmento) e indicadores de abundância de micro a macrozooplâncton (de dados palinológicos) no local. Este trabalho fornece novos insights detalhados sobre a ecologia de dinoflagelados produtores de cisto e permitirá interpretações mais detalhadas de assembleias fósseis extraídas de registros sedimentares na bacia e em outros lugares.

AB - Apresentamos um registro de armadilha de sedimentos de 2,5 anos de produção de cistos de dinoflagelados na Bacia de Cariaco, ao largo da Venezuela (sul do Mar do Caribe). O local está sob a influência da ressurgência sazonal e impulsionada pelo vento, que promove altos níveis de produtividade primária durante o inverno boreal e a primavera. Mudanças na produção de cistos dinoflagelados são documentadas entre novembro de 1996 e maio de 1999 em intervalos de -14 dias e interpretadas no contexto de observações in situ de parâmetros físico-químicos e biológicos medidos no local de atracação. As assembléias de cistos de dinoflagelados são diversas (57 táxons) e dominadas por táxons de cistos de afinidade heterotrófica, principalmente Brigantedinium spp. (51% da montagem total da armadilha). Os fluxos médios de cistos para a armadilha são altos (17,1 × 103 cistos-2 dia-1 / e mostram grande variabilidade sazonal e interanual. Em escalas de tempo sazonais, a produção de cistos dinoflagelados responde de perto a variações na força de ressurgência, com aumentos nos fluxos de cistos de vários protoperidinioides táxons observados durante intervalos de ressurgência ativos, predominantemente Brigantedinium spp. Táxons de cistos produzidos por dinoflagelados autotróficos, em particular Bitectatodinium spongium, também respondem positivamente à ressurgência. Vários cistos "castanhos espinhosos" contribuem substancialmente para as assembleias, incluindo Echinidinium delicatum (9,7%) e Echinidinium delicatum (9,7%) granulatum (7,3%), e mostram uma afinidade mais estreita com condições de ressurgência mais fracas. O forte evento El Niño de 1997/98 parece ter impactado negativamente a produção de cistos na bacia com um atraso de 1 ano, e pode ter contribuído para o aumento incomum fluxos de cistos do tipo "Cp" (possivelmente os cistos do dinoflagelado tóxico Cochlodinium polykrikoides sensu Li et al., 2015), com fluxos de Cp do tipo cisto de até 11,8 × 103 cistsm-2 dia-1 observados durante o evento de ressurgência fraca de fevereiro a maio de 1999. Possíveis interações tróficas entre dinoflagelados e outros grupos planctônicos importantes também são investigadas comparando o tempo e a magnitude da produção de cistos com proxies para comunidades fitoplanctônicas (de dados de fotopigmento) e indicadores de abundância de micro a macrozooplâncton (de dados palinológicos) no local. Este trabalho fornece novos insights detalhados sobre a ecologia de dinoflagelados produtores de cisto e permitirá interpretações mais detalhadas de assembleias fósseis extraídas de registros sedimentares na bacia e em outros lugares.


Fatores que influenciam o comportamento e as percepções de veterinários australianos em relação ao uso de antibióticos e resistência antimicrobiana

A resistência antimicrobiana (AMR) é uma crise global com impactos na saúde e bem-estar futuros de humanos e animais. Determinar os principais fatores que influenciam os comportamentos de prescrição de antimicrobianos dos veterinários pode preencher a lacuna entre as diretrizes de prescrição e o uso clínico. Os veterinários que atuam na Austrália foram pesquisados ​​sobre sua frequência na prescrição de diferentes fatores de antibióticos que influenciam seus comportamentos de prescrição de antibióticos e suas percepções sobre os fatores atuais de AMR. Os antibióticos foram prescritos em um terço das consultas com diferenças importantes na frequência de uso de antibióticos específicos por veterinários de animais de companhia, equinos e gado, que se alinham amplamente com as restrições de registro de antibióticos na Austrália. Veterinários com SCA relataram prescrever antibióticos de amplo espectro de maior importância para a saúde humana com mais freqüência do que veterinários de gado. Os fatores relatados como barreiras 'fortes' ou 'moderadas' para a prescrição de antibióticos apropriados foram 1) custo da cultura e teste de sensibilidade e 2) falta de acesso a testes diagnósticos rápidos e acessíveis. O medo de perder clientes, a pressão dos colegas e a falta de compreensão sobre os antibióticos foram considerados "não" ou "um pouco" uma barreira à prescrição adequada pelos entrevistados. Os veterinários da SCA deram maior importância à contribuição do uso de antibióticos em animais para a AMR do que o uso de antibióticos em animais de companhia. Apesar de relatar o uso de menos antibióticos de espectro estreito, principalmente de menor importância para a saúde humana e animal, os veterinários de gado geralmente estavam mais cientes de sua contribuição potencial para a RAM. Este estudo fornece insights sobre as semelhanças e diferenças em veterinários de SCA, equinos e gado que praticam na Austrália e informa estratégias específicas do setor para melhorar o manejo antimicrobiano.

Declaração de conflito de interesse

Os autores declararam que não existem interesses conflitantes.

Bonecos

Fig 1. Freqüência de uso de antibióticos relativa ...

Fig 1. Frequência de uso de antibióticos em relação ao tipo de prática (pequeno animal de companhia [SCA], ...

Fig 2. Freqüência de uso de antibióticos em relação ...

Fig 2. Frequência do uso de antibióticos em relação ao tipo de prática (veterinários que tratam predominantemente ...

Fig 3. Fatores que influenciam a prescrição de antibióticos entre ...

Fig 3. Fatores que influenciam a prescrição de antibióticos entre pequenos animais de companhia [SCA], equinos [Eq] e gado ...

Fig 4. Percepções entre pequenos animais de companhia ...

Fig 4. Percepções entre veterinários de pequenos animais de companhia [SCA], equinos [Eq] e gado [Liv] sobre ...


Conselho de Governadores do Sistema da Reserva Federal

Versão atual PDF ASCII RSS Download de dados

A produção industrial total aumentou 0,8% em maio. A produção industrial avançou 0,9 por cento, refletindo, em parte, um grande ganho na produção da fábrica de montagens de veículos motorizados, excluindo veículos motorizados e peças, que aumentou 0,5 por cento. Os índices de mineração e serviços públicos aumentaram 1,2 por cento e 0,2 por cento, respectivamente.

Em maio, com 99,9% da média de 2017, a produção industrial total foi 16,3% maior do que no ano anterior, mas 1,4% menor do que o nível pré-pandemia (fevereiro de 2020). A utilização da capacidade do setor industrial aumentou 0,6 ponto percentual em maio para 75,2%, uma taxa 4,4 pontos percentuais abaixo de sua média de longo prazo (1972 e ndash2020).

Produção Industrial e Utilização da Capacidade: Resumo
Capacidade de utilização Porcentagem de capacidade Capacidade
crescimento
Média
1972-
2020
1988-
89
Alto
1990-
91
baixo
1994-
95
Alto

2009
baixo

2020
Poderia
2020
Dez. [R]
2021 Maio de 20 a
21 de maio
Janeiro [r] Fevereiro [r] Março [r] Abril [r] Maio [p]
Indústria total 79.6 85.2 78.8 85.1 66.6 64.7 74.1 74.9 72.7 74.6 74.6 75.2 .0
Estimativas anteriores 74.2 74.9 72.7 74.2 74.6
Fabricação (ver nota abaixo) 78.2 85.6 77.3 84.7 63.5 63.7 74.4 75.5 72.8 75.0 74.9 75.6 -.4
Estimativas anteriores 74.5 75.4 72.7 74.9 75.1
Mineração 86.2 86.0 83.8 88.3 78.3 63.5 70.6 72.7 66.5 74.5 74.3 75.2 -1.7
Serviços de utilidade pública 85.0 93.1 84.6 93.2 78.0 72.3 75.4 73.2 78.7 71.6 72.8 72.8 2.8
Grupos de estágio de processo
Bruto 85.4 87.7 84.6 89.7 76.5 66.2 73.2 74.3 66.5 73.4 74.1 75.9 -1.1
Primário e semiacabado 80.2 86.5 78.1 87.9 63.5 65.7 74.1 74.3 74.0 74.1 74.4 74.7 .3
Finalizado 76.8 83.4 77.5 80.7 66.5 62.9 74.5 75.8 73.7 75.6 75.1 75.6 -.3
[r] Revisado. [p] Preliminar.
Grupos de Mercado

A maioria dos grupos de mercado registrou ganhos em maio. Os índices de bens de consumo, equipamentos comerciais, suprimentos comerciais e materiais aumentaram cerca de 1%. Em bens de consumo, o índice de bens duráveis ​​avançou quase 3%, principalmente devido a um salto de 5,7% na produção de produtos automotivos. O aumento em equipamentos comerciais refletiu principalmente a força em equipamentos de trânsito e em equipamentos de processamento de informações. O ganho em materiais foi bastante disseminado, com os não duráveis ​​apresentando um avanço um pouco maior do que os duráveis ​​ou a energia. Materiais de construção e equipamentos de defesa e espaço registraram perdas.

Grupos Industriais

A produção industrial avançou 0,9% em maio. O índice de manufatura durável subiu 1,0 por cento, com a maior parte do aumento resultante de um ganho de 6,7 por cento para veículos motorizados e peças. As montagens globais de veículos saltaram cerca de 1 milhão de unidades para 9,9 milhões de unidades (taxa anual), mesmo assim, permaneceram mais de 1 milhão de unidades abaixo de seu nível médio na segunda metade de 2020, já que a produção continuou a ser prejudicada pela escassez de semicondutores. O índice de não duráveis ​​subiu 0,8 por cento - quase todos os seus componentes registraram ganhos. Avanços de mais de 2% foram registrados por vestuário e couro, impressão e suporte e produtos químicos. A melhora nos produtos químicos refletiu principalmente a reabertura de algumas plantas petroquímicas adicionais que estavam fora de serviço devido aos danos causados ​​pelas condições geladas em fevereiro. A produção de outras manufaturas (publicação e registro) aumentou 0,8 por cento.

A utilização da capacidade de manufatura aumentou 0,7 ponto percentual em maio, para 75,6 por cento. A taxa de operação para mineração aumentou 0,9 ponto percentual para 75,2 por cento, enquanto a taxa de operação para utilitários permaneceu inalterada em 72,8 por cento. As taxas para os três setores permaneceram abaixo de suas médias de longo prazo.


Introdução

A Estação Hidrelétrica de Três Gargantas é atualmente a maior usina hidrelétrica do mundo e é o maior projeto já construído na China. Desde o início do armazenamento experimental de água em 2003, está em operação contínua há 16 anos. Por causa das condições geológicas complexas e das atividades humanas frequentes em TGRA, esta área tem sido propensa a desastres geológicos frequentes por um longo período de tempo (Chen et al., 2008 Yin et al., 2009 Kirschbaum et al., 2010 Miyagi et al., 2011 Ahmed, 2015). O ambiente ecológico do reservatório se deteriorou como resultado de deslizamentos causados ​​por fortes chuvas e mudanças no nível da água do reservatório, o que se tornou um grande perigo potencial que afeta a segurança operacional de longo prazo de grandes projetos hidrelétricos e o ambiente ecológico do reservatório ( Varnes, 1996). Tópicos importantes no campo de monitoramento de desastres de deslizamento hidrodinâmico e alerta e prevenção antecipada incluem: 1) a análise das características de deformação hidrodinâmica do deslizamento de terra e da resposta induzida por deformação do reservatório & # x02019s, 2) a análise dos fatores que influenciam o deslizamento de terra e previsão de deformação, e 3) o estabelecimento de um modelo de extração de limite. Para revelar o mecanismo causador de desastres de deslizamentos hidrodinâmicos em áreas de reservatórios, é particularmente importante estudar a correlação entre os fatores influenciadores e o deslocamento, que é de grande importância para o monitoramento e alerta precoce de desastres em reservatórios e a prevenção e mitigação de desastres.

Atualmente, a análise de correlação de fatores que influenciam a deformação por deslizamento de terra foi baseada principalmente na teoria linear. Por exemplo, alguns métodos tradicionais de análise de correlação, como análise de correlação linear, análise de correlação cinza e teste de hipótese, foram aplicados para selecionar os fatores de influência que afetam o deslocamento do deslizamento hidrodinâmico (Ohtake, 1986 Kafri e Shapira, 1990 Wang et al., 2004 Pavan et al., 2012 Telesca et al., 2012 Miao et al., 2017a). Além disso, alguns pesquisadores usaram análise de série temporal autoregressiva & # x02013 média móvel (ARMA) e coeficientes de correlação momento-produto de Pearson (PPCC) para analisar a correlação defasada entre os incrementos de deslocamento mensal e seus fatores de influência (Cai et al., 2016 Cao et al., 2016 Zhou et al., 2016 Li et al., 2018). Além disso, com base nos dados de precipitação diária para o TGRA, o método dos elementos finitos (FEM) e o método dos elementos discretos (DEM) também foram usados ​​para simular o efeito dos fatores que influenciam na estabilidade do escorregamento e verificaram a correlação entre os fatores de influência e o escorregamento deslocamento (Kawamoto, 2005 Lollino et al., 2010 Tang et al., 2017). A técnica de mineração de dados e o método de agrupamento foram aplicados para interpretar os dados de monitoramento de escorregamento e para selecionar os fatores que influenciam a deformação do escorregamento (Shiuan, 2012 Hong et al., 2016 Ma et al., 2016).

Esses modelos e métodos de pesquisa baseados na teoria linear, entretanto, podem apenas representar a relação linear entre duas variáveis, e eles ignoram as variáveis ​​de cauda grossa. Assim, eles não podem representar satisfatoriamente a relação completa entre as duas variáveis, e torna-se extremamente difícil medir com precisão a estrutura de correlação das duas variáveis ​​aleatórias quando a função de distribuição das variáveis ​​aleatórias é incerta ou muito complexa (Iyengar, 1997).

Como as influências associadas aos riscos de deslizamento são incertas e dinâmicas (Bai et al., 2010), uma ferramenta de análise de correlação não linear mais flexível e robusta (ou seja, a teoria Copula (Sklar, 1959) foi usada para analisar a estrutura de correlação entre as variáveis quando não é certo que os coeficientes de correlação linear podem medir adequadamente a correlação.Além disso, o método Copula oferece muitas vantagens sobre os métodos tradicionais de análise de correlação (Sklar, 1959).

Assim, o modelo Copula freqüentemente é usado para construir distribuições de probabilidade multidimensionais complexas. Por exemplo, vários tipos de modelos Copula foram usados ​​para gerar as distribuições de densidade de probabilidade conjunta da chuva, mudanças no nível de água do reservatório e deslocamento de deslizamento para estudar sua correlação de cauda (Motamedi e Liang, 2014 Bezak et al., 2016 Miao et al. ., 2017 Li et al., 2018 Wang et al., 2020). Esses métodos, entretanto, ainda apresentam limitações (Hu, 2002). As funções de Copula que pertencem à família elíptica de Copula no caso de construção de alta dimensão são extremamente difíceis, enquanto a construção da função de Copula de Arquimedes é simples. Quando a correlação entre as variáveis ​​aleatórias é muito complexa, o uso de uma única função Arquimediana ou Elíptica Copula tem maior probabilidade de produzir uma descrição unilateral. Para resolver este problema, o método M-Copula combinando as funções de Frank, Clayton e Gumbel Copula foi usado para relacionamentos e análise de risco entre duas variáveis ​​aleatórias (Liu e Zhang, 2016). Mais importante, quase todos esses métodos usaram o método de estimativa de máxima verossimilhança (MLE) para estimar os parâmetros do modelo Copula. O método MLE, entretanto, requer a suposição prévia da distribuição marginal das variáveis ​​aleatórias, o que afeta diretamente os resultados da estimativa do parâmetro se a distribuição marginal for selecionada incorretamente.

Em resumo, propusemos um novo modelo pseudo-MLE-M-Copula para investigar quantitativamente a correlação entre o deslocamento do deslizamento de Bazimen e as influências da chuva e flutuações do nível de água do reservatório no TGRA. Este modelo não apenas supera as deficiências do método linear e descreve com mais precisão a relação de distribuição conjunta entre as variáveis ​​aleatórias, mas também combina linearmente as funções Gumbel Copula, Frank Copula e Clayton Copula na família Archimedean Copula para construir a M-copula. modelo de função. Este modelo é mais abrangente e flexível, permitindo descrever correlações complexas, além de adotar um método de estimação semiparamétrico. Assim, o pseudo-MLE, para a estimação dos parâmetros do modelo Copula, elimina a necessidade de assumir as distribuições marginais e pode efetivamente reduzir o erro de estimação dos parâmetros. Esta pesquisa forneceu a base científica para o estudo dos mecanismos hidrodinâmicos causadores de desastres de deslizamentos de terra, monitoramento e alerta precoce de desastres, e prevenção e mitigação de desastres.


Realidade virtual imersiva em geoturismo

Raimondo, A / Prof. Tom 1

1 UniSA STEM, University Of South Australia, GPO Box 2471, Adelaide, Austrália

O Projeto LIVE (Aprendizado por meio de ambientes virtuais imersivos) é uma iniciativa interdisciplinar da University of South Australia para incorporar experiências imersivas de realidade virtual e mista em todo o programa de ensino do UniSA STEM. Isso é obtido usando técnicas como levantamento de aeronaves pilotadas remotamente (drone), fotogrametria 3D, fotografia gigapixel, varredura a laser terrestre (LiDAR), fotos e vídeos panorâmicos de 360 ​​graus e aplicativos de aprendizagem móvel baseados em localização. A equipe do Projeto LIVE desenvolveu recentemente um modelo flexível para a produção eficiente de tours virtuais de alta qualidade, onde os usuários podem facilmente substituir imagens, vídeos, modelos 3D e componentes narrativos, como locuções e descrições de texto para adaptar a experiência a novos locais de campo. Nossa plataforma abre oportunidades significativas para a criação de um conjunto de experiências de geoturismo de RV envolventes, autênticas e impactantes. Esta apresentação irá demonstrar uma prova de conceito usando o Hallett Cove Geological Heritage Site em Adelaide, South Australia. Intitulado Além do Gelo, o tour virtual incorpora vários elementos complementares, incluindo uma experiência de RV imersiva, geoturismo baseado na web, jogo de aprendizagem móvel e trilha para caminhada com 360 graus de vista da rua, todos disponíveis gratuitamente em: https://www.projectlive.org.au/beyond- o gelo. Outros exemplos de outros geossítios importantes em toda a Austrália serão mostrados, concluindo com uma discussão sobre as futuras oportunidades de geoturismo a serem exploradas.

Tom Raimondo é Professor Associado de Geologia e Geoquímica e Líder Professor de STEM na University of South Australia. Ele também é o Diretor do Projeto LIVE (Aprendizagem por meio de ambientes virtuais imersivos).


Conclusão

Este estudo confirma que em todos os tipos de prática veterinária, há uma necessidade de testes de diagnóstico rápidos e acessíveis, cultura e AST para melhorar a prescrição de antimicrobianos. O progresso e a conformidade com os princípios de manejo antimicrobiano são evidentes em veterinários de gado cujo uso de antibióticos criticamente importantes era baixo e sua consciência de seu papel na AMR era maior do que em veterinários de equinos e SCA. A maior desconexão entre as atitudes e a prática foi nos veterinários da SCA. O acesso às diretrizes antimicrobianas de consenso nacional, educação sobre a classificação de importância dos agentes antimicrobianos e a disponibilidade de antibióticos de espectro estreito de menor importância é essencial para o sucesso do programa de manejo de antimicrobianos em todos os aspectos da prática veterinária.


Fatores que influenciam a adoção de práticas recomendadas de produção de mandioca pelos agricultores

Baixe este material completo do Projeto intitulado Fatores que influenciam a adoção de práticas recomendadas de produção de mandioca pelos agricultores com resumo, capítulos 1-5, referências e questionário. Pré-visualizar o resumo ou capítulo um abaixo

Você precisa de ajuda? Fale conosco agora mesmo: (+234) 08060082010, 08107932631 (Ligue / WhatsApp). Email: [email protected]

Isenção de responsabilidade: este conteúdo material em PDF é desenvolvido pelo proprietário dos direitos autorais para servir como um GUIA DE PESQUISA para que os alunos conduzam pesquisas acadêmicas.

Você tem permissão para usar o Guia de material de pesquisa em PDF original que receberá das seguintes maneiras:

1. Como fonte de compreensão adicional do tópico do projeto.

2. Como fonte de idéias para seu próprio trabalho de pesquisa acadêmica (se devidamente referenciado).

3. Para parafrasear APROPRIADO (veja a definição de plágio e paráfrase aceitável da sua escola).


Características de evolução e fatores que influenciam os papéis regionais da rede de mobilidade populacional interprovincial na China

Este artigo analisa as características evolutivas da estrutura da rede de mobilidade populacional interprovincial na China e explora os papéis das províncias de 2010 a 2015. Ao construir a rede de mobilidade populacional interprovincial, examinamos as funções das províncias durante os períodos de mobilidade populacional através da diversidade de mobilidade populacional, mobilidade populacional e intermediação de mobilidade populacional. Os resultados mostram que a cobertura e a rigidez da rede de mobilidade da população interprovincial foram influenciadas pelo desenvolvimento econômico nacional, aumentando continuamente de 2010 a 2014 e caindo repentinamente em 2015. As regiões que desempenharam papéis essenciais na diversidade e intermediação da mobilidade da província mostraram uma dispersão tendência. In contrast, areas that played a vital role in the inflows or outflows were relatively concentrated and stable. Additionally, this work further explores how economic factors, e.g., GDP, residents’ consumption levels, total population, unemployment rate, and consumer price index, are used as independent variables to analyse the provinces’ roles in the interprovincial population mobility network. The analysis shows that the inflow or outflow volumes are easily affected by the five indices. These five indices are significantly related to network role indicators to different extents.

1. Introdução

Population flow and regional development are interactive processes [1]. During migration, material, information, capital, and technology also flow among regions [2]. In the case of unbalanced regional development and a heterogenous population distribution in China, a vast number of people move among different areas every year. As mentioned in the Report on the Development of China’s Floating Population [3], there was a floating population of 230 million in China in 2010 that reached 244 million by 2017. This accounted for nearly 18 percent of the total population in China. Most were migrant workers, and similar cases are common in emerging economies such as India and Brazil. In these countries, the regional development paces are asynchronous, leading to a mismatch of population and wage levels in different areas. In detail, there are always surplus labourers and lower wages in underdeveloped regions. In contrast, in developed areas, labour is scarce, and salaries are high. Thus, such a significant imbalance prompts migration. Naturally, with population mobility, resources, information, capital, and technology will also spill over and reallocate among regions. In the long run, with gradual changes in regional socioeconomic factors, the interregional population mobility features and the roles of migration areas will correspondingly transform. As the largest emerging country, China has an extraordinary household registration regime, which greatly supports population movement statistics. Therefore, analysing China’s interprovincial population movement features and evolution trends, exploring the roles the provinces play in migration, and excavating the underlying impact factors could provide references for emerging economies when making population mobility policies.

Previous research on population flow mainly focuses on how people move among different countries, such as immigration [4–7], travel abroad [8], or refugee migration [9, 10]. Additionally, they also focus on how residents float around the country. Inside a country, travel is a short-term pattern of population mobility thus, some research studies primarily explore tourism impacts on local economies and the environment [11, 12]. Additionally, some unique festivals will temporally motivate people to move, such as New Year’s Festivals in Asia and Christmas in Western countries. Given the large scale and seasonal effects, scholars mainly explore how this type of population mobility affects transportation and consumption in the short run [13]. Finally, many labourers migrate to other areas permanently for jobs [14].

In recent years, based on the fifth and sixth censuses in China, some scholars have explored the features of interprovincial population floating [15, 16]. They analysed the relationship between population mobility and related socioeconomic indicators, such as the urban-rural income gap [17, 18], regional economic growth [19–21], epidemic diffusion [22, 23], and market potential and anticipated revenue [18]. However, due to the lack of continuity in data, it is hard to demonstrate how population mobility evolves and how evolution gradually influences economic development[24]. Therefore, some research has introduced network theory, building population mobility models among different provinces and exploring the rules and evolutionary features of interprovincial population floating in a precise and systematic way. In addition, some scholars describe the features of population mobility through network theory. Jiang explored daily population hovering features among 334 cities in China using Baidu Migration Big Data [2]. Ye et al. [25] found that a significant rich-club phenomenon occurred in Chinese population movements during the 2015 Spring Festival. Zhang et al. [26] used Tencent location big data to explore population movement characteristics among 234 cities in China. However, previous research has mainly focused on temporal changes in migration, especially patterns on holidays, and has not explored gradual trends and influencing factors.

In terms of residential movement among the different provinces, economic development, marketization, spatial distance, and information can influence its pattern. Therefore, this paper explored the role played by each province in the population flow from a global perspective, inferring how their roles are influenced by the factors mentioned above. We built five interprovincial population mobility networks and explored each province’s functions during migration from the diversity of population flow, the amount of flow, and the intermediary of migration. In addition, by introducing the panel regression model, we examined how the gross regional production, total population, household purchase level, unemployment rate, and consumer price index impact the different roles that the provinces played in migration. Moreover, due to quantification uncertainty and protracted nature of the household registration system’s reform, this paper mainly considers the total population without deeply analysing the impacts of the reform on urban and rural populations.

2. Data and Methodology

2.1. Dados

We downloaded the dataset describing the interprovincial population movement from the National Earth System Science Data Center at the National Science & Technology Infrastructure of China (http://www.geodata.cn). This dataset contains the population inflow and outflow of 31 provinces, municipalities, and autonomous regions. It also includes the outflow of population from Hong Kong, Taipei, and Macau to the other provinces in mainland China.

Additionally, we downloaded the gross provincial production, household consumption level, total population, unemployment rate, and consumer price index for each province from the National Bureau of Statistics (http://data.stats.gov.cn/).

The entirety of the data spans from 2010 to 2015.

2.2. Metodologia
2.2.1. Networks of Population Moving Interprovincially

We applied a node to represent each province for the network construction, with the directed edges depicting the migrant and the edges’ weights measuring mobility. We exhibit the migrant structures from 2010 to 2015 in Figure 1.

In this figure, the size of the node reflects the population inflow and outflow. A larger node corresponds to a greater number of migrants. The direction of the edge describes the citizens’ movement direction, and the thickness of the edges reflects the amount of the population flow between these areas. Additionally, we used the same colour to mark provinces with close population mobility relationships. Since there are only outflow data from Hong Kong, Taipei, and Macau, we did not explore the factors influencing these three areas’ roles in the network.

Furthermore, we calculated the network density, the average shortest path for exploring the interprovincial population structure, and its evolutionary features. Specifically, network density measures the level of coverage of interprovincial population movements, and the average shortest path length reflects the closeness among the provinces:

where D is the network density, você is the largest possible number of edges in the population flow network, and is the weight of the edge between node eu and node j. If (the population flow between province eu e j) is larger than zero, it equals 1 otherwise, it equals 0:

is the average shortest length path between node eu and node j [27].

Population mobility reflects the mutual influence of economic development among the provinces. The average shortest length in the network measures the least number of provinces that need to be crossed to get from one province to another. Therefore, the value of could exhibit closeness among the provinces.

2.2.2. The Roles of the Provinces in the Network

In network theory, there are several indices used to measure the roles of the nodes. This paper selected in-degree, out-degree, in-strength, out-strength, and betweenness centrality to explore the diversity of population movement, gross population mobility, and population flow medium.

In this paper, in-degree (as shown in function (3)) was applied to represent the inflow population diversity, which measures how many provinces have population migrating to a particular province. The out-degree (as shown in function (4)) was used to explain the outflow population diversity, which measures the number of provinces to which the people migrate from a specific province. In function 5, the in-strength calculates the total number of people who move to a particular province. Correspondingly, in function (6), the out-strength estimates the population that moves from a specific province. In addition, to depict the medium of population flow (i.e., some areas play the role of bridges during migration), we introduced betweenness centrality, as shown in function (7) [28]:

is the in-degree of the node, i.e., the diversity of the inflow population.

equals 1 otherwise, equals 0:

where is the out-degree of the node, i.e., the diversity of the outflow population. As shown above, when , equals 1 otherwise, equals 0:

where is the in-strength of the node, i.e., the total number of inflow populations:

where is the out-strength of the node, i.e., the total number of outflow populations:

where is the betweenness centrality of the node, i.e., the medium of population mobility. The variable is the number of shortest paths between nodes and nodet, is the number of shortest paths across nodeeu between nodes and nodet, e N is the number of nodes in the population migration network.

2.2.3. Factors Influencing the Roles of Provinces in the Population Migration Network

Since interprovincial population migration will be impacted by several factors, such as regional economic development, demographics, and employment, we further explore which factors influence interprovincial population migration and the magnitude of their impacts.

(1) Regional Economic Development. Uneven economic development among provinces is the core driving factor that accounts for population movement. Rapid economic growth could provide more employment and raise the income level (hence, coastal areas such as Guangdong, Zhejiang, and Shanghai have always been significant regions for attracting people). Therefore, we selected gross regional production to represent regional economic development, the household consumption level to exhibit the average living cost of the local citizen, and the consumer price index (CPI) to measure the gaps between labour wage levels and real purchasing power.

(2) Demographics. When economic development is comparable and employment opportunities are limited, competitiveness in heavily populated areas is higher than that in other areas, and the labour wage per capita is relatively lower. Therefore, in some provinces with a large population, people will be inclined to leave for other provinces with better economic performances. Consequently, we select the total number of people to reflect the demographic factor.

(3) Employment. To some extent, demographics could reflect the total number of working forces provided by a region. However, the employment rate could reflect the relationship between the province’s available employment positions and the number of working-age people willing to work.

This paper selected gross regional production, household purchase level, total population, unemployment rate, and customer price index as explanatory variables above all. To explore how these variables influence the interprovincial population flow, we selected inflow population diversity, outflow population diversity, the total number of inflow populations, the total number of outflow populations, and the medium of population mobility as the explained variables. We then establish a panel regression model of these variables to explore how these factors influence population mobility across provinces.

During the analysis, we algorithmize the model as in the following function:

where represents the value of the eu th role of a province in year t e

, respectively, represent the gross regional production, household consumption level, total population, unemployment rate, and consumer price index of each area.

3. Resultados

3.1. Evolutionary Features of Interprovincial Population Mobility

As shown in Figure 2, from 2010 to 2015, except for Hong Kong, Taipei, and Macau, the other 31 provinces or autonomous regions all have inflow and outflow migrants. Additionally, from 2010 to 2014, the coverage of the bilateral population flowing among these areas increased year by year and then dropped in 2015, which exactly corresponded to China’s economic development. China’s economy grew rapidly from 2011–2014. However, influenced by the weak behaviour of the global economy in 2015, China’s economy entered a new normal, caused by a significant drop in exports and excess domestic production capacity. We additionally noticed that the bilateral population flow tightness among the provinces exhibited a similar trend. Although there was a slight upswing in 2015, the tightness during the six years was below 1.2, which means that the population could migrate from one province to another through 1.2 provinces on average. This shows that, except for Hong Kong, Taipei, and Macau, there are frequent population flows among the 31 provinces in mainland China. Another profile indicates that mainland China’s economic development is quite active, and the provincial economy performs unevenly and has significant structural differences. Influenced by the slowdown of the economy in 2015, the population flow’s activeness correspondingly declined.

3.2. Roles of Provinces in the Interprovincial Population Mobility Network

Based on the five indices in Section 1.2.2, we analysed the provincial role in interprovincial population mobility from 2010 to 2015 and ranked the values. We present the top 5 provinces for each year in Tables 1–5.

According to the in-degree and out-degree of each node in the network, we can obtain the source and flow direction of population mobility, reflecting the diversity of population mobility. The outflow of population from each province is widely scattered throughout the country, while the provinces with the most inflow are mainly concentrated in the more developed coastal provinces. Regarding the diversity of population mobility, we can notice from Tables 1 and 2 that compared to the inflow population, the outflows are more dispersive. During 2010–2015, Guangdong and Shanghai exhibited significant diversity in inflow population, and they persistently ranked in the top 5. This means that these two provinces received migrants from all the other areas in mainland China. In addition, Jiangsu, Sichuan, Hebei, Zhejiang, Henan, Shaanxi, Gansu, Fujian, Jiangxi, Shandong, Hunan, Hubei, and Anhui have prominent advantages in the diversity of the outflow population.

By further analysing the out-strength and in-strength of each node in the network, we can obtain the number of inflow and outflow populations for each province. Tables 3 and 4 show that the top 5 provinces with the highest annual amounts of inflow and outflow populations counted. Regarding the population mobility amount, all the provinces behave more stably than the diversity of mobility. Notably, the five eastern developed regions, including Zhejiang, Guangdong, Jiangsu, Shanghai, and Tianjin, attracted the most migrants in 2011–2015. Therefore, regional economic development is the core factor influencing the population to move in. Furthermore, the five major central provinces, i.e., Sichuan, Anhui, Henan, Hunan, and Hubei, sent the most people to other areas. Correspondingly, these five provinces are the ones with larger populations and weaker economic performances. This shows that the main factors affecting population mobility remain to be the level of regional economic development, employment opportunities, and personal income.

Furthermore, Table 5 shows that all the provinces’ values change significantly for the medium population flow. Notably, Guangdong has consistently performed as the most potent in medium population flow for the five years. Combined with Guangdong’s results in Tables 1–4, we find that Guangdong has received a mass of labourers from the other provinces but sent less to the others during the economic development period. There is a consensus that Guangdong performed as a substantial economic growth engine. While attracting migrants, Guangdong also channelled labour to the other areas through investment. After 2013, Jiangsu and Zhejiang exhibited increasingly prominent medium roles, playing a similar function to Guangdong. Hainan and Chongqing—famous places to live and travel in China—have also played a more vital medium role.

3.3. Factors Influencing the Roles of the Province in the Population Mobility Network

As mentioned above, each province plays a different and distinct position in the population mobility network. Regions that have significant diversity and intermediation roles are scattered, distributed and change over time. Population flow amounts are mainly concentrated in certain crucial provinces, and the distribution is stable over time. We further analysed how regional economic and social factors influence these provinces’ roles based on these significant population mobility features.

Therefore, we selected the network indices we obtained in Section 3.2 as explanatory variables, i.e., population inflow and outflow diversity, the number of population inflows and outflows, and mobility intermediation. We determined the gross regional production, household consumption level, total population, unemployment rate, and consumer price index as explained variables to build five panel regression models.

Thus, to ascertain the model’s robustness and validity, we tested the variables before regression. First, we explored the correlations between these variables. As shown in Table 6, the correlation coefficients between the five explanatory variables are relatively small. Second, we applied the variance inflation factor to check the multicollinearity of the five explanatory variables. The results show that the largest variance inflation factor was VIF = 7.80, indicating that they all passed the test. Third, we introduced the ADF test (augmented Dickey–Fuller test) to examine the variables’ stationarity, with the results showing that they are second-order stationary. Fourth, we conducted a cointegration test of these variables and found that they have long-term cointegration relationships.

The panel regression results (shown in Table 7) found that the household purchase level has a significant positive correlation with inflow population diversity. The standardized correlation coefficient is 0.531, which indicates that the household purchase level is the primary factor influencing the population’s inflow diversity. Consistent with common sense, high local purchasing implies that the income level overwhelms the purchasing power, and people who live in other areas will be keen to migrate here. In contrast, the unemployment rate was negatively correlated with the inflow population diversity. In most cases, a high unemployment rate means an unstable external living environment, and the people outside this area will be reluctant to move here.

Inflow diversityOutflow diversityInflow populationOutflow populationIntermediary of flow
Gross regional production0.4552182 (1.043562)−0.5892163 (−1.744970)0.200232

The population’s outflow diversity is positively correlated with the total population, household purchasing level, and unemployment rate. This shows that the combined effects of these factors will induce people to migrate to other provinces (even to underdeveloped regions) to find working opportunities and lower their living costs. Among these factors, the total population is the major one, of which the standardized coefficient is 1.165.

In addition, the amount of population mobility has significant positive correlations with gross regional production, household purchase level, and consumer price index. Despite the costly living standard exhibited by the consumption level and price index, the results show that the advanced economy still attracted people to migrate. For example, Guangdong, Shanghai, and Beijing have always been places where young people dream to live. Additionally, the negative correlations between unemployment and population outflow show that the unemployment rate plays a vital role in population inflow. Moreover, the total population is positively correlated with the outflow population and is the most significant influencing factor (with the standardized coefficient reaching 0.914).

For the population mobility intermediation, the results show that gross regional production is a significant negative factor. This shows that developed areas are more likely to act as population mobility destinations than intermediation destinations. In contrast, the household purchase level, total population, and consumer price index are positively correlated with mobility intermediation. This shows that the more people there are and the higher the province’s living cost, the more likely this area will become an intermediary in population mobility. Notably, the total population mostly influenced the intermediary function of the province regarding population flow.

From the above analysis, we can see that the total population, unemployment rate, and consumption level are the most important factors affecting interprovincial population flow. They not only affect the diversity of population mobility but also affect the amount of population mobility. However, they are different in the direction of influence the regional GDP, consumption level, total population, and consumer price index determine the regional economic growth to a large extent. The higher the GDP and the consumption level of a province, the more likely it is to be a destination for migrants.

4. Discussion and Conclusion

According to China’s population statistics, this paper introduced network theory to explore interprovincial population mobility during 2010–2015 from different perspectives. Specifically, this paper analysed the evolutionary features of the topological structure of interprovincial population mobility and provincial roles during the flow of population, extracting the factors that influence their functions. This paper systematically reveals the regular pattern and evolution characteristics of interprovincial population mobility from the network perspective and analyses the influence intensity of each influencing factor by constructing a panel regression model between the main influencing factors and network indicators.

First, based on the coverage of the population mobility relationship (graph density) and the closeness of the population mobility relationship (average shortest path), we explored the evolutionary features of China’s interprovincial population mobility network structure from 2010 to 2015. From 2010 to 2014, we found that the population flow across the province gradually increased but then dropped in 2015. This indicates that active and imbalanced regional economic development facilitated frequent population mobility across provinces. Especially in 2015, with structure regulation, China proposed a new normal for developing the economy. Thus, the overall topological feature of population mobility exhibits a different pattern. This conclusion reflects that the characteristics of employment-based population mobility are different from those of tourism or holiday populations. From the existing literature, China’s tourism and holiday population flow has been increasing annually in recent years [20, 29].

Second, we explored each province’s roles in population mobility from three perspectives, i.e., diversity (in-degree and out-degree), amount (in-strength and out-strength), and the intermediary of population mobility. We obtain some different population flow characteristics from other studies that only consider holiday population mobility [13] and tourism [2]. The results showed that the provinces that have advantages in the diversity of population mobility change over time. The population’s outflow diversity especially exhibits a more distinct scattered distribution of the provinces than the inflow. Regarding the population flow, people who lived in the midwestern regions were more inclined to migrate out to the other areas, and eastern provinces were more likely to act as hosts. Similarly, the provinces that play significant intermediary roles in population flows also change over time. However, Guangdong, Zhejiang, and Jiangsu performed extraordinarily compared to the others. In particular, Guangdong has always played an essential intermediate role in migration. Some provinces famous for travel or living environments (such as Hainan, Chongqing, and Guangxi) also act as vital intermediaries during population flows.

Third, to explore the factors that impact the different provincial functions related to population flows, we built five panel regression models by separately setting the gross regional production, household purchase level, total population, unemployment rate, and consumer price index as explanatory variables and the five network indices as the explained variables. Although some studies have analysed the influencing factors of population mobility in China, most of them use cross-sectional data on population mobility [22, 25] thus, it is difficult to analyse the influence, direction, and intensity of different factors on population mobility by time-series data. The results show that the total population, unemployment rate, and household purchase level are significant factors influencing the diversity of people inflows. People who live in regions with more people, higher unemployment rates, and higher purchase levels are more inclined to migrate to underdeveloped areas. Thus, the outflows of the people take an air of diversity. Additionally, the five factors all exert significant impacts on the total amount of population flow. Therefore, to ascertain the population’s stable and orderly flow, local governments should regulate the policy based on each factor’s strength of influence. Specifically, the gross regional production, household purchase level, and consumer price index significantly influenced provinces’ population inflows. The total population is the most significant factor in inducing people to move out to other regions. In addition, some provinces are more likely to act as population flow destinations with advantages in their gross regional product, household purchase level, total population, and consumer price proportional to the province’s intermediary values.

This work analysed how the population migrated across China’s provinces and explored the external factors that influence provincial functions during periods of population flow. In this research, we mainly selected indicators extensively applied in socioeconomic research as external factors. In future works, we will broadly focus on many more factors that might influence provincial migration roles and that will help propose more worthwhile policies.

Disponibilidade de dados

In this paper, we downloaded the dataset describing the interprovincial population movement from the National Earth System Science Data Center, National Science & Technology Infrastructure of China (http://www.geodata.cn).

Conflicts of Interest

The authors declare that they have no conflicts of interest.

Acknowledgments

This work was supported by Beijing Social Science Foundation of China (Grant no. 20GLB016) and National Natural Science Foundation of China (Grant nos. 71991483 and 71991480).

Referências

  1. H. Zhao, W. Zhang, and T. Ha, “Network characteristics of urban population migration,” Journal of Northeastern University (Natural Science), vol. 27, no. 2, pp. 169–172, 2006, in Chinese. Veja em: Google Scholar
  2. X. Jiang and S. Wang, “Research on China’s urban population mobility network: based on Baidu migration big data,” Chinese Journal of Population Science, vol. 2, pp. 35–46, 2017, in Chinese. Veja em: Google Scholar
  3. National Health Commission of the PRC, Report on the Development of China’s Floating Population, China Population Publishing House, Beijing, China, 2018.
  4. L. Putterman and D. N. Weil, “Post-1500 population flows and the long-run determinants of economic growth and inequality,” The Quarterly Journal of Economics, vol. 125, no. 4, pp. 1627–1682, 2010. View at: Publisher Site | Google Scholar
  5. E. Tranos, M. Gheasi, and P. Nijkamp, “International migration: a global complex network,” Environment and Planning B Planning and Design, vol. 42, no. 1, pp. 4–22, 2014. View at: Google Scholar
  6. V. Danchev and M. A. Porter, “Neither global nor local: heterogeneous connectivity in spatial network structures of world migration,” Social Networks, vol. 53, pp. 4–19, 2017. View at: Google Scholar
  7. P. Müller and M. Franz, “Transnational labour migration and the offshoring of knowledge-intensive business services within global production networks: the case of a German automotive company in Turkey,” Environment and Planning A: Economy and Space, vol. 51, no. 6, pp. 1350–1369, 2019. View at: Publisher Site | Google Scholar
  8. L. Jun, Y. Zhang, Y. Yan, and Q. Qin, “Investigating the impact of human activity on land use/cover change in China’s Lijiang river basin from the perspective of flow and type of population,” Sustentabilidade, vol. 9, 2017. View at: Publisher Site | Google Scholar
  9. A. Nagurney, P. Daniele, and G. Cappello, “Human migration networks and policy interventions: bringing population distributions in line with system optimization,” International Transactions in Operational Research, vol. 28, no. 1, pp. 5–26, 2020. View at: Publisher Site | Google Scholar
  10. N. Kortendiek, “How to govern mixed migration in Europe: transnational expert networks and knowledge creation in international organizations,” Global Networks, vol. 21, no. 2, pp. 320–338, 2020. View at: Publisher Site | Google Scholar
  11. Y. Li, B. Zhou, L. E. Wang et al., “Effect of tourist flow on province-scale food resource spatial allocation in China,” Journal of Cleaner Production, vol. 239, no. Dec.1, pp. 117931.1–117931.12, 2019. View at: Publisher Site | Google Scholar
  12. N. Mou, Y. Zheng, T. Makkonen et al., “Tourists’ digital footprint: the spatial patterns of tourist flows in Qingdao, China,” Tourism Management, vol. 81, Article ID 104151, 2020. View at: Google Scholar
  13. J. Lai and J. Pan, “China’s city network structural characteristics based on population flow during spring festival travel rush: empirical analysis of “tencent migration” big data,” Journal of Urban Planning and Development, vol. 2, no. 146, Article ID 04020018, 2020. View at: Google Scholar
  14. R. C. D. Carvalho and E. Charles-Edwards, “The evolution of spatial networks of migration in Brazil between 1980 and 2010,” Population Space and Place, vol. 26, no. 3, p. e2332, 2020. View at: Google Scholar
  15. H. Wang, “Research on spatial pattern of demographic changes since 1982——based on four census data,” Industrial Economy Review, vol. 3, não. 6, pp. 670–677, 2016, in Chinese. Veja em: Google Scholar
  16. H. Ma and X. Wang, “An empirical analysis of the causes of inter-provincial urban-rural migration in China: evidence from the 6 th population census,” Population and Development, vol. 2303, pp. 25–36, 2017, in Chinese. Veja em: Google Scholar
  17. D. Luo and C. Xing, “Population adjustments in response to local demand shifts in China,” Journal of Housing Economics, vol. 33, no. sep, pp. 101–114, 2016. View at: Publisher Site | Google Scholar
  18. X. Hou and R. Yang, “Biased policies, mobility and urban-rural income gap: a study based on spatial heterogeneity interaction effect,” Nankai Economic Studies, vol. 6, pp. 59–74, 2017, in Chinese. Veja em: Google Scholar
  19. J. Li and C. Miao, “Impact of population flow on regional economic disparities in the Yangtze River economic belt,” Acta Geographica Sinica, vol. 72, no. 2, pp. 197–212, 2017, In Chinese. Veja em: Google Scholar
  20. X. Han, J. Zhang, L. Chen, and J. Guo, “Research on population mobility and regional economic development in poor areas,” Review of Economic Research, vol. 34, pp. 22–27, 2018, in Chinese. Veja em: Google Scholar
  21. G. Shi and Z. Li, “Research on the mechanism of population mobility promoting regional economic growth: based on panel data of the Yangtze River delta urban agglomeration,” East China Economic Management, vol. 34, nº 6, pp. 10–18, 2020, in Chinese. Veja em: Google Scholar
  22. T. Liu and Y. Jin, “Human mobility and spatio-temporal dynamics of COVID-19 in China: comparing survey data and big data,” Population Research, vol. 44, no. 5, pp. 44–59, 2020, in Chinese. Veja em: Google Scholar
  23. Y. Liu, D. Yang, G. Dong, H. Zhang, and C. Miao, “The spatio-temporal spread characteristics of 2019 novel coronavirus pneumonia and risk assessment based on population movement in henan province: analysis of 1 243 individual case reports,” Economic Geography, vol. 40, no. 3, pp. 24–32, 2020, in Chinese. Veja em: Google Scholar
  24. T. Liu, Y. Qi, and G. Cao, “China’s floating population in the 21 st century: uneven landscape, influencing factors, and effects on urbanization,” Acta Geographica Sinica, vol. 70, no. 4, pp. 567–581, 2015, in Chinese. Veja em: Google Scholar
  25. W. Ye, W. Song, C. Xiu et al., “The rich-club phenomenon of China’s population flow network during the country’s spring festival,” Applied Geography, vol. 96, pp. 77–85, 2018. View at: Google Scholar
  26. W. Zhang, Z. Chong, X. Li, and G. Nie, “Spatial patterns and determinant factors of population flow networks in China: analysis on tencent location big data,” Cities, vol. 99, p. 102640, 2020. View at: Publisher Site | Google Scholar
  27. H. Li, H. An, W. Fang, Y. Wang, W. Zhong, and L. Yan, “Global energy investment structure from the energy stock market perspective based on a heterogeneous complex network model,” Applied Energy, vol. 194, pp. 648–657, 2017. View at: Publisher Site | Google Scholar
  28. U. Brandes, “A faster algorithm for betweenness centrality

Direito autoral

Copyright © 2021 Wei Fang et al. Este é um artigo de acesso aberto distribuído sob a Licença de Atribuição Creative Commons, que permite o uso irrestrito, distribuição e reprodução em qualquer meio, desde que o trabalho original seja devidamente citado.


Assista o vídeo: Jak samochody wpływają na środowisko?