Nieliniowy wpływ technologii rolniczej na zrównoważoną produkcję zbóż w Chinach
Bizhen Chen
1343700050@qq.coma:1:{s:5:"en_US";s:77:"School of Information Management, Minnan University of Science and Technology";} (Chiny)
https://orcid.org/0009-0000-8559-9996
Dehong Sun
Minnan University of Science and Technology (Chiny)
Abstrakt
Produkcja zbóż jest ważnym elementem Celów zrównoważonego rozwoju ONZ, dotyczących źródeł utrzymania i stabilności społecznej. W tym artykule przeanalizowano dane dotyczące technologii rolniczej, czynników społecznych i produkcji zbóż w Chinach w latach 2011-2022 oraz wykorzystano uogólniony model addytywny (GAM) w celu dogłębnego zbadania nieliniowego wpływu technologii rolniczej i czynnika społecznego na produkcję zbóż. Wyniki badania pokazują, że (1) produkcja zbóż w Chinach ogólnie wykazuje tendencję wzrostową, ale tempo wzrostu maleje i podlega znacznym wahaniom. Istnieje znacząca różnica w produkcji zbóż przed i po epidemii COVID-19. Co więcej, produkcja w regionie północnym jest znacznie wyższa niż na południu. (2) Z wyjątkiem wydatków konsumpcyjnych na mieszkańca, wszystkie inne zmienne związane z technologią rolniczą i czynnikami społecznymi są dodatnio skorelowane z plonami zboża. (3) Wpływ technologii rolniczej i czynnika społecznego na wielkość plonów zboża wykazuje znaczną charakterystykę nieliniową, a efekt jego oddziaływania zmienia się w różnych przedziałach. W szczególności, gdy stacja rolniczej obserwacji meteorologicznej wynosi 20-25, efektywna powierzchnia nawadniania jest większa niż 1800, wydatki konsumpcyjne na mieszkańca są większe niż 17000, a całkowita powierzchnia zasiewów roślin wynosi 7500, może znacznie zwiększyć plon ziarna. Natomiast jeśli wartość emisji chemicznego zapotrzebowania tlenu przekracza 130, ma to istotny wpływ hamujący na plon ziarna. Co więcej, wpływ na maksymalne plony zbóż ma sytuacja, gdy całkowita moc maszyn rolniczych, PKB i liczba bezrobotnych w miastach zbliżają się odpowiednio do 3000, 10000 i 20. Wyniki badań stanowią ważną podstawę do optymalizacji alokacji zasobów rolnych i zwiększania efektywności produkcji zbóż. Przedstawiono także kilka praktycznych zaleceń politycznych.
Słowa kluczowe:
produkcja zbóż, zrównoważony rozwój, uczenie maszynowe, uogólnione modele addytywne, technologia rolnicza, czynnik społecznyBibliografia
BI X., WEN B., ZOU W., 2022, The Role of Internet Development in China’s Grain Production: Specific Path and Dialec-tical Perspective, Agriculture, 12(3): 377.
Google Scholar
CHAI J., WANG Z., YANG J., ZHANG L., 2019, Analysis for spatial-temporal changes of grain production and farm-land resource: Evidence from Hubei Province, central China, Journal of Cleaner Production, 207: 474–482.
Google Scholar
CHEN X., SHUAI C., WU Y., 2023, Global food stability and its socio‐economic determinants towards sustainable de-velopment goal 2 (Zero Hunger), Sustainable Development, 31(3): 1768–1780.
Google Scholar
CHENG J., YIN S., 2022, Quantitative Assessment of Climate Change Impact and Anthropogenic Influence on Crop Production and Food Security in Shandong, Eastern China, Atmosphere, 13(8): 1160.
Google Scholar
DÍAZ MARTÍNEZ Z., FERNÁNDEZ MENÉNDEZ J., GARCÍA VILLALBA L. J., 2023, Tariff Analysis in Automobile Insurance: Is It Time to Switch from Generalized Linear Models to Generalized Additive Models?, Mathematics, 11(18): 3906.
Google Scholar
FANG W., HUANG H., YANG B., HU Q., 2021, Factors on Spatial Heterogeneity of the Grain Production Capacity in the Major Grain Sales Area in Southeast China: Evidence from 530 Counties in Guangdong Province, Land, 10(2): 206.
Google Scholar
FU Y., ZHU Y., 2023, Internet use and technical efficiency of grain production in China: A bias-corrected stochastic fron-tier model, Humanities and Social Sciences Communications, 10(1): 643.
Google Scholar
GE D., KANG X., LIANG X., XIE F., 2023, The Impact of Rural Households’ Part-Time Farming on Grain Output: Promotion or Inhibition? Agriculture, 13(3): 671.
Google Scholar
HUANG H., HOU M., YAO S., 2022, Urbanization and Grain Production Pattern of China: Dynamic Effect and Mediat-ing Mechanism, Agriculture, 12(4): 539.
Google Scholar
LI X., ZHANG Y., MA N., ZHANG X., TIAN J., ZHANG L., MCVICAR T. R., WANG E., XU J, 2023, Increased Grain Crop Production Intensifies the Water Crisis in Northern China, Earth’s Future, 11(9): e2023EF003608.
Google Scholar
LI Z., LI J, 2022, The influence mechanism and spatial effect of carbon emission intensity in the agricultural sustainable supply: Evidence from china’s grain production, Environmental Science and Pollution Research, 29(29): 44442–44460.
Google Scholar
LI Z., WANG W., JI X., WU P., ZHUO L., 2023, Machine learning modeling of water footprint in crop production distin-guishing water supply and irrigation method scenarios, Journal of Hydrology, 625: 130171.
Google Scholar
LIU X., XU Y., ENGEL B. A., SUN S., ZHAO X., WU P., WANG Y., 2021, The impact of urbanization and aging on food security in developing countries: The view from Northwest China, Journal of Cleaner Production, 292: 126067.
Google Scholar
LU S., BAI X., LI W., WANG N., 2019, Impacts of climate change on water resources and grain production, Technologi-cal Forecasting and Social Change, 143: 76–84.
Google Scholar
ONWUCHEKWA-HENRY C. B., OGTROP F. V., ROCHE R., TAN D. K. Y., 2022, Model for Predicting Rice Yield from Reflectance Index and Weather Variables in Lowland Rice Fields, Agriculture, 12(2): 130.
Google Scholar
QIU T., BORIS CHOY S. T., LI S., HE Q., LUO B., 2020, Does land renting-in reduce grain production? Evidence from rural China, Land Use Policy, 90: 104311.
Google Scholar
RAVINDRA K., RATTAN P., MOR S., AGGARWAL A. N., 2019, Generalized additive models: Building evidence of air pollution, climate change and human health, Environment International, 132: 104987.
Google Scholar
SHEN X., ZHANG D., NAN Y., QUAN Y., YANG F., YAO, Y., 2023, Impact of urban expansion on grain production in the Japan Sea Rim region, Frontiers in Earth Science, 10: 1025069.
Google Scholar
WANG J., ZHANG Z., LIU Y., 2018, Spatial shifts in grain production increases in China and implications for food secu-rity, Land Use Policy, 74 204–213.
Google Scholar
WU Z., DANG J., PANG Y., XU W., 2021, Threshold effect or spatial spillover? The impact of agricultural mechanization on grain production, Journal of Applied Economics, 24(1): 478–503.
Google Scholar
XU H., YANG R., SONG J., 2023, Water rights reform and water-saving irrigation: Evidence from China, Water Science & Technology, 88(11): 2779-2792.
Google Scholar
YANG Q., ZHENG J., ZHU H., 2020, Influence of spatiotemporal change of temperature and rainfall on major grain yields in southern Jiangsu Province, China, Global Ecology and Conservation, 21: e00818.
Google Scholar
YANG W., LI B., 2020, Prediction of grain supply and demand structural balance in China based on grey models, Grey Systems: Theory and Application, 11(2): 253–264.
Google Scholar
YIN D., LI F., LU Y., ZENG X., LIN Z., ZHOU Y., 2024, Assessment of Crop Yield in China Simulated by Thirteen Global Gridded Crop Models, Advances in Atmospheric Sciences, 41(3): 420–434.
Google Scholar
YUE Q., WU H., WANG Y., GUO P, 2021, Achieving sustainable development goals in agricultural energy-water-food nexus system: An integrated inexact multi-objective optimization approach, Resources, Conservation and Recycling, 174: 105833.
Google Scholar
ZHANG S., LI B., YANG Y., ZHANG Y., 2022, Analysis on Scientific and Technological Innovation of Grain Production in Henan Province Based on SD-GM Approach, Discrete Dynamics in Nature and Society: 4165586.
Google Scholar
ZHENG Y., FAN Q., JIA W., 2022, How Much Did Internet Use Promote Grain Production? – Evidence from a Survey of 1242 Farmers in 13 Provinces in China, Foods, 11(10): 1389.
Google Scholar
Autorzy
Bizhen Chen1343700050@qq.com
a:1:{s:5:"en_US";s:77:"School of Information Management, Minnan University of Science and Technology";} Chiny
https://orcid.org/0009-0000-8559-9996
Autorzy
Dehong SunMinnan University of Science and Technology Chiny
Statystyki
Abstract views: 211PDF downloads: 81