利用河北太行山区东高昌村2016−2019年土地流转数据,运用ESL(energy system language)模型对河北太行山区土地流转前后过程进行模拟评价,基于土地利用情景和劳动力投入视角进一步模拟了土地流转后系统能量变动情况.结果表明:1)土地流转...利用河北太行山区东高昌村2016−2019年土地流转数据,运用ESL(energy system language)模型对河北太行山区土地流转前后过程进行模拟评价,基于土地利用情景和劳动力投入视角进一步模拟了土地流转后系统能量变动情况.结果表明:1)土地流转后农作物生物量、资本及生态环境相比土地流转前均有显著提升.10年后农作物生物量、资本和林地生物量分别达到土地流转前的12.97、2.10、36.54倍;50年后农作物生物量、资本和林地生物量分别达到土地流转前的15.34、4.23、39.22倍;100年后农作物生物量、资本和林地生物量分别达到土地流转前的26.79、7.39、66.60倍.2)改变种植结构的流转效果一般,但调整劳动力投入结构使土地流转后的南瓜生物量和资本呈现倒“U”形变化趋势,南瓜生物量在24年达到峰值,资本在48年达到峰值.投入当地劳动力使农作物生物量提高46.5%,资本提高212%,效果最为显著.展开更多
文摘利用河北太行山区东高昌村2016−2019年土地流转数据,运用ESL(energy system language)模型对河北太行山区土地流转前后过程进行模拟评价,基于土地利用情景和劳动力投入视角进一步模拟了土地流转后系统能量变动情况.结果表明:1)土地流转后农作物生物量、资本及生态环境相比土地流转前均有显著提升.10年后农作物生物量、资本和林地生物量分别达到土地流转前的12.97、2.10、36.54倍;50年后农作物生物量、资本和林地生物量分别达到土地流转前的15.34、4.23、39.22倍;100年后农作物生物量、资本和林地生物量分别达到土地流转前的26.79、7.39、66.60倍.2)改变种植结构的流转效果一般,但调整劳动力投入结构使土地流转后的南瓜生物量和资本呈现倒“U”形变化趋势,南瓜生物量在24年达到峰值,资本在48年达到峰值.投入当地劳动力使农作物生物量提高46.5%,资本提高212%,效果最为显著.
文摘针对碳排放价格预测精度欠佳的问题,提出一种基于完全集成经验模态分解(Complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和浣熊算法(Coati optimization algorithm,COA)优化的双向长短期记忆网络(Bidirectional long short term memory network,BiLSTM)碳价预测模型。首先,采用CEEMDAN将原始碳价数据分解为若干内涵模态分量(Intrinsic mode functions,IMF);然后,运用COA对BiLSTM的参数进行优化;最后,使用COA-BiLSTM模型对IMF进行预测,将IMF预测值重构得到碳价预测值。实证结果表明,采用CEEMDAN对原始数据进行分解,使用BiLSTM模型进行预测,运用COA对预测模型参数进行优化均能有效提高碳价预测精度。