Perspectives and Experiences of Education Stakeholders: A Quantitative Study on the Adoption of Artificial Intelligence in Executive Training Using Structural Equation Modeling

The recent increase in the use of artificial intelligence has led to fundamental changes in the development of training and teaching methods for executive education. However, the success of artificial intelligence in regional centers for teaching and training professions will depend on the acceptance of this technology by young executive trainees. This article discusses the potential benefits of adopting AI in executive training institutions in Morocco, specifically focusing on CRMEF Casablanca Settat. Based on the Unified Theory of Acceptance and Use of Technology (UTAUT) (Venkatesh et al., 2003), this study proposes a model to identify the factors influencing the acceptance of artificial intelligence in regional centers for teaching professions and training in Morocco. To achieve this, a structural equation modeling approach was used to quantitatively describe the impact of each factor on AI adoption, utilizing data collected from 173 young executive trainees. The results indicate that perceived ease of use, perceived usefulness, trainer influence, and personal innovativeness influence the intention to use artificial intelligence. Our research provides managers of CRMEFs with a set of practical recommendations to enhance the implementation conditions of an artificial intelligence system. It aims to understand which factors should be considered in designing an artificial intelligence system within regional centers for teaching professions and training (CRMEFs).

基于PLUS-InVEST模型的陕南地区土地利用变化多情景模拟与碳储量评估

在PLUS模型中纳入POI驱动因子并利用LASSO回归进行驱动体系筛选与精度验证,设定自然发展、经济保护与生态保护3种情景,利用筛选后的驱动因子模拟2030年各情景下陕南地区的土地利用格局,利用InVEST模型分析2000—2020年陕南地区碳储量的时空分异特征,探讨不同发展情景下土地利用变化对陕南地区碳储量的影响。结果表明:(1)2000—2020年,陕南地区的建设用地面积由23648.49 hm^(2)增长到78000.21 hm^(2),侵占了耕地、林地和草地的生存空间,使其分别减少了39415.05 hm^(2),8787.51 hm^(2)与17476.56 hm^(2),2030年3种发展情景下的建设用地均保持扩张的趋势。(2)在PLUS模型中加入POI驱动因子且利用LASSO算法筛选驱动因子有效提升了模型的精度与运行效率,模型的Kappa系数和OA系数分别提高了2.53%和0.20%,更精准地模拟了建设用地的分布情况。(3)2000—2020年陕南地区碳储量总量呈下降趋势,由2.1887×10^(9)t下降至2.1775×10^(9)t。2030年经济保护情景与自然发展情景的碳储量总量均小于2020年,生态保护情景下的碳储量总量最高,达到了2.1830×10^(9)t。(4)生态保护情景更有利于陕南地区的可持续发展策略,以陕南地区平均碳密度分区分布为基础,可为陕南地区分区发展与区域碳收支平衡提供参考,对未来不同情景下土地利用对区域碳储量的影响和双碳背景下的国土空间规划具有借鉴意义。

基于SD-PLUS耦合模型的陕西省土地利用变化及碳储量多情景预测

[目的]为探讨不同土地利用方式对区域生态系统碳储量的影响。[方法]以陕西省为研究对象,利用SD-PLUS耦合模型,采用国际耦合模式比较计划第6阶段(CMIP6)提出的耦合共享社会经济路线和代表性浓度路线(SSP-RCP)情景,对2030年陕西省的土地利用变化进行预测,然后利用InVEST模型模拟未来不同情景下陕西省碳储量及其空间分布。[结果](1)对构建的SD模型进行历史检验,其误差<5%,PLUS模型模拟的2020年土地利用Kappa指数为0.86,模型精度和可靠性总体符合要求;(2)3种情景下,未来建设用地面积均增加,增长速率从低到高的情景分别为SSP126、SSP245、SSP585;在所有情景下,林地面积均增加,水域面积均保持稳定;草地面积在SSP126情景下有小幅度增加,其他情景下减少;耕地面积3种情景下均减少;(3)3种情景下,陕西省碳储量均减少,关中平原建设用地的扩张占用大量的耕地是造成陕西省碳储量下降的主要原因。[结论]在SSP126情景下,建设用地扩张所占用的生态用地面积最小,碳储量损失最少,该情景同时考虑社会经济发展及生态保护的需要,可为未来陕西省国土资源保护和高质量发展提供参考模式。

基于Markov-PLUS模型的延安市土地利用多情景模拟研究

为探究延安市未来土地利用发展趋势,促进土地资源合理利用,基于延安市2010和2020年土地利用数据,运用Markov-PLUS模型,分别从自然发展、生态保护、经济增长三种情境,预测2030年延安市土地利用情况及其发展变化。结果表明:(1)2010-2020年,延安市全市范围内的耕地、林地面积减少,草地面积增长缓慢,水域、建设用地以及未利用地面积大幅度增长,但随着时间发展,建设用地不断扩张会破坏生态的稳定性,因此需要关注各类用地发展占比,合理分配用地;(2)PLUS模型模拟精度较高,Kappa系数为0.94;(3)基于2030年三种情景模拟情况比较,自然发展情景中仅有建设用地面积有所增加,在生态保护情景下,生态环境面积减少低于其他两种发展情景,且有效遏制了用地扩张,经济增长情景中,耕地及建设用地面积增幅明显。

基于InVEST-PLUS模型的陕西省水源涵养量估算及预测

[目的]为估算陕西省水源涵养量。[方法]通过耦合InVEST模型和PLUS模型,计算陕西省2000—2020年水源涵养量,并预测未来2030年土地利用变化下的水源涵养量。[结果]陕西省2000—2020年平均水源涵养量为132.25 mm,空间分布特征为水源涵养量由北向南逐渐增强。从植被类型来看,林地是陕西省水源涵养量的主体,年平均水源涵养量为199.55×10^(8)m^(3);从行政区来看,安康市水源涵养量最大(308.96 mm)。2030年陕西省水源涵养总量为285.16×10^(8)m^(3),相比2020年降低8.68×10^(8)m^(3)。[结论]陕西省未来2020—2030年水源涵养量呈略微下降趋势。

基于PLUS-InVEST模型的生态脆弱区生境质量时空演变分析

基于PLUS模型预测阿坝州生态脆弱区2030年土地利用情况,并利用InVEST模型计算2000年、2010年、2020年及2030年生境质量,对其时空演变进行分析。结果表明,研究区草地、湿地退化情况显著且裸地持续增加,预计2030年裸地面积将达334.38 km^(2);与2000年相比将会有204.55 km^(2)湿地退化。驱动因子中,降雨是限制林地、湿地扩张的主要因素,侧面反映水源涵养功能的重要性;草地受各项因子的影响程度相差不大,一般生长在远离政府的地方,且其面积扩张受DEM限制;气温是导致裸地增加的主要因素。生境质量总体较高但空间分布差异较大,且有缓慢变差的趋势,预计2030年生境质量低的区域面积将比2000年增加670.28 km^(2),主要由扩张的耕地、建设用地造成。未来生境质量降低的速率将有所减缓,但仍需加强人工措施来阻止降低。

基于PLUS-InVEST模型的呼和浩特市多情景土地利用变化动态模拟及碳储量评估

为探究呼和浩特市土地利用变化对生态系统碳储量的影响,本研究基于InVEST模型与PLUS模型模拟预测呼和浩特市在自然发展、生态保护、耕地保护、城市发展4种情景下的土地利用与碳储量。结果表明:1990-2020年呼和浩特市不透水面、林地、草地、水体等土地利用类型的面积呈增加状态,耕地、裸地、灌木地等土地类型的面积呈减少状态,其中灌木地和裸地的土地转出率较高,分别为93.63%和98.24%。InVEST模型估算结果显示,不透水面不断扩张,侵蚀耕地等高碳密度土地类型,造成呼和浩特市1990-2020年碳储量呈逐年递减趋势。2030年自然发展、生态保护、耕地保护、城市发展情景模拟下的呼和浩特市的碳储量与2020年相比均呈现减少状态,其中耕地保护情景碳储量降幅最小,其次为生态保护情景,说明采取合理的保护措施能够有效抑制碳储量下降。耕地保护情景能够有效减缓城市建筑的扩张趋势,生态保护情景则可有效增加水体、草地等生态类用地面积。研究表明,落实耕地和生态保护政策、优化土地利用结构、提高土地利用效率对呼和浩特市的可持续发展均有重要意义。

基于PLUS和InVEST模型的乌鲁木齐市碳储量时空演变与预测

土地利用变化对陆地生态系统的碳储量变化有着重要影响,研究不同发展情景下陆地生态系用碳储量变化情况,有利于优化空间布局,协调土地利用与生态环境保护的关系。本研究结合PLUS和InVEST模型,通过多种驱动因素数据分析了2000—2020年乌鲁木齐市土地利用的变化特征,以此预测模拟2030年自然发展情景、生态保护优先情景和耕地保护优先情景下土地碳储量。结果表明:(1)2000—2020年乌鲁木齐市林地、水域、建设面积、未利用地数量增加,耕地、草地面积减少。(2)2030年,自然发展情景延续了以往发展模式,建设用地面积增幅为18.29%。生态保护优先情景下,建设用地的扩张速度得到有效控制,增幅已经减缓,为4.73%。耕地保护优先情景下耕地面积比自然发展情景下多了171 km^(2),耕地保护效果显著。(3)2000—2020年,碳储量呈下降趋势,共计减少8.5×10^(6)t。2030年自然发展情景下碳储量总量相较于2020年减少了4.065×10^(6)t,生态保护优先情景下比自然增长情景高7.519×10^(5)t,耕地保护优先情景比自然增长情景低1.979×10^(6)t。因此,在未来乌鲁木齐市发展规划中,应当落实耕地保护责任,控制建设用地向林地、草地等高碳密度用地的扩张,优化用地布局,提高区域碳储量水平。

基于PLUS模型的乌鲁木齐市“三生”空间多情景模拟

基于乌鲁木齐市2000年、2010年、2020年3期的土地利用数据,利用PLUS模型,选取了包括社会经济和自然环境在内的15项驱动因子,模拟了乌鲁木齐市2030年在生产发展、生活水平、生态保护、综合优化4种情景下的“三生”空间变化情况.结果表明:在2000~2020年间草地处持续缩减的状态,缩减了614.06km^(2);耕地表现为先小幅度增加后大幅度减少,共计减少了226.39km^(2);其他用地类型的面积则呈现持续增加的趋势;草地和未利用地之间的转化程度最剧烈.从多情景模拟结果来看:在四种情景演变预测中生活空间面积均呈扩张趋势,扩张程度最大可达85.86km^(2);在生产发展和生活水平情景下生产空间面积分别扩张了3.13km^(2)、38.17km^(2),生态空间面积则分别缩减了30.11km^(2)、124.03km^(2);在生态保护和综合优化情景下,生产空间面积有所缩减,最大缩减程度为149.8km^(2);综合优化情景下的用地类型空间变化趋势与生态保护情景的模拟的结果较为相似,不同之处在于其变化趋势较为缓和.总体来看,综合优化情景下模拟的结果更符合城市发展和生态保护的要求.乌鲁木齐市必须抓住机遇,及时解决城市发展与生态保护间的矛盾,走可持续发展之路.

基于Invest模型和Flus模型的江苏省碳储量变化模拟与预测

为明确土地利用变化对碳储量的具体影响,实现耕地、林地等生态环境的更好保护,以江苏省为例,基于2000年、2010年和2020年土地利用数据,采用Invest模型的碳储存和固定模块以及Flus模型ANN模块、CA模块、Markov Chain模块,分析了江苏省不同土地利用类型碳储量变化特征,并预测了自然发展情景和生态保护情景下2030年和2050年江苏省碳储存与固定情况。结果表明,2000年、2010年与2020年,江苏省碳储量整体呈下降趋势,从1803.948×10^(6)t下降至1641.008×10^(6)t,其中耕地碳储量下降最多,为239.494×10^(6)t。这种现象的发生与江苏省工业化和城市化导致的耕地和林地等面积的减少并转为建筑用地有关。此外,各市碳储量差异较显著,其中盐城市碳储量最大,占全省总碳储量的16.12%,无锡市在全省碳储量中占比最小(4.12%)。基于ArcGIS 10.2软件和GeoDa 1.20软件分析发现,2000—2010年,南京、无锡、常州的碳储量分布呈低-低聚集,连云港市呈低-高聚集;2020年无锡、常州、镇江呈现低-低聚集,连云港市呈现高-高聚集。本研究预测结果表明2030年和2050年的生态保护情景下碳存储能力较自然发展情景有一定提升,分别提升6.069×10^(6)t和5.861×10^(6)t。本研究结果可为江苏省更好地建设生态环境提供数据支撑。

基于PLUS和InVEST模型的荆州市碳储量评估与土地利用多情景模拟

以碳中和为背景,探讨荆州市近20 a碳储量的时空分布特征,分析土地利用变化与碳储量之间的关系,为优化土地利用结构提供支撑。结果表明:(1)2000—2020年荆州市土地利用共分为6类,包括耕地、林地、草地、湿地、水体、建设用地,其中耕地、草地、建设用地面积增加,林地、湿地、水体面积减少,其他地类向耕地、建设用地转换最多,其中人口、GDP、交通是主要驱动因子。(2)2000—2020年碳储量值整体呈增加趋势,共增加640万t,其中耕地、林地、草地贡献最多。(3)预测2030年自然发展、城镇发展、生态保护情景下碳储量值分别为13269万t、13225万t、13189万t,城镇发展情景下土地利用价值最高。以2000年、2010年土地利用为初始数据,利用PLUS模型模拟2020年土地利用,与2020年实际土地利用比较,得到Kappa系数=0.71,总精度=0.84,模拟结果具有显著一致性,该模型进行多情景模拟能够为国土空间规划和城市生态系统保护提供理论参考。

基于PLUS模型的徐州市生态系统服务价值多情景模拟研究

研究目的:分析2000—2020年徐州市生态系统服务价值变化规律,模拟多情景下徐州市2030年生态系统服务价值,为资源型城市转型发展提供参考。研究方法:当量因子法与PLUS模型。研究结果:(1)徐州市土地利用类型以耕地和建设用地为主,2000—2020年耕地面积持续下降,湿地与水体面积先减后增。(2)2000—2020年徐州市生态系统服务价值先减后增。(3)在三种情景模拟中,生态系统服务价值均出现损失,调节服务价值损失最大,耕地、草地面积减少是生态系统服务价值减少的重要原因。城镇发展情景下,建设用地侵占其他地类速度加快,生态系统服务价值下降趋势最为明显。生态保护情景下,生态系统服务价值损失量最少。研究结论:资源型城市在未来发展中应均衡经济发展与生态保护,同时加强规划引领,促进资源型城市绿色转型发展。

基于SWAT和PLUS模型的窟野河流域径流对土地利用变化的响应及预测

[目的]为揭示窟野河流域径流对土地利用变化的响应,并预测未来径流变化。[方法]以窟野河流域为研究区,基于SWAT和PLUS模型,通过2000年、2005年、2010年、2015年、2020年和预测得到的自然发展情景下2025年、2030年7期土地利用数据,定量分析径流在不同土地利用情景下的变化。[结果](1)SWAT模型率定期和验证期的R 2和NS均>0.7;PLUS模型总体精度为0.8774,Kappa系数为0.8021,2个模型在窟野河流域适用性较好;(2)2000—2020年,窟野河流域林地、建设用地面积分别增加102.92,600.90 km 2,耕地、草地、水域和未利用地分别减少277.15,366.25,40.44,19.98 km 2;(3)窟野河流域年平均径流深整体呈现“上游低,下游高,西部低,东部高”的空间分布格局;(4)在保证其他输入数据不变的情况下,改变土地利用数据,情景分析结果表明,林地、草地面积减少会促进径流,建设用地面积增加同样会促进径流;(5)自然发展情景下,2025年和2030年窟野河流域土地利用空间分布格局未发生显著变化,仍以耕地和草地为主,年平均径流量较2020年分别增加3.21%,5.00%。[结论]土地利用与径流变化关系密切,情景分析角度下,林地、草地对径流起抑制作用,建设用地对径流起促进作用。未来自然发展情景下,随土地利用变化,径流呈增加态势,研究结果可为窟野河流域的土地利用结构优化和水土资源的合理规划提供科学依据。

基于InVEST和PLUS模型下的土地利用变化及生境质量演变分析:以汉中盆地为例

汉中盆地是中国南水北调工程中的重要源头区,分析区内土地利用及生境质量,能提高对该地区演变规律的认识,进一步保护下游研究区的自然资源和生态环境安全。笔者基于2000~2020年20年内共3期土地利用数据,建立了研究区多类型土地利用数据库和生境质量评估体系,从土地利用转移矩阵、景观格局指数、生境质量等多个方面对研究区内的土地利用的时空变化进行研究,并利用PLUS模型进行土地利用扩张和预测分析。结果表明:2000~2020年,土地利用类型变化较大,变化转移主要发生在水田和农村居民点用地、城镇用地之间;蔓延度指数逐年减少,景观破碎化程度较高;生境质量结果呈逐年下降趋势,高值面积减少并向南部扩展,低值面积增多并以城镇为中心向外辐射扩散,高等级的生态质量景观由水域和林草为主,主要沿汉江流域分布。

基于PLUS和InVEST模型的合肥市生态系统碳储量时空演变特征

[目的]为寻求“双碳”目标导向下的合肥市城市发展新方案。[方法]依据合肥市2000-2020年5期土地利用数据,在合肥市国土空间规划指引下,运用PLUS模型模拟得到2035年合肥市土地利用时空演变规律,耦合InVEST模型探究多情景下合肥市碳储量时空变化特征,并进一步挖掘土地综合利用程度对碳储量的影响。[结果](1)2000-2020年合肥市土地利用变化特征主要表现为耕地、林地减少,其中耕地为建设用地扩增主要来源。自然发展和农田资源保护情景的土地变化规律大致相同,主要表现为耕地、林地、水体减少;绿色汇增城市发展情景下,林地相比其余2个情景面积由减少转为增加。(2)2000-2020年合肥市碳储量逐年递减,其中2005-2010年碳损失最为剧烈。到2035年,自然发展情景、农田资源保护情景、绿色汇增城市发展情景碳储量分别为138.96×10^(6),140.13×10^(6),139.81×10^(6) t。农田资源保护情景下,碳储量明显增加区域最低,建设用地扩张减缓;绿色汇增城市发展情景下,林地由碳损失转为碳固持,是最具固碳潜力的发展趋势。(3)绿色汇增城市发展情景土地利用率最高,可有效降低土地综合利用程度对碳储量流失的威胁。[结论]农田资源保护情景与绿色汇增城市发展情景均有助于城市固碳发展,实施生态保护与城市发展并行政策,调整土地综合利用模式有助于改善城市碳流失。

基于GeoSOS-FLUS模型的荆州市生态安全评估

为探索荆州市的生态安全底线,模拟未来的土地利用变化和生态系统服务价值变化,为荆州市的生态保护制定合理的政策建议,从供给和需求的角度,结合粮食安全标准,测算了荆州市的生态安全底线;利用GeoSOS-FLUS模型在自然发展、生态保护、耕地保护和双重保护4种情景下,模拟了未来的土地利用变化和生态系统服务价值的变化。结果表明:荆州市的供给生态安全底线为1 227.56亿,需求生态安全底线为7 690.12亿,存在较大的生态安全缺口;双重保护情景下的生态系统服务价值最接近需求生态安全底线,也能提供相对更多的粮食,最有利于平衡生态安全和粮食安全。本文探索性地从供给和需求的角度结合粮食安全标准,计算了荆州市的生态安全底线,利用了一种先进的土地利用变化模拟方法,为其他地区的生态安全评估和保护提供了借鉴,为荆州市的生态环境优化模式和方向提供了参考。

基于PLUS模型与地表基质的土地利用变化模拟与多情景预测

地表基质层是支撑与孕育自然资源的基础物质,是约束地上各类自然资源生长的重要圈层(侯红星等,2022),作为地表土地利用的重要联系纽带,特别是作为土地资源的本底支撑层,开展地表基质调查研究,能够对按照“宜林则林、宜草则草、宜耕则耕、宜荒则荒”的原则科学合理调整自然资源规划布局提供基础数据支撑(孙兴涛等,2023)。

基于PLUS-InVEST模型的珠三角碳储量时空演变与预测

[目的]探究珠三角地区2005—2020年土地利用变化及其对碳储量的影响,并对2035年珠三角的土地利用格局和碳储量进行模拟预测,以期为珠三角地区“双碳”目标下的国土空间规划和生态决策提供科学依据。[方法]基于2005—2020年4期土地利用数据,以珠三角城市群为研究区域,采用PLUS模型和InVEST模型对该区的土地利用变化和碳储量演变进行分析,并预测其2035年土地利用空间格局和碳储量变化趋势。[结果]①2005—2020年,珠三角地区碳储量先增加后减少,林地、建设用地和未利用地增多促进碳储量增长了4.82×10^(7)t,耕地、草地和水域减少导致碳储量减少了5.10×10^(7)t。②预计2035年,随着建设用地和林地的增加,该区碳储量较2020年增长5.75×10^(7)t,生态环境向好发展。③该区碳储量表现出“四周高,中部低”的空间分布格局,与土地利用空间分布具有显著一致性,即碳储量高值区集中在林地、耕地和草地,碳储量低值区集聚在建设用地。[结论]随着未来城市发展需要,政府部门应进行土地综合开发利用,采取生物、工程技术等生态修复措施,提升区域固碳能力,助力实现碳中和目标。

基于GeoSOS-FLUS模型的乌鲁木齐生态空间模拟

基于GeoSOS-FLUS模型,利用2005和2020年的土地利用数据,对乌鲁木齐市土地利用变化及其农业生态效应进行分析,并建立农田保护、生态保护和城市发展3种情景模拟。结果表明,GeoSOS-FLUS模型具有较高的模拟精度和适用性,能够反映乌鲁木齐市土地利用变化特征。在不同情景模拟下,乌鲁木齐市土地利用空间布局呈现出不同的变化趋势和农业生态效应。

基于InVEST和PLUS模型的江西省土地利用碳储量时空变化与预测

土地利用变化是驱动碳储量变化的主要因素,评估土地利用变化对碳储量的影响对于碳平衡具有重要意义。以江西省为例,基于InVEST-PLUS模型,探究1990—2020年江西省土地利用变化和碳储量时空演变,测算2030年多情景碳储量。(1)江西省1990年、2000年、2010年和2020年的碳储量分别为12.7594、12.7600、12.6912、12.5800亿吨,总体呈现减少态势。林地的减少是造成碳储量损失的主要因素。地上生物量碳库和土壤碳库碳储量最多,占总碳储量的88.82%。(2)至2030年,较2020年,在自然发展与城镇发展情景下,碳储量分别减少380、1330万吨,在生态保护情景下则增加125万吨,表明采取生态保护措施,优化土地利用结构,能有效控制碳储量的减少。(3)碳储量明显较高的地区位于生态用地连片的赣南山区,而碳储量明显较低的地区位于碳密度值较低以及建设用地呈斑块状分布的赣北区域。研究结果将为江西省生态文明建设作出合理生态决策、实现高质量发展提供科学依据。