四川省主要穀物生産県における農地利用の低炭素移行パフォーマンス：時空間的進化、空間スピルオーバー、駆動要因
Low-Carbon Transition Performance of Cropland Use in the Principal Grain-Producing Counties of Sichuan Province: Spatiotemporal Evolution, Spatial Spillovers, and Driving Factors (原題)
Youxi Shan, Yineng Li, Peiru Chen, Bangwen Ding, Haoyue Wu
🤖 gxceed AI 要約
日本語
四川省の主要穀物生産89県を対象に、2010〜2022年の農地利用低炭素移行パフォーマンス（LCTP-CLU）をGB-US-S-SBMモデルで測定。平均値は0.558から0.618へ上昇し、北東部で高く南西部で低い。農業従事者当たり農地面積、複作指数、農村経済発展が正の効果、農業産業構造が負の効果を持ち、隣接県への正の空間スピルオーバーも確認された。
English
Using panel data from 89 major grain-producing counties in Sichuan (2010–2022), this study measures cropland low-carbon transition performance via a GB-US-S-SBM model. Performance rose from 0.558 to 0.618, higher in the northeast and lower in the southwest. Cropland per worker, multiple-cropping index, and rural economic development improved performance, while agricultural industrial structure reduced it, with significant positive spatial spillovers.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
日本では農地・食料安全保障と脱炭素の両立がGX政策課題となりつつあり、県レベルでの空間計量分析手法は日本の地域農業政策や自治体GX計画の評価に応用可能。SSBJや有報開示との直接接点は薄いが、Scope3の農業由来排出把握に関心ある企業には参考になる。
In the global GX context
This contributes to the growing literature linking agricultural decarbonization with food security, relevant to global discussions on land-use emissions under climate disclosure frameworks. The spatial spillover methodology offers transferable tools for regional low-carbon transition assessment beyond China.
👥 読者別の含意
🔬研究者:農地利用の低炭素移行を空間計量で評価する手法と、中国県レベルでの実証結果を提供する。
🏢実務担当者:食品・農業サプライチェーン企業がScope3農業排出や地域調達リスクを検討する際の背景情報となる。
🏛政策担当者:地域農業の脱炭素政策設計において、空間スピルオーバーを考慮した県間連携の必要性を示唆する。
📄 Abstract（原文）
The low-carbon transition of cropland use must reconcile emission reduction with food security in major grain-producing areas. Using panel data for 89 major grain-producing counties in Sichuan Province, China, from 2010 to 2022, this study measures the low-carbon transition performance of cropland use (LCTP-CLU) with a global-benchmark undesirable-output super-efficiency slacks-based measure (GB-US-S-SBM) model. Spatial autocorrelation analysis and a spatial Durbin model are then used to examine spatiotemporal patterns, driving factors, and spillover effects. LCTP-CLU increased overall, with the sample mean rising from 0.558 in 2010 to 0.618 in 2022. Performance was higher in northeastern Sichuan and lower in southwestern Sichuan, and high-value counties became increasingly contiguous by 2022. The cropland area per agricultural worker, multiple-cropping index, and rural economic development significantly improved LCTP-CLU, whereas the agricultural industrial structure reduced it. LCTP-CLU also exhibited significant positive spatial spillovers; cropland area per agricultural worker, multiple-cropping index, and rural economic development generated positive effects in neighboring counties. These findings support differentiated county-level policies and cross-regional coordination to advance low-carbon cropland use while safeguarding grain production.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.3390/agriculture16192136first seen 2026-10-04 04:44:43
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。