← 論文一覧に戻る

Scale-Dependent and Non-linear Effects of Land-Cover Configuration on Carbon Performance: an MGWR-SHAP Analysis of Tianjin

土地利用構成が炭素パフォーマンスに与えるスケール依存性と非線形効果: 天津を対象としたMGWR-SHAP分析 (AI 翻訳)

Jiaxiang Wang, T X Chen

Applied Spatial Analysis and Policy📚 査読済 / ジャーナル2026-07-25#AI×ESGOrigin: CN対象セクター: urban_planning
DOI: 10.1007/s12061-026-09954-5
原典: https://doi.org/10.1007/s12061-026-09954-5

🤖 gxceed AI 要約

日本語

本研究は、MGWR-SHAP分析を用いて、天津市における土地利用構成の炭素パフォーマンスへの影響をスケール依存性と非線形効果の観点から評価した。異なる土地利用タイプがスケールによって異なる影響を与えることを明らかにし、都市計画や炭素管理への示唆を提供する。

English

This study uses MGWR-SHAP analysis to evaluate the scale-dependent and non-linear effects of land-cover configuration on carbon performance in Tianjin, China. It reveals that different land cover types have varying impacts at different spatial scales, offering insights for urban planning and carbon management.

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

天津を対象とした事例だが、MGWR-SHAPという解釈可能な機械学習手法は日本の都市における炭素パフォーマンス分析にも応用可能。SSBJや有報との直接的な関連は薄いが、地域スケールの脱炭素政策立案に役立つ可能性がある。

In the global GX context

While focused on Tianjin, the interpretable machine learning method (MGWR-SHAP) is applicable to carbon performance analysis in cities globally. It contributes to the literature on land cover-carbon relationships, relevant for urban climate policy and sustainability planning.

👥 読者別の含意

🔬研究者:The MGWR-SHAP approach offers a novel way to analyze non-linear and scale-dependent effects in carbon performance studies.

🏢実務担当者:Urban planners and carbon managers can use these insights to prioritize land-cover changes for carbon mitigation.

🏛政策担当者:The study supports evidence-based land-use policies targeting carbon performance at different spatial scales.

🔗 Provenance — このレコードを発見したソース

🔔 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。