بینش جدید در مورد سیستم همراه غلات-فاجعه-اقتصاد بر اساس یک شبکه چند لایه: یک مطالعه تجربی در چین

بلایای طبیعی اغلب رخ می دهد که باعث خسارات اقتصادی هنگفت و کاهش تولید غلات می شود. بنابراین، بررسی کامل همبستگی های فضایی بین غلات، فاجعه و اقتصاد مهم است. بر اساس داده‌های پانل بین استانی در چین در سال ۲۰۱۹، این مطالعه شبکه پیچیده و نظریه هم‌وقوع را در یک شبکه چندلایه دانه-فاجعه-اقتصاد (GDE) ادغام می‌کند، که چشم‌انداز جدیدی برای بررسی بیشتر همبستگی فضایی بین این سه ارائه می‌دهد. سیستم های. ما ویژگی‌های جفت فضایی شبکه چند لایه GDE را با استفاده از سه جنبه شناسایی می‌کنیم: درجه، مرکزیت و تشخیص جامعه. نتایج تحقیق موارد زیر را نشان می‌دهد: (۱) استان‌های مناطق عمده تولیدکننده غلات نقش قوی‌تری در تخصیص و کنترل منابع غلات دارند. و همبستگی بین غلات و بلایا در این استان ها قوی تر و مستعد وقوع بلایا است. در حالی که استان‌های منطقه اقتصادی پکن-تیانجین-هبی و دلتای رودخانه یانگ تسه و دلتای رودخانه مروارید مانند پکن، تیانجین، جیانگ سو، شانگهای و ژجیانگ از سطح بالایی از توسعه اقتصادی برخوردار هستند و در نتیجه توانایی قوی‌تری برای تخصیص منابع اقتصادی (۲) زیرسیستم اقتصادی در مقایسه با زیرسیستم‌های دانه و فاجعه در شکل‌گیری و توسعه شبکه چندلایه GDE همراه با هماهنگی قوی‌تر برای توسعه مشترک بین دانه‌های پیچیده، فاجعه و اقتصاد، نقش مهم‌تری را بر عهده می‌گیرد. سیستم ها در استان های گره ای شبکه (۳) مدولار بودن جامعه شبکه چند لایه GDE جفت شده به طور قابل توجهی بالاتر از سه شبکه تک لایه است که نشان دهنده تقسیم جامعه معقول تری پس از جفت کردن سه زیرسیستم است. شناسایی ویژگی‌های فضایی GDE با استفاده از تحلیل شبکه چندلایه، دیدگاه جدیدی را در انجام اقدامات مختلف برای بهبود توسعه پایدار مشترک غلات، فاجعه، و اقتصاد در مناطق مختلف چین با توجه به شرایط محلی ارائه می‌دهد.

کلید واژه ها:

سیستم همراه غلات-فاجعه-اقتصاد ؛ شبکه چند لایه ؛ وقوع همزمان ؛ تشخیص جامعه

۱٫ مقدمه

چین یک کشور کشاورزی بزرگ است و منابع غذایی آن پایه مادی توسعه اقتصادی منطقه را فراهم می کند [ ۱ ]. تضمین امنیت غذایی با معیشت ملی و ثبات اجتماعی مرتبط است [ ۲ ]. به طور فزاینده ای، مسائل مربوط به محرومیت از منابع جهانی، امنیت غذایی [ ۳ ] و عدم تعادل مداوم در توسعه اقتصادی منطقه ای [ ۴ ] موانعی را ایجاد کرده است که توسعه جامعه مدرن را محدود می کند و ثبات ملی را به طور جدی تهدید می کند. با افزایش روند گرمایش جهانی، چین به طور جدی تحت تأثیر بلایای طبیعی قرار گرفته است [ ۵ ، ۶ ، ۷ ]]. وقوع مکرر آنها چالش های جدی را برای توسعه پایدار جامعه به همراه داشته است [ ۸ ]. پیوند شبکه فضایی منابع، پیوندهایی از نوع شبکه هستند که به تدریج به دلیل جریان و تعامل عوامل تولید و خروجی ها در فضای جغرافیایی شکل می گیرند [ ۹ ، ۱۰ ]. این سیستم های پیچیده و جهانی همه به هم مرتبط هستند. بنابراین، یک رابطه یا پیوند پیچیده و تعاملی دانه-فاجعه-اقتصاد (GDE) نیز قابل مشاهده است، یعنی تولید و عرضه هر یک از اجزای GDE وابسته به دو مؤلفه دیگر است [ ۱۱ ]. چین به‌عنوان دومین اقتصاد بزرگ و یکی از بزرگترین مصرف‌کنندگان منابع در سرتاسر جهان، نیازمند مطالعه بیشتر در رابطه با پیوند GDE است.

این پیوند از نگرانی فزاینده در مورد هم افزایی منابع کمیاب از طریق پیوندهای داخلی میان بخش ها ناشی می شود [ ۱۲ ]. بسیاری از مطالعات بر روی یک یا دو عنصر از GDE متمرکز شده اند. وقوع مکرر بلایای طبیعی تأثیر منفی بر منطقه دارد [ ۱۳ ]، باعث ایجاد زنجیره ای از خسارات و افزایش آسیب پذیری اجتماعی-اقتصادی [ ۱۴ ] می شود. در نتیجه، تعداد فزاینده ای از مطالعات بر روی تأثیر بلایای طبیعی بر اقتصادهای منطقه متمرکز شده است. فلوریدا در ایالات متحده کاهش درآمد تا ۱۷٪ را در شش ماه پس از طوفان [ ۱۵ ] و کاهش قابل توجه درآمد سرانه همراه با بلایای طبیعی بزرگ متوالی [ ۱۶ ] تجربه کرد.]. بلایای طبیعی می تواند بر تولید در بخش اولیه تأثیر نامطلوب بگذارد و منجر به کاهش ناگهانی مواد تولیدی در بازار شود و مستقیماً بر سایر بخش های مختلف تأثیر بگذارد [ ۱۷ ]. بخش کشاورزی بیشتر تحت تاثیر بلایای ناشی از آب و هوا است [ ۱۸ ]. علاوه بر این، بلایای طبیعی تهدید اصلی برای پایداری تولید غلات است [ ۱۹ ]. خشکسالی و سیل به طور قابل توجهی تولید غلات را کاهش می دهد و تنوع مکانی قابل توجهی در حساسیت به خشکی وجود دارد [ ۲۰ ]. رابطه فازی بین نرخ قرار گرفتن در معرض خشکسالی سالانه و تلفات تولید غلات ناشی از خشکسالی اطلاعات مهمی را برای توسعه طرح‌های جبران بلایا فراهم می‌کند [ ۲۱ ].]. اقتصاد و اکولوژی عوامل کلیدی موثر بر شاخص تاب آوری منطقه ای هستند [ ۲۲ ]. توسعه اقتصادی بیشترین سهم را در کاهش تلفات ناشی از بلایا دارد [ ۲۳ ]، به این معنی که توسعه سریع اقتصادی و فناوری می تواند تا حدی در برابر بلایای طبیعی مقاومت کند یا آن را کاهش دهد [ ۲۴ ]. در اتیوپی، تحول سیاست و تغییرات اخیر که منجر به پیشرفت قابل توجهی در پرداختن به ناامنی غلات شده است، ارزیابی شده و پیامدها و درس‌ها برای سایر کشورهای در حال توسعه مورد بحث قرار گرفته است [ ۲۵ ]]. به عنوان یک کشور کشاورزی معمولی، برای توسعه پایدار اقتصاد کشاورزی چین و امنیت غلات، دولت باید بودجه بیشتری را در پیشگیری و کاهش بلایا سرمایه‌گذاری کند، تحقیقات علمی و فناوری را تقویت کند، ساختار کشاورزی را تعدیل کند، استفاده مؤثر از منابع کشاورزی را بهبود بخشد. سیستم توزیع غلات، تقاضای غلات را بین مصرف غلات و استفاده غیرمستقیم متعادل می کند و به خودکفایی غلات و امنیت کلی غلات دست می یابد [ ۲۶ ، ۲۷ ]]. مطالعات فوق عمدتاً بر مکانیسم تعامل، تنوع روش‌شناختی و عوامل تأثیرگذار بین دانه، فاجعه و اقتصاد تمرکز دارند، اما مطالعات کمی ادغام آنها را از منظر سیستمی با هماهنگی چند لایه همراه تحلیل کرده‌اند. بنابراین، مهم است که ارتباط فضایی و رابطه جفت شده بین دانه، فاجعه و اقتصاد را بررسی کنیم.

به منظور درک پیوند GDE از دیدگاه سیستم، و بررسی عمیق‌تر اتصالات، عملکردها و تعاملات سیستم‌های دانه، فاجعه و اقتصاد، یک شبکه پیچیده در این مقاله معرفی شده است. شبکه پیچیده به دلیل قدرت منحصر به فرد خود در توصیف تعاملات بین عناصر سیستم های پیچیده [ ۲۸ ]، توجه تحقیقاتی فزاینده ای را به خود جلب کرده است [ ۲۹ ، ۳۰ ]]. با این حال، شبکه پیچیده قادر به بیان ارتباط یک زیر سیستم با دیگری در یک سیستم پیچیده نیست. در مقابل، شبکه چند لایه می‌تواند تعاملات کلی و محلی بین سیستم‌های متعدد را روشن کند و پیوندهای فضایی بین دانه، فاجعه و اقتصاد را آشکار کند. علاوه بر این، با توسعه مداوم علم شبکه، توجه از شبکه های منفرد، ایزوله به شبکه های تعاملی جفت شده یا چند لایه تغییر کرده است [ ۳۱ ]]. یک شبکه چند لایه شبکه های تک لایه را با در نظر گرفتن فعل و انفعالات و تأثیرات بین لایه های مختلف در یک شی ریاضی ترکیب می کند. ساخت شبکه های چند لایه می تواند حاوی اطلاعات قابل توجهی بیشتری باشد و رابطه را با دقت بیشتری نسبت به تک لایه ها نشان دهد. بنابراین، شبکه های چند لایه به کانون تحقیقاتی در حوزه شبکه های پیچیده تبدیل شده اند [ ۳۲ ]. در پژوهش حاضر از شبکه های چندلایه در چندین رشته دانشگاهی استفاده شده است. به عنوان مثال می توان به بازار سهام مالی [ ۳۳ ]، سیستم های حمل و نقل [ ۳۴ ] و تجارت ملی انرژی [ ۳۵ ] اشاره کرد. پیچیدگی بسیاری از سیستم‌های زیست‌شناختی، اجتماعی و فناوری از غنای تعاملات بین واحدهای آن‌ها ناشی می‌شود.۳۶ ]. فعل و انفعالات مرتبه بالاتر تأثیر قابل توجهی بر مطالعه پویایی سیستم های شبکه داشته است، محدودیت های نوع اصلی تعامل زوجی را برای تجزیه و تحلیل توپولوژی شبکه شکسته و روش جدیدی از تفکر برای تجزیه و تحلیل تعامل شبکه های پیچیده ارائه می دهد [ ۳۷ ].]. علاوه بر این، تا به امروز، هیچ مطالعه ای برای تجزیه و تحلیل پیوند فضایی از منظر شبکه چند لایه انجام نشده است و برخی از چالش های مربوط به کاربرد شبکه چند لایه به دلیل تفاوت در ویژگی های شبکه های اصلی باقی مانده است. برای پرداختن به این مسائل، نظریه هم‌رویداد برای تعمیق درک ما از اثر پیوند معرفی شده است. تجزیه و تحلیل همزمانی مطالعه کمی وقوع همزمان برای آشکار کردن ارتباط محتوایی اطلاعات و دانش ضمنی توسط آیتم های ویژگی است [ ۳۸ ]. با تقویت پیوندهای بین رشته‌ای و نفوذ رشته‌های پژوهشی دانشگاهی، تحلیل هم‌روندی در رشته‌های مختلف گسترش یافته و به کار گرفته شده است و فضای پژوهشی را برای توسعه آن گسترش می‌دهد [ ۳۹ ، ۴۰ ]., ۴۱ , ۴۲ , ۴۳ ].

ادغام شبکه پیچیده و تئوری همزمانی در شبکه چند لایه برای آشکار کردن پیوند GDE در کل سیستم پیچیده می‌تواند بینش بیشتری در مورد تخصیص منابع دانه و اقتصادی در مناطق فضایی ارائه دهد. یعنی یک شبکه چند لایه GDE برای بررسی همبستگی و ویژگی‌های بین شبکه‌های منفرد در یک سیستم پیچیده ساخته شده است. بر اساس تحقیقات موجود و نکته نوآوری این مقاله، فرضیه تحقیق زیر را پیشنهاد می کنیم. (۱) یک مدل گرانشی برای ساخت یک شبکه دانه پیچیده، فاجعه و اقتصاد استفاده می شود که به طور موثر ناهمواری ظرفیت و قدرت اتصال موجود را برطرف می کند. (۲) ادغام نظریه هم‌رویداد در شبکه چندلایه، کاستی‌های یک رویکرد شبکه پیچیده را جبران می‌کند و روابط بین لایه‌ای را در بین لایه‌های منفرد شبکه‌های دانه، فاجعه و اقتصاد بررسی می‌کند. (۳) ساخت یک شبکه چند لایه GDE جفت شده نه تنها می تواند به جریان فضایی بهتر و استقرار منابع دانه و اقتصادی دست یابد، بلکه می تواند یک پارتیشن منطقی تر از یک سیستم GDE جفت شده بر اساس دانه بندی و پارتیشن های اقتصادی موجود بدست آورد. همچنین می تواند اقدامات مربوطه را برای بهبود توسعه پایدار مشترک غلات، فاجعه، و اقتصاد در مناطق مختلف چین با توجه به شرایط محلی پیشنهاد کند. (۳) ساخت یک شبکه چند لایه GDE جفت شده نه تنها می تواند به جریان فضایی بهتر و استقرار منابع دانه و اقتصادی دست یابد، بلکه می تواند یک پارتیشن منطقی تر از یک سیستم GDE جفت شده بر اساس دانه بندی و پارتیشن های اقتصادی موجود بدست آورد. همچنین می تواند اقدامات مربوطه را برای بهبود توسعه پایدار مشترک غلات، فاجعه، و اقتصاد در مناطق مختلف چین با توجه به شرایط محلی پیشنهاد کند. (۳) ساخت یک شبکه چند لایه GDE جفت شده نه تنها می تواند به جریان فضایی بهتر و استقرار منابع دانه و اقتصادی دست یابد، بلکه می تواند یک پارتیشن منطقی تر از یک سیستم GDE جفت شده بر اساس دانه بندی و پارتیشن های اقتصادی موجود بدست آورد. همچنین می تواند اقدامات مربوطه را برای بهبود توسعه پایدار مشترک غلات، فاجعه، و اقتصاد در مناطق مختلف چین با توجه به شرایط محلی پیشنهاد کند.

۲٫ روش ها و داده ها

۲٫۱٫ داده ها

به دلیل در دسترس نبودن داده ها، هنگ کنگ، ماکائو و تایوان در تجزیه و تحلیل آماری لحاظ نشده اند. با اندازه‌گیری شاخص‌های ویژگی‌های مرکزیت از سال ۲۰۰۰ تا ۲۰۱۹، مشخص شد که هیچ تغییر معنی‌داری در شاخص‌های استانی برای شبکه تک لایه دانه و تغییر معنی‌داری در موقعیت نسبی آنها در شبکه همبستگی وجود ندارد. برای حفظ ثبات شاخص‌های دانه، فاجعه و اقتصاد، سال ۲۰۱۹ را برای تجزیه و تحلیل خصوصیات همبستگی همبستگی فضایی شبکه چند لایه GDE انتخاب کردیم. در مدل گرانش، داده های دانه شامل تولید دانه و مناطق کاشته شده برای محصولات غلات [ ۱۰ ]، داده های بلایا شامل مناطق تحت تاثیر همه بلایا و همچنین مناطق شکست محصول [ ۴۴ ] است.]، و داده های اقتصادی شامل تولید ناخالص داخلی سرانه و درآمد قابل تصرف سرانه است [ ۳ ]. تمام داده های فوق از «سالنامه آماری چین»، «سالنامه آماری روستایی چین» و داده های استانی سالانه از وب سایت اداره ملی آمار گرفته شده است. جزئیات تمام داده ها را می توان در جدول ۱ یافت .

بر اساس منطقه اداری، چین به چین شرقی (EC)، چین جنوبی (SC)، چین مرکزی (CC)، چین شمالی (NC)، شمال غربی چین (NWC)، جنوب غربی چین (SWC)، شمال شرقی چین (NEC) تقسیم می شود. تایوان، هنگ کنگ و ماکائو. تقسیمات خاص در جدول ۲ و شکل ۱ ذکر شده است.

۲٫۲٫ شبکه چند لایه

یک شبکه چند لایه با $M$ لایه ها [ ۴۵ ] از مجموعه ای از لایه های شبکه مختلف تشکیل شده است $g$ و لبه های متصل بین لایه $c$ . اینجا، $g = \{G_{α}; α \in \{1, \dots, M\}\}$ ، $G_{α} = (X_{α}, E_{α})$ ، که لایه یا لایه های شبکه یک شبکه چند لایه است و $c = \{E_{α β} \in X_{α} \times X_{β}; α, β \in \{1, \dots, M\}, α \neq β\}$ ، که مجموعه ای از لبه های متصل بین گره های لایه های مختلف شبکه است $G_{α}$ و $G_{β}$ . عناصر تشکیل دهنده در $c$ لایه های متقاطع و عناصر تشکیل دهنده هر کدام نامیده می شوند $E_{α}$ لبه های متصل در یک لایه شبکه چند لایه نامیده می شوند، همانطور که از عناصر تشکیل دهنده هر یک متمایز می شوند $E_{α β}$ (یعنی لبه های متصل بین لایه های شبکه چند لایه). زیرنویس و زیرنویس حروف یونانی برای نشان دادن نشانگرهای لایه های شبکه استفاده می شود. مجموعه ای از گره ها در $G_{α}$ لایه به صورت نمایش داده می شود $X_{α} = \{X_{1}^{α}, \dots, X_{N_{α}}^{α}\}$ . ماتریس مجاورت هر لایه $G_{α}$ به عنوان نشان داده شده است $A^{[α]} = (a_{i j}^{α}) \in R^{N_{α} \times N_{α}}$ . ماتریس مجاورت بین لایه مربوط به $E_{α β}$ است $A^{[α, β]} = (a_{i j}^{α}) \in R^{N_{α} \times N_{β}}$ .

آ α من ج = ⎧⎩⎨⎪⎪ ۱ ، i f (ایکس α من ، ایکس α j) \in E α ۰, o t h e r w i s e (۱ \leq i ، j \leq ن α ، ۱ \leq α \leq M)

(۱)

آ α β من ج = ⎧⎩⎨⎪⎪ ۱ ، i f (ایکس α من ، ایکس β j) \in E α β ۰, o t h e r w i s e

(۲)

۲٫۳٫ ساخت شبکه چند لایه Grain-Disaster-Economy

۲٫۳٫۱٫ مدل جاذبه

شبکه چند لایه GDE از سه لایه تشکیل شده است. هر لایه از گره ها و خطوط تشکیل شده است که هر استان یک گره شبکه و رابطه دانه، فاجعه و اقتصاد بین استان ها خطوط هستند. استوارت [ ۴۶ ] برای اولین بار مدل گرانشی را پیشنهاد کرد (معادله (۳))، که در سال های اخیر برای تحلیل همبستگی فضایی به کار گرفته شده است. در این مطالعه، یک مدل گرانشی برای هر لایه شبکه اعمال شد.

اف من ج = ک م من م j D 2 من ج

(۳)

D من ج = آر من ج تی من ج —-\sqrt

(۴)

جایی که $F_{i j}$ نشان دهنده ارزش گرانشی بین مناطق i و j است، $K$ ضریب گرانش است و $M_{i}$ و $M_{j}$ به ترتیب مقیاس روابط دانه، فاجعه و اقتصادی مناطق i و j هستند. $D_{i j}$ نشان دهنده فاصله بین مراکز مناطق i و j است. فاصله جغرافیایی و هزینه های زمانی نیز در این مطالعه معرفی شده است. $R_{i j}$ نشان دهنده فاصله جغرافیایی و $T_{i j}$ هزینه زمان را نشان می دهد.

مدل گرانش بر اساس مطالعات قبلی [ ۱۰ ]، همانطور که در جدول ۳ نشان داده شده است، اصلاح شد . در جدول ۳ ، از شاخص های مربوط به غلات، فاجعه و اقتصاد برای اصلاح ضریب استفاده می کنیم.

K

در مدل جاذبه و مشخص کردن سطوح آنها در هر استان.

۲٫۳٫۲٫ تئوری وقوع همزمان

بگذارید یک مجموعه لایه شبکه باشد

\{G_{1}, G_{2}, \dots, G_{L}\}

، که با یکدیگر تعامل دارند، سپس می توان آنها را به عنوان یک مدل شبکه چند لایه ساخت (یعنی

\{G_{1}, G_{2}, \dots, G_{L}\}

) که در آن لایه متقاطع

E_{α β}

مربوط به تعامل بین لایه های شبکه است

G_{α}

G_{β}

[ ۴۷ ]. شکل ۲ a دو شبکه را با تعامل نشان می دهد، که در آن تعاملات را می توان با اتصال فلش های لبه بین گره ها در لایه ها نشان داد، و شکل ۲ b ساختار یک شبکه چند لایه متشکل از این دو شبکه تعاملی را نشان می دهد [ ۴۵ ].

در بخش فوق، سه شبکه تک لایه برای دانه، فاجعه و اقتصاد بر اساس مدل گرانش بهبودیافته می‌سازیم. علاوه بر این، هر لایه ویژگی ها و ارتباطات فضایی خاص خود را دارد. بنابراین، برای توصیف دقیق ارتباط با دانه، فاجعه، و اقتصاد، یک مدل شبکه چند لایه پیشنهاد شده است. شبکه مالتی پلکس با ترکیب سه شبکه تک لایه فوق، همانطور که در زیر توضیح داده شده است [ ۳۲ ] ساخته می شود.

مفهوم همزمانی اولین بار توسط زیست شناس آلمانی آنتون دو باری پیشنهاد شد و بعداً توسط فامینتسیم، پروتوتاکسیس و دیگران [ ۴۸ ] برای مطالعه رابطه بین ارگانیسم هایی که به صورت متقابل و وابستگی زندگی می کنند بر اساس برخی ارتباط های مادی، توسعه یافت. یک اتفاق همزمان، تکامل هم افزایی یا بازداری متقابل. بنابراین، همزمانی به تعامل موجودات در درون خود و بین موجودات خارج از آنها برای ایجاد یک رابطه سودمند متقابل اشاره دارد.

۲٫۴٫ ویژگی های شبکه چندلایه Grain-Disaster-Economy

۲٫۴٫۱٫ درجه

در یک شبکه چند لایه پیچیده، درجه به صورت تعداد گره های مرتبط با این گره بیان می شود و اهمیت این گره را در شبکه چند لایه پیچیده کلی می سنجد. هر چه درجه گره بزرگتر باشد، تعداد گره هایی که این گره با آنها مرتبط است بیشتر است و گره در شبکه چند لایه مهمتر است [ ۴۹ ]. درجه گره $i$ در شبکه چند لایه عبارت است از:

ک من = \sum α = ۱ متر ک α من = \sum α = ۱ متر \sum j = ۱ n آ α من ج

(۱۱)

جایی که $k_{i}^{α}$ درجه گره است $i$ در لایه $α$ .

۲٫۴٫۲٫ قدرت همبستگی

قدرت همبستگی گره به مقدار تمام وزن های لبه متصل (ضرایب همبستگی) برای آن گره در هر لایه از شبکه اشاره دارد. قدرت همبستگی گره $i$ در شبکه چند لایه عبارت است از:

ج [α] = \sum من ، ج ج [α] من ج

(۱۲)

جایی که $c_{i j}^{[α]}$ ضریب همبستگی لبه های متصل بین گره ها است $i$ و $j$ در $α$ شبکه تداعی لایه

۲٫۴٫۳٫ مرکزیت

مرکزیت برای نشان دادن اتصال و اهمیت یک گره در شبکه ای از انجمن ها استفاده می شود.

مرکزیت پیج رنک

مرکزیت رتبه صفحه (PRC) اندازه گیری اهمیت گره ها در یک شبکه هدایت شده است. هر چه مقدار PageRank بالاتر باشد، گره اهمیت بیشتری دارد [ ۵۰ ].

آر من α j β = γ تی من α j β + ۱ - r ن L تو من α j β

(۱۳)

جایی که $R_{j β}^{i α}$ تانسور انتقال مربوطه است، $u_{j β}^{i α}$ یک تانسور مرتبه چهارم با همه عناصر برابر با ۱ است، $N$ تعداد کل گره ها در هر لایه است و $L$ تعداد کل لایه ها در یک شبکه چند لایه است. راه حل پایدار معادله اصلی این تانسور انتقال، PRC این شبکه چند لایه است.

۲٫: مرکزیت بردار ویژه

مرکزیت بردار ویژه ( EC ) مجموع مرکزیت وزنی گره های مجاور است. گره هایی با نمرات EC بالاتر ممکن است به تعداد زیادی گره با امتیاز متوسط یا به چند گره با امتیاز بالاتر متصل شوند. گره $i$ که در $α$ EC شبکه لایه به صورت زیر تعریف می شود:

E سی (i) = λ - ۱ \sum j, j \neq i ω [α] i j E C (j)

(۱۴)

جایی که $ω_{i j}^{[α]}$ عنصر است $α$ ماتریس مجاورت شبکه لایه $Ω$ ، و $λ$ مقدار ویژه ماتریس مجاورت است. EC یک گره هم به تعداد همسایه گره های همسایه و هم به EC گره های همسایه مربوط می شود. معادله (۲۰) به صورت ماتریسی بیان شده است و $λ ν = Ω ν$ ; بردار مرکزیت $ν$ را می توان بیشتر مشتق کرد، یعنی بردار ویژه مربوط به حداکثر مقدار ویژه از $Ω$ .

۲٫۴٫۴٫ جوامع

مشاهده شده است که بسیاری از شبکه های واقعی غلظت پیوندها را در یک گروه خاص از گره ها به نام جوامع (یا خوشه ها یا ماژول ها) نشان می دهند. شکل ۲ یک نمودار ساده از سه جامعه را نشان می دهد. تشخیص ساختار جامعه یک شبکه معین می تواند به کشف ویژگی های پنهان معماری توپولوژیکی آن کمک کند [ ۴۵ ]. در این مطالعه، ما فرمول [ ۵۱ ] را در مورد شبکه های هدایت شده وزن دار، همانطور که در زیر گزارش شده است، اتخاذ می کنیم:

Q = ۱ ۲ وات \sum من \sum j (w من ج - w من w j 2 وات) δ (سی من ، سی j)

(۱۵)

جایی که $w_{i j}$ وزن لبه بین i و j را نشان می دهد ، $w_{i}$ و $w_{j}$ نقاط قوت گره هستند $i$ و $j$ به ترتیب و $w_{i} = \sum_{j} w_{i j}$ ، $w_{j} = \sum_{i} w_{i j}$ مجموع وزن لبه های متصل به کشور است. $C_{i}$ جامعه به کدام کشور است $i$ اختصاص داده شده است، و $C_{j}$ جامعه به کدام کشور است $j$ اختصاص داده شده است. را $δ$ – تابع $δ (u, v)$ ۱ است اگر $u = v$ و ۰ در غیر این صورت، و $2 w = \sum_{i} \sum_{j} w_{i j}$ .

Δ Q = [\sum i n + k i , i n 2 m - (\sum t o t + k i 2 m) 2] - [\sum i n 2 m - (\sum t o t 2 m) 2 - (k i 2 m) 2]

(۱۶)

جایی که $\sum_{i n}$ مجموع وزن پیوندهای داخل جامعه است $C$ ، $\sum_{t o t}$ مجموع اوزان پیوندهایی است که به گره‌های اجتماع می‌رسند $C$ ، $k_{i}$ مجموع وزن گره است $i$ ، $k_{i, i n}$ مجموع اوزان از است $i$ به گره های موجود در جامعه $C$ ، و $m$ مجموع وزن تمام پیوندهای شبکه است

۳٫ نتایج و بحث

۳٫۱٫ تجزیه و تحلیل مدرک

در این مطالعه، ۳۱ استان در چین به عنوان گره برای ساخت یک شبکه چند لایه GDE بر اساس مدل گرانش و تئوری همزمانی انتخاب شدند. استان ها و تعداد گره ها در هر لایه از شبکه چند لایه یکسان است و گره های لایه دانه با آنهویی (G)، گره های لایه فاجعه با آنهویی (D) و گره های لایه اقتصادی با آنهویی (E) مشخص می شوند. . بر اساس محاسبات اولیه، مقدار درجه شبکه چند لایه GDE به دست آمد ( شکل ۳ ). توزیع فضایی درجه در شبکه های چند لایه GDE در شکل ۴ نشان داده شده است . شکل ۴ و شکل ۶ توسط بسته MuxViz Tools در R پیاده سازی شدند و روند عملیات دقیق این روش از Santo Fortunato و همکاران پیروی می کند. [ ۵۲].

در این مطالعه، ما ۲۰ استان برتر در شبکه چند لایه GDE را برای تجزیه و تحلیل انتخاب کردیم. نتایج نشان می دهد که این استان های گره در تک لایه های مختلف توزیع شده اند. در لایه دانه، استان هایی مانند مغولستان داخلی، هوبی، شاندونگ، آنهویی و هنان وجود دارد. در لایه فاجعه، استان هایی مانند جیانگشی، هونان، هیلونگجیانگ، آنهویی، شانشی، هنان، شاندونگ و هوبی قرار دارند. در لایه اقتصاد استان هایی مانند مغولستان داخلی، شانشی، هونان، شاندونگ، هنان، جیانگ سو و هوبی وجود دارند. علاوه بر این، سه استان هوبی، شاندونگ و هنان به طور همزمان در ۲۰ استان برتر در هر سه شبکه تک لایه قرار گرفتند. از این رو، می توان نتیجه گرفت که این سه استان نه تنها نقش مهم تری در شبکه تک لایه ایفا می کنند، بلکه نقش های گرهی مهمی در شبکه پیچیده چند لایه GDE دارند. یعنی ارتباط نزدیک تری بین غلات، فاجعه و اقتصاد در هر سه استان وجود دارد. ۲۰ استان برتر در لایه شبکه دانه-فاجعه همزمان آنهویی است، به این معنی که رابطه بین دانه و فاجعه در استان آنهویی قوی تر است و تعامل بین لایه دانه و فاجعه آشکارتر است. ۲۰ استان برتر در لایه شبکه فاجعه-اقتصاد هونان است، به این معنی که رابطه بین فاجعه و اقتصاد در استان هونان قوی‌تر است. ۲۰ استان برتر در لایه شبکه دانه-فاجعه همزمان آنهویی است، به این معنی که رابطه بین دانه و فاجعه در استان آنهویی قوی تر است و تعامل بین لایه دانه و فاجعه آشکارتر است. ۲۰ استان برتر در لایه شبکه فاجعه-اقتصاد هونان است، به این معنی که رابطه بین فاجعه و اقتصاد در استان هونان قوی‌تر است. ۲۰ استان برتر در لایه شبکه دانه-فاجعه همزمان آنهویی است، به این معنی که رابطه بین دانه و فاجعه در استان آنهویی قوی تر است و تعامل بین لایه دانه و فاجعه آشکارتر است. ۲۰ استان برتر در لایه شبکه فاجعه-اقتصاد هونان است، به این معنی که رابطه بین فاجعه و اقتصاد در استان هونان قوی‌تر است.

۳٫۲٫ تجزیه و تحلیل قدرت همبستگی

بر اساس تجزیه و تحلیل فوق، اندازه گره بر اساس میانگین قدرت همبستگی گره i است و ارتباط بین گره ها ارتباط بین گره ها در شبکه چند لایه GDE جفت شده است، همانطور که در شکل ۵ نشان داده شده است.

در شکل ۵در لایه دانه، استان هایی با قدرت همبستگی گره قوی عمدتاً مناطق اصلی تولید غلات هستند، مانند استان های لیائونینگ، جیلین، هیلونگجیانگ، شاندونگ، مغولستان داخلی، جیانگشی، هنان، هوبی، جیانگ سو و آنهویی. این استان‌های گره‌ای نه تنها دارای قدرت تداعی بالاتری هستند، بلکه تعداد روابط ارتباطی بیشتری بین آن‌ها و سایر گره‌ها دارند که با نتیجه‌گیری تحلیل فوق ما مطابقت دارد. در لایه فاجعه، استان هایی با همبستگی گرهی قوی عبارتند از هیلونگجیانگ، مغولستان داخلی، شاندونگ، هنان، آنهویی، هوبی و شانشی. این استان‌ها مناطق اصلی تولید غلات در چین هستند، که بیشتر نشان می‌دهد که استان‌های گره‌ای در این مناطق اصلی تولید غلات بیشتر در معرض همبستگی‌های فاجعه‌ای بین خودشان هستند. در لایه اقتصادی، استان هایی با قدرت همبستگی گره قوی عبارتند از جیانگ سو، پکن، شانگهای، تیانجین، ژجیانگ، شاندونگ و فوجیان. استان های پکن و تیانجین در منطقه اقتصادی دریای بوهای، جیانگ سو، شانگهای و ژجیانگ در منطقه اقتصادی دلتای رودخانه یانگ تسه، شاندونگ در منطقه اقتصادی آبی شبه جزیره شاندونگ و فوجیان در منطقه اقتصادی ساحل غربی واقع شده اند. به این معنی که این استان ها در مناطق توسعه یافته اقتصادی چین واقع شده اند، کنترل قوی بر منابع اقتصادی دارند و نقش مهم تری در شکل گیری و توسعه شبکه لایه اقتصاد ایفا می کنند.

۳٫۳٫ تحلیل مرکزیت

۳٫۳٫۱٫ مرکزیت رتبه صفحه

PRC GDE در استان های چین در شکل ۶ الف نشان داده شده است. مشاهده می شود که در شبکه چند لایه GDE، PRC در هر شبکه تک لایه و همچنین در شبکه چند لایه دارای تفاوت های قابل توجه و تفاوت های توزیع آشکار است.

PRC می تواند به طور جامع تری ویژگی های شبکه های پیچیده را منعکس کند. ارتباط بین گره ها را در شبکه تقویت می کند و تأثیر مرکزیت گره متصل را تضعیف می کند. بنابراین، موقعیت گره در شبکه را می توان به طور موثر اندازه گیری کرد. در این مطالعه، ما ۲۰ استان برتر گره را در هر لایه از شبکه انتخاب کردیم تا موقعیت و اهمیت خاص هر گره در شبکه چند لایه GDE پیچیده را تجزیه و تحلیل کنیم. ۲۰ گره برتر از نظر PRC در شبکه در شکل ۶ نشان داده شده است.

همانطور که در بالا نشان داده شده است، a، b، c، و d در شکل ۷ به ترتیب با شبکه های تک لایه دانه، فاجعه و اقتصاد و شبکه چند لایه GDE مطابقت دارند. همانطور که در شکل ۷ الف نشان داده شده است، استان هایی با مقادیر PageRank بزرگ در شبکه تک لایه دانه عبارتند از هنان، شاندونگ، مغولستان داخلی، هبی و هیلونگجیانگ. این نشان می دهد که این استان ها مناطق اصلی تولید غلات در چین هستند. بنابراین، آنها یک موقعیت محوری در شبکه تک لایه دانه به خود می گیرند و کنترل قوی بر منابع دانه دارند. نتایج نشان داده شده در شکل ۷b نشان می دهد که در شبکه لایه فاجعه، استان هایی با مقادیر صفحه رتبه بزرگ عبارتند از Heilongjiang، Shanxi، Shandong، Henan، Hubei و Jiangxi. این استان ها در مجاورت یکدیگر قرار دارند و به دلیل عوامل توپوگرافی در معرض خشکسالی و سیل هستند که احتمال تأثیر آن بر سایر استان ها بیشتر است. در شکل ۷ج، در شبکه لایه اقتصادی، استان هایی با مقادیر صفحه رنک بزرگ به صورت جیانگ سو، پکن، شانگهای، تیانجین، ژجیانگ، شاندونگ و فوجیان نشان داده شده اند. پکن و تیانجین در منطقه اقتصادی دریای بوهای، جیانگ سو، شانگهای و ژجیانگ در منطقه اقتصادی دلتای رودخانه یانگ تسه، فوجیان در منطقه اقتصادی ساحل غربی واقع شده اند، به این معنی که این استان ها در منطقه اقتصادی توسعه یافته تر قرار دارند. مناطق چین؛ بنابراین، این استان ها در موقعیت هاب مرکزی در شبکه تک لایه اقتصاد قرار دارند و کنترل قوی بر منابع اقتصادی دارند که نقش مهم تری در شکل گیری و توسعه شبکه لایه اقتصاد ایفا می کند که به نوبه خود نقش مهم تری ایفا می کند. . شکل ۶d 20 گره برتر از مقدار PageRank شبکه چند لایه GDE را نشان می دهد و نتایج نشان می دهد که استان های گره در شبکه چند لایه با استان های شبکه تک لایه اقتصادی سازگار هستند، که نشان می دهد اقتصاد یک موقعیت محوری مرکزی دارد. در شبکه چند لایه GDE و کنترل قوی بر منابع مختلف در شبکه چند لایه دارد. این نشان می‌دهد که این استان‌های گره‌ای نه تنها در شبکه تک‌لایه اقتصاد جایگاه محوری مرکزی دارند و ارتباط نزدیک‌تری با استان‌های دیگر دارند، بلکه کنترل قوی‌تری بر منابع شبکه چندلایه GDE دارند و نقش مهمی در شکل‌گیری و توسعه دارند. از شبکه چند لایه به عبارت دیگر، یک سیستم توام با توسعه هماهنگ با چندین استان به عنوان هسته در شبکه چند لایه GDE چین شکل گرفته است.

۳٫۳٫۲٫ مرکزیت بردار ویژه

شکل ۶ ب EC GDE را نشان می دهد. تفاوت های آشکار و تفاوت های توزیع قابل توجهی در EC در شبکه چند لایه GDE وجود دارد. EC نشان می دهد که اهمیت یک گره در شبکه به اهمیت گره های همسایه گره بستگی دارد. بنابراین، این معیار مرکزیت تأثیر یک گره در شبکه است. هر چه مقدار EC گره بزرگتر باشد، نقش غالب گره در شبکه بیشتر می شود. در این مطالعه، ما ۲۰ استان برتر گره را در هر لایه از شبکه انتخاب کردیم تا موقعیت و اهمیت خاص هر گره در شبکه چند لایه GDE پیچیده را تجزیه و تحلیل کنیم. ۲۰ گره برتر از نظر EC در شبکه در شکل ۸ نشان داده شده است.

در شکل ۸ a-d به ترتیب با شبکه های تک لایه دانه، فاجعه و اقتصاد و شبکه چند لایه GDE مطابقت دارد. نتایج نشان می دهد که استان های گره با بالاترین مقادیر EC در شبکه تک لایه دانه ( شکل ۸)الف) هنان، شاندونگ، مغولستان داخلی، آنهویی، هیلونگجیانگ و هبی هستند. این استان ها مناطق اصلی تولید کننده دانه در چین هستند که با نتیجه رتبه بندی صفحه بالا مطابقت دارد، که نشان می دهد این استان های گره نه تنها در موقعیت هاب مرکزی در شبکه تک لایه دانه هستند، بلکه استان های گره مجاور این استان ها هستند. همچنین نقش مهمی در همان زمان ایفا می کند. هر چه مقدار EC گره بزرگتر باشد، نقش گره در شبکه بیشتر می شود. استان هنان نه تنها منطقه اصلی تولید غلات در چین است، بلکه بزرگترین استان کشاورزی در چین است. بنابراین، استان هنان در هر دو شبکه لایه دانه و فاجعه در جایگاه برتر قرار دارد که این نیز نشان دهنده ارتباط نزدیک بین غلات و فاجعه در استان هنان است. در شبکه تک لایه فاجعه، استان‌های گره‌ای با بالاترین مقادیر EC عبارتند از هیلونگجیانگ، شانشی، شاندونگ، هنان، هوبی، آنهویی و جیانگشی، که نشان می‌دهد نه تنها این استان‌ها بخشی از لایه فاجعه هستند، بلکه استان‌های گره‌ای مجاور این استان‌ها حساس‌تر هستند و بنابراین، همچنین بخشی از لایه فاجعه است. به طور همزمان، اکثر این استان ها مناطق اصلی تولید غلات در چین هستند که با استان های گره در شبکه تک لایه غلات فوق الذکر مطابقت دارد و نشان می دهد که ارتباط نزدیکی بین بلایا و غلات در این استان های گره وجود دارد. در اقتصاد شبکه تک لایه در که نشان می‌دهد نه تنها این استان‌ها جزء لایه فاجعه هستند، بلکه استان‌های گره‌ای مجاور این استان‌ها حساس‌تر و در نتیجه بخشی از لایه فاجعه نیز هستند. به طور همزمان، اکثر این استان ها مناطق اصلی تولید غلات در چین هستند که با استان های گره در شبکه تک لایه غلات فوق الذکر مطابقت دارد و نشان می دهد که ارتباط نزدیکی بین بلایا و غلات در این استان های گره وجود دارد. در اقتصاد شبکه تک لایه در که نشان می‌دهد نه تنها این استان‌ها جزء لایه فاجعه هستند، بلکه استان‌های گره‌ای مجاور این استان‌ها حساس‌تر و در نتیجه بخشی از لایه فاجعه نیز هستند. به طور همزمان، اکثر این استان ها مناطق اصلی تولید غلات در چین هستند که با استان های گره در شبکه تک لایه غلات فوق الذکر مطابقت دارد و نشان می دهد که ارتباط نزدیکی بین بلایا و غلات در این استان های گره وجود دارد. در اقتصاد شبکه تک لایه درشکل ۸ ج، استان های گره با بالاترین مقادیر EC عبارتند از جیانگ سو، شانگهای، پکن، شاندونگ، ژجیانگ، فوجیان و تیانجین، به این معنی که این استان های گره نقش مهمی در شبکه تک لایه اقتصاد و گره های مجاور دارند. به این گره استان ها نیز نقش مهمی در شبکه دارند. استان هایی مانند پکن و تیانجین در حلقه اقتصادی دریای بوهای و جیانگ سو، شانگهای و ژجیانگ در منطقه دلتای رودخانه یانگ تسه اقتصادهای بسیار توسعه یافته ای هستند. این با نتیجه گیری از توزیع ترتیب ارزش PageRank بالا استان های گره مطابقت دارد، به این معنی که این استان ها نه تنها نقش هاب مهمی در شبکه ایفا می کنند، بلکه استان های گره ای که این استان ها را احاطه کرده اند، نقش مهمی در تنظیم منابع اقتصادی دارند. . نتایج درشکل ۸ d نشان می دهد که استان های گره ای که نقش مهمی در شبکه چند لایه GDE ایفا می کنند اساساً مانند استان های شبکه تک لایه اقتصاد باقی می مانند، که نشان می دهد این زیرسیستم اقتصادی است که نقش محوری در چند لایه GDE جفت شده ایفا می کند. سیستم شبکه علاوه بر این، EC نه تنها نقش مهم این گره‌ها را در شبکه نشان می‌دهد، بلکه استان‌های مجاور این استان‌های گره، موقعیت‌های محوری مرکزی مهمی را اشغال می‌کنند، که نشان می‌دهد سیستم شبکه چندلایه GDE جفت شده در چین با نقش مشترک توسعه یافته است. چندین استان مرکزی

۳٫۴٫ تشخیص جامعه

بر اساس الگوریتم Louvain، ما توزیع جامعه شبکه های تک لایه دانه، فاجعه و اقتصاد را به تصویر کشیدیم ( شکل ۹ ). این شکل توسط بسته Louvain Tools در پایتون پیاده سازی شده است و روند عملیات دقیق این روش از Blondel و همکارانش پیروی می کند. [ ۵۱ ].

درجه تشخیص جامعه برای شبکه های تک لایه دانه، فاجعه و اقتصادی به ترتیب ۰٫۲۰۶، ۰٫۰۸ و ۰٫۲۶۵ است و برای شبکه های تک لایه دانه و اقتصادی بیشتر و برای شبکه تک لایه فاجعه کمتر است. همانطور که در شکل ۹ نشان داده شده استa، در شبکه تک لایه دانه، جامعه ۱ شامل استان های گره گوئیژو، یوننان، گوانگدونگ، گوانگشی، هونان، هاینان، سیچوان و چونگ کینگ است. انجمن ۲ دارای استان های جیانگشی، فوجیان، ژجیانگ، آنهویی، جیانگ سو، شانگهای، هوبی، و هنان است و جامعه ۳ دارای استان های هیلونگجیانگ، شاندونگ، مغولستان داخلی، شانشی، سین کیانگ، جیلین، لیائونینگ، تیانجین و پکن است. مشاهده می شود که بیشتر مناطق اصلی تولید غلات در چین در جامعه ۳ توزیع شده است، به این معنی که جامعه ۳ در موقعیت قوی برای تنظیم و کنترل منابع غلات است. این استان ها نقش مهمی در شکل گیری و توسعه شبکه تک لایه غلات چین ایفا می کنند و یک شبکه فضایی دانه را تشکیل می دهند که مناطق اصلی تولید غلات به عنوان هسته توسعه هستند.

همانطور که در شکل ۹ نشان داده شده استب، در شبکه تک لایه فاجعه، جامعه ۱ شامل استان های شانگهای، جیانگ سو، ژجیانگ، آنهویی، فوجیان، جیانگشی، چونگ کینگ، سیچوان، گوئیژو و یوننان است. جامعه ۲ شامل استان های پکن، هبی، شانشی، مغولستان داخلی، شاندونگ، نینگ شیا و گانسو است و جامعه ۳ شامل استان های لیائونینگ، جیلین و هیلونگجیانگ است. مشاهده می شود که جامعه ۱ عمدتاً شامل شرق چین، جنوب چین و جنوب غربی چین است، جامعه ۲ عمدتاً در شمال چین و شمال غربی چین است و جامعه ۳ عمدتاً در شمال شرقی چین است. درجه ماژول تشخیص جامعه شبکه تک لایه فاجعه چین کم است، که نشان می دهد هیچ خوشه بندی منطقه ای آشکاری از بلایا وجود ندارد و عمدتاً بر اساس تفاوت در موقعیت جغرافیایی و توپوگرافی چین است.

همانطور که در شکل ۹ نشان داده شده استج، در شبکه اقتصاد تک لایه، جامعه ۱ شامل چونگ کینگ، سیچوان، نینگشیا، چینگهای، سین کیانگ، گانسو و تبت است. جامعه ۲ شامل استان های جیانگشی، فوجیان، آنهویی، گوانگدونگ، شانگهای، ژجیانگ و هوبی است و جامعه ۳ شامل استان های پکن، تیانجین، هبی، جیلین، لیائونینگ، هیلونگ جیانگ و شاندونگ است. جامعه ۱ عمدتاً در منطقه غربی توزیع شده است، به جز چونگ کینگ سیچوان، که به طور کلی از نظر اقتصادی توسعه نیافته است، و چونگ کینگ سیچوان متعلق به منطقه اقتصادی چنگدو-چونگ کینگ است که از سطح بالایی از توسعه اقتصادی برخوردار است و توسعه اقتصادی بقیه مناطق غربی را هدایت می کند. منطقه جامعه ۲ عمدتاً در منطقه اقتصادی دلتای رودخانه یانگ تسه، منطقه اقتصادی ساحل غربی و دلتای رودخانه مروارید توزیع شده است. استان های گره در جامعه ۲ عموماً دارای سطح بالایی از توسعه اقتصادی و توانایی قوی در کنترل و تنظیم منابع اقتصادی هستند و نقش مهمی در شکل گیری و توسعه شبکه تک لایه اقتصاد ایفا می کنند. جامعه ۳ عمدتاً در حلقه اقتصادی دریای بوهای و منطقه اقتصادی آبی شبه جزیره شاندونگ توزیع شده است. بنابراین، شبکه تک لایه اقتصاد یک ساختار شبکه ای از توسعه چند هسته ای با مناطق اصلی اقتصادی در چین به عنوان هسته تشکیل داده است.

نمودار تشخیص جامعه از شبکه چند لایه GDE برای تجزیه و تحلیل بیشتر ساختار جامعه سیستم چندلایه GDE جفت شده به دست آمد.

همانطور که در شکل ۱۰ نشان داده شده است ، شبکه چند لایه GDE به سه جامعه تقسیم شده است. جامعه اول شامل ۱۶ گره در شبکه لایه دانه، ۹ گره در شبکه لایه فاجعه و ۱۲ گره در شبکه لایه اقتصادی است. جامعه دوم شامل ۱۵ گره در شبکه لایه دانه، ۱۰ گره در شبکه لایه فاجعه و ۸ گره در شبکه لایه اقتصادی است. جامعه سوم شامل ۱۲ گره در شبکه لایه فاجعه و ۱۱ گره در شبکه لایه اقتصادی است. یعنی در شبکه چند لایه GDE، شبکه لایه دانه به دو جامعه خوشه بندی می شود و هر دو لایه فاجعه و شبکه اقتصاد به سه جامعه خوشه می شوند.

همانطور که در شکل ۱۱ نشان داده شده است، توزیع استان های خوشه بندی گره برای تشخیص جامعه در شبکه چند لایه GDE بیشتر مورد تجزیه و تحلیل قرار گرفت . در شکل ۱۱ ، داده های از دست رفته در هنگ کنگ، ماکائو و تایوان با رنگ سفید مشخص شده اند.

نتایج نشان می‌دهد که مدولاریت شبکه چند لایه GDE 0.345 است که بیشتر از شبکه‌های تک لایه دانه، فاجعه و اقتصاد است. بنابراین، خوشه بندی جامعه شبکه چند لایه GDE بهتر عمل می کند. گره های لایه دانه جامعه ۱ شامل استان های هنان، جیانگ سو، آنهویی، هوبی، ژجیانگ، جیانگشی، شانگهای، هونان و فوجیان هستند، گره های لایه فاجعه شامل استان های جیانگ سو، هوبی، ژجیانگ، جیانگشی، هونان، فوجیان، گوانگدونگ و شانگهای و گره‌های لایه اقتصادی شامل استان‌های آنهویی، هوبی، ژجیانگ، جیانگشی، هونان، یوننان، فوجیان، گوانگدونگ و سایر استان‌ها هستند. گره های لایه دانه در جامعه ۲ شامل استان های هیلونگجیانگ، شانشی، نینگشیا، تبت، شاندونگ، جیلین، لیائونینگ و تیانجین است. گره های لایه فاجعه شامل استان های هیلونگجیانگ، سین کیانگ، شانشی، تبت، شاندونگ، جیلین، لیائونینگ و مغولستان داخلی و گره های لایه اقتصادی شامل استان های سین کیانگ، نینگ شیا، تبت، چینگهای، گانسو و شانشی. گره های لایه فاجعه در جامعه ۳ در استان های نینگ شیا، هنان، یوننان، گوئیژو، گوانگشی، هاینان و چونگ کینگ هستند و گره های لایه اقتصادی در استان های هیلونگجیانگ، شانشی، شاندونگ، هنان، جیانگ سو هستند. ، و تیانجین.

استان هایی که کنترل و تنظیم منابع غلات را در شبکه چند لایه GDE بر عهده می گیرند، بیشتر در مناطق اصلی تولید غلات چین هستند، که منابع غلات فراوان تری دارند و هرگز در موقعیت هاب مرکزی در شبکه قرار ندارند. استان هایی که تأثیر مهم تری بر منابع اقتصادی دارند در مناطق توسعه یافته اقتصادی چین هستند و این استان ها از سطح توسعه اقتصادی بالاتری برخوردار هستند. بنابراین، به طور خلاصه، شبکه چند لایه GDE در چین یک ساختار شبکه چند لایه همراه با مناطق اصلی تولید غلات را تشکیل می دهد که منابع غلات را تنظیم و کنترل می کنند، با مناطق توسعه اقتصادی متعدد به عنوان هسته توسعه چند هسته ای.

۴٫ بحث

در مقایسه با سایر مطالعات موجود، کاربرد شبکه‌های پیچیده و نظریه هم‌رویداد برای ساخت شبکه‌های چندلایه پیشنهاد شده در این مقاله، ناتوانی شبکه‌های پیچیده را به تنهایی در بیان ارتباط یک زیرسیستم با زیرسیستم دیگر در یک سیستم پیچیده جبران می‌کند. تعاملات محلی و کلی را در بین سیستم های متعدد روشن می کند [ ۵۳ ].

۴٫۱٫ کاوش بیشتر در سه شبکه تک لایه

غلات، فاجعه و اقتصاد ارتباط نزدیکی با هم دارند، اما مطالعات کمی به طور سیستماتیک هر سه مورد را تجزیه و تحلیل و مورد بحث قرار داده است. این مقاله نشان می‌دهد که استان‌های گره‌ای در مناطق اصلی تولید غذا، توانایی قوی برای استقرار منابع غذایی دارند که با یافته‌های قبلی مطابقت دارد [ ۱۰ ]. علاوه بر این، این مقاله جریان فضایی و ارتباط بین بلایا و اقتصاد را تحلیل و مورد بحث قرار می‌دهد. لایه فاجعه پدیده پهنه بندی آشکاری ندارد. بلایای طبیعی در چین ماهیت گسترده و منطقه‌ای دارند و ماهیت منطقه‌ای جغرافیای فیزیکی، بلایای طبیعی را تعیین می‌کند [ ۲۴ ].]. علاوه بر این، اکثر استان‌هایی که همبستگی گره‌ای بیشتر دارند، در مناطق اصلی غلات هستند، به این معنا که استان‌های گره‌ای در مناطق اصلی غلات همبستگی بالاتری دارند و این استان‌ها بیشتر در معرض بلایای طبیعی هستند. ناهمگونی مکانی و زمانی غلات چین که تحت تأثیر بلایای طبیعی قرار گرفته است قابل توجه است، که در این میان خشکسالی و بلایای سیل تأثیر بیشتری بر تولید غلات دارند [ ۵۴ ]]. خشکسالی ها عمدتاً در نواحی شمال رودخانه های Qinling و Huaihe، منطقه Huang-Huai-Hai، و میانه و پایین دست رودخانه یانگ تسه توزیع می شود. سیل عمدتاً در نواحی شرقی و نواحی دشتی با زمین هموار رخ می دهد. از این رو استان هایی مانند جیلین، شانشی، آنهویی، هیلونگجیانگ، شاندونگ و هبی بیشتر در معرض بلایای طبیعی هستند و تولید مواد غذایی بیشتر تحت تاثیر آن قرار می گیرد. استان های هوبی، شاندونگ و هنان از نظر درجه گره در لایه های غذایی، فاجعه و اقتصادی رتبه بالایی دارند، به این معنی که این سه استان در هسته سه شبکه تک لایه قرار دارند. هوبی، شاندونگ و هنان همگی در مناطق اصلی تولید غلات هستند و اجرای برخی سیاست‌ها برای ترویج و منفعت کشاورزی مانند لغو کامل مالیات کشاورزی، حداقل قیمت خرید غلات،۱ ]، به طور مداوم ساخت سیستم پیشگیری و کنترل بلایای طبیعی را بهبود بخشد و ظرفیت جامع پیشگیری و کاهش بلایا را بهبود بخشد. برای کاهش خسارات ناشی از بلایای طبیعی بر تولید مواد غذایی و توسعه اقتصادی، لایه اقتصادی دارای پدیده پهنه بندی آشکار است. به عنوان مثال، منطقه اقتصادی پکن-تیانجین-هبی، دلتای رودخانه یانگ تسه و دلتای رودخانه مروارید مراکز توسعه اقتصادی در چین هستند، بنابراین این استان های گره ای کنترل قوی بر منابع اقتصادی دارند [ ۵۵ ].

۴٫۲٫ پارتیشن بندی و پیشنهادات GDE

در این مقاله، تشخیص جامعه شبکه چندلایه GDE جفت شده به این نتیجه می‌رسد که مدولار بودن جامعه سیستم پیچیده، پس از جفت شدن، بالاتر می‌رود و مقدار بالاتر ماژولاریته نشان‌دهنده ساختار جامعه قوی‌تر مشخص‌شده توسط شبکه است. یعنی کیفیت بهتر ترسیم [ ۵۶]. زیرسیستم اقتصادی نقش مهم و محوری تری در سیستم GDE جفت شده ایفا می کند. بنابراین، بر اساس منطقه بندی غلات و اقتصادی موجود، منطقه بندی معقول تری GDE شناسایی شده است که چشم انداز جدیدی را برای تحقق توسعه همه جانبه و هماهنگ غلات، بلایا و اقتصاد در هر منطقه ارائه می دهد. شانشی، هیلونگجیانگ و مغولستان داخلی که مناطق اصلی تولید غلات هستند، برای توسعه اقتصاد خود به منابع کشاورزی متکی هستند. بنابراین، آنها باید سرمایه گذاری خود را در علم و فناوری کشاورزی افزایش دهند، کشاورزی مدرن را ترویج کنند و سرعت تحول منابع را مطابق با سیاست ملی تسریع بخشند تا از غارت منابع و موانع اقتصادی تولید صنعتی بکاهند. استان‌های گره‌ای در منطقه اقتصادی پکن-تیانجین-هبی، دلتای رودخانه یانگ تسه، و منطقه اقتصادی دلتای رودخانه مروارید مانند پکن، تیانجین، جیانگ سو، شانگهای و ژجیانگ از نظر منابع غنی با حمل و نقل مناسب و مرکز توسعه اقتصادی چین هستند، بنابراین معرفی استعدادها برای جذب سرمایه گذاری خارجی و تقویت استفاده از منابع و حفاظت در برابر بلایا همزمان. علاوه بر این، سیستم اقتصادی نقش اصلی را در سیستم جفت سازی GDE ایفا می کند. بنابراین، این مناطق باید در عین حصول اطمینان از توسعه خود، توسعه استان ها و مناطق همجوار را ارتقاء دهند. با تأسیس وزارت مدیریت اورژانس کشور،

۴٫۳٫ محدودیت ها و مسیرهای آینده

لازم به ذکر است که داده های مورد استفاده در این مقاله همگی از سالنامه آماری بوده و نوع داده ها نسبتاً تک و دارای محدودیت هایی می باشد. در تحقیقات آینده باید از داده های چند منبعی مانند داده های تصاویر سنجش از دور و داده های مشاهده استفاده شود. ویژگی‌های تکامل مکانی و زمانی شبکه‌های چندلایه GDE را می‌توان در آینده بیشتر مورد بررسی قرار داد و تحقیق در مورد ویژگی‌های شبکه‌های چندلایه را می‌توان با استفاده از تحلیل داده‌های توپولوژیکی و روش‌های یادگیری عمیق پیاده‌سازی کرد.

۵٫ نتیجه گیری ها

به منظور تجزیه و تحلیل سیستماتیک ویژگی‌های فضایی و روابط جفت شده بین سیستم‌های دانه، فاجعه، و اقتصاد، یک شبکه چند لایه که ابتدا هر دو شبکه پیچیده و نظریه هم‌وقوع را ادغام می‌کند، در این مطالعه ساخته شده‌است. شبکه چند لایه برای روشن کردن تعاملات محلی و کلی بین سیستم‌های متعدد استفاده می‌شود و می‌تواند روابط همراه بین دانه، فاجعه و اقتصاد را از دیدگاهی جدید آشکار کند. این می تواند به عنوان یک ابزار تصمیم گیری موثر برای شناسایی گلوگاه و ضعف در سیستم های پیچیده غلات، فاجعه و اقتصاد استفاده شود. اقدامات کنترل فعال مربوطه می تواند شبکه چند لایه GDE جفت شده را بهبود بخشد. مشارکت های این مطالعه به شرح زیر است: (الف) از نظر تئوری، ما یک شبکه چند لایه جفت شده برای دانه ایجاد می کنیم، فاجعه و اقتصاد این مطالعه همچنین شکاف تحقیقات قبلی را پر می کند و بر تجزیه و تحلیل توسعه سیستم های فردی، از جمله غلات، فاجعه، و اقتصاد، یا فقط همبستگی بین دو تا از سه سیستم تمرکز دارد. (ب) عملاً، ما ویژگی‌های جفت فضایی شبکه چند لایه GDE را به طور جامع‌تر و علمی‌تر با استفاده از سه جنبه شناسایی می‌کنیم: درجه، مرکزیت، و تشخیص جامعه، که برای انجام اقدامات مطابق با شرایط محلی مفید است. این برنامه نه تنها می تواند برای اندازه گیری به هم پیوستگی دانه، فاجعه، و اقتصاد در سایر سیستم های دولت های ملی یا بین المللی گسترش یابد، بلکه مرجعی برای سیستم های جفت پیچیده مشابه نیز فراهم می کند. تمرکز بر تجزیه و تحلیل توسعه سیستم های فردی، از جمله غلات، فاجعه، و اقتصاد، یا فقط همبستگی بین دو سیستم از سه سیستم. (ب) عملاً، ما ویژگی‌های جفت فضایی شبکه چند لایه GDE را به طور جامع‌تر و علمی‌تر با استفاده از سه جنبه شناسایی می‌کنیم: درجه، مرکزیت، و تشخیص جامعه، که برای انجام اقدامات مطابق با شرایط محلی مفید است. این برنامه نه تنها می تواند برای اندازه گیری به هم پیوستگی دانه، فاجعه، و اقتصاد در سایر سیستم های دولت های ملی یا بین المللی گسترش یابد، بلکه مرجعی برای سیستم های جفت پیچیده مشابه نیز فراهم می کند. تمرکز بر تجزیه و تحلیل توسعه سیستم های فردی، از جمله غلات، فاجعه، و اقتصاد، یا فقط همبستگی بین دو سیستم از سه سیستم. (ب) عملاً، ما ویژگی‌های جفت فضایی شبکه چند لایه GDE را به طور جامع‌تر و علمی‌تر با استفاده از سه جنبه شناسایی می‌کنیم: درجه، مرکزیت، و تشخیص جامعه، که برای انجام اقدامات مطابق با شرایط محلی مفید است. این برنامه نه تنها می تواند برای اندازه گیری به هم پیوستگی دانه، فاجعه، و اقتصاد در سایر سیستم های دولت های ملی یا بین المللی گسترش یابد، بلکه مرجعی برای سیستم های جفت پیچیده مشابه نیز فراهم می کند. یا فقط همبستگی بین دو تا از سه سیستم. (ب) عملاً، ما ویژگی‌های جفت فضایی شبکه چند لایه GDE را به طور جامع‌تر و علمی‌تر با استفاده از سه جنبه شناسایی می‌کنیم: درجه، مرکزیت، و تشخیص جامعه، که برای انجام اقدامات مطابق با شرایط محلی مفید است. این برنامه نه تنها می تواند برای اندازه گیری به هم پیوستگی دانه، فاجعه، و اقتصاد در سایر سیستم های دولت های ملی یا بین المللی گسترش یابد، بلکه مرجعی برای سیستم های جفت پیچیده مشابه نیز فراهم می کند. یا فقط همبستگی بین دو تا از سه سیستم. (ب) عملاً، ما ویژگی‌های جفت فضایی شبکه چند لایه GDE را به طور جامع‌تر و علمی‌تر با استفاده از سه جنبه شناسایی می‌کنیم: درجه، مرکزیت، و تشخیص جامعه، که برای انجام اقدامات مطابق با شرایط محلی مفید است. این برنامه نه تنها می تواند برای اندازه گیری به هم پیوستگی دانه، فاجعه، و اقتصاد در سایر سیستم های دولت های ملی یا بین المللی گسترش یابد، بلکه مرجعی برای سیستم های جفت پیچیده مشابه نیز فراهم می کند.

برخی از نتایج معنادار گرفته شده است:

(۱) ارزیابی درجه گره، PRC، و مقادیر EC امکان شناسایی بحرانی ترین گره ها را فراهم می کند. گره در مناطق اصلی تولید غلات کنترل قوی تری بر منابع دانه دارد و موقعیت مهمی در شبکه تک لایه دانه دارد که با یافته های قبلی مطابقت دارد [ ۱۰ ]. این استان ها همچنین دارای همبستگی گره های بالاتری در شبکه تک لایه فاجعه هستند که نشان می دهد بیشتر در معرض بلایا هستند. استان‌های منطقه اقتصادی پکن-تیانجین-هبی، دلتای رودخانه یانگ تسه و منطقه اقتصادی دلتای رودخانه مروارید، مناطق اصلی توسعه اقتصادی چین هستند و از توانایی بالایی برای هماهنگ کردن منابع اقتصادی برخوردار هستند.

(۲) تجزیه و تحلیل ساختار توپولوژیکی شبکه چند لایه GDE جفت شده، نشان می دهد که زیرسیستم اقتصادی در موقعیت مرکزی و محوری تری قرار دارد و نقش مهمی در شکل گیری و توسعه شبکه چند لایه در مقایسه با زیرسیستم های دانه و فاجعه ایفا می کند. . این بدان معناست که استان هایی که کنترل بیشتری بر منابع اقتصادی دارند، بهتر می توانند به توسعه هماهنگ غلات، آمادگی در برابر بلایا و اقتصاد منطقه دست یابند. بنابراین، توسعه اقتصادی هر منطقه باید به صورت هدفمند ترویج شود تا شبکه چند لایه GDE جفت شده بتواند با همدیگر پایدارتر توسعه یابد.

(۳) مدولار بودن شبکه چندلایه GDE جفت شده ۰٫۳۴۵ است که بالاتر از سه شبکه تک لایه آن است. همچنین نشان می‌دهد که تقسیم‌بندی جامعه سیستم GDE در چین در مقایسه با بخش‌های غذایی و اقتصادی واحد موجود در چین معقول‌تر و سودمندتر است. این همچنین در انجام اقدامات مختلف با توجه به شرایط محلی برای بهبود توسعه پایدار مشترک غلات، بلایا و اقتصاد در مناطق مختلف چین مفید است.

منابع

زی، ک. دینگ، ام جی. Xin، LJ; چن، LW الگوهای مکانی-زمانی خروجی دانه و رابطه فضایی آن با توسعه اقتصادی در سطح شهرستان در چین. اقتصاد Geogr. ۲۰۲۱ ، ۴۱ ، ۱۶۷-۱۷۵٫ [ Google Scholar ]
وو، زد. ژانگ، ی. Wu، ZL; کائو، ایکس سی; لیانگ، XY; Wu، LZ مطالعه بر روی تکامل فضایی-زمانی و عوامل موثر بر کارایی اقتصادی استفاده عمومی از آب برای تولید محصول در منطقه عمده تولید غلات چین. منبع. محیط زیست حوضه یانگ تسه ۲۰۲۱ ، ۳۰ ، ۲۷۶۳-۲۷۷۷٫ [ Google Scholar ]
اشنایدر، پی. Asch، F. تولید برنج و امنیت غذایی در مگا دلتاهای آسیا – مروری بر ویژگی‌ها، آسیب‌پذیری‌ها و گزینه‌های سازگاری کشاورزی برای مقابله با تغییرات آب و هوایی. جی. آگرون. Crop Sci. ۲۰۲۰ ، ۲۰۶ ، ۴۹۱-۵۰۳٫ [ Google Scholar ] [ CrossRef ]
لیو، ام جی; وانگ، بی. ژونگ، JT تفاوت منطقه ای جمعیت-اقتصادی-دانه و الگوی فضایی استان چینگهای در ۳۰ سال گذشته. شمال غربی مردم. J. ۲۰۲۱ ، ۴۲ ، ۱۱۳-۱۲۴٫ [ Google Scholar ]
پیائو، اس. سیایس، پی. هوانگ، ی. شن، ز. پنگ، اس. لی، جی. ژو، ال. لیو، اچ. ممکن است.؛ دینگ، ی. و همکاران اثرات تغییرات آب و هوایی بر منابع آب و کشاورزی در چین طبیعت ۲۰۱۰ ، ۴۶۷ ، ۴۳-۵۱٫ [ Google Scholar ] [ CrossRef ]
لی، جی. وو، دبلیو. بله، X. جیانگ، اچ. گان، آر. وو، اچ. او، جی. جیانگ، ی. تحلیل روند نوآورانه مخاطرات طبیعی کشاورزی اصلی در چین طی سال‌های ۱۹۸۹-۲۰۱۴٫ نات خطرات ۲۰۱۸ ، ۹۵ ، ۶۷۷-۷۲۰٫ [ Google Scholar ] [ CrossRef ]
ژانگ، جی. ارزیابی ریسک فاجعه خشکسالی در منطقه در حال رشد ذرت در دشت سونگلیائو، چین. کشاورزی اکوسیستم. محیط زیست ۲۰۰۴ ، ۱۰۲ ، ۱۳۳-۱۵۳٫ [ Google Scholar ] [ CrossRef ]
ژو، ال. وو، ایکس. خو، ز. فوجیتا، اچ. تصمیم گیری اضطراری برای بلایای طبیعی: مروری. بین المللی J. کاهش خطر بلایا. ۲۰۱۸ ، ۲۷ ، ۵۶۷-۵۷۶٫ [ Google Scholar ] [ CrossRef ]
چن، اس. چن، ب. ردیابی جریان های کربن بین منطقه ای: یک مدل شبکه ترکیبی. محیط زیست علمی تکنولوژی ۲۰۱۶ ، ۵۰ ، ۴۷۳۱-۴۷۴۱٫ [ Google Scholar ] [ CrossRef ]
فنگ، ی. هو، من؛ یائو، SB ویژگی های ساختاری و مکانیسم تشکیل شبکه همبستگی فضایی تولید غلات در چین. Acta Geogr. گناه ۲۰۲۰ ، ۷۵ ، ۲۳۸۰-۲۳۹۵٫ [ Google Scholar ]
چن، ام. شانگ، اس. لی، دبلیو. رویکرد مدلسازی یکپارچه برای مدیریت پایدار زمین-آب-غذا. کشاورزی ۲۰۲۰ ، ۱۰ ، ۱۰۴٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
هانا، RL محرک ها و چالش ها برای سرمایه گذاری های فراملی زمین-آب-غذا توسط منطقه خاورمیانه و شمال آفریقا. وایلی اینتردیسیپ. Rev. Water ۲۰۲۰ , ۷ , e1415. [ Google Scholar ] [ CrossRef ]
خان، ا. چنگگان، ی. خان، جی. محمد، اف. معضل بلایای طبیعی: تأثیر بر اقتصاد، موقعیت مالی و سرمایه گذاری مستقیم خارجی در کنار کشورهای ابتکاری کمربند و جاده. علمی کل محیط. ۲۰۲۰ , ۷۴۳ , ۱۴۰۵۷۸٫ [ Google Scholar ] [ CrossRef ]
نقوی، ع. Monasterolo، I. ارزیابی اثرات آبشاری بلایای طبیعی در یک چارچوب شبکه رفتاری چند لایه. علمی Rep. ۲۰۲۱ , ۱۱ , ۲۰۱۴۶٫ [ Google Scholar ] [ CrossRef ]
بلاسن، آر. دای، سی. وقتی اقیانوس‌ها حمله می‌کنند: ارزیابی تأثیر طوفان‌ها بر فروش‌های مالیاتی محلی. ان Reg. علمی ۲۰۱۴ ، ۵۲ ، ۳۲۵-۳۴۲٫ [ Google Scholar ] [ CrossRef ]
مو، جی. Chen, Y. اثرات بلایای طبیعی بزرگ بر درآمد منطقه ای. نات خطرات ۲۰۱۶ ، ۸۳ ، ۱۴۸۵-۱۵۰۳٫ [ Google Scholar ] [ CrossRef ]
Pu، C. لیو، ز. پان، X. آدای، ب. تأثیر بلایای طبیعی بر اقتصاد کلان چین. محیط زیست علمی آلودگی Res. ۲۰۲۰ ، ۲۷ ، ۴۳۹۸۷–۴۳۹۹۸٫ [ Google Scholar ] [ CrossRef ]
ویراساکارا، اس. ویلسون، سی. لی، بی. Hoang, V.-N.; مناگی، س. راجاپاکسا، دی. اثرات بلایای ناشی از آب و هوا بر اقتصاد: برندگان و بازندگان در سریلانکا. Ecol. اقتصاد ۲۰۲۱ ، ۱۸۵ ، ۱۰۷۰۴۳٫ [ Google Scholar ] [ CrossRef ]
دو، X. جین، ایکس. یانگ، ایکس. یانگ، ایکس. Xiang، X. Zhou، Y. تغییرات الگوی مکانی-زمانی بلایای طبیعی کشاورزی اصلی در چین طی سال‌های ۱۹۹۰-۲۰۱۱٫ جی. جئوگر. علمی ۲۰۱۵ ، ۲۵ ، ۳۸۷-۳۹۸٫ [ Google Scholar ] [ CrossRef ]
چن، اچ. لیانگ، ز. لیو، ی. جیانگ، کیو. Xie، S. اثرات خشکسالی و سیل بر تولید محصول در چین در ۱۹۴۹-۲۰۱۵: تجزیه و تحلیل ناهمگونی فضایی با مدلسازی سلسله مراتبی بیزی. نات خطرات ۲۰۱۸ ، ۹۲ ، ۵۲۵-۵۴۱٫ [ Google Scholar ] [ CrossRef ]
زی، ز. خو، جی. دنگ، ی. تجزیه و تحلیل ریسک و ارزیابی فاجعه خشکسالی کشاورزی در مناطق عمده تولید غلات، چین. Geomat. نات خطر خطرات ۲۰۱۵ ، ۷ ، ۱۰۹۱۳۸۷٫ [ Google Scholar ] [ CrossRef ]
وو، ی. کیو، دبلیو. لیو، Y.-G. کائو، ال. لیو، S.-B. ژانگ، جی. آیا شاخص ظرفیت انعطاف پذیری منطقه چین عملکرد خوبی دارد؟ شواهد از ۲۶ استان. Ecol. اندیک. ۲۰۲۰ , ۱۱۲ , ۱۰۶۰۸۸٫ [ Google Scholar ] [ CrossRef ]
چوی، سی. آیا رشد اقتصادی واقعاً خسارات ناشی از بلایای طبیعی را کاهش می دهد؟ تجزیه و تحلیل تجزیه شاخص برای رابطه بین خسارات بلایا، شهرنشینی و رشد اقتصادی و پیامدهای آن. بین المللی J. Urban Sci. ۲۰۱۶ ، ۲۰ ، ۱۸۸-۲۰۵٫ [ Google Scholar ] [ CrossRef ]
وانگ، کیو. ژانگ، Q.-P. لیو، Y.-Y. تانگ، ال.-جی. ژانگ، Y.-Z. لی، X.-Y. لی، جی.-ال. مشخص کردن توزیع فضایی آسیب پذیری بلایای طبیعی معمولی در چین از سال ۲۰۱۰ تا ۲۰۱۷ . خطرات ۲۰۱۹ ، ۱۰۰ ، ۳-۱۵٫ [ Google Scholar ] [ CrossRef ]
رشید، س. دروش، پ. Alemu، D. بازارهای غلات، مدیریت بلایا، و سهام عمومی: درسهایی از اتیوپی. گلوب. امنیت غذایی ۲۰۱۸ ، ۱۹ ، ۳۱-۳۹٫ [ Google Scholar ] [ CrossRef ]
جیانگ، ال. وو، اس. لیو، ی. یانگ، سی. ارزیابی امنیت دانه در بنگلادش بر اساس تجزیه و تحلیل تعادل عرضه و تقاضا. PLoS ONE ۲۰۲۱ , ۱۶ , e0252187. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Lv، F. دنگ، ال. ژانگ، ز. وانگ، ز. وو، کیو. Qiao، J. تجزیه و تحلیل چند مقیاسی عوامل مؤثر بر امنیت غذایی در چین، ۱۹۸۰-۲۰۱۷٫ محیط زیست علمی آلودگی Res. ۲۰۲۱ ، ۱-۱۵٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
در آغوش گرفتن.؛ خو، X. گائو، جی. الگوریتم تشخیص اهمیت گره Guo، XC بر اساس آنتروپی اطلاعات مجاورت در شبکه ها. مهندسی سیستم ها. نظریه. تمرین کنید. ۲۰۲۰ ، ۴۰ ، ۷۱۴-۷۲۵٫ [ Google Scholar ]
نینگ، ال. ژو، ی. چنگ، سی. آره.؛ شن، اس. استفاده از یک شبکه پیچیده برای تجزیه و تحلیل اثرات سد سه دره بر نوسانات سطح آب در دریاچه پویانگ. ISPRS Int. J. Geo-Inf. ۲۰۱۹ ، ۸ ، ۴۷۰٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
شن، اس. هوانگ، جی. چنگ، سی. ژانگ، تی. مورزینتسف، ن. گائو، ص. تکامل فضایی و زمانی شبکه اجتماعی آنلاین پس از یک فاجعه طبیعی. ISPRS Int. J. Geo-Inf. ۲۰۲۱ ، ۱۰ ، ۷۴۴٫ [ Google Scholar ] [ CrossRef ]
اسکالا، ا. D’Aostino، G. شبکه های شبکه ها: آخرین مرز پیچیدگی . شرکت انتشارات Springer: برلین/هایدلبرگ، آلمان، ۲۰۱۴٫ [ Google Scholar ]
وی، سی. شوایی، ق. مانرویی، ج. چنگ، جی. ساخت مدل شبکه سهام چندلایه. Physics A ۲۰۲۱ , ۵۶۵ . [ Google Scholar ] [ CrossRef ]
هوانگ، Q.-A.; ژائو، جی.-سی. وو، X.-Q. انتشار ریسک مالی بین بازارهای سهام چین و آمریکا بر اساس شبکه های چند لایه فیزیک یک آمار مکانیک. Appl. ۲۰۲۱ ، ۵۸۶ ، ۱۲۶۴۴۵٫ [ Google Scholar ] [ CrossRef ]
زی، اف. ما، م. Ren, C. تحقیق در مورد ویژگی های ساختار شبکه چند لایه از یک مدل مرتبه بالاتر: مورد یک سیستم راه آهن پرسرعت چینی. فیزیک یک آمار مکانیک. Appl. ۲۰۲۱ , ۵۸۶ , ۱۲۶۴۷۳٫ [ Google Scholar ] [ CrossRef ]
رن، بی. لی، اچ. شی، ج. لیو، ی. Qi، Y. شناسایی بخش ها و مسیرهای کلیدی انرژی تجسم یافته در کشورهای BRICS: یک رویکرد شبکه چند لایه وزن دار. Energy ۲۰۲۱ , ۲۳۹ , ۱۲۲۰۹۱٫ [ Google Scholar ] [ CrossRef ]
فدریکو، بی. جولیا، سی. یاکوپینی، آی. لاتورا، وی. لوکاس، ام. پاتانیا، ا. یانگ، جی.-جی. پتری، جی. شبکه‌های فراتر از تعاملات زوجی: ساختار و پویایی. فیزیک Rep. ۲۰۲۰ , ۸۷۴ , ۱-۹۲٫ [ Google Scholar ]
شی، دی. چن، جی. تانگ، WWK؛ یان، X.-Y. جستجوی توپولوژی شبکه بهینه با بهترین همگام‌سازی ممکن. سیستم مدارهای IEEE Mag. ۲۰۱۳ ، ۱۳ ، ۶۶-۷۵٫ [ Google Scholar ] [ CrossRef ]
وانگ، آر. آهنگ ها.؛ لو، ن. ژو، ی. کاربرد تحلیل همزمانی در متن کاوی دانش. J. Libr. علمی چین ۲۰۰۷ ، ۲ ، ۵۹-۶۴٫ [ Google Scholar ] [ CrossRef ]
الراحل، ح. الراهال، ام اس; جاموس، ر. Jambi، K. یک رویکرد رهبر مبتنی بر رابطه همزیستی برای حفاظت از حریم خصوصی در خدمات مبتنی بر مکان. ISPRS Int. J. Geo-Inf. ۲۰۲۰ ، ۹ ، ۴۰۸٫ [ Google Scholar ] [ CrossRef ]
دای، ال. وانگ، ال. لیانگ، تی. ژانگ، ی. لی، جی. شیائو، جی. دونگ، ال. Zhang، H. تحلیل‌های زمین‌آماری و همبستگی‌های هم‌وقوع توزیع فلزات سنگین با انواع مختلف کاربری زمین در یک حوزه آبخیز در فلات شرقی چینگ‌های-تبت، چین. علمی کل محیط. ۲۰۱۹ ، ۶۵۳ ، ۸۴۹–۸۵۹٫ [ Google Scholar ] [ CrossRef ]
ما، بی. وانگ، اچ. دسوزا، م. لو، جی. سلام.؛ دای، ز. بروکس، کامپیوتر; خو، جی. گیلبرت، JA الگوهای جغرافیایی ویژگی های توپولوژیکی شبکه همزمان برای میکروبیوتای خاک در مقیاس قاره در شرق چین. ISME J. ۲۰۱۶ ، ۱۰ ، ۱۸۹۱-۱۹۰۱٫ [ Google Scholar ] [ CrossRef ]
شی، اچ. گارسیا-ریس، ام. Jacox، MG; Rykaczewski، RR; سیاه، BA; بوگراد، اس جی. Sydeman، WJ وقوع همزمان خشکسالی کالیفرنیا و امواج گرمای دریایی شمال شرقی اقیانوس آرام تحت تغییرات آب و هوا. ژئوفیز. Res. Lett. ۲۰۲۱ , ۴۸ , e2021GL092765. [ Google Scholar ] [ CrossRef ]
یانگ، ی. شی، ی. کرفهی، د. اوگوو، ام سی؛ وانگ، جی. دونگ، ک. تاکاهاشی، ک. مورونیان، آی. آدامز، JM روندهای آب و هوایی مرتبط با ارتفاع، بر ساختار شبکه‌ای همزمان با قارچ و فراوانی گونه‌های کیستون در کوه نوریکورا، ژاپن غالب است. علمی کل محیط. ۲۰۲۱ ، ۷۹۹ ، ۱۴۹۳۶۸٫ [ Google Scholar ] [ CrossRef ]
گوا، جی. مائو، ک. ژائو، ی. لو، ز. Xiaoping، L. تاثیر آب و هوا بر امنیت غذایی در سرزمین اصلی چین: دیدگاهی جدید بر اساس ویژگی های بلایای طبیعی عمده کشاورزی و از دست دادن غلات. پایداری ۲۰۱۹ ، ۱۱ ، ۸۶۹٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
بوکالتی، اس. بیانکونی، جی. کریادو، آر. دل جنیو، سی. گومز-گاردنز، جی. عاشقانه، م. سندینا-نادال، آی. وانگ، ز. زنین، م. ساختار و دینامیک شبکه های چند لایه. فیزیک Rep. ۲۰۱۴ , ۵۴۴ , ۱-۱۲۲٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
استوارت، جی کیو گرانش جمعیتی: شواهد و کاربردها. Sociometry ۱۹۴۸ , ۱۱ , ۳۱٫ [ Google Scholar ] [ CrossRef ]
Donges, JF; شولتز، HCH; مروان، ن. زو، ی. Kurths, J. بررسی توپولوژی شبکه های تعاملی. یورو فیزیک J. B ۲۰۱۱ , ۸۴ , ۶۳۵-۶۵۱٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
لی، اچ. وانگ، اچ. یانگ، ی. ژائو، R. هماهنگی منطقه ای و امنیت همزیستی آب-انرژی-غذا در شمال شرقی چین. پایداری ۲۰۲۱ ، ۱۳ ، ۱۳۲۶٫ [ Google Scholar ] [ CrossRef ]
باتیستون، اف. نیکوزیا، وی. Latora، V. اقدامات ساختاری برای شبکه های چندگانه. فیزیک Rev. E ۲۰۱۴ , ۸۹ , ۰۳۲۸۰۴٫ [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
سوله-ریبالتا، آ. د دومنیکو، م. گومز، اس. Arenas، A. مرکزیت پیاده روی تصادفی در شبکه های چند لایه به هم پیوسته. فیزیک D پدیده غیرخطی. ۲۰۱۶ ، ۳۲۳ ، ۷۳-۷۹٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
بلوندل، وی دی. Guillaume, J.-L.; لامبیوت، آر. Lefebvre, E. آشکار شدن سریع جوامع در شبکه های بزرگ. J. Stat. مکانیک. تئوری Exp. ۲۰۰۸ ، ۲۰۰۸ ، P10008. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
فورتوناتو، اس. Hric، D. تشخیص جامعه در شبکه ها: راهنمای کاربر. فیزیک Rep. ۲۰۱۶ , ۶۵۹ , ۱-۴۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
او، ال. مائو، جی. هو، سی. Xiao, Z. مقررات انتشار کربن و عملیات در ابرشبکه زنجیره تامین تحت سیاست کربن سختگیرانه. جی. پاک. تولید ۲۰۱۹ ، ۲۳۸ ، ۱۱۷۶۵۲٫ [ Google Scholar ] [ CrossRef ]
ژائو، YH; Guo، JP; مائو، KB; Xiang، YN; لی، YH; هان، جی کیو. وو، N. توزیع مکانی-زمانی بلایای طبیعی معمولی و تلفات بلایای غلات در چین از سال ۱۹۴۹ تا ۲۰۱۵٫ Acta Geogr. گناه ۲۰۱۷ ، ۷۲ ، ۱۲۶۱-۱۲۷۶٫ [ Google Scholar ]
لیو، جی اف. جو، و.جی. بله، JM; چو، تجزیه و تحلیل GM و پیش‌بینی توسعه همراه و هماهنگ استفاده از منابع-محیط زیست محیطی-رشد اقتصادی: مطالعه موردی استان‌های امتداد کمربند اقتصادی جاده ابریشم. اکولو اقتصاد ۲۰۲۱ ، ۳۷ ، ۱۹۱-۲۰۰٫ [ Google Scholar ]
گویمرا، آر. فروش-پاردو، م. Amaral، مدولاریت LAN از نوسانات در نمودارهای تصادفی و شبکه های پیچیده. فیزیک Rev. E ۲۰۰۴ , ۷۰ , ۰۲۵۱۰۱٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]

شکل ۱٫ تقسیمات اداری و جغرافیایی چین.

شکل ۲٫ نمایش شماتیک از تبدیل دو شبکه در حال تعامل به یک شبکه چند لایه. ( الف ) شبکه هایی با تعامل ( ب ) ساختار یک شبکه چندلایه متشکل از این دو شبکه متقابل. (

G_{1}

G_{2}

به ترتیب دو لایه شبکه را نشان می دهد، خط یکپارچه سیاه نشان دهنده تعامل گره های درون لایه ها و خط چین سیاه نشان دهنده تعامل گره ها بین لایه ها است.

شکل ۳٫ ۲۰ گره برتر از نظر مقدار درجه در شبکه ها. ( الف ) لایه دانه؛ ( ب ) لایه فاجعه. ( ج ) لایه اقتصادی؛ ( د ) چند لایه غلات-فاجعه-اقتصاد. (گره هایی با مقادیر بالای ۲۰ درجه در شبکه مربوطه در بالا انتخاب می شوند).

شکل ۴٫ توزیع فضایی درجه در شبکه چندلایه دانه-فاجعه-اقتصاد.

شکل ۵٫ قدرت همبستگی گره در شبکه چندلایه دانه-فاجعه-اقتصاد در سال ۲۰۱۹٫

شکل ۶٫ ویژگی های مرکزیت شبکه چندلایه دانه-فاجعه-اقتصاد.

شکل ۷٫ ۲۰ گره برتر از نظر مرکزیت PageRank در شبکه ها. ( الف ) لایه دانه؛ ( ب ) لایه فاجعه. ( ج ) لایه اقتصادی؛ ( د ) چند لایه غلات-فاجعه-اقتصاد. (گره هایی که دارای ۲۰ ارزش مرکزی صفحه رتبه برتر هستند در شبکه مربوطه در بالا انتخاب می شوند).

شکل ۸٫ ۲۰ گره برتر از نظر مرکزیت بردار ویژه در شبکه ها. ( الف ) لایه دانه؛ ( ب ) لایه فاجعه. ( ج ) لایه اقتصادی؛ ( د ) چند لایه غلات-فاجعه-اقتصاد. (گره هایی که دارای ۲۰ مقدار بالای مرکزیت بردار ویژه هستند در شبکه مربوطه در بالا انتخاب می شوند).

شکل ۹٫ توزیع جامعه از سه شبکه تک لایه. ( الف ) توزیع جامعه در لایه دانه؛ ( ب ) توزیع جامعه در لایه فاجعه. ( ج ) توزیع جامعه در لایه اقتصاد. (سه شبکه تک لایه دانه، فاجعه و اقتصاد به ترتیب به سه جامعه با رنگ های مختلف تقسیم می شوند و خط جامد سیاه نشان دهنده رابطه ارتباط بین گره ها در شبکه است).

شکل ۱۰٫ شماره جامعه شبکه چندلایه غلات-فاجعه-اقتصاد.

شکل ۱۱٫ خوشه جامعه شبکه چند لایه غلات-فاجعه-اقتصاد در سال ۲۰۱۹٫

هوش مکانی اتیم تحقیقاتی ونوس نصیرفام