




最近刷文献看到一篇刚发在《Nature Sustainability》的文章,用 1990–2023 年全球次国家尺度的数据,重构了区域内部的收入结构差异与经济发展格局的时空变化,还顺带分析了与生态多样性的关联。
也推荐大家试试他们做的 explorer,可视化做得非常直观。链接放在评论区,欢迎大家讨论!
Method
• 构建了 1990–2023 年全球次国家尺度的 SubNGini 数据集,以 SWIID 和 WID 的国家级指标做趋势下推(用于刻画区域内部的经济差异程度)。
• 整合 UNDP、World Bank 和 Global Data Lab,生成按购买力平价校正的 SubNGNI,并统一到 5 arc-min 格网。
• 通过次国家与国家数值的 ratio,并结合 interpolation 与 extrapolation 完成 34 年连续序列的补全。
• 使用 Siegel repeated median regression 提取长期趋势,并将 1–Gini、GNI 与陆地生态多样性结合开展 socio-ecological 分析。
这个工具怎么玩?
?我们可以把这个数据集当成一个 global analytical sandbox,用次国家层面的长期序列做更细致的区域对比。例如,可以把区域经济结构变化的趋势与我们已有的洪涝或生态退化数据结合,构建一个多维风险层,识别哪些地区出现经济增长但区域内部发展差异同步扩大的现象。后续还可以以这些地区作为 empirical cases,用更具体的面板分析检验政策措施是否引导了更均衡的发展路径。
?另一种更实用的玩法是把 explorer 当成一个数据驱动的“配对工具”,用它找出经济水平相似但发展轨迹明显分化的区域作为对照组。量化上可以进行 time series clustering 识别不同变化模式,质性上再结合政策文本或地方发展叙事解释这些差异。
✨ Remmi 学长在英国搞科研,同时也是Nature cities, CEUS, LUP等期刊审稿人。主要擅长只会城市、街景、景观和GeoAI,有丰富的发文经验。可辅导SCI、博士申请以及研究计划,后台滴滴!
#sci论文辅导 #城市规划 #SCI论文 #博士申请 #写作辅导
也推荐大家试试他们做的 explorer,可视化做得非常直观。链接放在评论区,欢迎大家讨论!
Method
• 构建了 1990–2023 年全球次国家尺度的 SubNGini 数据集,以 SWIID 和 WID 的国家级指标做趋势下推(用于刻画区域内部的经济差异程度)。
• 整合 UNDP、World Bank 和 Global Data Lab,生成按购买力平价校正的 SubNGNI,并统一到 5 arc-min 格网。
• 通过次国家与国家数值的 ratio,并结合 interpolation 与 extrapolation 完成 34 年连续序列的补全。
• 使用 Siegel repeated median regression 提取长期趋势,并将 1–Gini、GNI 与陆地生态多样性结合开展 socio-ecological 分析。
这个工具怎么玩?
?我们可以把这个数据集当成一个 global analytical sandbox,用次国家层面的长期序列做更细致的区域对比。例如,可以把区域经济结构变化的趋势与我们已有的洪涝或生态退化数据结合,构建一个多维风险层,识别哪些地区出现经济增长但区域内部发展差异同步扩大的现象。后续还可以以这些地区作为 empirical cases,用更具体的面板分析检验政策措施是否引导了更均衡的发展路径。
?另一种更实用的玩法是把 explorer 当成一个数据驱动的“配对工具”,用它找出经济水平相似但发展轨迹明显分化的区域作为对照组。量化上可以进行 time series clustering 识别不同变化模式,质性上再结合政策文本或地方发展叙事解释这些差异。
✨ Remmi 学长在英国搞科研,同时也是Nature cities, CEUS, LUP等期刊审稿人。主要擅长只会城市、街景、景观和GeoAI,有丰富的发文经验。可辅导SCI、博士申请以及研究计划,后台滴滴!
#sci论文辅导 #城市规划 #SCI论文 #博士申请 #写作辅导


