PulseExploreJournal ClubDebatesTrendingResearchersJournals
Instagram
HomeExploreJournal ClubTrending
Synapse
⌘+K
Synapse
May 14, 2026资源科学0 citationsOpen Access

耕地保护政策执行的情景分析与模型构建——基于复杂系统管理视角

YZYanwei ZHANGXLXinhai LU

Key Points

  • 探讨耕地保护政策执行中的调控因素及其相互作用,以优化政策效果。
  • 提出DEMATEL-fsQCA-SD模型进行系统动力学模拟
  • 采用专家访谈和农户调研收集数据
  • 设置单一与组合政策情景进行动态仿真分析
  • 耕地价值认知变化对执行系统优化的影响最显著
  • 组合政策情景中,过量施用化学投入品认知与社会网络的影响最为明显
  • 证明DEMATEL与fsQCA模型在动态仿真中的实用性和可行性

Abstract

【目的】耕地保护政策执行优化是一个复杂的系统工程,探究各类调控因素及其交互作用对耕地保护政策执行的优化效果,可为耕地保护政策落地提供差异化的策略依据。【方法】复杂性以及系统性是耕地保护政策执行的重要实践问题,其中主要包括情景设置复杂性、治理复杂性以及演化随机性为主的核心问题。为克服系统动力学模型仿真过程中情景设置的随机性,本文提出一种新型系统动力学模型,即DEMATEL-fsQCA-SD模型。同时,以广东省兴宁市为研究区域,结合2021年12月—2022年2月开展的专家访谈和农户调研,并依据DEMATEL模型和fsQCA的运行结果分别设置单一和组合政策情景,探讨不同情景对兴宁市耕地保护政策执行系统优化路径的多样性和差异性。【结果】①将通过DEMATEL计算所得的耕地保护政策执行系统内各子系统常量中影响度最大的因素作为情景变量,进行动态仿真,最终得到政策资金分配情况、文化传统、社会网络、耕地质量与耕地价值认知等不同单一政策情景对耕地保护政策执行系统优化的驱动效应。其中,耕地价值认知的变化对耕地保护政策执行系统优化效果最为显著。②考虑到耕地保护政策执行系统优化中各影响因素存在复杂的相互作用,本文在单一政策情景基础上,追加过量施用化学投入品认知与耕地面积两个高影响度因素,构成7个条件变量,运用fsQCA模型对耕地保护政策执行系统中各影响因素的匹配关系进行组态构建,诠释不同影响因素的组态构型对耕地保护政策执行系统优化的协同作用机制,并进行情景仿真分析。其中,过量施用化学投入品认知-社会网络主导型的组合政策情景对耕地保护政策执行系统优化效果最为明显。【结论】兴宁市的案例验证了将DEMATEL模型以及fsQCA模型拓展至系统动力学模型的可行性。该模型不仅能够刻画出不同情景设置下耕地保护政策执行系统的优化情况,能够为相关土地政策执行的情景仿真分析提供新型模式与方法,而且可为耕地保护目标的实现以及耕地保护政策执行的改进提供依据与政策建议。

Ask AI
Helpful
Bookmark
Share
View Full Paper

Cite This Study

ZHANG et al. (2026) studied this question.

synapsesocial.com/papers/6a05685ca550a87e60a20dc3https://doi.org/10.18402/resci.2026.04.07
Ask AI
Helpful
Bookmark
Share
View Full Paper

Also Consider

Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context:

  1. 1Research on the Coordinated Development Mechanism and Policy Guarantee of Farmland Scale Management and Quality Improvement under the Background of Rural Revitalization2026
  2. 2Multi-Scenario Simulation Analysis of Land Use Based on Geographical Processes: A Case Study of Longhu Town, China2026
  3. 3农业绿色发展先行区政策对耕地利用生态效率的影响2026 · 1 citations
  4. 4Multi‐Scenario Simulation of Greenspace Integrating Multi‐Objective Programming and Spatial Prioritization: A Case Study of the Hangzhou Metropolitan Area2026
  5. 5Scenario-based prediction and optimization of greenspace ecological network under land-use dynamics: a case study of Nanjing metropolitan area, China2026