去pdf本文的版本
Schaffer-Smith, D. A. Tomscha, K. J. Jarvis, D. Y. Maguire, M. L. Treglia和J. Liu. 2018。网络分析作为量化元耦合系统动态的工具:一个使用全球大豆贸易的例子。生态和社会23(4): 3。
https://doi.org/10.5751/ES-10460-230403
网络分析作为量化元耦合系统动态的工具:一个使用全球大豆贸易的例子
摘要
元耦合框架为描述耦合的人与自然系统内部和之间的相互作用提供了基础，但很少有研究量化这些系统的细微差别。网络分析是一种强大而灵活的工具，已被用于量化社会、经济和生态系统。我们的目标是通过评估1986年至2013年217个国家的全球大豆贸易，评估网络分析在量化元耦合系统方面的效用。我们确定并量化了发送和接收系统、子网络和流动路径、随时间和跨尺度的变化、反馈以及贸易和热带森林砍伐之间的联系。尽管在该网络中共确定了165个不同的小集团，但在2872个伙伴关系中，少数关键参与者具有不成比例的影响力，包括巴西(37.5%)、中国(48.6%)和美国(72.3%)。在研究期间，网络的总密度增加了5倍，大量参与贸易的国家越来越少，带来了可持续性和粮食安全问题。我们发现了正反馈的证据，即在研究期间，已建立贸易伙伴关系的国家更有可能扩大贸易关系。贸易模式没有用区域或大陆地理来解释，突出了生态学中常用的邻域分析的局限性。我们还发现了大豆贸易与热带森林砍伐之间存在联系的证据;在参与大豆贸易的泛热带国家中，2000-2012年期间的大豆累计出口与各国森林损失的遥感估计密切相关(Rsq = 0.35, p < 0.0001)。 We demonstrated that network analyses can be used to quantitatively assess relationships between metacoupled social-ecological systems. Increased data access and platforms for integrating diverse data sources using multidisciplinary tools will be key to pushing the boundaries of quantitative metacoupled systems research.介绍
世界的联系越来越紧密，人类和自然系统跨越遥远的距离，产生了局部的后果。遥耦合框架为理解跨越距离的社会-生态相互作用的动力学和后果奠定了基础(Liu等人，2013年)，以及定义明确的术语来概念化这些系统的不同部分。遥耦合系统由发送系统、接收系统和溢出系统组成，每个系统可能都有必须考虑的独特原因、动因和影响。这些系统可能是分层结构的，通过连接流程和反馈，交互跨越多个尺度。此外，该框架最近被扩展到包含元耦合，它同时包含多个空间上近距离耦合的人类和自然系统内部和之间的交互作用(Liu 2017)。虽然完全发生在一个感兴趣的焦点系统内部的相互作用被认为是内耦合，但通过连接附近系统的周耦合或连接远处系统的遥耦合，也可能存在于两个或多个系统之间。尽管该领域在概念上取得了进步，但量化元耦合系统动力学的技术仍在发展中。
迄今为止，许多远耦合研究都侧重于定性地确定发送、接收和溢出系统(Deines等人，2016,Liu等人，2016)，并确定潜在的驱动因素，如全球农林产品贸易(Liu等人，2013)、能源贸易(Fang等人，2016)、沙贸易(Torres等人，2017)、水转移(Yang等人，2016)、物种迁移(Hulina等人，2017)、保护(Carter等人，2014)、渔业(Carlson等人，2017)、经济发展(Yang et al. 2016)。对遥耦合框架的应用确定了关键的研究空白(如Liu等人，2016)和治理需求(Hulina等人，2017)，还产生了意想不到的发现和新的假设(如Sun等人，2018)。然而，即使是众所周知的遥耦合系统的例子，也很少使用定量方法同时考虑社会和生态的相互作用和随着时间和空间的动态。
全球大豆贸易是最早被概念化为具有广泛社会和生态后果的远耦合系统的案例研究之一(图1)，但此前的研究主要集中在定性描述(例如，Nepstad等人，2006年)，大豆贸易尚未被视为元耦合系统。在过去的30年里，全球用于大豆生产的土地面积翻了一番，而大多数其他作物的土地面积则保持相对稳定(Reenberg和Fenger, 2011年)。由于人口增长、财富增加和肉类消费增加，全球对大豆及其衍生品的需求不断增加(Gasparri et al. 2015)。尽管中国在数千年前就开始种植大豆，历史上是最大的大豆出口国(出口系统;Sun et al. 2015)，美国大幅增加了产量，并取代中国成为当代主要的发送系统(Reenberg和Fenger 2011)。随后，巴西和阿根廷的产量显著增加，取代了以前的森林景观，部分原因是政府补贴、道路基础设施的外部投资和土地权属不明确(Macedo et al. 2012)。巴西的大豆出口最近超过了美国，其南半球的生产可以补充或与美国的生产竞争(溢出系统;Liu等。2015一个)．矛盾的是，中国已成为主要的进口国(接收系统)，近年来占用了全球50%的大豆出口，并从境外采购了80%的大豆(Reenberg and Fenger 2011, Liu et al. 2015)a、b)．大豆贸易模式在之前的一项研究中进行了量化(Kastner et al. 2014)，然而，作者认为，结果与他们对该系统的认识相矛盾，表明仍需要适当的方法来量化大豆元耦合系统(SMS)的动态。
网络分析可以用来量化遥远系统之间和相邻系统之间的功能连接，并且非常适合解决元耦合系统中可能存在的一系列复杂性，如SMS (Box 1;Urban和Keitt 2001, Barrat等人2008,Fortin等人2012)。网络分析在学科应用上的灵活性，已经在广泛的背景下被审查。之前的工作通常集中在人类领域(Iapadre和Tajoli 2014, del Río-Chanona等人2017)，包括社会关系(Fletcher等人2011,mikusikovsky等人2013,De Benedictis等人2014)，国际金融(Contreras和Fagiolo 2014)和经济发展(Shutters和Muneepeerakul 2012)，商品供应链(Acemoglu等人2012,Mastrandrea等人2014,Possamai等人2015,Shen等人2015,Cai和Song 2016)，跨国土地收购(Seaquist等人，2014)、虚拟水贸易(Dalin等人，2011)、交通网络(Carvalho等人，2012)、人类迁移(Davis等人，2013)、毒素传播(Bui-Klimke等人，2014)和疾病传播(Lentz等人，2016)。商品交易的研究广泛采用了网络分析方法，包括投入产出分析(例如，Roy和Hewings 2009, Acemoglu等人2012,Aldasoro和Angeloni 2013, Contreras和Fagiolo 2014)，开放流网络(例如，Shen等人2015)，以及零网络模型的使用(例如，Mastrandrea等人2014)。网络分析也显示出调查社会生态关联的前景(例如，Bodin和Crona 2009, Rathwell和Peterson 2012, Schiller等人2014)。尽管一些研究人员报告了国际贸易的生态效应(例如，DeFries等人2010年，Lenzen等人2012年，Moran和Kanemoto 2017年)，但贸易的网络分析通常没有涉及对生态系统的影响，也没有使用元耦合框架来考虑反馈和溢出系统的动态。
短信息系统的许多方面仍有待描述，一些经过充分研究的联系可以使用网络分析方法更详细地量化。一个完整的元耦合系统可以表示为一个网络，该网络具有大量的指标，可用于评估多个层次层次上的动态，从由关键流路径连接的子网络(相互耦合的子系统)到单个节点的级别，例如，在内耦合系统中运行的个体国家或决策者等代理。网络分析方法可以用来描述松散或紧密连接的元耦合社区，这些社区在更广泛的网络中生成底层结构，每一个社区可能都具有社会生态属性和含义，这些都是SMS尚未考虑到的。这些社区中节点的共享属性还可能揭示元耦合系统建立和维护的基础关键驱动因素。网络也可以是有时间顺序的(Kempe et al. 2002, Blonder et al. 2012);随着时间的推移，对发送、接收和溢出系统之间和内部复杂连接的相对强度进行评估，可能有助于阐明元耦合系统中一些最不被理解的方面(Liu et al. 2013, Liu 2017)。
短信中的长期趋势和反馈，可能会放大或抑制元耦合效应，还没有被彻底研究。与许多其他元耦合系统一样，在社会和生态网络中，营养、物质和生物流动的地理距离限制(Fahrig 2003, Gonzalez 2009, Lee和Kwan 2011)已被更快的通信和交通所克服(Fletcher等人2011,mikusi夫斯基等人2013,Eakin等人2014)，打破了经典的空间假设，并对理解土地利用变化等复杂过程提出了挑战(Friis等人2016)。遗产，或历史模式继续解释当前状况的现象，可能对理解元耦合系统的当代特征也至关重要;在许多情况下，目前对景观模式的观察与人类和自然干扰历史有关(Turner 2005)。这可以在单个节点或边缘的尺度上进行探索，例如确定一个时间步中的属性是否预测未来的条件。还可以检查更复杂的反馈，例如关键感兴趣的社区之间的流对发送、接收或溢出感兴趣的系统节点的属性的影响。
为了更好地理解SMS和其他元耦合系统，需要深入了解空间和时间维度上的多尺度效应。从一个系统的宏观角度来看，从局部到景观尺度(Turner等人，1989年，Wiens 1989年)，甚至到全球尺度(Cash等人，2006年)，都有重要的驱动因素和影响。在一个尺度上的细微变化可能会产生反馈效应，这种反馈效应会随着时间的推移而被放大，并可能在局部、附近的系统或空间上遥远的系统中被体验到，因此需要元耦合视角(Liu 2017)。通过使用可用的最佳空间粒度(例如，城市)分析节点之间的动态，以及在元耦合系统中可能相互作用的聚合国家和地区的级别，可以考虑使用网络分析方法来实现这种伸缩。
可能与发送和接收系统动态交互的溢出系统，可能是SMS和其他元耦合系统中研究最少的方面。对溢出系统的影响或溢出系统的影响可能会跨层级和跨规模发生。例如，先前对SMS的研究将美国后hoc视为受新兴大豆贸易市场影响的溢出系统(例如，Liu等人，2015年)b)．随着全球对大豆的需求持续上升(Gasparri et al. 2015)，政策正在努力防止亚马逊雨林的进一步退化(Gibbs et al. 2015)，技术转让可能会在大豆生长条件适宜的地区，如南非，实现新的生产前沿(Sinclair et al. 2014, Gasparri et al. 2015)。老牌输出国可能必须通过贸易伙伴关系的多样化来应对来自这些新兴输出国系统的日益激烈的竞争(Liu et al. 2015b)．
有人提出了SMS的社会和生态方面之间的联系，但尚未彻底量化。特别是，巴西亚马逊的森林砍伐弧线在很大程度上归因于大豆贸易(Fearnside 2001, Reenberg and Fenger 2011, Lathuillière等人2014,Liu等人2015一个)，但是这种关系还没有在元耦合框架中被量化。热带森林损失会对当地生态系统服务产生影响，例如水质退化(Foley et al. 2005)和生计(Vittor et al. 2006)，以及全球生物多样性(Gibson et al. 2011)和气候调节(Asner et al. 2010)。尽管巴西的森林砍伐在21世纪后期大幅下降，因为政策的改变鼓励亚马逊地区的土地集约化，这取代了原本用于种植大豆的土地塞拉多(Dou et al. 2018)以满足日益增长的消费者基础的需求(Macedo et al. 2012, Rosa et al. 2012)。更好地理解这些影响的原因可以帮助制定政策，例如，避免简单地将影响转移到不断扩大的种植区。
我们的目标是评估网络分析在量化短信的社会生态动态方面的空间和时间的效用。具体地说，我们演示了所选网络分析方法的应用，以解决几个关键问题:(1)什么是最重要的发送和接收系统和关键的流路径?(2)关键的发送和接收系统和流程路径是如何随时间变化的?(3)过去的贸易伙伴关系是否对未来的贸易伙伴关系有积极的反馈?(4)从国家到大陆的跨尺度动态在多大程度上影响了大豆贸易模式?(5)新兴的大豆输出系统对美国作为已建立的主导输出系统的作用有什么溢出效应?(6)由于大豆贸易，热带森林的生态影响有多大，例如森林砍伐?这项工作展示了网络分析的一种新应用，可以对SMS之前未被研究的方面获得新的见解，并有助于越来越多的文献展示网络分析在分析复杂社会生态系统方面的价值(Schiller等人，2014年)。
方法
为了评估SMS的社会和生态动态，我们收集了多个开放获取数据集，包括国家之间的大豆贸易流量，以及国家收入和国家森林覆盖属性。我们在开源R统计计算环境(R Core Team 2017)中完成了所有的数据分析。使用国家代码包完成数据编译(Arel-Bundock 2014)。我们使用了引文(Csardi和Nepusz 2006)和网络(Butts 2008)一个)包来构建网络，ggplot2 (Wickham 2009)和GGally (Schloerke et al. 2016)来生成地理参考网络可视化。重要节点、边缘和连接子网络组的流路径通过金图(Csardi和Nepusz 2006)和sna (Butts 2008)进行了识别b)包。使用R包networkDynamic (Butts等人，2016)和tsna (bender - demol和Morris 2016)进行时间分析，使用ergm包评估跨尺度动态(Hunter等人，2008)，使用MuMin包进行贸易溢出效应评估中的模型选择和模型平均函数(bartoska, 2018)。
数据准备和网络生成
我们统一了数据集，以考虑在研究期间命名惯例和地缘政治变化的细微差异，通过ISO 3166标准alpha-2代码识别每个国家。为了简单起见，并最大限度地保持历史记录的一致性，我们将最近分裂的国家合并在一起，并且没有单独考虑领土或省份。例如，我们将香港和中国视为一个完整时间序列的系统。
全球大豆贸易数据
FAOSTAT贸易数据库提供了一致的长期数据源，以表示联合国粮食及农业组织(2016年)的流量。我们下载了从1986年到2013年所有可用的年度大豆贸易数据，包括数量和价值(美元)(经济和社会事务部统计司2010年，联合国粮农组织2016年)。大豆贸易数据没有反映全球所有的大豆产量，因为国内生产和消费的大豆没有统计在内。在数据协调之后，我们保留了整个时间序列中217个国家的大豆贸易数据。
砍伐森林和收入数据
为了展示网络分析在评估SMS的多个方面的效用，我们整合了代表参与大豆贸易的泛热带国家的社会和生态属性的额外数据集。首先，我们综合了2000-2012年基于30米分辨率卫星的森林损失数据集对森林损失的年度估计(Hansen et al. 2013)。Austin等人(2017)对该数据集进行了进一步处理，总结了热带地区每个国家树木覆盖率为> 50%的森林年损耗量，将给定年份的每一片连续林地视为独特的森林砍伐事件。为了代表泛热带国家的社会经济福祉，我们还纳入了国家收入类别(低收入、中下收入、中上收入或高收入;世界银行2017)。有2000-2012年期间参与大豆贸易的100个泛热带国家的全套数据(表A1.1)。
网络表示
基于每个国家的地理质心坐标(纬度/经度)，我们将各个国家表示为有向空间网络中的节点。节点对之间的边缘用1986 - 2013年在每个原产国和目的国之间每年转移的大豆出口价值(美元)进行加权。对于拥有现有数据的100个泛热带国家子集，我们还将2000-2012年期间各国森林砍伐和收入类别的估计数作为节点属性。虽然大豆交易的价值是数量和价格的函数，并不等同于大豆的产量或土地使用，但它可以作为这些属性的有用代理。对于2000-2012年出口大豆的泛热带国家，对数(以10为底)变换数据(adm . r²= 0.58,p < 0.0001;中的步骤表A1.1)。
分析
一旦建立了网络，我们应用了一套定量网络分析方法来解决以下关于短信的关键问题。
问:什么是最重要的发送和接收系统和关键的流动路径?
网络分析可以帮助描述和量化短信中关系的复杂性和结构。利用最近一年(2013年)的贸易数据，我们首先通过对国家节点的程度进行排名，确定了最重要的输出系统(净出口国)和接收系统(净进口国)。我们还根据任何两个合作伙伴之间大豆交易的价值(美元)评估了连接节点的边的方向性和强度。
除了描述特定节点和边缘的动态之外，我们还研究了关键节点在分类中的作用，或者节点如何相互连接的模式(Newman 2003)。对于选择性网络，具有相似属性的节点，例如，程度或空间位置，优先连接到另一个，这在社交网络中经常被观察到。相反，在非选型网络中，更多的孤立节点通过高度连接的枢纽节点连接到更广泛的系统中，这发生在许多技术和生物网络中(Newman 2003)。分类系数为Pearson相关系数r;其中r > 0表示选型网络，r < 0表示非选型网络，r = 0表示不相关网络(Newman 2003)。对于2013年的整个SMS，我们基于节点度计算分类性。
通过识别社区、组件和派系，可以更详细地描述子网络结构。有很多检测算法，包括基于节点相似度的分层聚类，以及使用模块化等度量对社区之间的分区进行排序(Girvan和Newman 2002, Fortunato 2010)。根据特定节点的大小和成员关系来检查网络中连接的组件和派系也可以洞察元耦合系统结构(Fortunato 2010)。强连接组件的定义是存在从节点A到节点b的有向流，以及从节点b到节点A的有向流，而clique则由一组相邻节点组成，这些节点在任意一个方向上至少有一条边相连。我们执行了多种方法来检测社区，包括Newman-Girvan算法，该算法去除高中介中心性的边缘以分离社区(Girvan和Newman 2002)，一种基于模块化评估分区质量的贪婪算法(Clauset et al. 2004)，以及Louvain聚类，该算法迭代节点社区分配，直到无法提高总模块化(Blondel et al. 2008)。贪婪模块化算法和Louvain聚类算法都要求先将2013年的交易网络转换为无向网络。我们还在2013年发现了SMS的强关联组件和派系。
问:随着时间的推移，密钥发送和接收系统和流程路径发生了怎样的变化?
我们使用各种指标评估了SMS中的动态关系;从1986年到2013年，除了跟踪每个节点的程度和每个节点的时间边缘密度外，我们还计算了整个网络的密度和连通性。我们还计算了节点和节点对之间的边的活动持续时间。此外，我们评估了网络中的长期社区结构，包括来自所有时间步骤的所有边缘，以识别派系和组成部分。由于2013年的结果不一致，我们没有对完整的时间序列执行其他社区检测算法。
问:过去的贸易伙伴关系是否对未来的贸易伙伴关系产生了积极的反馈?
我们预计，与贸易伙伴数量较少的国家相比，早期贸易伙伴数量较多的国家将更快地增加贸易伙伴关系，这是一种正反馈的情况，与网络中节点的优先依附一致(Newman 2001, Lü和Zhou 2011)。回归方法(例如，Aknin et al. 2012)可用于评估积极或消极反馈的存在性，并用于检验有关驱动因素的假设。为了检验长期以来贸易伙伴关系的反馈，我们绘制了每个国家在研究期间至少四次出口或进口大豆的长期贸易伙伴数量。我们为这些国家的贸易建立了相对于时间的线性模型，并评估了线性模型的斜率是否显著为正。我们对每个国家的贸易伙伴数量进行了标准化，方法是将某一特定年份连接到某个特定国家的发送方或接收方的数量除以该年整个SMS活跃的发送方或接收方的总数。
问:从国家到大陆的跨规模动态在多大程度上影响了大豆贸易模式?
为了检验SMS中跨空间尺度的交互水平，我们拟合指数随机图模型。这种方法量化了给定网络的概率，在给定节点集之间所有可能的关系中，并且在概念上类似于广义线性模型方法(Holland和Leinhardt 1981, Morris等人2008)。指数随机图模型处理边缘依赖性的能力可能使它们比重力模型更适合于理解地理网络(Autant-Bernard和Hazir 2013)。我们通过量化地理区域(如东非和各大洲)内的连通性来测试空间层次结构是否能解释观察到的国家间大豆贸易关系，这些区域被包含为每个节点的属性。
问:新兴的大豆出口系统对美国作为已建立的主要出口系统的作用有什么溢出效应?
我们检验了美国是一个外溢系统的假设，受新兴大豆输出国的影响;我们使用了一系列简单和多元回归模型，其中中国与巴西、阿根廷、加拿大等大豆输出国之间的新兴贸易关系是美国中介中心性的预测因子。鉴于新兴市场可能会普遍影响现有市场(国际货币基金组织2011年，Cullen和Mansur 2017年，Dong等人2018年，Li等人2018年，Zhu等人2018年)，我们的模型是对之前研究中提出的假设的检验。我们测试了一套包含南美和其他国家出口数据的模型，这些数据可能会影响美国作为大豆贸易中心的重要性(Gasparri等人，2015年，Sun等人，2018年)。我们特别关注巴西的模型，因为大豆生产成本和时间的差异表明，巴西大豆贸易的增长对美国大豆贸易产生了负面影响(Flaskerud 2003)。此外，中等收入国家大豆出口的增长是全球贸易的一个驱动力(Hanson 2012)。
我们的目标是探索美国是否因为来自新兴市场的竞争加剧而成为发送系统中不那么重要的国家，即减少中间性。为了确定哪一个模型最好地解释了美国间性，我们应用了一种模型选择方法，使用尺寸校正的Akaike信息准则(AICc)对候选模型集进行排序和加权(Akaike 1974, Burnham和Anderson 2002)。然后我们应用模型平均来确定候选集合中模型间协变量的模型加权参数估计，提供了多个模型中协变量重要性的一般估计(Burnham和Anderson 2004)。
问:热带森林的生态影响(如森林砍伐)达到了什么程度?
为了证明使用网络分析来评估SMS的社会生态动态，我们量化了全球大豆贸易对热带森林生物群落的影响。我们研究了2000年至2012年从卫星图像中检测到的热带地区大豆贸易国家的大豆流量与森林砍伐的关系。具体来说，我们使用线性回归来检验大豆累计出口值与检测到的森林砍伐累积总和之间的关系，以及在研究期间出口大豆的51个泛热带国家的出口值和森林砍伐面积的年同比差异。我们还研究了在Austin等人(2017)确定的不同林地规模类别中发生的森林砍伐数量是否存在显著趋势，以及在2000年分析期开始时，基于国家收入类别(低收入、中下收入、中上收入或高收入)是否存在显著趋势。每个国家的森林损失数据根据研究期开始时估计的森林面积进行相对化，然后进行对数(以10为基数)转换。
结果
2013年大豆主要输收系统及流通途径
由于巴西(发送系统)、中国(接收系统)和美国(溢出系统)先前已被确定为代表SMS不同部分的重要节点，我们将研究结果集中在这些国家以进行演示。2013年，出口系统普遍集中在西半球，而接收系统则位于东半球(图2A、B)。2013年，仅巴西、阿根廷和美国就占了全球大豆出口价值的80%，凸显了它们作为大豆出口系统的重要性(图2A)。中国是主要的大豆接收系统(图2B)。
我们发现，2013年SMS国家之间的关系呈弱非协调性(Pearson r = -0.085)，表明高度值的中心国家连接着低度值的边缘国家。巴西、中国和美国代表的一些关键枢纽节点,因为他们参与2013年总数的比例metacoupling交互和大多数其他年(图3)。美国参与大于平均值大豆交易与26个不同的合作伙伴,使其感兴趣的这三个国家的最高学位,其次是巴西19岁,而中国参与6合作大于平均值的大豆贸易发生。
2013年，通过识别SMS内部的子网络结构，以社区、组件和派系的形式，揭示了关键流动路径的存在。Louvain聚类将节点分配到6个社区，最大的社区包含66个节点，网络模块化为0.16，表明社区内节点之间的相关性略高于随机分布时的预期(表A2.1)。贪婪算法确定了7个不同的社区，最大的社区包含100个节点，网络模块化为0.15(表A2.2)。Louvain聚类和贪婪算法将巴西和中国放在同一个社区，而美国被分配到一个单独的社区。纽曼-格文算法没有识别出任何不同的社区。2013年，我们还确定了39个不同的组成部分，其中最大的连接组成部分包含3个国家。小集团评估结果认为38个国家是孤立的，一个小集团包括美国和中国，另一个小集团包括美国和加拿大(表A2.3，附录3)。
时间动态
从1986年到2013年，我们发现了SMS中日益密切的关系的明显趋势;观察到网络连通性增加了3倍(图4A)，网络密度增加了5倍(图4B)。虽然短信已经变得更加紧密的连接，它的特点是不稳定的关系。参与大豆贸易的国家数量逐年不一致;根据网络的时间边缘密度，平均而言，一个给定节点在研究周期的21.1%是活跃的。在大豆发送节点和接收节点之间所有可能的贸易配对中，在给定年份内任何对节点之间发生贸易的可能性非常低(时间边缘密度= 0.012)。此外，在研究期间的任何时间，观察到的活跃边缘的平均比例为0.001。从1986年到2013年，共有2872对关系存在于网络中，但只有1252对关系(~52%)持续两年以上，555对关系(< 20%)持续至少10年，只有47对关系(< 2%)持续到研究期间。
尽管SMS中所有节点的年交易活动的概率都很低，但一些节点非常活跃。在研究期间的2872次大豆转移中，巴西涉及1078次(37.5%)，中国1396次(48.6%)，美国2077次(72.3%)。尽管大多数国家没有很多长期的伙伴关系(图5A)，但那些拥有更多贸易伙伴的国家也往往有更持久的伙伴关系(图5B)，巴西、中国和美国就是如此。从1986年到2013年，SMS中的大多数国家都是接收国，只有少数国家负责将大部分大豆转移到目的地国家(图5C)。大多数主要出口国也收到了大豆。
当考虑跨越所有年份的数据团时，许多关键的流路径连接了SMS中的子网络。虽然在检测到的165个独特的派系中，大多数成员很少，但有3个派系每个都包含6个节点(表A2.4)。不出所料，巴西、中国和美国经常结成小集团。巴西共出现在5个不同的小团体中(表A2.4)，与阿根廷共属于3个不同的小团体(附录4)。中国出现在11个小团体中(附录4)，有13个不同的小团体，以美国为首，与中国共属于5个不同的小团体(附录4)。美国是17个不同小团体的一部分(表A2.4)，与其他20个国家共出现，最显著的是分别与加拿大和中国共属于5个小团体(附录4)。
大豆贸易关系积极反馈
我们发现，随着时间的推移，SMS中给定国家的贸易伙伴数量存在正反馈的证据，为节点的优先附加提供了一些支持。在α = 0.05水平上，中国、巴西和美国的贸易伙伴原材料数量线性模型的斜率显著为正(表1)。在其他至少4年发送或接收大豆并取得显著成果的国家中，68个发送国中除1个外，122个接收国中除8个外，斜率回归系数均为正(附录5)。当我们将计数转换为每年发送或接收总数量的比例时，随着时间的推移，巴西和美国的变化显著为负，而中国的变化不显著。贸易伙伴线性模型的斜率在58个原籍国中为17个，在114个接受国中为45个。这表明，所有国家的贸易伙伴数目都有所增加，而不仅仅是在这段时期开始时贸易伙伴数目较多的国家。
Cross-scale动力学
对大豆贸易网络的指数随机图模型分析表明，观察到的元耦合关系不能用区域(p = 0.24)或大陆分组(p = 0.20)来解释。国家不太可能与同一地区或同一大洲的地理邻国进行贸易，而是通常在这些地理边界之外进行贸易。区域和大陆尺度的聚集产生了与评估单个国家之间网络关系时观察到的相似的流动模式(图3)。SMS的所有区域和所有大陆都是发送和接收系统。评估一个节点国家、地区或大陆是大豆的净发送者还是接收者，可以在多个尺度上确定重要发送和接收系统的分布。
大豆输出国之间的经济溢出效应
我们的模型选择工作表明，南半球的主要大豆输出国影响美国在SMS中的中介性(表2)。解释美国中介性的最佳单一模型包括从南美国家(巴西、阿根廷、乌拉圭和巴拉圭)发送到中国的所有大豆的比例值，具有AICc权重(w我)为0.53 (adm . r²= 0.65,p < 0.01)。其他表现良好的模型包括从巴西运往中国的大豆的比例价值作为协变量，最值得注意的是，那些模型包括从巴西、阿根廷和南非(w我= 0.23, adm . r²= 0.67,p < 0.01)，巴西和阿根廷(w我= 0.14, r²= 0.64,p < 0.01)。表现不佳的模型(ΔAICc > 10，w我< 0.01)包括仅考虑从阿根廷出口到中国的大豆的模型，以及包括从前10个出口到中国的大豆的比例价值的模型，包括作为个体协变量的总体和每个出口国家。根据AICc的排名，最糟糕的模型是包含所有协变量的完整模型;这个模型甚至比只拦截的模型还糟糕。
模型平均表明，南美对华大豆出口正向影响美国中间度，通过对中国出口大豆价值的模型平均回归系数来衡量(表3)。所有向中国出口大豆的南美国家(巴西、阿根廷、乌拉圭和巴拉圭)对美国中间度的正向影响最强(β = 684.6, SE = 100.7, p < 0.01)。巴西输中国大豆模型平均参数为430.1 (SE = 171.4, p = 0.01)，阿根廷输中国大豆模型平均参数为319.7 (SE = 134.5, p = 0.02)。除美国、巴西和阿根廷外，其他国家对中国的大豆出口总和对美国间性具有负向影响，模型平均参数为-627.6 (SE = 115.3, p < 0.01);然而，模型选择表明这是一个排名较低的模型(w我= 0.01, adm . r²= 0.54,p < 0.01)，所以这些国家的影响之和很小。其他模型中包含的代表彼此之间比例贸易的协变量的模型平均参数p > 0.05。
2000-2012年对热带森林的生态影响
对于从2000年到2012年出口大豆的泛热带国家，我们发现累计森林砍伐与各国大豆出口流量的累计价值显著相关，当这两个指标都以2000年的森林覆盖相对化时(图6，图A6.1-A6.3, r²= 0.35,p < 0.0001)。对于更接近回归线的国家，如巴拉圭，大豆出口是研究期间森林砍伐的一个更重要的驱动因素，而对于更远离回归线的国家，如南非，大豆出口本身并不能充分解释研究期间观察到的森林砍伐情况。在低收入国家(r²= 0.42,p = 0.001)、中下收入国家(r²= 0.65,p < 0.0001)和中上收入国家(r²= 0.51,p = 0.03)中发现了显著的趋势，但在高收入国家中没有。没有发现森林砍伐面积类别的显著趋势。大豆出口流量的年同比差异也是研究期间各国森林砍伐面积差异的一个显著但微弱的预测因子，这两种指标均以2000年的森林覆盖相对化(r²= 0.07,p = 0.007)。
讨论
以SMS为例，我们展示了网络分析是整合社会经济和生态数据的一个强大而灵活的工具，可以理解元耦合系统的时空和跨尺度动态，包括流、反馈和溢出效应。我们对广泛使用的网络分析工具的集成，为量化元耦合系统的独特动力学指明了一条前进的道路。
关键的发送和接收系统和流程路径
2013年，网络分析提供了一种定量的方法来识别SMS的关键发送和接收系统和流程路径。鉴于美国、中国和巴西在SMS中的流动中占很大份额，之前对它们的研究非常重视是合理的。我们还发现，大豆贸易国家集团之间的联系比与更广泛的SMS之间的联系更紧密。然而，不同方法的社区识别并不一致;例如，基于模块化的方法将巴西和中国置于一个独立于美国的社区中，而基于派系的方法将美国和中国置于一个派系中，并将巴西视为一个孤立的节点。为了提高随着时间的推移跟踪元耦合系统中的层次结构和关键流路径的信心，未来的工作可以测试定义社区的分区的鲁棒性(例如，Fortunato 2010)。更详细地检查社区成员节点的属性和网络分类，还可以深入了解这些社区的基础及其在元耦合系统中的作用。包含社会、经济和生态方面的元耦合系统可能不符合文献中对仅关注其中一个维度的网络的选型预期(Newman 2003)。更好地理解网络结构的这些方面可能有助于理解潜在的粮食安全风险，因为其他研究人员已经发现社区配置影响供应链稳定性(例如，Acemoglu等人，2012)。
尽管东西向的大豆寄件人和寄件人之间存在差异，但许多占主导地位的寄件人也收到了大豆。这些交易可以用专门的市场来解释，即供人类消费的有机豆奶和豆腐(Sun et al. 2015)。或者，这可以通过改变大豆种植和产品到达消费者的运输的边际成本来解释。例如，铁路或船舶运输可能是贸易中的一个因素，这取决于产品的最终目的地是否位于美国内陆，而不是沿海地区(Clott et al. 2015)。进一步探讨具有不同属性的边的相对重要性可能会有帮助;例如，Zhu等人(2014)发现，在在线社交网络中，双向边比单向边对传播更重要。使用大豆贸易数据进行分析可以部分了解供需因素，但全面评估需要实际的大豆生产和消费数据，最好是在全国以下的范围内。
时间趋势、反馈和滞后效应
随着时间的推移，不仅短信的联系越来越紧密，而且我们还发现，随着时间的推移，各个国家相互关联的关系数量有积极反馈的证据。日益缩小的占主导地位的贸易伙伴关系对粮食安全产生了影响。由于大豆运输系统的国家很少，这些地区的政策变化或自然灾害都可能对大豆运输系统造成严重破坏。巴西和美国都在大片土地上种植单一栽培的转基因大豆品种(HighQuest Partners和Soyatech 2011年)，这些品种特别容易受到干旱或疾病的影响。
社会、经济和政治遗产可能在观察到的贸易模式中起作用;与更多伙伴进行贸易的国家有着更持久的相互关联关系。另一方面，由于供求变化引起的市场扰动可能解释其他一些元耦合动力学。从2000年左右开始，巴西和美国对中国的出口价值开始增长，2007年出现了急剧增长。除了这些需求方面的因素，另一个解释可能是对美国能源政策的滞后反应。在鼓励用于生物燃料的玉米生产政策的推动下，美国大豆种植从2004-2005年开始下降，导致大豆和玉米价格飙升(HighQuest Partners和Soyatech 2011年)。在全球感受到这种影响之前，在现有收获的供应耗尽之后，可能存在滞后效应。滞后性效应也可能使大豆贸易和森林砍伐之间的联系的检测复杂化。大豆种植通常与之前的毁林放牧有关，这些毁林后来被转化为大豆生产(Rudel et al. 2009, Graesser et al. 2015)。在评估森林砍伐与随后的大豆出口观察结果之间的关系时，可能需要考虑到清理土地和获得一种可以推向市场的成功作物所需的时间。
Cross-scale动力学
我们的分析揭示了SMS的极端全球化;地理对国家之间的关系没有影响，但我们观察到的贸易模式主要是远距离耦合的相互作用。我们还发现，向空间上遥远的SMS国家出口的大豆与空间上集中的热带森林损失模式相关，这在以前的工作中已经得到了很好的量化(Rudel et al. 2009)，但没有在元耦合系统背景下正式评估。我们的发现突出了生态研究中常用的邻域分析的潜在局限性，即在空间或时间上越接近的观察结果被认为关系越密切;元耦合系统可能不符合这些经典的自然系统概念，并提供了令人兴奋的机会，以推动理论边界。同样值得注意的是，大多数元耦合系统研究都假设远距离关系是最重要的考虑因素，但没有量化空间附近系统之间的周耦合关系和远距离遥耦合相互作用的相对重要性，正如我们在这里使用指数随机图模型所演示的那样。我们认为这将是未来研究中探索性数据分析的一个有用步骤。
溢出效应
以往基于网络分析的研究通常忽略或忽略了溢出效应的考虑。使用元耦合方法需要考虑这种全新的连接类型，并且它可以提供以前没有使用网络分析技术探索过的新情况。尽管我们预计巴西和阿根廷作为中国主要大豆出口国的崛起将削弱美国作为主要大豆贸易中心的重要性，但我们惊讶地发现，强有力的证据表明，新兴南美出口国的出口增长与美国之间的联系有所增加。随着时间的推移，对大豆需求的增加可以解释这些观察结果。在研究期间，主要大豆输出国的学位中心性增加了，这可能是由于来自中国的强劲和不断增长的需求。
我们演示了一个概念证明，模型选择方法可以用于识别和量化元耦合系统中的溢出效应，通过网络分析指标的变化进行测量。使用模型选择框架可以直接比较网络度量的潜在驱动因素的预测值。在模型中加入附加项可以评估跨尺度的差异，并进行区域间的比较。此外，模型平均允许对元耦合系统中特定代理的作用的一般结论。未来的研究可以使用社区检测结果来指导候选模型的选择。可以通过测试其他模型来考虑对美国中间性的其他影响。例如，对生物燃料和其他土地用途的需求可能推动大豆生产模式，而这不能仅由大豆贸易数据捕捉到。我们还预计，季节性或更精细的时间分辨率贸易数据将提供更多的证据，证明大豆输出国之间的竞争带来的溢出效应，而不仅仅是年度数据。然而，我们不认为大豆的这种动态会像水果和蔬菜等易腐产品那样明显。我们将中介性作为衡量美国在大豆市场重要性或影响力的一个指标，但我们也注意到，其他网络指标也可以用类似的方式进行分析。 Alternative metrics could provide additional insight into network relationships, or perhaps a composite index of multiple network metrics could summarize these relationships. Future studies should select among the many network metric options to target those most relevant for specific research questions or hypotheses.
生态的联系
将社会和生态数据集作为节点或边缘属性，或作为节点之间的链接的能力，使得网络分析特别适合评估元耦合系统的这些不同维度之间的相互作用。我们证明，由于大豆元耦合系统，量化热带森林的生态影响是可能的。我们的研究结果强调了2000-2012年期间大豆出口和森林砍伐之间的联系，印证了其他研究发现的出口型农业是热带森林砍伐的一个重要驱动因素(例如，DeFries等人2010年，Austin等人2017年)。我们预计，如果地方大豆生产和贸易数据可以量化大豆元耦合系统中的内耦合，将会发现更强的关联。此外，通过评估多种商业作物，了解在不同地区运行的一系列具体驱动因素，可能可以更好地解释森林砍伐模式。例如，受偏远地区需求的驱动，油棕种植已成为森林砍伐的主要驱动因素，尤其是在东南亚(Fitzherbert et al. 2008)。最后，与农业无关的其他驱动因素也可能对被发现的森林砍伐负责。
在泛热带地区的大豆出口国发生的森林砍伐也可被评估为溢出系统。这些在邻近和遥远国家的溢出效应可以在未来的工作中进一步探讨。综合较粗略的区域或较细规模的次国家大豆贸易和森林砍伐数据，将使我们能够量化由SMS造成的生态溢出效应。
元耦合系统研究的定量分析方法与数据存取
我们对SMS和其他元耦合系统的理解可以通过定量方法得到加强，包括但不限于网络分析。景观生态学家、经济学家、气候学家、社会学家和其他专家之间的跨学科合作可以帮助发展对元耦合系统的不同维度的背景深入理解。例如，重力模型在以前的贸易研究中被广泛使用，在这些研究中，货物的流动取决于每个地点的经济活动水平(例如，Anderson 2011, Tamea等人2014,Fracasso 2014, Tuninetti等人2017)。此外，我们认为结构方程建模(Grace 2006, Kline 2011)和基于代理的建模方法(Ford 2010)将是有用的，特别是在溢出系统的量化效应和分析非线性反馈时。基于代理的建模包括基于过程的模拟，可以用于评估森林砍伐结果的概率空间，给定更多区域和地方尺度的决策和相互作用(An等人，2005年，Liu等人，2015年)c)．最近开发的遥耦合工具箱(Tonini和Liu 2017)也提供了一个很有前途的选择，以帮助研究人员连接与人类和自然系统相关的各种数据集，并在GIS环境中进行空间显式分析。
未来在SMS上使用其他定量方法的工作可以进一步检验假设与备选方案的对比，并更明确地评估因果关系。例如，我们提出的一个假设是，区域和国际贸易协定可能解释连接我们所确定的派系和组成部分的重要流动路径。是否有未开发的土地，是否有铁路和船舶运输网，是否有进入全球市场，也可能是重要的考虑因素。尽管我们没有及时研究跨尺度的相互作用，但我们预计大豆的市场价格、不断变化的生产成本和大豆替代品的成本也会影响SMS。
尽管网络分析在理解SMS和其他元耦合系统方面有明显的效用，但数据稀缺和来自集中存储库的数据访问的缺乏继续给实现元耦合系统的全面定量分析带来重大挑战。还需要进行额外的评估，将长期的社会和生态模式在多个尺度上结合起来，以检查在元耦合系统中可能以不同的速率和跨层次发挥作用的相互作用、反馈和溢出效应。只有丰富的数据集才能对元耦合框架的全部潜力进行健壮的测试，从而比传统的分析方法增加预测能力。
结论
我们通过使用可免费获得的数据集证明，网络分析通过将动态社会经济变化(如大豆贸易模式)与景观生物物理变化(如森林砍伐)联系起来，为研究元耦合系统(如SMS)提供了一种灵活的方法。为了更好地理解元耦合系统的本质，网络分析可以被更广泛地应用。给定适当的数据，网络分析技术可以帮助识别发送、接收和溢出系统的分布，跟踪跨尺度系统之间的连接结构和强度。网络分析方法可用于评估跨尺度动态，包括识别可能在不同空间和时间尺度上表现为原因和结果的反馈。这样的工作可能为元耦合系统中负责形成、加强或削弱连接的过程提供额外的见解。反过来，元耦合系统为测试和推进网络理论提供了新的机会，对于该理论，预期通常是基于社会或生态网络的成熟特征来定义的，而不是同时考虑这些方面。使用元耦合框架还需要考虑以前没有在网络分析研究中表示的联系，特别是与溢出系统的联系。使用跨不同学科的可用量化工具和专业知识来量化元耦合系统可以帮助我们更好地理解是什么导致了元耦合，它们如何在时间和空间中发展，以及它们可能产生的积极和消极影响。了解这些系统将是制定适当政策的关键，以避免和减轻潜在的不良权衡，并为未来更可持续地管理全球资源。
网络分析是图论的一种应用(Urban and Keitt 2001, Fortin et al. 2012)，是一种通用的方法，可以用来描述社会和生态系统的不同组成部分是如何连接的(Minor and Lookingbill 2010, Penuel et al. 2012)。网络由一组节点组成，节点之间由代表节点之间流动或相互作用的边连接(Urban and Keitt 2001, Fortin et al. 2012)。各种指标可以描述网络在何种程度上促进或阻碍有机体和物质的流动(Taylor et al. 1993)或社会主体之间的连接(Borgatti et al. 2009)。网络分析可以灵活地包含空间和空间数据、连续和名义属性，以及复杂元耦合系统可能感兴趣的人为和自然流。在此，我们定义了用于分析本研究中大豆元耦合系统的关键网络分析术语和度量。
术语(Wasserman and Faust 1994, Girvan and Newman 2002, Newman 2004)
相邻:两个不同的节点(国家)由一条边连接的情况(两者之间发生大豆贸易)。
Assortativity:描述网络中节点之间的连接模式。分类系数为Pearson相关系数r;其中r > 0表示选型网络，r < 0表示非选型网络，r = 0表示不相关网络(Newman 2003)。
选型:描述一种网络，其中具有相似属性的节点，如程度或空间位置，优先彼此连接。
中间状态:一种度量，汇总经过给定节点的节点之间的连接路径数量;更大的中间性意味着一个节点更多地是连接另两个节点的关系中的一个步骤。
集团:每两个不同节点相邻的子网。
组件:任意两个节点相连的子网，且不与更大网络中的其他节点相连。一个没有边的孤立节点也可以被认为是一个组件。
社区:网络中紧密相连的节点群。
连通性:在这里，我们将连通性定义为Krackhardt连通性评分(Krackhardt 1994)。它由存在无向路径的所有节点对的一部分组成。Krackhardt连通性评分范围从0到1,1代表一个完全连接的网络。
学位:节点的直连连接数。
密度:网络中实际连接的潜在连接部分。
目的地:从另一个节点接收(导入)大豆的节点。
导演:描述一个边有方向的网络。
非选型:描述一种网络，其中较孤立的节点通过高度连接的集线器节点连接到更广泛的网络中。
持续时间:节点间连通性的事件次数或持续时间。这里，我们以年为单位衡量持续时间。
边缘:节点之间的连接或链接。在这里，边是大豆贸易关系。
模块化:落在群落内的边的百分比减去如果边是随机分布的期望百分比。模块化的取值范围为[−1/2,1]。如果社区内的边缘数量超过基于概率的预期数量，则为正。
网络(图):一种由边连接的节点的数学结构，用于理解成对关系。
节点:网络中由边连接的实体，也称为顶点。在这里，节点代表大豆输出国(出口)和进口国(进口)。
起源:向另一个节点发送(导出)大豆的节点。
子网:网络的子集，也称为邻域或社区。
致谢
DS获得了NASA地球与空间科学奖学金(NNX13AQ15H)和p.e.o学者奖的支持。SAT由加拿大水生生态系统服务网络和霍尔兹沃思基金会资助。KJJ部分由美国国防部通过战略环境研究与发展计划(SERDP;项目rc - 1722)。DYM得到了美国农业研究局(usaid)地区项目赠款的支持。MLT部分得到NSF-EPSCoR计划(OIA-1301789)的支持。JL得到了美国国家科学基金会和密歇根农业生物研究中心的支持。这项研究建立在2014年国际景观生态协会美国地区协会年会上一群初级研究人员的初步讨论之上，他们还包括Marufa Akther、Caroline Curtis、Whalen Dillon、Lisa Green、Binbin Li、Alexis Maldonado、Katherine Renwick、Eric Taber、Hui Xu、Hongbo Yang。支持参加US-IALE会议的资金由NASA-MSU专业提升奖励计划提供。我们感谢Amanda Schwantes和四位匿名审稿人提供了深思熟虑的评论，极大地提高了稿件的质量。
文献引用
阿塞莫格鲁，V. M.卡瓦略，A.欧兹达格拉，和A.塔哈巴斯-萨利希。2012.总波动的网络起源。费雪80(5): 1977 - 2016。http://dx.doi.org/10.3982/ECTA9623
Akaike, h . 1974。统计模型识别的新视角IEEE自动控制汇刊19(6): 716�723。
阿克宁，l.b.， E. W.邓恩，M. I.诺顿，2012。幸福以圆周运动的方式运行:这是亲社会支出和幸福之间存在正反馈循环的证据。幸福研究杂志13(2): 347 - 355。http://dx.doi.org/10.1007/s10902-011-9267-5
Aldasoro, I.和I. Angeloni, 2013。以投入产出为基础的具有系统重要性的措施。安全工作纸系列29日。Universität法兰克福，法兰克福在美因，德国。http://dx.doi.org/10.2139/ssrn.2317299
An L.， M. Linderman, J. Qi, a . Shortridge, J. Liu 2005探索人-环境系统的复杂性:基于agent的多学科和多尺度集成的空间模型。美国地理学家协会年鉴95:54 - 79。http://dx.doi.org/10.1111/j.1467-8306.2005.00450.x
安德森，2011。重力模型。经济学年度评论3(1): 133 - 160。http://dx.doi.org/10.1146/annurev-economics-111809-125114
Arel-Bundock, v . 2014。countrycode:转换国家名称和国家代码。
阿斯纳，G. P.， G. V. N.鲍威尔，J.马斯卡罗，D. E.纳普，J. K.克拉克，J.雅各布森，T.肯尼迪-鲍登，A.巴拉吉，G.佩斯-阿科斯塔，E.维多利亚，L.塞卡达，M.瓦尔基，和R. F.休斯。2010。亚马逊高分辨率森林碳储量和碳排放。美国国家科学院院刊107(38): 16738 - 16742。http://dx.doi.org/10.1073/pnas.1004875107
奥斯汀，K. G.， M. González-Roglich, D. Schaffer-Smith, A. M. Schwantes, J. J. Swenson. 2017。热带森林砍伐事件的规模趋势表明，工业规模的驱动因素日益占主导地位。环境研究快报12(5)。http://dx.doi.org/10.1088/1748-9326/aa6a88
奥特-伯纳德，C.和Ç。美国Hazir》2013。网络的形成和地理:建模方法，基本概念，最近和有希望的扩展。页面15-28在t . Scherngell编辑器。网络与研发合作的地理．施普林格可汗,瑞士。http://dx.doi.org/10.1007/978-3-319-02699-2_2
巴拉特，M. Barthélemy和A.维斯皮纳尼，2008。复杂网络上的动力学过程．剑桥大学出版社，英国剑桥。http://dx.doi.org/10.1017/CBO9780511791383
Bartoń,k . 2018。用于模型选择和多模型推断的软件包。(在线)网址:http://mumin.r-forge.r-project.org/
本德-德莫尔，S.和M.莫里斯，2016。tsna:用于临时社交网络分析的工具。
布朗德尔，V. D. J.-L。Guillaume, R. lambitte, E. Lefebvre. 2008。社区在大型网络中迅速展开。统计力学学报:理论与实验(10): P10008。http://dx.doi.org/10.1088/1742-5468/2008/10/P10008
布朗德，B.， T. W.韦，A.多恩豪斯，R.詹姆斯，A.西。2012。时间动力学和网络分析。生态学与进化论中的方法3(6): 958 - 972。http://dx.doi.org/10.1111/j.2041-210X.2012.00236.x
博丹,O。，而且B. I. Crona. 2009. The role of social networks in natural resource governance: What relational patterns make a difference?全球环境变化19(3): 366 - 374。http://dx.doi.org/10.1016/j.gloenvcha.2009.05.002
Borgatti, s.p, A. Mehra, D. J. Brass, G. Labianca. 2009。社会科学中的网络分析。科学323(5916): 892 - 895。http://dx.doi.org/10.1126/science.1165821
布-克里姆克，t.r.， H.古鲁，T. W.肯斯勒，j.m.。袁，吴峰。2014。黄曲霉毒素法规与全球开心果贸易:来自社会网络分析的见解。《公共科学图书馆•综合》9 (3): e92149。http://dx.doi.org/10.1371/journal.pone.0092149
伯纳姆，K. P.和D. R.安德森。2002。模型选择与多模型推理:一种实用的信息论方法．第二版。Springer-Verlag，纽约，纽约，美国。http://dx.doi.org/10.1007/b97636
伯纳姆，K. P.和R. P.安德森，2004。多模型推理:理解模型选择中的AIC和BIC。社会学方法与研究33(2): 261 - 304。http://dx.doi.org/10.1177/0049124104268644
布茨，c.t。2008一个。network: R中用于管理关系数据的包。统计软件杂志24(2)。http://dx.doi.org/10.18637/jss.v024.i02
布茨，c.t。2008b。社会网络分析与sna。统计软件杂志24(6)。http://dx.doi.org/10.18637/jss.v024.i06
布茨，c.t.， A.莱斯利-库克，P. N.克里维茨基，和S.本德-德莫洛尔。2016.networkDynamic:网络对象的动态扩展。
蔡，H.，宋y .， 2016。国家在国际农产品贸易中的地位:一个复杂的网络。中国农业经济评论8(3): 430 - 442。http://dx.doi.org/10.1108/CAER-02-2016-0032
卡尔森，a.k, W. W.泰勒，J.刘和I. Orlic. 2017。遥耦合框架:加强渔业管理的综合工具。渔业42(8): 395 - 397。http://dx.doi.org/10.1080/03632415.2017.1342491
Carter, n.h, A. Viña, V. Hull, W. J. McConnell, W. Axinn, D. Ghimire, J. Liu. 2014。人类和自然系统相结合的野生动物研究和保护方法。生态和社会19(3): 43。http://dx.doi.org/10.5751/ES-06881-190343
卡瓦略，H, A. P.巴罗佐，V. H.马查多，S.阿泽维多，和V.克鲁兹-马查多。2012.基于模拟的弹性供应链再设计。计算机与工业工程62(1): 329 - 341。http://dx.doi.org/10.1016/j.cie.2011.10.003
卡什，D. W.阿杰，F. Berkes, P. Garden, L. Lebel, P. Olsson, L. Pritchard和O. Young。2006。规模和跨规模动态:多层次世界中的治理和信息。生态和社会11(2): 8。http://dx.doi.org/10.5751/ES-01759-110208
克劳塞特，M. E. J.纽曼和C.摩尔，2004。在非常大的网络中寻找社区结构。物理评论E70(066111)。http://dx.doi.org/10.1103/PhysRevE.70.066111
克洛特，C.， B. C.哈特曼，E.奥加德和A.盖托。2015。集装箱重新定位和农产品:用集装箱将大豆从美国内陆运往海外市场。交通运输商业与管理研究“，14:56 - 65。http://dx.doi.org/10.1016/j.rtbm.2014.10.006
孔特雷拉斯，M. G. A.和G.法吉奥洛。2014。投入产出网络中经济冲击的传播:一项跨国分析。物理评论E90(6): 062812。http://dx.doi.org/10.1103/PhysRevE.90.062812
Csardi, G.和T. Nepusz. 2006。复杂网络研究的igraph软件包。InterJournal,复杂的系统1695(5): 1 - 9。
卡伦，J. A.和E. T.曼苏尔，2017。推断电力市场的碳减排成本:利用页岩革命揭示的偏好方法。美国经济杂志:经济政策9(3): 106 - 133。http://dx.doi.org/10.1257/pol.20150388
大林，C.， M. Konar, N. Hanasaki, A. Rinaldo, I. Rodriguez-Iturbe。2011.全球虚拟水贸易网络的演变。美国国家科学院院刊2011:1-6。
戴维斯，K. F.， P. D'Odorico, F. Laio和L. Ridolfi. 2013。人类迁移的全球时空模式:一个复杂网络视角。《公共科学图书馆•综合》8 (1): e53723。http://dx.doi.org/10.1371/journal.pone.0053723
De Benedictis, L.， S. Nenci, G. Santoni, L. Tajoli，和C. Vicarelli. 2014。利用BACI-CEPII数据集对世界贸易进行网络分析。全球经济杂志14(3 - 4): 287 - 343。http://dx.doi.org/10.1515/gej-2014-0032
德弗里斯，R. S.， T.鲁德尔，M. Uriarte和M. Hansen, 2010。21世纪城市人口增长和农业贸易导致的森林砍伐。自然地球科学3(3): 178 - 181。http://dx.doi.org/10.1038/ngeo756
戴恩斯，刘欣，刘杰。2016。城市供水系统的遥耦合:对北京进口供水的考察。国际水41(2): 251 - 270。http://dx.doi.org/10.1080/02508060.2015.1113485
del Río-Chanona, R. M.， J. grujiic，和H. Jeldtoft Jensen. 2017。全球贸易的世界投入与产出网络趋势。《公共科学图书馆•综合》12 (1): e0170817。http://dx.doi.org/10.1371/journal.pone.0170817
经济和社会事务部统计处。2010。国际商品贸易统计:概念和定义．联合国，纽约，美国纽约。
董斌，魏伟，马晓霞，李鹏。2018。论碳税与技术进步对中国的影响。应用经济学(4): 389 - 406。http://dx.doi.org/10.1080/00036846.2017.1316826
窦毅，R. Silva，杨h .和刘j . 2018。溢出效应抵消了亚马逊的保护努力。地理科学杂志28日(11):1715 - 1732。http://dx.doi.org/10.1007/s11442-018-1539-0
Eakin, H.， R. S. Defries, S. Kerr, E. F. Lambin, J. Liu, P. J. Marcotullio, P. Messerli, A. Reenberg, X. Rueda, S. R. Swaffield, B. Wicke, K. Zimmerer, S. R. Swaffield, B. Wicke，和K. Zimmerer. 2014。遥耦合对土地利用变化探索的意义。141 - 162页在Seto和Reenberg，编辑。重新思考城市时代的全球土地使用．麻省理工学院出版社，剑桥，马萨诸塞州，美国。http://dx.doi.org/10.7551/mitpress/9780262026901.003.0008
Fahrig l . 2003。生境破碎化对生物多样性的影响。生态学、进化与系统学年度评论34:487 - 515。http://dx.doi.org/10.1146/annurev.ecolsys.34.011802.132419
方斌，谭莹，李春春，曹赟，刘建军，史宏，周波，陈浩，胡铮。2016。遥耦合框架下的能源可持续性。能源106:253 - 259。http://dx.doi.org/10.1016/j.energy.2016.03.055
芬恩赛德，2001年。大豆种植对巴西的环境构成威胁。环境保护28(1):政府。http://dx.doi.org/10.1017/S0376892901000030
E. B. Fitzherbert, M. J. Struebig, A. Morel, F. Danielsen, C. A. Brühl, P. F. Donald和B. Phalan. 2008。油棕的扩张将如何影响生物多样性?生态学与进化趋势23日(10):538 - 545。http://dx.doi.org/10.1016/j.tree.2008.06.012
Flaskerud, g . 2003。巴西的大豆产量及其影响．北达科他州立大学推广服务中心，法戈，北达科他州，美国。
弗莱彻，R. J.， B. A.罗伯逊，J.埃文斯，P. J.多兰，J. R. R. Alavalapati, D. W. Schemske. 2011。生物燃料时代的生物多样性保护:风险与机遇。生态学与环境前沿“，9(3): 161 - 168。http://dx.doi.org/10.1890/090091
Foley, J. A, R. Defries, G. P. Asner, C. Barford, G. Bonan, S. R. Carpenter, F. S. Chapin, M. T. Coe, G. C. Daily, H. K. Gibbs, J. H. Helkowski, T. Holloway, E. A. Howard, C. J. Kucharik, C. Monfreda, J. A. Patz, I. C. Prentice, N. Ramankutty, P. K. Snyder, 2005。土地使用的全球后果。科学309(5734): 570 - 574。http://dx.doi.org/10.1126/science.1111772
联合国粮食及农业组织，2016。FAOSTAT数据库。粮农组织,罗马,意大利。(在线)网址:http://www.fao.org/faostat
福特,a . 2010。建模环境．第二版。美国华盛顿特区岛。
福丁,蔡明俊。，P. M. A. James, A. MacKenzie, S. J. Melles, and B. Rayfield. 2012. Spatial statistics, spatial regression, and graph theory in ecology.空间统计1:10 0 - 109。http://dx.doi.org/10.1016/j.spasta.2012.02.004
Fortunato, s . 2010。图中的社区检测。物理的报告486(3 - 5): 75 - 174。http://dx.doi.org/10.1016/j.physrep.2009.11.002
Fracasso, a . 2014。虚拟水交易的重力模型。生态经济学108:215 - 228。http://dx.doi.org/10.1016/j.ecolecon.2014.10.010
弗里斯，C.， J. Ø。尼尔森，I.奥特罗，H.哈伯尔，P.霍斯特特，J. Niewöhner。2016.从遥相关到遥耦合:盘点土地系统科学的一个新兴框架。土地利用科学杂志11(2): 131 - 153。http://dx.doi.org/10.1080/1747423X.2015.1096423
Gasparri, N. I.， T. Kuemmerle, P. Meyfroidt, Y. le Polain de Waroux和H. Kreft. 2015。南部非洲大豆生产前沿:保护挑战和南南远程联播的作用。保护信9(1): 21-31。http://dx.doi.org/10.1111/conl.12173
吉布斯，H. K, L.劳施，J.芒格，I.谢利，D.莫顿，P.努吉帕迪，B. Soares-Filho, P.巴雷托，L.米科尔，和N. F.沃克。2015。巴西的大豆禁令。科学347(6220): 3 - 5。http://dx.doi.org/10.1126/science.aaa0181
吉布森，L.， T. M. Lee, L. P. Koh, B. W. Brook, T. A. Gardner, J. Barlow, C. A. Peres, C. J. A. Bradshaw, W. F. lawrence, T. E. Lovejoy, n.s. Sodhi. 2011。原生林对于维持热带生物多样性是不可替代的。自然478(7369): 378 - 381。http://dx.doi.org/10.1038/nature10425
格文，M. E. J.纽曼，2002。社会和生物网络中的社区结构。美国国家科学院院刊99(12): 7821 - 7826。http://dx.doi.org/10.1073/pnas.122653799
冈萨雷斯,a . 2009。元群落:空间群落生态学。生命科学百科全书．美国新泽西州霍博肯John Wiley & Sons公司http://dx.doi.org/10.1002/9780470015902.a0021230
格蕾丝，2006。结构方程建模与自然系统．剑桥大学出版社，英国剑桥。http://dx.doi.org/10.1017/CBO9780511617799
J.格雷瑟，T. M.艾德，H. R.格劳和N.拉曼库蒂，2015。拉丁美洲的农田/牧场动态和森林砍伐的减缓。环境研究快报10(3): 034017。http://dx.doi.org/10.1088/1748-9326/10/3/034017
汉森，m.c.， P. V. Potapov, R. Moore, M. Hancher, S. A. Turubanova, A. Tyukavina, D. Thau, S. V. Stehman, S. J. Goetz, T. R. Loveland, A. Kommareddy, A. Egorov, L. Chini, c.o. Justice和J. R. G. Townshend. 2013。21世纪森林覆盖变化的高分辨率全球地图。科学342(6160): 850 - 853。http://dx.doi.org/10.1126/science.1244693
汉森，G. H. 2012。中等国家的崛起:全球贸易中的新兴经济体。经济展望杂志26(2): 41 - 64。http://dx.doi.org/10.1257/jep.26.2.41
HighQuest Partners和Soyatech。2011。全球油籽和粮食贸易是如何运作的。美国大豆出口委员会，美国密苏里州圣路易斯。
霍兰德，P. W.和S.莱茵哈特，1981。有向图的概率分布的指数族。美国统计协会杂志76(373): 33-50。http://dx.doi.org/10.1080/01621459.1981.10477598
胡丽娜，J.， C. Bocetti, H. Campa III, V. Hull, W. Yang和J. Liu. 2017。人类世迁徙物种研究的遥耦合框架。人类世的基本科学5。http://dx.doi.org/10.1525/elementa.184
dr . Hunter, M. S. Handcock, C. T. Butts, S. M. Goodreau, M. Morris. 2008。为网络拟合、模拟和诊断指数族模型的包。统计软件杂志24(3): 1至29。http://dx.doi.org/10.18637/jss.v024.i03
Iapadre, P. L.和L. Tajoli. 2014。新兴国家与贸易区域化。网络分析。政策建模学报36: S89-S110。http://dx.doi.org/10.1016/j.jpolmod.2013.10.010
国际货币基金组织，2011。改变全球贸易模式．国际货币基金组织，美国华盛顿特区。
Kastner, T.， A. Schaffartzik, N. Eisenmenger, K.-H。埃尔布，H.哈伯尔，F.克劳斯曼。2014。农地面积在国际贸易中的体现:不同途径的矛盾结果。生态经济学104:140 - 144。http://dx.doi.org/10.1016/j.ecolecon.2013.12.003
肯佩，D. J.克莱因伯格和A.库马尔。2002。时间网络的连通性和推理问题。计算机与系统科学学报64(4): 820 - 842。http://dx.doi.org/10.1006/jcss.2002.1829
克莱恩，R. B. 2011。结构方程建模原理与实践．吉尔福德，纽约，纽约，美国。
Krackhardt, d . 1994。非正式组织的理论维度图。计算组织理论89(112): 123 - 140。
M. J.， M. S. Johnson, G. L. Galford, E. G. Couto. 2014. Lathuillière。环境足迹显示了中国和欧洲对巴西马托格罗索州大豆生产的资源占用。环境研究快报9(7): 074001。http://dx.doi.org/10.1088/1748-9326/9/7/074001
李，J. Y.和m . p。关颖珊。2011。基于人类活动模式和时空社会网络的社会空间孤立可视化。社会经济学和地理学102(4): 468 - 485。http://dx.doi.org/10.1111/j.1467-9663.2010.00649.x
Lentz, H. H. K, A. Koher, P. Hövel, J. Gethmann, C. Sauter-Louis, T. Selhorst和F. J. Conraths. 2016。疾病通过动物运动传播:德国生猪贸易的静态和时间网络分析。《公共科学图书馆•综合》11 (5): e0155196。http://dx.doi.org/10.1371/journal.pone.0155196
Lenzen, M.， D. Moran, K. Kanemoto, B. Foran, L. Lobefaro和A. Geschke. 2012。国际贸易加剧了发展中国家生物多样性的威胁。自然486(7401): 109 - 112。http://dx.doi.org/10.1038/nature11145
李志，戴浩，孙磊，谢玉玉，刘振中，王培平，亚巴尔。2018。探讨区域不平衡碳税对CO的影响2辽宁省排放与产业竞争力的关系。能源政策113:9-19。http://dx.doi.org/10.1016/j.enpol.2017.10.048
刘,j . 2017。跨元耦合世界的集成。生态和社会22(4): 29。http://dx.doi.org/10.5751/ES-09830-220429
刘，J.， T. Hertel, E. Moran, A. Viña, S. Nichols. 2015a.人类与自然系统遥耦合的复杂动力学。美国国家科学基金会，亚历山大，弗吉尼亚州，美国。
刘，J, V. Hull, M. Batistella, R. DeFries, T. Dietz, F. Fu, T. W. Hertel, R. C. Izaurralde, E. F. Lambin, S. Li, L. A. Martinelli, W. J. McConnell, E. F. Moran, R. Naylor, Z.欧阳，K. R. Polenske, A. Reenberg, G. de Miranda Rocha, C. S. Simmons, P. H. Verburg, P. M. Vitousek, F. Zhang，和C. Zhu. 2013。在一个远程耦合的世界中构建可持续发展框架。生态和社会18(2): 26。http://dx.doi.org/10.5751/ES-05873-180226
刘俊，吴伟，罗俊，杨伟，刘伟，a . Vi ? a, C. Vogt，徐铮，杨宏，张俊，安澜，陈曦，李硕，欧阳铮，徐伟，张浩。2015b。多重遥耦及其复杂的相互关系。生态和社会20(3): 44。http://dx.doi.org/10.5751/ES-07868-200344
Liu, J, H. Mooney, V. Hull, S. J. Davis, J. Gaskell, T. Hertel, J. Lubchenco, K. C. Seto, P. Gleick, C. Kremen, S. Li. 2015c。全球可持续性系统集成。科学347(6225): 1258832。http://dx.doi.org/10.1126/science.1258832
刘建军，杨伟，李舒。2016。构建遥耦合人类世的生态系统服务。生态学与环境前沿“，14(1): 27-36。http://dx.doi.org/10.1002/16-0188.1
Lü， L.和T.周。2011。复杂网络中的链路预测:综述。《物理学A:统计力学及其应用》390(6): 1150 - 1170。http://dx.doi.org/10.1016/j.physa.2010.11.027
马塞多，M. N, R. S. DeFries, D. C. Morton, C. M. Stickler, G. L. Galford, Y. E. Shimabukuro. 2012。2000年代后期，亚马逊南部森林砍伐与大豆生产脱钩。美国国家科学院院刊109(4): 1341 - 1346。http://dx.doi.org/10.1073/pnas.1111374109
Mastrandrea, R.， T. Squartini, G. Fagiolo和D. Garlaschelli. 2014。重建世界贸易多元化:密集和广泛偏见的作用。物理评论E90(062804)。http://dx.doi.org/10.1103/PhysRevE.90.062804
mikusiesski, G.， M. Blicharska, H. Antonson, M. Henningsson, G. Göransson, P. Angelstam，和A. Seiler. 2013。综合生态、社会和文化维度，落实景观公约。景观研究38(3): 384 - 393。http://dx.doi.org/10.1080/01426397.2011.650629
Minor, E. S.和T. R. look bill. 2010。美国哺乳动物保护区连通性的多尺度网络分析。保护生物学24(6): 1549 - 1558。http://dx.doi.org/10.1111/j.1523-1739.2010.01558.x
Moran, D.和K. Kanemoto. 2017。从全球供应链中识别物种威胁热点。自然生态与进化收窄。http://dx.doi.org/10.1038/s41559-016-0023
莫里斯，M. S.汉考克，D. R.亨特，2008。指数族随机图模型的规范:术语和计算方面。统计软件杂志24(4): 1548 - 7660。http://dx.doi.org/10.18637/jss.v024.i04
Nepstad, c.m. Stickler和o.t. Almeida, 2006。亚马逊大豆和牛肉产业的全球化:保护的机会。保护生物学20(6): 1595 - 1603。http://dx.doi.org/10.1111/j.1523-1739.2006.00510.x
纽曼，2001。成长网络中的聚类和优先依附。物理评论E64(2): 4。http://dx.doi.org/10.1103/PhysRevE.64.025102
纽曼，m.e.j. 2003。混合网络模式。物理评论E67(2): 13。http://dx.doi.org/10.1103/PhysRevE.67.026126
纽曼，m.e.j 2004。检测网络中的社区结构。欧洲物理杂志B38(2): 321 - 330。http://dx.doi.org/10.1140/epjb/e2004-00124-y
Penuel, W. R.， M. Sun, K. A. Frank和H. A. Gallagher. 2012。利用社会网络分析研究学院互动如何增强教师从外部专业发展中学习。美国教育杂志119(1): 103 - 136。http://dx.doi.org/10.1086/667756
Possamai, J. P. A. Pescador, S. F. Mayerle和J. Neiva de Figueiredo. 2015。商品价格最优稳定作为一个多周期空间均衡问题:一个带有公共缓冲库存的超级网络方法。运输研究E部分:物流与运输评论77:289 - 310。http://dx.doi.org/10.1016/j.tre.2015.03.004
R核心团队，2017。R:用于统计计算的语言和环境．R统计计算基金会，维也纳，奥地利。
拉斯韦尔，K. J.和G. D.彼得森，2012。为流域治理连接社会网络与生态系统服务:社会生态网络视角强调了连接组织的关键作用。生态和社会17(2): 24。http://dx.doi.org/10.5751/ES-04810-170224
Reenberg, A.和n.a. Fenger. 2011。全球化土地利用转型:大豆加速。丹麦地理杂志111(1): 85 - 92。http://dx.doi.org/10.1080/00167223.2011.10669524
罗莎，i.m.d, C. Souza和R. M. Ewers. 2012。巴西亚马逊地区森林砍伐面积的变化。保护生物学26(5): 932 - 937。http://dx.doi.org/10.1111/j.1523-1739.2012.01901.x
罗伊，J. R.和G. J. D.休因斯，2009。具有内源性内部和外部网络流动的区域投入产出。C. Karlsson, A. E. Andersson, P. C. Cheshire和R. R. Stough的161-176页，编辑。区域经济发展新方向。施普林格，Dordrecht，荷兰。http://dx.doi.org/10.1007/978-3-642-01017-0_10
鲁德尔，T. K.， R.德弗里斯，G. P.艾斯纳和W. F.劳伦斯。2009。森林砍伐驱动因素的变化和保护的新机遇。保护生物学23(6): 1396 - 1405。http://dx.doi.org/10.1111/j.1523-1739.2009.01332.x
席勒，F. A. S. Penn和L. Basson. 2014。工业生态中的网络分析——《社会-物质网络分析》述评。清洁生产杂志76:1-11。http://dx.doi.org/10.1016/j.jclepro.2014.03.029
Schloerke, B.， J. Crowley, D. Cook, F. Briatte, M. Marbach, E. Thoen, A. Elberg, J. Larmarange. 2016。扩展到“ggplot2”。
海奎斯特，J. W.， E. L.约翰逊，K. A.尼古拉斯，2014。全球土地征用系统架构:应用网络科学工具识别关键漏洞。环境研究快报9(11): 114006。http://dx.doi.org/10.1088/1748-9326/9/11/114006
沈斌，张杰，李玉玉，郑强，李晓霞。2015。利用开放流量网络建立国际贸易模型:基于流量距离的分析。《公共科学图书馆•综合》10 (11): e0142936。http://dx.doi.org/10.1371/journal.pone.0142936
百叶窗，S. T.和R. Muneepeerakul. 2012。农业贸易网络与经济发展模式。《公共科学图书馆•综合》7 (7): e39756。http://dx.doi.org/10.1371/journal.pone.0039756
辛克莱，T. R.， H. Marrou, A. Soltani, V. Vadez和K. C. Chandolu. 2014。非洲大豆生产潜力。全球粮食安全3(1): 31-40。http://dx.doi.org/10.1016/j.gfs.2013.12.001
孙杰，穆尼，吴伟，唐浩，童玉玉，徐志忠，黄波，程莹，杨晓霞，魏德华，张峰，刘俊。2018。进口食品破坏国内环境:来自全球大豆贸易的证据。美国国家科学院院刊115(21): 5415 - 5419。http://dx.doi.org/10.1073/pnas.1718153115
孙建军，吴伟，唐宏，刘杰。2015。转基因食品扩张时代非转基因作物的时空格局。科学报告5:14180。http://dx.doi.org/10.1038/srep14180
Tamea, S. J. A. Carr, F. Laio和L. Ridolfi. 2014。虚拟水贸易的驱动因素。水资源研究50(1): 17-28。http://dx.doi.org/10.1002/2013WR014707
泰勒，P. D.， L. Fahrig, K. heein, G. Merriam, 1993。连通性是景观结构的重要组成部分。Oikos68(3): 571 - 573。http://dx.doi.org/10.2307/3544927
世界银行，2017。世界银行国家和贷款集团。世界银行，华盛顿特区，美国。(在线)网址:https://datahelpdesk.worldbank.org/knowledgebase/articles/906519-world-bank-country-and-lending-groups
托尼尼，F.和J.刘。2017。遥耦合工具箱:用于研究人类和自然系统遥耦合的空间显式工具。生态和社会22(4): 11。http://dx.doi.org/10.5751/ES-09696-220411
托雷斯，J.勃兰特，K.李尔和J.刘。2017。沙地的悲剧正在逼近。科学357 (6355): 970 - 971http://dx.doi.org/10.1126/science.aao0503
Tuninetti, M.， S. Tamea, F. Laio和L. Ridolfi. 2017。交易还是不交易:虚拟水网络中的链接预测。水资源研究进展110:528 - 537。http://dx.doi.org/10.1016/j.advwatres.2016.08.013
特纳，2005年。景观生态学:这门科学的现状如何?生态学、进化与系统学年度评论36(1): 319 - 344。http://dx.doi.org/10.1146/annurev.ecolsys.36.102003.152614
特纳，M. G.， R. V .奥尼尔，R. H.加德纳和B. T.米尔恩。1989。空间尺度变化对景观格局分析的影响。景观生态学3(3 - 4): 153 - 162。http://dx.doi.org/10.1007/BF00131534
Urban, D.和T. Keitt. 2001。景观连通性:图论视角。生态82(5): 1205 - 1218。http://dx.doi.org/10.1890/0012 - 9658 (2001) 082 (1205: LCAGTP) 2.0.CO; 2
Vittor, A. Y.， R. H. Gilman, J. Tielsch, G. Glass, T. Shields, W. Sánchez Lozano, V. Pinedo-Cancino，和J. A. Patz. 2006。森林砍伐对人类咬人率的影响按蚊darlingi这是秘鲁亚马逊地区恶性疟疾的主要媒介。美国热带医学与卫生杂志74(1): 3-11。http://dx.doi.org/10.4269/ajtmh.2006.74.3
沃瑟曼，S.和K.浮士德，1994。社会网络分析:方法与应用．剑桥大学出版社，剑桥，英国。http://dx.doi.org/10.1017/CBO9780511815478
韦翰,h . 2009。ggplot2:用于数据分析的优雅图形．施普林格，纽约，美国纽约。
韦恩斯。1989。生态学中的空间尺度。生态功能3(4): 385 - 397。http://dx.doi.org/10.2307/2389612
杨东，蔡俊杰，胡威，王昆，曾勇，刘俊。2016。全球繁荣与生态可持续性远程耦合的新道路。生态系统健康与可持续性2 (10): e01242。http://dx.doi.org/10.1002/ehs2.1242
朱浩，唐勇，彭超，于凯。2018。股票市场对排放许可价格的异质响应:来自分位数回归的证据。碳管理9(3): 277 - 289。http://dx.doi.org/10.1080/17583004.2018.1475802
朱,y。, X.-G。张,G.-Q。孙，唐，周，周。2014张。。社交网络中互惠链接的影响。《公共科学图书馆•综合》9 (7): e103007。http://dx.doi.org/10.1371/journal.pone.0103007
