中国大陆省会城市可持续发展目标11下的城市可持续性显著差异

《Ecological Indicators》:Significant disparities in urban sustainability among provincial capital cities in mainland China toward sustainable development goal 11

【字体: 大 中 小 】 时间:2026年06月25日 来源:Ecological Indicators 8.7

编辑推荐:

  基于统计资料以及经深度学习与空间分析模型处理的地球观测(EO)数据和地理空间数据,构建了一套新的评价指标体系,用于评估中国大陆31个省会城市面向城市可持续发展目标(SDG11)的城市可持续发展水平,并采用考虑指标间耦合效应的赋权模型。研究发现,不同经济区域和城

  
基于统计资料以及经深度学习与空间分析模型处理的地球观测(EO)数据和地理空间数据,构建了一套新的评价指标体系,用于评估中国大陆31个省会城市面向城市可持续发展目标(SDG11)的城市可持续发展水平,并采用考虑指标间耦合效应的赋权模型。研究发现,不同经济区域和城市类型之间的可持续发展指数(SDI)存在 peat="12"> <", 0.16"> <0.0001)。研究结果显示,不同经济区域和城市类型之间的可持续发展指数(SDI)存在显著差异。区域层面,东北地区(77.83)和东部地区(77.34)的平均SDI高于西部(76.07)和中部(73.14)地区。相比之下,城市类型间的差异更为显著,Ⅰ型和Ⅱ型大城市SDI最高(分别为84.60和82.15),其次为中等城市(80.56)、特大城市(76.00)和超大城市(72.43)。西部和中部地区以及超大城市、Ⅰ型大城市和特大城市内部均观察到明显的组内异质性,主要与经济发展不均衡和城市居住环境差异有关。为提升低值城市的可持续性并缩小与领先城市的差距,研究提出了具有针对性和可操作性的政策建议,以推动城市可持续性发展。这些结果为追踪SDG11进展提供了可靠方案,使决策者能够识别优先事项并为城市可持续发展制定针对性干预措施。
该研究发表于《Ecological Indicators》,旨在解决城市可持续性评估中存在的数据不足和评价方法不全面的问题。城市可持续性是推动多个可持续发展目标(SDGs)实现的核心基础,其进展评估能够为推进多项可持续发展目标提供重要参考。然而,现有研究普遍受限于指标数据可得性不足以及缺乏系统性的评价方法。尽管联合国提出的城市可持续发展目标(SDG11)为国家层面的城市可持续性评估提供了通用框架,但其实施受到数据可用性有限以及研究区域发展差异显著的制约。中国大陆省会城市在自然条件、经济发展水平和空间格局方面存在显著差异,为检验SDG11评价方案的普适性和可靠性提供了重要案例,但基于统一SDG11框架的跨区域评估仍然匮乏,制约了对SDG11进展差异的系统认知。

现有研究多基于区域统计数据和联合国指标专家组(IAEG-SDGs)制定的SDG11框架建立本地化指标体系。统计数据能够丰富本地化指标的数据来源并反映区域发展模式,但仅依赖统计数据面临统计定义和标准区域不一致的挑战。虽有研究通过增加代理指标或采用机器学习算法插补缺失值,但这些方法主要用于数据补全而非指标选择,未能充分考虑代理指标之间的冗余性和多重共线性,可能导致某些维度被过度表征。此外,严格遵循SDG11指标开展的城市可持续发展评估研究较少,原因在于数据收集劳动密集且成本高昂,许多国家和地区难以及时获取更新数据。

为应对数据不足,利用现有数据集特别是地球观测(EO)数据和地理空间数据成为重要途径。联合国统计司注意到这一问题,于2016年推动成立地理信息工作组。已有研究利用土地利用和人口数据监测目标 Pace="0">目标11.3.1(土地消费率与人口增长率之比),利用空间产品测量目标11.6.2(城市细颗粒物年平均水平)。但由于完全遵循特定指标仍有困难,原始指标常被EO或地理空间数据获取的替代指标所取代。例如,目标11.7.1(城市建成区中人均公共开放空间面积)中的开放公共空间定义被基于众源地球观测模型的城市绿地物理可达性所替代;目标11.5.2(灾害造成的直接经济损失与全球国内生产总值之比)在新冠疫情期间被评估为基于SDGSAT-1夜光数据的工业总产值损失占比。综合运用直接指标和基于EO-地理空间的本地化指标,为实现一致且可比的SDG11进展评估提供了有前景的路径。

SDG11涵盖社会发展与城市环境相关指标,各指标间存在复杂的相互依赖关系,并对区域城市可持续发展产生差异化影响。鉴于联合国所有SDGs同等重要的原则,等权重方法可能无法有效反映城市可持续性的实际进展。传统多准则决策技术如层次分析法(AHP)和熵值法虽被频繁应用,但往往忽视指标间的耦合效应。因此,亟需开发能够系统捕捉指标内部关联性的评价方法,以实现更客观可靠的SDG11成就评估。

针对上述背景,研究人员选取中国大陆31个省会城市作为研究区,构建了融合EO、地理空间和统计数据的SDG11对齐指标评价框架,采用对指标间相互依赖敏感的赋权方法计算各城市SDG11实施进展。该框架为优先发展不同发展阶段的城市提供了全面基础,有助于SDG11的广泛实施。

关键技术方法方面,样本队列为2020年(部分指标采用最近可得年份)中国大陆31个省会城市,按国家官方标准划分为东部地区、中部地区、西部地区和东北地区四大经济区域,以及超大城市、特大城市、Ⅰ型大城市、Ⅱ型大城市和中等城市五种城市类型。研究采用的技术方法主要包括:(1)基于DeepLabV3卷积神经网络(CNN)模型的高分辨率影像非正规聚居区提取,通过随机水平翻转、裁剪和缩放变换进行数据增强,以10折交叉验证评估模型Lt;br/>(2)基于网络爬虫获取的公交站点数据,采用ArcGIS缓冲区分析确定500米服务半径,结合WorldPop人口数据计算公共交通可达性比例;(3)基于中国年度土地覆盖数据集(CLCD)不透水层时间序列数据与WorldPop人口数据,计算2000-2020年城市土地消耗率与人口增长率之比(LPGB);(4)基于ChinaHighTEM日最高温度数据集,采用滑动三日窗口识别35°C及以上连续高温天气的城.Value="12">热wave影响区域,叠加WorldPop数据计算受影响人口比例;(5)直接提取中国科学院地球大数据科学工程中心的城市尺度灾害损失与经济统计数据;(6)采用卫星反演PM2.5网格数据,以WHO过渡期目标25 μg/m3为阈值识别空气污染区域;(7)基于UGS-1 m数据集(深度学习框架和对抗训练策略构建),采用300米缓冲区分析城市绿地(UGS)便捷可达性;(8)基于大语言模型Gemini-1.5 Flash处理的司法文本犯罪记录,通过百度地图API进行地理编码,计算每万人犯罪率;(9)采用基于敏感性分析的扩展傅里叶幅度敏感性检验(EFAST)权重模型,通过方差分析评估单个指标及其与其他指标的交互作用对模型输出的归因,计算总敏感性指数(TSI)确定指标权重,最终计算可持续发展指数(SDI)。

研究结果部分,非正规聚居区提取性能显示,DeepLabV3模型在10折交叉验证中平均总体精度达92.21%,平均交并比(IoU)为80.30%,能够有效区分非正规聚居区与周边建筑类型及用地类型。EFAST赋权模型性能表明,相较于熵值法,EFAST提供了更为适度的赋权方案,各指标权重介于0.04至0.18之间,更符合联合国推荐的等权重舆12">方案,同时保留了指标重要性的相对差异,且纳入了指标间的耦合效应。

SDG11指标模式分析显示,中部地区多数城市在SDG11.1.1(适当住房获取)和SDG11.2.1(公共交通可达性 Slack"> Slack 12"> SDG11.3.1(城市土地-人口增长平衡)方面表现较好,但仅半数城市SDG11.3.1达标;SDG11.5.1(灾害影响减弱)变异最大,三分之二城市热wave影响全部人口;所有中部城市SDG11.6.1(城市废物管理)表现一致较高,但SDG11.6.2(城市空气质量)全部表现不佳。东部地区40%城市SDG11.1.1低于平均水平;除石家庄外多数城市居民公共交通便捷可达;SDG11.3.1、SDG11.5.2和SDG11.6.1均高于平均值;超过三分之二城市遭受严重热wave影响;70%城市空气质量较差(福州、广州、海口等沿海城市除外);半数城市公共开放空间可达性降低;40%城市城市安全(SDG11.7.2)需加强,杭州尤为突出。

东北地区城市各指标表现较为均衡,但所有城市公共交通可达性接近或低于全国平均;三分之二城市SDG11.5.2得分较低;空气质量表现最差。西部地区几乎所有指标均呈现显著的城市间差异:贵阳和南宁非正规聚居区比例远高于其他城市;重庆公共交通可达性较低且为西部唯一SDG11.3.1低值城市;约四分之三城市热wave影响较轻;83%城市灾害经济韧性较强;约四分之一城市废物处理能力待加强;近三分之二城市空气质量不佳;除兰州和拉萨外多数城市公共开放空间可达性达标;半数城市城市安全低于全国平均。

按城市类型分析,超大城市在减少非正规聚居区人口比例(SDG11.1.1)方面总体优于其他地区;约62%城市公共交通便捷可达性高于平均值0.73,但石家庄和重庆为表现最差城市;11个城市中SDG11.3.1优于平均水平;仅少数城市在热wave减弱或空气质量改善方面表现良好;10个城市对灾害经济损失具有韧性;重庆为唯一需改进废物管理城市;62%城市城市绿地可达性高于平均;超过半数城市城市安全得分较低。特大城市SDG11.1.1表现不及超大城市;约64%城市公共交通可达性优于平均;整体SDG11.3.1低于超大城市;6个城市热wave减缓接近最优;超过72%城市SDG11.5.2表现良好;所有城市废物处理率达100%;仅4个城市空气质量超过平均值,但占全部31个城市中超过阈值城市的57%;55%城市公共开放空间可达性超过平均;超过半数城市城市安全低于平均。Ⅱ型大城市各指标城市间失衡显著:仅海口SDG11.1.1表现较弱;西宁和海口公共交通可达性高于银川;三个城市SDG11.3.1均高于平均;仅西宁达到最优热wave减缓水平;所有城市SDG11.5.2和SDG11.6.1表现良好;67%城市空气质量受限;所有城市公共开放空间可达性接近或超过平均;西宁城市犯罪率得分较低。中等城市仅拉萨一城,除SDG11.1.1和SDG11.7.1外,7项指标优于平均值,其中SDG11.5.1和SDG11.6.2得分最高,但公共开放空间可达性为31个城市中最低。

城市可持续发展差异分析显示,31个城市中18个SDI高于总平均76.08,乌鲁木齐(92.80)、西宁(86.25)、银川(84.44)、济南(84.36)和沈阳(83.70)领先;石家庄(71.24)、南宁(69.18)、郑州(67.73)、合肥(61.03)和重庆(33.96)低于平均,重庆为最低值,约为乌鲁木齐的36%。区域层面,东北(77.83)>东部(77.34)>西部(76.07)>中部(73.14)。西部和中部标准差分别为14.62和7.67,组内差异显著。城市类型层面,Ⅰ型大城市(84.60)>Ⅱ型大城市(82.15)>中等城市(80.56)>特大城市(76.00)>超大城市(72.43),超大城市和特大城市低于全国平均。超大城市、Ⅰ型大城市和特大城市标准差分别为12.22、7.45和6.87,组内发展不平衡显著。

讨论部分,多源数据评估框架优势方面,研究通过融合EO数据、多源地理空间数据和统计数据,提升了空间一致性和细节程度,实现了城市层面的可比评估。EO和地理空间数据能够提供一致稳定的信息,部分减少统计记录偏差并补充统计指标不足之处。例如,官方公共交通统计缺乏空间信息,而基于高德数据的公交站点空间分析能够准确识别便捷公共交通覆盖人口;基于深度学习模型的高分辨率影像非正规聚居区识别结合WorldPop人口数据,为SDG11.1.1评估提供了更可靠基础。但统计数据仍能提供比EO和地理空间数据更丰富的SDG11指标全数信息,有必要结合两类数据源以提升评估准确性。

经济区域和类型分层视角下的城市可持续性挑战方面,各区域公共交通可达性不足受多因素驱动:重庆和贵阳的山地地形制约交通发展,郑州、石家庄和哈尔滨的建设初期未充分考虑未来需求。热wave最严重地区集中于中部、东部及部分西部内陆城市,主要归因于亚热带季风气候区的地理位置。多数城市空气质量不佳,仅高海拔西部城市和东部沿海城市例外,表明海拔和沿海气候条件可能缓解空气污染。公共开放空间可达性较低主要见于半干旱和半湿润地区城市,降水不足制约绿地维护。除东北外,约半数以上其他城市城市安全低于全国平均,高人口密度和居民与流动人口复杂混合加剧社会互动和治理复杂性。

城市可持续性异质性分析显示,东北地区平均SDI最高且城市间发展较为均衡;东部地区略低但组内差异相对平衡, attributed to强劲的经济发展基础、完善的交通网络和紧密的区域协调机制;西部地区平均SDI排名第三但组内差异最显著,广泛分布的城市经济发展和区域协作相对滞后;中部地区平均SDI最低。城市类型间组内差异更为显著,超大城市平均SDI最低且变异最大,主要由于城市规模相关的人类活动强度和建筑密度增加人为热释放、降低城市空气动力学效率;Ⅰ型大城市SDI排名第一但组内差异明显;特大城市整体SDI第二低但组内发展相对均衡。这些差异主要归因于各规模组内城市的广泛地理分布带来的社会经济发展和气候条件差异。

未来发展启示方面,研究提出了针对性政策建议:国家层面需控制工业气体排放、促进防风固沙造林以改善空气质量;中部和东部城市应扩展城市绿地以减缓热wave效应;西部城市需通过加强区域合作促进均衡经济发展。超大城市应增强城市绿化和水体建设,升级建筑表面为高反照率材料;特大城市应增加基础设施投资并适当管理人口增长;Ⅰ型和Ⅱ型大城市及中等城市需通过发展公园、绿色走廊和社区花园增强公共绿地可达性。

研究结论部分,研究人员基于统计数据以及经深度学习和空间分析模型处理的EO、地理空间数据,评估了中国大陆31个省会城市的城市可持续发展进展。提出的评价框架考虑了指标间的耦合效应,实现了跨区域和城市规模的可比结果。评估表明,空气质量改善仍是全国所有城市面临的关切。区域层面,东北地区城市SDI最高,可通过改善城市交通可达性进一步提升;东部?12">东部地区应通过优化城市公共空间和改善建筑材料来减缓城市热wave风险;西部城市因显著差异并存,建议基于紧密的区域合作实现更均衡的经济发展;中部地区SDI最低,应注重扩展城市绿地以满足密集人口需求。城市类型层面,SDI最低的超大城市应改善城市安全治理并实施基于自然的解决方案以减缓热wave;SDI较低的特大城市应同时控制人口增长和改善非正规聚居区居住环境;大中小城市应制定本地化策略以增强城市绿地可达性,通过改善空气质量和减少城市热wave提升城市居住条件。

研究存在两项主要局限:一是EO和地理空间数据虽能为部分SDG11指标提供一致及时信息,但尚不能完全覆盖SDG11目标,与统计数据结合可能降低城市间的可比性和可解释性;二是简化的空间指标可能存在偏差,如公共交通和城市绿地可达性可能无法完全捕捉城市公共服务的覆盖情况,绿地可达性仅代表城市公共开放空间的一部分,基于地理空间数据的公共交通可达性反映空间服务覆盖而非服务强度,可能与实际条件存在偏差。总体而言,该研究为评估城市可持续发展提供了参考框架,为未来城市可持续性和SDG11政策制定提供了见解。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号