从全球地理空间数据集计算指标，用于基准比较和跟踪城市环境变化

技术说明 从全球地理空间数据集中计算指标以进行基准比较和跟踪城市环境变化 EricMackres,SaifShabou,andTheodoreWong CONTENTS 摘要.......................... .............................. .............................. .............................. .............................. .............................. .............................. .............................. .............................. .............................. .............................. .............................. .............................. .............................. .............................. .技.术..说.明..文.档..记.录..了.出..版.物..、.交..互.应..用.或..工.. .............................. .............................. .............................. .建.议..引.用..：..麦..克.雷..斯.，..E..，..S..沙..布.欧..，.和..T. ..旺2.0.2.3..“.从..全.球..地.理..空.间..数.据..集.计..算.指..标.. .具.背..后.的..研.究..或.分..析.方..法.。............. 用..于..基.准..比.较..和.跟..踪.城..市.环..境.变..化...”.技.术..笔.. 记....华.盛..顿.特..区.：..世.界..资.源..研..究.所...可..在.线..访.. 问..：..do.i..o.rg./.10...4.68.3.0./w.r.it.n..2.2..0.0.1.23....... .............................. .............................. .............................. 摘要 全球来源于遥感、城市传感器、众包或调查的数据集可以为当前城市状态、城市的变化以及改善都市环境的机会提供宝贵见解。本技术笔记讨论了如何将这些数据与本地意义的管辖边界相结合，以计算多个主题（包括但不限于城市便利设施的获取、空气质量、生物多样性、洪水、气候变化缓解、热能和土地保护与恢复）相关的指标，这些指标对于都市决策者、研究者和其他利益相关者尤为关键。这些指标是在与两个全球可持续城市发展倡议（Cities4Forests和UrbanShift）的项目人员和利益相关者进行咨询后确定和优先级排序的。此外，也为这些倡议感兴趣的城市生成了指标计算结果。这些指标有助于帮助都市政策制定者和民间社会评估城市内的差异；与其他城市进行比较；并根据国家或全球基准（如可持续发展目标）或自定义指标衡量自身表现。通过应用地理空间分析和区段统计方法到现有的出版地理空间数据集以及相关行政、统计或物理城市边界，可以为任何城市或都市区域计算可比指标。此方法论适用于地球上任何感兴趣的区域。大多数指标基于开源数据，这增加了重复、复制和扩展分析的可行性，成本较低。尽管此方法的可转移性和可比较性是其显著优势，但本笔记也探讨了该方法在决策方面的局限性。 .............................. .............................. .............................. .............................. .............................. .............................. ....... 技术说明|版本1.0|2023年3月|1 INTRODUCTION 源自遥感、城市传感器、众包或调查等来源的全球数据集能够为当前城市状态、城市的变化、城市之间及城市内部不同社区的状态，以及改善城市环境的机会提供有价值的洞察。然而，这些数据往往难以获取或对城市决策者和利益相关者不直接相关（Prakash等，2020；Helmrich等，2021）。将这些数据处理成提供特定主题的地方性指标，以满足本地利益相关者的需求，是一个必要的步骤，但通常被忽视，这有助于满足对本地相关见解和响应式决策的需求（Prakash等，2020；Wellmann等，2020）。此外，这些指标还能帮助城市政策制定者和公民社会评估城市内的差异；与其他城市进行比较；并衡量自己与国家或全球基准（如可持续发展目标（SDGs）或其他自定义指标）之间的差距（Kuffer等，2018；Avtar等，2019；Kavvada等，2020；Wang等，2020；Giuliani等，2021；Song和Wu，2021）。 过去的几年见证了遥感、众包数据、云计算和机器学习等技术的革命性发展——这些技术迅速产生了有关地球及其城市的新洞察（Fritzetal.2019;Kav-vadaetal.2020;NiuandSilva2020;Salcedo-Sanzetal.2020;Ludwigetal.2021）。这是第一次，研究人员和公民科学家能够获取全球标准化、开源、持续更新的数据集和方法，以帮助解答关于我们生活以及当前和未来活动对我们的影响的重要问题，从街区尺度到大陆尺度。这也意味着一些之前未被收集或通过地方方法公开的信息可以通过替代手段生成，这些方法通常成本更低且易于在大面积区域实施（例如，基于遥感的树木覆盖映射）。此外，利用开源数据增加了重复、复制和扩展额外城市或时间范围分析的可能性，且成本较低，对于数据稀缺地区或本地数据有限的主题特别有帮助。 在本文件描述的方法中，用于衡量这些指标的数据几乎全部来自全球公开数据集。然而，可以通过纳入等效的地方性数据集来对这些方法进行定制。具体来说，这些包括可再生能源领域（FLD）、气候变化减缓（GHG） 、热能（HEA）和土地保护与恢复（LND）。所用数据集主要来源于全球、开放源代码的资源。 指标计算用于评估每个城市在已识别主题下的基线和变化趋势，提供信息以区分城市内部及之间的模式，并帮助识别问题并定义解决方案（例如，优先考虑树木覆盖率有限的社区进行植树活动）。这些方法是开源的，因此其他研究者也可以使用这些方法和脚本处理数据并在其他城市或使用不同输入数据时进行计算。结果将被传播给由WRI罗斯可持续城市中心支持的本地和国家政府以及民间社会利益相关者。 到目前为止，利用这一框架开发的指标与WRIRoss中心合作的两个城市群体感兴趣的议题相吻合。本技术说明中描述的指标方法的两个直接试点应用适用于参与Cities4Forests和Urban-Shift计划的城市。 ▪ Cities4Forests1支持城市决策者在超过80个城市中做出承诺并采取行动，以保护和扩大城市内外的树木覆盖面积。城市树木指标可由市政政府的林业或其他专注于树木的工作人员用于指导与森林及自然资源管理相关的政策和项目。 ▪ UrbanShift2支持全球四大洲23个城市的地方决策者采纳综合性的城市发展策略，塑造既有利于人类又有利于地球的零碳、气候适应型社区。该倡议关注生物多样性、气候变化及土地退化等问题，并已建立相应指标 。我们预计城市规划及相关专注于可持续城市投资的市政政府工作人员将利用这些指标来指导政策制定、项目实施和计划规划，特别是在UrbanShift城市中。 为了帮助理解城市发展中以及可持续性的情况，并识别现有和潜在的挑战，本文提出了一种一致、可复制的方法来计算七个关键主题的指标：接入城市服务与便利设施（ACC）、空气质量（AQ）、生物多样性（BIO）、洪水等 。 这些倡议组织召集的城市群体优先考虑的主题和计算的指标是在与他们的员工和利益相关者协商的基础上开发的。一个涉及直接参与员工会议和调查的迭代过程被采用。 2022年，通过Cities4Forests账户管理人员和UrbanShift地区协调员等城市利益相关者提供的主要信息，识别了最重要的和相关主题、定义了指标，并组织了这些城市的计算展示。这些城市的指标计算和可视化结果将通过在线仪表板公开发布。 我们预计，这些指标以及使用类似框架计算的其他类似指标，对于许多其他城市群体和城市主题而言都将具有 相关性。许多指标也与全球目标相吻合，例如可持续发 一般方法 为了计算指标，我们采用了一种一致应用于所有指标的通用数据管理流程。此外，我们还使用特定的数据处理方法来针对各个指标的相关数据。所有指标都分配了简短名称标识，并按照主题组织，如图1所示。接下来各部分以主题组织和命名的方式详细描述了以下七个主题下计算指标的定义和方法学。 展目标（SDGs）中的城市目标（SDG11）（联合国， 未定）。我们预见，在其他地理区域和时间范围内，以 获得城市服务和便利设施(ACC) ▪ ▪ ▪空气质量(AQ) 及对现有和新主题使用新数据源时，将有额外的应用场景。此外，我们还预期随着涵盖更多年份的新数据的可用性增加，对当前城市群体的指标计算方法进行更新。 一些城市可能拥有更多针对我们指标主题的细致且相关的数据。然而，即使是这些城市，也能从全球标准化、跨城市以及随时间推移的标准化测量中获益；提供增强的时间分辨率，并在全球范围内获取数据。此外，这些指标还能提供筛选和优先级设定工具。全球数据很少，如果存在的话，对于监测本地动态而言比不上本地数据有用，但这样的数据集可以帮助用户理解所面临的主要挑战，并开启关于解决这些问题的对话。即使全球数据集的较低本地准确性阻碍了其在本地的应用，它们也能促进识别本地关切的对话，然后寻找更合适的数据。 生物多样性(BIO)洪水(FLD) 缓解气候变化(GHG) ▪土地保护和恢复(LND)热(HEA) 这些主题和指标并非旨在详尽无遗；相反，它们是根据最初开发时特定倡议的需求进行定制的。我们预期会添加更多基于这些主题的额外指标，并可能根据城市或其他利益相关方认定的重要因素新增更多主题。所有指标都受到其方法所固有的限制和不确定性的影响，这一信息在每个指标部分中都有具体描述，在“通用限制”部分则有总体概述。 在各种城乡议题的其他项目中，已发展出利用源自全球地理空间数据集的区段统计指标（Bocher等，2018年；Jing等，2019年；Cochran等，2020年；Kuffer等，2020年；Sathyakumar等，2020年；Boeing等，2022年；Nicoletti等，2022年）。然而，本文献首次介绍了世界资源研究所 （WRI）开发的一种方法，该方法包含了多种城市主题，并专注于特定城市群体的需求以及他们关于城市变化、机遇和风险的问题。 常规数据管理工作流 ▪ 我们的通用数据工作流程包含三个步骤，用于处理、标准化、计算和保存数据，如图2所示。 步骤1：定义边界。鉴于我们的指标由区域统计数据构成，这些数据是对矢量（或多边形）边界内的栅格（或网格）数据的统计描述性总结，我们首先需要定义区域。我们根据本地相关的行政边界来定义区域。对于每个城市 ，我们为两个行政级别定义边界：主要兴趣区域（通常是一个市或大都市区）和多个子区域（通常是在一个市内或大都市区内多个区/区县）。前者代表将后者多个地理的聚合为单个多边形。这些边界来源可能是从地方政府收到的多边形文件或地图，或者来自国家统计局的数据。如果无法轻