空间信息助力城市可持续发展目标

　　在高分辨率遥感影像提取基础上，实验室结合Worldpop人口统计数据（最新人口数据截至2020年）、经济★★★◆、政策等空间信息，进一步深入分析了非正规居住区的地理特征与人口特征，揭示了非正规居住区的动态演变趋势和空间分布规律◆◆★★■。如图2（b）所示，2013年城市非正规居住区中男性比例（52■★★.13%）高于女性（47.87%）◆◆■，2020年这一比例变化不大。同时，人口年龄结构显示年轻群体（20～39岁）占比逐年减少★★■，而中老年群体占比有所增加，见图2（c）。此外，实验室收集了大量关于位置■★◆、政策、人口、城市化与经济等影响因素的数据，利用Spearman相关性分析评估了这些因素对非正规居住区改造的影响，得出以下结论★◆■■。

　　本文刊登于IEEE Spectrum中文版《科技纵览》2025年1月刊★■◆■★◆。返回搜狐，查看更多

　　实验室依托空间信息（高分辨率遥感影像★■■◆、人口★■■、经济、AOI等地理空间社会感知数据）◆★★★◆，结合深度学习方法，有效解决了非正规居住区空间分布精确提取技术难题★★◆◆★◆，推动了遥感技术在城市SDG 11.1中的应用。研究结果不仅为非正规居住区改造和城市规划提供了科学数据支撑，还揭示了改造过程中的驱动机制◆■■◆◆■，强调了政策与技术协同的重要性。未来★■◆◆★★，随着空间信息的丰富与人工智能方法的进步，基于空间信息和人工智能方法的自动化非正规居住区监测将在推动全球可持续城市发展中发挥更加重要的作用。

　　着全球城市化进程的加速★★■，城市正面临人口快速增长、资源短缺◆■◆、基础设施分布不均与环境退化等一系列复杂挑战。实现城市可持续发展目标11（SDG 11）——建设包容、安全、有韧性和可持续的城市社区——迫切需要精准、全面的空间信息支持。空间信息，包括空天遥感、社会感知等，能够提供大范围、精细化的城市动态监测与时空分析★■★■，已成为支撑城市可持续发展的重要手段。空间信息的深度应用，能够有效推动城市精细化管理◆■★★■，助力全球城市实现可持续发展目标，迈向更加包容■★◆★◆、韧性和可持续的未来。

　　实验室依托空间信息（高分辨率遥感影像◆■■、人口★■◆、经济、AOI等地理空间社会感知数据），结合深度学习方法，实现了城市开放空间的精准提取★★★◆，为SDG 11★★.7的监测与落实提供了科学支撑◆◆★■◆。项目组不仅通过研究成果揭示了城市开放空间地理分布方面的空间不平等性，还提出了优化城市开放空间资源配置的政策建议，以提升城市居民对城市开放空间的可达性与公平性。

　　全球人口已于2022年达到80亿，其中超过一半生活在城市，预计到2050年，城市人口占比将达到70%。城市已成为全球经济活动的中心，推动着技术进步、社会变革与经济增长。然而★★◆★■，伴随城市化进程的加速■◆★◆■，城市也面临着环境污染■★★◆、能源消耗◆◆、社会不平等■◆■◆◆★、基础设施短缺以及生态系统退化等严峻挑战，它们威胁着城市可持续发展的实现。中国是世界上最大的发展中国家，也是全球城市化最剧烈的国家之一。城市化是人口与经济活动从农村向城市集聚的过程◆■■★，在中国这样的大型发展中国家和新兴经济体中表现得尤为显著。2013年，中国国务院印发《全国资源型城市可持续发展规划（2013—2020年）》★■■◆◆。2023年，交通运输部、国家发展和改革委员会等国家部委也发布了关于推进城市公共交通健康可持续发展的若干意见■★。2022年10月31日，中国国家主席习在2022年世界城市日全球主场活动暨第二届城市可持续发展全球大会上指出◆■■，希望各国城市积极参与全球发展倡议，加快落实联合国2030年可持续发展议程和《新城市议程》，助力经济有效复苏，改善生态环境质量，提升城市治理效能，共同推动全球可持续发展。

　　可持续发展的历程如图1（a）所示★■◆，城市可持续发展的概念起源于20世纪60年代的环境保护运动。当时，自然资源短缺、环境污染和人口增长引发了全球关注。1972年，《增长的极限》报告首次探讨了人类经济增长与地球资源有限性之间的矛盾，并强调环境■★、资源和经济相互依存的关系。同年★★■，联合国在■◆■◆“斯德哥尔摩会议■◆”上确立了全球环境治理的框架◆■★，这标志着可持续发展探索的开始★■◆■■★。1980年，《世界自然保护战略》首次提出可持续发展的概念，将环境保护与经济发展联系起来◆■。1987年★■★◆■，《我们共同的未来》报告明确了可持续发展的定义◆★★■★■，即“在不损害后代满足其需求能力的情况下，满足当代人的需求★★■■◆★”★◆★◆，并奠定了需求和限制的核心原则■★■★■◆。1992年，里约热内卢“地球问题首脑会议”通过了《21世纪议程》和《里约宣言》■★★◆■，进一步明确了环境保护与社会经济发展目标的统一性。此后，联合国陆续提出千年发展目标（MDGs）和可持续发展目标（SDGs），形成了全球范围内推动减贫、应对气候变化和促进可持续经济发展的重要框架。2015年★★★■，联合国通过《2030年可持续发展议程》，详细制定了17个可持续发展目标，并提出了超过230项指标以监测和评估进展。《2024年可持续发展目标报告》中指出，当前只有不到1/5的可持续发展目标有望在2030年实现★■，其中便包含城市SDG 11的多项指标。

　　实验室依托空间信息（高分辨率遥感影像■★◆◆★、人口、经济、AOI等地理空间社会感知数据），结合深度学习方法■★◆■■，提出了一套面向SDG 11.7的城市开放空间信息提取与评估框架。实验室以全球169个大型城市为研究对象（包括中国37个大型城市），利用高分辨率遥感影像（分辨率为1.19米）★◆◆★◆■、OpenStreetMap（OSM）数据以及百度地图AOI矢量面数据等（总数据量超过8.5TB）◆■★◆，提出了轻量级样本标注策略，构建了1620个语义分割样本和67201个像素级验证样本，设计了基于Transformer的语义分割网络，实现了大尺度◆■◆■★◆、高精度的城市开放空间的信息提取★◆◆◆■。结合人工制定的后处理规则■■★◆■★，城市开放空间制图的总体准确率为79■■◆◆★.13 %，Kappa系数为73★◆.47%，部分中国城市开放空间制图结果如图3所示。如表1所示■■，在中国37个大型城市中，城市开放空间占比存在显著差异★★■。例如，乌鲁木齐的交通场地开放空间占比最高（18★◆■◆■■.73%），而重庆的交通场地开放空间占比最低（6.02%）■★◆■◆■。不同城市的各类开放空间在空间分布上也不均衡，突出了优化城市开放空间规划的必要性◆◆■★★◆。

　　随着城市空间信息的不断丰富与智能分析能力的不断提升，空间信息技术将持续助力全球可持续发展目标的实现。实验室未来将进一步在空间信息助力城市可持续发展领域进行探索★■★■◆，从多源卫星遥感数据处理与信息融合到泛在社会感知数据融合等，并设计更加强大的人工智能与大模型，以提升复杂城市环境下城市可持续发展关键指标的信息提取精准度与效率，最终实现全球尺度、长时序的城市可持续发展目标中各项指标的精准信息提取，推动多主题、多模态空间信息在全球城市可持续发展中的深度应用★◆★◆◆■。

　　城市开放空间是指用于公共活动或其他城市功能的户外区域，包括公园绿地、广场、道路★★、室外体育场和水体等。开放空间不仅提供了公共服务与社会效益◆◆，也直接关系到城市居民的生活质量和社会公平性■★◆。联合国SDG 11.7提出■★■◆，到2030年向所有人，特别是妇女、儿童、老年人和残障人群■◆◆■★★，普遍提供安全★■、包容■★★■、无障碍和绿色的公共空间◆■■◆◆★。然而，国家及全球尺度的城市开放空间的精准提取和人均可获取开放空间的量化评估面临诸多挑战■★，特别是类别相似度高、尺度变化大、环境复杂等问题，使得传统制图方法难以满足高精度城市开放空间信息提取的需求。

　　（3）人口因素：户籍人口数量与家庭数量对非正规居住区改造具有强统计相关性；