中國科學院：2022地球大數據支撐可持續發展目標報告（135頁）.pdf

《中國科學院：2022地球大數據支撐可持續發展目標報告（135頁）.pdf》由會員分享，可在線閱讀，更多相關《中國科學院：2022地球大數據支撐可持續發展目標報告（135頁）.pdf（135頁珍藏版）》請在三個皮匠報告上搜索。

1、目錄前言執行摘要緒論SDG 2 零饑餓15 提高農業生產力全球高分辨率復種格局與潛力評估 15東北黑土鹽堿區鹽堿地變化與驅動因素 1819 可持續糧食生產全球變化下中國農田土壤碳匯潛力評估 19中國種植業碳排放時空變化 20SDG 6 清潔飲水和衛生設施27 改善水環境中國各省地下水水質變化評估 2728 提高用水效率中國三大糧食作物水分利用效率變化評估 2820102020 年中國用水緊張程度變化及驅動分析 3031 水資源綜合管理中國省級水資源綜合管理數據支撐能力評估 3132 水生態系統變化中國各省地表水-地下水水量變化評估 3234 綜合評估20152020 年中國 SDG 6 進展綜

2、合評估 34SDG 7 經濟適用的清潔能源41 電力獲取全球建筑通電狀況 4144 可再生能源中國可再生能源電力 44中國光伏電站建設 4547 國際能源合作中國能源國際合作項目 47中國太陽能利用國際培訓 49SDG 11 可持續城市和社區57 城鎮化進程監測與評估20002020 年全球城市土地利用效率綜合評估 5758 世界遺產保護世界遺產地土地覆蓋變化監測與遺產保護評估 5859 城市災害與應對20002021 年全球極端天氣氣候事件評估 5920102021 年中國地市級自然災害 SDG 11.5指標監測 6061 城市綠色空間全球大城市綠度變化與受益人口 6164 社區尺度 SDG

3、 11 指標綜合監測中國主要城市的社區可持續發展指標精細化監測 6404050710362252SDG 13 氣候行動73 災害監測與減災行動中國澇漬害時空分布及其對農作物的影響 73全球熱浪變化及其影響分析 74氣候行動目標下中國防災減災政策計量評價 7576 氣候變化長期預警全球增暖下的海洋物理環境變化 7678 全球陸/洋碳匯估算近 30 年來全球大洋碳收支變化趨勢 7820002020 年全球陸地凈生態系統生產力時空變化分析 7982 氣候變化教育中國氣候變化教育傳播現狀調查 82SDG 14 水下生物89 減少海洋污染中國近海營養鹽變化與趨勢分析 89中國近海綠潮生物量高精度遙感監測

4、 9092 保護海洋生態系統中國濱海灘涂的高精度動態監測 92中國近海濕地的臺風防護減災生態功能價值評估 93中國-東盟海域珊瑚礁白化熱環境監測與預警 9495 保護沿海區域中國退圍還海和退圍還濕動態監測 95SDG 15 陸地生物103 防治荒漠化與土地退化全球沙丘（地）動態監測 103中國荒漠化治理碳匯效應 105東北黑土退化現狀與風險評估 106地球大數據支持“非洲綠色長城”建設 107108 保護山區生態系統中國山地生物多樣性保護狀況評估 108109 外來入侵物種防控管理外來入侵物種風險評估與防控管理 109SDG 多指標交叉與綜合117 SDG 多指標交叉中國 SDG 多指標間協同

5、與權衡關系分析 117119 SDGs 綜合評估中國典型區域 SDGs 綜合評估 119總結與展望數據源縮略詞主要參考文獻報告編寫組12211212412712913268849804地球大數據支撐可持續發展目標報告（2022）前言2030 年可持續發展議程從經濟、社會和環境三個維度描繪了全球可持續發展的宏偉藍圖。但數據缺失、發展不均衡、目標間相互制約等問題也對可持續發展目標（Sustainable Development Goals,SDGs）落實提出重大挑戰。同時，氣候變化影響加劇，新冠肺炎疫情延宕反復，地區緊張局勢加劇，大幅增加了議程實施和實現的難度。2021 年，習近平主席在第 76

6、屆聯合國大會上提出全球發展倡議，以加快落實 2030 年可持續發展議程，推動實現更加強勁、綠色、健康的發展。聯合國2021 年可持續發展目標報告明確指出，數據是重建和加快 SDGs 實現的資源，獲取和掌握及時和高質量的數據比以往任何時候都更加重要。為此，聯合國秘書長提出了數據戰略，推動獲得更為相關、更好分類和更加及時的數據，以跟蹤、預測和加速落實可持續發展目標進展，使我們能夠將數據和信息轉化為洞察力，轉變和優化發展決策過程。隨著全球范圍內數字化進程加快，數據的國際可比性和可用性有所改善，但可持續發展目標數據的地理覆蓋面與及時性在各個領域仍然存在差距，亟需創新方法來填補這些空白。集地球科學、信息

7、科學和空間科技等交叉融合的地球大數據技術，具有宏觀、動態監測能力，能大大提高數據獲取能力，為 SDGs 實現提供重要支撐。2020 年 9 月 22 日，習近平主席在第 75 屆聯合國大會宣布中國將設立可持續發展大數據國際研究中心（CBAS）。2021 年 9 月 6 日，CBAS 正式成立，這是全球首個以大數據服務聯合國 2030 年可持續發展議程的國際科研機構。成立一年來，中心通過研建可持續發展大數據平臺系統、發射并運行可持續發展科學衛星（SDGSAT-1）、開展地球大數據服務可持續發展目標的技術方法研究，面向全球提供服務 SDG 指標監測和評估的數據、信息和服務，為聯合國 2030 年議

8、程的實施作出積極貢獻。20192021 年，中國科學院連續三年牽頭編制地球大數據支撐可持續發展目標報告，累積貢獻 64 個監測評估與示范研究案例，包括 53 套數據產品、33 種方法模型和 42 個決策支持，展示了中國利用地球大數據技術支持全球和區域可持續發展議程的探索與實踐。2022 年度地球大數據支撐可持續發展目標報告繼續圍繞零饑餓、清潔飲水和衛生設施、可持續城市和社區、氣候行動、水下生物、陸地生物等六個可持續發展目標和多指標間的相互關聯、權衡協調作用深入開展研究。同時，拓展經濟適用的清潔能源（SDG 7）目標，并針對不同區域類型特點，開展了 SDGs 區域綜合示范研究。在此基礎上，持續關

9、注中國生態環境變化，在四年案例成果基礎上集成創新，對 56 個環境類指標進行綜合評估，監測中國可持續發展目標進展。本報告組織科研院所、高校等 40 多家單位 170 余名科研人員進行撰寫工作，匯聚了可持續發展大數據領域的最新研究成果。中國科學院領導和機關給予了大力支持，編寫組同志們付出了艱辛勞動，在此一并表示衷心感謝?？沙掷m發展大數據國際研究中心主任聯合國可持續發展目標技術促進機制 10 人組成員（20182021）05前言執行摘要本報告利用地球大數據的優勢和特點，圍繞 SDG 2零饑餓、SDG 6 清潔飲水和衛生設施、SDG 7 經濟適用的清潔能源、SDG 11 可持續城市和社區、SDG 1

10、3 氣候行動、SDG 14 水下生物和 SDG 15 陸地生物七個可持續發展目標的 25 個具體目標及 SDG 多指標交叉與綜合，形成 42 個研究案例，從數據產品、方法模型和決策支持三方面，展示了全球、區域、國家和典型地區四個尺度的SDG指標監測和評估成果，為決策部門提供科學參考，是大數據支撐 SDGs 落實的創新性實踐。在 SDG 2 零饑餓方面，聚焦提高農業生產力和可持續糧食生產兩個主題，在全球尺度，研制了 2020 年全球 30 m 分辨率耕地復種指數分布產品；在中國尺度，研制了中國農業耕層土壤碳密度時空變化和中國種植業縣域碳排放數據產品；在典型地區尺度，研發了鹽堿地識別算法與分級模型

11、，實現了東北黑土鹽堿地集中區近35 年土壤鹽漬化程度監測?；谝陨蠑祿治霭l現，2020 年全球約 85.2%的耕地為單季種植模式，如能將實際復種水平提升到潛在水平有望增加 2.3 億 t 糧食產量，相當于當前全球糧食總產量的 6.4%。中國東北黑土區西部（世界三大蘇打鹽堿地之一）通過“鹽堿地植被修復工程”、“吉林西部重大工程”等系列工程，鹽堿地面積自 2000 年以來減少了 63.3%，促進了糧食增產。2015 2020 年，中國農田耕層土壤有機碳增加了 3.4%；近 10年中國單位農業產值碳排放強度呈下降趨勢，江淮地區、江漢平原和四川盆地單位面積碳排放量較高。在 SDG 6 清潔飲水和衛生

12、設施方面，圍繞改善水環境、提高用水效率、水資源綜合管理和水生態系統變化四個主題，綜合站點觀測、統計調查和遙感監測等多源數據，開展了中國省級尺度 SDG 6 目標進展監測與評估，研究發現，中國地下水環境改善顯著，農業用水效率顯著提高，總體用水緊張程度呈下降趨勢，水資源管理工具優化提升明顯，水庫水面積呈增加趨勢，地下水儲量減少速率呈下降趨勢。但從省級行政區域的角度，受不同地區自然地理條件、資源稟賦、以及經濟發展水平的影響，各項指標的實現情況存在顯著的空間差異。經濟發達地區多面臨水環境和水生態方面的挑戰，經濟欠發達地區的用水效率則普遍偏低。研究成果有助于摸清中國各省級行政區落實 SDG 6 進程、明

13、確問題與差距，以及制定和改進實現 SDG 6 目標的加速策略。在 SDG 7 經濟適用的清潔能源方面，聚焦電力供應、可再生能源和國際能源合作三個主題，在全球尺度，研制了全球建筑通電狀況遙感監測數據產品；在中國尺度，研制了中國光伏電站遙感監測數據集、中國能源國際合作項目對發展中國家 SDG 7 影響數據集和中國太陽能利用國際培訓統計數據集，調查了中國可再生能源發展現狀，評估了中國在可再生能源和國際能源合作等三個指標的進展?；谝陨蠑祿治霭l現，2020 年全球通電建筑面積較 2014 年增加顯著，通電建筑面積占比提高近 2 個百分點；中國綠色低碳能源轉型進展顯著，2021 年，中國可再生能源裝機

14、和發電量分別是 2015 年的 2.12 倍和 1.79 倍；中國能源國際合作幫助發展中國家實現 SDG 7 目標，增加了 80 個國家的人均用電量，中國太陽能國際培訓受培訓國家（地區）已達 133 個。在 SDG 11 可持續城市和社區方面，聚焦城鎮化進程監測與評估、世界遺產保護、城市災害與應對、城市綠色空間以及社區尺度 SDG 11 指標綜合監測五個主題，在中國尺度，研制了地級市 SDG 11.5 監測指標數據集、中國社區功能分類數據產品，實現 SDG 11 四個指標的計算和評估；在全球尺度，研制了全球典型城市建成區數據集、世界遺產邊界矢量數據、全球極端天氣氣候災害損失數據集、全球綠度變化

15、趨勢數據集?；谝陨蠑祿治霭l現，20002020 年全球城鎮化協調發展執行摘要06地球大數據支撐可持續發展目標報告（2022）總體向好；20152020 年，世界文化遺產地土地覆蓋變化普遍小于 1%，保護態勢總體良好；仙臺框架的實施在全球和中國均取得一定成效；中國以全球 19%的城市建成區面積貢獻了全球 28%的城市顯著變綠區域，中國城市增綠受益人口占全球受益總人口約 47%；中國SDG 11.1、SDG 11.2、SDG 11.3 實現情況在社區尺度上總體向好。在 SDG 13 氣候行動方面，聚焦災害監測與減災行動、氣候變化長期預警、全球陸/洋碳匯估算、氣候變化教育四個主題，在中國尺度，研

16、制了土壤水分含量、防災減災政策數據產品，調查了氣候變化教育現狀，實現SDG 13氣候行動四個指標的計算和評估；在全球尺度，研制了高溫熱浪分布、海洋熱量/鹽度數據集、全球陸地/大洋碳匯系列數據產品?；谝陨蠑祿治霭l現，中國耕地在 2021 年夏秋季節遭受了較為嚴重的澇漬害，但通過科學田間管理并未影響糧食產量；中國及其省級政府通過頒布系列政策已經建立起較為完善的減災體系；中國氣候變化教育體系相對完善，仍需加強課程設計與實踐活動。全球陸地不斷升溫，高溫熱浪頻率和強度增加，海洋熱含量也在不斷增加，鹽度差異、垂向層結有加劇分化的趨勢；全球陸地、大洋的碳匯近 20 年來有明顯增加的趨勢。在 SDG 14

17、 水下生物方面，聚焦減少海洋污染、保護海洋生態系統、保護沿海區域三個主題，在中國尺度，研制了 19782019 年中國東部近海營養鹽濃度分布、2016 年和 2020 年中國濱海灘涂空間分布、20102020 年中國近海濕地臺風防護價值、20102020 年中國沿海退圍還海和退圍還濕動態監測等數據產品，提出了綠潮生物量多源遙感反演模型；在區域尺度，提出了三維珊瑚礁白化熱環境計算模型方法，研發了中國-東盟海域珊瑚礁白化熱環境預警系統?；谝陨袭a品、模型和系統應用分析發現，近十余年中國近海營養鹽濃度顯著降低，其中陸源氮、磷入海量的減少是中國近海溶解無機氮和溶解無機磷濃度降低的主要原因；中國的近海濕

18、地在抵御臺風減少災害損失方面發揮了顯著作用，近海濕地所提供的臺風防護總價值在不斷上升；珊瑚礁白化熱環境預警系統可以為區域內國家及時了解珊瑚礁所面臨的白化環境、制定珊瑚礁保護措施提供有力科技支撐；20102020 年中國沿海退圍還海、退圍還濕的速度持續增加，圍填海管控和治理取得了顯著成效。在 SDG 15 陸地生物方面，聚焦防治荒漠化與土地退化、保護山區生態系統及外來入侵物種防控管理三個主題，在中國尺度，開展了荒漠化治理碳匯效應評估、東北黑土退化現狀與風險評估、山地生物多樣性保護狀況評估及外來入侵物種風險評估；在全球尺度，研制了全球沙丘（地）空間分布產品，開發了大數據支持“非洲綠色長城”建設在線

19、工具。提供了覆蓋 11 個泛非綠色長城機構成員國高分辨率土地生產力動態產品和 26 項荒漠化防治關鍵技術，為非洲綠色長城建設提供了重要支持?；谝陨蠑祿c分析發現，中國土地退化治理成效顯著，荒漠化治理碳匯效應明顯；中國山地生態系統受保護比例較高，空間布局正在進一步優化；主要外來入侵物種防控效果顯著，并形成了具有推廣價值的防控技術體系。在 SDG 多指標交叉與綜合方面，聚焦SDG 多指標交叉與 SDGs 區域綜合評估兩個主題，在中國省級尺度，開展了 SDG 多指標協同與權衡關系分析，發現過去 20 年，中國省級行政區 SDG 多指標協同與權衡關系具有顯著的時空差異，大部分地區 SDG 6 和SD

20、G 15 更容易受到其他目標的權衡作用；中國各省份有約 27%的權衡關系指標對轉變為協同關系，另外有約 18%的權衡關系指標對得到緩解。在中國典型省市開展 SDGs 區域綜合評估，發現 2015 年以來，海南省生態文明建設取得較大進步，其中 SDG 15 得分較高，SDG 2 和 SDG 11 提升顯著；云南省臨滄市評價的 70個 SDG 指標中有 81%已取得進展或有望實現目標；廣西壯族自治區桂林市的生態旅游資源可持續發展指數由2010 年的 0.46 提高到 2020 年的 0.71；廣東省深圳市陸地生態系統總值年均增長率為 2.29%。相關研究可為中國不同特色區域科學確立優先發展目標、緩

21、解發展中存在的 SDG 指標權衡問題、優化可持續發展路徑提供決策參考。執行摘要07聯合國 2030 年可持續發展議程中的 17 個可持續發展目標（Sustainable Development Goals,SDGs）構建了實現全球可持續發展的框架體系，成為世界各國的戰略要務和行動目標。當前，2030 年議程進程近半，但氣候變化和新冠肺炎疫情等使各國落實議程受到巨大沖擊，個別目標的全球進展甚至面臨倒退，需要加快實施進程才能在 2030 年實現各目標。2021 年，全球約十分之一人口受饑餓影響；由于缺乏有關河流、湖泊和地下水的水質數據，全球超過 30 億人處于疾病感染的風險之中；全球仍有 7.33

22、 億人用不上電；城市成為了新冠肺炎疫情的重災區；全球溫室氣體濃度、海平面上升、海洋熱量和海洋酸化等四項關鍵氣候變化指標在 2021年創下新紀錄；日益加劇的海洋酸化、富營養化和塑料污染危及數十億人的生計；全球持續森林砍伐、土地和生態系統退化、生物多樣性喪失對人類生存和可持續發展構成重大威脅（UN,2022;Sachs et al.,2022）?？茖W、技術和創新將為應對上述重大挑戰作出貢獻，其中提高 SDG 監測與評估的數據能力，以支撐國家和地方尺度的評估，并指導精準施策是重要途徑之一。聯合國2022 年可持續發展目標報告指出，疫情推遲了世界范圍內新的國家統計計劃的制定，全球指標數據在地域覆蓋、及

23、時性等方面仍存在巨大差距（UN,2022）。同時，目前的指標數據多為粗粒度的統計數值，時間分辨率多為“年”，空間分辨率多為“國家”，無法根據地理位置、人口分布、環境差異等進行有效分解，因此難以充分評估 SDG 進展區域差異并識別落后群體，從而很難有效支撐各級地方政府決策。根據經濟合作與發展組織預測，若地方政府無法有效參與，169 個 SDG具體目標中的 105 個將難以實現（OECD,2020）。這些具體目標中，更多的是對時空變化敏感的環境類具體目標。作為數字技術的核心組成，大數據已成為當今社會數字化轉型的重要引擎之一。地球大數據是大數據重要組成部分，其以對地觀測與地理空間數據為主體，具有更易

24、獲取、更新更及時、結果更客觀、分辨率更高等優勢，能夠突破統計數據行政區域的約束，涵蓋不同時空尺度與地理位置信息，更精準評估 SDG 指標進展并及時發現問題。地球大數據分析自然與人類社會系統間復雜的交互作用和協同演進發展過程，將有助于 SDGs 的整體理解和全面實現。中國科學院基于地球大數據科學與技術，充分發揮多學科優勢，面向零饑餓、清潔飲水和衛生設施、經濟適用的清潔能源、可持續城市和社區、氣候行動、水下生物、陸地生物等與地表環境和人類活動密切相關的可持續發展目標，匯聚了衛星遙感影像、地理空間數據、媒體網絡數據、統計信息等地球大數據，研發了大數據處理與分析關鍵技術及方法，并在云計算環境下實現了全

25、球公共數據產品的研制和多尺度 SDG 指標的監測與評估，以及多指標權衡-協同效應分析等創新工作，形成了諸多亮點成果，為 SDG 進展評估、SDG 多學科研究以及多層級 SDG 決策提供了數據支持、方法借鑒和科學參考（圖 1-1）。自 2019 年起連續三年發布的地球大數據支撐可持續發展目標報告（以下簡稱報告），在數據產品方面，一方面為直接填補 SDG 指標監測數據缺失提供了高質量數據產品，如中國 5 歲以下兒童生長遲緩率變化數據集等；同時，也為更深入理解指標進展和驅動因素提供了補充性背景與分析數據，如全球土地利用分類長時間序列數據產品等。在方法模型方面，為更及時、更精細評估與預測 SDG 指標

26、提供了新方法，如全球耕地種植強度高精度反演模型、全球城市不透水面快速提取方法等。在決策支持方面，為提升指標的全球協同與可比性、應對跨國界可持續發展問題提供了科學實證，如中國土地退化零增長跟蹤評估及其全球貢獻、國際重要濕地水體動態變化評估等。2022 年，在氣候變化背景下，報告增加了地球大數據對“SDG 7：經濟適用的清潔能源”的分析與評估，同時，探索性開展了氣候變化與糧食生產交互作用、荒漠化治理的碳匯效應、全球變暖下的海洋物理環境變化等特色專題研究?；?20192022 年報告數據集，以聯合國可緒 論緒論地球大數據支撐可持續發展目標報告（2022）08 圖 1-1.地球大數據支撐 SDGs

27、科學流程持續發展目標官方描述、聯合國機構及相關國際組織設定的 2030 年量化目標等作為參考標準，報告評估了 20102021 年中國在 56 個環境類可持續發展指標（UNEP,2021a）進展情況（圖 1-2）。研究形成的關于中國可持續發展目標落實進展的部分定量結論，是基于大數據處理與分析關鍵技術及創新方法應用的探索性成果。結果顯示，20102015 年間，不斷改善的指標有38 個，惡化的指標有 5 個。而在 20162021 年間，不斷改善的指標有 42 個。在 2015 年，已接近或實現 2030目標的指標有 10 個，到 2021 年，這一數字上升到 26 個。在所有評估的指標中，中國

28、在防災減災、飲用水安全、可再生能源、道路交通、森林保護方面表現突出，在溫室氣體排放、生物多樣性保護方面還有待加強。綜上所述，截止到 2021 年，中國環境類指標相比于 2015 年（議程起始年）整體大幅改善，在 2030 年議程實施接近中期之際，在評估的中國 56 個指標中，已有近一半的環境類指標提前實現目標，為 2030 年整體實現可持續發展目標奠定了良好的基礎。中國高度重視可持續發展理念與經驗分享，致力推動平衡、協調、開放、包容的全球發展新階段。2021年 9 月，中國國家主席習近平提出全球發展倡議，呼吁圍繞落實 2030 年議程，全面推進減貧、糧食安全、氣候變化和綠色發展、數字互聯互通等

29、領域合作，與世界各國一起，努力實現不讓任何一個人掉隊的目標。2022年 6 月，全球發展高層對話會發表主席聲明，就支持全球發展發布了成果清單，包括“開展可持續發展衛星星座計劃，研制并分享可持續發展目標監測數據與信息”等，這將為推動全球 SDG 協同觀測、數據共享與應用合作、加快落實 2030 年議程作出重要貢獻。同時，隨著 2030 年議程中期評估臨近，聯合國將開啟 SDG 全球指標框架全面審查與調整，在當前指標監測數據缺失仍未徹底解決的情況下，適當增加易獲取、全球可比的大數據指標，將有效改善 SDG 監測與評估現狀，切實支撐全球可持續發展決策。緒論09 圖 1-2.基于地球大數據的中國可持續

30、發展目標進展評估（20102021 年）10地球大數據支撐可持續發展目標報告（2022）SDG 2 SDG 211 SDG 2 零饑餓SDG 2 零饑餓SDG 2背景介紹 13主要貢獻 14主題研究 15建議與展望 2112地球大數據支撐可持續發展目標報告（2022）SDG 2 成果亮點提高農業生產力全球耕地復種指數仍有提升潛力，中國東北黑土區鹽堿地治理已顯成效。2020 年全球約 85.2%的耕地為單季種植模式，如能將實際復種水平提升到潛在水平有望增加 2.3 億 t 糧食產量，相當于當前全球糧食總產量的 6.4%。中國東北黑土區西部（世界三大蘇打鹽堿地之一）通過“鹽堿地植被修復工程”、“吉

31、林西部重大工程”等系列工程，鹽堿地面積自 2000 年以來減少了 63.3%，促進了糧食增產?？沙掷m糧食生產中國種植業系統在“碳減排”和“碳中和”方面均具潛力。20152020 年，中國農田耕層土壤有機碳增加了 3.4%；近 10 年中國種植業單位產值碳排放強度呈下降趨勢，江淮地區、江漢平原和四川盆地單位面積碳排放量較高。年全球單季種植的耕地約.%年.%中國農田耕層土壤有機碳增加了13 SDG 2 零饑餓SDG 2 零饑餓目標是可持續發展的基礎。當前，SDG 2 全球進展已偏離原有軌道，離實現仍有差距。全球饑餓人口比例在連續五年穩定之后，僅在 2020 年一年間，就由8.4%增至 10.4%（

32、FAO,2021）。各種形式的營養不良仍是一個挑戰，營養不良率從 2019 年的 8.0%升至 2021 年的 9.8%。而日益頻繁的地區沖突、不斷加劇的氣候變化、經濟發展放緩作為三大驅動因素，仍在加速全球糧食不安全性（FAO,et al.,2022）。此外，受大規模和高強度的資源環境消耗與開發影響，糧食系統正對全球水資源、生物多樣性、關鍵生態系統等造成威脅。2021 年 9 月，聯合國召開全球糧食系統峰會，目標之一即為提升糧食系統轉型重要性的全球共識，指出糧食系統轉型將促進人類健康、改善地球環境，進而幫助實現全部 SDGs。聯合國秘書長在峰會的致辭中表示，糧食系統的轉型將在促進全球從疫情中復

33、蘇起到關鍵作用。轉型的五個行動軌道被認為是確保所有人都能獲得安全而有營養的食品、轉向可持續消費模式、促進對自然有積極影響的生產、促進公平生計，以及培養抵抗脆弱性、沖擊和壓力的韌性，而創新是貫穿所有行動軌道的重要變革杠桿。提高農業生產力和可持續糧食生產作為重要創新領域，是保障營養獲取和促進人與自然協調的有效方式，對于降低饑餓風險、實現全球糧食安全至關重要。過去三年報告中，我們采用地球大數據技術，針對兒童生長遲緩、耕地可持續集約化利用、糧食可持續生產等方面從中國全國尺度進行了長時序時空解析及路徑分析。今年報告中，我們繼續從提高農業生產力和可持續糧食生產兩個主題方向，圍繞 SDG 2.3 和 SDG

34、 2.4 兩個具體目標，構建影響農業生產力重要因素耕地復種和土壤鹽漬化的監測方法，并面向氣候變化開展可持續糧食生產專題分析，以期為發現糧食系統問題、促進糧食系統轉型提供數據產品、方法模型和決策支持。背景介紹14地球大數據支撐可持續發展目標報告（2022）SDG 2 本章通過四個案例評估了全球、中國和典型地區SDG2.3和SDG2.4相關指標的進展情況，主要貢獻如下（表2-1）。主要貢獻表 2-1 案例名稱及其主要貢獻主 題對應具體目標案 例貢 獻提高農業生產力SDG 2.3全球高分辨率復種格局與潛力評估數據產品：2020 年全球 30 m 分辨率復種指數方法模型：全球高分辨率復種指數遙感提取模

35、型決策支持：發現全球復種潛力區，為全球糧食增產提供科學決策支持SDG 2.3SDG 2.4東北黑土鹽堿區鹽堿地變化與驅動因素數據產品：19852020 年東北黑土鹽堿區土壤鹽漬化程度數據集方法模型：集成分類算法及機器學習模型構建土壤電導率反演模型決策支持：為鹽堿地改良利用、復耕復墾提供數據支持，為農業生產潛力開發與分級評估提供參考可持續糧食生產SDG 2.4全球變化下中國農田土壤碳匯潛力評估數據產品：2015 年和 2020 年中國農田耕層土壤碳密度及未來情景下碳密度空間格局方法模型：空間大數據驅動 Agro-C 模型決策支持：為面向雙碳目標的種植業可持續生產提供決策支持中國種植業碳排放時空變

36、化數據產品：2010 年、2015 年、2020 年中國縣域尺度種植業碳排放量方法模型：融合多源數據與機器學習方法，實現中國縣域尺度糧食生產系統碳排放的定量估算決策支持：為理解縣域尺度農業碳排放現狀及制定未來“碳減排”政策提供科學依據15 SDG 2 零饑餓SDG 2 主題研究按全球農業生態分區確定復種指數監測的起始和截止時間，利用各分區監測時段內 1030 m 分辨率海量多源衛星遙感數據，采用數據合成、時空插補和時序平滑算法，形成時空連續的歸一化植被指數數據集，利用作物播種生長成熟收獲的全生育期信號判定方法（Liu et al.,2020；Zhang et al.,2021），實現 2020

37、 年全球 30 m分辨率耕地復種指數制圖，分析其空間格局并與潛在復種疊加，開展各國復種提升潛力分析。2020 年全球約 85.2%耕地為單季種植模式，印度河恒河平原、黃淮海平原、巴拉納河流域、馬托格羅索高原和尼羅河三角洲是全球復種最為集中的區域。2020年全球耕地平均復種指數為 115%，單季種植模式耕地占比約 85.2%，雙季種植模式耕地占比為 14.4%，主要分布在東亞、南亞、南美洲和尼羅河三角洲等地區（圖2-1），全球雙季以上種植模式耕地占比僅為 0.4%，零散分布在熱帶和亞熱帶地區。印度河恒河平原、黃淮海平原、巴拉納河流域、馬托格羅索高原和尼羅河三角洲是全球復種最為集中的區域，復種指數

38、高于同緯度其他地區。各大洲復種差異顯著，南美洲平均復種指數最高，為 134%；亞洲平均復種指數略低于南美洲，為 121%；其次是歐洲和非洲，平均復種指數均為 110%；北美洲和大洋洲的平均復種指數最低，分別為 105%和 103%。將實際復種水平提升到潛在水平有望增加 2.3 億 t糧食產量，相當于當前全球糧食總產量的 6.4%。中美洲、東南亞和非洲赤道地區水熱條件利于復種農業生產模式的推行，耕地復種提升潛力超過其他區域，在充分利用各區光照、溫度、水條件下，區域多數國家平均復種提升潛力大于 0.75 季作物。通過將實際復種水平提升到雨養條件下的潛在水平，全球有望增加 2.3 億 t 糧食產量，

39、相當于當前全球糧食總產量的 6.4%。中國復種提升潛力較大的地區主要分布在長江以南，該地區經濟快速發展、勞動力由農村向城市轉移更為顯著，未來應統籌兼顧區域經濟與農業發展，通過創新科技投入提升南方農業生產的集約化水平。提高農業生產力是保障糧食安全最直接的路徑，擴大耕地面積、提高耕地種植強度和運用科技手段提升單產是提高農業產出的三種方式。然而，全球眾多地區后備耕地資源開發潛力有限，有限的耕地資源又受到工業化和城鎮化發展帶來的壓力。在推廣保護性耕作、培肥地力等可持續農業技術基礎上，通過科學復種、挖掘耕地集約化利用潛力直接提升單位耕地面積的農業生產力，是未來糧食增產的重要途徑之一；與此同時，開展退化土

40、壤綜合治理，開發耕地后備資源，是增加農業生產力的又一重要路徑。本主題聚焦耕地復種和鹽堿地治理，基于地球大數據開展全球大尺度耕地復種信息提取和關鍵區長時序鹽堿地變化監測，以期為改善農業生產力提供技術支撐和決策輔助。全球高分辨率復種格局與潛力評估對應目標：2.3 到 2030 年，實現農業生產力翻倍和小規模糧食生產者，特別是婦女、土著居民、農戶、牧民和漁民的收入翻番，具體做法包括確保平等獲得土地、其他生產資源和要素、知識、金融服務、市場以及增值和非農就業機會提高農業生產力16地球大數據支撐可持續發展目標報告（2022）SDG 2 17 SDG 2 零饑餓SDG 2 18地球大數據支撐可持續發展目標

41、報告（2022）SDG 2 東北黑土鹽堿區鹽堿地變化與驅動因素東北黑土鹽堿集中區吉林省西部是世界三大蘇打鹽堿地分布區之一，占東北黑土區總面積的 19%，黑土區鹽堿地面積的 80%以上，是黑土地保護的重點區域。采用美國陸地衛星 5/7/8 系列數據，提出適用于吉林省西部的長時序鹽堿地變化遙感監測模型及方法，通過多年野外調查數據，建立并驗證了土壤鹽漬化識別及電導率反演模型，結合政府政策分析了土壤鹽漬化變化情況及驅動因素。提出了區域鹽堿地識別算法及分級模型，實現了19852020 年吉林省西部土壤鹽漬化程度監測?；谠破脚_大數據及處理程序，集成分類算法及機器學習模型，結合多年野外調查采樣數據及多期衛

42、星遙感影像數據集，通過 Box-Cox 變換、光譜參數選擇、機器學習建模、精度驗證，建立了長時序鹽堿地土壤電導率反演模型（Li et al.,2022），實現了 19852020 年吉林省西部土壤鹽漬化的識別及分級（圖 2-2）。結果表明，19852020 年吉林省西部鹽堿地呈現面積先增后減、鹽漬化程度先惡化后減輕的趨勢?！胞}堿地植被修復工程”、“吉林省西部重大工程”等有效改善了土壤鹽漬化，黑土鹽堿地面積減少63.3%，促進了糧食增產。結合鹽堿地面積和政府改良工程實施年限，將監測時期劃分為自然狀態期（19852000年）和改造狀態期（20002020 年）。自然狀態期鹽堿地總面積增加了 31.

43、3%，且鹽堿化程度逐漸惡化；改造狀態期鹽堿地面積減少了 63.3%，且鹽堿化程度降低（圖2-2）。自然狀態期，鹽堿地增加部分中 57%是由草地和旱地轉化來的，這部分轉化影響了畜牧業和農業的發展。改造狀態期，“鹽堿地植被修復工程”、“吉林省西部重大工程”等的實施，扭轉了鹽堿地面積擴大的趨勢，使得大面積鹽堿地在人工干預下轉化為旱地（55.6%）和草地（23.5%），對糧食增產具有重要貢獻。圖 2-2.19852020 年吉林省西部土壤鹽漬化時空格局與面積變化對應目標：2.3 到 2030 年，實現農業生產力翻倍和小規模糧食生產者，特別是婦女、土著居民、農戶、牧民和漁民的收入翻番，具體做法包括確保平

44、等獲得土地、其他生產資源和要素、知識、金融服務、市場以及增值和非農就業機會2.4 到 2030 年，確保建立可持續糧食生產體系并執行具有抗災能力的農作方法，以提高生產力和產量，幫助維護生態系統，加強適應氣候變化、極端天氣、干旱、洪澇和其他災害的能力，逐步改善土地和土壤質量19 SDG 2 零饑餓SDG 2 Agro-C 模型是由中國自主研發的農田生態系統碳過程模型。利用中國四種糧食作物（水稻、小麥、玉米和大豆）產量統計數據對模型進行校正和驗證后，模擬分析了 2015 年和 2020 年四種糧食作物生產過程中土壤碳密度的變化情況。同時，利用 FGOALS-g3（FGOALS-g3 Flexibl

45、e Global Ocean-Atmosphere-Land System Model-Grid Point Version 3）氣候模式的四個未來氣候變化情景數據（SSP126、SSP245、SSP370、SSP585）評估了當前到 2060 年在基線和優化農田管理情景下，中國糧食作物生產的農田土壤碳匯的時空變化格局。20152020 年中國農田耕層土壤有機碳增加 3.4%?；谧灾餮邪l的農田生態系統過程模型分析顯示，20152020 年，中國農田耕層土壤有機碳密度均值從41.3 t C/ha 增加到 42.7 t C/ha，增加約 3.4%?？臻g上總體呈現東北地區最高，黃淮海地區稍高于四川

46、盆地的基本格局（圖 2-3）。從時間變化來看，農田耕層土壤有機碳變化主要表現為東北局部地區下降，黃淮海地區顯著增加的態勢。其主要的原因在于黃淮海地區冬小麥和夏玉米輪作單產較高，且冬小麥機收作業的大面積推廣促進了秸稈還田比例的提升。未來情景顯示中國農田土壤將持續體現為碳匯，但碳匯強度趨于減弱。針對未來氣候變化和管理措施變化，在秸稈還田比例、農田有機肥投入量和農田少免耕面積保持2020年水平和持續改進兩種情景下，模型模擬顯示，未來 40 年中國農田土壤持續具備碳匯功能，但碳匯強度趨于減弱。管理方式對農田土壤碳匯的影響大于氣候變化的影響?；€管理情景下，中國農田土壤碳匯在 15 Tg C/a 以上；

47、優化農田管理情景下，中國農田土壤碳匯超過20 Tg C/a。通過優化農田管理措施，增加了作物產量，進而增加進入土壤的作物秸稈和根量，形成了中國農田土壤碳匯的正反饋，減緩氣候變暖對土壤碳儲量的不利影響?？沙掷m糧食生產是 SDG 2.4 目標的核心，同時也是應對氣候變化和土地退化等全球挑戰的有效手段?？沙掷m糧食生產應當在適應氣候變化的前提下，發展綠色低碳生產模式，以減緩其對氣候變化的影響。研究顯示，糧食生產系統貢獻了全球近三分之一的溫室氣體排放，但優化管理措施下的農田土壤能夠成為重要碳匯，并可為農作物提供更加健康可持續的生長環境。為探討氣候變化下的糧食生產系統，本主題將通過兩個案例總結當前及未來農

48、田土壤碳變化、糧食生產系統碳排放情況，為氣候變化背景下實現可持續糧食生產提供決策支持。全球變化下中國農田土壤碳匯潛力評估 圖 2-3.2015 年和 2020 年中國農田土壤有機碳密度的空間格局可持續糧食生產對應目標：2.4 到 2030 年，確保建立可持續糧食生產體系并執行具有抗災能力的農作方法，以提高生產力和產量，幫助維護生態系統，加強適應氣候變化、極端天氣、干旱、洪澇和其他災害的能力，逐步改善土地和土壤質量20地球大數據支撐可持續發展目標報告（2022）SDG 2 中國種植業碳排放時空變化農業溫室氣體減排潛力因地區而異（Powlson et al.,2011），明晰其格局對提高糧食生產的

49、可持續性、實現減排生產具有重要支撐作用。依托地球大數據技術，可以提供高分辨率的種植業碳排放時空分異格局，服務農業系統在減緩氣候變暖方面的努力（郭華東,2019）?；诘厍虼髷祿脵C器學習方法生產了 2010、2015 和 2020 年中國縣域尺度農業種植碳排放數據，實現了高時空分辨率的變化監測。利用 19782016 年中國省域尺度農業種植碳排放量數據，考慮農作物秸稈焚燒、耕地排放、農業機械使用、氮肥生產、農藥生產等過程的碳排放，以自然與人為因素為切入點，基于機器學習方法評估不同因素對省域尺度碳排放量的影響，確定了影響農業種植碳排放量的主要因素，實現了省域尺度碳排放量至2020年的擴展。以省

50、域尺度碳排放量為因變量，篩選后的自然與人為因素為自變量，采用隨機森林算法，構建農業種植碳排放估算模型，降尺度實現縣域尺度農業種植系統碳排放監測。中國近 10 年來單位農業產值的碳排放持續下降，降幅約 45.9%，單位農業產量碳排放基本穩定；江淮地區、江漢平原和四川盆地單位面積碳排放量較高。中國農業種植系統的碳排放量表現為“東高西低、南高北低”的分布格局（圖 2-4）。其中，江蘇、河南、湖北、湖南、四川和廣東等地區的單位種植面積碳排放量較高，超過 200 t CO2-eq/km2的區域主要集中在江淮地區、江漢平原和四川盆地。雖然我國糧食產量和種植業產值在20102020 年間均呈增加趨勢，但近

51、10 年單位產值的碳排放強度呈現階段性下降趨勢（圖 2-4d），特別是 2017年之后，其降幅達 0.09 t CO2-eq/（104.a）；而單位產量的碳排放強度在在監測期間變化不明顯。對應目標：2.4 到 2030 年，確保建立可持續糧食生產體系并執行具有抗災能力的農作方法，以提高生產力和產量，幫助維護生態系統，加強適應氣候變化、極端天氣、干旱、洪澇和其他災害的能力，逐步改善土地和土壤質量 圖 2-4.20102020 年中國農業種植碳排放及其變化的空間格局與時序特征21 SDG 2 零饑餓SDG 2 建議與展望本章從提高農業生產力、可持續糧食生產兩個方面開展了零饑餓指標監測研究，形成了全

52、球、中國、典型地區三個尺度的相關案例。相較于前三年的報告，今年的報告拓展了 SDG 2.4.1（土壤退化、土壤肥力相關亞指標）在典型區域尺度的監測，并針對 SDG 2.4 具體目標開展了中國尺度氣候變化背景下可持續糧食生產的專題研究。同時，將耕地復種指數提取方法向全球進行了擴展應用?；诒菊卵芯?，我們建議：（1）針對提高農業生產力方面的指標 SDG 2.3.1，全球復種格局及潛力分析發現，全球復種提升潛力巨大的區域主要分布在熱帶和亞熱帶地區，這些地區若能充分利用光照、溫度、水自然條件，可進一步提升耕地復種水平，為零饑餓目標的實現做出更大貢獻。中國復種程度和潛力均高于全球平均水平，南方地區的復種

53、潛力明顯高于北方，未來應統籌考慮區域經濟可持續發展和高標準農田建設，適度強化區域農業資源稟賦利用程度，穩定區域糧食生產水平。（2）針對可持續糧食生產方面的指標 SDG 2.4.1，研究表明氣候變化在影響糧食生產系統的同時，又受到糧食生產系統的深刻影響；積極倡導可持續作物生產管理，特別是增加免耕和秸稈還田、加強肥料農藥管理，可在幫助糧食系統應對氣候變化的同時，為碳減排和碳中和做出貢獻，緩解氣候變化。未來，我們將持續探索地球大數據在糧食安全與零饑餓監測與評估方面的能力，發現敏感區和制約因子，為提出零饑餓實現路徑提供科學依據。22地球大數據支撐可持續發展目標報告（2022）SDG 6 SDG 623

54、 SDG 6 清潔飲水和衛生設施SDG 6 背景介紹 25主要貢獻 26主題研究 27建議與展望 35黃河入?？诙嘧V段遙感影像圖（衛星數據源：SDGSAT-1 成像時間：2021 年 11 月 12 日）清潔飲水和衛生設施SDG 624地球大數據支撐可持續發展目標報告（2022）SDG 6 成果亮點改善水環境中國地下水環境改善明顯。20192021 年，中國 10 171 組地下水監測站點水質綜合評價結果以 類水為主，水質穩定及變好的比例達 90%。提高用水效率中國農業用水效率顯著提高、總體用水緊張程度呈下降趨勢。20012019 年，中國小麥、玉米和水稻水分利用效率分別上升33.4%、20.

55、0%和 14.1%；20152020 年，中國總體用水緊張程度從 66%下降至 58%，處于中度用水緊張狀態。水資源綜合管理中國水資源管理工具優化提升明顯。20172020年，地下水站網和水文站網當量密度分別提升了 64.3%和 13.3%。水生態系統變化中國內陸水體面積和地下水儲量發生了顯著變化。中國水庫水面面積 2020 年比 2015 年增長約 7%；20052020 年中國地下水儲量變化速率為（-25.5632.8）億 m3/a，相比 20052014 年,中國全境和華北平原 20152020 年地下水儲量減少速率分別減緩 65%、37%。組%地下水監測井中水質穩定及變好的比例達年地下

56、水減少速率減緩%年地下水站網當量密度提升了.%.%.%.%.%年 小麥 玉米 水稻25 SDG 6 清潔飲水和衛生設施SDG 6“為所有人提供水和環境衛生并對其進行可持續管理”是 SDG 6 的核心要義。聯合國水機制（UN Water）2021 年發布的綜合評估報告表明，在新冠肺炎疫情暴發之前，世界就已經偏離了 SDG 6 的正確軌道（UN Water,2021）。全世界仍有 20 億人沒有安全管理的飲用水，36億人沒有安全管理的衛生設施。此外，23 億人在家里缺乏基本的肥皂和洗手設施。大多數廢水排放前未經處理。世界上五分之一的河流流域正在經歷快速變化，80%的濕地生態系統已經喪失。未來 9

57、年，在某些領域需要加快 4 倍的速度才能按時完成 SDG 6 設定的目標（Harlin et al.,2021）。2021 年，聯合國水機制發布的污水處理（SDG 6.3.1）、環境水質（SDG 6.3.2）、用水效率（SDG 6.4.1）、用水壓力（SDG 6.4.2）、水資源綜合管理（SDG 6.5.1）、跨界水合作（SDG 6.5.2）和涉水生態系統（SDG 6.6.1）全球單指標報告系統梳理和分析了全球范圍內 SDG 6 實現進展情況。然而，報告中使用的數據仍然存在巨大的缺口。此外，國家尺度的數據在指導精準決策方面也存在很大的不足。因此，亟須從以下兩個方面采取緊急行動：一是加強國家及地

58、方尺度上的數據收集，二是支撐決策者采取切實行動。近年來快速發展的地球大數據技術大幅提升了 SDG 6 的監測與評估能力。這些技術手段通過遠程感知、定期重訪、快速信息提取實現了相關指標的高時空分辨率監測，在節省資金、節約時間的同時，提供了更為準確和全面的評估結果（盧善龍等，2021）。過去三年，在地球大數據技術支撐下中國先后完成了國家尺度水質改善、用水效率提高、水資源綜合管理和涉水生態系統變化監測，評估了中國實施水質、水量和水生態一體化管理的成效，但對于各項指標在國家范圍不同行政區之間的差異情況不明，從而影響了研究報告成果的決策支持作用。今年的報告中，我們從環境水質、用水效率、用水壓力、水資源綜

59、合管理、涉水生態系統和綜合等角度系統評估了中國省級尺度 SDG 6 目標進程實現情況，研究成果對于摸清中國各省級行政區落實 SDG 6 進程、明確問題與差距、制定和改進實現 SDG 6 目標的加速策略具有重要意義。背景介紹26地球大數據支撐可持續發展目標報告（2022）SDG 6 本章通過六個案例評估了 20152020 年中國省級尺度 SDG 6.3、SDG 6.4、SDG 6.5、SDG 6.6 相關單指標及綜合進展情況，主要貢獻如下（表 3-1）。主要貢獻表 3-1 案例名稱及其主要貢獻主 題對應具體目標案 例貢 獻改善水環境SDG 6.3中國各省地下水水質變化評估決策支持：支持中國省級

60、尺度地下水水質治理成效評估提高用水效率SDG 6.4中國三大糧食作物水分利用效率變化評估數據產品：中國三大糧食作物水分利用效率數據集，時間范圍 20012019 年，逐年，空間分辨率 1 km方法模型：基于多源數據并結合作物生長過程的水分利用效率評估方法20102020 年中國用水緊張程度變化及驅動分析數據產品：中國用水緊張程度數據集，時間范圍20102020年，逐月，空間分辨率 0.5決策支持：為開展氣候變化影響和水資源約束情景下的產業結構調整政策制定提供科學參考水資源綜合管理SDG 6.5中國省級水資源綜合管理數據支撐能力評估方法模型：水資源綜合管理數據支撐能力定量評估方法決策支持：支持中

61、國省級尺度水資源綜合管理數據支撐能力狀態評估水生態系統變化SDG 6.6中國各省地表水-地下水水量變化評估數據產品：2015 年和 2020 年中國水庫分布數據集；中國地下水儲量變化數據集，時間范圍20052020年，逐月，空間分辨率 0.5方法模型：融合重力衛星與地下水位數據的協同正演模型決策支持：支持中國省級尺度地表水和地下水資源開采利用量評估綜合評估SDG 6.1SDG 6.3SDG 6.4SDG 6.5SDG 6.620152020 年中國SDG 6 進展綜合評估方法模型：水資源開發與保護可持續狀態指數決策支持：支持中國省級尺度清潔飲水與衛生設施目標進展狀態評估27 SDG 6 清潔飲

62、水和衛生設施SDG 6 主題研究過去 40 年，中國工業化和城鎮化蓬勃發展的同時，工業、農業和生活污廢排放引發的水污染事件頻發，成為影響人群健康、可持續發展和社會穩定的潛在風險因素。2006 年以來，中國系統規劃實施了“水體污染控制與治理科技重大專項”，地表水和地下水環境得到顯著改善。本節通過分析地下水水質監測站點數據，評估了中國省級尺度上推進落實改善水質目標（SDG 6.3）的進展情況。中國各省地下水水質變化評估對應目標：6.3 到 2030 年，通過以下方式改善水質：減少污染，消除傾倒廢物現象，把危險化學品和材料的排放減少到最低限度，將未經處理廢水比例減半，大幅增加全球廢物回收和安全再利用

63、改善水環境以 2019 年、2020 年和 2021 年“國家地下水監測工程”監測站點的水質數據為基礎，依據地下水質量標準（GB/T 148482017）界限值，給出監測站點每項水質指標的評價結果，使用內梅羅指數法（倪天翔和馮柳，2018）綜合單指標評價結果，計算監測站點地下水水質的綜合評價 F 值。再根據 F 值對應的水質評價等級（0.8；0.82.5；2.54.25；4.25 7.2；7.2），給出監測站點地下水水質的綜合評價結果。其中，類地下水化學組分含量相對較低，適用于集中式生活飲用水及工農業用水，定義為“優級”；類地下水化學組分含量較高，適用于農業和部分工業用水，適當處理后可做生活飲

64、用水，定義為“良好”；類地下水不宜作為生活飲用水水源，定義為“劣質”。20192021 年，中國地下水水質穩定及變好的站點比率達 90%以上。三年間，中國 10 171 組地下水監測站點水質綜合評價結果以 類水為主，占比約為 67.8%，其次為 類，占比約為 17.9%；類水約占 14.2%（表表 3-2 中國地下水監測站點水質評價結果占比評級優級良好劣質I 類II 類III 類IV 類V 類年份20192.5%10.3%1.6%66.9%18.8%20203.1%9.4%1.0%68.8%17.7%20213.4%10.2%1.1%67.8%17.4%圖 3-1.20192021 年各省地下

65、水監測站點水質綜合評價結果變化3-2）。20192021年，中國地下水水質總體狀況穩定轉好，其中“變好”的站點比例為 11.8%，“變差”的站點比例為9.9%，“穩定”的站點比例為78.3%。本研究中，“變好”指監測站點評價結果由 或 類升為 類，或由 類升為 類；“變差”指監測站點評價結果由 類降為 類或 類，或由 類降為 類；“穩定”是指單個監測站點評價結果無變化。20192021 年，中國各省份地下水監測站點水質評價結果均以“穩定”為主。變化幅度大的省份分布在華北、華東，以及西北、西南部分地區（圖 3-1）。28地球大數據支撐可持續發展目標報告（2022）SDG 6 提高用水效率根 據

66、FAO 和 UN Water 的 報 告，20152018 年，全球用水效率整體提高了 9%，其中，工業用水效率提高 15%，農業和服務業用水效率提高 8%（FAO 和 UN Water,2021a FAO），然而全球仍有 10%的人口生活在高度或嚴重水壓力的國家（FAO 和 UN Water,2021b）。中國的水資源供需失衡問題近年來有所緩解（Chen et al.,2022），但因缺乏準確、完整和最新的數據，未能客觀評價用水效率的提高情況。本節通過綜合衛星遙感、統計調查和模型模擬等數據成果，評估了中國在區域和省級尺度上推進落實提高用水效率目標（SDG 6.4）的進展情況。中國三大糧食作物

67、水分利用效率變化評估采用基于遙感 EF-LUE（Evaporative FractionLight Use Efficiency）模型（Du et al.,2022）估算的農田總初級生產力（Gross Primary Productivity,GPP）數據集，結合作物物候和省級農作物單產數據，計算了作物單位面積產量；采用 ETMonitor 模型（Hu et al.,2015;Zheng et al.,2019）及多源遙感數據和大氣再分析數據 ERA5（the fifth generation ECMWF reanalysis for the global climate and weathe

68、r）計算了作物蒸散耗水量（evapotranspiration，ET）；利用作物單位面積產量（單產）與蒸散耗水量的比值估算并分析了中國三大糧食作物（小麥、玉米、水稻）水分利用效率（Water-Use Efficiency，WUE）的時空分布特征。中國三大糧食作物水分利用效率均呈明顯增加趨勢。20012019 年，中國三大糧食作物水分利用效率均呈明顯增加趨勢，其中小麥水分利用效率上升 33.4%（0.024 kg m-3 a-1），玉米水分利用效率上升 20.0%（0.016 kg m-3 a-1），水稻水分利用效率上升 14.1%（0.014 kg m-3 a-1）（圖 3-2a）。從地理分區

69、來看，中國三大糧食作物水分利用效率也多呈上升趨勢，但上升幅度有所差異。華北、華東、華中等地區小麥水分利用效率增幅相對較大（圖 3-2b）；華北、東北、西北等地區玉米水分利用效率上升相對較快（圖 3-2c）；華東、華南等地區水稻水分利用效率總體呈現增長趨勢（圖 3-2d），而東北、華中等地區水稻主產區的水分利用效率總體變化不顯著。作物單產增加是水分利用效率提高的主因。通過對蒸散耗水量和單產變化對水分利用效率變化趨勢的貢獻率進行分析可知，中國及各大地理分區三大糧食作物的水分利用效率變化主要由作物單產提高引起，蒸散耗水量雖也多呈上升趨勢，但上升幅度相對較小，對作物水分利用效率變化趨勢的貢獻程度小于單

70、產變化的貢獻（圖3-3）。糧食單產顯著增加，單位面積耗水量沒有同步顯著增加，得益于農業科技進步、農業基礎設施條件的大幅改善，以及節水灌溉和農業用水管理技術的提升等，有利于糧食生產的可持續發展。對應目標：6.4 到 2030 年，所有行業大幅提高用水效率，確?？沙掷m取用和供應淡水，以解決缺水問題，大幅減少缺水人數29 SDG 6 清潔飲水和衛生設施SDG 6 圖 3-3.20012019 年中國三大糧食作物單產和蒸散耗水量(ET)變化對水分利用效率變化趨勢貢獻度注：單產貢獻度為正值表示單產趨勢與水分利用效率趨勢相同，為負值則表示趨勢相反；蒸散耗水量貢獻度為正值表示蒸散耗水量趨勢與水分利用效率趨勢

71、相反，為負值則表示趨勢相同。單產貢獻絕對值大于蒸散耗水量貢獻度的絕對值表示單產變化對水分利用效率趨勢的貢獻度大，反之則蒸散耗水量變化對水分利用效率變化趨勢貢獻度大 圖 3-2.20012019 年中國三大糧食作物水分利用效率年際變化時間過程（a）和空間分布（b,c,d）（圖 a 中百分比數字表示 20012019 年間的提升幅度）30地球大數據支撐可持續發展目標報告（2022）SDG 6 圖 3-5.中國用水量變化的驅動貢獻（a）各部門用水量變化貢獻；（b）人口、經濟、技術驅動貢獻 圖 3-4.中國用水緊張程度空間分布及變化20102020年中國用水緊張程度變化及驅動分析根據 FAO 對 SD

72、G 6.4.2 用水緊張程度指標定義方法（FAO，2018），用水緊張程度為主要經濟部門取用的淡水總量與可用淡水資源（即在考慮到環境用水需求后的可再生淡水資源總量）的比例。其所對應的用水緊張程度等級為：025%為無壓力，25%50%為低用水緊張，50%75%為中度用水緊張，75%100%為高度用水緊張，100%為極度用水緊張?；谶b感數據、統計數據、模型模擬數據，以及中國水資源一級區水資源總量可利用率數據，核算了中國各省份用水緊張程度，評估了 20102020年中國用水緊張程度的變化，采用因素分解法分析了氣候因素和用水因素變化對用水緊張程度變化的貢獻。20102020 年中國用水緊張程度呈下降

73、趨勢。2020年中國用水緊張程度為 58%，相較于 2015 年的 66%，用水緊張程度有所下降，但總體仍處于中度用水緊張狀態。華北地區的北京、天津、河北、山西、山東、河南，華東地區的江蘇、上海，以及西北地區的新疆、寧夏為極度用水緊張地區，用水緊張程度大于 100%。這些區域自產可利用水資源量不能滿足區域用水需求。用水緊張程度的變化除海南為顯著增加外，其他省級行政區均呈下降或不顯著增加趨勢。氣候因素與用水量變化共同作用使得用水緊張程度發生變化，東南沿海的江蘇、浙江、福建、廣東用水緊張程度下降的驅動因素中，用水量下降貢獻大于氣候因素變化貢獻；其他地區用水緊張程度變化的驅動因素中，氣候因素變化貢獻

74、大于用水量變化對應目標：6.4 到 2030 年，所有行業大幅提高用水效率，確?？沙掷m取用和供應淡水，以解決缺水問題，大幅減少缺水人數貢獻（圖 3-4）。氣候變濕和用水量下降對中國總體用水緊張程度下降影響的貢獻占比分別為 70%和 30%。技術進步是抑制用水量增加的主要因素。中國用水量變化從用水部門貢獻來看，東北及長江以南地區的用水量變化主要以工業用水量下降為主，吉林、黑龍江、上海、福建、湖北、湖南、廣東工業用水量對總用水量變化的驅動貢獻超 50%。北方大部分省區主要以農業用水量下降為主，河北、遼寧、山東、青海、寧夏的農業用水變化貢獻超過 50%（圖 3-5a）。在人口、經濟、技術因素驅動方面

75、，經濟與技術因素是主導，經濟發展對用水量增加起推動作用，技術進步抑制用水量的增加（圖 3-5b）?？傮w上技術進步是抑制用水量增加的主導因素。31 SDG 6 清潔飲水和衛生設施SDG 6 根據聯合國環境規劃署（United Nations Environment Programme,UNEP）的評估報告（UNEP，2021a），全球范圍來看，水資源綜合管理執行率遠低于預期，未來需要雙倍努力才能實現目標。近年來中國深入開展水資源綜合管理，逐步形成了較為健全的水資源管理制度體系和行政管理機制，尤其在管理工具方面，全面實施最嚴格水資源管理制度，加快推進生態流量目標確定、江河水量分配、地下水管控指標確

76、定，嚴格水資源論證和取水許可管理，強化水資源監測計量體系建設，實施用水統計調查制度，對水資源綜合管理起到了有力的支撐作用。本節從水資源管理數據支撐能力的角度，評估了中國在省級尺度上推進落實水資源綜合管理目標（SDG 6.5）的進展情況。中國省級水資源綜合管理數據支撐能力評估參考 UNEPSDG 6 的綜合監測指南指標 6.5.1分步驟監測法（UNEP，2017），結合中國水文水資源監測統計情況和水資源管理的工作內容，從水資源量管理、供用水管理、水源地管理、含水層管理、數據有效性五方面構建了水資源綜合管理數據支撐能力評估指標集，并據此開展了 2017 年、2020 年中國全國及 31 個省級行政

77、區水資源綜合管理數據支撐能力評估。其中，水文站、地下水站數據來源于全國水文統計年報，總供用水量數據來源于中國水資源公報。20172020 年中國水資源綜合管理各類數據支撐能力均有不同程度進展。其中，反映供用水管理、水源地管理數據支撐能力方面，供用水量測報率、水源地水質監測率提升明顯。此外，地下水站網當量密度從 2017 年的 8.4 眼/103 km2 提升到 2020 年的 13.8 眼/103 km2，提升了 64.3%；水文站網當量密度提升了 13.3%。各省水資源綜合管理數據支撐能力差異明顯。2020年中國實現了重要水源地水質監測全覆蓋，各類監測點上報完整率各省差異較小，其他指標依然存

78、在省際不平衡現象。水文站網當量密度呈現東南大、西北小的特點，上海最大、青海最小。地下水站網當量密度呈現北方大、南方小的特點，北京最大、新疆最小。各省水資源綜合管理數據支撐能力差異與各地水資源稟賦條件、社會經濟發展狀況、水資源開發利用特點關系密切。對應目標：6.5 到 2030 年，在各級進行水資源綜合管理，包括酌情開展跨境合作水資源綜合管理32地球大數據支撐可持續發展目標報告（2022）SDG 6 根據 UNEP 最新評估報告，過去 5 年全球近 1/5 的流域地表水面積發生了顯著變化，包括因洪水和水庫建設新增的水面以及因干旱而消失的湖泊、濕地和洪泛區（UNEP,2021b）。這一期間，中國內

79、陸水體發生了顯著變化，一方面水利工程的修建增加了大量的人工水體（Wang et al.,2022），另一方面氣候變化影響下青藏高原天然湖泊面積整體呈顯著增加趨勢，而內蒙古高原上的湖泊呈減少趨勢（Tao et al.,2020）。本節從地表水面積和地下水儲量變化的角度，評估了中國推進落實保護和恢復與水有關的生態系統（SDG 6.6）的進展情況。中國各省地表水-地下水水量變化評估以歐盟委員會聯合研究中心（European Commissions Joint Research Centre,JRC）月度水體分布數據為基礎，采用人工目視解譯方法提取了 2015 年中國水庫水面數據；以哨兵一號衛星影像為

80、基礎，采用隨機森林分類方法提取了 2020 年中國水庫水面數據（Li and Niu,2022）；在 Chen 等（2009）、Pan 等（2017）基 礎 上發展了融合重力恢復與氣候試驗（Gravity Recovery and Climate Experiment，GRACE）衛星與地下水位數據的協同正演模型，進行了中國地下水儲量變化分析。中國水庫水面面積 2020 年比 2015 年增長約 7%。2015 年、2020 年中國水庫水面面積分別為 2.25 萬 km2和 2.41 萬 km2，增加了約 7%。其中，內陸河流域水庫增加最多，增長占比 5%，而珠江流域減少 4%，其他流域變化幅

81、度都在 1%2%范圍內。根據 2020 年結果，中國水庫主要分布于長江流域，約占水庫總數的 50%；淮河流域、珠江流域各占中國水庫總數 10%以上；東南諸河、松遼河流域、黃河流域、海河流域、內陸河以及西南諸河共擁有約 25%的水庫。相比 20052014 年，20152020 年中國地下水減少的速率減緩 65%。20052020 年中國地下水儲量變化速率為（-25.5632.84）億 m3/a，顯著（p0.05）減少、增多區域分別占國土面積 27%、45%。其中，顯著減少區域主要分布在黃淮海平原、內蒙古中部、西遼河流域、天山北部等長江以北地區，顯著增多區域主要分布在四川盆地、云貴高原等長江以南

82、地區（圖 3-6a）。20152020 年，中國全境和華北平原地下水減少速率分別較 20052014 年減緩 65%、37%，其中，北京平原區從年均減少（1.170.04）億 m3轉變為年均增加（0.750.11）億 m3（圖 3-6b）。地下水儲量的上述變化與水庫面積和數量總體表現出較一致的空間特征。在長江流域、松遼河流域、珠江流域等水庫較豐富的地區，地下水儲量總體呈增加趨勢；在海河流域、黃河流域、西南諸河等水庫較少的區域，地下水儲量總體呈減少趨勢。對應目標：6.6 到 2020 年，保護和恢復與水有關的生態系統，包括山地、森林、濕地、河流、地下含水層和湖泊水生態系統變化33 SDG 6 清

83、潔飲水和衛生設施SDG 6 34地球大數據支撐可持續發展目標報告（2022）SDG 6 20152020年中國SDG 6進展綜合評估 綜合利用本章各節得到的水質良好比例（SDG 6.3.2）、用水緊張程度（SDG 6.4.2）和水資源綜合管理（SDG 6.5.1）數據集，結合基于各省集中式飲用水水源地水質月報數據分析獲取的飲用水水質達標率（SDG 6.1.1）、中國城市建設統計年鑒中獲取的安全處理家庭和工業廢水的比例（SDG 6.3.1）、利用中國統計年鑒和中國水資源公報測算的用水效率（SDG 6.4.1），以及中國多時期土地利用土地覆被變化遙感監測數據集和中國科學院紅樹林數據集（CAS Ma

84、ngroves 2.0）中提取的與水相關生態系統范圍變化（SDG 6.6.1）等數據，采用各指標歸一化等權重方法構建了水資源開發與保護可持續狀態指數（簡稱“SDG 6綜合指數”），并對中國各省級行政區的變化情況進行了評估。20152020 年，中國 SDG 6 各指標均取得明顯進展。SDG 6 綜合指數較高的區域分布在生態環境較好的西藏、貴州，以及發展速度較快的北京、山東、重慶、浙江，綜合指數較低的區域多為經濟欠發達區域?？傮w來看，2015年SDG 6綜合指數較低的區域分布在內蒙古、寧夏、上海等地，2020 年寧夏、內蒙古、河北、青海等地的 SDG 6 綜合指數較低。中國各省級行政區的 SDG

85、 6綜合指數均呈增加趨勢，其中西藏、貴州、山東的 SDG 6 綜合指數增幅明顯，均超過了 50.0%，西藏的增幅達到了 78.6%（圖 3-7a）。中國各省級行政區之間水資源開發與保護可持續狀態目前還存在顯著差異，同時各區域間存在的問題各異，經濟發達地區多面臨水環境（SDG 6.3）和水生態（SDG 6.6）方面的挑戰，經濟欠發達地區的用水效率（SDG 6.4）則普遍偏低（圖 3-7b）綜合評估 圖 3-7.20152020 年中國各省份 SDG 6 綜合指數的變化空間分布（a）和單指標變化情況（b）（注：港澳臺地區數據未統計）35 SDG 6 清潔飲水和衛生設施SDG 6 建議與展望本章基于

86、國家層面的統計及衛星遙感數據，分析了中國不同省級行政區的單指標（SDG 6.3.2、SDG 6.4.1、SDG 6.4.2、SDG 6.5.1、SDG 6.6.1）及綜合進展情況，結果表明，20152020 年，中國 SDG 6 進展良好，但從省級行政區域的角度，受不同地區自然地理條件、資源稟賦以及經濟發展水平的影響，各項指標的實現情況存在顯著的空間差異?；诒菊卵芯?，我們建議：（1）針對各省級行政區 SDG 6 單指標和綜合指數變化情況，結合區域水資源供給和水環境治理能力現狀，制定與各區域經濟發展水平相適應的 SDG 6 實現優化路徑，以實現不同區域 SDG 6 各具體目標的協同發展。（2）

87、因部分指標數據不全，使得部分評估結果還存在一定不確定性，未來宜將地方監測站網和統計調查數據納入評估，以進一步提高評估的精細程度，從而支撐不同區域精準施策。（3）依托本次研究中發展的基于衛星遙感的農作物用水效率和地表水水庫水面與地下水儲量等監測評估方法，開展全球擴展應用研究，為解決這兩項指標在全球尺度的數據缺失問題提供技術解決途徑。未來，在完善國家及省級行政區尺度的監測方法和數據集的基礎上，將進一步探索流域尺度的監測與評估，更深入挖掘地球大數據技術在數據分解和空間關聯關系分析上的優勢，從而提供考慮不同空間尺度及區域水力聯系特征的決策支持服務。36地球大數據支撐可持續發展目標報告（2022）SDG

88、 7SDG 737SDG 7 經濟適用的清潔能源SDG 7SDG 7經濟適用的清潔能源背景介紹 39主要貢獻 40主題研究 41建議與展望 50北京夜間燈光遙感影像圖（衛星數據源：SDGSAT-1 成像時間：2022 年 4 月 15 日）38地球大數據支撐可持續發展目標報告（2022）SDG 7成果亮點電力獲取全球通電建筑面積增加顯著。2020 年全球通電建筑面積較 2014 年增加近 30 000 km2，通電建筑面積占比提高近 2 個百分點，117 個國家（地區）的通電建筑面積顯著增加；未通電建筑面積增加的國家（地區）中超過半數處于脆弱和沖突的環境?？稍偕茉粗袊G色低碳能源轉型進展顯著

89、。2021 年，中國可再生能源裝機和發電量分別是 2015 年的 2.12 倍和 1.79 倍，新冠疫情期間，中國可再生能源裝機仍然保持年均 15.81%的增長態勢；中國成為全球最大的風電機組和光伏組件生產及出口國，引領全球風電、光伏發電成本下降；中國光伏產業開創了農村脫貧和西部地區生態修復的新路徑，助力中國實現消除絕對貧困的目標，同時為全球擺脫貧困提供了解決方案與良好借鑒。國際能源合作中國能源國際合作幫助發展中國家實現 SDG 7 目標。中國能源國際合作項目增加了 80 個國家的人均用電量，提高了 44 個國家的可再生能源發電量占比和 49 個發展中國家的人均可再生能源裝機，中國投入發展中國

90、家的可再生能源資金超過 1 000 億美元。中國太陽能國際培訓堅持開放透明，與國際機構共同推動全球 SDG 7 目標實現，截至 2021 年受培訓國家（地區）已達 133 個，其中來自非洲的受培訓人員占總人數的 49.70%。投入發展中國家的可再生能源資金超過 億美元年可再生能源裝機和發電量分別是年的年.倍和.倍 km年年通電建筑面積增加近39SDG 7 經濟適用的清潔能源SDG 7化石燃料利用產生的人為碳排放是導致全球變暖的主要原因。為應對全球氣候變化，從化石能源到綠色低碳能源轉型已成為全球共識。聯合國為推動全球能源變革，將 SDG 7“經濟適用的清潔能源”作為聯合國 2030 年可持續發展

91、議程的17項目標之一。SDG 7從能源供應、可再生能源、能效提升和國際能源合作等四個方面設置了六大指標，確保到 2030 年實現人人獲得可靠、可負擔、可持續的現代能源目標。中國堅持生態文明理念，高度重視可再生能源發展，在應對氣候變化方面采取了系列措施，在清潔能源領域取得了重大成就。中國可再生能源裝機已連續多年位居全球首位，風電和光伏發電產業發展推動了全球可再生能源發電的規?；瘧?。2020 年，中國進一步提出“二氧化碳排放力爭于 2030 年前達到峰值，努力爭取 2060年前實現碳中和”的目標（以下簡稱“雙碳”目標）。在全球發展倡議和南南合作框架下，中國還通過投資、承建、設備供應和培訓等國際能

92、源合作，積極幫助其他國家，特別是發展中國家，為全球 SDG 7 的實現做出了重大貢獻。及時準確地跟蹤與評估全球 SDG 7 進展，對各國實現 SDG 7 的政策制定和項目實施具有重要意義。國際能源署等國際機構自 2017 年起每年聯合發布全球 SDG 7跟蹤報告，但目前 SDG 7 進程評估依然面臨數據缺失、更新滯后等挑戰。發展基于地球大數據技術的新一代SDG 7 跟蹤評估方法已成為國際熱點。本報告旨在利用遙感、地理信息系統等地球大數據技術，周期性獲取和綜合分析全球多源數據，改進全球SDG 7 的地球大數據監測與評估方法，評估全球 SDG 7 各指標進展，為在全球實現 SDG 7 目標提供科學

93、數據支撐。背景介紹40地球大數據支撐可持續發展目標報告（2022）SDG 7本章通過五個案例評估了全球和中國在 SDG 7.1、SDG 7.2、SDG 7.a、SDG 7.b 等具體目標的進展情況，主要貢獻如下（表 4-1）。主要貢獻表 4-1 案例名稱及其主要貢獻主 題對應具體目標案 例貢 獻電力獲取SDG 7.1全球建筑通電狀況數據產品：2014 年和 2020 年全球建筑通電狀況遙感監測數據集方法模型：全球建筑通電狀況遙感監測方法決策支持：為全球電氣化政策制定和投資決策提供支持可再生能源SDG 7.2中國可再生能源電力決策支持：總結中國可再生能源電力的發展經驗，為中國可再生能源電力政策制

94、定提供決策支持中國光伏電站建設數據產品：2015 年和 2020 年中國光伏電站分布數據集國際能源合作SDG 7.1SDG 7.2 SDG 7.a SDG 7.b 中國能源國際合作項目數據產品：中國能源國際合作項目對發展中國家 SDG 7 影響數據集方法模型：中國能源國際合作項目對發展中國家 SDG 7 影響評估方法決策支持：為中國國際能源合作提供決策支持SDG 7.a中國太陽能利用國際培訓數據產品：中國太陽能利用國際培訓統計數據集決策支持：為中國太陽能利用援外培訓提供決策支持41SDG 7 經濟適用的清潔能源SDG 7電力短缺是發展中國家面臨的首要能源問題，2020年全球仍有約 7 億人無法

95、獲得電力。通電率是反映電力普及程度的 SDG 7 指標，及時準確的通電率數據對于各方實現 SDG 7.1 能源供應目標具有重要參考價值。本主題研制了 2014 年和 2020 年全球 500 m 分辨率建筑通電狀況數據集，提出了建筑通電狀況的遙感監測新方法，分析了全球建筑通電狀況的空間分布和變化，解決了現有通電率數據部分國家數據缺失、更新滯后等問題，提升了全球建筑通電狀況的監測能力，為制定針對性的電力供應策略提供數據支持。全球建筑通電狀況基于全球 500 m 分辨率夜間燈光遙感數據，提出了全球建筑通電狀況遙感監測方法（Gao et al.,2022a），監測了 2014 年和 2020 年全球

96、建筑通電狀況，精度達98.10%，統計分析了全球通電建筑的空間分布和時序變化規律，評估了全球實現 SDG 7.1.1 通電率目標的進展。全球未通電建筑主要分布在非洲和亞洲，尤其是撒哈拉以南的非洲。2020 年，全球未通電建筑主要分布在非洲和亞洲（圖 4-1），其中未通電建筑面積占比排名前20 國家中 76%分布在撒哈拉以南的非洲。要在全球實現人人均能獲得電力的 SDG 7 目標，需要國際社會進一步加大對發展中國家的支持。2020 年全球通電建筑面積較 2014 年明顯增加。2020 年 全 球 通 電 建 筑 面 積 較 2014 年 增 加 29 108.62 km2，通電建筑面積占比由 9

97、6.95%增加為 98.68%（圖4-2）。根據世界資源研究所的全球電站數據庫，在此期間，117 個國家（地區）通過 415 個電站的建設，使得通電建筑面積占比增加。而未通電建筑占比增加最多的 18 個國家僅建設了 17 個電站。未通電建筑面積顯著增加的國家（地區）超過一半處于脆弱和沖突的環境。32 個國家（地區）未通電建筑面積占比增加，其中 18 個國家（地區）增加顯著，增幅超過 0.1%。這 18 國家中 6 個處于中高強度沖突（World Bank，2022），1 個國家社會環境脆弱，3 個國家發生過武裝沖突（騷亂），5 個國家因新冠疫情出現經濟衰退。因此，政局動蕩、武裝沖突、經濟衰退是

98、導致未通電建筑面積增加的主要原因之一。主題研究對應目標：7.1 到 2030 年，確保人人都能獲得負擔得起的、可靠的現代能源服務電力獲取42地球大數據支撐可持續發展目標報告（2022）SDG 743SDG 7 經濟適用的清潔能源SDG 744地球大數據支撐可持續發展目標報告（2022）SDG 7可再生能源是全球能源轉型和應對氣候變化的關鍵。2012 年以來，中國提出的“推動能源生產和消費革命”戰略持續推進了新時代能源發展，“雙碳”目標的提出明確了中國能源轉型方向。作為負責任的大國，中國不再新建境外煤電項目，大力支持發展中國家綠色低碳能源發展，為全球能源轉型和綠色發展做出表率。本主題基于地球大數

99、據，建立了中國 20152021 年的可再生能源電力生產數據集、2015 和 2020 年光伏電站遙感監測數據集、可再生能源政策體系數據集，綜合分析了中國可再生能源電力發展情況和政策經驗，為其他發展中國家推進可再生能源發展提供借鑒。中國可再生能源電力基于 20152021 年中國可再生能源發電裝機和生產數據（中國國家能源局，2016-2022a，2016-2022b；中國電力年鑒，2016），分析可再生能源發電裝機和發電量占比變化，總結可再生能源發展的政策經驗，評估可再生能源電力的推廣與利用進展。2021 年中國可再生能源裝機是 2015 年的 2.12 倍，占全球可再生能源裝機的三分之一，助

100、力全球能源轉型。2021 年中國可再生能源裝機達到 10.63 億千瓦，是 圖 4-3.中國可再生能源電力裝機及占比（a）和中國可再生能源電力發電量及其在全社會用電量的占比（b）對應目標：7.2 到 2030 年，大幅增加可再生能源在全球能源結構中的比例可再生能源2015 年的 2.12 倍，占中國全部電力裝機的 44.72%（圖4-3），占全球可再生能源裝機的 34.69%；發電量 24 853億千瓦時，是 2015 年的 1.79 倍，約占全社會用電量的29.90%。其中非水可再生能源增長更加強勁，2021 年累計裝機是 2015 年的 3.69 倍，發電量是 2015 年的 4.12 倍

101、。新冠疫情期間，中國可再生能源發電裝機仍然保持高速增長態勢，年均增長 15.81%。中國可再生能源規?；l展為實現中國“雙碳”目標奠定了良好基礎，有力推動了全球可靠清潔能源目標的實現。近 10 年來，中國陸上風電和光伏發電成本分別下降 30%和 75%，推動全球清潔能源轉型。近 10 年來，中國風電和光伏產業規模穩步增長、技術水平不斷提升、發電成本快速下降。陸上風電和光伏發電成本分別下降 30%和 75%左右。隨著成本下降，中國光伏上網電價自 2015 年以來持續下降（中國國家發展和改革委員會，2019，圖 4-4），2021 年已經實現平價上網（光伏上網價格和火電相同）。中國成為全球最大的風

102、電機組和光伏組件生產及出口國，以光伏發電為例，2021 年中國光伏組件產量達到 18 180 萬千瓦（港澳臺地區無數據），約占全球總產量的 82.34%（中國光伏行業協會，2021）。中國可再生能源的快速發展為推動全球實現可負擔清潔能源提供了有力保障。持續調整和完善可再生能源政策體系，為全球可再生能源電力發展提供借鑒。政策頂層設計與規劃引領中國可再生能源電力快速發展。2006 年施行的中華人民共和國可再生能源法是促進可再生能源發展的法律基45SDG 7 經濟適用的清潔能源SDG 7基于地球大數據平臺和 Deeplab V3+深度學習網絡，利用 2015 和 2020 年哨兵二號衛星影像，構建了

103、中國光伏電站識別樣本庫及提取模型，分析了光伏電站的分布現狀及發展趨勢?；谥袊斦抗夥鲐氀a助目錄數據，分析了光伏扶貧項目對農村經濟的影響。中國集中式光伏電站主要分布在西北地區，開創了生態脆弱地區生態修復的新路徑。胡煥庸線東西兩側光伏電站占比分別為 43.25%和 56.75%，集中式光伏電站多分布在沙漠、戈壁、荒漠集中的西北地區，充分利用沙漠、戈壁和荒漠資源。光伏組件可以降低風速和遮蔽陽光直射，減少 20%30%的地表水蒸發，同時還具有集雨功能，從而有效改善植被生存環境。中國西部“光伏治沙”項目為生態脆弱區生態環境改善做出了貢獻。20152020 年新增光伏電站主要分布在中國西北和華北地區

104、，分別占比 37.54%和 17.25%（圖 4-5）。中國“光伏扶貧”項目為農村經濟發展提供新思路。中國開創了光伏扶貧的新路徑。根據中國財政部光伏扶貧補助目錄數據和國家能源局光伏扶貧效益數據，截止 2020 年底，共建設了 8.3 萬座村級電站（圖 4-6），覆蓋 9.23 萬個村，每年產生發電收益約 180 億元，戶均發電收益約 4 337 元，創造了約 125 萬個就業崗位。光伏扶貧工程的成功實施為農戶提供了清潔能源，提升了鄉村治理能力，改善了人居環境。在光伏扶貧取得巨大成果的基礎上，中國將進一步推動農村分布式光伏開發，助力鄉村振興，為廣大發展中國家農村地區能源轉型與經濟發展提供示范。圖

105、 4-4.中國光伏標桿上網電價變化中國光伏電站建設對應目標：7.2 到 2030 年，大幅增加可再生能源在全球能源結構中的比例礎。后續系列政策法規的出臺，為國家可再生能源規?；l展、產業技術推廣與利用奠定了堅實基礎。自該法律頒布實施以來，中央有關部門先后出臺了 200 多項政策通知，發布了超過 660 項標準，中國各地區也制定了可再生能源發展專項規劃。根據可再生能源不同發展階段，不斷完善政策措施。中國可再生能源發展從初期的初始投資補貼和特許權招標等政策，逐步過渡到固定電價機制、保障性收購和財稅金融等其他支持政策。目前風電光伏已全面進入平價上網階段，中國將進一步完善基于可再生能源環境價值的政策支

106、持體系，加強可再生能源綠色電力證書機制與碳交易相關政策的銜接。46地球大數據支撐可持續發展目標報告（2022）SDG 7 圖 4-6.中國光伏扶貧電站空間分布圖 圖 4-5.2020 年中國光伏電站空間分布現狀47SDG 7 經濟適用的清潔能源SDG 7發展中國家普遍存在能源短缺問題，同時缺乏資金和技術來實現能源自給和能源轉型。要在全球實現 SDG 7 人人都可負擔的現代能源服務目標，關鍵在于如何幫助發展中國家解決能源短缺和能源轉型問題，為此，SDG 7 設立了 7.a 和 7.b 兩個國際合作指標來促進發展中國家的綠色低碳能源轉型。在全球發展倡議和南南合作框架下，中國積極響應聯合國 2030

107、 年可持續發展議程中 SDG 7 相關國際合作的指標，幫助發展中國家發展清潔能源，推動全球能源綠色低碳轉型。清潔能源始終是中國國際合作項目的重點。中國積極通過投資、承建和設備供應等形式為發展中國家能源項目建設提供資金和技術，幫助發展中國家實現 SDG 7 目標。同時，中國積極通過政府間國際培訓等方式，為發展中國家清潔能源發展的政策制定、產業規劃、項目實施、人才培養等方面提供幫助。本主題研發了中國能源國際合作項目對發展中國家SDG 7 影響評估數據集和太陽能利用國際培訓數據集，提出了中國能源國際合作項目對發展中國家 SDG 7 影響評估方法，評估了中國能源國際合作項目和太陽能利用國際培訓對發展中

108、國家 SDG 7 目標實現的影響。中國能源國際合作項目 圖 4-7.中國能源國際合作項目對 80 個國家 2015 年與 2020 年 SDG 7 指標的貢獻基于世界銀行的全球人口和人均用電量數據，世界資源研究所的全球電站數據庫和自主研發的中國能源國際合作項目數據集等，采用地球大數據空間統計分析方法，評估了中國能源國際合作項目對發展中國家 SDG 7實現的影響。中國以投資、承建或者設備供應等方式在80 個國家參與了 437 個能源國際合作項目（Gao et al.,2022b），對促進發展中國家實現SDG 7目標貢獻顯著（圖4-7）：這些項目增加了發展中國家的電力裝機和人均用電量，提高了發展中

109、國家的人均可再生能源裝機和發電量占比，20002020 年中國投入發展中國家的可再生能國際能源合作對應目標：7.1 到 2030 年，確保人人都能獲得負擔得起的、可靠的現代能源服務7.2 到 2030 年，大幅增加可再生能源在全球能源結構中的比例7.a 到 2030 年，加強國際合作，促進獲取清潔能源的研究和技術，包括可再生能源、能效，以及先進和更清潔的化石燃料技術，并促進對能源基礎設施和清潔能源技術的投資7.b 到 2030 年，增建基礎設施并進行技術升級，以便根據發展中國家，特別是最不發達國家、小島嶼發展中國家和內陸發展中國家各自的支持方案，為所有人提供可持續的現代能源服務48地球大數據支

110、撐可持續發展目標報告（2022）SDG 7 圖 4-8.20002019 年中國能源國際合作項目裝機容量占所在國總裝機容量的比值源資金超過 1 000 億美元。幫助發展中國家解決電力短缺問題，提高全球電力供應能力。中國能源國際合作項目在安哥拉、幾內亞等13 個國家總裝機容量的占比超過 50%；在緬甸、贊比亞等 20 個國家總裝機容量的占比超過 20%（圖 4-8）；可滿足埃塞俄比亞、巴基斯坦等 32 個國家新增電力需求，助力這些國家解決電力短缺問題；增加了 80 個國家的人均用電量，其中 10 個國家的人均用電量增加超過 400 千瓦時。幫助 44 個國家提升可再生能源占比，促進全球能源綠色低

111、碳轉型。中國能源國際合作項目中可再生能源電站數量占比達 51.26%，裝機占比 41.35%。中國能源國際合作項目提高了 44 個國家的可再生能源發電量占比，平均提高幅度為 3.70%，填補了沙特阿拉伯等 5 個國家可再生能源電站的空白。2020 年，中國能源國際合作項目可再生能源電站裝機是 2015 年的 1.37 倍。投入發展中國家的能源資金將以可再生能源為主，支持發展中國家清潔能源開發利用。根據全球發展政策研究中心的中國海外能源融資數據庫，20002020 年，中國國家開發銀行和中國進出口銀行中國海外能源融資金額達 2 346 億美元，其中可再生能源直接投資占比42.75%。在能源電站方

112、面的直接投資金額 803 億美元，其中可再生能源投資占比 38.73%。2021 年，中國國家主席習近平宣布中國將不再新建境外煤電項目，可再生能源投資將成為中國境外能源投資的主要類型。顯著提高了 49 個發展中國家的人均可再生裝機容量，幫助發展中國家能源轉型。中國能源國際合作項目中可再生能源電站總裝機達 8 542 萬千瓦，分布在 55 個國家，其中 49 個為發展中國家，人均可再生能源裝機為26.90 瓦；使得 12 個國家人均可再生能源裝機增加超過50 瓦，最高增加量達 189.78 瓦。49SDG 7 經濟適用的清潔能源SDG 7中國太陽能利用國際培訓參考中國商務部、科技部等援外培訓主辦

113、機構工作，結合承辦單位甘肅自然能源研究所 19912021 年太陽能利用援外培訓統計數據，研制了中國太陽能利用國際培訓數據集，分析了參加中國太陽能利用國際培訓國家和人員的全球分布情況，評估了中國援外培訓對太陽能利用國際合作的影響。中國太陽能利用援外培訓國家遍布全球，促進與發展中國家的合作。截至 2021 年，中國對外培訓國家和地區達 133 個，其中發展中國家占比 93.23%；培訓約 2 000人次，其中非洲國家人數占為 49.70%（圖 4-9）。通過培訓，120 個國家的政要、使節和專家 3 200 余人對中國培訓機構進行了訪問，中國與 50 多個國家簽訂了合作協議，幫助發展中國家實現可

114、持續發展目標。堅持開放透明，與聯合國等機構和組織共同推動全球 SDG 7 落實。中國太陽能利用國際培訓項目始終堅持開放透明，廣泛匯聚國際力量，與聯合國開發計劃署等十多家國際機構和組織開展合作，與聯合國工業發展組織合作的“國際太陽能技術轉移和促進中心”項目是該組織 50 周年時與中國政府合作的六大成就之一；成功組織了 240 余名國際組織官員和專家來華為學員講座或技術交流（圖 4-10），推廣應用適用產品，拓展國際合作。圖 4-9.19912021 年中國太陽能援外培訓人員和國家分布 圖 4-10.學員參觀中國光伏電站對應目標：7.a 到 2030 年，加強國際合作，促進獲取清潔能源的研究和技術

115、，包括可再生能源、能效，以及先進和更清潔的化石燃料技術，并促進對能源基礎設施和清潔能源技術的投資50地球大數據支撐可持續發展目標報告（2022）SDG 7建議與展望本章圍繞 SDG 7，從電力獲取、可再生能源和國際能源合作三個主題，研究了 SDG 7 地球大數據監測與分析方法，評估了全球和中國 SDG 7 指標進展。結果表明，近年來，全球和中國 SDG 7 進程已取得了顯著進展?；诒菊卵芯?，我們建議：（1）地球大數據支持 SDG 7 能力有待進一步提升，應加強大數據可持續發展設施建設。地球大數據技術在SDG 7.1 和 SDG 7.2 等具體目標監測方面具備向全球推廣的潛力，可為全球 SDG

116、 7 指標的監測提供數據支撐。但受衛星遙感數據空間分辨率的限制，部分評估結果還存在進一步提升的空間。未來應發展可持續發展衛星星座，進一步提升地球大數據支持可持續發展目標的支撐能力。（2）發展可再生能源是應對氣候變化和實現全球能源轉型的關鍵，各國應制定有力的可再生能源發展支持政策。中國能源轉型經驗表明，國家政策對可再生能源發展至關重要。要在全球實現 SDG 7 目標和能源轉型，需各國制定促進可再生能源發展的產業政策，共同維護有利于可再生能源發展的國際環境，促進全球綠色低碳發展。（3）新能源電站建設是解決發展中國家能源短缺問題的重要途徑，發展中國家應大力發展可再生能源。全球未通電建筑面積主要分布在

117、發展中國家。能源電站建設是 117 個國家未通電建筑面積減少的主要原因。發展中國家可充分利用風能和太陽能等可再生能源資源分布廣泛、易于開發利用等特點，積極開展可再生能源電力建設。（4）全球發展伙伴關系對發展中國家實現 SDG 7 目標至關重要，國際社會應進一步加大對發展中國家的支持。發展中國家普遍缺乏發展可再生能源的資金和技術。中國能源國際合作項目在發展中國家實現 SDG 7 目標中發揮重要作用。要在全球實現 SDG 7 目標，需要國際社會加強對發展中國家的關注和支持。風電和光伏發電等新能源成本已和傳統化石能源相當。未來，新能源將逐步成為全球各國能源系統主力，大幅降低全球能源系統碳排放，顯著增

118、強各國能源自主能力。51SDG 7 經濟適用的清潔能源SDG 7庫布齊沙漠光伏電站多譜段遙感影像圖（衛星數據源：高分 2 號 成像時間：2022 年 3 月 31 日）52地球大數據支撐可持續發展目標報告（2022）SDG 6 SDG 1153 SDG 6 清潔飲水和衛生設施SDG 6 背景介紹 55主要貢獻 56主題研究 57建議與展望 66SDG 11可持續城市和社區54地球大數據支撐可持續發展目標報告（2022）SDG 11 成果亮點城鎮化進程監測與評估全球城鎮化協調發展總體向好，全球城市土地利用效率指標由20002005 年的 1.65 下降到 20152020 年的 1.31，但是土

119、地城鎮化速度仍超過人口城鎮化速度。世界遺產保護20152020年，564項世界文化遺產地土地覆蓋變化普遍小于1%，保護態勢總體良好，土地覆蓋變化對文化遺產保護的正/負向作用分析發現，作用趨勢與人均國內生產總值高度相關。城市災害與應對20152030 年仙臺減少災害風險框架實施后，全球因極端災害年均受災人口和死亡人口數量顯著減少，但直接經濟損失指標增加幅度較大；中國的 SDG 11.5.1（受災和死亡人數）和 SDG 11.5.2（直接經濟損失）兩項監測指標均呈現明顯下降趨勢。城市綠色空間中國以全球 19%的城市建成區面積貢獻了全球 28%的城市顯著變綠區域。全球范圍內共有約 3.1 億人直接受

120、益于城市顯著變綠，中國的受益人口約占全球受益總人口的 47%。社區尺度 SDG 11 指標綜合監測中國 SDG 11.1、SDG 11.2、SDG 11.3 實現情況在社區尺度上總體向好。20152020 年，中國主要城市原有棚戶區的常住人口下降30.8%，體現棚戶區改造成效顯著、人居環境改善；各類社區的交通便利度平均提升 2.9%，惠及人口增加 0.19 億；各類社區的容積比平均增長 8%，綜合反映社區土地利用效率提高。全球城鎮化協調發展總體向好-年世界文化遺產地土地覆蓋變化1）的 城 市 占 比 從65.10%下降至 63.57%；人口增長率大于土地消耗率（0LCRPGR1）的城市從 28

121、.91%增長至 30.90%；人口負增長（呈現 LCRPGR0）的城市從 6.00%下降至 5.52%。20002020 年 全 球 典 型 城 市LCRPGR 指標的變化顯示，全球城市土地利用效率指標由 20002005 年的 1.65 下降到20152020年的1.31，表明全球城鎮化協調發展趨勢良好，但是土地城鎮化速度仍超過人口城鎮化速度。全球城鎮化區域差異明顯，歐洲土地城鎮化速度明顯快于人口城鎮化速度。20002020 年全球各大洲典型城市 LCRPGR 指標的變化顯示，在不同時期，除亞洲外，歐洲、南美洲、北美洲、非洲以及大洋洲的 LCRPGR 指標均呈現下降趨勢。以 20152020

122、 年為例，結果排序呈現歐洲（2.76）亞洲（1.59）北美洲（1.41）非洲（1.13）、南美洲（1.13）大洋洲（1.01）的格局，表明歐洲地區土地消耗率明顯超過人口增長率。主題研究城鎮化進程監測與評估對應目標：11.3 到 2030 年，在所有國家加強包容和可持續的城市建設，加強參與性、綜合性、可持續的人類住區規劃和管理能力 圖 5-1.20002020 年全球城市 LCRPGR 指標變化58地球大數據支撐可持續發展目標報告（2022）SDG 11 進一步努力保護和捍衛世界文化和自然遺產是 SDG 11 可持續城市與社區的具體目標之一。當前，該具體目標監測與評估存在數據缺失、指標單一等問題

123、。結合數據的可用性，本主題選擇了世界自然與文化遺產地土地覆蓋變化監測與遺產保護評估案例，探索世界遺產可持續發展進展監測與評估的新方法，為世界遺產保護與管理提供有益參考。世界遺產地土地覆蓋變化監測與遺產保護評估基于全球土地覆蓋數據集及高分辨率衛星遙感影像數據，采用面向對象圖像分析（Object-Based Image Analysis,OBIA）方法（Tang et al.,2022），提取 20102020 年世界自然與文化遺產地土地覆蓋的變化信息；構建“與人類活動相關的土地覆蓋變化面積占保護范圍面積的百分比”評估指標，定量刻畫遺產保護狀態的變化；揭示了世界文化遺產地土地覆蓋正負向變化趨勢與社

124、會經濟發展水平的內在關聯；為世界遺產保護與可持續發展評估提供科學數據和技術手段。全球世界自然遺產地邊界區域人類活動相關土地覆蓋變化百分比普遍小于 5%，需重點關注邊界區域人工設施等擾動。選取全球 173 項世界自然遺產地和混合遺產地遺產區邊界兩側 2 km 為監測區域，分析發現20102020 年 90%的遺產地及其邊界區域與人類活動相關的土地覆蓋變化小于 5%。進一步分析變化百分比最大的 20 項遺產地，發現邊界區域人工設施增加明顯。全球世界文化遺產賦存環境保護總體良好，保護態勢與國家社會經濟發展水平高度關聯。選取全球 564 項世界文化遺產地作為研究區域，分析發現 20152020 年90

125、%的遺產地保護范圍內（遺產區和緩沖區）土地覆蓋變化小于 1%；相較于遺產區，緩沖區土地覆蓋變化百分比明顯增大（圖 5-2）。通過對 20152020 年世界文化遺產地正向（環境整治、博物館修建）與負向（建設侵占、無序開發）土地覆蓋變化的識別與國別尺度統計分析，發現了文化遺產地保護態勢與人均國內生產總值（Gross Domestic Product，GDP）的內在關聯，欠發達國家或地區文化遺產保護壓力尤為突出，揭示社會經濟發展對世界文化遺產地可持續發展的促進作用，即隨著人均 GDP 增長，世界文化遺產地保護態勢呈正向發展。對應目標：11.4 進一步努力保護和捍衛世界文化和自然遺產世界遺產保護 圖

126、 5-2.20152020 年世界文化遺產保護范圍內（遺產區 和緩沖區）土地覆蓋變化百分比59SDG 11 可持續城市和社區SDG 11 城市災害與應對每十萬人因災害死亡、失蹤和直接受災人數，以及因災害造成的直接經濟損失是 SDG 11.5 的重要指標，也是聯合國20152030 年仙臺減少災害風險框架（簡稱仙臺框架）的核心指標。近三十年來，全世界在減輕災害損失方面有所進展，但氣候變化和快速城市化帶來的極端天氣氣候災害對全球的災害應對提出了新的挑戰。分析比較仙臺框架實施前后的監測指標變化對于推動 SDG 相關指標的實現具有重要參考意義。20002021年全球極端天氣氣候事件評估本案例通過綜合考

127、慮致災因子強度和災情的極端性，基于極端天氣氣候事件的判定標準，對全球災害事件進行多源數據融合和篩選，分析了 20002021 年全球極端天氣氣候事件的時空分布與變化特點。20002021 年全球極端天氣氣候事件以極端洪澇、熱帶氣旋、極端高溫以及寒潮和冬季風暴事件為主。20002021 年，極端洪澇、熱帶氣旋、極端高溫以及寒潮和冬季風暴事件分別占全球極端天氣氣候事件總數的51%、20%、14%和 9%，是影響全球的主要極端天氣氣候事件類型（圖 5-3）。仙臺框架實施后，全球極端天氣氣候事件年均受災人口和年均死亡人口較實施前大幅減少。2016年，仙臺框架開始實施，全球極端天氣氣候事件年均受災人口和

128、年均死亡人口較 仙臺框架 實施前（20002015年）分別減少了 42.2%和 78%，年均每十萬人口受災數和死亡數總體均顯著低于仙臺框架實施前的水平。全球極端天氣氣候事件年均直接經濟損失及其 GDP占比較仙臺框架實施前顯著增加。20162021 年，由于經濟暴露量快速增加，全球極端天氣氣候事件年均直接經濟損失是仙臺框架實施前的 4 倍，年均直接經濟損失 GDP 占比是實施前的 2.5 倍，直接經濟損失指標增加幅度較大。圖 5-3.全球極端天氣氣候事件分災種空間分布圖（20002021 年）對應目標：11.5 到 2030 年，大幅減少包括水災在內的各種災害造成的死亡人數和受災人數，大幅減少上

129、述災害造成的與全球國內生產總值有關的直接經濟損失，重點保護窮人和處境脆弱群體60地球大數據支撐可持續發展目標報告（2022）SDG 11 20102021年中國地市級自然災害SDG 11.5指標監測本案例所用數據包括 2010 年以來中國地市級受災人口、死亡失蹤人口、直接經濟損失、年末總人口、GDP年度統計數據，20162020 年縣域年末總人口、地區生產總值（Gross Regional Product，GRP）和臺風災情數據集。本案例采用統計和空間數據協同方法對災害風險變化開展多維度監測，進而評估 SDG 11.5 的實現進展。2010 年以來中國 SDG 11.5 的兩項監測指標均呈現明

130、顯下降趨勢。2021 年，中國每十萬人受災人口、每十萬人死亡失蹤人口、直接經濟損失占 GDP 比重較20102020 年均值分別下降 58.2%、54.7%、50.8%，下降趨勢明顯。但是，極端災害事件對局地影響偏重，河南極端暴雨、青?，敹嗟卣鸬戎卮鬄暮κ录Ξ數亟洕鐣l展造成一定影響。相較于仙臺框架實施前，20162021 年中國年均每十萬人受災人口、每十萬人死亡失蹤人口、年均直接經濟損失占 GDP 比重均大幅下降。仙臺框架實施后（20162021 年），中國年均每十萬人受災人口、年均每十萬人死亡失蹤人口、年均直接經濟損失占 GDP比重較實施前（20102015 年）水平分別下降 57.7

131、%、64.8%、48.3%，降幅顯著。中國為仙臺框架目標實現作出了積極貢獻。臺風災害對沿海城鎮化地區影響總體呈減輕趨勢。2016 年以來，中國綜合防災減災和城市抵御自然災害能力建設持續發揮成效，臺風災害對東南沿海地區的相對影響總體呈減輕趨勢，但華東、華南沿海城鎮化程度較高的區域，人口和經濟密度高，臺風災害影響的集聚效應明顯，應持續加強應對極端臺風事件的風險管理能力（圖 5-4）。圖 5-4.20162020 年中國東南沿海臺風災害縣域 SDG 11.5 監測指標總體變化趨勢圖對應目標：11.5 到 2030 年，大幅減少包括水災在內的各種災害造成的死亡人數和受災人數，大幅減少上述災害造成的與全

132、球國內生產總值有關的直接經濟損失，重點保護窮人和處境脆弱群體61SDG 11 可持續城市和社區SDG 11 城市綠色空間城市綠色空間是城市生態系統的重要組成部分，也是 SDG 11.7 中的重要指標。本研究從全球視角，開展主要城市的綠度變化和受益人口評估，在全球城市化進程不均衡的背景下，突出中國城市生態文明建設的成就，并為全球城市可持續發展監測提供低成本解決方案。全球大城市綠度變化與受益人口本案例對 20012021 年全球城市化進程中城市環境變化的不均衡性進行梳理，評估城市變綠的直接受益人口，為全球城市可持續發展監測提供低成本解決方案，為中國城市生態文明建設提供數據支撐。使用美國 Terra

133、/Aqua 衛星中分辨率成像光譜儀（Moderate Resolution Imaging Spectroradiometer，MODIS）2020 年土地利用變化數據，在全球范圍內共篩選出了 1 783 個城市或城市群（統稱為“城市”）。使用 20012021 年 MOD13Q1 增強型植被指數（Enhanced Vegetation Index，EVI）數據，計算了城市像素的年最大綠度的變化趨勢和顯著性水平（Sun et al.,2020），分析了每個城市顯著變綠的城區面積占比。將顯著變綠區域與人口數據（WorldPop、LandScan、GPW V4）進行疊加分析，估算了城市顯著變綠的直

134、接受益人口（Giles-Corti et al.,2016）。中國城市顯著變綠的面積全球最多。20012021 年全球 1 783 個城市的顯著變綠比率與直接受益人口空間分布如圖 5-5 所示。在全球范圍內，城市顯著變綠比率較高的城市（圖中藍、綠點）主要分布在東亞、歐洲和北美洲的美國東部地區，零星地分布在非洲、大洋洲和南美洲。在 1 783 個城市中，316 個中國城市的建成區面積只占全球城市建成區面積的 19%，卻貢獻了全球 28%的顯著變綠的城區面積。中國因城市顯著變綠的受益人口占全球近一半。全球范圍內，因城市顯著變綠的直接受益人口共約 3.1 億。各大洲的受益人口占比分別為：亞洲（71%

135、）、歐洲（12%）、北美洲（8%）、南美洲（6%）、非洲（3%）、大洋洲（0.4%）（圖5-6a）。其中，中國約 1.47 億人口受益于城市顯著變綠，約占全球受益人口的47%。其中，珠江三角洲（1 792萬）、長江三角洲（1 638 萬）和北京（974 萬）成為全球因城市顯著變綠而受益人口最多的城市。城市生態環境改善與收入水平關系密切，中高收入國家改善最為顯著。根據世界銀行劃分的收入水平，按城市顯著變綠比率的平均值從高到低排序，分別是中高收入水平國家（15.45%）、高收入水平國家（14.00%）、低收入水平國家（11.78%）和中低收入水平國家（9.79%）（圖 5-6b，柱狀圖）。以 20

136、192021 年的平均最大綠度表征當前城市的環境狀態（圖 5-6b，折線圖），發現高收入水平國家城市的平均最大綠度最高（0.40）；與此相對，中高、中低和低收入國家城市的平均最大綠度分別為 0.35、0.35 和 0.30，城市環境仍有很大的提升空間。對應目標：11.7 到 2030 年，向所有人，特別是婦女、兒童、老年人和殘疾人，普遍提供安全、包容、便利、綠色的公共空間62地球大數據支撐可持續發展目標報告（2022）SDG 11 63SDG 11 可持續城市和社區SDG 11 64地球大數據支撐可持續發展目標報告（2022）SDG 11 社區尺度SDG 11指標綜合監測城市可持續發展是影響全

137、球可持續發展目標實現的重中之重，城市可持續性評價是度量城市可持續發展水平的標尺，是實現城市可持續發展的基礎?，F有的 SDG 11 目標監測評估方法關注城市尺度，但忽略了城市內部的異質性，不利于開展精細化評價和形成因地制宜決策。因此，我們探索社區尺度 SDG 11 指標精細化監測與綜合評估，為中國典型城市提供全覆蓋、多指標、細粒度的社區可持續發展指標體系數據產品，服務科學化、精細化城市規劃與社區治理。中國主要城市的社區可持續發展指標精細化監測本案例以城市內部的社區功能空間為基本單元，建立社區尺度 SDG 11 指標監測體系。具體來說，即通過耦合社區景觀和全球城市邊界（Global Urban B

138、oundaries,GUB）數據，優化提取具有相似物理結構和社會經濟服務的社區單元，并精細識別其功能類型，研制社區功能分類數據產品。在每一社區單元內部，基于多源數據提取多類城市要素及其空間分布，定義三類社區可持續發展指標體系和計算方法。（1）不同住區人口指標：耦合社區功能分類數據和 WorldPop 人口數據，提取不同住區人口占比，結合中國城市建設統計年鑒中城區人口數據計算不同住區的常住人口，并重點關注棚戶區常住人口（本案例中棚戶區是指城市規劃區范圍內，建筑高度較低、建筑密度較大、斜路或斷頭路較多、使用年限久、配套設施不健全的連續區域）；（2）社區交通便利度指標：基于交通興趣點數據，構建短途通

139、勤站點（公交站、地鐵站、停車場）的500 m緩沖區和長途旅行站點（飛機場、火車站）的1 000 m緩沖區，形成交通便利服務區域，進而與社區功能分類數據疊加，計算每個社區的交通便利度；（3）社區容積比指標：耦合社區功能分類數據和建筑物數據，依據社區內建筑底面積 層數/社區面積計算社區容積比。本案例為中國 31 個主要城市（省會直轄市）提供全覆蓋（1 341 萬個社區、51 萬 km2）、多指標（3 類 SDG 11 指標）、多時期（20152020 年）、細粒度（2 m 分辨率、13 類社區）的社區可持續指標數據產品（圖 5-7），服務因地制宜的社區規劃與治理。研究發現：20152020 年中國

140、主要城市的棚戶區常住人口顯著減少。針對 SDG 11.1 所關注的棚戶區，20152020 年中國主要城市原有棚戶區的常住人口由 2 202.5 萬人減少至 1 524.2 萬人，減少 678.3 萬人，下降 30.8%，體現中國主要城市的棚戶區改造成效非常顯著、人居環境改善。20152020 年中國主要城市的社區交通便利度及惠及人口提升。期間中國主要城市中幾乎所有社區的交通便利度都有上升（除水域外），各類社區的交通便利度平均提升 2.9%，其中在建區和開放公共空間的交通便利度提升最為明顯，達 20%以上。面向 SDG 11.2，中國主要城市的社區交通便利惠及人口增加 0.19 億人。2015

141、2020 年中國主要城市的土地利用率提高。社區容積比綜合表征社區內建筑物的密度與高度，精細化、全面化反映社區尺度土地使用情況。針對 SDG 11.3，發現 20152020 年中國主要城市的社區容積比平均提升8%，表明在社區尺度上中國主要城市的土地利用率顯著提升。對應目標：11.1 到 2030 年，確保人人獲得適當、安全和負擔得起的住房和基本服務，并改造貧民窟11.2 到 2030 年，向所有人提供安全、負擔得起的、易于利用、可持續的交通運輸系統，改善道路安全，特別是擴大公共交通，要特別關注處境脆弱者、婦女、兒童、殘疾人和老年人的需要11.3 到 2030 年，在所有國家加強包容和可持續的城

142、市建設，加強參與性、綜合性、可持續的人類住區規劃和管理能力65SDG 11 可持續城市和社區SDG 11 圖 5-7.20152020 年中國主要城市的社區功能分類與可持續指標計算結果66地球大數據支撐可持續發展目標報告（2022）SDG 11 建議與展望本章從全球和中國尺度分析了城鎮化進程監測與評估、世界遺產保護、城市災害與應對和城市綠色空間四個主題的進展情況，并在中國典型城市社區尺度開展了棚戶區、社區交通便利度、社區容積比三個指標的動態監測與分析?；诒菊卵芯?，我們建議：（1）針對 SDG 11.3.1 城市土地利用效率指標，研究發現 20002020 年全球城鎮化協調發展總體向好。建議合

143、理規劃城市土地擴張，優化土地資源配置，避免低水平擴張以及低效利用。（2）針對 SDG 11.4.1 世界遺產保護指標，研究發現土地覆蓋變化對文化遺產保護的正/負向作用趨勢與人均 GDP 高度相關。建議按照世界遺產公約和實施 操作指南加強世界遺產 SDG 指標的監測與評估，重點關注并妥善解決全球中等收入國家與地區在世界遺產保護與社區發展之間的矛盾與沖突。（3）針對 SDG 11.5.1、SDG 11.5.2 城市災害指標，研究發現仙臺框架的實施在全球和中國均取得一定成效，但全球共同應對極端災害的必要性和緊迫性依舊存在，需要持續將減輕災害風險作為城市、社區發展，以及經濟、社會和環境政策的核心考量。

144、（4）針對 SDG 11.7.1 城市開放公共空間指標，研究發現中國以全球 19%的城市建成區面積貢獻了全球28%的城市顯著變綠區域，并且中國的城市增綠受益人口約占全球受益總人口的 47%。建議在快速的城市化進程中，尤其對發展中國家應加強城市規劃，增加綠色基礎設施投入。（5）針對社區尺度 SDG 11 指標綜合監測，研究發現中國 SDG 11.1、SDG 11.2、SDG 11.3 實現情況在社區尺度上總體向好，但不同社區的 SDG 11 評價指標存在差異，建議關注并完善社區尺度 SDG 11 監測與評估，加強不同社區之間均衡可持續發展。尤其是 SDG 11.1，研究發現中國棚戶區改造成效顯著

145、，主要城市的棚戶區面積減小、棚戶區人口占比持續降低；但因城市建成區面積擴大，2020 年中國主要城市的棚戶區人口仍占城市常住人口的 5.2%，因此還需堅持棚戶區改造政策，持續改善城市人居環境。未來，需要了解可持續城市化的變革過程，將持續探索以地球大數據為代表的數字技術在可持續城市和社區監測與評估方面的能力，從而為 SDG 11 目標實現在填補數據空缺、擴展指標體系、支撐政府決策等方面提供實施路徑和科學依據。67SDG 11 可持續城市和社區SDG 11 九寨溝諾日朗瀑布68地球大數據支撐可持續發展目標報告（2022）SDG 13 SDG 1369SDG 13 氣候行動SDG 13 背景介紹 7

146、1主要貢獻 72主題研究 73建議與展望 83氣候行動SDG 1370地球大數據支撐可持續發展目標報告（2022）SDG 13 成果亮點災害監測與減災行動氣候相關災害極端性增強，中國減災政策逐步完善。20112020年，全球受熱浪影響范圍增加約 5%；2021 年中國澇漬害影響面積約為往年同期 2.6 倍，通過科學田間管理等措施有效彌補了作物產量損失；中國已經依據仙臺框架建立了完整的國家減災體系，通過和執行地方減輕災害風險體系的省級政府比例達到 100%。氣候變化長期預警全球海洋物理環境變化加劇。全球海洋上層 2 000m 變暖速率顯著加速，海洋鹽度“咸變咸，淡變淡”的變化趨勢明顯，對海洋生態

147、環境和可持續發展造成長期威脅。全球陸/洋碳匯估算全球陸地、大洋生態系統碳匯能力增強。近 20 年，全球陸地凈生態系統生產力呈顯著增加趨勢；全球大洋碳匯強度受厄爾尼諾-拉尼娜影響波動較大，但 2008 年以來大洋碳匯呈不斷加強趨勢。氣候變化教育中國應對氣候變化的教育政策體系相對完善，師生均對氣候變化議題高度認同并在生活中自覺實踐，教學設計與實踐活動仍有待加強。執行地方減輕災害風險體系的省級政府比例達到%全球海洋上層米變暖顯著加速全球陸地大洋生態系統碳匯能力增強CO中國應對氣候變化的教育政策體系相對完善71SDG 13 氣候行動SDG 13 氣候變化正引發全球陸地、海洋和大氣難以預知的反應，對可持

148、續發展和生態環境具有持久、深遠的影響（WMO,2022）。依據國際災害統計數據庫 EM-DAT 發布的數據，過去 20 年，全球極端天氣導致的災害數量和經濟損失顯著增加。減緩氣候變化需要各個國家采取最緊迫的行動，減少溫室氣體排放，并通過森林保護、土壤管理、碳捕獲等增加碳匯（IPCC,2022）。為應對氣候變化對人類可持續發展的威脅，SDG 13設立為“采取緊急行動應對氣候變化及其影響”（以下簡稱“氣候行動”），并將增強抵御自然災害的能力、減少溫室氣體排放應對氣候變化、增加氣候變化的教育和預警等作為具體目標。中國積極響應氣候行動，實施“雙碳”和防災減災戰略。2022 年中國發布的國家適應氣候變化

149、戰略 2035提出，通過提升氣候變化監測、預警和應對能力，在 2035 年基本建成氣候適應型社會。目前氣候行動在所有 17 個可持續發展目標中，數據缺乏最為嚴重（UN,2021）。為此，本章通過地球大數據方法體系，重點針對災害監測與減災行動、氣候變化預警、全球陸/洋碳匯估算、氣候變化教育四個主題研制氣候行動進展監測數據產品，并開展時空分析，為應對氣候變化提供決策支持。相比以往三年的報告，今年的報告進一步拓展了大數據的廣度、空間尺度和指標內涵，評估了 SDG 13 中國四個指標進展，研制了全球尺度災害、碳匯數據產品，以期為應對和適應氣候變化做出更多貢獻。背景介紹72地球大數據支撐可持續發展目標報

150、告（2022）SDG 13 本章通過七個案例，在中國和全球尺度評估了 SDG 13.1、SDG 13.2、SDG 13.3 三個具體目標進展情況，主要貢獻如下（表 6-1）。主要貢獻表 6-1 案例名稱及其主要貢獻主 題對應具體目標案 例貢 獻災害監測與減災行動SDG 13.1 中國澇漬害時空分布及其對農作物的影響數據產品：20162021 年融合中國 2075 個土壤水分自動站觀測數據和被動微波遙感的土壤水分日產品決策支持：2021 年中國澇漬害農田受災面積約為往年的 2.6倍，通過精細田間管理可有效彌補產量損失全球熱浪變化及其影響分析方法模型：以相對與絕對閾值結合方法判斷高溫熱浪強度和頻率

151、及其影響人口數量氣候行動目標下中國防災減災政策計量評價數據產品：中國防災減災政策數據集決策支持：中國已圍繞20152030 年仙臺減少災害風險框架構建了較為完整的減災體系氣候變化長期預警全球增暖下的海洋物理環境變化數據產品：19552021 年全球海洋熱含量、鹽度、層結格點數據集決策支持：全球變暖導致的海洋物理環境變化嚴重威脅海洋生態系統及其可持續發展全球陸/洋碳匯估算SDG 13.2近 30 年來全球大洋碳收支變化趨勢數據產品：19922020 年全球大洋表層海水pCO2數據集方法模型：全球大洋吸收大氣CO2通量的估算方法20002020 年全球陸地凈生態系統生產力時空變化分析數據產品：20

152、002020 年全球陸地凈生態系統生產力產品氣候變化教育SDG 13.3中國氣候變化教育傳播現狀調查決策支持：中學師生對氣候行動的了解還需要進一步提升73SDG 13 氣候行動SDG 13 氣候變化導致洪澇、高溫熱浪等自然災害強度和頻率大幅增強。澇漬害是澇害和漬害的統稱，因大量降雨后未能及時排水而出現積水（澇害），或土壤水分長期處于過濕或過飽和狀態（漬害），造成作物生長不良、嚴重減產的農業氣象災害；高溫熱浪是一種遠超出當期氣候態的持續性高溫導致的極端天氣氣候事件。本主題融合衛星遙感和地面站點數據，評估近年來中國澇漬害、全球熱浪帶來的影響，分析其對人類生活造成的風險。中國致力于全面提升全社會抵御

153、自然災害的綜合防范能力。把握中國防災減災政策特征，及時評價與監測中國建立防災減災體系進展，對國家防災減災救災能力建設具有重要意義。中國澇漬害時空分布及其對農作物的影響本案例融合了中國 2 075 個土壤水分自動站點的觀測數據和土壤濕度主被動（Soil Moisture Active and Passive，SMAP）衛星 L3 級 9 km 土壤水分日產品，得到 20162021 年中國的高精度表層土壤（010 cm）體積含水量逐日數據集，精度為 79%。利用田間持水量數據（Wu et al.，2021）計算土壤表層相對含水量，以連續10 天土壤相對含水量大于等于 90%為標準，疊加耕地分布數

154、據得到澇漬害的影響區（不含水稻種植區）。依據土壤含水量數據，重點分析了澇漬害最為嚴重的 2021 年耕地受影響情況。2021 年 79 月中國耕地澇漬害面積約為 20162020年同期平均水平的 2.6 倍。2021 年 79 月中國耕地發生澇漬害的區域面積占到耕地總面積的 90%左右，耕地澇漬害面積明顯高于其他年份，約為 20162020 年平均水平的 2.6 倍。我國東北及華北地區澇漬害較為嚴重（圖6-1a)，對夏玉米等作物的生長產生不良影響。2021年1012月中國耕地澇漬害面積大于往年同期，并影響小麥播種。2021 年 1012 月河北、河南、山東、安徽耕地發生澇漬災害的面積較2016

155、2020年明顯增加，2021 年 1012 月耕地澇漬害總面積約占耕地總面積的66.7%（圖 6-1b)。1012 月是冬小麥播種和出苗的時期，澇漬害會導致土壤處于淹水狀態而無法播種。為減輕澇漬害影響，2022 年春季華北各省深入開展“科技壯苗”等行動，深入田間管理，有效提高了小麥單產，最終華北夏糧生產未受影響。主題研究對應目標：13.1 加強各國抵御和適應氣候相關的災害和自然災害的能力災害監測與減災行動 圖 6-1.2021 年 79 月和 1012 月耕地澇漬害天數占研究期總天數比值分布圖74地球大數據支撐可持續發展目標報告（2022）SDG 13 全球熱浪變化及其影響分析本案例使用衛星數

156、據與氣象臺站數據，綜合絕對與相對閾值方法對全球高溫熱浪事件開展空間統計，監測近 10 年的全球高溫熱浪影響程度和范圍，進而評估全球人口遭受熱浪影響的人數（SDG 13.1.1）空間分布信息。采用高溫日連續超過 3 天以上為 1 次熱浪事件的判別標準，根據統計區間年度熱浪次數超過 10 次、15 次和 20次分別定義熱浪危害程度為一般、較強和超強。20112020 年，全球受 30 天高溫熱浪影響的陸地面積增加約 5%，且 2019 年達到了峰值。利用全球衛星和臺站觀測數據分析了 20112020 年全球熱浪空間分布格局，結果顯示10年間全球熱浪影響范圍總體呈擴大趨勢，其中2011年25.5%的

157、陸地區域暴露在30天熱浪影響下，2020 年該比例上升到了 29.7%，2019 年達到峰值 31%，為 10 年中影響范圍最大的年份。全球熱浪頻發地區主要位于大洋洲、亞洲西南部，以及非洲南部和北部等，其中北緯 20是北半球熱浪發生頻次最高區域，而南緯18和 23附近為南半球熱浪頻繁發生區域。20112020 年，全球每 10 萬人中直接受一般危害程度熱浪影響約 6 300 人，受較強危害程度熱浪影響約1 200人。全球33%陸地區域的熱浪災害發生頻率在增加，以大洋洲和非洲南部增加最為明顯（圖 6-2）?？臻g統計表明，20112020 年全球平均每年 4.7 億人受一般危害程度熱浪影響，受較強

158、危害程度熱浪影響的人口近 9 000萬人，而受超強危害程度熱浪影響達 170 萬人，即每 10萬人中直接受一般危害程度熱浪影響的達 6 300 人。對應目標：13.1 加強各國抵御和適應氣候相關的災害和自然災害的能力 圖 6-2.20112020 年全球熱浪發生頻率的變化趨勢75SDG 13 氣候行動SDG 13 通過建立 20102022 年中國國家級和省級的防災減災政策數據集，結合仙臺框架的四個優先行動領域，統計分析防災減災政策的特征變化規律，進而評估中國國家減災戰略（SDG 13.1.2）和地方減災戰略（SDG 13.1.3）指標的實施進展。中國在 仙臺框架 后積極執行減輕災害風險戰略。

159、20102022 年，中國頒布國家級防災減災政策 185 篇，省級政策 909 篇。中國積極響應仙臺框架，在 2016年頒布國家級戰略規劃類政策數量最多。截至目前，中國 31 個省份和新疆生產建設兵團（港澳臺數據未統計）頒布了戰略規劃類政策，依照國家減輕災害風險戰略通過和執行地方減輕災害風險戰略的省級政府比例達到100%。相較于 20102015 年，20162020 年綜合災害政策數量增加明顯，面向的災害種類更加全面。中國依據 仙臺框架 構建了較為完整的減災體系。20102022 年，國家級和省級防災減災政策措施分布基本一致，覆蓋仙臺框架的四個優先領域，以增強風險意識和加強備災能力為主，對應

160、仙臺框架“理解災害風險”和“加強備災以作出有效響應，并在復原、恢復和重建中讓災區重建得更好”等優先領域。相較于 20112015 年，20162020 年國家積極推動仙臺框架實施落實，尤其注重加強災害風險治理與加強備災能力，制定了一系列政策措施，如提高風險管理能力、加強預警平臺建設，顯示出中國防災減災戰略從注重災后救助向注重災前預防轉變、從應對單一災種向綜合減災轉變、從減少災害損失向減輕災害風險轉變（圖 6-3）。圖 6-3.20112015 年、20162020 年中國防災減災政策措施對比氣候行動目標下中國防災減災政策計量評價對應目標：13.1 加強各國抵御和適應氣候相關的災害和自然災害的能

161、力76地球大數據支撐可持續發展目標報告（2022）SDG 13 海洋變暖導致臺風、颶風等極端氣候事件增加，也是全球海平面上升的一個重要原因。隨著海洋變暖和層結加劇，海洋碳吸收效率下降，導致更多的 CO2留在大氣中，加劇全球變暖。同時，更強的海洋層結會抑制海洋垂向溶解氧輸送，導致海洋內部的氧含量進一步減少，威脅海洋生物的生存，對海島國家、沿海國家長期可持續發展構成威脅。全球增暖下的海洋物理環境變化基于全球海洋溫度、鹽度現場觀測數據集，進行數據質量控制，構建溫度、鹽度格點分析數據，進而計算熱含量、鹽度差指數、層結（Cheng et al.,2022）。利用基于動態樣本的集合最優插值方法，將數據插值

162、為1 1 水平分辨率的格點化數據集，對海洋參數的時空變率有較高的重構精度（Cheng et al.,2017）。綜合海表衛星遙感觀測（海表高度、溫度和風場）與 Argo 浮標觀測資料，利用卷積長短期記憶神經網絡重建了一套全新的長時序全球海洋次表層遙感數據集（Su et al.,2021;2022）?；谝陨蠑祿?，開展氣候變化對海洋物理環境的影響分析。全球海洋上層 2 000 m 變暖顯著加速，海洋鹽度“咸變咸，淡變淡”的變化趨勢明顯，海洋垂向層化顯著增強。19552021 年全球上層 2 000 m 海洋熱含量（Ocean Heat Content,OHC）呈顯著增加趨勢（圖 6-4），增加

163、速率為5.71022 J/10a。19912021 年，全球海洋熱含量增加速率為 9.51022 J/10a，是 19551990 年增暖速率的 4 倍。19552021 年，全球上層 2 000 m 海洋的高-低鹽度差異增大 1.6%，顯示海洋鹽度“咸變咸、淡變淡”的變化趨勢（圖 6-4）。19552021 年，全球海洋上層 2 000 m 的層結加強了 5.3%（圖 6-4）。層結增加主要是由于上層海洋的增暖速度要比深層海水更快，鹽度的變化也有一定貢獻（Li et al.,2020）。全球增暖下各大洋盆都顯著升溫暖化，中深海增暖信號在增強，越來越多的熱量被中深海吸收和存儲。19932020

164、 年全球海洋上層 2 000 m 溫度的空間變化趨勢（圖 6-5）與垂向演變特征表明，近 30 年全球增暖下各 圖 6-4.19552021 年全球海洋上層 2 000m 熱含量、鹽度差指數、層結變化對應目標：13.1 加強各國抵御和適應氣候相關的災害和自然災害的能力氣候變化長期預警大洋盆都顯著升溫暖化，且全球海洋暖化存在一定的空間異質性。海洋增暖信號呈現顯著的從上層向中深層延伸的垂向演變特征，說明全球增暖下越來越多的熱量被中深海吸收和存儲，中深海在調節地球系統能量平衡上發揮越來越重要的作用。全球增暖導致的海洋物理環境變化將長期威脅海洋生態系統及其可持續發展。全球氣候變化影響下海洋物理環境正在

165、發生系統性的變化。需要重視的是，海洋對大氣溫室氣體增加的響應較為緩慢和滯后，過去的碳排放導致的海洋變暖、層結增加等影響將持續至少數百年之久（Abraham et al.,2022），這凸顯了海洋在實現 SDG目標和應對氣候變化過程中的重要作用。77SDG 13 氣候行動SDG 13 圖 6-5.19932020 年全球海洋上層 2 000m 溫度異常變化趨勢（基準：19932012）78地球大數據支撐可持續發展目標報告（2022）SDG 13 隨著全球平均氣溫和溫室氣體濃度的上升，陸地和海洋生態系統對全球碳中和能發揮什么作用值得關注。陸地凈生態系統生產力（Net Ecosystem Produ

166、ctivity,NEP）和 表 層 海 水 二 氧 化 碳 分 壓（partial Pressure of Carbon Dioxide，pCO2）分別是定量估算陸地和海洋生態系統碳匯強度的重要參數，但目前對二者的研究還存在很大的不確定性。本主題充分利用地球大數據技術，開展全球陸/洋生態系統碳匯方面的研究，并對這些碳收支關鍵參數的時空變化趨勢和驅動機制進行定量分析，為應對氣候變化提供方法和數據支持。全球陸/洋碳匯估算 圖 6-6.近 30 年來大洋表層海水pCO2的變化趨勢綜合運用自組織映射神經網絡和逐步前反饋神經網絡算法構建一種重建表層海水pCO2格點數據的機器學習算法，并據此重構 1992

167、2020 年全球大洋 1 1 月平均表層海水pCO2格點數據（Zhong et al.,2022)，進而估算全球大洋碳通量，分析近 30 年來全球大洋碳收支變化趨勢。表層海水 CO2分壓與大氣 CO2濃度的升高并不完全同步。19922020年全球大洋表層海水pCO2的變化（圖6-6）顯示，表層海水pCO2隨大氣 CO2濃度的升高而升高，但二者升高的幅度并不一致。2000 年以后，表層海水pCO2增速明顯低于大氣，導致海-氣間的pCO2差越來越大。在不同海域表層海水的pCO2和增速明顯不同。印度洋的表層海水pCO2最高，北冰洋的最低；北冰洋pCO2的增速最慢，南大洋pCO2的增速最快。正是表層海

168、水pCO2的高低和增速的差異，導致了全球大洋不同海域碳匯能力的差異。大洋碳匯強度受厄爾尼諾-拉尼娜影響發生較大的波動，2008 年以來持續增強。19922020 年全球大洋年平均碳匯強度為 1.61 Pg C/a。主要的碳匯區域集中在溫帶海域和北大西洋近極地海域，赤道太平洋是最主要的碳源區域（圖 6-7）。近 30 年來，雖然全球大洋整體上表現為大氣 CO2近30年來全球大洋碳收支變化趨勢對應目標：13.2 將應對氣候變化的舉措納入國家政策、戰略和規劃的匯，但其強度并未隨大氣 CO2濃度的升高而持續增強，而是發生較大的波動。主導全球大洋碳匯波動的最主要區域是太平洋，其次是南大洋。其波動主要受厄

169、爾尼諾-拉尼娜事件對赤道太平洋區域碳源的影響，赤道東太平洋上升流增強，深層高濃度的溶解無機碳被輸送到表層，導致該區域碳源增強，進而導致整個大洋的碳匯減弱。在 2008 年后，持續增強的印度洋、大西洋和南大洋碳匯主導著全球大洋碳匯持續增強。從 2008 年到 2020 年，全球大洋碳匯增加了 0.98 Pg C/a，達到 2.22 Pg C/a。79SDG 13 氣候行動SDG 13 20002020年全球陸地凈生態系統生產力時空變化分析基于全球通量網觀測數據和影響凈生態系統生產力時空變化的環境因子數據，采用空間大數據驅動的隨機森林模型對全球陸地 NEP 進行估算（Huang et al.,20

170、21），生產了 20002020 年全球陸地NEP 數據產品（空間分辨率 1 km，未考慮采伐、火災等干擾因素的影響）。結合趨勢分析和檢驗估算 NEP 的時間變化趨勢，采用偏相關方法分析 NEP 對氣候和土地覆蓋因子的響應。20002020 年全球陸地 NEP 的高值區位于熱帶、亞熱帶、寒溫帶森林分布區。20002020 年全球陸地年平均 NEP 的空間分布格局存在明顯差異（圖 6-8），其中，熱帶 NEP 總量最大，占全球總量的 69.9%，其次是溫帶（20.6%）、寒帶（7.8%）和極地（1.4%），最小的是干旱氣候區（0.3%）。20002020 年 全 球 陸 地 NEP 呈 顯 著

171、增 加 趨 勢。20002020 年，全球陸地 NEP 總量呈顯著增加趨勢（0.05Pg C/a，p3 mm/a）到東部（03 mm/a）逐漸下降，平均值為 2.22 mm/a。分析發現東北黑土侵蝕營力西部以風為主，東部以水為主。土壤 TOC 序列集成分析表明，土壤 TOC 含量下降至 0.5%時，土壤發生明顯退化（圖 8-3）。本案例以此為基礎，進行多指標綜合研判，構建出新的東北黑土退化預警指標體系，如表 8-2所示。東北黑土退化高風險區約占 11.7%，需要高度關注。以土壤 TOC 含量變化序列為黑土退化評估基礎，綜合考慮黑土層厚度和侵蝕速率對黑土退化的影響，構建出新的黑土退化評估體系。在

172、表土（030 cm）TOC 含量分布數據基礎上，對當前東北黑土退化進行了系統評估。評估結果（圖 8-4）顯示，當前已退化區面積為 0.2萬 km2（0.7%），高風險區和低風險區面積分別為 2.6 萬 km2（11.7%）和 13.1 萬 km2（57.8%），安全區面積為 6.7萬 km2（29.8%）。#退化等級就高不就低，指標滿足任一更高退化等級條件時，劃歸該等級；*土壤容許流失量一般為 50 t.ha-1.a-1，當黑土平均容重為 1.25 g.cm-3時，其對應侵蝕速率為 4 mm/a。東北黑土退化現狀與風險評估 圖 8-3.（a）東北黑土表土總有機碳（TOC）含量分布；（b）黑土層

173、厚度分布；（c）侵蝕速率分布；（d）東北地區土壤TOC 含量剖面序列變化 圖 8-4.東北黑土退化程度分布表 8-2 東北黑土退化預警指標體系退化等級#TOC（%）黑土厚度（cm）侵蝕速率（mm/a）*指標體系建立依據已退化 0.5不考慮不考慮土壤已經發生退化高風險等級0.51.0 4土壤開始緩慢退化，或黑土厚度無法支撐糧食生產，或侵蝕速率超過土壤容許流失量對應值低風險等級1.02.0 10 2.0 10 4土壤肥沃、健康，可以持續支撐糧食生產對應目標：15.3 到2030年，防治荒漠化，恢復退化的土地和土壤，包括受荒漠化、干旱和洪澇影響的土地，努力建立一個不再出現土地退化的世界107SDG

174、15SDG 15 陸地生物土 地 生 產 力 動 態（Land Productivity Dynamics，LPD）是聯合國跨領域專家組采納確定的 SDG 15.3.1 監測關鍵指標之一。當前，JRC、FAO 等均研制了全球土地生產力動態產品，但空間分辨率從 2501 000 m 不等，全球范圍內尚無大區域中高分辨率全球土地生產力產品的應用。本案例研制了基于 SDG 大數據平臺 30 m 的LPD 計算工具，通過高時空分辨率影像融合算法為 LPD計算提供 30 m 空間分辨率、8 天時間分辨率高質量植被指數數據集，采用 JRC 提出的基于穩定性指數、基準水平和狀態變化的算法保證了與全球其他 L

175、PD 產品的可比性。該工具是全球首個空間分辨率30 m的LPD計算工具，可以實現全球指定空間范圍、指定時間窗口內的 30 m 空間分辨率 LPD 的計算，從而為全球土地退化監測提供重要支撐。為服務中國支持“非洲綠色長城”建設的重大戰略，可持續發展大數據國際研究中心開發了大數據支持“非洲綠色長城”建設在線工具（Great Green Wall Big Data Facilitator，GGW-BDF），實現了覆蓋 11 個泛非綠色長城機構（Pan African Agency of the Great Green Wall，PAGGW）成員國、20132020 年首個洲際尺度上的 30 m空間分

176、辨率 LPD 產品（圖 8-5）及荒漠化防治知識庫等的集成。用戶可便捷瀏覽中高空間分辨率土地生產力動態數據，開展感興趣區域的統計分析，并查詢中國綠色長城建設的技術和經驗。相關工具在第 28 個防治荒漠化和干旱日中國國家主場活動上進行了發布，國家林業和草原局、聯合國防治荒漠化公約負責人給予了高度評價。地球大數據支持“非洲綠色長城”建設 圖 8-5.泛非洲綠色長城機構國家土地生產力動態（LPD）產品對應目標：15.3 到2030年，防治荒漠化，恢復退化的土地和土壤，包括受荒漠化、干旱和洪澇影響的土地，努力建立一個不再出現土地退化的世界108SDG 15地球大數據支撐可持續發展目標報告（2022）山

177、地是陸地表面的基本形態之一，對全球生態系統的平衡起著不可替代的作用。世界上 75%的國家擁有山地，縱橫的山脈形成相互聯通的生物遷移網絡，是生物多樣性交流的重要生命通道。然而，隨著工業化進程的推進，世界多數山區的資源逐漸萎縮、物種大量減少、水土流失加劇，山區生態環境呈惡化趨勢。針對這些嚴峻的現實，第 76 屆聯合國大會宣布 2022 年為國際山地可持續發展年，協調山地的保護與可持續發展成為全球關注的焦點。中國是一個多山國家，評估中國山地生物多樣性保護狀況是落實 SDG 15.1 與 SDG 15.4 的重要基礎，可為山區生物多樣性保護、山地自然保護地空間格局優化提供支撐。中國山地生物多樣性保護狀

178、況評估本案例首先基于數字高程模型（Digital Elevation Model，DEM）數據界定中國山地空間范圍，以自然保護地科學考察報告為基礎統計山地分布區內的物種數量，并與中國生物物種名錄2021 版進行比較，明確山地對物種保護的重要性；根據 2020 年 30 m 全國生態系統調查評估數據，分析山地范圍內森林、灌叢、草地、濕地、荒漠等生態系統面積占全國同類型的面積比例，以此評估山地對生態系統保護的重要性；最后，分析山地自然保護地對優先保護生態系統的覆蓋狀況與保護空缺，據此提出山地保護地布局優化建議。山地對全國生物多樣性保護具有重要意義。山地占中國陸地國土面積的 69.27%，分布有哺乳

179、動物約 500 種，鳥類約 1200 種，爬行類約 300 種，兩棲類約 250 種，高等植物約 26 700 種，分別占中國該類群總數的 89%、83%、65%、52%、70%。山地分布有自然植被型 634 類，占全國陸地自然植被型總數的 90.7%（圖 8-6）。中國的自然保護地主要分布在山區，空間布局待進一步優化。截至 2020 年，山地分布有國家公園、自然保護區、自然公園等各類自然保護地 6 300 余個，約占中國已建自然保護地總數的 60%；總面積為 115.99 萬 km2（扣除重疊面積），占全國自然保護地總面積的 65.2%，占山地總面積的 17.4%。2021 年中國正式設立的

180、首批 5 個國家公園均主要位于山地。自然保護地為約三分之二的國家重點保護野生動植物物種提供了重要天然棲息地，覆蓋了山地優先保護生態系統類型總數的 86.9%，但仍保護山區生態系統 圖 8-6.2020 年中國山地生態系統類型分布圖有少部分國家重點保護野生動植物棲息地與優先保護生態系統尚未得到保護，存在一定保護空缺，自然保護地空間布局需進一步優化。建議完善山地自然保護地空間布局。針對目前山地生物多樣性保護面臨的主要問題，建議完善自然保護地空間布局，將尚未得到保護的國家重點保護動植物物種、優先保護生態系統類型及保護空缺區域納入自然保護地網絡。建議結合以國家公園為主體的自然保護地體系建設、自然保護地

181、優化整合工作，在青藏高原、天山、太行山、南嶺、長白山等野生動植物富集、生態系統代表性強、生態功能良好的山地區域推進國家公園設立與自然保護地優化布局，提升國家生態安全的保障能力。對應目標：15.4 到 2030 年，保護山地生態系統，包括其生物多樣性，以便加強山地生態系統的能力，使其能夠帶來對可持續發展必不可少的益處109SDG 15SDG 15 陸地生物外來入侵物種是公認的導致生物多樣性喪失的主要因素之一，中國面臨外來物種入侵威脅，部分外來入侵物種已入侵到森林、農田、河流、濕地、草原等各類生態系統。中國非常重視外來入侵物種管理，將其納入中華人民共和國生物安全法。2022 年，農業農村部、自然資

182、源部、生態環境部和海關總署聯合發布外來入侵物種管理辦法，進一步厘清各部門職責分工，啟動全國外來入侵物種普查，推動外來入侵物種聯防聯控?？茖W技術部在相關國家重大科研專項中啟動了外來入侵物種基礎研究和防控技術研發項目，地方政府也積極支持外來入侵物種防控，部分外來入侵物種得到有效控制。外來入侵物種風險評估與防控管理本案例以生態環境部公開發布的 71 種外來入侵物種為研究對象，基于公開發表的文獻、專著、數據庫及實地調查獲取各物種分布信息，基于 MaxEnt 生態位模型完成71 種外來入侵物種適生區模擬，研判主要外來入侵物種擴散風險，總結典型外來入侵物種防控管理經驗，提出未來防控管理建議。主要外來入侵物

183、種呈現由東南沿海向西北內陸遞減趨勢。中國外來入侵物種各類群適生分布格局大相徑庭。外來入侵陸生植物和水生植物集中分布于西南和東南地區；外來入侵陸生動物在廣東、廣西、福建、海南等南部沿海地區數量較多；外來入侵水生動物物種主要分布在長江中下游、東南沿海等地區（圖 8-7）。主要外來入侵物種防控效果顯著。上海市政府和國家林業和草原局投入 11.6 億人民幣實施“崇明東灘鳥類國家級自然保護區互花米草控制與鳥類棲息地優化工程”，摸索出了一套“圍、割、淹、曬、種、調”的互花米草治對應目標：15.8 到 2020 年，采取措施防止引入外來入侵物種并大幅減少其對土地和水域生態系統的影響，控制或消滅其中的重點物種

184、外來入侵物種防控管理110SDG 15地球大數據支撐可持續發展目標報告（2022）圖 8-8.互花米草防控示范區鳥類種群數量恢復（圖左），對零星斑塊的阻截防控攔截前（圖中）和攔截后（圖右）圖 8-7.中國主要外來入侵物種適生分布（a）外來入侵物種；（b）外來入侵陸生植物；（c）外來入侵水生植物；（d）外來入侵陸生動物；（e）外來入侵水生動物理綜合技術（圖 8-8）。通過十年的努力，50 000 m2生態修復示范區內互花米草得到有效控制，土著植物逐漸恢復，鳥類種群數量逐步回升，工程區內觀測到的鳥類數量達到83 149 只次，較 2016 年增加了 3 倍，23 種國家珍稀保護鳥類回歸東灘越冬棲息

185、，如東方白鸛、白頭鶴、小天鵝、黑臉琵鷺等。為鞏固防控修復成效，持續開展對示范區及周圍互花米草監測，及時對零星斑塊實施阻截防控，降低互花米草二次入侵風險。對于中國范圍內廣泛分布的入侵植物豚草，實施生物防控與區域聯控技術，構建豚草卷蛾和廣聚螢葉甲生態位互補的聯合生物控制技術，在豚草發生區釋放天敵有效控制豚草種群；構建超過 300 km 的阻截帶，通過替代防控技術阻截豚草進一步擴散蔓延，防控范圍達 19 個省，豚草得到有效控制。加強外來入侵物種聯防聯控。建議加強外來入侵物種擴散路徑和阻截技術研究，有效阻截外來入侵物種的擴散蔓延；加強外來入侵物種防控技術推廣應用，實施聯防聯控，有效控制重大入侵物種，減

186、緩外來入侵物種對生物多樣性的影響。111SDG 15SDG 15 陸地生物建議與展望本章以“挖掘地球大數據價值，促進 SDG 15 落實”為出發點，從全球和中國（含典型地區）兩個尺度分析了防治荒漠化與土地退化、保護山區生態系統及外來入侵物種防控管理 3 個主題相關的 SDG 15 指標的進展情況，研制了 3 個主題的關鍵空間數據產品，科學評估了荒漠化土地防治、自然保護區等重要工程與舉措的多重效益，發展了集成中國可持續土地管理經驗與空間數據產品的在線工具，可為全球與中國落實 SDG 15 提供重要支持?；诒菊卵芯?，我們建議：（1）針對 SDG 15.3 防治荒漠化與土地退化，開展高分辨率土地退

187、化零增長本地化評估、高可信度土地退化評估指標公共產品研制、土地退化零增長報告/規劃在線工具研發，以推動全球落實土地退化零增長目標。（2）針對 SDG 15.1/SDG 15.4 生態系統保護，開展重要生物多樣性變量（Essential Biodiversity Variables，EBVs）遙感監測、全球保護地保護成效評估與差距分析及生態系統-人類活動耦合機制研究，為落實“2020 年后全球生物多樣性框架”提供支持。（3）針對 SDG 15.8 外來入侵物種防控管理，加強中國外來物種入侵調查、監測與擴散機理研究，集成并推廣外來入侵物種防控技術，為有效防治外來入侵物種提供支持。未來，將充分利用大

188、數據基礎設施與前沿技術，在全球發展倡議的框架下，為更多國家、區域提供數據產品、決策分析等在線支持，并加強培訓、人才培養等能力建設，將更好地服務于中國及其他國家 SDG 15 落實。112地球大數據支撐可持續發展目標報告（2022）113SDG多指標交叉與綜合背景介紹115主要貢獻116主題研究117建議與展望121多指標交叉與綜合SDG中國臨滄114地球大數據支撐可持續發展目標報告（2022）成果亮點SDG 多指標交叉中國省級 SDG 多指標協同與權衡關系具有顯著的時空差異。大部分地區，SDG 6 和 SDG 15 更容易受到其他目標的權衡作用；過去20 年，中國各省份有約 27%的權衡關系指

189、標對轉變為協同關系，另外有約 18%的權衡關系指標對得到緩解；在協同循環網絡中多次出現的指標，如國內物質消費（SDG 12.2.2）、水資源管理（SDG 6.5.1）、普及中小學教育（SDG 4.1.2）等，建議作為優先發展指標。SDGs 綜合評估中國不同區域可持續發展水平總體持續向好。2015 年以來，海南省生態文明建設取得較大進步，其中 SDG 15 得分較高，SDG 2 和SDG 11 提升顯著；云南省臨滄市評價的 70 個 SDG 指標中有 81%已取得進展或有望實現目標；廣西壯族自治區桂林市的生態旅游資源可持續發展指數由 2010 年的 0.46 提高到 2020 年的 0.71；廣

190、東省深圳市陸地生態系統總值年均增長率為 2.29%。115SDG多指標交叉與綜合聯合國可持續發展目標（SDGs）之間存在復雜的交叉關系。這種交叉關系主要體現為相互之間的協同與權衡：協同關系是指特定目標的實現同時促進其他目標的改善，專指目標間的相互促進關系；權衡關系是指某個目標的實現以犧牲其他目標為代價，專指目標間的相互制衡關系。此外，影響不同尺度、不同類型的區域可持續發展的因素并不完全一致，如何跟蹤并理解目標及指標間的交叉關系，開展 SDGs 綜合評估，對于實現 2030年可持續發展議程，動態調整可持續發展路徑具有重大意義。自 SDGs 提出以來，相關組織和學術界已經在不同尺度開展了 SDG

191、多指標交叉與綜合研究（Sachs et al.,2022;UNEP,2021a）。地球大數據集衛星觀測、近地面觀測和地面調查等多源數據，具備海量、多源、多時相等特征，可為 SDGs 監測與評價提供重要的數據和技術支撐（郭華東,2019;2020a;2020b）。一方面，地球觀測數據和地理信息數據為傳統官方統計數據提供了重要補充或替代，其連續的空間和時間覆蓋可以在可持續發展目標監測中及時捕捉地表要素的變化，克服統計數據在不同國家地區的標準和質量不一致等問題；另一方面，基于空間分析等技術的地理信息建模與模擬手段可以幫助梳理目標間相互作用關系，預測未來發展走勢，開展綜合性評估，從而為政策建議的動態調

192、整提供依據。去年的報告中，我們初步探索了地球大數據支撐SDG 多指標交叉的研究方法，發現 SDG 指標間的交叉關系，在不同空間與時間尺度上是不斷變化的。為此，需要在不同空間尺度上挖掘 SDG 多指標間的協同與權衡關系，并研究其在時間尺度上的變化趨勢。同時，針對不同區域的可持續發展評估需要結合當地特色，將社會、經濟、自然稟賦特征納入綜合考慮，才能真正探尋出適合自身特色的可持續發展實現路徑。今年的報告中，我們將從中國省級層面挖掘 SDG 指標間的協同與權衡關系，評估中國典型區域可持續發展進程，以期為區域可持續發展路徑的實施提供決策支撐及示范參考。背景介紹116地球大數據支撐可持續發展目標報告（20

193、22）本章通過兩個案例分析了地球大數據支撐 SDG 多指標交叉與綜合研究方向的進展情況，主要貢獻如下（表9-1）。表 9-1 案例名稱及其主要貢獻對應主題案 例貢 獻SDG 多指標交叉中國 SDG 多指標間協同與權衡關系分析方法模型：采用時空地理加權回歸方法，構建 SDG 多指標間帶有方向和權值的復雜網絡，挖掘 SDG 指標間協同與權衡關系及變化趨勢決策支持：為中國各省份科學確立優先發展目標，緩解發展中存在的 SDG 指標權衡問題提供決策參考SDGs 綜合評估中國典型區域 SDGs綜合評估（海南省、云南省臨滄市、廣西壯族自治區桂林市、廣東省深圳市）方法模型：針對不同區域可持續發展特色，分別構建

194、特色可持續發展評估指標體系，開展 SDGs 區域綜合評估決策支持：對“國家生態文明試驗區”海南省、“邊疆多民族欠發達地區創新驅動發展”示范區云南省臨滄市，“景觀資源可持續利用”示范區廣西壯族自治區桂林市，“創新引領超大型城市可持續發展”示范區廣東省深圳市可持續發展目標的實現提供決策支持，并為同類地區提供示范參考主要貢獻117SDG多指標交叉與綜合基于 20002020 年 31 個省級行政區 65 個 SDG 指標數據，采用時空地理加權回歸方法，構建 SDG 多指標間帶有方向和權值的復雜網絡，識別每個省份典型協同/權衡指標對，分析中國各省份權衡關系指標對的轉變情況，探尋中國各省份的典型良性循環

195、，優選促進 SDGs協同發展的重要指標。中國省級尺度 SDG 多指標協同與權衡關系具有空間差異性，SDG 6 和 SDG 15 更容易受到其他 SDGs 的權衡作用。中國西南和南部地區 SDG 9（產業、創新和基礎設施）對 SDG 11（可持續城市和社區）具有協同促進作用，東北地區 SDG 11（可持續城市和社區）對 SDG 15（陸地生物）具有權衡抑制作用（圖 9-1）。大多數省份都表現為SDG 6（清潔飲水和衛生設施）和SDG 15（陸地生物）更容易受到其他目標的權衡作用。因此，中國可持續發展進程中需要提高水資源管理精細化水平，加強陸地生態系統保護。20002020 年，中國各省級行政區

196、27.02%的權衡關系指標對轉變為協同關系，18.30%的權衡關系指標對得到緩解。權衡變協同的指標對中，SDG 3（良好健康與福祉）對 SDG 15（陸地生物）的變化范圍最廣，這主要現有 SDG 指標間協同與權衡關系分析主要為統計上的正相關和負相關，往往忽視了 SDG 指標的地理時空差異性和 SDG 指標間相互作用的方向性?；诘厍虼髷祿牡乩頃r空分析方法，考慮 SDG 指標的時空非平穩性，采用時空地理加權回歸和復雜網絡分析等方法，挖掘 SDG 指標間交互作用的時空變化特征，為政策的制定提供決策參考。中國SDG多指標間協同與權衡關系分析SDG多指標交叉 圖 9-1.中國典型協同/權衡目標對空間

197、分布圖主題研究118地球大數據支撐可持續發展目標報告（2022）得益于中國大氣污染防治法的實施和綠色低碳生活意識的普及。其次，SDG 6（清潔飲水和衛生設施）對 SDG 2（零饑餓）在長三角地區變化較為明顯，這主要得益于該地區加強水資源管理配置，實施節水灌溉，提高耕地灌溉面積和糧食產量等措施。在權衡強度降低的指標對中，有 23 個省份表現為 SDG 15 受到其他目標的權衡強度減弱，比如水污染防治行動計劃的實施，使得中國各水資源大省水源安全得到基本保障，水生態恢復良好，地下水質改善明顯，促進了 SDG 6 對 SDG 15 的協同發展（圖 9-2）。建議將國內物質消費（SDG 12.2.2）、

198、水資源管理（SDG 6.5.1）、普及中小學教育（SDG 4.1.2）等作為優先發展指標。協同網絡中的閉環是一種良性循環，優化循環中的某一個指標可以促進循環中所有其余指標的協同發展。分析結果表明，這種良性循環網絡具有空間聚集特征。優化能源生產和消費模式（SDG 12.2.2）、加強水資源綜合管理（SDG 6.5.1）、加大教育投資和教育設施建設（SDG 4.1.2，SDG 4.b.1，SDG 4.a.1）能夠更科學高效地促進 SDGs 協同發展（圖 9-3）。圖 9-2.中國各省份指標對權衡關系緩解情況（符號“”表示為典型的 SDG 指標對及其作用方向）圖 9-3.中國典型良性循環指標空間分布

199、圖119SDG多指標交叉與綜合2018 年以來，中國先后在廣東省深圳市、廣西壯族自治區桂林市、云南省臨滄市等地設立國家可持續發展議程創新示范區，為全球可持續發展提供中國經驗。2019年，中國將海南省設立為國家生態文明建設試驗區，為增添綠色發展動能、探索生態文明建設提供示范參考。不同區域擁有不同的可持續發展特色主題。其中，臨滄市以邊疆多民族欠發達地區創新驅動發展為主題，深圳市以創新引領超大型城市可持續發展為主題，桂林市以景觀資源可持續利用為主題。本案例基于地球大數據技術，結合不同區域 SDG 指標相關統計數據，針對上述四個典型地區，分別構建區域可持續發展評估指標體系，參考聯合國可持續發展解決方案

200、網絡（UN-SDSN）的指標量化評估方法（Sachs et al.,2022），開展 SDGs 綜合評估。海南省在生態文明建設上取得較大進步，其中 SDG 15 得分較高，SDG 2 和 SDG 11 提升顯著，但各縣市間存在差距。20152020 年，海南省各縣市可持續發展目標得分整體呈上升趨勢，參與評估的 18 個縣市中（不含三沙市），14 個縣市得分明顯提升，2 個縣市（?？谑?、定安縣）得分無明顯變化，2 個縣市（屯昌縣、臨高縣）在單個目標上得分略有降低（圖 9-4）。相較于 2015 年，2020 年 SDG 2（零饑餓）總體有提升，但仍有改善空間。SDG 8（體面工作和經濟增長），S

201、DG 11（可持續城市和社區），SDG 6（清潔飲水和衛生設施）明顯改善，SDG 15（陸地生物）指標保持較高水平，初步實現了生態環境與社會經濟協調發展。臨高縣和屯昌縣社會經濟指標（如，農村居民可支配收入（SDG 2.3）和人均 GDP（SDG 8.1）以及環境指標（如 PM2.5、PM10和空氣優良天數的聚合值（SDG 11.6）方面均有所提升。整體而言，海南省在生態環境方面的保護成效較好，但仍有部分地區存在提升空間。云南省臨滄市經濟社會與生態環境更加協調發展，后續建議優先實施有助于鞏固拓展山地區域脫貧攻堅成果、持續提升區域醫療健康水平的相關政策。20152020年，云南省臨滄市 SDGs

202、發展較好，評價的 70 個指標中有 81%的 SDG 指標已取得進展或有望實現目標。生態環境相關的 SDG 指標發展基本保持穩定，社會經濟相關的 SDG 指標增長顯著。2020 年，全市 GDP 增長 3.7%，全市 9.4 萬戶合計 36.9 萬貧困人口全部脫貧。全市森林覆蓋率達 70.2%，森林資源呈現量質齊增的良好局面，退耕還林取得重大成果，成為全國林草高質量發展的示范樣板（圖9-5）。臨滄市可持續發展指標間協同關系（占比39.63%）顯著高于權衡關系（占比5.49%）。SDG 1（無貧窮）和 SDG 3（良好健康與福祉）的協同互動最為突出，SDG 12（負責任消費和生產）和 SDG 1

203、3（氣候行動）的權衡互動最為明顯。臨滄市屬于經濟欠發達地區，建議優先實施有助于鞏固拓展山地區域脫貧攻堅成果、持續提升區域醫療健康水平的相關政策，同時加大陸地和由于自然資源稟賦、社會經濟發展水平的差異，使得不同區域面臨不同的可持續發展路徑。開展 SDGs 綜合評估可以系統梳理不同區域的特色 SDG 指標，評估區域整體及內部不同空間單元的可持續發展現狀，探索不同區域可持續發展實現路徑，為區域可持續發展實現提供決策指導，并為相似地區提供示范參考。中國典型區域SDGs綜合評估 圖 9-4.2020 年海南省各縣市 SDGs 綜合評估結果（不含三沙市）SDGs綜合評估120地球大數據支撐可持續發展目標報

204、告（2022）圖 9-5.臨滄市 SDGs 發展進程 圖 9-6.漓江流域生態旅游資源可持續發展指標相關性熱力圖（從-1 到 1 分別表示強權衡到強協同）圖 9-7.2020 年深圳市 GEP 空間分布圖水生生態系統保護、提升協同中心性較高指標的發展水平，充分發揮各目標、指標的協同效應，提升臨滄市區域可持續發展水平，探索欠發達山區可持續發展的臨滄模式，為中國西南地區及南亞、東南亞類似區域的可持續發展提供經驗。桂林市漓江流域景觀資源可持續發展指數持續上升，為存在生態保護與經濟發展矛盾的旅游型城市可持續發展提供經驗參考。從桂林市漓江流域生態旅游資源可持續發展指標間的權衡與協同響應關系可以看出（圖

205、9-6），水安全（SDG 6）、環境保護（SDG 15）與經濟可持續增長（SDG 8）、可持續城市和社區（SDG 11）之間的權衡關系較大，權衡網絡性較高的是城市細顆粒物比例（SDG 11.6.2）、物質消費占比（SDG 8.4.2）、森林覆蓋情況（SDG 15.4.1）、生物多樣性保護投入（SDG 15.a.1）、水體面積（SDG 6.6.1）、生物多樣性重要場所占比（SDG 15.1.2）。協調好權衡性較高的 SDG 指標，并以此為政策落腳點，有利于推進桂林的可持續發展。20102020 年桂林市漓江流域生態旅游可持續發展指數平均值從 0.46 提高到 0.71。20102015 年進展較

206、快；2020 年以來，受新冠肺炎疫情影響，旅游收入受到沖擊，但依托提升流域內居民就業水平（SDG 12.b）、改善人民生活（SDG 1.1.1）、合理開發旅游地景觀資源（SDG 15.4.1）等措施，示范區仍然延續了漓江流域景觀資源可持續性的上升趨勢，可為新冠肺炎疫情影響下，其他旅游型城市可持續發展提供決策參考。廣東省深圳市通過構建集成 SDG 多指標的生態系統總值核算體系，為超大型城市規劃提供支持工具，為有效破解“大城市病”提供示范參考。20162020 年，廣東省深圳市生態系統總值（Gross Ecosystem Product，GEP）年均增長率為 2.29%，其中維持城市生態安全的調節

207、服務類生態產品價值始終保持穩定增長，增速為 3.41%。深圳市 2020 年 GEP 空間分布如圖 9-7 所示，通過優先利用GEP 低值區域進行地表硬化，到 2025 年城市建設發展目標下，深圳市可將 GEP 損失從 39.40 億元/年降低到 5.72億元/年；采用立體綠化、老城更新等方式增加城市綠地，僅內澇削減和氣候調節兩項生態服務增加價值就高達約62 億元/年；通過提升生態空間服務能力和土地使用效率，可有效提升深圳市生態系統服務價值，以道路廣場海綿工程為例，在充分開展道路與廣場海綿工程建設后，工程存續期（10年）的洪澇削減服務價值累計約23.8億元。121SDG多指標交叉與綜合本章在中

208、國省級尺度開展了 SDG 多指標協同與權衡關系分析及典型區域 SDGs 綜合評估。發現中國省級行政區 SDG 多指標協同與權衡關系具有顯著的時空差異，中國不同區域可持續發展水平總體持續向好。本章結論可為中國不同特色區域，科學確立優先發展目標，緩解發展中存在的 SDG 指標權衡問題，優化可持續發展路徑提供決策參考。但是，由于所用 SDG 指標數據的局限性、SDG 多指標間交叉關系的復雜性，本章的分析結果可能會存在一定的局限?；诒菊卵芯?，我們建議：（1）深化 SDG 多指標交叉分析方法研究，利用地球大數據的空間分析、深度學習等方法挖掘不同 SDG 指標間的協同與權衡關系及其空間溢出效應，為 SD

209、G 多指標交叉與綜合研究提供方法參考。（2）強化 SDG 多指標交叉作用下未來可持續發展的情景模擬研究，通過 SDG 指標與其他社會、經濟、環境要素的相互作用演化的驅動機制探索，為區域協調高質量發展提供路徑指引。（3）開展非空間統計 SDG 指標的空間化分解研究，基于人口、土地利用等空間數據將其他非空間統計 SDG指標空間化，從而實現具有高空間解析度的 SDGs 綜合評估，為不同區域內部 SDGs 實現路徑的精細化決策建議提供技術支撐。SDG 多指標交叉和綜合研究是探索優化區域可持續發展實施路徑，綜合評估區域可持續發展進程的重要手段。中國各區域在實施可持續發展過程中需要關注社會經濟類指標與環境

210、類指標可能產生的權衡作用，促進具有協同關系指標對的共同實現。建議與展望122地球大數據支撐可持續發展目標報告（2022）總結與展望本報告針對七個 SDGs（零饑餓、清潔飲水和衛生設施、經濟適用的清潔能源、可持續城市和社區、氣候行動、水下生物和陸地生物）及 SDG 多指標交叉與綜合，從數據產品、方法模型和決策支持三個方面，在不同尺度開展了地球大數據支撐 SDG 指標評估的案例研究。在數據產品方面，研制了全球與中國尺度的數據產品 31 套。部分產品彌補了 SDG 指標監測的數據空缺，例如：全球 30 萬以上人口城市建成區范圍、世界遺產地邊界、全球沙丘（地）空間分布、中國農田耕層土壤碳密度空間分布、

211、中國各省地下水水質變化狀況、中國各省用水緊張程度、中國外來入侵物種擴散風險等數據集；另有部分產品提升了 SDG 指標監測與評估的空間精細度，例如：全球 30 m 分辨率復種指數、全球 1 km 分辨率高溫熱浪、全球 500 m 分辨率建筑物通電狀況、全球250 m 分辨率城市綠度、中國 0.5網格地下水儲量變化、中國 10 m 分辨率濱海灘涂空間分布等數據集。在方法模型方面，構建了基于地球大數據的方法模型 21 種。部分方法模型解決了 SDG 指標監測方法缺失的問題，例如：基于多源數據并結合作物生長過程的水分利用效率評估方法、融合重力衛星與地下水位數據的協同正演模型等；部分方法模型為 SDG

212、評估提供了優化解決方案，例如：集成分類算法及機器學習模型的土壤鹽漬化程度監測方法、水資源開發與保護可持續狀態指數、綜合運用自組織映射神經網絡和逐步前反饋神經網絡的全球大洋碳通量估算方法等。此外，在 SDG 多指標交叉與綜合方面，通過時空地理加權回歸方法，挖掘了SDG 指標間協同與權衡關系，通過構建不同區域特色可持續發展評估指標體系，開展了 SDGs 區域綜合評估。在決策支持方面，通過結合以上數據與方法，開展了可持續發展指標時空分析，提供了支持全球和中國可持續發展的決策建議 33 項。針對 SDG 2，為糧食增產、鹽堿地改良應用、種植業可持續生產、農業碳減排政策等提供了決策支持；針對 SDG 6

213、，為水質治理、涉水相關產業結構調整、水資源綜合管理、水資源開采利用等提供了決策支持；針對 SDG 7，為電氣化政策制定和投資、國際能源合作與培訓等提供了決策支持；針對 SDG 11，為提高城市土地利用效率、減少城市災害、提升城市綠色空間等提供了決策支持；針對 SDG 13，為減少澇漬害損失、構建減災體系、強化氣候變化教育等提了決策支持；針對 SDG 14，為近海富營養化防控，珊瑚礁環境保護、圍填海管控等提供了決策支持；針對 SDG 15，為沙丘（地）固定、土地退化預警、山區生態系統保護、防止外來物種入侵等提供了決策支持。此外，還通過SDG 多指標交叉與綜合評估，為中國不同特色區域科學確立優先發

214、展目標、緩解發展中存在的 SDG 指標權衡問題、優化可持續發展路徑提供了決策參考。一、總結二、展望過去四年多時間，中國科學院在 SDG 指標監測與評估方面進行了探索性研究（郭華東，2019；2020a;2020b），發現地球大數據在支持眾多 SDGs 實現方面具有較高的應用潛力和推廣價值，但也面臨諸多挑戰，如指標評估所依賴的時空多類型數據的缺失、數據共享標準不一、數據安全性無法有效保障等。為促進聯合國2030 年可持續發展議程實現，建議未來重點開展以下工作。1.構建全球可持續發展目標協同觀測網絡全球衛星發射數量正在呈上升趨勢，衛星及應用產業持續快速增長。2021 年 11 月 5 日，中國成功

215、發射了全球首顆可持續發展科學衛星“SDGSAT-1”，并將面向全球公開共享。為切實服務 2030 年議程“不讓任何人掉隊”的核心承諾，建議加快構建 SDGs 協同觀測網絡，123總結與展望提升空間觀測綜合服務保障能力，進一步形成規范化的國際 SDGs 空間觀測體系，共同為應對發展不平衡和縮小數字鴻溝提供數據支撐。2.提升可持續發展目標評估的時空維度統計調查是獲取全球 SDGs 監測和評估數據的主要方法，但由于全球各國統計調查制度和能力的差異，全球統計調查數據存在質量參差不齊、時間空間維度量化不足、部分發展中國家數據缺失等問題。建議充分利用地球大數據等技術手段來擴展 SDGs 數據獲取方法，通過

216、開放數據存儲與計算設施，采用先進的數據處理方法，獲取高質量、時空一致的全球 SDGs 數據，提升可持續發展目標評估的及時性和準確性。3.分享可持續發展目標監測公共數據產品當前，由于政策層面的共享策略缺乏共識，技術層面還沒有形成包括數據結構和安全在內的統一標準，用戶可能無法訪問其他機構擁有的數據，或者某些數據可能是基于特定統計單位生成的，其他人無法直接使用。需要盡快完善集成數據應用與開放服務的新型信息基礎設施，提供 SDGs 數據資源實時獲取、按需匯聚、融合集成、開放共享與分析等服務，為全球 SDGs 實現提供公共數據服務產品。4.加強大數據支撐可持續發展目標實現示范研究由于自然資源稟賦、社會經

217、濟發展水平的差異，不同區域面臨不同的可持續發展問題。地球大數據具有的多尺度特征能夠為不同區域可持續發展目標實施進程評估提供重要支撐。建議進一步加大地球大數據支撐可持續發展目標實現的示范研究，探索構建不同空間尺度的可持續發展指標體系，形成具有不同區域特色的可持續發展創新綜合示范系統，為全球可持續發展目標實現提供示范參考。地球大數據支撐可持續發展目標報告（2022）124數據源遙感監測數據19922021 年全球 1 km 分辨率夜間燈光數據.https:/ 年 1 km 分辨率全國三大糧食作物種植分布數據集.http:/ 年全球 30 m 分辨率耕地分布與變化數據集.https:/glad.um

218、d.edu/dataset/croplands/20002020 年中國 5 km 分辨率基于葉綠素熒光反演的總初級生產力數據.https:/globalecology.unh.edu/data/GOSIF-GPP.html20052020 年 GRACE 陸地水儲量變化數據.http:/grace.jpl.nasa.gov20102020 年 GPM 降水數據.https:/gpm1.gesdisc.eosdis.nasa.gov/data/GPM_L3/GPM_3IMERGM.06/2010 年、2020 年全球地表覆蓋 GlobeLand30 數據.http:/ 年中國土地利用數據.ht

219、tp:/ 年中國城市社區景觀數據.https:/ 年 GUB 城鎮邊界數據.http:/ 年 WorldPop 數據.https:/www.worldpop.org/20162018 年全球 30 m 分辨率耕地分布和復種指數數據.https:/doi.org/10.7910/DVN/86M4PO2020 年中國 1 km 分辨率土地利用數據集.https:/ 年全球 10 m 分辨率土地覆蓋數據.https:/viewer.esa-worldcover.org/worldcover/CASEarth 20102020 年 ETMonitor 蒸散發數據.https:/ 全球土地覆蓋 GLC_

220、FCS30 數據.https:/ Mangroves 2.0 數據集.http:/ 反射率產品.https:/ladsweb.nascom.nasa.gov/searchNPP 年度夜光影像.https:/eogdata.mines.edu/nighttime_light/annual/v20/OISST 衛星遙感海表面溫度數據.https:/www.ncei.noaa.gov/products/optimum-interpolation-sstWDPA 數據集.https:/ GLCS-LC100 產品.https:/land.copernicus.eu/global/products/lc

221、全球土地覆蓋 GLC2000 產品.https:/forobs.jrc.ec.europa.eu/products/glc2000/products.php全球糧食安全支持分析數據.http:/geography.wr.usgs.gov/science/croplands/全球農業生態分區數據.http:/ C、D 衛星反射率產品.https:/ 年海表溫度和鹽度數據.https:/www.ecco-group.org19922020 年海冰覆蓋率數據（ERA5 數據產品）.https:/www.ecmwf.int/en/forecasts/dataset/ecmwf-reanalysis-v

222、519922020 年全球大氣二氧化碳混合比數據.https:/space.oscar.wmo.int/variables/view/co2_column_average_dry_air_mixing _ratio19552021 年全球海洋溫度、鹽度、層結格點觀測數據集.來源：中國科學院大氣物理研究所125縮略詞數據源20002020 年中國氣象要素（如降水量、輻射等）數據.來源：中國氣象局國家氣象信息中心20052020 年地下水位監測數據.來源：中國地質環境監測地下水位年鑒20092019 年東北黑土區表土總有機碳含量.http:/doi.org/10.11666/00073.ver1.

223、dbArgo 浮標觀測數據.https:/argo.ucsd.edu/NOAA Greenhouse Gas Marine Boundary Layer Reference 產品.來源：美國海洋和大氣管理局（https:/gml.noaa.gov/ccgg/mbl/map.php）全球海洋現場觀測數據集.來源：美國海洋和大氣管理局全球海洋信息中心（https:/www.ncei.noaa.gov/products/world-ocean-database）中深海遙感數據集（DORS）.http:/www.doi.org/10.57760/sciencedb.01918統計數據19702000

224、年生物氣候變量數據.http:/ 年中國省域尺度種植業碳排放量評估數據.https:/ 年臺風數據.來源：UNISYS Weather（http:/ 年臺風災害數據.來源：中國海洋災害公報（https:/ 年中國太陽能利用援外培訓數據集.來源：甘肅自然能源研究所20002020 年中國 31 個省級行政區統計數據.來源：中國國家統計局20102020 年中國水資源公報數據.http:/ 年中國年末總人口、國內生產總值統計數據.來源：中國國家統計局20102022 年中國國家級和省級的防災減災政策數據.來源：科技政策匯（http:/ 年、2017 年全國及 31 個省、自治區、直轄市衛生健康事業

225、發展情況和居民健康水平的統計數據.來源：中國國家衛生健康委員會2015 年、2020 年中國城市建設統計年鑒.來源：中國住房和城鄉建設部20152020 年國家 GDP 和人口數據.https:/data.un.org/en/index.html2016 年、2021 年中國統計年鑒.來源：中國國家統計局2017 年、2020 年全國水文統計年報水文站、地下水站數據.http:/ 年 臺風數據.來源：Japan Meteorological Agency（https:/www.jma.go.jp/jma/indexe.html）2020 年全國自然保護地分布數據.http:/ 年 WorldP

226、op 無約束全球人口柵格數據.https:/www.worldpop.org/2020 年 Landscan 全球人口柵格數據.https:/landscan.ornl.gov/2020 年 GPW V4 全球人口柵格數據.https:/sedac.ciesin.columbia.edu/data/collection/gpw-v4第一批和第二批光伏扶貧補助目錄.來源：中國財政部（http:/ WOA 氣候態數據集.來源：美國國家海洋和大氣管理局（https:/www.ncei.noaa.gov/products/world-ocean-atlas）桂林經濟社會統計年鑒.https:/ 年風速

227、數據.https:/climatedataguide.ucar.edu/climate-data/ccmp-cross-calibrated-multi-platform-wind-vector-analysis20002020 年全球 1 km 分辨率 PM2.5密度數據.https:/acp.copernicus.org/articles/20/3273/2020/20002020 年全球 1 km 分辨率 CO2排放量數據.https:/db.cger.nies.go.jp/dataset/ODIAC/20102020 年 Water GAP v2.2d 水文模型模擬用水數據.https

228、:/doi.pangaea.de/10.1594/PANGAEA.91844720212060 年 FGOALS-g3 模式輸出的氣候變化情景逐日數據（最高氣溫、最低氣溫、降水和輻射）.https:/data.ceda.ac.uk/badc/cmip6/data/CMIP6/ScenarioMIP/CAS/FGOALS-g3/全球月時間尺度降雨量數據.來源：全球降水氣候學計劃（http:/gpcp.umd.edu/）中國月時間尺度 1 km1 km 分辨率日照時數數據集.來源：國家地球系統科學數據中心（http:/）中國土地利用現狀（水田類型）及 1 km1 km 分辨率農田熟制遙感監測數據集

229、.來源：中國科學院資源環境科學與數據中心（https:/ Academy of Sciences中國科學院CASEarthCAS Big Earth Data Science Engineering Program中國科學院地球大數據科學工程CBASInternational Research Center of Big Data for Sustainable Development Goals 可持續發展大數據國際研究中心CZICoastal Zone Imager海岸帶成像儀DEMDigital Elevation Model數字高程模型DINDissolved Inorganic Ni

230、trogen溶解無機氮DIPDissolved Inorganic Phosphorus溶解無機磷EBVsEssential Biodiversity Variables重要生物多樣性變量EF-LUEEvaporative Fraction-Light Use Efficiency基于蒸發比的光能利用效率ERA5the Fifth Generation ECMWF Reanalysis for the Global Climate and Weather;ECMWF:the European Centre for Medium-Range Weather Forecasts歐洲中期數值天氣預報

231、中心第五代全球大氣再分析資料ETEvapotranspiration蒸散耗水量EVIEnhanced Vegetation Index增強型植被指數FAOFood and Agriculture Organization of the United Nations聯合國糧食及農業組織FGOALS-g3Flexible Global Ocean-Atmosphere-Land System Model-Grid Point Version 3靈活性全球海洋-大氣-陸面耦合系統第三代格點版本GDPGross Domestic Product國內生產總值GEPGross Ecosystem Prod

232、uct生態系統生產總值GGW-BDFGreat Green Wall Big Data Facilitator大數據支持“非洲綠色長城”建設在線工具GPMGlobal Precipitation Measurement全球降水觀測GPPGross Primary Productivity總初級生產力GRACEGravity Recovery and Climate Experiment重力恢復與氣候實驗GRPGross Regional Product地區生產總值GUBGlobal Urban Boundaries全球城市邊界IMAGE-GNMIntegrated Model to Asses

233、s the Global Environment-Global Nutrient Model全球營養物輸運模型JRCEuropean Commissions Joint Research Centre歐盟委員會聯合研究中心LCRPGRRatio of Land Consumption Rate to Population Growth Rate土地使用率與人口增長率之間的比率LPDLand Productivity Dynamics土地生產力動態LUCCLand-Use/Cover Change土地利用與土地覆蓋變化MODISModerate Resolution Imaging Spectr

234、oradiometer中分辨率成像光譜儀MSIMultiSpectral Instrument多光譜成像儀縮略詞縮略詞地球大數據支撐可持續發展目標報告（2022）128MSICMaximum Spectral Index Composite最大光譜指數合成NDVINormalized Difference Vegetation Index歸一化植被指數NEPNet Ecosystem Productivity凈生態系統生產力OBIAObject-Based Image Analysis面向對象圖像分析OHCOcean Heat Content海洋熱含量PAGGWPan African Agen

235、cy of the Great Green Wall泛非綠色長城機構pCO2partial Pressure of Carbon Dioxide二氧化碳分壓SDGsSustainable Development Goals可持續發展目標SDGSAT-1Sustainable Development Science Satellite 1可持續發展科學衛星 1 號SMAPSoil Moisture Active and Passive土壤水分主被動衛星SSTSea Surface Temperature海表面溫度TOCTotal Organic Carbon總有機碳UNEPUnited Nati

236、ons Environment Programme聯合國環境規劃署WHOWorld Health Organization世界衛生組織WUEWater-Use Efficiency水分利用效率129ABRAHAm J,CHENG L,mANN m E,et al.The ocean response to climate change guides both adaptation and mitigation effortsJ.Atmospheric and Oceanic Science Letters,2022,100221.doi:10.1016/j.aosl.2022.100221.B

237、URKE L,REYTAR K,SPALDING m,et al.Reefs at Risk Revisitedm.World Resources Institute,The Nature Conservancy,WorldFish Center,International Coral Reef Action Network,UNEP World Conservation monitoring Centre and Global Coral Reef monitoring Network.Washington,D.C,2011.CHEN J L,WILSON C R,BLANKENSHIP D

238、 D,et al.Accelerated Antarctic ice loss from satellite gravity measurements.Nature Geosciences,2009,2:859-862,doi:10.1038/NGEO694.CHEN Y P,LIU C.Research on water resources utilization efficiency and its influencing factors in China:Based on Shephard water resources distance functionJ.World Regional

239、 Studies,2022,31(3):591601.doi:10.3969/j.issn.1004-9479.2022.03.20205 65.CHENG L J,ABRAHAm J,TRENBERTH K E,et al.Another record:Ocean warming continues through 2021 despite La Nia ConditionsJ.Advances in Atmospheric Sciences,2022,39(3):373385.doi:10.1007/s00376-022-1461-3.CHENG L J,TRENBERTH K E,FAS

240、ULLO J,et al.Improved estimates of ocean heat content from 1960 to 2015J.Science Advances,2017,3:e1601545.doi:10.1126/sciadv.1601545.COSTANZA R,ANDERSON S J,SUTTON P,et al.The global value of coastal wetlands for storm protectionJ.Global Environment Change,2021,70:102328.doi:10.1016/j.gloenvcha.2021

241、.102328.DU D D,ZHENG C L,JIA L,et al.Estimation of global cropland gross primary production from satellite observations by integrating water availability variable in Light-Use-Efficiency ModelJ.Remote Sensing,2022,14(7):1722.doi:10.3390/rs140717 22.FAO.Progress on Level of Water StressGlobal baselin

242、e for SDG indicator 6.4.2R.2018.https:/www.unwater.org/publications/progress-on-level-of-water-stress-642/.FAO.Global Forest Resources Assessment 2020 Key findingsR.2020.https:/www.fao.org/forest-resources-assessment/2020/en/.FAO.Tracking Progress on Food and Agriculture-Related SDG Indicators 2021:

243、A Report on the Indicators under FAO CustodianshipR.Rome,2021.doi:10.4060/cb6872en.FAO,IFAD,UNICEF,et al.The State of Food Security and Nutrition in the World 2022.Repurposing Food and Agricultural Policies to make Healthy Diets more AffordableR.Rome,2022.https:/doi.org/10.4060/cc0639enFAO and UN Wa

244、ter.Progress on Change in Water-Use Efficiency.Global Status and Acceleration Needs for SDG Indicator 6.4.1,2021R.Rome,2021a.doi:10.4060/cb6413 en.FAO and UN Water.Progress on Level of Water Stress.Global Status and Acceleration Needs for SDG Indicator 6.4.2,2021R.Rome,2021b.doi:10.4060/cb6241en.GAO

245、 X M,WU M Q,LI C,et al.Influence of Chinas Overseas power stations on the electricity status of their host countriesJ.International Journal of Digital Earth,2022a,15(1):416436.doi:10.1080/17538947.2022.2038292.GAO X m,WU m Q,NIU Z,et al.Global identification of unelectrified built-up areas by remote

246、 sensingJ.Remote Sensing,2022b,14:1941.doi:10.3390/rs14081941.GILES-CORTI B,VERNEZ-mOUDON A,REIS R,et al.City planning and population health:A global challengeJ.Lancet,2016,388(10062):29122924.doi:10.1016/s0140-6736(16)30066-6.HARLIN J,ALABASTER G,SLAYmAKER T,et al.In Need of Speed:Data can Accelera

247、te Progress Towards Water and Sanitation for AllR.2021.http:/sdg.iisd.org/commentary/guest-articles/in-need-of-speed-data-can-accelerate-progress-towards-water-and-sanitation-for-all/.HU G C,JIA L.monitoring of evapotranspiration in a semi-arid inland river basin by combining microwave and optical r

248、emote sensing observationsJ.Remote Sensing,2015,7(3):30563087.doi:10.3390/rs70303056.HU L,ZENG K,HU C,et al.On the remote estimation of Ulva prolifera areal coverage and biomassJ.Remote Sensing of Environment,2019,223:194207.doi:10.1016/j.rse.2019.01.014.主要參考文獻主要參考文獻地球大數據支撐可持續發展目標報告（2022）130HUANG N,

249、WANG L,ZHANG Y L,et al.Estimating the net ecosystem exchange at global FLUXNET sites using a random forest modelJ.Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2021,14:98269836.doi:10.1109/JSTARS.2021.3114190.IPBES.Global Assessment Report on Biodiversity and Ecosystem

250、ServicesR.2019.https:/ Change 2022:mitigation of Climate ChangeR.2022.https:/www.ipcc.ch/report/ar6/wg3/.JIANG H P,SUN Z C,GUO H D,et al.An assessment of urbanization sustainability in China between 1990 and 2015 using land use efficiency indicatorsJ.npj Urban Sustainability,2021,1:34.doi:10.1038/s4

251、2949-021-00032-y.JIANG H P,SUN Z C,GUO H D,et al.A standardized dataset of built-up areas of Chinas cities with populations over 300,000 for the period 19902015J.Big Earth Data,2022,6(1):103126.doi:10.1080/20964471.2021.1950351.LI X J,SUN Y S,LI Y Y,et al.Saline-Sodic Soil EC Retrieval Based on Box-

252、Cox Transformation and machine LearningJ.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2022,15:16921700.doi:10.1109/JSTARS.2022.3145874.LI X C,ZHOU Y Y,ZHAO m,et al.A harmonized global nighttime light dataset 19922018J.Scientific Data,2020,7:168.doi:10.1038/s41597-

253、020-0510-y.LI Y,NIU Z G.Systematic method for mapping fine-resolution water cover types in China based on time series Sentinel-1 and 2 imagesJ.International Journal of Applied Earth Observation and Geoinformation,2022,106:102656.doi:10.1016/j.jag.2021.102656.LIU C,ZHANG Q,TAO S,et al.A new framework

254、 to map fine resolution cropping intensity across the globe:Algorithm,validation,and implicationJ.Remote Sensing of Environment,2020,251:112095.doi:10.1016/j.rse.2020.112095.LIU X,WANG Y B,COSTANZA R,et al.The value of Chinas coastal wetlands and seawalls for storm protectionJ.Ecosystem Services,201

255、9,36:100905.doi:10.1016/j.ecoser.2019.100905.LU T,LU Y C,HU L B,et al.Uncertainty in the optical remote estimation of the biomass of Ulva prolifera macroalgae using mODIS imagery in the Yellow SeaJ.Optics Express,2019,27(13):1862018627.doi:10.1364/OE.27.018620.OECD.A Territorial Approach to the Sust

256、ainable Development Goals:Synthesis report.Organisation for Economic Co-operation and DevelopmentR.2020.doi:10.1787/e86fa 715-en.PAN Y,ZHANG C,GONG H,et al.Detection of human-induced evapotranspiration using gravity satellite observations in the Haihe River Basin of ChinaJ.Geophysical Research Lette

257、rs,2017,44(1):190199.doi:10.1002/2016GL071287.POWLSON D S,WHITmORE A P,GOULDING K W T.Soil carbon sequestration to mitigate climate change:A critical re-examination to identify the true and the falseJ.European Journal of Soil Science,2011,62(1):42-55.doi:10.1111/j.1365-2389.2010.01342.x.SACHS J D,LA

258、FORTUNE G,KROLL C,et al.From Crisis to Sustainable Development:the SDGs as Roadmap to 2030 and Beyond.Sustainable Development Report 2022R.Cambridge:Cambridge University Press,2022.https:/www.sdgindex.org/reports/sustainable-development-report-2022/SU H,ZHANG T Y,LIN m J,et al.Predicting subsurface

259、thermohaline structure from remote sensing data based on long short-term memory neural networksJ.Remote Sensing of Environment,2021,260:112465.doi:10.1016/j.rse.2021.112465.SU H,JIANG J W,WANG A,et al.Subsurface temperature reconstruction for the global ocean from 1993 to 2020 using satellite observ

260、ations and deep learningJ.Remote Sensing,2022,14:3198.doi:10.3390/rs14133198.SUN L Q,CHEN J,LI Q L,et al.Dramatic uneven urbanization of large cities throughout the world in recent decadesJ.Nature Communications,2020,11(1):5366.doi:10.1038/s41467-020-19158-1.TANG Y,CHEN F,YANG W,et al.Elaborate moni

261、toring of land-cover changes in cultural landscapes at heritage sites using very high resolution remote-sensing imagesJ.Sustainability,2022,14:1319.doi:10.3390/su14031319.TAO S L,FANG J Y,MA S H,et al.Changes in Chinas lakes:Climate and human impactsJ.National Science Review,2020,7:132140.doi:10.109

262、3/nsr/nwz103.UN.The Sustainable Development Goals Report 2019R.New York:United Nations,2019.https:/unstats.un.org/sdgs/report/2019.UN.The Sustainable Development Goals Report 2021R.New York:United Nations,2021.https:/unstats.un.org/sdgs/report/2021.UN.The Sustainable Development Goals Report 2022R.1

263、31New York:United Nations,2022.https:/unstats.un.org/sdgs/report/2022.UNCCD.Global Land Outlook,second editionR.2022.https:/www.unccd.int/sites/default/files/2022-04/GLO2_SDm_low-res.pdfUNEP.Step-by-step methodology for monitoring Integrated Water Resources management(6.5.1)R.2017.https:/www.unwater

264、.org/publications/step-step-methodology-monitoring-integrated-water-resources-management-6-5-1/UNEP.measuring Progress:Environment and the SDGsR.2021a.https:/www.unep.org/resources/publication/measuring-progress-environment-and-sdgs.UNEP.Progress on Integrated Water Resources management.Tracking SDG

265、 6 series:global indicator 6.5.1 updates and acceleration needsR.2021b.UN Water.Summary Progress Update 2021 SDG 6 Water and Sanitation for AllR.Version:1 march 2021.Geneva,Switzerland,2021.WANG Y,LU S L,ZI F,et al.Artificial and natural water bodies change in China,20002020.Water,2022,14(11):1756.d

266、oi:10.3390/w14111756.World Bank.FY22 List of Fragile and Conflict-affected Situations.The World Bank Group,2022.https:/thedocs.worldbank.org/en/doc/bb52765f38156924d6824 86726f422d40090082021/original/FCSList-FY22.pdfWorld meteorological Organization(WmO).The State of Global Climate 2021R.2022.https

267、:/public.wmo.int/en/our-mandate/climate/wmo-statement-state-of-global-climate.WU D,LI Z H,ZHU Y C,et al.A new agricultural drought index for monitoring the water stress of winter wheatJ.Agricultural Water management,2021,244:106599.doi:10.1016/j.agwat.2020.106599.ZHANG m,WU B,ZENG H,et al.GCI30:A gl

268、obal dataset of 30 m cropping intensity using multisource remote sensing imageryJ.Earth System Science Data,2021,13(10):47994817.doi:10.5194/essd-13-4799-2021.ZHENG C L,JIA L,HU G C,et al.Earth observations-based evapotranspiration in northeastern ThailandJ.Remote Sensing,2019,11(2):138.doi:10.3390/

269、rs11020138.ZHONG G,LI X,SONG J,et al.Reconstruction of global surface ocean pCO2 using region-specific predictors based on a stepwise FFNN regression algorithmJ.Biogeosciences,2022,19:845859.doi:10.5194/bg-19-845-2022.郭華東 等.地球大數據支撐可持續發展目標報告（2019）m.北京:科學出版社,2019.郭華東 等.地球大數據支撐可持續發展目標報告（2020）中國篇 m.北京:科

270、學出版社,2020a.郭華東 等.地球大數據支撐可持續發展目標報告（2020）“一帶一路”篇 m.北京:科學出版社,2020b.劉錦超,劉建強,丁靜 等.HY-1C 衛星 CZI 載荷的黃海綠潮提取研究 J.海洋學報 2022,44(5):111.doi:10.12284/hyxb2022097.盧善龍,賈立,蔣云鐘 等.聯合國可持續發展目標 6（清潔飲水與衛生設施）監測評估:進展與展望 J.中國科學院院刊,2021,36(8):904913.doi:10.16418/j.issn.1000-3045.20210705007.倪天翔,馮柳.地下水質評價中兩類內梅羅指數法修正方法的對比分析及應用

271、研究 J.地下水,2018,4(6):811,53.doi:CNKI:SUN:DXSU.0.2018-06-004.中國電力年鑒編輯委員會.2016 年中國電力年鑒R.中國電 力 出 版 社.2019.https:/ 年中國光伏產業年度報告 R.2021.http:/ 號).2019.https:/ 20152021 年度全國可再生能源電力發展監測評價的通報.http:/ 20152021 年全社會用電量.http:/ 可持續發展大數據國際研究中心 組員：（按姓名拼音排序）白林燕 可持續發展大數據國際研究中心曹 敏 南京師范大學常云蕾 可持續發展大數據國際研究中心陳 方 可持續發展大數據國際研

272、究中心陳 驥 香港大學陳 旻 南京師范大學陳 曦 北京師范大學陳 玉 可持續發展大數據國際研究中心陳博偉 可持續發展大數據國際研究中心陳富龍 可持續發展大數據國際研究中心陳琪婷 中國科學院空天信息創新研究院陳亞西 中國科學院空天信息創新研究院成里京 中國科學院大氣物理研究所崔瀚文 可持續發展大數據國際研究中心崔雪鋒 北京師范大學丁 靜 自然資源部國家衛星海洋應用中心董金瑋 中國科學院地理科學與資源研究所杜世宏 北京大學杜文雯 中國疾病預防控制中心營養與健康所房世波 中國氣象科學研究院馮維思 北京師范大學馮婭婭 中國科學院西北生態環境資源研究院高許淼 中國科學院空天信息創新研究院耿睿穎 中國科學

273、院煙臺海岸帶研究所宮輝力 首都師范大學顧阿倫 清華大學能源環境經濟研究所郭利成 中國科學院地質與地球物理研究所韓寶龍 中國科學院生態環境研究中心韓群力 中國科學院空天信息創新研究院何 兵 成都信息工程大學侯西勇 中國科學院煙臺海岸帶研究所胡光成 中國科學院空天信息創新研究院胡連波 中國海洋大學胡永紅 可持續發展大數據國際研究中心黃 磊 可持續發展大數據國際研究中心黃 妮 中國科學院空天信息創新研究院黃春林 中國科學院西北生態環境資源研究院黃存瑞 清華大學黃金霞 中國科學院文獻情報中心賈 立 中國科學院空天信息創新研究院賈根鎖 中國科學院大氣物理研究所賈俊文 北京師范大學賈明明 中國科學院東北地

274、理與農業生態研究所賈曉紅 中國林業科學研究院荒漠化研究所江 南 中國科學院生態環境研究中心姜進文 福州大學蔣 敏 中國科學院空天信息創新研究院蔣會平 可持續發展大數據國際研究中心焦俊男 南京大學孔令橋 中國科學院生態環境研究中心雷亦晨 北京大學李 成 揚州大學李 楊 中國科學院空天信息創新研究院李俊生 中國環境科學研究院李夢倩 中國氣象科學研究院李曉潔 中國科學院東北地理與農業生態研究所李曉松 可持續發展大數據國際研究中心李學剛 中國科學院海洋研究所李穎燁 中國科學院東北地理與農業生態研究所梁 棟 可持續發展大數據國際研究中心廖靜娟 可持續發展大數據國際研究中心林伯強 廈門大學劉 潔 可持續發

275、展大數據國際研究中心劉 欣 中國科學院煙臺海岸帶研究所劉 洋 中國科學院地理科學與資源研究所劉建強 自然資源部國家衛星海洋應用中心報告編寫組133報告編寫組劉林崧 中國科學院空天信息創新研究院劉榮高 中國科學院地理科學與資源研究所劉少波 中國科學院空天信息創新研究院劉細文 中國科學院文獻情報中心劉子源 中國科學院空天信息創新研究院柳曉燕 中國環境科學研究院盧 靜 中國科學院空天信息創新研究院盧善龍 可持續發展大數據國際研究中心陸 遙 北京師范大學陸應誠 南京大學鹿琳琳 可持續發展大數據國際研究中心駱 磊 可持續發展大數據國際研究中心馬彩虹 中國科學院空天信息創新研究院馬亞林 首都師范大學馬真臻

276、 中國水資源戰略研究會蒙詩櫟 中國林業科學研究院資源信息研究所苗俊霞 蘭州大學牛 錚 中國科學院空天信息創新研究院牛振國 中國科學院空天信息創新研究院歐陽松 北京大學潘 云 首都師范大學龐 勇 中國林業科學研究院資源信息研究所彭芷琳 清華大學能源環境經濟研究所樸海濤 中國地質環境監測院喬方利 自然資源部第一海洋研究所權學烽 中國科學院西北生態環境資源研究院沈 通 可持續發展大數據國際研究中心宋金明 中國科學院海洋研究所宋曉諭 中國科學院西北生態環境資源研究院蘇 暢 中國疾病預防控制中心營養與健康所蘇 華 福州大學隋 欣 北京林業大學孫 松 中國科學院海洋研究所孫立群 中國科學院深圳先進技術研究

277、院孫中昶 可持續發展大數據國際研究中心唐 君 南京大學唐繼婷 北京師范大學唐韻瑋 可持續發展大數據國際研究中心藤依舒 北京師范大學田 雨 中國水利水電科學研究院王 安 福州大學王 彬 中國科學院東北地理與農業生態研究所王 凡 中國科學院海洋研究所王 力 中國科學院空天信息創新研究院王 萌 中國科學院空天信息創新研究院王 優 廈門大學王福濤 中國科學院空天信息創新研究院王惠君 中國疾病預防控制中心營養與健康所王文卓 北京師范大學王亞剛 甘肅自然能源研究所王宗明 中國科學院東北地理與農業生態研究所魏顯虎 中國科學院空天信息創新研究院魏雪馨 中國科學院地理科學與資源研究所鄔明權 中國科學院空天信息創

278、新研究院吳 波 中國林業科學研究院荒漠化研究所吳炳方 中國科學院空天信息創新研究院吳亞橋 北京師范大學武英潔 山東省氣象信息中心夏莉莉 中國科學院空天信息創新研究院肖 斌 自然資源部第一海洋研究所謝 靖 中國科學院文獻情報中心謝一涵 可持續發展大數據國際研究中心邢前國 中國科學院煙臺海岸帶研究所熊尚發 中國科學院地質與地球物理研究所熊淑萍 北京大學徐進勇 中國科學院空天信息創新研究院徐衛華 中國科學院生態環境研究中心顏業峰 中國科學院空天信息創新研究院楊瑞霞 可持續發展大數據國際研究中心楊賽霓 北京師范大學楊石嶺 中國科學院地質與地球物理研究所姚慶禎 中國海洋大學游進軍 中國水資源戰略研究會于

279、仁成 中國科學院海洋研究所于永強 中國科學院大氣物理研究所于志剛 中國海洋大學余 濤 中國林業科學研究院資源信息研究所張 斌 中國科學院海洋研究所張 翀 首都師范大學張 麗 可持續發展大數據國際研究中心張 淼 中國科學院空天信息創新研究院張 鵬 應急管理部國家減災中心張 穩 中國科學院大氣物理研究所張 瑩 中國科學院西北生態環境資源研究院地球大數據支撐可持續發展目標報告（2022）134張安治 中國科學院大氣物理研究所張方方 可持續發展大數據國際研究中心張海莉 可持續發展大數據國際研究中心張海龍 中國科學院空天信息創新研究院張愷姣 澳門科技大學張天一 中國科學院大氣物理研究所張修遠 北京大學張躍林 中國科學院空天信息創新研究院趙 昌 自然資源部第一海洋研究所趙 航 中國科學院空天信息創新研究院趙彩云 中國環境科學研究院鄭超磊 中國科學院空天信息創新研究院鄭新曼 中國科學院文獻情報中心鄭姚閩 北京工商大學鄭智嘉 北京大學鐘國榮 中國科學院海洋研究所周 偉 可持續發展大數據國際研究中心朱 猛 可持續發展大數據國際研究中心朱嵐巍 可持續發展大數據國際研究中心卓 文 中國氣象科學研究院左麗君 中國科學院空天信息創新研究院