遥感产品和网络大数据支持下的中国城市群可持续性评价

As an important part of the United Nations Sustainable Development Goals (SDGs), urban sustainability is also the core target in China’s New Urbanization Plan. Compared with the traditional statistical technique which is high-cost, low-efficiency, poor-spatial-completeness, new approaches involving the geo-spatial big data and remotely sensed data show great advantages on acquiring data for urban studies. Based on the SDGs and other urban sustainability indicator system, the group index focused on the coordination of population, industry, innovation, environment, transportation will be introduced into the framework of indicator system for Chinese urban agglomeration in this project. With the statistical data as supplementary information, multi-source data extracted from geo-spatial big data and remotely sensed products are used to establish the local and synergistic indicators with statistical modeling and machine learning method. According to the comprehensive model of urban agglomeration sustainability above mentioned, the real-time, precise, objective and quantitative changes in economy, society and environment will be characterized for the seven representative urban agglomerations in China. Using the geo-spatial big data and remotely sensed products as main data sources for urban sustainability，this project will provide a methodology innovation and theoretical contribution for the sustainability of urban agglomerations in China.

城市可持续性是联合国可持续发展目标（SDGs）的重要组成部分，也是中国推进新型城镇化的核心目标。传统的城市可持续性评价主要依赖于获取难度较大、实时性较差、空间完备性不够的统计数据，而大数据和对地观测技术为城市研究提供了新视角和新途径。本项目拟在SDGs及各种城市可持续发展指标体系的基础上，兼顾城市群人口、产业、创新、环境、交通的协同，构建体现中国城市群特点的城市群可持续性指标体系；利用可广泛获取的多源、多尺度的网络大数据和遥感产品，辅以必需的统计数据，通过统计建模和机器学习等手段，建立可持续性指标计算模型；进一步研发城市群可持续性综合评价模型，实现对中国7个代表性城市群经济、社会、环境可持续性的实时动态、空间精细、客观定量的评价。本项目将实现网络大数据和遥感产品在城市科学研究上的方法论创新，推动中国城市群可持续发展。

城市可持续性是联合国可持续发展目标（SDGs）的重要组成部分，也是中国推进新型城镇化的核心目标。传统的城市可持续性评价主要依赖于获取难度较大、实时性较差、空间完备性不够的统计数据，而大数据和对地观测技术为城市研究提供了新视角和新途径。.本项目在联合国2030可持续发展目标（SDGs）框架下，以SDG11为导向，综合考虑经济、社会、环境等因素，并吸收GaWC在城市网络结构方面的优势，并充分考虑指标在获取性、指征性、成本等上的差异和选定指标的适用性，构建了全球城市可持续性评价指标体系开放框架，最终实现了以目标层-要素层-指标层为框架的地球大数据支持下的城市可持续评估指标体系；围绕着城市可持续性相关的指标，开展了网络大数据和遥感产品的数据分析、处理及时空融合研究，引入了机器学习与深度学习的方法，提升了多源数据的分辨率与精度，构建了微博及政务云等相关评论的人群情感测度及可持续性评估模型；提出了多源数据融合的深度学习方法，并用于城市不规则住区的识别及城市可持续性评估分析；围绕着SDG11中关于城市可持续的相关目标，开展了城市及城市群单一指标与群指标的模型构建与可持续性测度，分析了城市群中心城市在全球与地方（国内）两个尺度创新网络位置演化及其对创新绩效的影响；量化了世界级（京津冀、珠三角、长三角）、国家级（成渝、长江中游）和地区级（中原、哈长）城市群建设用地扩张的时空格局，并基于耦合协调度模型对其与社会经济增长之间的耦合与协调作用进行了详细分析，并进行了影响机制分析。.本项目的研究为城市及城市群可持续评估，提出了一种基于网络大数据与遥感产品综合客观的解决思路，并实现了对中国主要城市群的可持续发展现状系统、高时空分辨率综合评价，为中国城市群可持续发展提供理论和实践上的支持。