融合不透水面與人口數據的全球30米高分辨率城市邊界動態監測數據集（2000-2022）的構建與驗證

《Scientific Data》：A high-resolution global annual city and town boundaries dataset (2000–2022) derived from GLC_FCS30D product

【字體： 大 中 小 】 時間：2025年12月05日 來源：Scientific Data 6.9

　　

隨著全球城鎮化進程的加速，城市空間的擴張已成為影響土地利用、生態系統乃至可持續發展目標（SDGs）的關鍵因素。聯合國預測，到2050年，全球68%的人口將居住在城市區域。然而，現有全球城市邊界數據集多存在明顯局限：基于中低分辨率影像（如MODIS）或夜間燈光（NTL）的數據難以捕捉破碎化的城市邊緣，而不透水面數據往往將大型農村聚落誤判為城市，忽視了城鎮這一城市與鄉村間重要過渡帶的空間功能。尤其在小城鎮快速擴張的背景下，缺乏能夠區分城市與城鎮的高分辨率、長時間序列全球數據集，嚴重制約了精準城鎮化監測與規劃。

針對這一空白，由Ming Bai、Xiao Zhang等研究人員在《Scientific Data》發表的研究，開發了一套全球30米年度城市與城鎮邊界數據集GCTB（Global City and Town Boundaries），覆蓋2000至2022年。該研究創新性地融合了30米不透水面動態數據（GISD30）與1公里人口網格（LandScan），通過雙閾值劃分與形態學優化，首次實現了全球尺度上城市與城鎮的精細區分。

為構建GCTB，作者首先將30米不透水面數據聚合至1公里網格，以抑制噪聲并匹配聯合國經合組織（OECD）的城鎮化統計標準。隨后采用5公里帶寬的高斯核密度估計（Kernel Density Estimation, KDE）對不透水面密度進行平滑處理，提取密度≥20%的 urban cores（城市核心區）。為解決城市核心區外圍破碎化斑塊的連接問題，采用11×11像元的Moore鄰域元胞自動機（Cellular Automata, CA）模型進行邊界優化，擴張約1公里以融合功能相連的建成區。后續通過形態學閉運算、內部空洞填充及1公里范圍內的斑塊合并，進一步提升邊界形態的連續性與可用性。最后，基于LandScan人口數據，按聯合國城鎮化定義將總人口≥5萬的區域劃為城市（City），5千至5萬的區域劃為城鎮（Town），并采用“非降級規則”保持分類的時間一致性。

主要研究結果

全球城市與城鎮空間分布特征

2022年全球城市與城鎮空間分布如圖2所示，GCTB清晰呈現出各大洲城市集聚與城鎮分散的格局。在區域尺度上（以北京、洛杉磯、巴黎、雅加達為例），數據集能夠準確識別核心城市與周邊城鎮的邊界，并有效表征特大城市區域的內部結構差異與擴張模式。

時間序列一致性驗證

以北京（快速擴張型）和芝加哥（穩定增長型）為例，通過疊加2000、2010、2020年高分影像（圖3）顯示，GCTB能準確捕捉北京城市邊界向外擴張及內部填充的動態過程，城鎮邊界隨城市擴張被逐步吸納；而對芝加哥，數據集則持續穩定地刻畫其核心城市與郊區城鎮的邊界，表明其具有良好的時間一致性與形態適應能力。

與現有數據集的交叉比較

通過1°×1°網格（圖4）與200個樣本城市（圖5）的定量對比，GCTB與GURS（Global Urban-Rural Settlement Dataset）一致性最高（R²> 0.93），因二者均注重城市功能連續性；與GUB（Global Urban Boundaries）、MGUP（MODIS Global Urban Product）一致性較好（R²為0.85–0.91），但后兩者易包含低密度建成區導致高估；NTL-UE（Nighttime Light-based Urban Extent）因分辨率粗、信號飽和等問題，一致性最低（R²< 0.80），系統性低估城市范圍。

邊界形態與時空變化分析

選取米蘭、費城、悉尼、布宜諾斯艾利斯、約翰內斯堡、武漢六個典型城市，對比2015年邊界及2000–2020年面積變化（圖6、圖7）。結果顯示，GCTB在空間形態上最接近高分辨率參考數據（AUE與GISD30），能有效抑制NTL-UE因光溢效應導致的邊界膨脹、GUB/MGUP對城市邊緣的低密度區域過融合，以及GURS因保留內部空地導致的碎片化問題，呈現連續而緊湊的邊界形態。

基于AUE的精度評估

以專家手工解譯的AUE（Atlas of Urban Expansion）為基準，GCTB在1999與2014年均表現出最高的一致性（R²分別為0.889、0.914，斜率近1），均方根誤差（RMSE）最低（圖8）。GUB、MGUP、NTL-UE均存在明顯高估，再次驗證GCTB在邊界精準刻畫方面的優勢。

OSM城市/城鎮分類驗證

利用OpenStreetMap（OSM）地點標簽作為獨立驗證源，GCTB城市類別分類準確率（F1）達0.80以上，城鎮類別為0.60–0.70，總體精度約75%（表2），表明其城市—城鎮分類在全球尺度具有較好可靠性。

結論與展望

GCTB是首套兼具30米高空間分辨率、年度時間連續性及城市—城鎮功能分類的全球城市邊界數據集，通過融合不透水面與人口數據，有效克服了現有產品在低密度建成區識別、邊界過擬合或碎片化等方面的不足。其與多源參考數據的高度一致性及OSM驗證結果，證明了其在全球城鎮化監測、土地可持續利用評估、城市形態演化研究中的重大價值。未來工作可進一步融入夜間燈光、POI（Point of Interest）等多源特征，提升分類穩健性，并發展區域自適應模型以更好地服務于全球城市治理與可持續發展目標（SDGs）的實現。

數據集已通過Zenodo平臺開放獲取（https://doi.org/10.5281/zenodo.16418717），相關處理代碼公開于GitHub倉庫。