地球大数据支撑可持续发展目标报告（2019）-中国科学院.pdf-solarbe文库

资源描述：

3 总结与展望 01 总结与展望 02 地球大数据支撑可持续发展目标报告（2019）序前言执行摘要案例汇总表地球大数据服务联合国可持续发展目标 14 数据密集型范式 14 地球大数据 15 地球大数据支撑 SDGs 实施 SDG 2 零饥饿 20 背景介绍 21 主要贡献 22 案例分析中国粮食生产可持续发展进程监测 \ 22 25 本章小结 SDG 6 清洁饮水和卫生设施 28 背景介绍 29 主要贡献 30 案例分析中国地表水水质良好水体比例分析 \ 30 32 本章小结 SDG 11 可持续城市和社区 36 背景介绍 37 主要贡献 38 案例分析中国可便利使用公共交通的人口比例 \ 38 中国城镇化监测与评估 \ 41 SDG 11.4 内涵解析和指标量化 \ 44 中国城市细颗粒物（ PM 2.5 ）监测与分析 \ 48 中国城市开放公共空间面积比例 \ 50 52 本章小结 04 06 08 10 12 18 34 26 目录 03 总结与展望 SDG 14 水下生物 56 背景介绍 57 主要贡献 58 案例分析中国近海典型海域富营养化评估 \ 58 中国近海典型海域生态系统健康评估 \ 61 64 本章小结 SDG 15 陆地生物 68 背景介绍 69 主要贡献 70 案例分析中国钱江源国家公园保护地有效性评估 \ 70 中国受威胁物种红色名录指数评估 \ 74 大熊猫栖息地的破碎化评估 \ 77 79 本章小结总结与展望主要参考文献编写组成员 54 80 84 88 66 04 地球大数据支撑可持续发展目标报告（2019） 2015 年 9 月，在联合国成立 70 周年之际，各国元首和代表相聚纽约联合国总部，通过了变革我们的世界 2030 年可持续发展议程。该议程是人类社会基于历史经验和对未来共同期望所提出的全面、系统、开拓进取的发展框架，为未来 15 年全球和各国的发展指明了方向，勾画了蓝图。该议程的核心是实现全球可持续发展目标（SDGs），其指标体系已被全球所接受并采取各自的国别方案积极落实。随着科技发展的日新月异，其在 SDGs 实施中所发挥的关键作用越发凸显。为此，联合国启动了技术促进机制（ TFM）以凝聚科技界、企业界和利益攸关方的集体智慧，支持和促进实现 SDGs，使全球走上可持续发展的道路，实现人与自然的和谐共处。面对可持续发展这个人类共同的宏大使命所提出的新需求和新挑战，中国科学院作为全球科技界的一员，正在组织研究力量积极行动。 SDGs 由 17 项目标， 169 项具体目标和超过 230 个指标构成。世界各个国家发展的阶段和不同国家在不同领域的发展存在各种差异，不同目标之间有着彼此相互增强或制约的关系。因此， SDGs 本身是一个复杂、多样、动态和相互关联的庞大的体系。对各目标的有效度量和监测是保障实现可持续发展目标最重要的环节，但如何度量这些目标仍然面临很大困难，迫切需要建立科学合理和完善的可持续发展评估指标体系。目前只有大约 45 的 SDGs 指标实现了既有方法又有数据，约 39 处于有方法无数据状态，还有多达 16 的 SDGs 指标既没有统一的方法也没有数据。显然，如果在这些方面不能尽快取得进展， 2030 年议程全面落实必然会大打折扣。为有效应对上述挑战，中国科学院围绕零饥饿、清洁饮水和卫生设施、可持续城市和社区、水下生物和陆地生物 5 个目标和 11 个指标，特别是针对在数据和方法方面存在不足的指标上开展了工作。这份报告所呈现的数据分析成果，表明地球大数据及其相关技术和方法可以为我们认识这些 SDGs 相关重大问题提供新的发展分析工具和数据依据。可以预期，在地球大数据方面的这些示范工作的进一步开展和持续深入，将形成对 SDGs 目标指标体系有力的数据服务和序序 05 支撑。对于众多发展中国家来说，尤其是对数据获取和处理，发展指标监测和评估方面技术能力相对薄弱的国家来说，中国在地球大数据面向 SDGs 的应用研究方面的探索和经验具有特别重要的意义。地球大数据支撑可持续发展工作是对联合国 2030 年议程的有益贡献，同时也为中国科学家参与和推动全球实现 SDGs 与合作共享提供了全新的平台。感谢郭华东院士领导的团队以科技创新积极服务 SDGs 实施所付出的努力，期待今后每年的报告中可以看到新的更出色的成果。中国科学院院长 06 地球大数据支撑可持续发展目标报告（2019）联合国 2030 年可持续发展议程在落实过程中面临 4 个方面的挑战 1）数据缺失和指标体系动态变化； 2）SDGs 目标繁多且相互关联； 3）目标度量监测本土化问题复杂多样； 4）SDGs 监测评价指标模型化存在难度。这些挑战需要科技的支撑，其中指标数据的严重不足是监测 SDGs 目标的主要挑战之一，一半以上的指标没有数据支撑。为充分利用科技创新有效推动 SDGs 指标评估和目标实现，联合国提出了 SDGs 技术促进机制（TFM）。该技术促进机制由联合国科技创新促进可持续发展目标跨机构任务组和 10 人专家组、科技创新促进可持续发展目标多利益攸关方协作论坛以及网上平台三部分组成，以充分发挥科技创新在实现可持续发展目标中的作用。 TFM 最紧迫任务是实现对 Tier II（有方法无数据）和 Tier III（无方法无数据）数据和指标方法的突破。作为科技创新的重要方面，大数据正在为科学研究带来新的手段和方法论。集地球科学、信息科学和空间科技等交叉融合的地球大数据，数据不仅来源于空间对地观测，还包括陆地、海洋、大气及与人类活动相关的数据，具备海量、多源、异构、多时相、多维度、高复杂度、非平稳以及非结构化等特点，成为我们认识地球的新钥匙和知识发现的新引擎，可在促进可持续发展中发挥重大作用。中国科学院积极利用地球大数据服务 2030 年议程落实。可持续发展目标特别是地球表层与环境、资源密切相关的诸多目标，具有大尺度、周期变化的特点，地球大数据的宏观、动态监测能力为可持续发展评价提供重要手段。地球大数据服务 SDGs 的主要目标是实现地球大数据向 SDGs 相关应用信息的转化、为 SDGs 落实提供决策支持、构建地球大数据支持 SDGs 指标体系和集成、并从地球系统的角度研究各目标间的关联和耦合。我们根据地球大数据的优势和 SDGs 指标体系的特点，遴选出 5 个 SDGs 目标中的 11 个指标进行剖析，以期对 6 的 Tier II 和 8 的 Tier III 指标作出实质贡献。这 5 个 SDG 目标分别是零饥饿（SDG 2）、清洁饮水和卫生设施（ SDG 6）、可持续城市和社区（SDG 11）、水下生物（ SDG 14）、陆地生物（ SDG 15）。地球大数据支持 SDGs 指标主要通过三个模式来实现1）数据贡献利用地球大数据弥补数据缺失，提供评估数据新来源； 2）方法模型贡献基于地球大数据技术和模型，创立 SDGs 评估新方法； 3）决策实践贡献提供地球大数据 SDGs 案例，监测 SDGs 指标实践进展。通过协同设计方式，充分利用多源地球大数据，采用众源采集、云数据分析、人工智能等方法，系统分析从全球到地方尺度的典型案例，构建前言 07 前言全球和区域 SDGs 空间评估指标体系，动态评估相关 SDGs 的全球和国别进展。这本地球大数据支撑可持续发展目标报告，汇聚了围绕 5 个 SDGs 目标所开展的案例研究、指标建设和可持续发展状态评估。报告总结了 12 个典型研究案例。这些研究案例分在数据、方法模型和决策支持方面对相关 SDGs 目标和指标进行了深入研究和评估，提供了较为系统的方案。在数据库建设、指标体系建设、指标进展评估等方面各有侧重。每一个典型案例首先清晰地列出对应目标和指标，然后依次从研究方法、所用数据、结果分析、展望四个方面展开。可以看出，地球大数据作为新的科学方法论的生命力和巨大应用价值。报告最后概括总结了地球大数据促进 SDGs 的主要进展和下一步的研究重点。近期“联合国 2019 年可持续发展报告”出版，联合国秘书长古特雷斯在其前言中讲到 2030 议程在一些关键领域正在取得进展，但要更好地利用数据，在科技创新时要更加注重数字转型。联合国副秘书长刘振民也讲到对于一半以上的全球指标，大多数国家没有定期收集数据，要确保有足够的数据为 2030 年议程各方面的决策提供信息。可见数据的重要性和紧迫性，地球大数据有能力为可持续发展目标作出特有的贡献。联合国的技术促进机制是实现可持续发展目标的重要基础，中国的创新驱动战略以相同的理念在推动可持续发展。作为创新科技的地球大数据，在支撑可持续发展目标实现中具有巨大潜力。我们计划持续开展 SDGs 研究工作，每年出版“地球大数据支撑可持续发展目标”报告，欢迎国内外领域同行合作开展研究。本报告形成过程中得到中科院、外交部、科技部领导和相关部门的悉心指导，团队科研人员付出了辛勤的劳动。值此报告出版之际，一并表示衷心感谢。中国科学院院士地球大数据支撑可持续发展目标团队负责人 08 地球大数据支撑可持续发展目标报告（2019）执行摘要 2015 年，联合国可持续发展峰会通过了一份由 193 个会员国共同达成的成果文件，即变革我们的世界2030 年可持续发展议程，旨在推进经济、社会、环境三位一体可持续协调发展，是国际发展合作的一个重要里程碑。然而，该议程在实施过程中依然面临数据缺失、方法不完善、目标相互关联制约以及本地化问题多样等挑战。技术创新机制是应对以上挑战的重要手段，其中地球大数据整合多源数据，通过不同学科和领域间知识与数据的交叉与集成，生成地理空间上更清晰、更丰富和更完整的信息产品以用于复杂的、频繁的决策分析和支持，服务于 SDGs 落实的分析、评估和监测工作，能为可持续发展做出贡献。本报告通过利用地球大数据的优势和特点，推动地球大数据服务于 SDG 2 零饥饿、 SDG 6 清洁饮水和卫生设施、 SDG 11 可持续城市和社区、 SDG 14 水下生物和 SDG 15 陆地生物等五个 SDGs 中的 11 个指标的监测与评估，在数据产品、技术方法、案例分析和决策支持方面做出了新的探索。在 SDG 2 零饥饿方面，本报告瞄准指标 SDG 2.4.1 从事生产性和可持续农业的农业地区比例，综合采用中国及其他国家的中高分辨率遥感卫星数据，结合农业统计数据、地面调查数据、气象站点数据等多源数据，融合遥感信息提取模型、统计模型、生态模型等，提出了指标 / 亚指标的评估方法，实现了指标 / 亚指标的评估和发展进程的监测。对中国粮食生产环境影响的研究发现， 2000 年以来，单位产量的环境影响（用地、用水、化肥过施风险）呈降低趋势，粮食生产系统朝着更为可持续的方向发展，同时，以城镇化为主要特征的土地利用变化正施加负向影响。报告提出统筹农田管理与土地管理，是构建可持续粮食生产体系，帮助实现 SDG 2 零饥饿目标的重要途径。在 SDG 6清洁饮水和卫生设施方面，本报告遴选了地球大数据技术支撑的 SDG 6.3.2 环境水质指标，通过案例例证了地球大数据技术对 SDG 6 目标实现的支撑作用。在案例中重点应用了卫星遥感、互联网、传统统计等多源数据，通过时空数据融合和模型模拟方法，实现了对中国省、市两个尺度地表水环境的高分辨率监测和整体分析，结果表明，通过多年的集中治理，中国地表水水质呈现逐渐改善的态势。中国 2017 年地表水水质较 2016 年有小幅改善，全国范围内西部地区地表水水质总体优于东部地区，重点区域需要进一步加强治理。在 SDG 11 可持续城市和社区方面，聚焦 SDG 11.2.1 公共交通、 SDG 11.3.1 城镇化、 SDG 11.4.1 文化和自然遗产、 SDG 11.6.2 PM 2.5 、SDG 11.7.1 公共空间共 5 个指标开展 SDG 11 指标监测与评估。引入地球大数据数据，突破了以传统统计数据为主的限制，提高了 SDGs 指标评价的时空分辨率；集成地球大数据技术，提出了 SDG 11 的中国本地化指标评估体系。基于合成孔径雷达（ SAR）和光学影像融合生产了 2015 年全球 10 米分辨率不透水面产品，其精度优于 86，弥补了土地消耗率与人口增长率比率（ SDG 11.3.1）指标监测数据的缺失。基于中国区域公共交通信息数据、中国城市扩张数据、自然文化遗产数据、 PM 2.5 产品、城市建成区公共空间面积等指标评价数据集，实现了中国城市可持续发展综合评价。通过 SDG 11 指标评估与进程监测，报告中的相关案例完善了城市可持续发展指标体系，提出“加大单位面积资金投入，保护和捍卫世界文化和自然遗产”新的评价指标和方法。 09 前言在 SDG 14 水下生物方面，聚焦 SDG 14.1 海洋污染和 SDG 14.2 海洋生态系统健康两个目标，综合采用中国近海典型海域的营养盐、叶绿素、生物量、溶解氧等理化指标，以及国家海洋监测相关部门的公报或发表数据，重点开展了方法模型构建与优化等研究工作。基于“压力状态响应”框架构建了适用于中国近海富营养化评估的综合评价体系和模型，科学评估了中国近海不同尺度海域的富营养化现状，可为中国近海营养盐污染和富营养化现状管理提供科学依据与技术支撑；基于胶州湾长时间序列观测数据，优化了卡片式生态系统健康评估方法，并开展了中国近海典型海湾的生态系统健康试验性评估；通过进一步推广相关技术的业务化应用，有望为近海环境保护和管理提供决策支持，有效推动 SDG 14 指标完成和目标实现。在 SDG 15 陆地生物方面，本报告以 SDG 15.1.2 保护区内陆地和淡水生物多样性的重要场地比例与 SDG 15.5.1 红色名录指数共 2 个指标为主要研究对象，汇集了 3 个案例开展了评价与监测，从数据产品与决策支持方面为 SDG 15 做出贡献。基于生物多样性监测平台，实现中国钱江源国家公园保护地有效监测与评估，表明开展跨区合作是提高钱江源国家公园保护有效性的关键措施。通过大熊猫栖息地的破碎化评估，发现 1976-2013 年期间大熊猫栖息地面积缩小且更加破碎化，提出应综合考虑保护物种的种群数量和栖息地环境的保护建议。基于红色名录指数评估，发现 2004-2017 年期间中国高等植物和陆生哺乳动物的红色名录指数呈上升趋势，鸟类的红色名录指数呈下降趋势，并指出其原因。本报告重点围绕上述 5 个 SDGs 目标 11 个 SDGs 指标总结了 12 个研究案例，在数据产品、方法模型和决策支持方面对相关 SDGs 目标和指标进行了深入研究和评估，取得了重要进展。本报告展现了地球大数据在支撑 SDGs 指标监测与评估方面的巨大应用价值与潜力，对 SDGs 决策部门和相关学术领域具有重要参考价值。执行摘要 10 地球大数据支撑可持续发展目标报告（2019）对应指标案例名称研究区域数据产品方法模型决策支持 SDG 2.4.1 中国粮食生产可持续发展进程监测中国融合多元数据多学科模型的土地生产力、水资源利用和化肥施用风险亚指标评估方法实现中国耕地利用可持续进程及驱动因素贡献评估，提出构建更为可持续粮食生产系统的措施 SDG 6.3.2 中国地表水水质良好水体比例分析中国 2016、2017 年中国省级地表水水质良好水体比例 SDG 11.2.1 中国可便利使用公共交通的人口比例中国中国区域公共交通信息数据提出一种简便的指标核算方法，能为其他国家开展本指标评价及结果的国际对比提供经验借鉴为开展中国尺度城市可持续发展综合评价提供数据支撑 SDG 11.3.1 中国城镇化监测与评估中国 2015 年（SDGs 基准年）全球 10 米分辨率高精度城市不透水面空间分布信息提出利用多源多时相升降轨 S A R 和光学数据结合其纹理特征和物候特征的全球不透水面快速提取方法；开展了 S D G 1 1 的中国本地化实践评价方法为开展中国尺度城市可持续发展综合评价提供数据支撑 SDG 11.4.1 SDG 11.4 内涵解析和指标量化中国中国 244 个自然保护区分东、中、西部单列人均支出统计图表以及单位面积支出统计图表；黄山世界遗产地遥感生态指数（R S E I ） 25 年时间序列数据集提出“加大单位面积资金投入，保护和捍卫世界文化和自然遗产” SDG 11.6.2 中国城市细颗粒物（PM 2.5 ）监测与分析中国中国 2010-2018 年 PM 2.5 年平均产品 SDG 11.7.1 中国城市开放公共空间面积比例中国中国城市建成区公共空间面积指标评价数据集提出一种简便的指标核算方法，能为其他国家开展本指标评价及结果的国际对比提供经验借鉴为开展中国尺度城市可持续发展综合评价提供数据支撑地球大数据支撑可持续发展目标案例汇总表 11 前言案例汇总表对应指标案例名称研究区域数据产品方法模型决策支持 SDG 14.1.1 中国近海典型海域富营养化评估中国近海构建适用于中国近海富营养化评估的第二代综合评估体系；科学评估我国近海典型海域富营养化状况参与了中国近海富营养化评价海洋行业标准的制定；撰写富营养化评价国际报告并提交联合国环境署 SDG 14.2.1 中国近海典型海域生态系统健康评估中国胶州湾针对典型研究海域构建评估指标体系 SDG 15.1.2 中国钱江源国家公园保护地有效性评估中国钱江源国家公园钱江源国家公园生态系统数据集、钱江源国家公园生物多样性数据集钱江源国家公园生物多样性保护与管理对策 SDG 15.5.1 中国受威胁物种红色名录指数评估中国中国物种红色名录指数数据 SDG 15.5.1 大熊猫栖息地的破碎化评估中国西南地区全国大熊猫栖息地的现状分布数据，近 4 0 年全国大熊猫栖息地变化数据大熊猫栖息地的演变特征与保护建议 12 地球大数据支撑可持续发展目标报告（2019）地球大数据服务联合国可持续发展目标 13 数据密集型范式地球大数据地球大数据支撑SDGs实施地球大数据服务联合国可持续发展目标 14 地球大数据支撑可持续发展目标报告（2019）地球大数据服务联合国可持续发展目标数据密集型范式随着科学技术的飞速发展和社会需求的强大驱动，新一轮信息技术革命与人类社会活动交汇融合，半结构化、非结构化数据大量涌现，数据的产生已不受时间和空间的限制，引发了数据爆炸式增长，数据类型繁多且复杂，已经超越了传统数据管理系统和处理模式的能力范围，人类正在开启大数据时代新航程。数据革命，包含了开放的数据移动、众包的兴起、新数据收集信息通信技术的涌现、大数据可用性的爆炸式提升，以及人工智能和物联网的出现，正在影响全球的生产、流通、分配和消费方式，正在改变人类的生产方式、生活方式、经济运行机制和国家治理模式。与此同步发展的计算科学和数据科学，使得实时处理和分析大数据变成了现实。通过数据挖掘获取的新数据，可以作为官方统计和调查数据的补充，促进人类行为和经验信息的积累。新数据与传统数据的结合可以创造更详细、更及时和更相关的高质量信息。数据作为影响决策的重要因素之一。利用大数据技术的长周期、多尺度、宏观和微观的多源信息获取，挖掘与分析，可以更好地监测和评估落实 SDGs 的进展，提出更科学更有针对性的发展指导建议。地球大数据地球大数据是大数据的重要组成部分，正成为地球科学的一个新的前沿领域，在推动地球科学的深度发展以及重大科学发现上意义重大。地球大数据是面向地球科学形成的新型数据密集型研究方法，由具有空间属性的与地球科学相关联的大数据构成，包括陆地、海洋、大气及与人类活动相关的数据。地球大数据通过多种对地观测方式、地球勘测方法及地面传感网产生，具有大数据的一般特性，不仅具有体量大、来源广、多时相、高价值等特点，同时它也具有高瞬时性、任意空间性、物理相关性等特点，其关键技术主要包含对地观测技术、通信技术、计算技术和网络技术等。地球大数据不仅局限于地球科学研究，也可为社会对可持续发展的需求做出贡献，服务于 SDGs。地球大数据的一个重要特征就是整合多源数据，有助于产生更相关、更丰富和完整的信息用于复杂的、频繁的分析和决策支持。与此同时，地球大数据的发展将迎来更开放、更透明的数据政策，从而使人类和地球能够期许更美好的未来。 2030 年可持续发展议程的核心是 17 个可持续发展目标。中国高度重视落实联合国 2030 年可持续发展议程，以实际行动为应对全球挑战、实现共同发展作出重要贡献。联合国 2030 年可持续发展议程是一项宏伟的战略行动计划，要实现可持续发展目标（SDGs ），需要充分发挥科学技术的作用。在众多学科和技术中，快速发展中的大数据技术无疑正发挥着独特和日益重要的作用。地球大数据服务联合国可持续发展目标 15 地球大数据支撑SDGs实施目前，联合国、各国政府、国际组织等正在开展 SDGs 指标体系构建以及指标监测评估研究。但 SDGs 在具体实施过程中面临诸多挑战，其中数据缺失是监测 SDGs 各个目标最艰巨的挑战。数据统计体系不完善、不一致，以及指标体系缺失是造成数据缺乏和质量不高的主要原因； SDGs 监测的评价指标模型化问题复杂，受限于数据的可获取性，在进行综合评价时，并不是所选指标均能模型化实现。因此，如何科学建立综合、交叉、多要素相互作用评价模型库是一个难点问题。 SDGs 中特别是地球表层与环境、资源密切相关的诸多目标，具有大尺度、周期变化的特点。为此，中国科学院率先启动相关研究，利用地球大数据驱动跨学科、跨尺度宏观科学发现，以系统性和整体性的理念去研究一系列重大科学问题，在对地球系统科学认知上有重大突破，同时在发展决策支持上实现新的跨越，持续地产出在科学发现、宏观决策、技术创新和知识传播等方面的成果。我们提出以地球大数据为技术促进机制，重点围绕零饥饿（SDG 2）、清洁饮水和卫生设施（SDG 6）、可持续城市和社区（SDG 11）、水下生物（SDG 14）和陆地生物（ SDG 15）开展研究工作。地球大数据的宏观、动态监测能力为可持续发展评价提供了重要手段，可整合集成资源、环境、生态和生物领域的数据库、模型库和决策方法库，构建可持续发展评价指标体系和决策支持平台，对经济、社会、环境三个方面的可持续发展进行有效地监测和评估，有助于产生更相关、更丰富的信息用于决策支持。特别重要的是，地球大数据能够把大范围区域作为整体进行认知。图 1-1. 地球大数据服务 SDGs 框架图 16 地球大数据支撑可持续发展目标报告（2019）地球大数据支撑 SDGs 的研究内容包括（1）通过构建地球大数据共享服务平台，成为联合国 SDGs 实施的数据提供者；（2）围绕 SDG 2、SDG 6、SDG 11、SDG 14 和 SDG 15 等目标开展评估指标体系构建以及监测评估；（3）从数据产品、模型方法和决策支持三方面开展地球大数据 SDGs 评估示范，并将其在全球进行推广，丰富 SDGs 评估的新数据、新方法、新能力；（4）在数据收集分析的基础上，定期监测和评估 SDGs 的进展，形成系列“地球大数据支撑可持续发展目标报告”，为全球 SDGs 评估贡献新思路。数据共享作为消除数据孤岛，提高数据交换共享效率的方式，是地球大数据支撑 SDGs 的关键要素之一。中国科学院正积极建设数据共享服务系统，以打破数据共享的政策壁垒，完善数据共享评价体系，建立数据共享指标等可操作的知识产权保障机制，确保共享数据的真实性、准确性和时效性，保证了数据可发现、可访问、可交互、可重用、可引用。目前，共享数据总量约 5PB，随着云服务平台硬件条件研发不断成熟，将以每年 3PB 的数据量持续更新。目前，利用地球大数据支撑可持续发展目标已开展了很好的实践。以地球大数据作为科技创新方法，构建面向 SDGs 的技术促进机制，以系统性和整体性的理念去研究一系列重大科学问题，为人类认识地球做出贡献，在服务全球可持续发展上实现新的跨越。地球大数据服务联合国可持续发展目标 17 全球卫星遥感影像图地球大数据支撑可持续发展目标报告（2019） 18 SDG 2 SDG 2 零饥饿 19 SDG 2 背景介绍主要贡献案例分析本章小结 SDG 2 零饥饿地球大数据支撑可持续发展目标报告（2019） 20 SDG 2 背景介绍消除饥饿、保障粮食安全是实现全球可持续发展目标的基础。目前，全球营养不良人口比例在多年的持续降低之后有所抬升，比例在 10 以上。气候变化、战争与冲突以及经济发展的不平衡为实现全球粮食安全带来了诸多不确定因素。 SDG 2 旨在消除任何形式的饥饿，实现粮食安全，改善营养状况和促进可持续农业。其下设 8 个具体目标 13 个评价指标，涵盖营养需求、食物供给及其保障、国家行动等方面，以期引导政府调控、建立符合需求的可持续粮食供应及保障体系。 SDG 2 的监测主要由粮农组织（ FAO）、世界卫生组织（WHO）和联合国儿童基金会（ UNICEF）主导，依靠各国统计部门调查获取。然而，统计调查这一传统手段在指标获取的时效性、空间解析度以及成本花费上的不足全球已有广泛共识。对地观测技术在食物供给及其保障这类自然相关指标的监测方面具有得天独厚的优势。目前已有研究对农业生产用地分布、粮食产量等粮食生产相关要素采用对地观测技术进行了长期的监测。这类要素能够间接反映 SDG 2 相关指标情况，仍亟需与社会经济数据融合开展指标的直接评估。本报告聚焦食物供给及其保障相关的 Tier II 指标（表 2-1），通过多学科模型融合形成基于地球大数据的指标评估方法，开展指标评估与进程监测，为建立可持续粮食供应系统，实现零饥饿目标提供支撑。表 2-1 重点聚焦的 SDG 2 指标具体目标评价指标分类状态 2.4 到 2030 年，确保建立可持续粮食生产体系并执行具有抗灾能力的农作方法，以提高生产力和产量，帮助维护生态系统，加强适应气候变化、极端天气、干旱、洪涝和其他灾害的能力，逐步改善土地和土壤质量 2.4.1 从事生产性和可持续农业的农业地区比例 Tier II SDG 2 零饥饿 21 SDG 2 主要贡献围绕食物供给及其保障相关指标监测中存在的技术难点，创新融合对地观测数据与其它多源数据的指标 / 亚指标评估方法；聚焦目标实现的关键区域，开展指标评估及进程监测，形成指标评估数据产品；针对目标实现的重要指标生产性和可持续农业比例，开展案例分析，提出构建更为可持续粮食生产系统的措施。具体贡献如表 2-2 所示。表 2-2 案例名称及其主要贡献指标案例贡献 2.4.1 从事生产性和可持续农业的农业地区比例中国粮食生产可持续发展进程监测方法模型融合多元数据多学科模型的土地生产力、水资源利用和化肥施用风险亚指标评估方法决策支持实现中国耕地利用可持续进程监测及驱动因素贡献评估，提出构建更为可持续粮食生产系统的措施地球大数据支撑可持续发展目标报告（2019） 22 SDG 2 案例分析中国粮食生产可持续发展进程监测可持续农业要求在不消耗土壤维持作物生长的能力、最大限度地减少基本资源消耗的情况下，有助于经济和社会发展，长期确保可持续性农业生产力。定量评估粮食生产系统的可持续性，需要对经济、环境和社会发展等方面的多个要素进行空间和时间上的监测，并量化它们的相互关系。这项任务的复杂性需要借助现代数据基础设施来实现，地球大数据方法正当其时。尺度级别国家研究区域中国对应目标2.4 到2030年，确保建立可持续粮食生产体系并执行具有抗灾能力的农作方法，以提高生产力和产量，帮助维护生态系统，加强适应气候变化、极端天气、干旱、洪涝和其他灾害的能力，逐步改善土地和土壤质量对应指标2.4.1 从事生产性和可持续农业的农业地区比例方法聚焦 SDG 2.4.1 的三个亚指标土地生产力、水资源利用和化肥施用风险，融合遥感监测数据、气象数据、统计数据、地面调查数据和文献信息等多源数据，采用遥感物候信息提取模型、空间分配模型、物质平衡模型、作物水分模型等方法，对其总量及空间格局进行定量估算，实现 1987-2015 年中国耕地产粮（占播种面积 76、产量 87的 14种主要作物）可持续发展进程监测。为方便不同区域和亚指标间的比较，案例采用“环境强度”（生产每千卡粮食所产生的环境影响）作为可持续衡量标准，并依据 SDG 2.4.1 元数据，基于指标的现状和变化趋势对可持续状况进行定义，即若“环境强度”降低，则意味着向着更为可持续的方向发展。所用数据 ◎ 遥感数据及相关产品包括基于 Landsat、中巴资源卫星、环境一号数据的 110 万全国土地利用遥感监测数据库、MODIS 时间序列植被指数数据； ◎ 统计数据包括全国作物播种面积和产量、有效灌溉面积、化肥施用量等； ◎ 地面调查数据包括污染普查数据、农业普查数据；文献信息包括作物物候、化肥施用强度等信息。结果与分析 1987-2015 年期间，中国粮食生产的平均用地强度、灌溉耗水强度和氮肥过施强度分别降低了 43、30 和 24。磷肥过施强度增加了 66，但在 2000 年之后也呈现出降低趋势。以上四项指标的环境影响强度在 26 的耕地上都有所下降，意味着这些耕地在所有四项指标上均向着可持续方向发展。只有 3 SDG 2 零饥饿 23 SDG 2 图 2-1. 1987 年至 2015 年间中国耕地产粮可持续性评价指标变化及其空间分布图（ a产量变化； b耕地变化； c灌溉用水变化； d氮过施变化； e磷过施变化；注台湾地区数据缺失）地球大数据支撑可持续发展目标报告（2019） 24 SDG 2 图 2-2. 新疆维吾尔自治区高标准农田建设 1987-2015 年，中国约 1/4 的耕地上，粮食生产的平均用地强度、灌溉耗水强度和氮肥过施强度均降低，即朝着更为可持续的方向发展；时间尺度来看， 2000 年之后，三指标的全国平均水平朝着更为可持续的方向迈进。农田管理措施的变化是各指标趋向可持续发展的主要驱动因素；同时，以城镇化为主要特征的土地利用变化对这一趋势形成了一定挑战，其作用趋强。更好地统筹农田管理与土地管理，是推动中国、乃至全球城市化进程剧烈地区粮食生产进一步向可持续方向发展的重要途径。的耕地在所有四项指标中强度均增加，处于不可持续的状态。生产力越高的地区各项指标改善程度越大。从所监测亚指标的全国平均水平变化来看，中国的粮食生产体系正朝着更为可持续的方向迈进。农田管理措施的变化和土地利用变化是导致粮食生产及其环境影响变化的两大原因。全国尺度农田管理措施的改进解释了 90 以上的粮食产量和环境影响变化。同时，土地利用变化在部分区域起了决定性作用，且这一影响有加大的趋势。城镇化过程导致优质耕地流失的同时，新增耕地在我国北方地区扩张，并有从东北向西北干旱、半干旱区转移的特点。更好地统筹农田管理与土地管理，是推动中国、乃至全球城市化进程剧烈地区粮食生产进一步向可持续方向发展的重要途径。展望技术创新层面，从深度挖掘遥感信息和扩大亚指标评估数量两个方面来加强对地观测技术在 SDG 2.4.1 评估中的应用，并探索社会、经济数据与对地观测数据在指标综合评估中的融合模式，推进基于对地观测技术的社会、经济和环境三类亚指标时空格局的全面监测。应用推广层面，通过知识与技术共享的方式，扩大 SDG 2.4.1的监测范围，将技术应用到全球人口高密度区，实现重点国家农业可持续发展进程评估，为实现 SDG 2.4 寻找问题靶点。问题解决层面， SDG 2.4 的实现对于 SDG 1、 SDG 6、 SDG 11 和 SDG 13 中多个可持续发展具体目标的实现具有联动效应。未来，在开展 SDG 2.4.1 评估的基础上，进行多个 SDGs 耦合实现方案研究，提出多可持续发展具体目标协同实现的区域差别化方案。成果要点 SDG 2 零饥饿 25 SDG 2 本章小结可持续的粮食生产系统是实现零饥饿目标的基本保障。对地观测技术对农业生产分布、粮食产出与波动以及农业生产环境影响等衡量粮食生产状况及其影响的指标监测具有得天独厚的优势，能够快速客观地获取高时间和空间解析度的数据，用于监测目标实现进程；与统计调查数据的融合能够实现综合性指标的准确评估，从而解析问题，并从空间上探测问题靶点区域。本报告在 SDG 2 方面的工作聚焦反映食物供给及其保障的 Tier II 指标SDG 2.4.1，综合采用中高分辨率遥感卫星数据，结合农业统计数据、地面调查数据、气象站点数据等多源数据，融合遥感信息提取模型、统计模型、生态模型等，提出基于地球大数据的指标 / 亚指标的评估方法，实现了指标 / 亚指标的评估和发展进程的监测。中国粮食生产环境影响的研究表明， 2000 年来，单位产量的用地、灌溉耗水和化肥过施均呈降低趋势，粮食生产系统总体朝更为可持续的方向发展；同时，城市化驱动下，优质耕地流失，边际耕地增加，对可持续发展趋势形成了一定挑战，更好地统筹农田管理与土地管理，是推动中国乃至全球城市化进程剧烈地区，粮食生产进一步向可持续方向发展的重要途径。通过指标评估与进程监测，为构建可持续粮食生产体系，实现 SDG 2 提出了一些应当关注的重点区域、重点问题及解决对策。未来还将（1）加强地球大数据在 SDG 2 指标评估中的应用，充分利用国际组织与第三方机构，建立基础数据共享与技术推广机制，推进粮食安全问题严重同时技术力量相对薄弱的发展中国家的指标快速评估工作；（2）针对零饥饿实现的重点问题小规模生产者生产力及生产性和可持续农业的稳定性，开展 SDG 2 与 SDG 13 成果交叉结合，对农业系统的可持续性及其对气候变化的响应进行深入研究，为气候变化加剧背景下实现全球粮食安全提供决策支撑。 26 地球大数据支撑可持续发展目标报告（2019） SDG 6 SDG 6 清洁饮水和卫生设施 27 SDG 6 背景介绍主要贡献案例分析本章小结清洁饮水和卫生设施 SDG 6 28 地球大数据支撑可持续发展目标报告（2019） SDG 6 背景介绍水是保障人类社会和自然生态系统生存、发展的关键资源。 SDG 6（为所有人提供水和环境卫生并对其进行可持续管理）是联合国 2030 可持续发展目标的重要内容之一。良好的水质与充沛的水源也是实现其他 SDGs 目标的重要保障。 SDG 6 共包含 8 项具体目标和 11 个具体指标，涵盖了水资源、水环境、水生态以及与水相关的国际合作等多个主题。为了全面监测、评价， UN Water、WHO 等国际组织共同实施了三项监测计划，对指标开展监测。数据是目前制约 SDG 6 指标监测的最大瓶颈。在 SDG 6 的 11 个具体指标中，有 5 个 Tier II 类指标，属于