中國網/中國發展門戶網訊 聯合國《改變我們的世界：2030?年可持續發展議程》（以下簡稱《2030?年可持續發展議程》）旨在評價和解決目前面臨的經濟、社會和環境等多個方面的復雜挑戰；與之前關注的有限維度的發展議程相比，其提供了一個全面和多維的發展觀，包括?17?項可持續發展目標（SDGs）和?169?項具體目標。各目標相互作用，即某一項或多項目標的實施可能對其他目標具有正面或負面的影響，具體可分為協同（一個目標的發展促進另一個目標的發展）和權衡關系（一個目標的發展限制另一個目標的發展）。例如，為滿足全球人口增長對食物的需求（SDG 2：零饑餓）所采取的耕地擴張和集約利用等手段，會帶來一系列的區域水資源安全問題（SDG 6：清潔飲水和衛生設施）和生態問題（SDG 15：陸地生物），并通過生物物理和化學過程影響局地和全球氣候（SDG 13：氣候行動）。因此，充分認識不同目標間的協同和權衡關系，對于實現全部目標的共同發展具有重要意義。

目前，聯合國各相關部門和機構采用各成員國上報的數據，針對全部或不同專題目標開展了大量國別水平的監測和評價研究。例如，聯合國糧農組織（FAO）對糧食安全相關的?21?項指標進行評價，發現全球糧食及農業生產領域的進展仍然不足，2030?年?SDG 2?將難以實現；聯合國水機制（UN-water）的報告也指出?SDG 6?水安全目標的實現將較為困難；聯合國可持續發展解決方案網絡（UNSDSN）制定了用于國家層面的?SDGs?綜合評價標準，為各國家橫向比較提供了依據。然而，這些工作均針對單個或多個目標進行評價，缺乏對于多個目標間關系的分析。

聯合國環境規劃署（UNEP）在?2021?年發布了環境類指標與其他指標交叉分析的報告《環境與可持續發展目標進展評估報告》（Measuring Progress: Environment and the SDGs），介紹了?92?項與環境相關的?SDG?指標，并采用相關性分析對環境狀況和變化驅動因素/社會狀況相關指標的關系進行定量分析。該報告還強調了分析環境相關數據和理解環境社會經濟相互作用對于全面實現?SDGs?的重要性。除了官方報告外，許多科學家也探索了不同區域、不同專題?SDGs?協同和權衡關系。但截至目前，仍缺乏對?SDGs?協同和權衡關系的系統性認識，特別是對于數據瓶頸問題及地球大數據支撐這一問題發揮的作用仍不清楚。

本文旨在篩理目前?SDGs?協同和權衡的最新研究進展和主要發現，進而圍繞地球大數據在支撐?SDGs?協同和權衡研究中的應用潛力進行深入剖析，展望并提出優化?SDGs?協同發展路徑的地球大數據支撐方案。

SDGs?協同與權衡的研究進展

全部?SDGs?關系的綜合分析

SDGs?協同與權衡研究方法可以分為基于專家知識的定性評價、基于統計數據的相關分析和基于地球大數據的定量分析?3?個方法或階段。Nilsson?等提出了一個用于描述?SDGs?間相互作用的框架，該框架的核心是將相互作用分為?7?個等級——不可分割型（Indivisible）、增強型（Reinforcing）、適應型（Enabling）、一致型（Consistent）、約束型             （Constraining）、抵消型（Counteracting）、消除型（Cancelling），并根據專家知識定性地刻畫一個目標與另一個目標變化間的關系。該框架強調關鍵環境影響因素，包括地理環境、管理水平、實施技術和政策、時間范圍等。該框架還強調相互作用的方向性，包括單向（如電力供應和教育）和不對稱雙向（如衛生和農業生產），進而產生積極或消極的反饋循環。Weitz?等將該方法應用于國家層面的評價，在?SDGs?交叉影響矩陣中使用?7?分制對目標相互作用進行了評分。在完成二元關系矩陣之后，利用網絡理論和系統分析得出哪些目標對其他目標最有影響。Fu?等從系統的角度出發，將可持續發展視為整個人類社會共同合作的產物，并將?17?個?SDGs?分為“基本要素”“目標”和“治理”3?個大類。該研究認為通過實施有效的治理措施，可以實現基本需求的最小化和預期目標的最大化；同時，為了保障各項目標的落實，促進不同層級政府和管理部門之間政策一致性的實現，也需要深入分析各個分類內部各項目標和具體目標的關系。

盡管上述研究框架實現了所有?SDGs?相互作用的評價，但該類研究缺乏定量化的分析。Pradhan?等?利用聯合國統計司（UNSD）提供的?1983—2016?年覆蓋全球?227?個國家的?122?個指標的時間序列數據，在全球和國家的尺度上，對近?30?年來所有?SDGs?目標間和目標內不同指標間的協同和權衡關系進行了定量分析（圖?1）。結果表明，從全球來看，絕大多數國家都表現出?SDGs?間的協同關系多于權衡關系的特點，這為?SDGs?成功實施提供了牢固的基礎。特別是?SDG 3（良好健康與福祉），在大多數國家都與其他目標間存在較強的協同關系。而對于權衡關系來說，大多數國家都表現出?SDG 3?與?SDG 12（負責任的消費和生產）、SDG 3?與?SDG 15（陸地生物）間的權衡關系。這表明，在大多數國家，人民生活水平的提升往往伴隨著生態系統的退化。在此研究基礎上，Warchold?等采用了更新和更高覆蓋度的數據（1991—2019?年，247?個國家的?171?個指標）進一步分析了全球和國家層面?SDGs?間和?SDGs?內不同指標存在的線性或非線性的協同和權衡關系。結果同樣表明，無論在各?SDG?的內部，還是?SDGs?之間，協同關系都多于權衡關系。此外，該研究還發現?SDGs?各目標間的協同和權衡關系在不同的人群、收入群體及地域之間存在較大的變化。

上述基于統計數據和相關分析的方法也被應用于特定國家的系統分析。例如，Ramos?和?Laurenti采用?UNSD?收集的?231?個?SDG?指標數據研究了?2000—2019?年西班牙全部?SDGs?協同和權衡關系。該研究發現?80%?的?SDG?指標間都存在著顯著協同或權衡關系；其中，SDG 4（優質教育）、SDG 5（性別平等）、SDG 7（經濟適用的清潔能源）這?3?個目標下指標的協同關系最強，而?SDG 1（無貧困）、SDG 2（零饑餓）、SDG 6（清潔飲水和衛生設施）、SDG 8（體面工作和經濟增長）這?4?個目標間協同關系表現較弱。

典型?SDGs?關系分析

基于聯合國統計數據分析，也可針對典型主題識別出部分?SDGs?的協同或權衡關系。對于?SDGs?目標間的協同關系，Pradhan?等研究表明?SDG 1?和其他目標間的協同關系最多，?其次是SDG 3。相反，SDG 12?和?SDG 15?與其他?SDGs?間的權衡關系最多。Warchold?等也發現?SDG 1、SDG 4—6?與大多數的?SDGs?間都存在較強的線性協同關系，表明這?4?個?SDGs?的提升會促進其他?SDGs?成比例的發展；而?SDG 3?和?SDG 7?與其他?SDGs?間存在較強的非線性協同關系，表明?SDG 3?和?SDG 7?的提升引起其他?SDGs?不成比例的發展。對于權衡關系來說，SDG 2?和?SDG 17（促進目標實現的伙伴關系）與其他?SDGs?間存在著較強的線性權衡關系，表明這?2?個目標和其他大多數?SDGs?都處于競爭性的關系。除了采用統計數據開展的分析外，多源數據的應用也為認識?SDGs?協同與權衡關系提供了重要支撐。例如，Vijay?和?Armsworth利用全球農田分布數據、自然保護區數據，以及物種分布和生物群落數據等，分析了?SDG 2?和?SDG 15?之間的相互關系。其研究發現全球在自然保護區內部有?1.4×10⁶ km²?的農田，占自然保護區總面積的?6%；特別是在熱帶和亞熱帶地區，由于糧食安全風險程度較大，保護區內存在較多的農田，且該部分農田還在持續擴張（對應?SDG 2），從而對當地的生物多樣性保護（對應?SDG 15）造成了較大的威脅。

在?SDGs?各目標間的相互關系中，目前對特定專題關聯機制的研究較多。例如，糧食（SDG 2）—能源（SDG 7）—水（SDG 6）是被廣泛關注的研究議題之一。盡管過去幾十年間全世界的生活水平取得了巨大的進步，但截至?2015?年，世界上仍然有?6.6?億人口缺乏安全的飲用水、24?億人口缺乏良好的衛生服務、8?億人口面臨長期的食物短缺、12?億人口沒有用上電。糧食、能源、水之間除了相互作用，也對其他的?SDGs?產生了一定的影響。例如，Fader?等?發展了一種評估?2?個?SDGs?間協同和權衡關系的方法，對?SDG 2、SDG 6、SDG 7?所有指標間存在的兩兩協同和權衡關系進行了分級，發現指標對之間不存在嚴重的權衡關系：在所有的兩兩指標組合中，有?166?個組合表現出協同關系（其中?59?個組合表現出極強的協同關系），而僅?26?個組合表現出輕微的權衡關系。此外，該研究證實?SDG 6?與其他目標間的協同關系程度最大，這表明了實現水資源安全會使得實現其他?SDGs?變得更為容易。舉例來說，在水—能源相互作用中，有效的節水措施會減低處理污水而產生的能源消耗；而在水—糧食相互作用中，水資源安全是農業可持續發展的基礎。在對糧食—能源—水這一典型?SDGs?目標關聯分析基礎上，國內外一些研究團隊嘗試在該系統中加入新的目標來實現該系統內?SDGs?多目標的協同優化。例如，Salah?等研發出了一種基于太陽光—溫室氣體—海水凈化的農業灌溉系統，成功為糧食—能源—水—氣候變化之間的協同提供了典型實施案例。

盡管糧食、能源和水目標間的關系以協同為主，但?SDG 2?各項指標與其他?SDGs?的權衡關系不容忽視。因為與糧食有關聯的各項指標都要嚴重依賴能源的使用，而可持續性使用其他能源，就不可避免地會與能源相關各項指標的發展產生沖突。舉例來說，糧食生產不僅需要大量的灌溉用水，而且需要大量的燃油等能源支持。又如，在糧食安全（SDG 2）—氣候變化（SDG 13）—生物多樣性（SDG 15）之間的權衡方面，Hinz?等利用?RCP8.5?未來氣候情景數據、SSP2?未來社會經濟情景及土地利用數據等，通過農產品貿易政策分析國際模型（IMPACT）模擬了未來情景下印度農業生產的變化。結果表明：2030?年以前農田擴張（對應?SDG 2）會占用大量的生態用地，進而帶來生物多樣性的下降；同時也會使得陸地碳儲量發生變化（對應?SDG 15），進而影響當地的氣候變化（對應?SDG 13）。這些模擬預警研究對于認識?SDGs?間權衡關系，實現區域?SDGs?協同發展具有重要指導意義。

單?SDG?內子指標間關系分析

Pradhan?等對各國的單個?SDG?內各項指標間的相互關系分析表明，SDG?內部各指標間的協同關系多于權衡關系。這對?SDGs?的實施是一個積極的信號，暗示了指標間的關系更傾向于相互配合，而非競爭。尤其對于?SDG 1、SDG 3、SDG 4、SDG 10（減少不平等）、SDG 12、SDG 13?內部各指標間的協同關系占到?80%?以上；而?SDG 7、SDG 8、SDG 9（產業、創新和基礎設施）、SDG 15?內部指標間的權衡關系較多。還有一些?SDGs?目標內部指標間同時存在協同和權衡關系。

此外，某?SDG?內各子指標間也可能存在非線性的協同關系。以?SDG 3?為例，根據?Kapur研究，過去幾十年間在全世界范圍內實施的預防和控制非傳染性疾病措施，即?SDG 3.4.1（心血管等非傳染性疾病導致的死亡減少?1/3），極大地改善了產婦的健康水平，很大程度推進了?SDG 3.1.1（孕產婦健康）向前發展。而這種關系是非線性的，即?SDG 3.4.1?和?SDG 3.1.1?之間呈現了不成比例的關系。

綜上，目前已有的研究主要利用基于專家知識的定性或半定量分析、基于統計數據的相關分析等方法評價不同目標之間的關系，但是這些研究仍存在一定的不足：基于專家知識的定性或半定量化方法，對于專家的主觀性判斷有較強的依賴性；由于各國使用的統計數據存在差異性和質量等問題，使得統計分析方法也具有誤差。

地球大數據支撐?SDGs?協同與權衡的前沿進展

SDG?指標數據的不足

SDG?指標數據缺乏嚴重。《2020?年可持續發展目標報告》指出，數據可獲得性的不斷改善，為實現國別對比提供了更多的支持。然而，在空間范圍、數據質量、數據時效性和數據粒度等方面仍存在較大的改進空間。《2030?年可持續發展議程》也指出當前一半以上的?SDG?指標沒有數據支撐，而指標數據的嚴重不足是?SDGs?評估面臨的主要挑戰之一。比如，SDG?指標數據庫目前覆蓋?346?個區域，有?563?個指標，時間跨度為?2000—2021?年。但是，該數據庫中至少一半的國家自?2016?年以來的?SDG 1?數據不可獲取，只有?93?個指標達到?Tier I?的標準。SDGs?技術促進機制目前最緊迫任務是實現對?Tier II?和?Tier III?數據指標的突破。

各國?SDG?指標數據的規范性和質量難以保證。世界各國由于自然條件和發展水平的差別，SDG指標數據統計口徑及概念均存在顯著的差異。在評價體系的構建與區域評價上，評價指標的差異給國家間SDGs?對比帶來了難度，數據規范性有待提升。此外，由于?SDG?指標數據量較大并依賴于官方統計，數據的客觀真實性在個別地區難以保證。個別?SDG?指標數據涉及國家政府部門的隱私、機密等敏感性問題，無法公開獲取。實現?SDG?指標數據統計的全球規范化，暢通?SDG?指標數據獲取渠道，在實行必要的隱私、機密保護措施前提下盡可能增強?SDG?指標數據應用過程和目標的透明性，是各國政府促進?SDG?指標數據共享戰略必須解決的首要問題。Stokstad建議針對不同尺度區域合理設置各環境?SDG?指標閾值，如明確某城市缺水人數的降幅、某國可再生能源的增幅等。因此，在尊重各國家或地區差異的前提下，應注重指標相對變化的情況而不是僅僅關注指標的絕對變化，應設置符合區域實際情況的合理區間。

個別?SDG?指標數據難以量化。根據Stokstad的研究，在?169?項?SDGs?具體目標中，僅有?29%?被明確定義并易于監測，而?54%?的具體目標存在措辭模糊、難以度量等問題，其余?17%?更是缺乏科學依據和政策價值。尤其是在環境指標方面，如?SDG 6.4（大幅減少缺水人數）、SDG 7.2（大幅增加可再生能源在全球能源結構中的比例）等不少具體目標缺乏明確的量化要求，給目標評價、比較和最終實現帶來一系列難題。

地球大數據為?SDGs?評價帶來新的機遇

17?個?SDGs?中，多個目標與地表覆蓋和環境緊密相關，如?SDG 2、SDG 6、SDG 11（可持續城市和社區）、SDG 13、SDG 14（水下生物）和?SDG 15。對地觀測技術近年來取得快速發展，集衛星觀測、近地面觀測和地面調查等方式融合的地球大數據具有海量、多源、多時相等特征，為?SDGs?評價提供了重要的數據和技術支撐（圖?2）。地球觀測數據和地理信息數據可以為傳統官方統計數據提供重要補充或替代，其連續的空間和時間覆蓋可以在?SDG?指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的標準和質量不統一等問題。聯合國官方統計大數據全球工作組也在探索利用對地觀測數據估算官方統計數據以改進可持續發展指標評價的潛力。調查表明，衛星圖像在提高統計結果時效性、減少調查頻率、減少費用等方面有很大幫助。

多個地球觀測組織已經致力于對地觀測在?SDGs 中的應用研究。例如，地球觀測組織（GEO）于2017?年發布了《地球觀測支持〈2030?年可持續發展議程〉》（Earth Observation in Support of the 2030 Agenda for Sustainable Development）報告，強調了地球觀測技術在支持?SDG?指標框架方面的重要作用，并報告了幾項交叉綜合性的示范案例。GEO?下屬的全球農業監測計劃（GeoGLAM）依靠各種不同時空分辨率的衛星數據實現了作物產量及天氣預測，監測全球耕地和牧場以改善糧食生產。基于衛星觀測獲取的細顆粒物（PM_2.5）和可吸入顆粒物（PM₁₀）濃度的年平均值（對應?SDG 11）與衛生健康（對應?SDG 3）之間的因果關系分析，也為城市空氣質量管理決策提供了支持。此外，歐洲航天局（ESA）于2018年發布《支持可持續發展目標的衛星地球觀測》（Satellite Earth Observations in Support of the Sustainable Development Goals），對使用地理信息技術及衛星數據支持?SDGs?實現，從相關地表參數數據獲取、反演和統計分析等方面進行了介紹，并針對衛星數據結合統計數據開展?SDG?指標的綜合分析介紹了一些案例。中國科學院于?2018?年啟動了戰略性先導科技專項（A類）“地球大數據科學工程”（CASEarth），為?SDG指標監測和評價提供了重要的數據支撐。CASEarth?根據地球大數據的優勢和?SDG?指標體系的特點，遴選出?6?個?SDGs?中的?20?個指標進行剖析，以期對?11%?的?Tier II?和?10%?的?Tier III?指標作出實質貢獻。

對地觀測技術可提供包括水、土、氣、生、人等在內的多主題信息，并具有很強的時空連續性。這些信息將提升地方、國家、區域和全球各級及跨部門的監測能力，并且降低監測成本，讓各國政府能夠在有限資源范圍內完成?SDGs?進展的評價。一個典型的地球大數據應用案例是中分辨率光學遙感的發展和應用。自?2008?年美國陸地衛星（Landsat）系列存檔數據免費共享以來，中分辨率光學遙感取得了快速發展。Landsat?具有?16?天重訪周期，形成了自?20?世紀?80?年代以來對地表的連續觀測；歐洲航天局哨兵?2?號衛星（Sentinel-2）在光譜、空間和時間分辨率方面較?Landsat?均有提升，能夠實現?5?天間隔的?10—20 m?分辨率的觀測，其攜帶的新的紅邊波段等為地表植被和農業監測提供了新的數據源；我國高分系統衛星也取得了重要進展，特別高分?6?號和高分?1?號衛星組網運行后，數據獲取時間由?4?天縮短到?2?天，并在農業監測、森林調查、防災減災等領域發揮重要作用。這些數據的融合能夠更大程度地提升數據的時空分辨率，實現對資源環境相關?SDG?指標的更高精度觀測。

地球大數據支撐?SDGs?協同與權衡的最新進展和案例

在所有?SDG?指標中，Tier II?或?Tier III?指標尚未形成明確的概念或標準，缺乏統計數據。地球大數據為缺乏統計數據的指標提供了重要的數據來源，特別是多源遙感數據和社會眾籌數據等多種數據形成的科學大數據，為進一步理解多目標間的協同和權衡關系提供了保障。已有研究表明，遙感可以為至少?33?個指標提供直接的支持，特別是?SDG 6、SDG 11、SDG 14?和?SDG 15。當然，也存在?3?個地球觀測難以提供直接支持的目標，包括?SDG 4、SDG 8?和?SDG 10。但是，即使不能對這?3?個目標提供直接支持，遙感觀測仍然通過人口分布、城市結構等來間接服務于上述目標的評價（圖?2）。

盡管地球觀測實現單?SDG?或子指標評價的研究較多，但地球大數據支撐多?SDGs?協同和權衡研究的案例較少，這在一定程度上反映了該方向未來研究潛力較大。在此，我們以印度西北部典型農業區旁遮普邦和哈里亞納邦為例，利用遙感提取的水稻種植面積、陸地水儲量數據（TWS）、空氣質量數據（PM_2.5和氣溶膠光學厚度）、農田秸稈焚燒面積等數據進行分析，發現衛星觀測可以有效支持對印度西北部糧倉糧食—水—空氣相互作用關系的了解（圖?3）?。基于多源衛星觀測結果，我們發現?2001—2018?年該地區水稻種植面積擴張引發地下水枯竭，同時秸稈燃燒增加進一步加劇了空氣污染，這揭示了水稻擴張對地下水枯竭、區域空氣污染和公共健康的影響機制。2009?年印度實施了地下水保護政策，衛星觀測結果顯示政策實施后這些相互作用發生了變化，主要表現為由于水稻種植和收獲時間推遲，地下水耗水量減緩，但空氣污染加重造成公共健康形勢惡化。該分析基于遙感監測的客觀數據實現了對?SDG 2、SDG 3、SDG 6?和?SDG 11?之間相互作用關系的認識，展示了遙感數據和方法在跟蹤?SDGs?實施進展和為現有?SDGs?挑戰尋求解決方案方面的應用潛力。

地球大數據支撐?SDGs?協同與權衡的展望

SDG?指標體系的設立為聯合國層面評估各國?SDGs?完成進度提供了定量的評價參考。在全球和國別層面，聯合國各機構組織、其他非政府組織和學者等已經開展了不同領域及綜合性的?SDGs?評估研究。但由于數據缺失、數據不匹配等諸多因素，區域尺度上?SDGs?協同和權衡的工作還相對較少。因此，需要結合不同區域在?SDGs?實現過程中存在的問題，開展個性化的?SDGs?協同和權衡研究，并抽象不同的綜合評估范式為同類型區域提供示范參考。

地球大數據具有高時空覆蓋、更新速度快、數據客觀等特點，在實現國別間數據一致性和透明性等方面發揮重要作用，使得其成為分析?SDGs?目標間關系的重要支撐。2018?年以來?CASEarth?對?6?個?SDGs?開展了一系列工作，針對指標的數據和模型方法的不確定性開展了深入探索，為減少聯合國各成員國提交的非約束性評估指標的不確定性提供了重要的借鑒和參考?。針對未來地球大數據支撐?SDGs?多目標權衡和協同的研究，在此提出?3?點展望。

完善地球大數據支撐?SDGs?協同與權衡的理論和方法體系，構建運行平臺和綜合模型，實現對?SDGs?協同和權衡關系的實時監測和預警。運行平臺的建立將為推進我國?SDGs?實現提供重要支持，有助于及時掌握?SDGs?目標間的權衡狀態。例如，我國改革開放以來經濟快速發展的同時，一系列的生態系統退化問題逐漸凸顯。盡管大規模生態恢復工程的實施極大地改善了區域生態環境，并提升了經濟、生態協同發展水平；但個別地區的生態保護、荒漠化等問題仍需科學的監測和治理，不同地區間的權衡問題依然存在。構建一個地球大數據支持的?SDGs?綜合模型和運行平臺，并模擬多種政策對?SDGs?目標間、區域間的協同和權衡關系，實現實時監測和預警，對于實現?SDGs?具有重要的理論和現實意義。

加強不同領域專家的合作研究，通過跨領域的合作進一步提升多?SDGs?協同和權衡研究的水平。農業、生態、經濟、城市、水文、健康等領域專家分別聚焦?SDG 2、SDG 15、SDG 8、SDG 11、SDG 6、SDG 3?等目標，但跨領域的合作仍然相對有限，這在一定程度上制約了對?SDGs?協同和權衡的深入理解。傅伯杰提出了以地理學綜合視角采用“分類—統籌—協作”的方法來推進?SDGs?實現的框架思路，為整體推進實現?SDGs?提供了重要理論依據。此外，與聯合國前期的千年發展目標（MDGs）不同，SDGs?明確地呼吁各國政府、私營部門和民間社會共同行動起來以應對可持續發展的挑戰。比如，當企業被賦予了重要使命，有利于激發企業的應用創新解決方案及技術活力，共同面對可持續發展挑戰。

通過大數據、云計算等技術創新推動?SDGs協同和權衡的深入認識和實踐應用。對地觀測數據為可持續發展研究提供了大尺度、高質量、無偏差的數據，是大量?SDG?指標的數據來源，如森林覆蓋率（SDG 15.1）、土地退化（SDG 15.3）、作物面積和產量（SDG 2.4）等。近年來，云計算平臺的快速發展為對地觀測數據的廣泛應用開辟了新的范式。例如，目前已經出現了全球森林、水體、耕地、城市、碳循環、生物多樣性、全球城市可達性、人類健康、貧困等多個主題的數據集，這些高精度空間數據產品的出現為?SDGs?協同和權衡研究提供了可靠的數據支撐。特別是多源遙感數據及大數據的發展，使得更為客觀的?SDG?指標評價及協同權衡分析成為可能。但這些創新技術為?SDG指標評價研究提供更豐富的數據的同時，數據的質量和驗證也應受到更多的重視。（作者：董金瑋、周巖、殷嘉迪、趙芮，中國科學院地理科學與資源研究所；陳玉，中國科學院空天信息創新研究院、可持續發展大數據國際研究中心  。《中國科學院院刊》供稿）。

相關文章