unesco unesco全球尺度可持續(xù)發(fā)展科學監(jiān)測報告（2025全球尺度可持續(xù)發(fā)展科學監(jiān)測報告（2025）：地球大數據視角下的十年進展002審圖號：GS京（2025）2009號本報告中的所有數據、信息及影像，允許出于教育或非營利目的以任何形式引用，但須注明來源，且不得有悖原意或進行不當的刪減或修改。可持續(xù)發(fā)展大數據國際研究中心歡迎并感謝任何出版物引用本報告。未經可持續(xù)發(fā)展大數據國際研究中心事先書面許可，不得將本報告用于任何商業(yè)目的。建議引用格式可持續(xù)發(fā)展大數據國際研究中心2025/10.12237/casearth.CBAS2025P03目錄 序言…………………01前言…………………02寄語…………………04致謝…………………05執(zhí)行摘要…………………06一、緒論…………………08二、數據與方法………………102.1數據選擇………………102.2指標狀態(tài)得分的確定…………………102.3指標進展趨勢及進度量化計算………………………112.4指標顯著性趨勢檢驗與綜合指數計算………………122.5指標貢獻度計算………………………13三、全球和區(qū)域進展狀態(tài)……………………153.1全球總體進展…………………………153.2區(qū)域進展分析…………………………16澳大利亞和新西蘭……………………16中亞和南亞……………17東亞和東南亞…………………………18歐洲 …………………18拉丁美洲和加勒比地區(qū)………………19北非和西亞……………20北美 …………………20大洋洲（不包括澳大利亞和新西蘭）………………21撒哈拉以南非洲………………………22四、主題分析…………………23零饑餓（SDG2）………………………23糧食產量（SDG2.3.1）……………24耕地面積（SDG2.3.1）……………27水資源（SDG6）………………………29農田水分利用效率（SDG6.4.1）…………………30濕地覆蓋（SDG6.6.1）……………32地下水儲量（SDG6.6.1）…………34能源（SDG7） 36建筑通電狀況（SDG7.1） 37工業(yè)熱源排放（SDG7.3） 39可持續(xù)城市與社區(qū)（SDG42典型城市可便利使用公共交通（SDG11.2.1） 43PM2.5濃度（SDG11.6.2） 45城市綠度（SDG11.7） 47氣候行動（SDG13） 50高溫熱浪（SDG13.1.1） 51干旱指數（SDG13.1.1） 54人為二氧化碳排放（SDG13.2.2） 57海洋環(huán)境（SDG14） 59海洋表層溶解氧濃度（SDG14.1） 60海洋酸化（SDG14.3.1） 63海洋保護區(qū)（SDG14.5.1） 64陸地生態(tài)（SDG15） 67森林覆蓋率（SDG15.1.1） 68土地生產力變化（SDG15.3.1） 69五、SDGs綜合進展評估 72SDGs趨勢顯著性分析 72各國對SDGs的貢獻度分析 73六、總結與展望 75主要結論 75不確定性分析 75未來展望 76縮略詞表 78參考文獻 80附錄附錄1：所用地球大數據 82附錄2：指標目標值及狀態(tài)得分劃分表 89附錄3：國別尺度SDGs單指標貢獻度及排名 92序言2025年作為全球推進可持續(xù)發(fā)展目標（SustainableDevelopmentGoals,SDGs）進程中2030SDGs從未如此緊迫。當前，環(huán)境退化、極端氣候事件頻發(fā)、不平等差距擴大，全球性擔憂日益加劇，國際社會球尺度可持續(xù)發(fā)展科學監(jiān)測報告（2025）：地球大數據視角下的十年進展》的發(fā)布，為該領域提供了重要的科學參考和決策支撐。此報告由可持續(xù)發(fā)展大數據國際研究中心編寫，依托地球大數據這一強大技術體系，對全球可持續(xù)發(fā)展狀況進行了及時有效、科學嚴謹的評估。報告創(chuàng)新性地運用地球觀測、遙感技術及綜合大數據分析技術，突破了傳統(tǒng)監(jiān)測體系數據碎片化、時空覆蓋不完整的固尤為重要的是，這份報告不僅闡述了當前的SDGs進展狀況，還提供了糾正行動的路SDGs有機關聯——例如，報告將糧食安全問題加劇與作物產量下降、耕地減少等指標進行耦合分析，并揭示了清潔飲水短缺、既是對當前現狀的清醒審視，又是響應行動的疾呼。此外，此報告通過區(qū)域分析，印證了相互尊重、彼此信任的科學合作在應對全球共同風險方面的巨大潛力。區(qū)域分析還指出，不同區(qū)域面臨的可持續(xù)發(fā)展挑戰(zhàn)具有顯著的差異性，“一刀切”的解決方案顯然并不適用所有區(qū)域，但各區(qū)域及區(qū)域內各國之間無疑存在可供借鑒與分享的經驗。在區(qū)域分析中，除了將各區(qū)域表現與全球平均水平進行對比外，為降低風險影響提供了科學路徑。此報告同時明確指出了所采用分析方法的局限性，且其應用范圍僅覆蓋部分（但至關重要的）可持續(xù)發(fā)展目標。這兩點進一步凸顯了“創(chuàng)新技術與方法”的影響力——這類技術與方法在確保嚴謹性和可靠性不受損害的前提下，憑借靈活性與創(chuàng)新性，為加快可持續(xù)發(fā)展進程提供了有力支撐。通過搭建“科學數據”與“政策決策”之間的橋梁，報告再次強調：在2030年后的可持續(xù)發(fā)展決策中，科學仍將發(fā)揮不可或缺的指導作用。隨著2030年可持續(xù)發(fā)展目標時限日益臨近，這份報告為各國政府、研究人員、多邊組織及民間社會提供了推動變革所需的數據與工具。報告各章節(jié)內容簡潔凝練，易于使用，確保社會各領域均可便捷獲取信息。這份報告不僅是對可持續(xù)發(fā)展進展與挑戰(zhàn)的客觀記錄，更是指引前路的希望之光——為世界各地的每個人創(chuàng)造更可持續(xù)、更加公平、數據驅動的未來，不讓任何一個人掉隊。夸拉沙?阿卜杜勒?卡里姆（QuarraishaAbdoolKarim）世界科學院（TheWorldAcademyofSciences）院長前言2025年是聯合國《2030年可持續(xù)發(fā)展議程》實施10周年節(jié)點，亦是距離議程終點5年的“攻堅窗口期”。10年來，全球可持續(xù)發(fā)展并非全無突破：我們見證全球建，數億撒哈拉以南非洲、南亞農村萬，“地球之腎”功能逐步修復。但嚴峻的現實是，在氣候變化加?。ㄈ蚋邷責崂巳?015—2022可持續(xù)發(fā)展的推進不容樂觀——本報告監(jiān)測，18套數據產品支撐的具有高空間分異特征的可持續(xù)發(fā)展目標（SustainableDevelopmentGoals,SDGs）SDG6.6.1（濕地面積無凈損失）個指標陷入“顯著挑戰(zhàn)”或“巨大挑戰(zhàn)”，8個關鍵指標（含人均耕地、地下水儲量、海洋溶解氧濃度）呈明確退步趨勢，全球重回可持續(xù)發(fā)展正軌的緊迫性從未如此強烈?；诒緢F隊連續(xù)撰寫并發(fā)布《地球大數據支撐可持續(xù)發(fā)展目標》報告的基礎，同時響應中國國家主席習近平提出的全球發(fā)展倡議，我們提出撰寫基于地球大數據分析的全球可持續(xù)發(fā)展報告的設想，基本思路是獲取處理全球覆蓋動態(tài)監(jiān)測數據，開展面向特定SDGs的分析研究，利用第一手數據揭示發(fā)現SDGs演進科學規(guī)律的見解。2025年初，聯合國教科文組織（UnitedNationsEducational,Scienti?candCulturalOrganization,UNESCO）啟動了本團隊申請的“數字可持續(xù)發(fā)展國際科學計劃（DigitalSustainableDevelopmentGoalsProgramme,DSP）”，以數據密集型科學構建可持續(xù)發(fā)展新范式，進一步夯實和強化了撰寫基于地球大數據的全球可持續(xù)發(fā)展報告的計劃。國際社會對“數據驅動可持續(xù)發(fā)展”的共識亦不斷深化。特別是，2024年聯合國未來峰會通過的《全球數字契約》開始實施，聯合國世界數據論壇通過的《數據促進可持續(xù)發(fā)展麥德林行動框架》為數據賦能SDGs提供了實踐路線圖。然而，“數據貧困”仍是阻礙目標推進的隱形壁壘——全球68%的SDGs指標僅覆蓋半數國家，51%的指標缺乏2015年以來的可比數據，部分非洲、太平洋島國甚至面臨“監(jiān)測盲區(qū)”。而融合遙感對地觀測、人工智能、物聯網技術的“天-空-地”一體化地球大數據，正是打破這一壁壘、將數字承諾轉化為實踐的有效引擎。地球大數據的價值，在于它從根本上突破了傳統(tǒng)監(jiān)測體系“數據滯后、碎片化、覆蓋不足”的局限。本報告依托的18套高時空數據產品，均遵循“全球覆蓋、長時序、質量驗證”標準。這種技術賦能，讓數字基礎設施薄弱的發(fā)展中國家也能擁有平等的SDGs監(jiān)測工具——例如，小島嶼國家可借助海洋溶解氧、酸化格網數據保護珊瑚礁生態(tài)，中亞國家能通過地下水儲量動態(tài)數據優(yōu)化水資源管理，真正踐行《全球數字契約》“人人享有公平數字環(huán)境”的理念。作為可持續(xù)發(fā)展大數據國際研究中心（InternationalResearchCenterofBigDataforSustainableDevelopmentGoals,CBAS），我們始終踐行“為全球提供公共數據產品與科學支撐”。本報告聚焦零饑餓（SDG2）、水環(huán)境（SDG6）、能源（SDG7）、可持續(xù)城市與社區(qū)（SDG、氣候行動（SDG13）、海洋環(huán)境（SDG14）、陸地生態(tài)（SDG15）7---格網”多維度十年進展評估：既呈現北歐、日本80%的亮點，也直面部分國家單產下滑的困境；既肯定5.27%區(qū)域能實現農田水分效率目標的挑戰(zhàn)，也指出歐洲、非洲地下水儲量上升的2030年議程提供了精準靶點。本報告作為UNESCO可持續(xù)發(fā)展十年計劃（InternationalDecadeofSciencesforSustainableDevelopment,IDSSD）DSP21個國家、40余家科研機構與國際組織的專家力量，經歷了多輪次的國際專家評審。報告的評估方法體系與成SDGs相關多學科交叉研究提供基礎數據，為各國循證行動注入科學動力。CBAS---行動”閉環(huán)落地。我們堅信，只要全球2030年可持續(xù)發(fā)展的愿景支撐全球進步并惠及每一個人、每一片土地。1020259月語 首先，我謹向可持續(xù)發(fā)展目標大數據國際研究中心致以誠摯的敬意。該中心以卓越的領導力，匯聚了一支國際化、多元化的頂尖專家團隊。《全球尺度可持續(xù)發(fā)展科學監(jiān)測報告（2025）：地球大數據視角下的十年進展》標志著我們在共同監(jiān)測與落實《2030年可持續(xù)發(fā)展議程》進程中的一個重要里程碑。在2030年議程推進十年之際，世界亟需通過明確的科學證據來了解當前的現狀、存在的不足，以及亟待行動的重點領域。本報告依托地球大數據的強大力量，正是對此需求的回應。報告以全新的方式從數據驅動的視角審視地球的整體狀況，綜合運用衛(wèi)星觀測、地理空間信息與先進分析方法，提供了及時、客觀且對政策制定至關重要的科學洞見。報告的發(fā)現既富有真知灼見，又令人警醒。一方面，在水生態(tài)系統(tǒng)保護等領域取得了令人鼓舞的進展；另一方面，多個關鍵指標卻出現了令人憂慮的逆轉，包括生物多樣性喪失、地下水消耗加劇，以及氣候極端事件影響。這些不僅僅是數據，更是對人類、地球與繁榮面臨風險的嚴正警示。這份報告的重大意義不僅在于其科學的嚴謹性，更在于其國際化、跨學科的合作。來自二十多個國家的專家以自然科學與社會、經濟相結合的視角，參與撰寫和同行評審。這正是可持續(xù)發(fā)展目標所倡導的合作精神——跨越國界、跨越行業(yè)、跨越學科，攜手共進。聯合國教科文組織東亞地區(qū)辦事處十分榮幸地支持這項重要努力。作為聯合國負責科學、教育、文化與傳播的機構，我們堅信科學是人類最具民主性的語言；當科學轉化為政策，便成為推動社會進步的強大力量。以負責任的態(tài)度和普惠的方式應用地球大數據，能使我們科學決策、開展國際能力建設，凝聚全球合力。這一信念現已寫入“可持續(xù)發(fā)展科學國際十年”（2024—2033），聯合國教科文組織東亞地區(qū)辦事處為推動“科學十年”倡議而感到自豪。這一倡議旨在重建公眾對科學的信任，培養(yǎng)批判性和系統(tǒng)性思維，并構建更密切的區(qū)域合作網絡。這是我們的鄭重承諾——把數據轉化為智慧，把智慧轉化為權利。展望未來，我認為這份報告開啟了一個動態(tài)更新的知識產品系列——奠定了可供逐年完善的堅實基礎，為政策提供依據，為創(chuàng)新注入動力，為合作指引方向。我誠摯邀請大家認真研讀本報告，廣泛傳播其研究結論，最重要的是，據此采取實際行動。唯有攜手合作，才能把科學洞見轉化為解決方案，把解決方案轉化為切實進展。讓我們共同努力，在2030年前把可持續(xù)發(fā)展目標的承諾變?yōu)楝F實，造福全人類。沙赫巴茲·汗教授聯合國教科文組織東亞地區(qū)辦事處主任首席科學家：致 謝首席科學家：郭華東（可持續(xù)發(fā)展大數據國際研究中心）報告方法設計：報告方法設計：報告總體協調:陳玉，黃磊，李曉松，盧善龍，孫中昶，左麗君（可持續(xù)發(fā)展大數據國際研究中心）；鄔明權，王福濤（中國科學院空天信息創(chuàng)新研究院）報告總體協調:劉潔，賀殊（可持續(xù)發(fā)展大數據國際研究中心）；王萌，陳湛君，夏莉莉，朱艷（中國科學院空天信息創(chuàng)新研究院）作者（按照姓名拼音排序）：作者（按照姓名拼音排序）：（華東師范大學（浙江工商大學（可持續(xù)發(fā)展大數據國際研究中心（清華大學（北京林業(yè)大學王振慶，鄔明權，吳炳方，鄭超磊（中國科學院空天信息創(chuàng)新研究院）；賈根鎖，趙卉忱，張安治（中國科學院大氣物理研究所）；李慧香，潘云（首都師范大學）；姜玉環(huán)，吳建偉（自然資源部第三海洋研究所）；劉越，孫立群（中國科學院深圳先進技術研究院（中國科學院地理科學與資源研究所（自然資源部第一海洋研究所ShahbazKhan（UNESCO）；RoshanBhandari（AsianInstituteofTechnology,Thailand）審稿（按照姓名拼音排序）：AbbasRajabifard(TheUniversityofMelbourne,Australia);A.K.M.SaifulIslam,G.M.Islam,SaraNowreen(BangladeshUniversityofEngineeringandTechnology(BUET),Bangladesh);AmosTiereyangnKabo-Bah(UniversityofEnergyandResources,Ghana);CHENDeliangUniversity);GretchenKalonji(CBAS);JohannesCullmann(WorldMeteorologicalOrganization,WMO);JoséRamónLópez-PortilloRomano(PermanentMissionofMexicototheUNAgenciesinRome,AOCouncil,Mexico);MassimoMenenti(DelftUniversityofechnolog,Ntherlands);MaelinSanou(an-frianAencyortheGtGeenall,frique);Milanonecny(MasarykUniesit,Cechepublic);PajalPadhan(UniesityofGoninen,Ntherlands);QuaraishaAbdool-Karim(TheWorldAcademyofSciences,TWAS);RajeshBahadurThapa(InternationalCentreforIntegratedMountainDevelopment(ICIMOD),Nepal);RajibShaw(KeioUniversity,Japan);RohanBhandari(WashingtonUniesityint.ouis,Uniedes);osaLasaponaa(NtionalesachCouncilofIal,Ialy);ShahazKha(UnitedNationsEducational,ScientificandCulturalOrganization,UNESCO);ShamsudduhaMohammad(UniversityCollegeLondon,UnitedKingdom);ThereseElGemayel(UnitedNationsEnvironmentProgramme,UNEP)審稿（按照姓名拼音排序）：執(zhí)行摘要報告針對傳統(tǒng)數據存在的覆蓋范圍不完整、空間解析度低、時效性不足等局限性，構建了一套基于地球大數據的標準化的監(jiān)測評估框架，從全球、區(qū)域及專題視角出發(fā)，為解讀分析相關可持續(xù)發(fā)展目標（SustainableDevelopmentGoals,SDGs）進展提供科學數據支撐。一、地球大數據為SDGs科學評估提供了新范式18項具有高空間異質性的SDG長時間序列且經過質量驗證的數據產品；其次采用泰爾-森中值趨勢估計法計算指標的狀態(tài)得分與趨勢變化，并通-肯德爾檢驗驗證結果顯著性，綜合分析人口受影響情況；最后結合各國耕地面積、人口規(guī)模等資源稟賦，加SDGs推進的“多維圖景”。二、全球18項監(jiān)測指標僅1項在正確軌道，8項指標呈退步趨勢從全球層面看，SDGs1項指標（SDG6.6.1）在2015-20228步趨勢，包括人均耕地面積、地下水儲量、高溫熱浪頻次、人均人為二氧化碳排放、海洋溶解氧濃度、海洋酸化、森林覆蓋和土地退化。三、各區(qū)域可持續(xù)發(fā)展綜合得分存在差異，反映出發(fā)展階段與資源稟賦的分化特征澳大利亞和新西蘭、歐洲等發(fā)達區(qū)域18項指標綜合得分最高，但同樣面臨著大量指標退步問題，例如澳大利亞和新西蘭的人均人為二氧化碳排放較高且仍在增加，歐洲海洋酸化、森林覆蓋減少、土地退化等問題仍然存在。要實現2030年目標，需加快這些指標的推進力度。全球大部分人口稠密的地區(qū)，指標改善的比例較高。然而，印度北部、緬甸、中亞和北非等部分人口密集地區(qū)SDG退化的比例較高，需要進一步關注。0-1SDG18項指標平均得分四、各個專題領域十年以來存在亮點，但挑戰(zhàn)更大零饑餓（SDG2）：北歐、日本等地區(qū)，作物綜合單產達成率已超80%，糧食生產成效顯著，可蒙古國、阿根廷等區(qū)域，這一指標卻在下降。亞洲一些人口大國的人均耕地面積持續(xù)下降。水資源（SDG6）：農田水分利用效率小幅提升，但區(qū)域差異顯著；2015—2022年，全球濕地總面（2020年后（SDG72015—20230.49%略低于2030進程要求的未通電建筑面積主要分布在撒哈拉以南非洲和農村地區(qū)，能源可及性亟待加速提升?？沙掷m(xù)城市與社區(qū)（SDG11）：2024年，全球主要城市可便利使用交通的人口加權平均比例超過50%。亞洲PM2.5濃度明顯高于其他大洲，中國城市顯著變綠的面積占全球近一半，受益人口全球最多。氣候行動（SDG13）：全球高溫熱浪頻率上升（亞洲、美洲受影響最嚴重）；全球人均人為二氧化碳排放量2015年以來仍在上升，從4.10噸/人上升到2024年的4.65噸/人。海洋環(huán)境（SDG14）：海洋生態(tài)系統(tǒng)惡化趨勢明顯，中層水域脫氧化加劇，2015-2022年海洋酸化速pH0.023個單位，對鈣化生物、漁業(yè)資源及依賴海洋生態(tài)系統(tǒng)的經濟活動構成顯著威脅。陸地生態(tài)（SDG15）：2015-2022年全球森林覆蓋率年均下降0.07%，全球土地生產力動態(tài)微弱下降，生物多樣性喪失風險加劇。本報告評估方法體系與成果數據面向公眾開放共享，這將為SDG相關多學科交叉綜合研究提供基礎數據，為SDGs的循證行動提供技術支撐，助力全球可持續(xù)發(fā)展行動在最后關鍵階段加速推進。全球尺度可持續(xù)發(fā)展科學監(jiān)測報告（全球尺度可持續(xù)發(fā)展科學監(jiān)測報告（2025）：地球大數據視角下的十年進展一、緒論 當今全球化的世界，面臨著眾多挑戰(zhàn)，如貧困、饑餓、氣候變化、生態(tài)破壞等。為了應對這些2015一、緒論 gre0are017個可持續(xù)發(fā)展目標（SustainableDevelopmentGoals，SDGs），旨在為全球社會提供一個共同的行動框架，以實現經濟、社會和環(huán)境的可持續(xù)發(fā)展。SDGs這些目標的實現需要各個國家和各個利益相關方的共同努力，需要政府、企業(yè)、學術界和社會組織等多方合作，形成一個協同推進可持續(xù)發(fā)展的全球伙伴關系。SDGs的重要性不僅源于其綜合性和系統(tǒng)性的特點，更在于它代表了關乎人類福祉、地球健康和繁榮發(fā)展的變革性愿景。SDGs深刻地2030SDGsSDG潔飲水和衛(wèi)生設施）、SDG13（氣候行動）、SDG14（水下生物）SDG15（陸地生物）等。環(huán)境問題與可持續(xù)發(fā)展緊密相連，唯有切實保護自然資源并實現其可持續(xù)利用，維護生態(tài)系統(tǒng)的平衡與穩(wěn)定，才能實現經濟的可持續(xù)增長和社會的持續(xù)進步。當前，環(huán)境問題是全球面臨的共同挑戰(zhàn)，需要世界各國攜手應對，共同推動環(huán)境可持續(xù)發(fā)展的實現。首先，大數據技術可以彌補傳統(tǒng)數據收集方法在數據收集方面的不足。傳統(tǒng)數據收集方法通常依賴于抽樣調查、實地觀測和定期統(tǒng)計等手段，耗時耗力且成本較高。而大數據技術通過收集和分析海量的數字信息，包括傳感器數據、衛(wèi)星遙感數據、站點監(jiān)測數據、社交媒體數據等，為全球范圍的SDGs監(jiān)測和評估提供全新的機會和可能性。具體就環(huán)境類SDGs的監(jiān)測和評估而言，地球大數據可將多源數據進行整合和分析，獲得更為全面、精確的環(huán)境信息，從而為水資源狀況評估、氣候變化監(jiān)測和生物多樣性分析等提供數據支撐。其次，大數據具有顯著的時效性優(yōu)勢。傳統(tǒng)數據的收集和統(tǒng)計往往需要花費較長的時間，數據的發(fā)布和更新的周期也較長，難以及時提供最新的環(huán)境信息。而大數據則能夠實時收集和分析數據，大大加快了環(huán)境信息的更新速度。例如，通過衛(wèi)星遙感數據，我們可以實時監(jiān)測森林覆蓋變化、海洋污染情況等；通過社交媒體數據，我們可以追蹤公眾對環(huán)境問題的關注和反饋。這些即時數據有助于我們更準確地了解環(huán)境變化的趨勢和影響，從而及時地采取相應的措施和做出調整。此外，大數據的空間分解能力也是其在環(huán)境類SDGs監(jiān)測和評估中的一大重要優(yōu)勢。環(huán)境問題通常具有空間特征，不同地區(qū)和地域之間的環(huán)境狀況存在差異。利用大數據技術的空間分析能力，我們可以對不同區(qū)域的環(huán)境指標展開細致的監(jiān)測和評估。這有助于我們更好地從全球尺度理解不同地區(qū)的環(huán)境問題，進而為制定科學、合理的政策和措施提供依據。然而，我們也需清醒地認識到，大數據技術的應用在為環(huán)境SDGs監(jiān)測帶來范式轉變機遇的同時，并非毫無挑戰(zhàn)。數字鴻溝的存在可能會導致部分地區(qū)因數據獲取能力不足而被邊緣化，難以平等享受技術進步帶來的監(jiān)測紅利；算法偏見若未得到有效規(guī)避，可能會使數據分析結果偏離客觀實際，影響對環(huán)境狀況的準確判斷；數據治理體系的不完善，可能引發(fā)數據安全、隱私保護及數據共享不暢等一系列問題。這些挑戰(zhàn)必須得到謹慎管理與妥善解決，才能確保大數據技術真正服務于公平、準確的環(huán)境洞察。本報告充分承認大數據技術的這些局限性，并致力于通過創(chuàng)新整合與深度挖掘地球大數據的獨特優(yōu)勢，如多源數據融合的全面性、時空動態(tài)監(jiān)測的精準性等，來克服傳統(tǒng)環(huán)境監(jiān)測中持續(xù)存在的覆蓋范圍有限、數據更新滯后、區(qū)域代表性不足等障礙，為環(huán)境類SDGs的高效監(jiān)測與科學評估提供更可靠的支撐。需要說明的是，本報告并非與聯合國自愿國別評估（VoluntaryNationalReview，VNR）進程競爭或相悖，而是我們希望有更多的人參與到方法論的探討中來，為從更多的視角監(jiān)測SDGs的進展與狀態(tài)貢獻力量。二、數據與方法 數據選擇2.1 數據選擇為有效監(jiān)測可持續(xù)發(fā)展目標中復雜的環(huán)境問題，我這就是地球大數據的優(yōu)勢——通過整合海量信息（從衛(wèi)星圖像、地面?zhèn)鞲衅鞯缴鐣洕y(tǒng)計數據），生成高精度數據產品，以前所未有的空間細節(jié)揭示可持續(xù)發(fā)展的現狀和發(fā)展趨勢，涵蓋全球、區(qū)域到更細顆粒度的空間

且至少包含2015—2024年不少于8個年份時序的數據1；②能夠通過計算設定量化目標值，即數據能夠量化支撐某個可持續(xù)發(fā)展指標的實現進展監(jiān)測；③精度有保障，需是正式發(fā)布或獲得專家評審認可的數據產品。最終所選擇的數據來源列表、數據生產方法及精度說明，發(fā)布在本報告的附件1中。12015可比性的時間基準。另外個別數據產品（城市便利交通）20152024年2個期次數據產品。2.2 指標狀態(tài)得分的確定全球尺度可持續(xù)發(fā)展科學監(jiān)測報告（2025）：地球大數據視角下的十年進展按照“數據值—指標值—指標狀態(tài)值”三個步驟計算：首先明確每個數據產品數據值代表的含義；其后，依據其支撐的指標定義計算出指標值；最后參考聯合國可持續(xù)發(fā)展解決方案網絡（UnitedNationsSustainableDevelopmentSolutionsNetwork，UN-SDSN）指標板狀[1]。對于聯合國相關機構或全球相關規(guī)劃報告提出了2030年明確目標值的，或根據指標含義可以推斷出其目標值的，將其狀態(tài)值確定為80（實現目標狀態(tài)最低值確定為0（極小值（100分對于無明確定義或無法找到確定權威來源目標值的指全球尺度可持續(xù)發(fā)展科學監(jiān)測報告（2025）：地球大數據視角下的十年進展

2.5%（/數量占比）的指標值為極大值和極小值。以此為標準計算各個指標i在不同尺度下的狀態(tài)值Si：(2-1)式子中Si為指標i的狀態(tài)值得分（取值0—i表示指標i的指標值，min表示該指標i小狀態(tài)值，max表示該指標i的極大狀態(tài)值。最終將指標狀態(tài)依據得分劃分為4i≥80分）；②存在挑戰(zhàn)i60—79分）；③顯著挑戰(zhàn)40—59分）；巨大挑戰(zhàn)（＜40分）。2.3 指標進展趨勢及進度量化計算Theil-Sen2015年以來指標進展趨勢進行科學評估?；谥形粩档腡heil-Sen斜率估計是一種魯棒性較高的非參數估計方法，能夠有效降低數據異常值的影響，適合探究時間序列數據的時空變化規(guī)律。此方法通過計算所有數據點對之間的中位數斜率來估計整體趨勢，其計算公式如下：其中，為中位數函數，即斜率； 和分為第i和第j年數據值；的正負號代表了指標在研究時段內的變化趨勢，正號表示上升趨勢，負號則是下降趨勢，其絕對值大小反映了指標的變化強度；為零時說明指標在研究時間段內基本保持不變。在此基礎上，本報告參考UN-SDSN提出的評估框[2]SDGs過程中，基于歷史數據擬合各指標的演進斜率，并據此判斷當前進展速度是否足以在2030年前實現目2030年實現SDGs，各指標所需的理論進展斜率，并將其與進行比較。為增強趨勢估計的穩(wěn)健性，避免別年份數據波動對整體趨勢判斷的干擾，本報告采用2015年以來所有有效年份數據及其對應年份的均值得分作為趨勢擬合的基礎。基于上述比較結果，將各指標的進展趨勢劃分為4種狀態(tài)：①在正確軌道或保持目標實現的狀態(tài)：的但仍低于所需增量： ；③數停滯不前或增量低于目標實現所需的50%：④分數退步：。為更詳細分析不同區(qū)域指標的進展情況，本報告設SDGs分區(qū)的指標進度達成率P（%）的量化計算方法，該方法以進度條形式直觀展示當前年度（2024年為準）距離“完成目標”的推進程度。若在當前年度或早于當前年度已經實現目標，直接將P賦

100%；若當前年份未實現目標但預期實現目標年份（E）2030年，說明能按時完成；若E晚20302030年目標的時間節(jié)奏”。針對以具體數值為2030目標值和以變化量（變化率）為2030目標值的情況，分別計算如下：2030年目標值的指標（20302t/capita）、PM2.5人口加權濃度（2030目標值為：μg/m3）2015年單個年度數據推斷未來趨勢可能存在的數據異常影響，報告采用了2015年以來所有有效年份數據均值在斜率下擬合后2015年指標值作為計算趨勢的基準，以為變化E。(2-3)式中為目標實現所需要的指標值a為擬合曲線的截距：(2-4)式中 表示所有有效年份得分的平均值(2-5)式中表示所有有效年份的平均值(2-6)然后根據預期達標年份E，統(tǒng)一以2024年度為當前年，計算指標進度達成率P（%）：需要注意的是，本報告的所有指標進度達成率P均2024年，目的是為了實現不同指標進度的直觀對比，這不需要所有數據均具有到2024年的數值，其本質是以已有時序數據趨勢為基準外推到2024E，計算實現極小值目P-P（%）為結果體現背離目標的具全球尺度可持續(xù)發(fā)展科學監(jiān)測報告（2025）：地球大數據視角下的十年進展全球尺度可持續(xù)發(fā)展科學監(jiān)測報告（2025）：地球大數據視角下的十年進展2030年目標值的指標報告中部分指標的目標值設定為到2030年對比

實際指標值）式子中 和參考式子2-5和2-6。

(2-9)2015（設20151.51倍）、森林覆蓋度（20151.20倍）、濕地覆蓋（20151倍即濕地不減少）等。此類指標在計算“變化”時統(tǒng)一采用了Theil-Sen斜率表征指標自2015年以來的變化量，20302015n倍。n>1n<12024年為當前年份的指標進P（%）計算公式如下：

n=120302015年比保持指標值不減少（負向指標）或不增加（正向指標）以正向指標濕地面積為例，如果某一區(qū)域的2015年以來濕地面積的斜率≥0，則以2024年為當前年份的指標度達成率P（%）直接賦值為100%；當＜0時，2030年減少斜率為極小值為標準計算指標負向進展情況。(2-10)(2-8)針對進展趨勢背離目標值的情況，將取相P-P（%）為結果體現背離目標的具體程度。式中為斜率下擬合得到的2015年標值（為避免單個年度數據波動報告中不采用單個年度2.4

式中為在斜率下擬合得到的2015指標值。參考式子2-9，為指標變化斜率的確定。指標顯著性趨勢檢驗與綜合指數計算曼-肯德爾（Mann-Kendall，MK）趨勢檢驗法是一種非參數方法，原本應用于氣候診斷與預測，可以判斷氣候序列中是否存在氣候突變，也經常用于時序數據的趨勢檢測。其優(yōu)點是不需要樣本遵從一定的分布，也不受少數異常值的干擾，計算也比較簡便：MK檢驗是檢驗是否拒絕零假設（nullhypothesis：H0），并接受替代假設（alternativehypothesis：H1）：

H1是雙邊檢驗，對于所有的i，jij，Xi和Xj的分布是不相同的，檢驗的統(tǒng)計量S計算如下：Xj分別為第ij且i，sgn()是符號函數：H0：不存在單調趨勢H1：存在單調趨勢H0并接受H1

sgn

j 0iii10j 0iii10i1 j i

(2-12)數據必須要超出合理懷疑——要到達一定的置信度。

當n≥8時，統(tǒng)計量S大致服從正態(tài)分布，在不考MK

為時間序列數據（X1，

慮序列存在等值數據點的情況下，其均值E(S)=0，方差X，…，X），是n個獨立的、隨機變量同分布的樣

Var(S)=n(n-1)(2n+5)/18。標準化后的檢驗統(tǒng)計量Z計算2 n如下：10101010 0在雙邊趨勢檢驗中，對于給定的置信水平（即顯著性水平）α，若|Z|≥Z1-α/2，則原假設H0是不成立的，即在置信水平α（顯著性檢驗水平）上，時間序列數據存在明顯的上升或下降趨勢。具體而言，Z為正值，表明序列數據存在上升趨勢，Z為負值，表明序列數據存在減少趨勢；當Z的絕對值在大于等于1.645、1.960、2.576時，表示序列數據變化分別通過了置信度為90%、95%、99%的顯著性檢驗。檢驗統(tǒng)計量計算與臨界值確定示例：以顯著性α=0.1為例，0.95，查詢標準正態(tài)分布表Z0.95=1.645，因此，當Z≥1.645時，認為數據變化通過2.5 指標貢獻度計算/地區(qū)的自然資源稟賦不同，因此在計算/地區(qū)的空間聚集程度。某一指標，在一個國家的分布范圍越廣或影響越大，則該指標在該國家的權重也應越大。該項指標權重較大的國家，其進展情況（或好或壞）將顯著影響該指標的全球整體實現。例如，按照聯合國亞洲及太平洋經濟社會委員會（UnitedNationsEconomicandSocialCommissionforAsiaandthePaci?c，UNESCAP）設置的要求，森林覆蓋率到20302015年增加20%。森林面積較大的國家（如俄羅斯和巴西），在該指標上的表現好壞將顯著影響全球整體實現情況；而森林資源稀少國家，該指標的進展情況則對全球整體影響較小。需要說明的是，本分析的目的并不與“不讓任何人掉隊”的可持續(xù)發(fā)展理念相違背，而是為了突出全球視角下人口、資源大國的國際責任。按照權重確定的方式，高空間分異特征的SDGs指標可分為以下三類。

90%0>0在上升趨勢。最后，將指標趨勢分析結果變好、無顯著1、0、-1。本報告通過以下方式計算各區(qū)域指標進展顯著性綜合指數（ProgressSigni?canceCompositeIndex，PSCI）95%顯著性水平下，對各區(qū)域內所有待評估指標的變化趨勢進行判定，分別賦予代表“顯（1、0、-1）；隨后，計算該區(qū)域內所有指標對應數值的平均值（忽略無數據的指標），最終得到該區(qū)域的綜合指數。該指數的取值范圍為[-1,1]0，表明該區(qū)域內所有評估指標中，呈顯著性變差趨勢的指0，表明該區(qū)域內呈顯著性變好趨勢的指標數量占比更高；指數的絕對值越大，代表該區(qū)域內指標整體變化的傾向性差異越明顯。第一類是陸地地表真實覆蓋的環(huán)境狀態(tài)類指標，以2015年度覆蓋面積占比為基準確定權重。此類指標包含大多數指標數據，如作物單產達成率、森林覆蓋、濕地面積、地下水儲量、農田水分利用效率、工業(yè)熱源排放等。第二類是沿海覆蓋分布、陸地無數據覆蓋的指標，依據各個國家專屬經濟區(qū)（ExclusiveEconomicZone，EEZ）200海里距離范圍內的指標面積占比確定權重。即認為海洋的環(huán)境狀態(tài)變化與沿海的活動相關，將影響海洋環(huán)境指標的空間范圍歸并到沿海陸地范圍。此類指標主要包含海洋類指標數據，如海洋溶解氧濃度、海洋酸化程度、海洋關鍵生物多樣性區(qū)域（KeyBiodiversityAreas，KBAs）受保護比例等。第三類是人居活動相關指標，以空間單元內人口數量占比確定權重。即認為人口數量越多，指標權重越大。此類指標包括人均耕地面積、建筑通電率、典型城市可便利公共交通、PM2.5人口加權濃度、城市綠度指數、全球尺度可持續(xù)發(fā)展科學監(jiān)測報告（2025）：地球大數據視角下的十年進展人均人為二氧化碳排放等。SDGs算方法如下：①計算該指標加權平均分：(2-14)其中wi為國家i的該指標權重i為國家i的該標得分，其中 （權重歸一化）。

②計算每個國家的貢獻值： 。③計算總貢獻絕對值和 ： （若，則表示無差異）。④貢獻度百分比計算： 。此計算方式下，若，貢獻度為正；若，貢獻度為負。且各個國家的貢獻度絕對值總和：，代數和： 。三、全球和區(qū)域進展狀態(tài) 3.1 全球總體進展18指；從進展趨勢上看，其中

均耕地面積、地下水儲量、高溫熱浪頻次、人均人為二氧化碳排放、海洋溶解氧濃度、海洋酸化程度、森林覆蓋率和土地退化狀況。這些趨勢凸顯了實施有針對性、有效的干預措施，以扭轉負面軌跡、加快實現“聯合國2030議程”的緊迫性（表3.1）。表3.1全球尺度監(jiān)測指標總體進展一覽表3.2 區(qū)域進展分析本報告基于聯合國經濟和社會事務部（UnitedNationsDepartmentofEconomicandSocialA?airs，UN-DESA）的分區(qū)標準，并將歐洲和北美分開處理，將全

球劃分為9個區(qū)域（圖3.1）。這與聯合國環(huán)境規(guī)劃署（UnitedNationsEnvironmentProgramme，UNEP）發(fā)布的MeasuringProgress系列報告中的劃分方法相同。圖3.1本報告采用的分區(qū)65.82（58.88分7指標（38.89%）呈現退步趨勢，分別是綜合單產達成率、濕地覆蓋、地下水儲量、高溫熱浪頻次、5項指標（27.78%）處于正確軌道狀態(tài)，具體為人均耕地面積、建筑通電率、典型城市可便利公共交通、PM2.5人口加權濃度和土地退化；其余指標進KBAs受保護比例的進展尤為緩慢，需重點關注。澳大利亞和新西蘭中亞與南亞地區(qū)，18中亞與南亞地區(qū)，1854.78分，低于全球平均水平（58.88分）7項指標（38.89%）呈現退步趨勢，需重點關注，分別為人均耕地面積、濕地覆蓋、地下水儲量、工業(yè)熱源排放、高溫熱浪頻次、干旱指數、人均人為二氧化碳排放和海洋酸化；3項指標處于正確軌道狀態(tài)，具體KBAs受保護比例、農田水分利用效率等指標進展尤為緩慢。中亞和南亞1861.801861.80分，高于全球平均水平（58.88分）10項指標（55.56%）呈現退步趨勢，分別是人均耕地面積、農田水分利用效率、高溫熱浪頻次、干旱指數、KBAs5項指標（27.78%）處于正確軌道狀態(tài)，分別是濕地覆蓋、地下水儲量、建筑通電率、典型城市便利公共PM2.5人口加權濃度；其余指標進展緩慢。歐洲58.90（58.88分65KBAs受保護比例、森林覆蓋等指標進展尤為緩慢。東亞和東南亞61.24（58.88分7項指標（38.89%）呈現退步趨勢，分別是人均耕地面積、PM2.5人口加權濃度、城市綠度指數、高5項指標（27.78%）處于正確軌道，具體為綜KBAs受保護比例指標進展尤為緩慢。拉丁美洲和加勒比地區(qū)（58.88分8（占5（27.78%）濕地覆蓋、建筑通電率、PM2.5人口加權濃度和海洋溶解氧濃度；其余指標均進展緩慢。北美1853.00分，低于全球平均水平（58.88分）9項指標（50%）呈現退步趨勢，需重點關注，具體為綜合單產達成率、人均耕地面積、地下水儲量、城市綠度指數、高溫熱浪頻次、干旱指數、人均人為二氧化碳排放、海洋酸化和土地退化；在所有指標中，有3PM2.5人口加權濃度指標進展尤為緩慢。北非和西亞（不含澳大利亞和新西蘭（不含澳大利亞和新西蘭513項可評估指標的平均得分為65.23（58.88分PM2.5（13.32μg/m3）雖然遠優(yōu)于全球平均（31.83μg/m3），但近些年仍然呈現了輕微的下降趨勢；海洋酸化與森林覆蓋呈646.15%，具體為地下水儲量、工業(yè)熱源排放、高溫熱浪頻次、人均人為二氧化碳排放、海洋溶解氧濃度和土地退化；其余指標均進展緩慢，其中農田水分利用效率指標進展尤為緩慢。大洋洲（不包括澳大利亞和新西蘭）撒哈拉以南非洲地區(qū)，18項受監(jiān)測指標的平均得分為撒哈拉以南非洲地區(qū)，18項受監(jiān)測指標的平均得分為55.60分，低于全球平均水平（58.88分）。其中，25項處于項指標（61.11%）2030年目標。撒哈拉以南非洲四、主題分析 零饑餓（SDG2）全球零饑餓目標的核心是到2030年消除所有形式的饑餓和營養(yǎng)不良，并確保所有人，特別是兒童和弱勢群體，有充足的、安全的、營養(yǎng)豐富的食物。其中，全球耕地面積和作物單產的變化監(jiān)測（SDG2.3.1）對實現零饑餓目標具有重要意義。耕地是農業(yè)生產的基礎，全球耕地的數量和質量直接影響到食物的供應。隨著人口的增長和城市化的發(fā)展，全球耕地面積正在減少，這對食品安全構成了威脅。與此同時，一些生態(tài)敏感區(qū)也在受到耕地擴張的侵蝕。因此，研究全球耕地的變化情況，尋找可持續(xù)的土地管理策略，以保護和恢復耕地，降低對脆弱生態(tài)空間的干擾，對于實現零饑餓目標至關

重要。為了滿足因人口增加而不斷增加的食物需求，我們需要提高作物的單產，以在有限的土地資源上生產更然而，在全球氣候變化的背景下，作物產量已經也將繼續(xù)受到嚴重影響。例如，氣候變化可能會導致干旱、洪澇等極端天氣事件的頻率和強度增加，這些都會對作物產量產生負面影響。因此，研究作物產量的變化，以及如何通過改進農業(yè)技術和管理策略提高主要作物單產，適應和緩解氣候變化的影響，對于實現零饑餓目標必不可少。2323糧食產量（糧食產量（SDG2.3.1）小麥、玉米、水稻和大豆作為全球最主要的糧油作64%的膳食能量攝入，在保障全球糧食安全、滿足人類營養(yǎng)需求方面發(fā)揮著關鍵作用。其中，小麥是全球種植面積最廣的糧食作物，也是人類最重要的糧食來源之一；玉米不僅是重要的糧食作物，在飼料和工業(yè)領域也有廣泛應用；水稻是亞洲地區(qū)主要的糧食作物，養(yǎng)育了全球近一半的人口；大豆則是最重要的油料作物和非動物性蛋白質來源。這些作物的產量變化和區(qū)域分布直接關系到全球糧食供應的穩(wěn)定性和可持續(xù)性，對實現零饑餓目標具有重要影響。考慮到不同區(qū)域的自然資源稟賦特征，報告以聯合國糧食及農業(yè)組織（FoodandAgricultureOrganization，FAO）的全球農業(yè)生態(tài)區(qū)（GlobalAgro-EcologicalZones，GAEZ）中的可實現糧食單產數據為基準，計算四種作物的綜合單產達成率（依據各類作物面積加權）[3]80%2015—2022年四種主要作物綜合單產達成率的現狀得分、進展趨勢和95%顯著性水平下變化趨勢（圖4.1）。

203080%（日本、中國、巴西、美國東部部分地區(qū)，四種作物綜合單產達成率較高，指標處于正確軌道或已經保持目標實現狀態(tài)。印度大部分區(qū)域、澳大利亞及非洲部分區(qū)域，50%，但仍未達到理想水平，2030年實現綜合單產達成率80%的目標仍面臨挑戰(zhàn)。蒙古國、阿根廷、智利、緬甸、泰國等部分地區(qū)綜合單產達成率甚至出現了下降趨勢，實20302030家需要加大農業(yè)科技創(chuàng)新投入，提高資源利用效率，同時加強國際合作，促進農業(yè)技術轉移和經驗共享。從總產量上來看，2015—2022年，全球四種大宗糧油作物呈現明顯的區(qū)域集中特征，同時各作物產量均出現不同程度的波動（圖4.2）。玉米生產主要集中在北美洲、東亞和東南亞地區(qū)；其中，北美洲玉米年產量在2016年達峰值后波動下降，而拉丁美洲則呈波動上升態(tài)勢。小麥生產主要分布在歐洲、中亞、南亞、東亞 圖4.12015—2022年四種主要作物綜合單產達成率的現狀得分（a：網格級別；b：國家級別）、進展趨勢（c：網格級別；d：國家級別）和95%顯著性水平下變化趨勢（e：網格級別；f：國家級別）地區(qū) 歐洲 大洋

東亞和東南亞

中亞和南亞 北美

北非和西亞 撒哈拉以南非洲

拉丁美洲 澳大利亞??????????

玉米年產量變化分布（????—????年）

????????????

和加勒比地區(qū)（????—????）

和新西蘭??????????

???? ???? ???? ???? ???? ???? ???? 年份水稻年產量變化分布（????—????年）???? ???? ???? ???? ???? ???? ???? 年份

???????????????????

???? ???? ???? ???? ???? ???? ???? 年份大豆年產量變化分布（????—????年）???? ???? ???? ???? ???? ???? ???? 年份圖4.22015—2022年四種大宗糧油作物總產量變化分布（基于SDGs的標準分區(qū)）和東南亞地區(qū)；其中，歐洲地區(qū)小麥年產量波動上升并2022年達到觀察期最高點，中亞、南亞穩(wěn)步增長，中亞和南亞，年產量表現出較高的穩(wěn)定性，東亞和東南亞波動較小，中亞和南亞呈持續(xù)增長。大豆生產主要分

布在拉丁美洲和北美洲，在四大作物中年產量波動性最2021年達峰值2019年降至低谷后回升但年際波動明顯?？傮w而言，2015—2022年各主要糧食作物總產量增長并不顯著，但波動特征明顯，其中水稻產量曲線最為平滑，大豆和小麥的年際波動較大。這種波全球糧食生產呈現區(qū)域分化加劇與地理集聚態(tài)勢（4.3），新興經濟體貢獻突出，需強化國際合作。（小麥（大豆（水稻產量優(yōu)勢持續(xù)鞏固，而撒哈拉以南非洲等脆弱地區(qū)則面臨更嚴峻的挑戰(zhàn)。這些地區(qū)受到基礎設施落后、技術水平不足及氣候變化等因素的制約，糧食增產難以滿足需求，加劇了糧食安全風險，對零饑餓目標的實現構成了阻礙。2015—2022年數據顯示，四大主要糧油作物形

和巴西（21.6%）；小麥增產以俄羅斯（41.5%）和印度（61.5%）（35.0%）和阿根廷（26.5%）。新興經濟體和發(fā)展中國家正成為全球糧食增產的主要貢獻者，印度在水稻和小麥增產方面表現突出，巴西和阿根廷在玉米和大豆增產發(fā)揮關鍵作用，中國在玉米（11.0%）和大豆（12.8%）增產方面也做出顯著貢獻。雖然新興經濟體的崛起為全球糧食安全提供新保障，但產量增長的區(qū)域集中化趨勢也加劇了糧食供應鏈的脆弱性風險，亟須加強國際合作與技術共享，在全球范圍內培育更多新的糧食產量增長極。圖4.32015—2022年四種大宗糧油作物產量增長貢獻度耕地面積（耕地面積（SDG2.3.1）利用遙感的長時序、全球全覆蓋等優(yōu)勢精準地監(jiān)測全球耕地的動態(tài)變化，對于開展全球糧食安全評估工作具有重要意義。當前，全球耕地數據以單時相數據為主，主要存在監(jiān)測時間跨度不夠、產品質量參差不齊、數據兼容性差等突出問題，難以滿足長時序高分辨率的耕地監(jiān)30mLandsat衛(wèi)星長時序遙感數據為基礎，提出了耦合連續(xù)變化檢測和動態(tài)更

新的耕地變化監(jiān)測方案，研制出全球30m分辨率動態(tài)耕地數據產品。以人均耕地面積12000m2（Top2.5冠軍法），202238.802015（顯著挑戰(zhàn)。作為人口大國的印度和中國，2022年平均 圖4.42022年全球人均耕地面積的現狀得分（a：網格級別；b：國家級別），以及2015—2022年的進展趨勢（c：網格級別；d：國家級別）和95%顯著性水平下變化趨勢（e：網格級別；f：國家級別）8.798.09。阿根廷、澳大利亞、加拿大80分以上，人均耕地占有量較高。按現有趨勢估計，全球約29.50%2030年可以達到人均12000m2北美洲中部和北部以及南美洲的東南部；而39.21%的區(qū)域人均耕地面積呈減少趨勢，主要為印度、非洲部分2015—2022SDG分區(qū)耕地面積總量總體上呈現逐漸增加的趨勢，但大部分區(qū)域人均耕地面積逐漸減少（圖4.5）。就耕地面積而言，2015—2022

年，拉丁美洲和加勒比地區(qū)的耕地面積增加趨勢明顯，幫助滿足日益增加的人口對糧食的需求；中亞和南亞以及北美洲地區(qū)的耕地面積增加趨勢也較為明顯。就人均2015—2022SDG分區(qū)都出現了人均耕地面積的下滑。2015—2022年，澳大利亞和新西蘭地區(qū)人均耕地面積在所有SDG8.21~8.66hm2/南非洲、拉丁美洲和加勒比地區(qū)的人均耕地面積在所有SDG分區(qū)中排名靠后，均值分別為1.63hm2/1.72hm2/人。澳大利亞和新西蘭大洋洲

拉丁美洲和加勒比地區(qū)歐洲

中亞和南亞 東亞和東南

北非和西亞

撒哈拉以南非洲

北美洲(b)?? ?.???m）???km）? -?.?? -?.?? -?.?-????? ???? ???? ???? ???? ???? ???? 年份

-?.????? ???? ???? ???? 年份

???? ???? ????圖4.52015—2022年各SDG分區(qū)耕地與人均耕地總面積變化統(tǒng)計水資源（SDG6）SDG6的核心目標是到2030年“確保人人享有并可持續(xù)管理水與衛(wèi)生設施”。這一目標不僅是維護人類基本生存權的基石，也是維護全球生態(tài)平衡、促進社會經濟可持續(xù)發(fā)展的關鍵支柱。水作為生命之源，其分配和利用的平衡與糧食安全、公共衛(wèi)生、生態(tài)系統(tǒng)恢復力等諸多全球性問題直接相關。然而，當前全球水資源分布和利用處在困境之中，一些地區(qū)面臨嚴峻的水資源短缺挑戰(zhàn)，另一些地區(qū)則深陷水環(huán)境污染的泥潭。這種難題隨著氣候變化和人口增長而不斷加劇。傳統(tǒng)的水資源統(tǒng)計方法存在時效性差、空間覆蓋面不足、更新頻率低等問題，難以準確反映各

區(qū)域水資源利用狀況和生態(tài)系統(tǒng)狀況。缺乏科學依據為制定有針對性的治理戰(zhàn)略提供支撐，這嚴重阻礙了SDG6的推進。針對這一困境，本報告基于多源衛(wèi)星遙感和地球大數據，開展了全球尺度提高用水效率（SDG6.4.1）和保護與恢復水相關生態(tài)系統(tǒng)（SDG6.6.1）兩項指標的監(jiān)測與評估體系。該體系突破了傳統(tǒng)統(tǒng)計數據在空間和時間上的局限，實現了全球水資源和水生態(tài)系統(tǒng)動態(tài)的高時效性和高分辨率監(jiān)測，定量刻畫了2015年以來全球農業(yè)水分利用效率、濕地覆蓋面積和地下水儲量的時空變化規(guī)律。2929農田水分利用效率（農田水分利用效率（SDG6.4.1）農田水分利用效率指單位水量所生產的生物物質產量或經濟價值，一般以總初級生產力（GrossPrimaryProductivity,GPP）與蒸散耗水（Evapotranspiration,ET）的比值或者凈初級生產力NetPrimaryProductivity,NPP）與蒸散耗水的比值等形式表達[4-5]以往，農田水分利用效率大多基于站點尺度，或者基于

統(tǒng)計數據評估，在時空覆蓋范圍、時效性及更新頻率等方面存在欠缺，不能很好地反映大區(qū)域農田水分利用效[6]速、大范圍地估算區(qū)域農田產出和耗水提供了有力的技術支撐?；谶b感技術結合地面站點的農田水分利用效率評估方法在時空覆蓋范圍、時效性及更新頻率等方面 圖4.62015—2023年農田水分利用效率增長的現狀得分（a：網格級；b：國家級）、進展趨勢（c：網格級；d：國家級）和95%顯著性水平下變化趨勢（e：網格級；f：國家級）C/kgH?.?C/kgH?.??.??.??.??.???.??.??.?

全球 熱帶

干旱半干旱區(qū) 寒帶

溫帶區(qū)

C/kgHC/kgH?.???.??.??

雨養(yǎng)農田 灌溉農田????????????????????????????????????年份

?????????????????????????????????????年份4.72015—2023年際變化

圖4.82015—2023年全球灌溉和雨養(yǎng)農田水分利用效率變化圖優(yōu)于基于統(tǒng)計數據和站點觀測的評估方法。2015—2023年農田用水效率增長的現狀得分、進展趨勢和95%顯著性水平變化如圖4.6所示。2015—2023年，全球農田水分利用效率的增長平42.802030年水分利用效率達到2015年1.515.27%的農田區(qū)域預期可以實現（4.6c）。2015—2023年，全球農田水分（但顯著性水平不高（年際波動）。國別尺度來看，僅有中國、蒙古、沙特、南非、印度等少數國家的增長通過95%48.04%的農田區(qū)域，水分利用效率呈下降趨勢，主要集中在美洲、南美洲南部、中亞及非洲部分區(qū)域。從氣候分區(qū)來看，2015—2023年間，熱帶地區(qū)農田水分利用效率增幅最大，達到5.31%，干旱和半干旱地區(qū)次之，增幅為2.05%；溫帶區(qū)和寒帶區(qū)略有降低，分別為-1.12%和-2.26%（圖4.7）。

從雨養(yǎng)和灌溉農田來看，2015—2023年間，灌溉農田水分利用效率提升幅度略大于雨養(yǎng)農田，前者提升4.68%，后者僅微弱提升0.12%）（圖4.8）。灌溉農田的凈初級生產力增幅和農田蒸散發(fā)量增幅均高于雨養(yǎng)農田，且其凈初級生產力增幅高于農田蒸散發(fā)量增幅，因此其水分利用效率增幅高于雨養(yǎng)農田。全球農田水分利用的效率提高，主要得益于農業(yè)科技進步、農業(yè)基礎設施條件的大幅改善，以及節(jié)水灌溉技術應用和農業(yè)用水管理水平的提升，因此建議水分利（非洲西北部等），加大對農業(yè)科技研發(fā)和農業(yè)基礎設施建設等的投入，以此提高農田水分利用效率，促進水資源可持續(xù)利用。此外，在氣候變化的大背景下，全球不同地區(qū)農田水分利用效率對氣候變化的響應不盡相同。對于因氣候變化導致農田水分利用效率降低的地區(qū)，建議因地制宜地制定并落實應對措施，最大程度地降低氣候變化帶來的負面效應。濕地覆蓋（濕地覆蓋（SDG6.6.1）濕地常被稱為“地球之腎”，是至關重要的生態(tài)系統(tǒng)，具有凈化水源、緩解洪澇和干旱、固碳及維持豐富的生物多樣性等功能。然而，這些至關重要的區(qū)域正在以驚人的速度退化。包括UNEP發(fā)布的《2024年全球資源展望》（GlobalResourcesOutlook2024）在內的最新評估證實，濕地的消失速度是森林的三倍——這場危機是由農業(yè)擴張、城市化和氣候變化的復合壓力所共同驅動的。濕地準確及時的監(jiān)測不僅僅是一項科學任務，而是一項全球緊急任務。傳統(tǒng)的地面監(jiān)測方法無法為有效應對提供一致性、大規(guī)模的數據支撐，難以滿足全球層面的監(jiān)測與保護需求。為了應對這一挑戰(zhàn)，本研究提供了突破性的解決方30m(GWL_FCS30D)，該數據集通過將多源遙感數據與生態(tài)知識相30m分辨率繪制隨時間變化的濕地動態(tài)圖，從而超越了簡單的制圖。通過提供必要的高分辨率時間序列證據，幫助政策制定者精準定位濕地喪失的驅

動因素，明確恢復工作的目標，同時敦促利益相關者主動承擔起保護重要生態(tài)系統(tǒng)的責任。GWL_FCS30D是將SDG6.6.1從目標轉化為可衡量的實際行動的重要工具。80.110.8%203080.53分（80.21分（79.25分）及中亞和南亞（78.54分）相對較低（4.9）。從時間變化來看，全球濕地總面積變化呈現出階段性的動態(tài)特征，總體表現為前期波動增長而2020年后2015—2022年觀測期內的統(tǒng)計結果呈（剩余濕地總面積則呈現略微減少的態(tài)勢，凈減少面積約2.37km2。這一反差凸顯了全球濕地系統(tǒng)變化的復雜性。 圖4.92015—2022年濕地覆蓋面積變化的現狀評分（a：網格級別；b：國家級別）、進展趨勢（c：網格級別；d：國家級別）和95%顯著性水平下變化趨勢（e：網格級別；f：國家級別）灘涂 鹽?

鹽堿地

河灘、湖灘

禾本沼澤

木本沼澤

永久性水體???km??km）??-?-????? ???? ???? ???? ???? ???? ???? 年份圖4.10全球不同類型濕地相對于2015年變化趨勢圖全球氣候變暖導致的冰川融化、積極的濕地保護政策、水利設施的修建等正向增加了全球濕地面積，但是因農業(yè)灌溉和其他人類活動導致的濕地面積減少依然嚴峻。具體而言，在全球變暖的大背景下，冰川融化導致了高原濕地面積迅速增加，以中國青藏高原地區(qū)為例，濕地總面積增加約0.88km2，平均增速為0.13km2/a0.70km2

西非和阿根廷等部分區(qū)域受農業(yè)灌溉和其他人類活動的影響，濕地面積出現了一定程度的下降，凈減少面積約為0.36萬km2。同時，全球濕地面積的動態(tài)變化呈現出復雜的區(qū)域分異特征。在青藏高原等地區(qū)，冰川融水補給顯著增加了濕地斑塊數量，但新形成的濕地生態(tài)系統(tǒng)的結構和功能尚未穩(wěn)定；與此同時，熱帶亞熱帶區(qū)域受大規(guī)模農業(yè)因此，結合區(qū)域特點和經濟發(fā)展水平，科學合理制定濕SDG6.6.1實現的重要舉措。地下水儲量（地下水儲量（SDG6.6.1）地下水對于提供清潔飲用水和衛(wèi)生服務至關重要。25億人完全依賴地下水滿足日常需求。確保2030SDG6所要求的“人人享有安全和負擔得起的飲用水”目標SDGsSDG6.6.1指標的重要內容。但由于地下水觀測井數量不足、分布不均，使得全球尺度的地下水儲量變化監(jiān)測仍然面臨挑戰(zhàn)。重力恢復與氣候實驗（Gravity

RecoveryandClimateExperiment，GRACE）重力衛(wèi)星雖然可以實現大尺度陸地水儲量變化監(jiān)測，但在反映較小尺度的地下水儲量變化時仍然存在分辨率低、信號泄漏誤差等不足。針對這些問題，本研究結合GRACE重力衛(wèi)星數據和高分辨率模型數據反演了全球地下水儲量變化情況。76.9358.72%2030 圖4.112015—2023年地下水儲量變化的現狀評分（a：網格級別；b：國家級別）、進展趨勢（c：網格級別；d：國家級別）和95%顯著性水平下變化趨勢（e：網格級別；f：國家級別）現“人人享有安全和負擔得起的飲用水”目標。2015—20232030年實現所需增長率的50%，但仍未達到理想水平。北非和西亞、中亞和南亞、北美洲地區(qū)分數停滯不2030年目標存在顯著挑戰(zhàn)。2015—2023年，全球地下水儲量變化速率為-20km3/a。雖然全球平均的變化速率較為溫和，但區(qū)域差異明顯（圖4.12）。在全球陸地范圍內，約有19%的區(qū)域呈現顯著（P<0.05）減少趨勢，相應減少速率達251km3/a；同時，約18%的區(qū)域呈現顯著增加，增加

速率為235km3/a。亞洲、北美洲、澳大利亞和新西蘭地下水儲量呈現減少趨勢，減少的速率分別為84km3/a、36km3/a、4km3/a；歐洲、非洲和南美洲地下水儲量呈增加趨勢，增加的速率分別為6km3/a、99km3/akm3/a。地下水儲量與降水量變化趨勢一致（即同增或同減）57%，這表明在全球多數區(qū)域，地下水儲量變化與降水量變化之間存在普遍的一致性。但是，在印度西北部、巴西高原北部等占全17%的陸地區(qū)域，表現出“降水增加而地下水減少”的特征，這些地區(qū)想要實現可持續(xù)的地下水開發(fā)利用，需要采取更為嚴格的地下水資源管理措施。圖4.122015—2023年全球地下水儲量變化速率空間分布能源（SDG7）到2030年確保所有人獲得可負擔、可靠、可持續(xù)的現代能源是SDG7經濟適用的清潔能源的核心目標。然而，在全球氣候變化背景下，能源系統(tǒng)正面臨雙重挑戰(zhàn)：一方面，全球仍有6.66億人無法獲得電力服務，且不同地區(qū)能源可及性進展不均衡；另一方面，全球能源效率年均提升速率僅為1.4%，遠低于2.6%的年均目標要求[8]。實現精準動態(tài)監(jiān)測是加速全球SDG7進展的關鍵，然而傳統(tǒng)統(tǒng)計調查方法存在時效性低、數據缺失和非空間化等局限。通過整合多源衛(wèi)星遙感數據，本研究構建了覆蓋全球的建筑通電狀況（SDG7.1）和工業(yè)

熱源分布（SDG7.3）的動態(tài)監(jiān)測體系，為解決這些問題提供了新方法。該體系基于全球統(tǒng)一的方法標準，可500m空間分辨率的建筑通電狀況和工業(yè)熱源[9]狀況監(jiān)測可為電網擴建和離網能源部署提供精準的決策依據；熱紅外遙感技術可有效監(jiān)測工業(yè)熱源數量，為能效改造提供靶向指導。該方法不僅彌補了傳統(tǒng)統(tǒng)計調查方法的不足，更能及時評估極端氣候事件對能源系統(tǒng)的影響，為各國制定差異化的能源政策提供科學支撐。3636建筑通電狀況（建筑通電狀況（SDG7.1）建筑通電率是指一個國家中通電的建筑面積占該國總建筑面積的比例，是反映電力普及程度的SDG7指[10-11]，及時準確地獲取空間化的通電率數據可以幫助各國政府及相關政策制定者了解電力短缺區(qū)域的空間分SDG7.1具有重要意義。目前，基于傳統(tǒng)統(tǒng)計調查方法的全球通電率數據存在數據更新不及時、非空間化、不同國家間數據可比性差、部分發(fā)展中國家數據缺失等問題。遙感具備全球性、周期性、長時序獲取數據的特點，利用遙感技術來監(jiān)測全球SDGs目標進程，已成為近年來的熱點方向之一?；趨^(qū)域閾值法結合全球土地覆蓋、建成區(qū)，以及最大值和中值合成的年度國家極地軌道衛(wèi)星計劃可見光和紅外成像輻（NationalPolar-orbitingPartnership/VisibleInfraredImagingRadiometerSuite夜光等遙感數據，可實現從城市、鄉(xiāng)鎮(zhèn)、農村等多個尺度監(jiān)測全球建筑的通電狀況。2015—2023年，全球建筑通電狀況格網與國別顆粒度狀態(tài)得分與進展趨勢結果如圖4.13所示。

202391.8%，未通電建筑面積主要分布在撒哈拉以南非洲和農村地區(qū)。2023年，全球未通電建筑面積135.13km2，其中未2070%分布在撒哈拉以南非洲（4.13）。最不發(fā)達國家（LeastDevelopedCountries，LDCs）、內陸發(fā)展中國家（LandlockedDevelopingCountries，LLDCs）和小島嶼發(fā)展中國家（SmallIslandDevelopingStates，SIDS）的未通電建筑面積占比分別為44.10%37.46%和29.96%農村在未通電建筑面積中的占比分別為0.05%、1.63%98.32%，未通電建筑主要分布在發(fā)展中國家的農村地區(qū)，這些地區(qū)是實現全球電力可及目標的關鍵。2015—2023年，全球通電建筑面積占比年平均增20301.07%，且地區(qū)差異和城鄉(xiāng)差異顯著。2015—2023年，全球通電建筑面積增加了135.69km2。全球新增建筑面積78.16km2，新增建筑未通電面積占比為26.18%； 圖4.132023年建筑通電率的現狀評分（a：格網級別；b：國家級別），以及2015—2023年的進展趨勢（c：格網級別；d：國家級別）和95%顯著性水平下變化趨勢（e：格網級別；f：國家級別）原有建筑通電狀況有所改善，未通電建筑面積占比從12.14%下降到7.23%0.26%0.12%1.85%下降1.03%，農村未通電建筑面積占比從14.15%下降到9.55%（4.14）。農村通電建筑面積占比增速高于城市和鄉(xiāng)鎮(zhèn)（以下統(tǒng)稱城鎮(zhèn)）。北美、西歐、澳大利亞及東亞等較發(fā)達經濟體已提前達標，巴西、印度等新興經濟體加速改善（>5%）。然而，阿富汗、利比里亞等國家雖增速達2.1%，但因基礎薄弱，仍處“追趕區(qū)間”。巴基斯坦、撒哈拉以南非洲、委內瑞拉等國家和地區(qū)則陷入停滯。愛沙尼亞、西撒哈拉等地區(qū)甚至逆勢下跌。COVID-9大流行、極端氣候事件和武裝沖突嚴

2015—2017年均超30%，2016年達46.34%；埃塞俄比亞南部沖突則造成該地區(qū)未通電建筑面積占比從2021年的17.95%上升至2022年的23.53%。電站建設和投運顯著改善了全球部分地區(qū)的供電狀202070109124個其201221.03%202311.85%2030年實現全球全民電力覆蓋的目標，需在電力供應脆弱的發(fā)展中國家加快區(qū)域電網互聯和可再生能源項目投資與建設，以增強電力系統(tǒng)抗干擾能力，推動能源轉型和區(qū)域經濟發(fā)展，為可持續(xù)發(fā)展奠定基礎。筑 筑 鎮(zhèn) 村 市 鎮(zhèn)重阻礙了全球電氣化進程。新冠疫情期間，全球城鎮(zhèn)未0.36%，其中農村地區(qū)增幅為4.15倍。撒哈拉以南非洲、美拉尼西亞、密克羅尼西亞、北歐、南亞和東南亞的未通電建筑面積占比分別增