当前位置: 首页 > article >正文

【数据分享】基于联合国城市化程度框架的全球城市边界数据集(免费获取/Shp格式)

在全球城市化进程不断加快的今天,如何精准定义和测量“城市”成为关键问题。不同国家和机构采用不同的标准,导致全球城市化水平的统计结果存在较大差异。同时,由于数据来源分散、标准不统一,获取一套完整、可比的全球城市边界数据并不容易。

本次我们为大家分享的是基于2020年联合国城市化程度框架的全球城市边界数据集!本套数据采用全球统一定义,划定了 222 种情境下的 2020 年全球统一城市边界(GloPPRUA),为精准测量全球城市化水平提供了科学依据。

该成果由清华大学龙瀛教授团队研究完成,并于2024年6月21日发表在《iScience》期刊上,论文题为 Rethinking the country-level percentage of population residing in urban area with a global harmonized urban definition. 作者包括李文越、张业成、李梦醒、龙瀛。数据集结合五个全球人口数据集、六种城市总人口阈值和五种城市人口密度阈值,提供 222 种情境下的全球城市边界,并附带用于计算这些数据的GIS模型构建器,一并分享给大家!

大家可以在公众号回复关键词 639 免费获取该数据!无需转发文章,直接获取!以下为数据的详细介绍:

01 数据预览

这是一套包含222种情景下的全球城市边界数据,这里以数据集内的“POPuncons_1km_reclass1500final_country10000.shp”为例进行预览展示。该情景为,数据集:WorldPOP Uncons,阈值设置:人口密度大于1500人/平方公里、人口规模大于10000人。

如图所示的红色区域表示的是基于WorldPOP Uncons数据集统计,将一个高密度的网格单元集群中至少有10000名居民且每平方公里超过1500名居民的区域定义为城市区域,而生成的全球城市边界数据。另外还将长三角地区和珠三角地区做了放大处理。

另外,这套数据还提供了用于计算这些数据的 GIS 模型构建器,下图展示了部分工具箱的技术流程图。

02 数据说明

该数据集包含了五个全球人口数据集、六个城市总人口阈值和五个城市人口密度阈值这些配置下的222种情景下的全球城市边界,详细配置如下:

该论文将城市区域定义为人口集聚程度较高的地区,即通过相互关联的高人口密度网格单元进行一定规模的定居。(注:经济和生活方式的标准不包括在城市的定义中,因为这些很难在全球范围内进行协调。)

例如:文件内容包含的数据之一“GHS_1km_reclass200final_country1000.shp”表示的情景是:基于GHSpop 54全球人口数据集的统计,在将人口密度阈值设置为200、人口规模阈值设置为1000的情境下,获得的全球城市边界结果。即单个网格(1km×1km)的人口密度在200人以上,且相邻格网聚集人口规模达到1000人以上的,确定为城市(另有详细计算统计方法可见配套的GIS模型构建器)。

03 数据详情

数据来源:

该数据来源于figshare网站:https://figshare.com/articles/dataset/GloPPRUA-Global_harmonized_urban_definition_boundary_extent/28248101?file=52589888

数据格式:

Shp

数据年份:

2020年

地理坐标系:

GCS_WGS_1984

数据大小:

1.47GB(压缩包)/17.9GB(解压缩后)

空间范围:

全球

数据引用:

Li, Wenyue; Zhang, Yecheng; Li, Mengxing; Long, Ying (2025). GloPPRUA-Global Harmonized Urban Definition. figshare. Dataset. https://doi.org/10.6084/m9.figshare.28248101.v3

论文引用:

Li W, Zhang Y, Li M, Long Y. Rethinking the country-level percentage of population residing in urban area with a global harmonized urban definition. iScience. 2024 May 27;27(6):110125. doi: 10.1016/j.isci.2024.110125. PMID: 38904069; PMCID: PMC11186970.

如有数据使用需求请按照官方平台的要求进行引用,更多数据详情可以查看官网获悉!

03 数据获取

如有数据需求,欢迎点击下方名片链接,关注我们并咨询获取~


http://www.kler.cn/a/612916.html

相关文章:

  • 对匿名认证的理解
  • [Java微服务架构]7-2_事务处理——全局事务与共享事务
  • Python每日一题(7)
  • springboot 四层架构之间的关系整理笔记五
  • 怎样进行服务器的日常安全监控和审计?
  • uniapp用户登录及获取用户信息(头像昵称)
  • 全国职业技能大赛_网络安全_中职A模块解析
  • spring security的过滤器链
  • MySQL-事务与锁
  • skynet.crypt 使用详解
  • vllm+openwebui,玩转私有化AI
  • 蓝桥与力扣刷题(蓝桥 最少刷题数)
  • python力扣73.矩阵置零
  • 卷积神经网络输入通道和输出通道的确定
  • JVM 面经
  • 【vLLM 学习】快速入门
  • Windows .gitignore文件不生效的情况排查
  • 板端ros2 VM ubuntu 虚拟机之间通信
  • Java 基本数据类型 vs 包装类(引用数据类型)
  • flink 分组窗口聚合 与 窗口表值函数聚合 的区别