1990-2022年全球网格化人均GDP（PPP）降尺度数据集：高精度社会经济分析的新基准

研究人员针对全球现有GDP数据集空间分辨率低、时间范围有限的问题，开发了首个覆盖1990-2022年的admin 2级（43,501个单元）人均GDP（PPP）降尺度数据集。通过机器学习算法（R2=0.80）整合89国2,708个行政单元数据，实现Pearson R=0.88的预测精度，为气候变化风险评估、经济韧性研究等提供高时空分辨率基础数据。

　　

在全球气候变化与可持续发展研究日益深入的背景下，传统国家级GDP数据难以捕捉区域经济异质性，导致风险评估存在偏差。现有数据集如Kummu等2015年版本仅覆盖至2010年，Wang等2005年单年数据更无法满足长期趋势分析需求。这种数据缺口严重制约了气候变化经济损失量化、城市发展评估等关键研究。

来自芬兰阿尔托大学（Aalto University）的Matti Kummu团队在《Scientific Data》发表研究，构建了1990-2022年全球首个人均GDP（PPP）admin 2级降尺度数据集。该研究创新性地采用三重技术路径：（1）基于地理邻近性的国家级GDP数据插补方法，突破传统区域趋势外推局限；（2）开发"subnational GDP ratio"算法，实现89国2,708个admin 1单元多源数据标准化整合；（3）运用增强集成树模型（152个学习器，学习率0.07），结合城市化水平、城市通达时间等变量实现admin 2级降尺度，测试集R²达0.80。

研究结果部分显示：

1. 数据覆盖突破：将admin 1级报告数据从2010年扩展至2021年，新增1,159个行政单元，非洲以外区域覆盖率提升37%。

2. 模型性能验证：如图3所示，集成树模型预测误差（RMSE）在欧美地区<0.15，显著优于支持向量回归（SVR）等对照模型。

3. 时空精度优势：如图8所示，30 arc-sec网格化产品可清晰识别东南亚城市群经济梯度，较传统admin 1级数据空间分辨率提升20倍。

该研究的核心价值在于：首次实现全球GDP数据"三级联动"——admin 0级（237国）报告数据、admin 1级（2,708单元）插补数据与admin 2级（43,501单元）预测数据的无缝衔接。如图11所示，降尺度数据与国家统计值相关性达1（p<0.001），为《巴黎协定》损失损害基金分配、SDGs区域进展评估等提供基准工具。研究特别强调：通过GHS-POP人口数据加权（图12），确保经济总量与人口分布的空间一致性，这一技术路径被证明在小型岛国数据重建中具有特殊优势。

值得注意的是，团队在Zenodo开源了全部代码与5 arc-min网格数据（图9），其30 arc-min产品已成功应用于拉美地区极端气候经济损失评估。正如讨论部分指出，该数据集存在的0.25-0.3 RMSE误差（图7）主要集中于行政边界频繁变更区域，未来可通过动态admin单元匹配算法进一步优化。这项研究标志着社会经济数据与地球系统科学的深度整合迈入新阶段。