社会-生态整合视角下的中国城市边界精准制图方法创新

针对传统城市边界制图中生物物理与社会经济属性割裂导致的精度不足问题，本研究提出融合不透水面比例(ISP)与行政中心连通性的社会-生态整合方法，构建中国城市边界(CUB)。通过1×1 km网格自适应阈值分类，使乡镇和村庄识别准确率分别提升15%和17%，为城乡社会-生态系统研究提供高精度空间框架。

　　

论文解读

在快速城市化的浪潮中，中国正面临城乡边界模糊带来的双重挑战：一方面，统计部门基于行政单元划分的城乡边界难以反映实际建成区范围；另一方面，遥感影像识别的城市区域常将高不透水面比例的村庄误判为城市，或遗漏工业区等低人口密度功能区。这种生物物理属性（如不透水面比例ISP）与社会经济属性（如人口密度）的割裂，导致现有城市边界产品如全球城市边界(GUB)和欧洲城镇化度分类(DEGURBA)在乡镇识别和村庄排除上存在显著误差，阻碍了社会-生态复合系统的整合研究。

为解决这一难题，来自中国科学院等机构的研究团队在《Applied Geography》发表研究，创新性地将POI（兴趣点）数据与遥感特征相结合，开发了自适应阈值分类算法。研究以中国复杂地形下1×1 km网格为单元，通过三个关键步骤实现突破：首先利用行政办公建筑POI（NAOB/TAOB）定位训练样本，建立地级市尺度的ISP动态阈值；随后融合ISP阈值与行政中心空间连通性进行网格分类；最终生成中国首个兼顾生物物理与社会经济属性的高精度城市边界(CUB)。

关键技术方法
研究整合多源数据：1）基于30 m分辨率不透水面数据计算网格ISP；2）调用全国行政办公POI构建空间连通网络；3）采用随机采样验证分类精度。特别针对中国行政区划特点，通过地级市单元的自适应阈值优化，解决了东西部ISP分布不均带来的分类偏差问题。

研究结果

1. 精度验证：CUB对乡镇的识别准确率达83.13%，较GUB和DEGURBA提升15-17%，成功排除四川盆地等区域被误标的密集村庄。
2. 创新优势：自适应ISP阈值克服了传统固定阈值在西部低密度建成区的失效问题；行政连通性指标有效识别了东莞等"非中心"工业城市。
3. 应用价值：CUB与统计单元98.61%的匹配度，首次实现遥感数据与人口经济统计的空间对齐。

结论与意义
该研究突破性地将Li et al.(2020)提出的ISP指标与Dawazhaxi et al.(2024)的城乡连续体理论相结合，创建了可支持多源数据整合的分析框架。CUB不仅为评估城市热岛效应等生态环境问题提供精准边界，其"社会-生态双属性"分类逻辑更推动了城镇化研究范式转变。正如Steward T.A. Pickett在讨论部分强调的，这种方法尤其适用于中国等行政层级复杂的发展中国家，为可持续发展目标(SDGs)的本地化评估奠定空间基础。研究团队特别指出，未来可进一步纳入夜间灯光数据等动态指标，持续优化边界时空精度。