《Resources, Conservation and Recycling》：Uncovering the hidden resource cost of urbanization: A globally scalable open-source framework for urban housing vacancy monitoring
编辑推荐：
摘要快速城市化往往快于人口增长，造成巨大的资源低效利用。由于人口普查成本高昂且代理数据不精确，量化住房供给与实际居住率之间的结构性错配仍是全球性挑战。本文提出了一种全球可扩展、低成本的框架，将开源三维建筑数据与网格化人口数据相结合，以监测街区级城市住房空置率（HVR）。将该框
摘要
快速城市化往往快于人口增长，造成巨大的资源低效利用。由于人口普查成本高昂且代理数据不精确，量化住房供给与实际居住率之间的结构性错配仍是全球性挑战。本文提出了一种全球可扩展、低成本的框架，将开源三维建筑数据与网格化人口数据相结合，以监测街区级城市住房空置率（HVR）。将该框架应用于中国，我们制作了首个覆盖2813个空间城市的高分辨率全国空置率地图，揭示平均HVR为23.46%。这相当于7700万套空置住房单元和108亿平方米的未利用建筑面积。我们的街区级分析进一步揭示了显著的城市内部异质性，包括系统性的中心-外围居住率梯度和住房供给与常住人口之间的局部错配。通过互补一致性、分类和外部一致性评估，这一开源工具使各国能够监测住房资源（SDG 11），减少隐含碳浪费，并支持基于证据的可持续发展。
引言
在加速的气候危机中，城市扩张和建筑部门已成为关键战场（Zhang等，2026；Zhang等，2026），占全球能源相关碳排放的近40%（ürge-Vorsatz等，2020；UNEP，2022）。在该部门中，住房空置呈现出深刻的"资源悖论"：全球约11亿人生活在贫民窟中（联合国人居署，2022），而大量住房存量却无人居住（Aalbers，2016；?elik，2024；Molloy，2016）。这一现象超越了经济和社会关注，代表着多维度的环境失败。经济上，空置住房代表着数万亿美元的低效利用资本（Baker，2011；Aalbers，2019）和损失的房产税收入，并通过呈现供需失衡扭曲市场动态（Glaeser和Gyourko，2005；Glaeser等，2008）。社会方面，空置与社区衰退和犯罪率上升相关联（Spader等，2016；Chen和Rafail，2020；Morrison，2003；Branas等，2018），这一现象常由"破窗理论"解释（Windows，1982）。最关键的是，从环境角度来看，每一个空置单元都代表着巨大的隐含能源和材料消耗"沉没成本"（R?ck等，2023），具体而言，即为无功能结构释放的碳排放（Langevin等，2023）。这一现实揭示了联合国可持续发展目标（SDGs）中的显著裂痕：过剩存量与住房贫困并存，直接削弱了可持续城市和社区（SDG 11）的使命，而由此产生的隐含碳浪费则违反了负责任的消费（SDG 12）和气候行动（SDG 13）原则。因此，从资源效率的角度来看，其潜在的产权状态（如投资性住房、季节性住宅）无关紧要；任何物理空置的住房都是环境负担。
然而，我们缓解这种"混凝土负担"的能力受到全球数据鸿沟的严重制约（Mirza等，2021）。有效治理需要精确性，但住房空置仍是行星监测中的盲点。我们对195个国家的分析表明，73%的国家缺乏任何关于住房空置的官方普查数据（图1，补充表S1）。这一缺陷在快速城市化的全球南方最为严重，在那里，发展速度往往超过统计机构的能力（Wardrop等，2018）。即使是在少数收集此类数据的国家中，重大的方法和可及性挑战仍然存在。这些国家中的大多数仍依赖于传统方法，这些方法不仅成本高昂、劳动密集，而且更新频率极低，普查周期通常长达五到十年。此类方法无法捕捉快速变化的住房市场动态。更关键的是，现有数据的效用从根本上受到其粗糙颗粒度的限制。在发布此类信息的国家中，数据通常以较宽的空间分辨率进行汇总，如城市或普查区级别。这种粗糙的数据对于政策制定者进行有针对性的干预所需的城内洞察来说是不够的（Brelsford等，2017）。高分辨率数据的极度缺乏阻碍了有效的城市治理，并从根本上限制了基于证据的政策制定潜力（Espey等，2025）。
为绕过这些行政瓶颈，研究人员探索了各种代理数据源，但每种数据源都存在固有的局限性（图2，补充表S2）。例如，夜间灯光（NTL）数据（Li等，2019；Wang等，2019；Liu等，2023；Chen等，2015；Tan等，2020；Shi等，2022；Zhao等，2025；Du等，2018），尽管具有全球覆盖（Kyba等，2017），但根本受限，无法区分住宅照明与商业或公共照明（Chen等，2015；Ma等，2014）。公用事业消耗数据（如电力、用水），虽然是活动的直接指标（Akiyama等，2020；Zhao等，2025；Zou和Wang，2020；Kumagai等，2016），但由于严格的隐私和商业机密壁垒，对于大规模研究系统性地不可获取（Zhao等，2025）。同样，在线房地产平台存在严重的样本选择偏差（Zheng等，2025；Zou和Wang，2022），因为它们仅捕捉明确挂牌出售或出租的房产，而忽视了庞大的"隐性"空置库存，导致系统性低估。其他视觉来源如遥感（Zou和Wang，2020）或街景图像（Zou和Wang，2022；Zou和Wang，2021；Yue等，2022）在高层建筑环境中无效，因为在这些环境中单个单元的居住状态从外部无法观察。最后，移动信令数据和基于位置的服务（LBS）数据等新兴来源虽然精确，但面临高昂的采购成本和复杂的商业合作，限制了其可扩展性和可重复性（Zhao等，2025）。简而言之，当前的城市监测框架仍缺乏可扩展、低成本和高分辨率的解决方案来审计住房空置。
为弥合这一差距，我们引入了一种全球可扩展、低成本且高精度的框架，使公众能够获取高精度城市诊断。超越传统代理变量的局限性，我们的方法协同了两类全球可用的开源数据：全面的三维建筑模型（用于量化住房供给）和高分辨率网格化人口数据（用于绘制住房需求）。通过在"自然街区"级别整合这些数据，我们实现了颗粒化的供需对齐，此前这只能通过劳动密集型实地调查来实现。
我们将该框架应用于中国城市，涵盖从低层聚居区到密集高层建筑的多样城市形态（Chen等，2018；Sun等，2020；Bai等，2014）。在财政分权下，地方政府对土地出让收入的依赖鼓励了土地供应、基础设施投资和新住房开发，有时超前于有效居住需求（Liu，2023；Tong等，2023；Yu和Zhou，2024）。这种供给主导和预售导向的开发模式，结合放缓的人口增长和不均衡的城市间人口迁移，可能导致住房建设与家庭形成之间的持续空间错配。最近的证据也显示，在住房竣工量超过人口增长以及土地可用性和财政压力创造更强住宅用地销售激励的地区，未使用住房更为普遍。因此，中国较高的HVR可能部分反映了土地财政驱动的城市扩张的遗留问题，而不仅仅是家庭层面的市场决策。
通过绘制2813个空间城市，我们制作了该国首份全国规模、街区级的住房空置率地图。这一高分辨率视角使我们能够超越宏观统计数据，揭示城市形态演变的潜在规律，区分市场驱动的密度梯度和规划导致的空间错配。通过与多个独立数据集进行验证，包括现场收集的Wi-Fi探针数据、地面实况视频数据、房地产平台上出租或出售房源数量以及搜索引擎的新闻报道，本研究提供了互补证据，同时量化了剩余的分歧和偏差。最终，本工作为各国提供了一套标准化、可负担的工具包，用于监测住房资源（SDG 11）和量化城市化的隐含环境成本，支持全球基于证据的可持续发展政策。
章节摘要
研究区域
为准确捕捉中国多样城市景观中的住房空置情况，本研究覆盖全国所有城市区域。由于中国的行政城市边界往往远超实际城市建成区范围，涵盖广阔农村地区，使用这些边界会严重扭曲城市统计。因此，本研究聚焦于"空间城市"，其定义为具有显著人口密度、高密度城市基础设施和
全国HVR宏观全景
我们将该框架应用于中国各城市区域。研究区域在城市规模和聚居形式上存在显著差异，范围从低层村庄和小镇到密集的高层城市区域。至关重要的是，为确保我们的指标反映功能性城市经济而非行政抽象，我们将分析限定在2813个"空间城市"（连续建成区≥5平方公里）内，从而过滤掉广阔农村腹地的稀释影响。
我们的
讨论
本研究通过完全基于开源数据构建的框架，首次对中国住房空置情况进行了全面、高分辨率评估。研究揭示全国平均城市住房空置率（HVR）为23.46%，对应中国超过7700万套空置住房单元。这一发现不仅量化了住房供给与实际居住需求之间的深刻错配，更重要的是，为住房
结论
通过整合开源三维建筑形态与高分辨率人口网格，本研究建立了一个全球可扩展的框架，弥合了住房空置监测中长期存在的数据鸿沟，使细粒度的城市诊断得以广泛应用，而不受传统普查局限或商业数据孤岛的约束。将该框架应用于中国庞大的城市系统进行严格压力测试，揭示了显著的全国住房空置率
作者贡献声明
Huimin Zhao：撰写-审阅与编辑，撰写-原创草稿，可视化，验证，监督，项目管理，方法论，调查，形式分析，数据整理。Yecheng Zhang：撰写-审阅与编辑，撰写-原创草稿，可视化，验证，方法论，形式分析，数据整理。Fangming Liu：撰写-审阅与编辑，撰写-原创草稿。Ke Wang：撰写-审阅与编辑，撰写-原创草稿，方法论。Ying Long：撰写-
利益冲突声明
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：
Ying Long报告获得中国国家自然科学基金的财务支持。如有其他作者，他们声明不存在任何可能影响本文所报告工作的已知竞争财务利益或个人关系。
Huimin Zhao|Yecheng Zhang|Fangming Liu|Ke Wang|Ying Long
