《Frontiers in Sustainable Food Systems》：Making inequities visible: a call for participatory food system dashboards for SDG monitoring
编辑推荐：
引言：城市处于应对粮食不安全、营养不公平和食品系统可持续性等相互关联挑战的前沿。联合国2030年可持续发展议程呼吁采用稳健的、基于科学的指标来监测实现可持续发展目标（Sustainable Development Goals, SDGs）的进展，然而市政府常缺
引言：城市处于应对粮食不安全、营养不公平和食品系统可持续性等相互关联挑战的前沿。联合国2030年可持续发展议程呼吁采用稳健的、基于科学的指标来监测实现可持续发展目标（Sustainable Development Goals, SDGs）的进展，然而市政府常缺乏定制工具，以在解决公平差距所需的分层水平上追踪食品系统绩效。
方法：本文记录了纽约州开发的两个原型食品公平仪表盘及其洞见：纽约市食品环境公平仪表盘（Food Environment Equity Dashboard NYC, FEED-NYC）和长岛East End食品公平仪表盘（East End of Long Island Food Equity Dashboard）。采用混合方法、基于实践的设计，研究人员将传统行政数据集与新数据源整合，包括网络抓取的食品杂货价格、来自在线商店评论的消费者情绪、匿名流动性数据、基于应用程序的食品储藏室预约数据，以及通过服务组织调查和访谈收集的社区叙事。指标通过涉及社区组织、服务提供者和政府利益相关者的参与式共同设计过程进行选择和细化，并实施为交互式可视化。
结果：仪表盘突出了对食品获取和保障差异的关键洞见，包括学生贫困水平相当的学校之间学校餐参与率不同、社区区之间估计的补充营养援助计划（Supplemental Nutrition Assistance Program, SNAP）资格与注册之间存在差距、紧急食品获取的空间和时间差距，以及基本食品杂货价格在社区层面的显著变异。社区叙事表明未满足需求水平高于公开可用统计数据所反映的水平。将指标回溯映射到SDG框架显示与SDG 1、2、3、4、10、11和17一致，并识别出当前指标框架未充分捕获的地方食品公平维度。
讨论：仪表盘表明，市政食品系统监测如何能够超越静态指标，纳入社区知识，提供交互式探索能力，并扩大基于证据的决策机会。研究人员的发现提示，城市在监测进展和推进联合国SDGs方面均处于有利位置，可通过优先考虑公平、社区参与和对食品获取的系统性理解的食品系统指标可视化实现。
论文主体解读
一、研究背景
城市处于应对粮食不安全、营养不公平和食品系统向环境更可持续、更健康、社会更公正未来转型的前沿。联合国2030年可持续发展议程要求以稳健、科学指标监测可持续发展目标（Sustainable Development Goals, SDGs）进展，但市政府常缺乏定制工具，在识别和解决公平差距所需的分层水平上追踪食品系统表现。SDG本地化与自愿地方审查（Voluntary Local Review, VLR）强调地方和区域政府将全球目标转化为基于地方的监测系统，但开发足够细粒度、政策相关且跨部门整合的指标仍面临持续挑战。米兰城市食品政策公约（Milan Urban Food Policy Pact, MUFPP）和食品系统仪表盘（Food Systems Dashboard）推进了国家与城市尺度指标，但多数现有仪表盘范围有限、主要关注国家均值，未充分整合按种族、收入、移民身份或社区背景反映差异的指标。对城市仪表盘的批判分析显示，其倾向偏重定量测量；食品系统仪表盘多由专家小组设计，地方利益相关者参与少。文献多关注数据本身及对政策、项目、治理的潜在影响，较少关注指标选择过程、如何用数据提出问题和形成新因果理论、不同利益相关者如何共同生产反映生活经验和地方背景的指标。因此，研究人员开展两个原型食品公平仪表盘：FEED-NYC和East End of Long Island Food Equity Dashboard，作为共享参与式、公平导向仪表盘方法在两个对比食品政策环境中的关联应用。研究问题为：如何整合传统和新数据源以公平视角监测SDG相关指标；需要什么过程和伙伴关系共同生产仪表盘；指标与UN SDG指标框架如何一致、扩展或分歧。
二、关键技术方法
研究采用混合方法、实践导向设计，案例为FEED-NYC与East End仪表盘。数据来源包括行政数据（NYC Department of Education、NYC Human Resources Administration、American Community Survey (ACS)、Hunger Free America、Long Island Cares、Plentiful、Feeding America、New York State Education Department等）与新数据源（网页抓取杂货价格、Google评论情绪、SafeGraph匿名GPS流动性、Plentiful食品储藏室预约/利用、调查与访谈叙事）。East End与All for the East End (AFTEE)合作，便利抽样17家在线价格超市并构建六项食物篮；向37家前线服务组织发放问卷，20家完成（54.1%），其中10家访谈。指标经参与式共同设计、Tableau Public可视化、Google Sites呈现，采用描述统计与主题编码。
三、研究结果
3.1 仪表盘概况与关键指标：两个仪表盘整合超过15个不同数据集，Long Island整合定量与定性社区洞见，支持社区、普查区、社区区多尺度地理可视化，并含时间维度。NYC覆盖五个行政区，按社区区和人口特征分解，整合学校食品、SNAP、紧急食品获取和社区食品可负担性；East End聚焦五个镇：East Hampton、Riverhead、Shelter Island、Southampton、Southold，整合农业旅游经济、贫困可视化、农村交通挑战和社区叙事。通过利益相关者现场测试和主要数据收集验证。
3.2 过程浮现的问题：公平维度与获取洞见。3.2.1 学校餐参与差异：尽管纽约市近十年前采用普遍免费学校餐，学校早餐和午餐参与率在全市及同社区学校间显著不同，即使考虑学生贫困率；说明需理解参与差异原因，并倡导低参与学校改善。3.2.2 SNAP注册与资格差距：基于ACS收入阈值估计有资格家庭中，SNAP参与在各社区区不均匀；PAI显示一些社区注册不到估计符合资格者一半，提示定向外展机会。3.2.3 紧急食品获取模式：NYC食品储藏室使用数据显示许多人跨ZIP code获取紧急食品，即使附近有储藏室；食品偏好和有限服务时间可解释。East End有32个食品储藏室，空间分布和服务时间不均，仅11个每周开放超过3天，仅10个下午5点后开放。3.2.4 社区食品可负担性与价格差异：同一大型独立超市连锁在NYC各店相同食品价格差异大；一些食品不安全率高社区租金负担和食品价格均高；跨不同杂货连锁和地区价格差异大。
3.3 传统与新数据整合：传统数据提供基础人口和项目数据、可靠基线、纵向分析、政策合规监测和跨辖区比较。新数据源有价值：网页抓取价格发现同一连锁内和社区间基本食品价格差异；Google评论情绪按连锁和地点变化；SafeGraph匿名GPS分析购物旅行模式；Plentiful app分析客户访问哪些食品储藏室及旅行距离。
3.4 可视化方法：社区洞见与叙事整合：Long Island仪表盘特色是定性社区洞见与定量数据并置。社区洞见标签总结调查访谈输入，相关引文嵌入所有主题仪表盘及五镇总结标签，解决官方统计与前线提供者未满足需求估计之间差距，后者一致高于公开数据。
3.5 交互特征与跨系统分析：静态和交互元素结合，支持地理和人口过滤、多尺度空间分析、时间趋势可视化、跨系统分析和叠加功能。例如FEED-NYC可查看2019—2021年SNAP PAI变化；食品储藏室开放时间和旅行模式可视化，SNAP仪表盘促进定向外展反思，租金负担图层引发住房政策与食品预算关系问题。
3.6 与SDGs一致：SDGs最初未作为标签或导航框架。3.6.1 一致领域：与SDG 2零饥饿、SDG 10减少不平等、SDG 11可持续城市和社区、SDG 17伙伴关系相一致，并涉及SDG 1、3、4。3.6.2 扩展SDG框架的差距与机会：叙事和定性指标重要但当前SDG框架有限；非食品系统和人口社会经济特征可叠加；上游因素如住房成本、交通、工作日程在传统食品保障监测外；社区定义指标如文化适宜性、服务尊严、社区对食品资源所有权未被充分反映；当前SDG监测常分别处理不平等，而仪表盘展示多重边缘化交互影响食品获取。
四、讨论与结论
讨论部分指出，城市已有数据资源和机构能力开发地方食品系统监测工具，可推进SDG实施。整合传统行政数据和新数据源可更细致理解食品系统表现并支持定向政策。参与式开发确保反映利益相关者优先事项和官方数据不可见知识。两个试点表明地方和区域监测可超越静态指标，纳入社区知识、交互探索和支持循证决策。未来可加元数据层映射指标到SDG目标。经验包括：多尺度分析重要；新数据源如移动应用、网络评论、流动性数据有价值，但可能因隐私法规或平台变化不可持续；定量与定性社区洞见结合更丰富；社区组织数据常因分析能力有限而孤立；生活经验数据对理解定量模式和确定干预优先事项必要；仍存在未记录移民等脆弱人群缺口。大学研究人员既是召集者/促进者又是技术研究伙伴，非中立观察者，需反身性。跨部门合作需持续关系建设和机构承诺，可持续维护需技术支持、数据管理和利益相关者参与。政策上，城市政府应定向外展，利用空间分析识别福利项目注册不足地区；理解食品储藏室旅行模式和食品成本变化可改善紧急食品服务协调；整合食品系统各组成部分支持协调应对。AI辅助方法可能支持大型定性数据集组织或识别模式，但应补充而非替代研究者解释。可及性和语言可及性应作为核心设计考虑，但原型未系统评估正式标准或多语言。因是原型，不声称测量因果效应。结论翻译如下：本文所呈现的应用型仪表盘开发研究证明，城市有能力通过地方相关、面向公平的食品系统指标，加强联合国SDGs的监测与进展。纽约市和East End食品公平仪表盘的开发表明，大学研究人员、政府利益相关者和社区伙伴如何协作创建监测工具，这些工具整合多样数据源、以公平为中心并支持循证决策。研究人员的经验还提示，大学伙伴可在碎片化数据系统中提供重要的召集、分析和技术能力，而这种中介角色要求对议程设定权力保持反身性，并对伙伴优先事项承担持续责任。两个试点仪表盘揭示了常规监测方法可能掩盖的食品系统公平维度，包括食品需求与食品援助之间的空间错配、距离之外因素在塑造食品获取中的重要性，以及更精准干预的机会。将社区知识与行政和新数据源整合，同时实现跨指标和地理的交互式探索，说明地方监测如何超越填补单个数据缺口，转向连接现有指标以支持更系统性理解和政策行动。尽管原型最初并非围绕SDGs组织，但其与SDG框架的回溯性比较表明，地方定义的指标如何通过增加地理、背景和公平相关特异性来补充全球监测。未来研究应在更多情境中测试和调整这些方法，开发系统化复制框架，并继续改进将社区知识与定量数据整合的方法。参与式、技术增强的食品系统监测的前景不仅在于更好的测量，还在于创建支持集体解释、问责和行动的数据基础设施，以促进更公平的食品系统。随着2030年SDGs截止日期临近，加强地方根基、社区参与的监测可促进更广泛努力，创建更公正、有韧性和可持续的城市食品系统。
