《Sustainability》：Using Geospatial Data to Monitor and Evaluate Local SDG Implementation: A Systematic Review
编辑推荐：
本系统综述考察了地理空间数据在地方化和优先化可持续发展目标（SDGs）方面的有用性，以及它们在地方层面的适用性。本研究回顾了147篇同行评审文章，识别出21个最重要的可持续发展目标，这些目标使用地理空间数据进行监测和基于证据的决策，加强了地方发展优先事项与SD
本系统综述考察了地理空间数据在地方化和优先化可持续发展目标（SDGs）方面的有用性，以及它们在地方层面的适用性。本研究回顾了147篇同行评审文章，识别出21个最重要的可持续发展目标，这些目标使用地理空间数据进行监测和基于证据的决策，加强了地方发展优先事项与SDGs之间的一致性，包括识别和优先化与地方背景最相关的SDG目标的困难。本研究旨在从文章语料库中提取和分析数据；评估研究的质量；识别主要主题和研究空白；并综合关于利用地理空间数据进行SDGs评估和监测的地方化知识。本研究分析了科学文献是否为解决与使用地理空间数据支持在治理系统基本尺度上评估SDGs过程相关的困难提供了可靠证据。研究方法被应用于将文章分类为七个类别，这些类别提出了在地方层面实施SDGs所需的一系列考虑因素。然后，研究人员描述了用于地方SDG评估和监测的地理空间数据类型、方法方法和分析技术。最后，研究人员将综合与在地方范围内使用地理空间数据进行SDG监测相关的贡献、限制和挑战。结果显示，在所审查的研究中，几乎所有地理空间数据都用于监测目的，而只有少数支持决策过程。这反映了地理空间数据在地方层面SDG治理中的使用非常有限。此外，SDG指标没有提供趋势，并且在城市尺度上分解数据时遇到了困难，特别是对于社会和经济SDGs。多策略方法，包括GeoAI和地理大数据，比单纯应用地理空间数据分析策略更能揭示目标地区SDG绩效的好坏。本研究的发现将有助于不断增长的可持续发展目标知识体系，并为从业者在实施大型地区（如市和城市）的可持续发展目标时提供从地理空间数据中提取的有用信息和实践指导。
本研究系统综述了地理空间数据在地方层面评估和监测可持续发展目标（SDGs）中的应用，通过结构化文献综合，探讨了地理空间数据如何支持地方化SDG实施。综述基于PRISMA 2020方法，从5个数据库筛选出21篇文章，覆盖2019至2025年，主要来自亚洲、欧洲和撒哈拉以南非洲。研究目标包括评估方法论质量、识别主题和研究空白，以及综合地理空间数据在地方SDG监测中的贡献和挑战。
**1. 引言**
引言部分指出，自联合国通过2030年议程以来，SDGs成为指导公共行动和可持续领土发展的参考框架。然而，官方指标数据存在缺口，尤其是国家层面数据不足，阻碍了进展报告和弱势群体的识别。地理空间数据，如卫星图像（Landsat、MODIS、Sentinel），能填补这些空白，支持约五分之一的全球指标。尽管深度学习（Deep Learning）和云计算平台（如Google Earth Engine）提高了数据处理能力，但地方层面实施仍面临挑战。SDGs最初为国家监测设计，需要地方化适配，涉及地方政府作为关键行动者。本地化过程中，数据质量和评估能力是关键，但缺乏系统记录。本综述旨在通过结构化综合，回答地理空间数据如何支持地方和城市内部尺度SDG监测和本地化，并识别最佳覆盖的SDGs、空间分辨率要求，以及方法论、制度和政治障碍。
**2. 理论背景**
**2.1. 地方层面SDG指标的采纳或适配**
SDG成功依赖于地方利益相关者的参与，"不让任何人掉队"原则要求整合地方背景。市政当局采纳SDGs面临专业知识、数据可用性和监测能力挑战。文献强调本地化SDGs需适配地方背景，但缺乏统一方法。一些研究提出了本地化策略，如根据适应性、完整性和可测量性对指标进行分级。指标适配需考虑地方城市、经济和社会特征，以确保相关性。
**2.2. 优先化SDGs：确定目标权重的问题**
在地方层面操作化所有SDGs困难，因此提出了优先化框架（GPC-SDGs），由国际法语国家可持续发展研究所（IFDD）和魁北克大学希库蒂米分校生态咨询主席共同设计，最初用于国家，现本地化至地方。优先化网格使用专家主观加权数据，但数据质量是挑战，地理空间技术可改善数据质量、分析和可视化，促进专家共识。
**2.3. 数据质量与尺度效应**
联合国指标基于小尺度数据，缺乏地方决策精度。地理空间数据能揭示空间差异和紧迫需求区域，但空间分辨率和数据标准化影响评估结果。例如，高分辨率数据可能低估土地退化，而低分辨率数据可能高估。空间分解技术（如人口数据）用于细化数据，但存在局限性。城市尺度的数据缺口和分辨率问题突出，需要整合地理空间数据以改进SDG评估。
**3. 方法**
**3.1. 程序与问题表述**
通过初步文献阅读，识别了不同尺度SDG评估研究，多为案例研究。参考相关综述，如系统综述地理空间技术（遥感、GIS）用于SDG追踪，以及实证研究（如中国德清县）通过102个指标本地化，使用地理空间数据分解和映射统计数据。本研究使用PICO方法论（P=问题、I=干预、C=比较、O=结果）制定研究问题，子问题对应具体目标。
**3.2. 研究策略**
遵循PRISMA 2020指南，执行系统综述。搜索使用Laval大学图书馆的Sofia工具，结合自由和受控词汇，在5个数据库（Geobase、GeoRef、Compendex、Web of Science、Scopus）中检索。关键词基于PICo方法（P=问题、I=干预、Co=上下文），包括英文和法文术语。搜索策略确保全面性，并导出至Zotero进行去重，去除84个重复项。
**3.3. 纳入与排除标准**
纳入标准：包含PICo搜索词、同行评审期刊、2019-2025年出版、英文或法文。排除灰色文献、预印本、会议论文和书目追踪。排除不关注SDG评估或地方化、仅关注特定问题（如经济、水处理）的文章。
**3.4. 数据提取**
使用PRISMA流程图，从240篇参考文献中，去除84篇重复后，147篇进行标题和摘要筛选，排除68篇，79篇进行全文审查，最终21篇入选。数据提取包括研究特征、方法质量和结果。
**4. 结果与讨论**
**4.1. 纳入研究的特征**
21篇文章来自12个国家，主要集中于亚洲、欧洲和撒哈拉以南非洲。地理空间数据应用不均，最常用于SDG 15（陆地生物）、SDG 11（可持续城市）和SDG 6（清洁水），而社会性SDG如SDG 16（和平与正义）和SDG 17（伙伴关系）覆盖较少。关键词共现网络显示三个聚类：评估方法（如"评估"、"SDG指标"、"土地"）、规范框架（如"SDG"、"进展"）和操作层面（如"城市"、"监测"、"大数据"）。评估方法作为桥梁，连接规范框架和操作实践。
**4.2. 结果分析**
**A. 主要趋势、概念化和发现**
文章分类为七类，显示地理空间数据补充统计数据，填补数据缺口，改善SDG指标的空间分解。空间分辨率对评估结果有显著影响，如高分辨率数据低估土地退化，低分辨率数据高估。地理空间数据能揭示空间异质性，但全球报告框架可能低估地方差异。深度学习和遥感数据可生成贫困、粮食安全等信息，弥补传统统计不足。
**B. 地理空间数据类型、方法和技术**
遥感数据占最大比例（31%），用于监测环境指标。GIS和矢量数据占20.7%，用于空间分析，揭示城市内部不平等。传感器和公民数据新近使用，但较少。方法质量评估显示平均得分19.2/24，高质性研究占67%。主要弱点包括数据验证、不确定性管理和可重复性。定性方法使用少，地理空间数据未充分整合到决策。
**C. 贡献、限制与挑战**
59%的文章用于监测，但仅23%支持决策。地理空间数据在地方SDG治理中使用有限，缺乏机构能力。空间分辨率是关键挑战，影响数据可靠性。未来需更多市政尺度实证研究，改进不确定性管理和集成参与式数据。人工智能和开放数据基础设施提供新机遇，但需制度机制促进数据生产与决策整合。
**5. 结论**
本综述分析21篇文章，评估地理空间数据在地方SDG评估和监测中的价值。地理空间数据被视为重要基础设施，但操作化不足。空间分辨率影响评估结果，标准化框架可能不适用。方法质量良好，但数据验证、不确定性和可重现性需改进。地理空间数据主要用于监测，决策支持有限。未来研究应聚焦市政尺度实证、不确定性量化、参与式数据整合，以及机构能力建设，以促进数据驱动的地方SDG治理。
