功能性城市区域——概念在传统纵向数据上的城市内部与城市间分析应用

《Habitat International》：Functional Urban Areas – Application of the concept on traditional longitudinal data for intra- and inter-city analysis

　　

随着世界城市化程度加深，更深入地理解城市对于实现联合国可持续发展目标11（SDG 11）日益重要。官方统计包含监测城市社会与经济可持续性的重要信息，但世界各地对城市的定义并不一致。联合国已认可使用基于全球遥感数据定义的功能性城市区域（Functional Urban Area, FUA）作为全球城市的标准划分。然而，FUA定义无法直接应用于通常按国家行政单元汇总的官方统计。为促进国际比较性的城市研究，研究人员提供了一种工具，用于将FUA定义与各国行政地理进行匹配。匹配过程在全球范围内识别出57%的全球人类住区层（GHSL）FUA存在于现有的国家特定行政地理中。匹配FUA的百分比在行政单元更精细的国家中普遍更高。匹配FUA的人口与GHSL FUA人口差异不大。较大的GHSL FUA往往比较小的GHSL FUA匹配得更好。对全球南方八个FUA的分析揭示了人口行为在城际和城内存在显著差异，并强调了与行政定义的城市领土相比，这些更现实的城市空间范围定义对于准确监测城市的重要性。本研究为研究人员和城市规划者提供了有用的工具，以便在国际层面更好地分析城市化进程，从而规划可持续城市发展，最大化城市促进人类发展的潜力，并全球监测SDG 11的进展。

**论文解读：功能性城市区域（FUA）概念在传统纵向数据中的应用——城市内部与城市间分析**

**研究背景与问题**
随着全球城市化进程加速（城市人口比例从1950年的30%上升至2018年的55%，预计2050年达68%），城市成为经济增长引擎（贡献全球GDP的80%以上）和可持续发展目标11（SDG 11）的核心载体。然而，城市监测面临关键障碍：各国对城市边界的定义不一致，官方统计通常按行政单元（如城市实体）汇总，无法直接反映城市真实空间范围。行政边界（city proper）常低估城市规模，尤其在城市蔓延（urban sprawl）背景下；官方大都市区定义则因国家而异，受政治因素影响，缺乏国际可比性。联合国统计委员会（United Nations Statistical Commission）已推荐使用全球人类住区层（GHSL）定义的功能性城市区域（FUA）作为全球统一的城市空间划分标准，但FUA边界基于遥感数据和通勤模式，无法直接应用于按行政单元汇总的官方统计（如人口普查数据）。因此，研究人员开发了一种将GHSL FUA匹配至国家行政单元的方法，以弥合概念定义与数据可用性之间的鸿沟，促进国际比较性城市研究，并支持SDG 11的全球监测。

**主要技术方法**
本研究使用以下关键方法：（1）**空间匹配算法**：基于R语言，将GHSL FUA多边形与全球行政区域数据库（GADM）的行政单元叠加，利用2015年GHSL人口栅格（1 km×1 km）计算每个行政单元- FUA交集的居民人口比例和面积比例，迭代确定行政单元是否属于某FUA，并依据人口匹配度将匹配质量分为高、中、低三级。（2）**行政单元时间统一化算法**：针对同一国家不同年份的行政单元形状文件，进行自动化地理统一化，以支持纵向分析。（3）**实证分析**：从IPUMS URBDEMO数据集（由明尼苏达大学人口中心编制，洛桑联邦理工学院（EPFL）城市人口学实验室维护）选取全球南方八个城市（墨西哥城、里约热内卢、圣保罗、德黑兰、雅加达、弗里敦、达喀尔、科托努）的普查微观数据，计算儿童死亡率（CMR）、隐含总和生育率（iTFR）、五年内迁入与迁出率，并采用基尼指数（Gini Index）衡量FUA内部行政单元间的空间不平等。

**研究结果**

**5.1 匹配算法性能**
通过匹配算法，全球9023个GHSL FUA中成功匹配5174个（57%），其中高质匹配3644个，中质1093个，低质437个。匹配百分比因国家而异（如德国、法国等87国达100%，而中国、印度、尼日尔等低于30%）。国家行政单元平均人口越小，高质匹配比例越高；反之，粗行政单元导致低质匹配比例增加。高质匹配FUA的人口与GHSL FUA人口高度一致，而低质匹配系统性地高估人口（图6）。匹配FUA的人口显著大于对应城市实体（city proper），尤其在人口规模大的城市（图7），表明FUA更准确反映城市实际边界。

**5.2 实证应用：人口动态**
分析八个城市的人口指标发现：
- **儿童死亡率（CMR）**：FUA水平显示科托努、弗里敦、雅加达较高，里约热内卢和圣保罗较低。几乎所有城市CMR随时间下降，但下降幅度在FUA与城市实体间存在差异。城市实体内部CMR通常低于外围区域，但外围区域下降更快，导致空间不平等（基尼指数）在不同城市差异显著（如墨西哥城、圣保罗低CMR伴随高空间不平等）。
- **隐含总和生育率（iTFR）**：科托努2013年最高（4.05），里约热内卢2010年最低（1.53）。FUA的iTFR系统性高于城市实体，且城市实体内部生育率低于外围。时间趋势上，多数城市下降，但达喀尔外围区域上升。空间不平等（基尼指数）在科托努、雅加达随时间缩小，表明生育控制行为快速扩散。
- **五年内迁出率**：FUA水平普遍较低（1%-4%），但城市实体迁出率远高于外围（如科托努1992年城市实体12.88% vs 外围5.03%），反映城市蔓延（urban sprawl）现象。迁出基尼指数较高（如科托努2013年达49.05），表明空间分布不均。
- **五年内迁入率**：FUA水平变异较大（达喀尔2013年27.75%至德黑兰2011年3.43%），外围区域迁入率通常高于城市实体（除少数例外）。基尼指数较低，表明迁入分布相对均匀。

**讨论与结论**
**讨论总结**：本研究解决了城市概念定义与数据可用性之间的根本性错配。行政边界定义系统性地低估人口规模并扭曲关键人口指标，尤其掩盖了城市内部空间不平等。FUA方法捕捉了城市集聚区的完整范围（包括城郊和郊区），揭示了城市实体与外围区域在健康、生育、迁移方面的显著差异，这对SDG 11监测至关重要：基于行政边界的指标可能提供误导性进展图景。研究局限性包括：低质匹配高估人口、行政单元精细度影响指标可比性（如基尼指数）、GHSL FUA本身为模型构建产物，可能未完全反映本地社会经济联系。未来研究可探索空间统一化技术及结合本地知识。

**研究结论翻译**：综合而言，这些发现强调了在城市研究中超越传统行政定义的重要性。城市实体与FUA指标之间的差异反映了城市系统的根本性差异。通过揭示城市间多样性和城市内部异质性，FUA方法提供了对城市化过程更细致的理解，尤其在快速增长的全球南方城市。这为比较性城市研究带来重要启示：依赖不一致空间定义的研究可能得出关于城市发展水平和趋势的误导性结论。本研究提出的方法为这一问题提供了解决方案，使更稳健的跨国分析成为可能。同时，FUA内部空间不平等的持续存在表明城市并非同质实体。认识和测量这种异质性对于设计有效且公平的政策至关重要。因此，将FUA定义与分解的人口数据相结合，是迈向更基于证据和空间信息化的城市政策的关键一步。