【量化城市增长】全球7617城30年动态曝光：人口与基建，谁才是扩张核心推手？丨城市数据派

春季大促重磅开启！

同报多套还可享更多优惠：

任选2套同报，再减50元！

任选3套同报，再减100元！

任选4套同报，再减150元！

任选5套同报，再减200元！

 春季大促截止时间：

 2026年4月30日 

加我咨询和报名课程

准确量化城市扩张动态对于提高土地利用效率和指导城市规划至关重要。然而，由于缺乏连续的全球三维建筑数据，目前对三维城市扩张长期动态的理解仍然有限。本文提出了一个基于人口校准的框架，用于量化1990年至2020年间全球7617个城市的二维和三维城市增长，从而填补了三维城市扩张长期全球动态方面的空白。

本研究基于构建的两个指数（2D-UEI和3D-UEI），使用基于阈值的分类方法，探索了全球各区域的主要城市扩张类型。随后，本研究构建了一套包括城市基础设施、社会经济和自然环境等综合因素的指标，并采用XGBoost-SHAP模型揭示了二维和三维城市扩张驱动力的差异。

结果显示，过去三十年间，二维和三维城市扩张速度均超过了人口增长速度，共有5567个城市（占所有城市的74.3%）经历了不同程度的扩张。在各区域中，南亚的城市扩张速度最快（2D-UEI = 1.48；3D-UEI = 1.27），而撒哈拉以南非洲的人口增长率最高。此外，基于SHAP的分析表明，二维扩张主要受人口因素驱动，而三维增长则主要受城市基础设施的影响。全球城市二维和三维扩张之间的差异，可以用于制定因地制宜的城市规划，以促进城市形态转型和提高资源利用效率。

研究主要包括三个部分（图1）。首先，基于多源遥感数据构建了城市扩展指数，并量化了全球二维和三维的城市扩展的时空动态。然后，探究了二维以及三维城市扩展的空间集聚关系，并基于此划分了五种城市扩展类型。最后，评估了全球城市扩展的潜在驱动力，并探究了城市扩展以及潜在影响因素之间的非线性关系和阈值效应。

图1  研究框架图

（1）测度全球城市扩展

本研究使用了二维城市扩展指数和三维城市扩展指数两个指标量化全球城市的二维和三维扩展特征。本文参考了美国Fulton等（2001）提出的城市蔓延指数来描述水平扩张过程。这个指数考虑并比较了两个重要变量，即城市面积增长率和城市人口增长率。本研究在城市扩展指数的基础上引入了城市建筑体积这个三维变量，用来描述城市在三维结构上的扩展过程。

（2）分析二维、三维扩展空间关系

本研究引入了双变量空间自相关模型，来定量描述二维和三维城市扩展之间的空间集聚特征。基于此，根据二维和三维的城市扩展过程，提出了一种基于阈值的城市扩展类型划分方法，来确定全球城市扩展的主要类型。通过二维城市扩展指数和三维城市扩展指数，将城市分为五类：仅水平扩展、仅垂直扩展、横向为主的扩展、纵向为主的扩展和扩展不明显的城市。

（3）探索城市扩展的潜在驱动力

为了分析城市扩展与潜在影响因素之间的关系，本研究使用了XGBoost机器学习模型。然后，采用基于博弈论的SHAP方法来解释该机器学习模型。在输入模型的变量选择中，考虑到全球城市数据的可获得性，从城市基础设施建设、社会经济、自然环境三个维度选取了影响城市扩展的12个因素作为自变量。

（1）全球城市扩展整体状况

1990年至2020年全球经历了快速的城市化过程，全球城市总体上呈现持续扩展的态势，超过70%的城市出现了扩展现象。城市水平扩展的速度（2D-UEI = 0.225）稍快于城市三维扩展速度（3D-UEI = 0.213）。在全球7617个城市中，有5567个城市都存在不同程度的扩展现象，扩展城市占总城市数量的74.3%。

近三十年来，全球各个区域之间的城市扩展状况差异显著（图2）。从二维视角来看，1990-2020年南亚的城市扩展速度相较于其他区域更快，二维城市扩展指数（2D-UEI）均值为1.48，在全球七个区域内最高。欧洲和中亚（2D-UEI = 0.96）、东亚和太平洋（2D-UEI = 0.47）、北美地区（2D-UEI = 0.38）的城市扩展速度次之，而拉丁美洲和加勒比地区（2D-UEI = 0.28）、中东和北非（2D-UEI = 0.20）的扩展速度较慢，撒哈拉以南非洲（2D-UEI = -0.62）的多数城市未表现出扩展现象。

图2  全球7617个城市水平扩展（2D-UEI）的空间格局

全球城市的三维扩展过程与二维大致相同，但地区之间的差异更加显著（图3）。具体来说，近三十年南亚的城市扩展在全球七个区域中最为明显，三维城市扩展指数（3D-UEI）均值达到了1.27，欧洲和中亚（3D-UEI = 0.85）、北美（3D-UEI = 0.39）、拉丁美洲和加勒比地区（3D-UEI = 0.34）的城市扩展速度次之，且均大于全球平均扩展速度（3D-UEI = 0.21）。而东亚和太平洋地区（3D-UEI = 0.18）、中东和北非（3D UEI = 0.08）以及撒哈拉以南非洲（3D-UEI = -0.85）的城市三维扩展过程较慢。

图3  全球7617个城市三维扩展（3D-UEI）的空间格局

近三十年来，全球城市扩展呈现出由缓慢到快速再到逐渐减慢的趋势（图4）。在水平方向上，1990-2000年全球平均二维城市扩展指数为-0.50，2000-2010年2D-UEI快速上升至1.10，而到了2010-2020年，2D-UEI逐渐降低至-0.03。从三维视角来看，1990-2000年全球平均三维城市扩展指数为0.42，2000-2010年3D-UEI略微增加至0.49，而到了2010-2020年，3D-UEI逐渐降低至-0.19。

图4  基于城市扩展指数（2D-UEI、3D-UEI）绘制的全球城市扩展动态过程

在过去的三十年里，全球7617个城市中以纵向为主的扩展城市数量最多，占全球城市总数的32.8%；以横向为主的扩展和扩展不明显的城市数量次之，分别占全球城市总数的30.3%和25.6%；仅水平扩展以及仅垂直扩展的单一扩展类型城市数量最少，仅占全球城市总数的8.5%和2.6%（图5）。分区域来看，东亚和太平洋地区以横向为主的扩展和扩展不明显的城市数量最多，分别占区域总城市的35.2%和31.4%，而在仅水平扩展以及仅垂直扩展的单一扩展类型城市数量最少，占区域总城市的7%和3.8%。

图5  1990-2020年全球城市扩展类型及分布

SHAP分析结果显示（图6），社会经济变量是导致城市水平扩展的关键因素，对于二维城市扩展指数的贡献率高达56.2%，其次是城市基础设施变量，贡献率为38.8%，而自然环境因素对于城市扩展的贡献作用较低，仅有5.0%。在水平方向，人口密度是城市扩展最关键的驱动因素，对于模型的贡献作用超过了50%，而人均城市建筑体积和平均城市高度对城市扩展的作用次之，分别排在第二位和第三位。

从三维视角来看，城市基础设施变量是导致城市三维扩展的关键因素，对于三维城市扩展指数的贡献率高达54.4%，其次是社会经济变量，贡献率为39.1%，而自然环境因素对于城市三维扩展的贡献作用同样较低，仅有6.5%。其中人均城市建筑体积是城市扩展最关键的驱动因素，而人口密度和平均城市高度对城市扩展的作用次之，分别排在第二位和第三位。

图6 城市扩展的特征重要性和SHAP值分析

摘要

Accurately quantifying urban expansion dynamics is important for enhancing land use efficiency and informing urban planning. However, due to the lack of continuous global 3D building data, our understanding of the long-term dynamics of 3D urban expansion remains limited. We proposed a population-calibrated integrated framework to quantify 2D and 3D urban growth in 7,617 cities worldwide from 1990 to 2020, filling the knowledge gap on the long-term global dynamics of 3D urban expansion. Leveraging the constructed 2D-UEI and 3D-UEI, we applied classification and clustering validation to explore dominant urban expansion types across global regions. Then, we developed a comprehensive set of factors covering urban infrastructure, socioeconomic development, and biophysical conditions, and employed the XGBoost-SHAP model to reveal differences in the driving forces of 2D and 3D urban expansion. The results showed that both 2D and 3D urban expansion rates have exceeded population growth over the past three decades, with 5,567 cities (74.3% of all cities) experiencing varying degrees of expansion. From 1990 to 2020, global urban expansion followed a pattern of slow growth, acceleration, and subsequent deceleration, with urban area, building volume, and population increasing by 76.8%, 87.7%, and 51.7%, respectively. Among regions, the speed of urban expansion in South Asia was the highest (2D-UEI = 1.48; 3D-UEI = 1.27), while Sub-Saharan Africa experienced the highest population growth. In terms of urban expansion type, the number of cities dominated by 2D and 3D expansion accounted for 32.8% and 30.3% of total cities, respectively. In addition, SHAP-based analysis indicated that 2D expansion was mainly driven by demographic factors, while 3D growth was primarily shaped by urban infrastructure. The nuanced differences between 2D and 3D expansion of cities worldwide can guide placed-based strategies to promote urban form transformation and resource efficiency.

文章引用：

Hou, Y., Huang, Q., Gu, T., Zhu, G., Zhou, Y., Yue, K., Zhang, S, & He, C. (2026). Disparities of long term urban expansion over 7000 cities globally: Insights combining two-dimensional urban area and the three-dimensional urban building volume. Environmental Impact Assessment Review, 117, 108218. https://doi.org/10.1016/j.eiar.2025.108218

原文始发于微信公众号（城市数据派）：【量化城市增长】全球7617城30年动态曝光：人口与基建，谁才是扩张核心推手？丨城市数据派