城市边界的代理数据集识别：基础设施规划的新视角

引言

基础设施规划的起点，往往是对“城市”的界定。然而，城市边界并非天然存在——它们是人为构建的产物，取决于所采用的数据集和假设。最近发表在《自然·城市》（Nature Cities）上的一篇观点文章（Van Migerode et al., 2026）系统梳理了用于识别城市边界的代理数据集，包括人口分布、建成区面积和夜间灯光等，并提出了一个目的驱动的选择框架。对于基础设施分析师、项目融资者和区域规划者而言，这一框架具有深远的实践意义：不同的边界定义将直接改变对基础设施需求、资本分配和区域连通性的判断。

代理数据集的谱系

研究者通常使用三类代理数据集来划定城市边界：

• 人口数据集：如全球网格化人口数据（例如WorldPop、GPW），强调人口密度和集聚度。优点是与城市化的社会维度直接相关，但易受行政边界和普查质量影响。
• 建成区数据集：基于遥感影像（如MODIS、Landsat）提取不透水面，反映物理扩张。适合分析土地利用变化，但可能忽略低密度或非正式居住区。
• 夜间灯光数据集：如DMSP/OLS、VIIRS，捕捉人类活动强度。优点是与经济活动相关，但存在过饱和、空间分辨率低等问题。

每种数据集都隐含了不同的“城市”概念：人口数据强调“人”，建成区强调“物”，夜间灯光强调“活动”。这些差异导致同一区域可能被划入或排除在城市边界之外，进而影响后续分析。

目的驱动的选择框架

• 作者提出，代理数据集的选择应基于应用目的，而非追求某种“正确”的边界。例如：
• 若要评估城市热岛效应，建成区数据可能更合适（Yang et al., 2023）；
• 若要研究经济集聚，夜间灯光或手机信令数据更有效（Dingel et al., 2021; Dong et al., 2024）；
• 若要规划防灾资源分配，人口数据则更关键（MacManus et al., 2021）。

对于基础设施投资而言，这一框架意味着： 1. 项目融资：贷款机构在评估城市基础设施项目时，应明确项目所服务的“城市区域”是如何定义的。不同的边界会导致不同的风险敞口和收益预期。 2. 区域发展走廊：在规划交通走廊或能源网络时，边界的连续性决定了走廊的布局。夜间灯光数据可能揭示跨行政边界的实际经济联系，而人口数据则可能强化行政分割。 3. 全球南方建设：许多发展中城市缺乏高质量的行政数据，代理数据集成为唯一选择。但若无意识地将高收入国家的方法套用，可能低估非正式住区的人口密度，导致基础设施规划不足。

从数据到决策：案例思考

假设某国际开发机构计划在非洲某快速城市化区域投资一条铁路走廊。使用人口数据可能将城市边界限定在高密度核心区，从而建议站点集中在市中心；而使用夜间灯光数据可能揭示出低密度、但经济活动活跃的郊区工业带，从而建议延伸线路。这两种决策将显著影响项目的资本配置、客运需求预测和财务模型。

同样，在港口城市扩张中，建成区数据能准确反映物理占用，但无法捕获通勤人流。若仅依赖建成区数据规划疏港公路，可能忽视跨区交通压力。

对基础设施研究者的启示

该研究提醒我们：城市边界并非客观事实，而是分析工具。基础设施分析师在引用任何关于“城市面积”“城市化率”或“城市人口”的数据时，必须追问其背后的代理数据集。否则，看似精确的统计数字可能掩盖根本性的概念偏差。

未来的方向包括：结合多源数据（如手机信令+高分辨率影像）以提高精度，以及开发针对特定基础设施类别的标准化边界定义（例如交通导向的城市边界）。

结论

城市边界的识别是基础设施规划中一个看似基础、实则关键的问题。Van Migerode等人的工作提供了一种实用的选择逻辑，让研究者能够根据具体需求做出有根据的取舍。对于全球基础设施社区而言，接受这种不确定性并主动管理它，将有助于更高效地引导资本流动、减少误判、并支持可持续的城市扩张。