共查询到12条相似文献，搜索用时 171 毫秒
1.
"可持续城市和社区"(SDG 11)是实现所有17项联合国可持续发展目标(SDGs)的核心。然而,普遍存在的数据缺失问题导致目前SDG 11指标监测与评估工作的开展仍面临巨大挑战。地球大数据作为科技创新和大数据的重要组成部分,在促进城市可持续发展方面能够发挥关键作用。文章重点围绕城市可持续发展的6个主题,包括城市住房、城市公共交通、城镇化、城市灾害、空气质量、开放公共空间,基于地球大数据技术,针对相应的多个具体指标,在中国尺度上开展进展监测和综合评估。在上述分析的基础上,文章总结了SDG 11实现面临的挑战;并提出了构建可持续发展大数据信息平台、加强科学技术在SDG 11实现中的杠杆作用、积极开展SDG 11综合应用示范,以及加强国内外相关机构的科技合作等建议和举措。 相似文献
2.
2015年,联合国通过17项可持续发展目标(SDGs),涵盖经济、社会、环境三大领域,其为各国全面转向可持续发展指明方向。然而,数据缺失、发展不均衡、目标间关联且相互制约等问题对于SDGs落实造成制约,2020年全球新冠肺炎疫情的暴发更加剧了各国实现SDGs面临的挑战。文章重点介绍中国科学院战略性先导科技专项(A类)"地球大数据科学工程"(CASEarth)开展的可持续发展科学卫星、可持续发展大数据信息平台系统、SDG指标监测与评估等研究工作,并对可持续发展大数据国际研究中心的科学定位、核心任务及研究内容等进行介绍。文章提出了需提升SDGs数据服务能力,加强SDG指标监测与评估科学研究,研发SDGs科学系列卫星,建设科技创新促进可持续发展智库,以及提供面向发展中国家的教育和培训等发展建议。 相似文献
3.
联合国《改变我们的世界:2030年可持续发展议程》是各国实现经济、社会和环境共同发展的重要指南。当前,该议程的17个可持续发展目标(SDGs)的监测和评价已取得重要进展,但各SDGs间相互作用,特别是SDGs间的协同和权衡关系的认知仍较有限。文章首先从全部目标关系的综合分析、典型多目标关系分析、单目标内子指标间的关系3个方面描述了当前SDGs协同与权衡的研究进展和主要发现;并针对研究中的数据瓶颈问题,剖析了地球大数据支撑多目标协同和权衡的思路及典型案例;在此基础上,对地球大数据促进SDGs协同和权衡研究进行了展望。研究表明,地球大数据在提升SDG指标数据一致性、透明性、时效性和准确性等方面能够发挥重要作用,可以改进前期基于专家知识或统计数据等方法的不足,为提升多目标协同和权衡研究的定量水平提供重要数据支撑。最后,应对SDGs权衡的挑战,提出了完善地球大数据支撑SDGs协同与权衡的方法体系并构建模拟与预警平台、加强不同领域和主体的合作、强化技术创新推动等建议。 相似文献
4.
联合国2015年通过的《变革我们的世界:2030年可持续发展议程》中,土地退化零增长是可持续发展目标(SDGs)的重要具体目标(SDG 15.3)。由于不同地理、气候和土地利用类型条件下土地退化具有不同的表征,土地退化和恢复过程涉及的自然和人为因素的复杂性,时间和空间尺度的限定性,长期以来缺乏被普遍接受的土地退化评估指标和方法。SDG 15.3的参考基准、进展监测等关键数据,仍处于严重缺乏状态,影响了SDG 15.3的实现进程。地球大数据作为数据密集型科学范式的典型代表,为解决SDG 15.3的数据空缺提供了可能。文章围绕SDG 15.3基准确定和进展监测2个方向,介绍了实现SDG 15.3面临的主要挑战、地球大数据的潜力及已经开展的实践,并展望了地球大数据促进SDG 15.3实现的发展趋势。 相似文献
5.
"清洁饮水和卫生设施"(SDG 6)是联合国17个可持续发展目标之一,但截至目前,世界并未走在实现SDG 6的正确轨道上。为了改变这种状况并重新带领世界走上实现SDG 6的道路,联合国倡议并启动了包括融资、数据和信息、能力发展、创新、治理5个方面内容的"SDG 6全球加速框架"。文章从服务于SDG 6指标监测评估的数据和信息角度,分析了当前全球范围内的数据进展、地球大数据技术在SDG 6指标监测评估中的应用情况,总结了全球SDG 6监测评估中存在的2个方面问题:(1)仍缺乏可持续生产的高精度指标数据集;(2)缺乏集数据获取、指标计算、目标评估为一体的运行化系统。在此基础上,提出了建立面向SDG6全目标指标体系监测评估的标准化统计报表与技术指南,以及搭建系统平台的建议。 相似文献
6.
保障粮食安全是全球可持续发展的基础及重要议题。粮食可持续生产作为实现粮食安全的基础,同时是应对气候变化、土地退化、生态退化等全球挑战的有效手段。当前,对粮食生产可持续性的监测与评估存在着数据鸿沟,而地球大数据的支撑作用日益凸显。文章总结了地球大数据支撑粮食可持续生产研究的当前实践,包括对地观测技术在粮食生产系统各要素监测中发挥的作用,以及多源数据融合在粮食生产系统综合监测及粮食生产可持续性评估中的应用。在上述实践归纳的基础上,依循实现联合国可持续发展目标(SDGs)的四大杠杆框架,提出了地球大数据支撑粮食可持续生产的2个未来发展方向:多学科模型凝聚地球大数据推动知识发现支撑政府治理;技术创新集成地球大数据搭建产农户智慧生产决策体系。 相似文献
7.
气候变化正在成为未来几十年人类可持续发展面临的主要威胁。如何准确监测极端气候事件和灾害,为应对气候变化和灾害防控提供强有力的数据和科学支持,成为亟待回答的重大科学问题和决策命题。联合国可持续发展目标(SDGs)第13项——"气候行动:采取紧急行动应对气候变化及其影响"(SDG 13),就是要通过各国的实际行动,减缓气候变化威胁,增强人类适应能力。然而,目前SDG 13相关指标都缺少空间数据和信息的支撑。地球大数据具有高度协同性和集成性,有利于减小研究和评估结果的不确定性,同时也能满足气候变化和灾害风险研究对科学数据提出的迫切需求。文章围绕减缓气候相关灾害影响和降低温室气体排放两大主题,通过地球大数据平台,综合多源空间数据,研究获取灾害时空分布、碳收支变化趋势的方法;并依据该方法获取具有空间信息的数据集,以支撑SDG 13实现,为气候减灾和碳减排提供决策支持。 相似文献
8.
受资源和环境等外界条件制约,以及联合国可持续发展目标(SDGs)间权衡作用影响,全球可持续发展存在一定的不均衡性,这主要体现为SDGs间和地区间发展的不均衡。深入认识并努力降低这种不均衡性对于全面实现SDGs至关重要。文章探讨了地球大数据如何助力SDGs间及地区间的均衡发展评估,指出地球大数据能够为目前达成度较差的人类基本生活需求类和环境保护类SDGs提供更新更及时、空间分辨率更高的数据产品,从而深入认识不均衡性的表现和成因,明晰制约均衡发展的核心问题,为SDGs间或地区间的协同发展提供科学依据,进而促进SDGs的全面实现。 相似文献
9.
海洋生态系统的健康和安全,直接关系到全人类的健康和福祉。有效监测数据不足、科学决策信息缺失等因素一定程度上影响了海洋可持续发展目标(SDG 14)的顺利实施。地球大数据具备宏观、动态、客观监测能力,可在支撑SDG 14实现中起到重要作用。在中国科学院战略性先导科技专项(A类)的支持下,基于地球大数据相关技术和方法,我国已有效开展了海洋缺失数据集生产、目标本地化模型构建等具体实践。在以上分析基础上,文章提出了积极参与国际社会地球大数据共享,加强科技创新对SDG 14实现的驱动,深度参与联合国海洋治理计划等建议。 相似文献
10.
中国与拉美和加勒比同为维护世界和平与发展的重要力量,同是彼此的重要合作伙伴,在落实《2030年可持续发展议程》(简称"2030议程")上有着共同的责任和广泛的合作空间。文章首先分析了拉美和加勒比千年发展目标的落实情况;进而基于可持续发展目标指数(SDG Index)及其指示板(SDG Dashboards),重点分析了拉美和加勒比实现17项可持续发展目标(SDGs)的机遇和挑战;随后分析了拉美和加勒比落实2030议程的政策和措施;最后提出了基于2030议程的中国-拉美和加勒比可持续发展合作的政策建议。 相似文献
11.
大数据在地球科学各个学科中的应用越来越受到关注,数据驱动地球科学发现的案例不断出现,有关地球数据信息中心、地球大数据平台及相关学术会议数量逐渐增加,地球大数据正在科学研究上表现出巨大的潜力。科学家对地球大数据的科学方法和工具的需求很大,然而目前地球大数据的理论基础、储存管理和分析方法等仍处于发展之中,对地球大数据的研究和讨论有限。文章通过文献计量学的方法,对科学引文索引(SCI)和社会科学引文索引(SSCI)收录的地球大数据相关文献进行分析,从全球论文的产出数量、国家与机构领域研究影响力、研究主题分布、研究热点变迁和国际合作等多角度,分析揭示了地球大数据研究现状;最后,建议未来重点加强跨学科的地球大数据共享与融合,完善地球科学大数据深度挖掘理论和方法,实现对复杂地球系统的分析、建模与预测,支持和服务全球变化与可持续发展。 相似文献
12.
《国家科学评论(英文版)》2014,(2)
Big Data bring new opportunities to modern society and challenges to data scientists. On the one hand,Big Data hold great promises for discovering subtle population paterns and heterogeneities that are not possible with small-scale data. On the other hand, the massive sample size and high dimensionality of Big Data introduce unique computational and statistical challenges, including scalability and storage botleneck, noise accumulation, spurious correlation, incidental endogeneity and measurement errors.hese challenges are distinguished and require new computational and statistical paradigm. his paper gives overviews on the salient features of Big Data and how these features impact on paradigm change on statistical and computational methods as well as computing architectures. We also provide various new perspectives on the Big Data analysis and computation. In particular, we emphasize on the viability of the sparsest solution in high-conidence set and point out that exogenous assumptions in most statistical methods for Big Data cannot be validated due to incidental endogeneity. hey can lead to wrong statistical inferences and consequently wrong scientiic conclusions. 相似文献