Local GDP Estimates Around the World

We use high-resolution spatial data to build a novel global annual gridded GDP dataset at 1, 0.5, and 0.25 resolutions from 2012 onward. Our random forest model trained on local and national GDP achieves an R above 0.92 for GDP levels and above 0.62 for annual changes in regions left out of the

本研究采用高分辨率空间数据（high-resolution spatial data）构建了一套全新的全球年度网格化GDP（gridded GDP）数据集，其空间分辨率分别为1、0.5与0.25，时间跨度始于2012年。我们基于地方与全国GDP训练得到的随机森林模型（random forest model），在GDP水平值上的决定系数R超过0.92，在被排除区域的年度变化量上的决定系数R超过0.62。

搜集汇总

背景与挑战

背景概述

该数据集提供了全球范围内的高分辨率网格化GDP估计，覆盖2012年及以后的年度数据，分辨率包括1°、0.5°和0.25°。通过结合多种指标和随机森林模型，数据集能够提供精确的次国家GDP测量，适用于经济冲击、地方政策和区域差异的分析。