Data-Gouv-FR/consommation-despaces-naturels-agricoles-et-forestiers-du-1er-janvier-2009-au-1er-janvier-2024

该数据集展示了基于法国地籍文件为国家人工化门户生成的自然、农业和森林空间消耗指标，数据尺度为市级。自然、农业和森林空间（ENAF）的消耗被理解为在相关领土上创建或实际扩展城市化空间（根据《气候与韧性法》第194条）。在国家层面，该数据由地籍文件测量，并由Cerema代表国土整治与权力下放部以及生态转型、生物多样性、森林、海洋与渔业部进行处理。数据每年生成并以开放数据形式发布。该数据以市级和1公里 x 1公里网格为尺度，时间跨度为2009年至2024年（从2009年1月1日到2024年1月1日），每年更新。此外，数据可通过动态仪表板和地图访问。完整的方法论、定义和处理限制可在国家门户网站上找到：<https://artificialisation.developpement-durable.gouv.fr>。--- license: other language: - 法语 tags: - data.gouv.fr（data-gouv） - 法国公共数据（donnees-publiques-francaises） - Parquet格式（parquet） - CSV格式（csv） - 开放数据（Open Data，open-data） pretty_name: "2009年1月1日至2024年1月1日自然、农业与森林空间消耗情况" configs: - config_name: conso2009_2024_resultats_com data_files: - split: 训练集（train） path: data/conso2009_2024_resultats_com.parquet # 2009年1月1日至2024年1月1日自然、农业与森林空间消耗数据集 ## 数据源 - 官方来源：https://www.data.gouv.fr/datasets/consommation-despaces-naturels-agricoles-et-forestiers-du-1er-janvier-2009-au-1er-janvier-2024 - data.gouv.fr数据集标识符：`6821f5ed5d4f0e4c7ae4acab` - data.gouv.fr平台别名（Slug）：`consommation-despaces-naturels-agricoles-et-forestiers-du-1er-janvier-2009-au-1er-janvier-2024` - data.gouv.fr元数据标注许可证：lov2 ## Hugging Face 结构 - 一个data.gouv.fr数据集对应一个Hugging Face仓库 - 一个原始表格资源对应一个Hugging Face子数据集/配置 - 每个子数据集/配置均包含一个名为`train`的拆分集 ## 子数据集 - `conso2009_2024_resultats_com` → 对应文件`data/conso2009_2024_resultats_com.parquet`（Parquet格式） ## 使用示例 python from datasets import load_dataset ds = load_dataset("Data-Gouv-FR/consommation-despaces-naturels-agricoles-et-forestiers-du-1er-janvier-2009-au-1er-janvier-2024", "conso2009_2024_resultats_com") print(ds["train"]) ## 数据集说明 本数据集基于地籍文件（Fichiers Fonciers），为法国国家土地人工化门户（Portail National de l'Artificialisation）提供市镇（commune）尺度下的空间消耗相关指标。 自然、农业与森林空间（ENAF）消耗被定义为“在相关领土上实际建成或拓展建成空间”（出自《气候与韧性法案》第194条）。 在国家层面，该指标通过地籍文件测算，由法国公共工程、规划与数字服务署（Cerema）受领土整治与分权部、生态转型、生物多样性、森林、海洋与渔业部委托进行数据处理。 年度生成的数据均以开放数据（Open Data）形式发布。 本数据以市镇尺度与1km×1km格网尺度发布，时间分辨率为年度，覆盖2009-2024年周期（2009年1月1日至2024年1月1日）。 此外，用户可通过交互式仪表盘与动态地图获取该数据。 完整的研究方法、相关定义与数据处理的局限性均可在国家门户网站查询：<https://artificialisation.developpement-durable.gouv.fr>

搜集汇总

数据集介绍

构建方式

该数据集源自法国官方开放数据平台data.gouv.fr，由法国生态转型与国土凝聚部委托Cerema（环境规划与遥感研究中心）基于地籍档案（Fichiers Fonciers）进行系统化处理与生产。数据聚焦于2009年1月1日至2024年1月1日期间，法国全国范围内自然、农业及林业用地（ENAF）向城市化用地的转化情况。构建过程中，Cerema依据《气候与韧性法案》第194条对“空间消耗”的定义，通过年度更新的地籍数据提取并统计各市镇及1公里×1公里网格尺度的用地变化指标。数据集以一个主配置（conso2009_2024_resultats_com）呈现，以Parquet格式存储于Hugging Face仓库，便于高效加载与分析。

特点

本数据集最显著的特点在于其高时空粒度和全面性：时间跨度长达15年，空间上同时提供市镇级与1公里网格级两种分辨率，能够精细刻画法国土地人工化的时空演变轨迹。数据严格遵循官方定义，聚焦于自然、农业和林业用地因城市扩展而发生的实质性消耗，而非单纯的土地利用分类变化。此外，数据由法国国家人工化门户网站（Portail National de l'Artificialisation）官方发布，附带完整的元数据、方法论文档及动态地图可视化工具，确保了数据的权威性、可追溯性与透明性。通过开放数据（opendata）许可发布，极大便利了公共政策评估、城市规划研究与环境影响分析。

使用方法

研究人员可通过Hugging Face的datasets库便捷调用该数据集。在Python环境中，只需执行`from datasets import load_dataset`后，调用`load_dataset("Data-Gouv-ML/consommation-despaces-naturels-agricoles-et-forestiers-du-1er-janvier-2009-au-1er-janvier-2024", "conso2009_2024_resultats_com")`即可加载市镇级结果表格，并直接通过`ds["train"]`获取训练分片。数据集以Parquet列式存储格式提供，支持高效的数据筛选、聚合与空间关联分析。用户可结合地籍档案、人口普查或经济统计数据，开展从地方到国家尺度的土地消耗驱动因素、趋势预测及政策效果评估等定量研究。

背景与挑战

背景概述

该数据集由法国生态转型、生物多样性、森林、海洋与渔业部联合国土整治与权力下放部主导，依托Cerema（环境规划与领土管理研究中心）对《地籍档案》进行深度处理，旨在量化2009年1月1日至2024年1月1日期间法国自然、农业及林地（ENAF）向城市化用地的转化情况。作为法国《气候与韧性法》第194条的核心实践工具，该数据集以市镇级行政区划和1km×1公里网格为双重视角，通过年度时间分辨率刻画人工地表扩张的时空轨迹，为《国家人工化门户》提供底层数据支撑。其公开开放特性（Opendata）使政策制定者、城市规划者及环境科学家得以追踪零净人工化目标的执行进程，在法国国土空间治理领域具有里程碑式的监测价值。

当前挑战

该数据集的核心挑战在于应对人工化监测的两重复杂性：首先，领域层面需精准界定‘自然、农业及林地消耗’的法律定义与测度方法，克服地籍档案中土地用途变更滞后性与分类歧义，避免将临时性施工用地误判为永久人工化地表；其次，构建过程中面临多源数据融合难题，需将市镇行政边界与1km²规则网格的异构空间单元进行匹配对齐，并解决2009-2024年间因市镇合并或分拆导致的时间序列断裂问题。在方法论上，Cerema需持续优化遥感解译与地籍数据耦合算法，以降低边缘地块误分类率，同时确保‘人工化指标生产线’在不同年份间保持统计口径一致性，最终满足国家层面对高精度、可回溯空间治理基准的需求。

常用场景

经典使用场景

该数据集聚焦于法国2009年至2024年间自然、农业及森林用地（ENAF）的消耗监测，是国家级土地人工化研究领域的核心数据资源。经典使用场景包括：基于市镇尺度（communale）和1公里×1公里网格单元，分析土地利用类型转换的时空动态；利用年度时间序列数据，量化城市扩张对生态用地的侵占程度；结合法国气候与韧性法案（Loi Climat et Résilience）中关于“有效空间城市化扩展”的定义，评估政策干预对土地消耗趋势的调节效果。研究者常通过该数据集构建土地人工化速率模型，识别高消耗热点区域，并对比不同行政区划的用地效率差异。

实际应用

在实际应用中，该数据集作为法国国家人工化门户（Portail National de l'Artificialisation）的核心数据源，直接服务于国土规划与可持续发展决策。地方市政部门利用市镇级数据制定本地化土地利用规划，识别需重点保护的生态走廊与农业用地。环境评估机构结合1公里网格数据，在基础设施项目（如交通线路、工业园区）的环评中量化土地占用影响。此外，法国生态转型部通过动态看板与交互地图，向公众透明化展示各区域人工化进程，提升政策执行的公众监督效能。房地产与农业部门也借此优化开发选址，避免侵占高生态价值地块。这种从科学数据到治理工具的转化，强化了法国在欧盟“零净人工化”目标中的执行协同性。

衍生相关工作

该数据集催生了一系列衍生工作，包括基于时空统计方法的土地消耗预测模型（如马尔可夫链与随机森林耦合模型），以及结合遥感数据（如Sentinel-2影像）的人工化检测算法对比研究。Cerema团队发布的年度技术报告中，利用本数据集验证了用地分类精度的提升方法。在政策研究领域，法国国家科学研究中心（CNRS）利用其分析了2018年生物多样性计划生效前后人工化速率的突变点，量化了法规的抑制效应。此外，法国数据开放社区（Data Gouv）将其整合至更大的地理空间数据库，推动了跨数据集（如人口密度、GDP）的联合分析范式。这些工作不仅深化了对人工化机理的理解，也为其他欧盟国家构建同类监测体系提供了方法论参照。