联合国《2030可持续发展议程》(以下简称“议程”)是指导世界各国今后十多年发展的重大全球性公共政策和政治纲领,议程提出了包含经济、环境和社会三大领域的17个可持续发展目标(SDGs)及169个子目标。SDGs践行情况的定量评估与监测,是落实2030可持续发展议程的重要举措,也是近年来国内外学术界研究的前沿和热点。SDGs的评估监测涉及的因素众多、技术繁杂,目前尚处于概念设计、方法探讨和单指标、小范围试点阶段。其中核心的技术难题是融合地理信息和统计数据的指标定量计算问题以及全球统一指标框架下解决区域SDGs的量化评估的问题。本文以SDG6(“确保人人享有和可持续地管理水和卫生设施”)为例,在一个完整的行政区(德清县),探索区域SDG目标的监测评估方法,在建立本土化指标体系的基础上,利用对地观测技术(EO)和地理信息系统(GIS),重点研究典型指标的空间型监测方法,实现了SDG6的所有指标的量化评价和目标综合评估与分析。为国内外其他区域开展SDG6综合评估及相关的研究提供了可供参考的方法与范例,主要的研究成果如下:(1)结合中国国别方案和研究区实际,以适应性、可量测、全覆盖为原则,提出基于联合国SDGs指标框架(SGIF)的SDG6本土化指标体系(包含7个指标、11个指数),发展了3种空间型监测方法对难以通过传统统计数据进行评估的重点指标进行量测,结合统计学方法实现了SDG6所有指标的量化计算。提出了县域尺度下,指标和目标的综合评估方法。实践证明,本文提出的区域SDG6评估监测方法是可行的。(2)针对SDG6中长时序水资源信息的高效、准确提取问题,本文提出了一种基于时序样本库的水体信息自动提取方法。基于长时序Landsat卫星数据,考虑不同的水体类型(一级水系、二级水系、湖泊、湖泊中心、湖泊边缘、河湖交界等)、不同气象条件(无云、薄云、厚云),建立长时间序列水体样本库(包括年季、雨季旱季、季度、月,薄云等)。根据不同区域特征和需求,按照一定规则(如卫星成像时间)进行样本库自动匹配,利用机器学习算法(如随机森林)实现长时间序列水资源信息的快捷、自动化提取。(3)针对涉水生态系统长时序地表覆盖信息提取问题,本文提出了一种基于地物光谱周期特征的长时序地表覆盖自动提取方法。以单个像元长时序周期性特征为基础,通过不同地表覆盖类型稳定样点的采样和拟合计算,形成不同地物类型的拟合参数样本集,利用随机森林的方法建立不同地物类型拟合参数的模型;利用CCDC算法对研究区长时序Landsat影像的每个像素进行连续变化检测,确定单个像素地物类别的突变点(时间),确定突变点前后拟合曲线的参数,按照拟合参数随机森林模型进行分类,确定突变点前后的地物类型,借助云平台强大的计算功能(Google Earth Engine(GEE))逐一提取像元的长时间地物类别,实现长时序地表覆盖类型自动化提取。(4)针对公共卫生设施服务范围和人口的评估计算,本文提出了一种顾及出行方式的公共服务设施便捷性模型。通过市政厕所的空间化数据结合众源数据(百度,高德等)获得研究区的城市公用厕所的分布,利用城市路网数据计算公共卫生设施的通达性,考虑到城市人群不同的出行意愿,建立了一种顾及出行方式(步行或乘车)的公共卫生设施服务便捷性计算方法。最后,与人口密度数据相结合,形成带有“时空坐标”的评估结果,并对指标计算结果进行动态表达。