城市人口中生活在海拔5米以下地区的比例（占总人口的百分比）

Urban population living in areas where elevation is below 5 meters (% of total population)

下载数据

指标代码：EN.POP.EL5M.UR.ZS所属主题：环境：Land useEnvironment: Land use

2015最新有效年份

193最新年份有值国家

265历史上有数据经济体

95%总体缺失率

指标解释

World Bank official description / 世界银行官方说明

Urban population below 5m is the percentage of the total population, living in areas where the elevation is 5 meters or less.

可供参考的中文翻译：生活在海拔5米或以下地区的城市人口占总人口的百分比。

数据口径与风险提示

本指标衡量的是城市人口中有多少比例居住在海拔5米以下区域，该区域通常与海平面上升和沿海洪涝风险有关，但不等同于实际受灾概率。
指标基于地理高程数据（DEM）计算，受数据分辨率和测量时间影响，不同来源的高程数据可能导致结果差异。
5米阈值是人为设定的分析标准，各国地形、潮汐、堤防设施和防灾能力差异较大，该阈值下的风险程度因地而异。
本指标仅反映人口分布位置，不包含暴露频率、灾害强度或防护设施等维度，不宜单独用于评估气候脆弱性。
城市区域划分标准（如城镇化定义）在不同国家、不同时期可能存在口径差异，影响跨国可比性。
高程低于5米的地区若已具备完善防洪基础设施，实际风险敞口可能显著低于指标数值所示。
人口密度变化可能独立于高程分布变化，本指标无法区分人口向低洼地区迁移与城市边界扩展导致的数值上升。

中国趋势

趋势解读

从1990年至2015年，中国城市人口中生活在海拔5米以下地区的比例从约2.81%上升至约4.35%，增加了约1.54个百分点，期末值为期初值的约1.55倍。2000年该比例约为3.42%，呈持续上升趋势。在此期间，中国经历了快速城镇化进程，沿海低洼地区的城市扩张可能推动了该比例的上升。需要结合城镇化率和沿海地区城市用地数据，区分人口向低洼地区迁移与原有城市边界扩展的各自贡献。

1990年中国该比例约为2.81%，为有记录以来的最低值
2000年该比例上升至约3.42%
2015年该比例达到约4.35%，为有记录以来的最高值
2015年数值约为1990年数值的1.55倍
从1990年到2015年，该比例累计增长约1.54个百分点
数据仅覆盖1990年、2000年和2015年三个时间点，无法观察更细粒度的年度变化或短期波动
该指标不反映沿海防护设施水平或实际洪涝风险
中国沿海地形复杂，部分省份低洼地区城市化程度可能远高于全国平均水平，但现有数据无法提供分省信息

全球趋势

趋势解读

从1990年至2015年，全球城市人口中生活在海拔5米以下地区的比例从约2.80%上升至约3.19%，增加了约0.39个百分点，期末值为期初值的约1.14倍。2000年该比例约为2.98%，增幅相对平缓。全球层面的增长主要反映了发展中国家沿海城镇的持续扩张，而部分发达国家可能通过人口向内陆转移或严格的土地管控而增幅有限。

1990年全球该比例约为2.80%
2000年上升至约2.98%
2015年达到约3.19%，为有记录以来的最高值
2015年数值约为1990年数值的1.14倍
从1990年到2015年，该比例累计增长约0.39个百分点
全球数据为各报告国数据的加权汇总，受各国数据可得性和报告完整度影响
不同国家采用的城市化定义和城镇化边界划分标准存在差异
全球层面的平均值可能掩盖各地区差异显著的事实，如小岛国与大陆国家的风险水平不可比

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	该十年期中国和世界的相关数据均为缺失状态，无法计算倍数变化。
1970-1979	-	-	该十年期中国和世界的相关数据均为缺失状态，无法计算倍数变化。
1980-1989	-	-	该十年期中国和世界的相关数据均为缺失状态，无法计算倍数变化。
1990-1999	-	-	该十年期中国和世界的相关数据均为缺失状态，无法计算倍数变化。
2000-2009	-	-	该十年期中国和世界的相关数据均为缺失状态，无法计算倍数变化。
2010-2019	-	-	该十年期中国和世界的相关数据均为缺失状态，无法计算倍数变化。
2020-2029	-	-	该十年期中国和世界的相关数据均为缺失状态，无法计算倍数变化。

2015 年全部国家排名

排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。

排名	国家	代码	数值
1	Suriname 苏里南	SUR	53.5
2	Guyana 圭亚那	GUY	52.0
3	Netherlands 荷兰	NLD	43.8
4	Marshall Islands 马绍尔群岛	MHL	36.3
5	Bahrain 巴林	BHR	32.0
6	Belize 伯利兹	BLZ	28.5
7	United Arab Emirates 阿联酋	ARE	25.5
8	Viet Nam 越南	VNM	22.5
9	Mauritania 毛里塔尼亚	MRT	19.5
10	Maldives 马尔代夫	MDV	18.2
11	Eritrea 厄立特里亚	ERI	14.9
12	Thailand 泰国	THA	14.7
13	Brunei Darussalam 文莱	BRN	13.9
14	Egypt, Arab Rep. 埃及	EGY	13.8
15	Kiribati 基里巴斯	KIR	13.3
16	Seychelles 塞舌尔	SYC	13.3
17	Japan 日本	JPN	11.6
18	Tonga 汤加	TON	11.4
19	Liberia 利比里亚	LBR	9.52
20	Denmark 丹麦	DNK	8.65
21	Djibouti 吉布提	DJI	8.61
22	Tunisia 突尼斯	TUN	7.96
23	Latvia 拉脱维亚	LVA	7.96
24	Gabon 加蓬	GAB	7.88
25	Nauru 瑙鲁	NRU	7.45
26	Jamaica 牙买加	JAM	7.33
27	Monaco 摩纳哥	MCO	7.30
28	Dominica 多米尼克	DMA	6.96
29	Malaysia 马来西亚	MYS	6.52
30	Indonesia 印度尼西亚	IDN	6.37
31	Albania 阿尔巴尼亚	ALB	6.37
32	Ecuador 厄瓜多尔	ECU	6.35
33	Iceland 冰岛	ISL	6.32
34	Bangladesh 孟加拉国	BGD	6.06
35	Benin 贝宁	BEN	6.00
36	Philippines 菲律宾	PHL	5.94
37	Qatar 卡塔尔	QAT	5.87
38	Libya 利比亚	LBY	5.80
39	Oman 阿曼	OMN	5.06
40	Equatorial Guinea 赤道几内亚	GNQ	4.90
41	Senegal 塞内加尔	SEN	4.82
42	Papua New Guinea 巴布亚新几内亚	PNG	4.77
43	China 中国	CHN	4.35
44	Belgium 比利时	BEL	4.23
45	Grenada 格林纳达	GRD	4.12
46	Bahamas, The 巴哈马	BHS	4.04
47	Antigua and Barbuda 安提瓜和巴布达	ATG	3.98
48	Kuwait 科威特	KWT	3.91
49	Fiji 斐济	FJI	3.49
50	Iraq 伊拉克	IRQ	3.47
51	Sweden 瑞典	SWE	3.40
52	Korea, Dem. People's Rep. 朝鲜	PRK	3.39
53	Spain 西班牙	ESP	3.37
54	Myanmar 缅甸	MMR	3.35
55	Micronesia, Fed. Sts. 密克罗尼西亚	FSM	3.34
56	Panama 巴拿马	PAN	3.26
57	Venezuela, RB 委内瑞拉	VEN	3.25
58	Georgia 格鲁吉亚	GEO	3.04
59	St. Kitts and Nevis 圣基茨和尼维斯	KNA	2.96
60	Haiti 海地	HTI	2.94
61	Finland 芬兰	FIN	2.90
62	Norway 挪威	NOR	2.89
63	Greece 希腊	GRC	2.87
64	Lebanon 黎巴嫩	LBN	2.79
65	Palau 帕劳	PLW	2.78
66	Montenegro 黑山	MNE	2.76
67	Cote d'Ivoire 科特迪瓦	CIV	2.72
68	Nigeria 尼日利亚	NGA	2.72
69	Australia 澳大利亚	AUS	2.71
70	Italy 意大利	ITA	2.68
71	Somalia, Fed. Rep. 索马里	SOM	2.68
72	Cyprus 塞浦路斯	CYP	2.57
73	Saudi Arabia 沙特阿拉伯	SAU	2.52
74	Croatia 克罗地亚	HRV	2.44
75	Sri Lanka 斯里兰卡	LKA	2.37
76	New Zealand 新西兰	NZL	2.22
77	Comoros 科摩罗	COM	2.15
78	Madagascar 马达加斯加	MDG	2.10
79	United Kingdom 英国	GBR	2.08
80	Turkiye 土耳其	TUR	2.05
81	Gambia, The 冈比亚	GMB	1.93
82	Cameroon 喀麦隆	CMR	1.92
83	Uruguay 乌拉圭	URY	1.90
84	St. Lucia 圣卢西亚	LCA	1.89
85	Barbados 巴巴多斯	BRB	1.85
86	Malta 马耳他	MLT	1.84
87	Solomon Islands 所罗门群岛	SLB	1.80
88	Vanuatu 瓦努阿图	VUT	1.79
89	Colombia 哥伦比亚	COL	1.78
90	Brazil 巴西	BRA	1.74
91	Ireland 爱尔兰	IRL	1.64
92	Israel 以色列	ISR	1.60
93	Korea, Rep. 韩国	KOR	1.57
94	Sao Tome and Principe 圣多美和普林西比	STP	1.55
95	Cuba 古巴	CUB	1.55
96	United States 美国	USA	1.48
97	Guinea 几内亚	GIN	1.47
98	India 印度	IND	1.45
99	Ghana 加纳	GHA	1.42
100	Samoa 萨摩亚	WSM	1.39
101	Dominican Republic 多米尼加共和国	DOM	1.38
102	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	1.35
103	Estonia 爱沙尼亚	EST	1.32
104	Mozambique 莫桑比克	MOZ	1.31
105	Slovenia 斯洛文尼亚	SVN	1.27
106	France 法国	FRA	1.26
107	Guinea-Bissau 几内亚比绍	GNB	1.24
108	Angola 安哥拉	AGO	1.22
109	Sierra Leone 塞拉利昂	SLE	1.19
110	Mauritius 毛里求斯	MUS	1.19
111	Bulgaria 保加利亚	BGR	1.19
112	Germany 德国	DEU	1.18
113	Morocco 摩洛哥	MAR	1.17
114	Lithuania 立陶宛	LTU	1.15
115	Algeria 阿尔及利亚	DZA	1.12
116	Timor-Leste 东帝汶	TLS	1.06
117	Poland 波兰	POL	1.06
118	Cabo Verde 佛得角	CPV	1.02
119	Yemen, Rep. 也门	YEM	1.01
120	Togo 多哥	TGO	0.98
121	Costa Rica 哥斯达黎加	CRI	0.96
122	Nicaragua 尼加拉瓜	NIC	0.94
123	Argentina 阿根廷	ARG	0.90
124	Canada 加拿大	CAN	0.89
125	Portugal 葡萄牙	PRT	0.81
126	Iran, Islamic Rep. 伊朗	IRN	0.76
127	Ukraine 乌克兰	UKR	0.75
128	Congo, Rep. 刚果（布）	COG	0.71
129	Russian Federation 俄罗斯	RUS	0.70
130	Cambodia 柬埔寨	KHM	0.69
131	Chile 智利	CHL	0.66
132	Singapore 新加坡	SGP	0.66
133	Mexico 墨西哥	MEX	0.63
134	Honduras 洪都拉斯	HND	0.59
135	Sudan 苏丹	SDN	0.42
136	Peru 秘鲁	PER	0.39
137	Syrian Arab Republic 叙利亚	SYR	0.31
138	El Salvador 萨尔瓦多	SLV	0.26
139	Romania 罗马尼亚	ROU	0.25
140	Kenya 肯尼亚	KEN	0.21
141	Pakistan 巴基斯坦	PAK	0.21
142	West Bank and Gaza 约旦河西岸和加沙	PSE	0.19
143	Guatemala 危地马拉	GTM	0.12
144	South Africa 南非	ZAF	0.11
145	Namibia 纳米比亚	NAM	0.11
146	Tanzania 坦桑尼亚	TZA	0.10
147	Jordan 约旦	JOR	0.04
148	Congo, Dem. Rep. 刚果（金）	COD	0.00
149	Afghanistan 阿富汗	AFG	0.00
150	Andorra 安道尔	AND	0.00
151	Armenia 亚美尼亚	ARM	0.00
152	Austria 奥地利	AUT	0.00
153	Azerbaijan 阿塞拜疆	AZE	0.00
154	Belarus 白俄罗斯	BLR	0.00
155	Bhutan 不丹	BTN	0.00
156	Bolivia 玻利维亚	BOL	0.00
157	Bosnia and Herzegovina 波黑	BIH	0.00
158	Botswana 博茨瓦纳	BWA	0.00
159	Burkina Faso 布基纳法索	BFA	0.00
160	Burundi 布隆迪	BDI	0.00
161	Central African Republic 中非共和国	CAF	0.00
162	Chad 乍得	TCD	0.00
163	Czechia 捷克	CZE	0.00
164	Eswatini 斯威士兰	SWZ	0.00
165	Ethiopia 埃塞俄比亚	ETH	0.00
166	Hungary 匈牙利	HUN	0.00
167	Kazakhstan 哈萨克斯坦	KAZ	0.00
168	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	0.00
169	Lao PDR 老挝	LAO	0.00
170	Lesotho 莱索托	LSO	0.00
171	Liechtenstein 列支敦士登	LIE	0.00
172	Luxembourg 卢森堡	LUX	0.00
173	Malawi 马拉维	MWI	0.00
174	Mali 马里	MLI	0.00
175	Moldova 摩尔多瓦	MDA	0.00
176	Mongolia 蒙古	MNG	0.00
177	Nepal 尼泊尔	NPL	0.00
178	Niger 尼日尔	NER	0.00
179	North Macedonia 北马其顿	MKD	0.00
180	Paraguay 巴拉圭	PRY	0.00
181	Rwanda 卢旺达	RWA	0.00
182	San Marino 圣马力诺	SMR	0.00
183	Serbia 塞尔维亚	SRB	0.00
184	Slovak Republic 斯洛伐克	SVK	0.00
185	South Sudan 南苏丹	SSD	0.00
186	Switzerland 瑞士	CHE	0.00
187	Tajikistan 塔吉克斯坦	TJK	0.00
188	Turkmenistan 土库曼斯坦	TKM	0.00
189	Tuvalu 图瓦卢	TUV	0.00
190	Uganda 乌干达	UGA	0.00
191	Uzbekistan 乌兹别克斯坦	UZB	0.00
192	Zambia 赞比亚	ZMB	0.00
193	Zimbabwe 津巴布韦	ZWE	0.00

使用建议、常见误用与研究场景

数值较高通常意味着什么

城市人口中有更大比例居住在海拔5米以下区域，可能意味着更大比例的人口暴露于海平面上升、沿海风暴潮和洪涝等与低海拔相关的潜在风险之下。

数值较低通常意味着什么

城市人口中有较小比例居住在海拔5米以下区域，可能意味着城市发展更多集中在海拔较高的地区，人口暴露于低海拔相关风险的比例相对较低。

鍙ｅ緞闄愬埗

5米是人为设定的高程阈值，不代表该阈值以上就完全没有风险，也不代表以下就必然面临高风险，实际风险受当地防护设施、潮汐特征和地质条件影响。
本指标反映人口的空间分布状况，不包含灾害频率、强度或经济损失等信息，不宜直接用于灾害风险评估。
不同国家城镇化定义不一致，影响城市人口的识别口径，进而影响跨国比较的有效性。
高程数据精度和年份差异可能导致同一地区在不同时期或不同数据源下的计算结果存在偏差。
该指标无法区分自然地形变化和人为填海造陆导致的低洼地区面积变化。

使用建议

在研究气候脆弱性时，宜将该指标与沿海防护基础设施数据、自然灾害发生频率数据结合使用，以全面评估实际风险敞口。
分析中国情况时，可考虑分沿海省份或分城市群进行深入研究，以捕捉区域异质性。
与总人口中生活在海拔5米以下地区的比例（EN.POP.EL5M.ZS）对比，可区分城市与农村低洼人口结构的差异。
与海拔5米以下城市用地面积占比（AG.LND.EL5M.UR.ZS）结合分析，可区分人口密度效应与地理面积效应对该指标的贡献。
使用该指标进行国际比较时，应注意各国城镇化定义差异和城市化阶段差异，必要时进行口径调整。
结合人口超过100万的城市群人口比例（EN.URB.MCTY.TL.ZS），可分析大城市扩张对低洼地区人口分布的影响。

常见错误用法

错误做法：将海拔5米以下的城市人口比例直接等同于该地区居民遭受洪涝灾害的概率

正确做法：认识到该指标仅反映人口分布位置，实际灾害风险还取决于防护设施、预警能力、地基条件和灾害类型等多重因素

使用5米高程阈值进行空间叠加是地理分析的常用方法，但风险敞口需结合具体区域的自然条件和社会经济背景综合评估，不宜将比例高低直接解读为受灾可能性

错误做法：使用该指标进行中国不同省份或城市之间的风险比较

正确做法：该指标目前仅有全国层面的汇总数据，不提供分省或分城市统计，应明确说明分析范围仅限于全国层面，或结合地方气象和地理数据进行补充分析

该指标的数据来源于全国汇总层面，中国内部各地区的地形、城镇化水平和防护设施差异显著，直接使用该指标无法捕捉区域异质性，进行省际或城市间比较缺乏数据支撑

错误做法：将低洼城市人口比例上升解读为该地区已受海平面上升的直接影响

正确做法：该指标是某一时点人口分布的静态快照，时间序列变化可能由城镇化扩张、城市边界扩展、人口迁移等多种因素驱动，需要结合城镇化率、城市用地扩张和海岸线变化等数据才能判断具体驱动机制

比例上升可能反映的是城市向沿海低洼地区扩张的城市化进程，而非海平面上升本身导致的暴露增加；同样，若该比例下降也可能是人口向内陆迁移而非海平面下降，因此不宜将指标数值变化直接归因于海平面变化

错误做法：在不做口径调整的情况下直接进行跨国比较，得出某国风险高于另一国的结论

正确做法：使用该指标进行国际比较时，应注意各国城镇化定义差异和城市化阶段差异，必要时进行口径调整或使用更细分的城市定义分类数据进行标准化比较

不同国家对城市区域的划分标准存在差异（例如行政定义 vs 功能定义），且城镇化发展阶段的差异会显著影响城市人口的识别口径，直接比较可能导致对相对风险水平的误判

错误做法：使用该城市指标（EN.POP.EL5M.UR.ZS）代表全国所有人口的低海拔暴露水平

正确做法：若需评估总人口在低海拔地区的暴露情况，应使用包含城市和农村两部分的指标 EN.POP.EL5M.ZS，并注意区分城市与农村低洼人口结构的差异

该指标仅覆盖城市人口，而农村人口中同样存在低海拔暴露群体，直接使用城市指标会遗漏农村部分的暴露情况，可能低估或误导对总体风险敞口的评估

实际应用场景

沿海城市气候脆弱性评估：研究沿海城市在气候变化背景下的适应性策略时，需要量化暴露人口规模被解释变量（暴露人口规模）可将低洼城市人口比例作为核心解释变量，同时控制人均GDP、城市化率、防护设施密度等变量，分析经济发展水平与暴露程度的关系
城镇化扩张模式与自然灾害风险的关联分析：比较不同城镇化路径对沿海灾害暴露的影响时解释变量（城镇化空间特征）结合城市用地扩张速度数据，分析城市向低洼地区扩展的趋势，并利用面板回归控制时间效应和地区固定效应，检验城镇化扩张模式与灾害暴露的相关性
沿海与内陆城市居民风险感知的差异研究：研究居民对气候变化风险认知差异的来源时控制变量（客观风险暴露）在居民问卷调查分析中，将低洼城市人口比例作为控制变量，排除客观暴露程度差异对主观风险感知的干扰
沿海防护基础设施投资效益分析：评估沿海堤防、闸站等防护设施的边际减损效果时稳健性检验变量在灾害经济损失回归模型中加入低洼人口比例，检验在控制了人口暴露程度后，防护设施投资的减损效果是否依然显著