Definire i confini urbani: come la scelta dei dati plasma la nostra percezione delle città

Introduzione: Il dilemma dell'"indeterminatezza" dei confini urbani

Oggi, con l'accelerazione dell'urbanizzazione globale, ci troviamo di fronte a un paradosso: quanto più abbiamo bisogno di dati urbani precisi, tanto più è difficile determinare dove si trovino i confini della città. Aree di censimento, distretti amministrativi, espansione delle aree edificate, bacini di pendolarismo, profili luminosi notturni — ciascun metodo di delimitazione restituisce un'immagine diversa della città. Un articolo di opinione pubblicato nel 2026 su Nature Cities (Van Migerode et al., 2026) ha sistematicamente esaminato i dataset proxy utilizzati per identificare i confini urbani, sottolineando che la scelta del proxy è, in sostanza, una dichiarazione definitoria su "cosa sia una città".

Questa problematica non è un mero esercizio accademico. Le World Urbanization Prospects delle Nazioni Unite, le classifiche globali di competitività urbana, le decisioni di investimento in infrastrutture, la pianificazione per l'adattamento ai cambiamenti climatici — tutto ciò dipende da una calibrazione uniforme o comparabile dei confini urbani. Quando diversi dataset classificano la stessa area rispettivamente come "urbana" e "non urbana", emergono crepe nella base degli studi comparativi.

Tre proxy principali: popolazione, aree edificate e luci notturne

I proxy più comunemente utilizzati per i confini urbani si dividono grosso modo in tre categorie. La prima si basa su griglie di densità e distribuzione della popolazione (ad es. WorldPop, GPW), assumendo che "la città sia uno spazio ad alta concentrazione di popolazione". La seconda si basa su dati di telerilevamento delle aree edificate (built-up area) (ad es. MODIS, GlobeLand30), assumendo che "la città sia un'area coperta in modo continuo da edifici". La terza si basa sull'intensità delle luci notturne (ad es. DMSP/OLS, NPP-VIIRS), assumendo che "la città sia uno spazio illuminato da attività economiche e infrastrutture concentrate".

Ogni proxy presenta vantaggi e punti ciechi unici. I dati demografici riflettono la distribuzione delle persone, ma sono soggetti all'influenza dei confini amministrativi e della tempistica dei censimenti; i dati sulle aree edificate sono fisicamente intuitivi, ma difficilmente distinguono tra magazzini industriali e quartieri residenziali; le luci notturne catturano l'attività economica, ma l'effetto di saturazione e il problema della "dispersione luminosa" sottostimano la reale urbanizzazione in regioni a bassa densità come l'Africa. Come dimostrato in uno studio, nella valutazione dell'effetto isola di calore su 892 città, definizioni diverse dell'estensione urbana alterano significativamente le stime della temperatura superficiale (Yang et al., 2023).

Dalla scelta metodologica al quadro cognitivo

Il contributo centrale proposto da Van Migerode e colleghi è l'invito a collegare la scelta del proxy con la "concettualizzazione della città". In altre parole, prima di decidere quale dato utilizzare, è necessario chiarire: quale dimensione della città intendiamo effettivamente misurare?例如，若研究对象是城市空气质量对健康的影响，那么“城市”或许应定义为人口连续高密度的区域；若研究是全球城市经济网络，则夜间灯光或通勤数据能更好地反映功能性城市区域（FUA）。而衡量农村到城市的转型时，建成区扩张或许更贴近土地利用变化。没有一种代理能普遍适用于所有场景——这恰恰是城市科学长期面临的“概念漂移”。

这一视角将城市边界界定从技术操作提升为认识论问题。正如地理学家Louis Wirth在1938年的经典论述中所言，城市不仅是一种物质形态，更是一种生活方式（Wirth, 1938）。代理数据集的选择，最终反映了我们对这种“城市性”的隐含判断。

全球城市比较的数据鸿沟

代理选择的差异在全球南方与北方之间尤为突出。在发达国家，城市化形态通常表现为紧凑、高密度、电网全覆盖，因此夜间灯光和人口密度数据吻合度较高。但在撒哈拉以南非洲、南亚等地，大量城市区域呈现低密度蔓延、基础设施不完善、非正规聚落普遍的特征。若仅以夜间灯光界定城市边界，便会系统性地低估这些地区的城市化水平。

OECD与西非国家经济共同体（SWAC）的《非洲城市化动力2020》报告正是针对这一问题，采用更精细的“Africapolis”方法，基于建成区和高分辨率人口数据重新定义非洲城市，结果发现非洲的城市化率比传统估计高出许多。这不仅修正了数据偏差，更重塑了对全球城市化格局的理解——全球南方的城市增长远比我们预想的更具活力。

走向目的驱动的数据选择

Van Migerode等人建议的“目的驱动”框架，是一种务实且负责任的应对。研究者需要明确表述：为什么选择某个代理？它如何与研究的核心概念对应？其局限性如何影响结论？同时，多源数据交叉验证、机器学习融合边缘检测（如Arribas-Bel et al., 2021使用XGBoost识别城市边界）等新方法，为弥合不同代理间的差距提供了可能。

然而，技术方案的进步并不能完全消解概念分歧。城市本身就是多义的空间实体——既是行政单位，又是经济盆地，还是社会生活的容器。试图用一个统一的边界锁定城市，就如同要求一幅地图同时精确显示海拔、降雨和政治区划。更好的做法或许是：承认每种地图都服务于特定目的，并公开其制图规则。

结语：边界即视角La controversia sulla definizione dei confini urbani è, in sostanza, una lotta tra diverse concezioni della città. Con l'emergere di nuove fonti di dati come il telerilevamento satellitare, i dati dei segnali telefonici e i check-in sui social media, disponiamo di strumenti di "misurazione" più ricchi che mai, ma dobbiamo anche fare attenzione a una possibile dittatura inconsapevole degli strumenti di dati. Un set di dati proxy viene ampiamente utilizzato, non necessariamente perché è concettualmente il più appropriato, ma perché è il più facilmente accessibile o il più classico.

La ricerca urbana futura non dovrebbe più eludere le ipotesi alla base delle metodologie. Promuovere trasparenza e coerenza concettuale non è solo un requisito di rigore accademico, ma anche una precondizione necessaria per garantire che le politiche urbane si basino sul mondo reale. Perché quando tracciamo la linea che definisce il confine di una città, definiamo anche chi viene incluso e chi escluso, e come comprendiamo il sistema artificiale più complesso del pianeta.

*Questo articolo è basato sul documento di opinione "Proxy datasets to identify city boundaries" pubblicato su Nature Cities (2026) da Céline Van Migerode, Ate Poorthuis & Ben Derudder.*Riferimenti bibliografici

• Van Migerode, C., Poorthuis, A. & Derudder, B. Proxy datasets to identify city boundaries. Nat. Cities (2026).
• Yang, Q. et al. Influence of urban extent discrepancy on the estimation of surface urban heat island intensity. J. Clean. Prod. 426, 139032 (2023).
• Wirth, L. Urbanism as a way of life. Am. J. Sociol. 44, 1–24 (1938).
• OECD/SWAC. Africa’s Urbanisation Dynamics 2020: Africapolis, Mapping a New Urban Geography (OECD, 2020).
• Arribas-Bel, D., Garcia-López, M.-À. & Viladecans-Marsal, E. Building(s and) cities: delineating urban areas with a machine learning algorithm. J. Urban Econ. 125, 103217 (2021).