[論文レビュー] Estimation of gridded population and GDP scenarios with spatially explicit statistical downscaling

Daisuke Murakami, Yoshiki Yamagata|arXiv (Cornell University)|Oct 28, 2016

Land Use and Ecosystem Services参考文献 21被引用数 30

ひとこと要約

本稿では、共有社会経済パス（SSPs）下での0.5度グリッド化された人口およびGDPシナリオを推定する空間的に明示的な統計的ダウンスケーリング手法を提示する。都市・農村の空間的相互作用、道路網、土地被覆、およびモデルアンサンブルアプローチを統合することで、従来の手法よりも都市の集中（SSP1）と分散（SSP3）をより現実的に捉え、非都市部における過剰な平滑化を回避する。

ABSTRACT

This study downscales the population and gross domestic product (GDP) scenarios given under Shared Socioeconomic Pathways (SSPs) into 0.5-degree grids. Our downscale approach has the following features: (i) it explicitly considers spatial and socioeconomic interactions among cities; (ii) it utilizes auxiliary variables, including, road network and land cover; (iii) it endogenously estimates influence from each factor by a model ensemble approach; (iv) it allows us controlling urban shrinkage/dispersion depending on SSPs. It is confirmed that our downscaling results are consistent with scenario assumptions (e.g., concentration in SSP1 and dispersion in SSP3). Besides, while existing grid-level scenario tends to have overly-smoothed population distributions in non-urban areas, ours does not suffer from the problem, and captures difference in urban and non-urban areas in a more reasonable manner.

研究の動機と目的

• SSPs下で0.5度解像度の高分解能グリッド化された人口およびGDPシナリオを生成すること。
• 既存のグリッドレベルのシナリオで一般的に見られる非都市部における人口分布の過剰な平滑化を是正すること。
• 都市間の空間的および社会経済的相互作用を明示的にモデル化し、都市成長パターンを反映すること。
• 道路網や土地被覆などの補助的地図変数を組み込み、ダウンスケーリングの精度を向上させること。
• SSPの仮定に基づいて都市の縮小または分散の動的シミュレーションを可能にすること。

提案手法

• 0.5度グリッドセルにおける人口およびGDP分布をモデル化する空間的に明示的な統計的ダウンスケーリングフレームワークを適用する。
• 道路網密度や土地被覆タイプなどの複数の補助変数を予測子として組み込む。
• 各補助変数が人口およびGDPに与える影響の重みを内生的に推定するためのモデルアンサンブルアプローチを用いる。
• 都市間の相互作用を、都市間の距離と接続性を考慮することで明示的にモデル化する。
• 歴史的データを用いてモデルをキャリブレーションし、既知の空間的パターンと照合して検証する。
• SSP固有の社会経済的仮定に基づいて、都市の縮小または分散のダイナミクスを調整する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、SSPシナリオの国レベルのデータを0.5度グリッドにダウンスケーリングし、空間的現実性を確保できるか？
• RQ2 道路網や土地被覆といった補助変数は、グリッド化された人口およびGDP推定の精度をどの程度向上させるか？
• RQ3 本モデルは、異なるSSPにおける都市の集中（SSP1）と分散（SSP3）の対照的なパターンを捉えることができるか？
• RQ4 本手法は、既存のダウンスケーリング技術と比較して、非都市部における人口の過剰な平滑化をどの程度軽減するか？
• RQ5 都市間の空間的相互作用は、グリッドレベルにおける人口およびGDPの分布にどのように影響を与えるか？

主な発見

• ダウンスケーリング手法は、SSP1におけるSSPが想定する都市の集中と、SSP3における都市の分散を成功裏に再現した。
• 空間的に明示的な補助変数と相互作用効果を活用することで、非都市部における過剰な平滑化を回避した。
• 道路網や土地被覆の組み込みにより、人口およびGDP分布の空間的現実性が顕著に向上した。
• モデルアンサンブルアプローチにより要因の影響を内生的に推定でき、モデルの頑健性と適応性が向上した。
• 得られたグリッドシナリオは、従来のグリッドレベルのダウンスケーリング手法と比較して、より洗練され、地理的に妥当なパターンを示した。
• 検証結果から、特にSSP間における都市・農村の対比を的確に捉えていることが確認された。