[论文解读] Assessing the Quality of Gridded Population Data for Quantifying the Population Living in Deprived Communities

Agatha C. H. de Mattos, Gavin McArdle+1 more|arXiv (Cornell University)|Nov 25, 2020

Impact of Light on Environment and Health参考文献 8被引用 4

一句话总结

本研究利用2010年巴西人口普查的实地验证数据，评估了WorldPOP和LandScan网格化人口数据集在估算贫民窟人口方面的准确性。WorldPOP的整体误差率为5.9%，其中67%的贫民区多边形估计值在±20%以内，表明100米分辨率的网格化数据可作为低收入环境中贫民窟人口估算的一种成本效益高的工具。

ABSTRACT

Over a billion people live in slums in settlements that are often located in ecologically sensitive areas and hence highly vulnerable. This is a problem in many parts of the world, but it is more prominent in low-income countries, where in 2014 on average 65% of the urban population lived in slums. As a result, building resilient communities requires quantifying the population living in these deprived areas and improving their living conditions. However, most of the data about slums comes from census data, which is only available at aggregate levels and often excludes these settlements. Consequently, researchers have looked at alternative approaches. These approaches, however, commonly rely on expensive high-resolution satellite imagery and field-surveys, which hinders their large-scale applicability. In this paper, we investigate a cost-effective methodology to estimate the slum population by assessing the quality of gridded population data. We evaluate the accuracy of the WorldPOP and LandScan population layers against ground-truth data composed of 1,703 georeferenced polygons that were mapped as deprived areas and which had their population surveyed during the 2010 Brazilian census. While the LandScan data did not produce satisfactory results for most polygons, the WorldPOP estimates were less than 20% off for 67% of the polygons and the overall error for the totality of the studied area was only -5.9%. This small error margin demonstrates that population layers with a resolution of at least a 100m, such as WorldPOP's, can be useful tools to estimate the population living in slums.

研究动机与目标

• 评估网格化人口数据集在估算生活在贫困社区（特别是贫民窟）人口方面的准确性。
• 应对因缺乏或过时的人口普查数据而常遗漏贫民窟聚居地，尤其是在低收入国家所面临的挑战。
• 寻找高分辨率卫星影像和实地调查的低成本替代方案，以实现大规模贫民窟人口估算。
• 通过支持可持续发展目标11.1，实现对贫民窟人口进行可靠的次国家级报告。
• 评估自上而下的网格化人口模型是否可作为贫困城市地区政策相关的人口监测的可行工具。

提出的方法

• 本研究使用2010年人口普查期间在巴西圣保罗大都会区调查的1,703个地理定位的贫困区域多边形作为实地验证数据。
• 将两种网格化人口数据集（WorldPOP和LandScan）的人口估算值与实地验证数据进行比较。
• WorldPOP采用基于全球人口网格4.10的自上而下分解方法，并结合建成区数据，可选地使用联合国统计数据进行调整。
• LandScan采用类似的自上而下方法，使用美国人口普查局的预测和全球人口分布模型。
• 通过将网格化估算值与实地调查的人口数量进行比较，计算每个多边形的相对误差。
• 研究评估了在不同误差区间（如±20%、>100%）内的表现，并识别出空值或无效估计的情况。

实验结果

研究问题

• RQ1 WorldPOP和LandScan网格化人口数据集在估算生活在贫困城市社区人口方面的准确性如何？
• RQ2 与实地验证的人口普查数据相比，这些数据集在多大程度上低估或高估了贫民窟人口？
• RQ3 使用每种网格化数据集时，有多少比例的贫困区域多边形估计误差在±20%以内？
• RQ4 为何部分多边形在LandScan中产生空值或无效估计，这对整体可靠性有何影响？
• RQ5 分辨率至少为100米的网格化人口数据能否作为高分辨率影像和实地调查在贫民窟人口监测中的可行且成本效益高的替代方案？

主要发现

• 在1,703个贫困区域多边形中，67%的WorldPOP估算值与实地验证人口在±20%以内。
• WorldPOP在整个研究区域的总体相对误差为-5.9%，表明存在轻微低估。
• LandScan结果不理想，94%的多边形产生无效或空值估计，仅有1%的多边形在±20%误差范围内。
• LandScan中有22个多边形的相对误差超过100%，表明其人口分配存在显著误差。
• WorldPOP的低估可能源于贫民窟区域缺少建成结构数据，与其它研究中类似数据集的发现一致。
• 尽管存在局限性，WorldPOP的表现仍支持其作为可靠、低成本的大规模贫民窟人口估算工具，尤其适用于实地调查不可行的地区。