区基方法使用卫星图像估计难达量的有效性:Victoria湖捕鱼量实例

后台

人口规模信息对规划服务并分配资源给需要保健干预的社区至关重要。资源有限环境往往无法获得可靠的普查数据Google EarthPro公开使用和从乌干达Victoria湖捕鱼社区获取的本地家庭调查数据,我们比较了两种简单方法(使用平均人口密度)和一个简单线性回归模型,估计乌干达小农村人口数据集划分成两段一取参数一测试模型有效性

结果

在66FC中,我们能够估计到47人测试集有16FC所有三种方法的总人口估计相似,误差小于2.2%。个人创用CC估计值大相径庭

结论

乌干达农村环境使用简单区基模型获取对总人口的合理估计值然而,个别村庄估计中往往有大错

了解人口规模对公共卫生的许多方面都至关紧要一号,2,3包括干预规划与资源分配4..人口普查数据常用于提供这种信息,但这种方法代价昂贵并耗时甚多,即使是小区也是如此[5..这种方法也有局限性,原因是人口移动和自普查以来可能已过时间5..低资源环境这些限制往往特别尖锐,因此需要用其他方法估计人口规模4,6..

自1950年代以来,卫星图像一直用于估计人口,使用光谱和空间卫星数据确定用于统计建模的土地利用7..自2005年以来,高分辨率图像广易获取,增加获取世界各地农村环境图像的机会[3..

数种不同方法估计社区人口大小一种方式是计数图像结构,这种方法在许多设置中都用人工计数和自动计数测试8..比较估计方法参考群计显示不同结果视图像质量而定,特别是在个人结构划分能力方面[8,九九..在有清晰可见结构并可靠估计该区域平均结构规模的地方,有可能通过简单乘以结构数乘以平均占用结构来估计人口规模人工和自动化计数结构的这类估计通常不到同一地点调查结果的几分数8..诸如难民署、医师无国界协会和红十字与红新月国际联合会等组织例行使用这种方法估计人口规模

结构型方法在只研究小面积时特别合适众包缺失地图或人道主义OpenStreetMap团队使用大批义工覆盖大片土地10,11图像质量差或过期时, 仍然有固有问题使用此方法个人结构无法见或动员足够数目的志愿者是一个挑战

另一种方式是使用村区,而不是使用楼数估计村区不依赖高清晰度卫星图像计算单个结构,使用直截面地理软件速度更快因此,如果对特定地理区域的人口密度有可靠的估计值,便有可能简单地通过按相关区域乘以人口密度估计人口规模

本文的目的是确定是否有平均人口密度数字可用以对乡村人口规模作出合理估计使用乌干达维多利亚湖岸或近岸捕鱼社区已知人口数据使用三分之二的村庄估计人口密度,然后用此估计剩余村庄的人口密度并展示全村人口密度, 希望东非其他研究人员使用并测试此数字尚存问题在于哪些位置和设置使用平均人口密度估计人口的合理性

并研究简单模型“密度时间区”是否工作复杂化,但仍直截了当实施回归模型我们调查这些方法是否提供整体和单个村庄的合理人口估计

我们希望这里所探讨的方法将允许以低成本计算合理的人口估计时间和资源,而估计将足够精度供无法获取普查数据时使用。

设置

使用乌干达Victoria湖捕鱼社区数据选择村庄为MRC/UVRIUGA研究队先前研究中已经调查的村庄,因此每个村庄都备有精确的人口资料和全球定位系统定位从下文描述方法中获取的所有估计数据均与这些地面测量数据作比较。捕鱼社区定义为住宅区,大多数居民依赖Victoria湖创收家庭调查在2012-2013年进行,计数家庭数和每个家庭人数12,13..所有村庄都是捕鱼社区,大陆有39个,维多利亚湖有27个社区特征为单层楼,大都用于住宅目的。这些社区难以获取,熟练保健提供者服务差,难以获取清洁用水和卫生设施。卫生问题包括HIV、Lapinth感染、疟疾和高产妇和新生儿发病这些社区的人口通常极易移动,由瞬态人口组成,他们在村间和大区内流动

谷歌EarthPro软件查看每个社区,没有集中住宅结构的社区被排除我们还排除了GPS坐标没有显示为村的捕鱼社区,或没有卫星图像的捕鱼社区。

GEP估计面积

面向拥有卫星图像的每个捕鱼社区,我们使用GEP软件评估面积如下团队成员根据可观察结构估计每个社区周界,并根据卫星图像结构间可见空间估计密度低或高(见Fig)。一号)圈子绘制是为了包嵌自然组成社区的大多数结构,但偶而某些结构被排除圈内区域由GEP软件自动计算估计进程耗时不足一分钟

估计人口

我们比较三种估计人数方法:二使用平均密度,一使用回归模型两种平均密度方法以不同方式计算平均值:第一种方法使用单个FC密度平均值第二组使用总人口密度计算法,即打分所有FC并除以总面积我们称这两种方法为AD1和AD2简单线性回归模型由常量术语和FC区组成作为单预测器平均密度方法可被视为回归模型而无恒定值允许前两种方法描述为:

哪里Y_一i村预测人口,BET平均人口密度回归法可描述为

中QQ和QQQ代表拦截和斜坡所有人口估计四舍五入全数使用原估计值计算总群时

允许测试并比较这些方法,我们随机将数据划分为两组:由31FCs组成的索引集,我们用它计算参数(平均密度和回归系数)和由16FCs测试集,我们用它比较这些参数预测数和前期调查值我们还计算了47FC全数据集中未经批准的参数,因为这些参数是我们现有数据中现有最佳估计值除M2参数外,我们用95%置信区间报告这些参数的每一项,无法计算CI参数,因为它是总人口对总面积的简单比

平均密度方法

计算FC平均密度M1_M1.16个测试FC中,我们逐个应用此值预测其人口并汇总这些估计数以显示测试FCs的总人口关于M2,我们计算出31索引群和除以总面积,并再次使用此参数_M2计算剩余FC群

回归法

简单线性回归 使用区预测数 31索引FC从回归中取出参数(+++++++++++++++++++xxxxxxxxxxxxxxxxxxxxxx汇总个人估计取16个测试FC组全部数估计注意,由于常量计算村级,不可能对全区应用这些参数村级应用

按位置和密度分层

上方重复两次:一次分层定位(岛屿/大陆)和一次分层估计密度类别(低/高)。在每个实例中,我们使用同一套原创索引测试FC,以便能够比较方法分层计算参数 并应用到测试FCeqs中允许面积分层因子交互一号并2脱机可选用单方程表示分层分层系数的每一级等量参数即参数Bi_小岛...._大陆...._低密度....._高密度并类推+++++++++++++++

stata v15.0用于人口估计,GEP用于获取卫星图像和估计区

人口数据为66FCs其中8个因无卫星图像排除,9个因卫星图像上看不到村庄,1个因没有GPS人口数据坐标

本文的分析对47FCs进行(见地图Fig2)调查总人口为29 574人合并面积1,030,918米²整体平均人口密度为0.0293人/m².个人密度平均值47个社区为0.0287人/m².平均FC人口为629,但在单个社区间差异很大(表)。一号)FC人口范围从99到3134不等,标准偏差为616人口密度介于0.008至0.064/m²标准偏差为0.01226个社区位于岛屿上余下与大陆单个人口密度平均值为0.0319和0.0260/m²岛和大陆FC整体平均人口密度为岛屿0.0306和大陆0.0270图图显示测量群3.

21FC低密度26高密度评为低密度的21组中,从测量群计算的实际密度介于0.008至0.037之间,平均值为0.0224/m².整体平均人口密度为0.0206/m².被评为高密度的FC实际密度介于0.018至0.064之间,平均值为0.0348整体平均人口密度为0.0356/m².21个实际密度最小FC中,我们估计16个(正确)低密度5个(错误)高密度误分类的一个可能解释是测量与卫星图像间隔时间

指数集分配的31个FC总体人口为19350,总面积为672234米².16次测试的等值数字为10224米和358684米².

参数估计

平均密度31指数FCs_M1=0.0291/m².整体平均人口密度为xi_M20.0288回归参数为++++++++++++++30.36全部数据集中47FCM1参数为0.093,95%CI值(0.025,0.0328)。M2参数为0.0287完整数据集中的回归参数为-13.32,95%CI所有其他回归参数显示于表2.

总人口

平均密度法M1预测共16项测试FC10452,比普查数据高估计228(2.2%)方法M2预测总人口10325,也高估101(0.99%)。回归法预测总人口10341,高估计117(1.1%)

个体FC

使用方法M1个人绝对差为800(FC#47!人口2404估计人口1604同一FC还产生其他两种方法的最大误差:M2预测1585(异性=819)和回归法预测1631(异性=773)。三大方法的最大相对偏差是FC#40,使用M1预测539(高估计83.7%),使用M2预测532(高估计80.0%),使用回归法528(高估计77.9%)完全结果显示表3.

按位置分批

按位置划分没有提高平均密度方法总体估计值,但确实改进回归法估计使用M1的总人口为9788,小数436(4.3%)使用M2估计9877小数357使用回归法估计为10212,低估率仅为0.12%单个FC人口估计全结果显示于表4.最大差错重现FC#47(绝对误差)和FC#40(相对误差)预测

按估计密度类别分层

使用方法M1按估计密度分层计算,总体估计人口为8815人,而调查人口为10224人。偏小1409(13.8%)使用法M2估计8330,低估1894(18.5%)回归法更糟,估计人口为8222人,低估2002年(19.6%)完全结果显示表5.

简单基于区域方法生成测试社区总体合理估计值,在我们看来这些估计值对许多情况都足够准确,特别是在没有正式普查数据时更是如此。举例说,当估计一组村庄的公共卫生需求时,这一近似人口估计就足够了。预测总体最精确方法使用简单平均人口密度按位置划分或估计密度没有提高估计值密度使用特别不成功,原因可能是难以从卫星图像正确划分社区使用回归法不提高精度因此,我们推荐最简单平均密度方法其长处是直觉易懂计算 不需要村级数据计算这种方法只需要一个参数和知识 集合区所有社区数据中平均密度参数为0.0287/m².这一数字是否适用于其他地理区域或其它类型环境,例如采矿社区或其他小隔离村落,这是一个有待解决的问题。未来工作使用东非其他地区调查的人口数据测试该方法的适用性及平均密度图

所有方法都不太成功预测单个住区的人口这并不奇怪,因为所观察到的密度异同性最稠密FC几乎八倍 密度最小因此,我们不建议使用这些方法预测单个社区的人口

区基工作方法假设村类相似性,即村级你估计人口密度与提供我们0.0287数字的村类相似我们确认,我们设计这项研究的方式保证满足这一要求或以东非其他湖为基地的捕鱼社区,以区域为基础的方法历来用于城市环境14,15或使用大数变量定义类型16..大量通过遥感数据定义人群的工作就是定义这些类型

非洲的许多地方小村由类似类型楼组成:单层楼,建材和建楼变化微乎其微奇特地发现FC区人口密度变化,极端变异可能归结于不同类型的FCs,有些是湖边村庄,因此捕鱼是其主要生计,而另一些则可能是临时性的,并用于捕鱼地的某些部分社区可能因岛屿或半岛空间限制而更加拥挤。人口组成也可能有差别,因为捕鱼社区往往主要由工作年龄男子组成,家庭数目较少,结果平均搭建率不尽相同。两者都会改变FC的人口密度我们还确认测量日期与相应卫星图像拍摄日期之差这可能增加预测误差 如果FC群数在上述日期间发生重大变化

分析后,我们应用从完全数据集到乌干达509FC村数据参数,GEP中识别,我们拥有区域,但非人口数据总面积为10 946 521米².平均密度法M1估计总人口320,543方法M2估计314023回归法估计313 891虽然无法验证这些估计的准确性,但令人欣慰的是,在这一环境里,它们产生相似值并给我们带来希望,即最简单方法不比复杂方法差得多,即使估计大量村庄中较大人口时也是如此。

GEP作为图像源码使用和定义区域法有利弊易用易用这对于很少或根本没有地理信息系统经验的集团大有裨益。短短时间里,有可能学习如何标出区域并提取区域与维多利亚湖三国研究者一起进行的培训给我们第一手经验,即GEP可在不到一小时内学习快速绘制区域图:乌干达Victoria湖湖岸所有村庄的数据集抓取一人小于三人制作

图像可用性与时间问题更多一些地区图像丰富多采,每年常多取这些地区通常是人类活动区(城市、冲突区、森林砍伐区)或发生自然灾害区世界各地,特别是更多农村地区,情况并非如此。维多利亚湖周围大多数图像碰巧来自2012年,前12个月对大多数人口调查常只有一张图像可用虽然大部分区域都有图像可用,但这些图像并非总能高分辨图像最适于评估结构,但的确允许识别居民区

社区稳定变化微小 图像日期无关紧要然而,在捕鱼社区,如本研究中的捕鱼社区,从大小增减两方面看变化都非常快。如果社区暂时性(例如捕鱼季节的持续时间),居民可频繁迁移地点。与流离失所者相似,他们也可以快速改变。另一项限制是,我们排除了远离主村的结构这样做是为了方便边界划分过程,从而获取村区估计值但是,它确实意味着,如果有不同数目的人居住在村外结构中,这种方法可能不合适。

日期和图像提供导致我们不得不排除19个村庄的分析此外,从卫星图像计算FC面积可能不准确。简单面积法的一个长处是村区不必来自卫星图片实地工作人员有可能使用手持GPS设备定义村庄轮廓并计算面积,消除这些不准确性

结实匹配7偏差对单个区域大于对全体人口使用简单面积法估计村群是可行的,并会快速低技能方式在这些环境获取人口需要注意使用这种方法估计单个村庄的人口需要进一步调查分配类型或使用最新卫星图像(或从地面计算面积)是否会提高结果

最近一些组织在人口数据集方面取得了一些进展,如WorldPop(StevensFR)。这些数据集远非完备,无法在维多利亚湖周围目标村使用定义不同城市类型人口密度的工作有重叠之处,小调查数据必须能输入大数据集,反之亦然。还需要通过简单使用软件提供大数据集,而不必过于依赖GIS技能但仍缺快速低技能方法,可应用到GIS能力非常有限或人口变化快速的环境下。

需要简化方法来确定资源有限环境中高健康风险人口规模卫星图像也许能帮助提供访问有限和资源进行调查或需要快速估计领域的信息。显示使用广易用软件如GEP生成所需空间数据直截了当,无需更多技术GIS技能显示平均密度为0.0287/m²提供一组社区合理估计人口然而,使用基于区域方法时需要护理移栖人口,其中单个社区估计值可能与大误差相关联。总体人口估计平衡,并随着稳定社区的进一步验证,对单个地点可能证明比较可行。使用GPS设备获取村庄面积并乘以区域人口密度可提供简单方法选择访问位置

CGSKHG设计CG开发方法,VT和CG从GoogleEarth提取数据VT、CH和SN帮助分析AA、RS和AG向参考人口数据库提供调查数据所有作者都提出了批评性评论所有作者阅读并批准最终手稿

Acknowledgements

论文与Victoria湖健康研究财团协作开发特别要感谢Pontiano Kaleebu、Andrew Abaasa、Janet Seeley、Freddie Kibengo、Asiki Gershim、Monica Kuteesa、Richard E三亚和艾莉森艾略特MRC/UVRI乌干达艾滋病研究组Noah Kiwanuka和AliSsetaalaElizabeth Bukusi和ZacharyKwenaSaidi Kapiga、Christian Hansen、Ramadhan Hashim、Edmund Kisanga、Simon Sicalwe和Heiner Grosskurth(MITU/UVRI,Mwanza,坦桑尼亚)莱斯利·尼尔森、扬德邦特、阿纳托利卡马里和帕特里夏快递感谢调查的主要调查人员和实地工作人员提供参考数据,这些数据是作为与本文无关的其他研究的一部分收集的。乌干达Mukono区Koome子县社区数据采集工作是Victoria湖岛对寄生虫和过敏相关疾病干预研究的一部分,该研究得到Wellcome信托支持(Grandn数095778)。乌干达Wakiso和Masaka小区捕鱼社区收集数据,作为MRC/UVRI乌干达艾滋病研究组根据MRC/DFID协议开展的流行病学研究的一部分,该研究得到了英国医学研究理事会和英国国际开发部的支持,后者也是EDCTP2程序的一部分,欧盟支持EDCTP2

竞技兴趣

作者声明他们没有竞技兴趣

供资问题

资金由美国国际开发署提供AID-OA-A-16-00032和医学研究理事会MR/K012126/1)

发布器注解

伟德体育在线Springer自然对发布地图和机构附属关系中的司法请求保持中立

作者和附属关系

1. 伦敦卫生热带医学院G13室Keppel街,伦敦WC1E7HT

   Stephen Nash、VictoriaTittle、Christian Holm Hansen、Heiner Grosskurth、Saidi Kapiga和Chris Grundy

2. MRC/UVRI乌干达艾滋病研究组,乌干达恩德培

   Andrew Abaasa理查E三亚市、格希姆阿西基市和克里斯蒂安霍尔姆汉森市

3. Mwanza干预审判组(MITU/NIMR),坦桑尼亚Mwanza

   海纳格罗斯库尔特和赛义德卡皮加

企业集团

对应作者

对应到斯蒂芬纳什.

开放存取文章依据创用4.0国际许可分发http://creativecommons.org/licenses/by/4.0/并注明是否修改过 出自创创作者和源码创用公共域免责http://creativecommons.org/publicdomain/zero/1.0/)适用于本条提供的数据,除非另有说明。

重印权限