从粗粒度人口普查计数与开放地理数据实现细粒度人口制图
机器学习
2022-11-30 v1 计算机视觉与模式识别
应用统计
摘要
细粒度人口地图在城市规画、环境监测、公共卫生和人道主义行动等多个领域都有需求。遗憾的是，许多国家仅收集大空间单元上的聚合人口普查计数，且这些计数未必及时更新。我们提出 POMELO，一种利用粗粒度人口普查计数与开放地理数据来估算地面采样距离为 100m 的细粒度人口地图的深度学习模型。此外，该模型还能在完全无人口普查计数可用时，通过跨国家泛化来估算人口数量。在撒哈拉以南非洲若干国家的一系列实验中，POMELO 生成的地图与最详细的可用参考计数吻合良好：粗粒度普查计数的分解达到 85-89% 的 R2 值；在没有任何计数情况下的无约束预测达到 48-69%。
引用
@article{arxiv.2211.04039,
title = {Fine-grained Population Mapping from Coarse Census Counts and Open Geodata},
author = {Nando Metzger and John E. Vargas-Muñoz and Rodrigo C. Daudt and Benjamin Kellenberger and Thao Ton-That Whelan and Ferda Ofli and Muhammad Imran and Konrad Schindler and Devis Tuia},
journal= {arXiv preprint arXiv:2211.04039},
year = {2022}
}