世界人口数据——详细信息——向公众发布

世界人口数据——详细信息——向公众发布

这是一个简单的前提:要真正改善人类的健康、安全和保障,您必须首先了解这些人在哪里。其他一切——有多少人可能因天气事件而处于危险之中,谁可能受到资源稀缺的影响,以及如何有效地部署有限的资源来应对危机——都源于对人口位置的初步基本知识。

这似乎很明显。但 25 年前,获得人口数据几乎是不可能的。

世界人口数据——详细信息——向公众发布

ORNL,美国能源部,LandScan USA 平台,显示伊利诺伊州芝加哥的白天、左侧和夜间人口分布变化。
« ORNL 全球人口分布数据艾滋病人道主义支持的公开发布。

橡树岭国家实验室的研究人员花费了二十多年的时间,通过开发尖端的人口分布模型来解决这一挑战。现在,他们的 LandScan 数据集套件可在新的开源知识共享许可下在线向全球公众提供

花生酱和果冻?

在 1990 年代中期,世界上没有关于全球人口的良好、一致的数据。

大多数国家都进行了人口普查,但数据非常不一致。 ORNL 的地理空间科学家和人文地理学家认识到这种缺乏数据可能会在灾难发生时被证明是致命的,他们开始了一个项目,以开发世界上第一个可靠的标准化人口分布模型。 (了解有关 ORNL 早期人口建模工作的更多信息。)

“我们开始时的想法是提供地球每平方公里人口数量的现实估计,”ORNL 高级科学家和 LandScan 项目首席研究员 Amy Rose 说。

该项目不是从计算人数开始的,而是通过分析和描述现有的环境和基础设施数据开始的。了解物理空间的样子使研究人员能够确定人们可能在哪里,更重要的是,他们不在哪里。

“当你考虑到地形、土地覆盖和使用以及设施特征等因素时,你可以开始构建一种果冻模具,以确定人们在给定位置的相对可能性,”罗斯说。

另一种方法——称为“花生酱”方法——是将已知的人口数量均匀地分布在地理空间中。但这通常会导致模型只能假设人们生活在水中、陡峭的山坡上或其他不可能的地方。

相反,ORNL 的研究人员将给定区域的可用人口普查数据放入他们所谓的果冻模型中——实际上,这是一种复杂的算法,它赋予对人口更有吸引力的区域更大的权重——以更清楚地了解哪里在给定区域内,人们可能会出现,并估计每个区域有多少人。

罗斯将这种方法比作一个有桌子、椅子和讲台的会议室。

“人们更有可能坐在桌子周围的那些椅子上,可能有人在讲台上,而不是在会议室的其余空间里,”她说。 “因此,人们并不是均匀分布在整个房间中,但我们可以根据房间的特征智能地估计他们可能在哪里。”

并非所有的会议室——或国家——都是一样的

该团队很快意识到,对全球人口分布进行建模并不是一个万能的命题。一个单一的果冻模具永远无法在全球范围内获得分销。

“与后来出现的其他人口数据集相比,LandScan 的一个主要显着特征是,当我们刚开始时,我们意识到人口分布肯定不是单一模型就能充分捕捉全球分布的情况, ” 退休的 ORNL 科学家和 LandScan 计划的最初开发者之一 Eddie Bright 说。

布莱特补充说,一些地区以成核或聚集的定居点为主,而其他地区可能沿着河流和道路更加线性。 “因此,我们根据每个国家的文化和自然因素以及每个国家可用的数据质量为每个国家开发了单独的模型。”

LandScan Global 于 1998 年推出,并提供给美国政府和任务合作伙伴,提供第一个全球人口分布数据集,捕获人们在 24 小时内的全部潜在活动空间。

“最初的发布非常重要,因为它是同类中第一个全面的人口数据集,”罗斯说,“而且它也是第一个专门考虑处于危险中的人口的数据集  ——无论是人为事件还是自然灾害。”

没过多久,2006 年荣获 R&D 100 奖的 LandScan 就展示了它的价值和拯救生命的影响。到 2003 年,该数据库被用于帮助伊朗地震以及一年后摧毁斯里兰卡和印度尼西亚的海啸后的恢复工作——让第一响应者和救援人员快速了解潜在受害者的位置以及如何最好地到达他们。

ORNL 人文地理小组负责人 Marie Urban 说:“如果您对事件发生时人们的位置有很好的了解,那么您就可以非常有根据地猜测特定地点可能有多少人受到影响。” “从那里,您可以调整响应和援助的水平,以获得最大的影响。”

扩展、增强和地理空间创新

随着技术的进步、计算能力的进步以及数据量的增加,LandScan 团队改进了他们的模型并开始着手相关工作。 2004 年,他们构建了 LandScan USA,这是 LandScan Global 的增强版本,以更精细的空间分辨率(大约 90 米)提供整个美国的昼夜人口变化。 LandScan HD 的持续推出为其他国家和地区提供了类似的粒度。

在此过程中,该团队开发了工具和资源来支持各种研究任务,反之亦然,帮助 ORNL 保持在地理空间科学发现和创新方面的领导地位。

“我们利用了 ORNL 在 GeoAI 中所做的工作,这使我们能够结合自动建筑特征提取以及人口密度表,这些表提供了全球不同类型设施的每 1000 平方英尺人口估计值,”罗斯说。

同样,为美国国土安全部开发基础关键基础设施数据的项目源于 LandScan USA,并且 ORNL 的大部分用于定居点映射的机器学习和计算机视觉研究都得到了 LandScan 计划的支持。

“我们非常清楚这些不同研究工作之间的关系,”Urban 说。 “因为它们都是由政府资助的,所以我们不断分享我们的成果并重新整合,以从纳税人的每一美元中获得最大价值。”

该团队很高兴能够免费向全球公众开放这一开创性的人口数据。为 LandScan 计划提供资金的国家地理空间情报局一直致力于公开数据集,特别是为了帮助人道主义社区。 COVID-19 大流行增加了这些努力的紧迫性。

“我们一直在谈论尝试制作这些开源数据集,但是当 COVID 出现时,它提出了一个非常明确的案例,即更多的人需要访问良好的人口数据,”罗斯说。

LandScan 数据集已在 ORNL 以外的各种研究中被引用——备灾和恢复计划、城市设计和步行性计划以及设施选址研究。随着新的开源版权和这项技术向公众的无限制转让,可能性似乎无穷无尽。

“这些数据在多个政府机构、人道主义界和国际合作伙伴中的传播程度让我感到非常惊讶,”Urban 说。 “由于这次公开发布,使用和对人们生活的影响绝对会增加。我很高兴看到人们可以用它做什么。”

UT-Battelle 为能源部科学办公室管理 ORNL,该办公室是美国物理科学基础研究的最大支持者。科学办公室正在努力解决我们这个时代最紧迫的一些挑战。如需更多信息,请访问energy.gov/science。

文章由橡树岭国家实验室提供。

来源: CleanTechnica

本文来自互联网,不代表前途科技立场,如若转载,请注明出处:https://accesspath.com/insight/5752216/

(0)
定国的头像定国
上一篇 2022年5月26日 下午8:02
下一篇 2022年5月26日 下午9:31

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注