Apr, 2022

So2Sat POP -- 大陆尺度空间人口估算的数据集

PDF
TL;DR研究人口分布，提供包括数字高程模型、本地气候区域、土地利用比例、夜间灯光和 Sentinel-2 的多光谱图像以及 Open Street Map 计划的数据，为人口估计的研究提供了一个全面的数据集。
population distributionstatistical methodsmachine learningdata setpopulation estimation
发现论文，激发创造
  • 基于 Sentinel-1 和 Sentinel-2 的高分辨率人口地图

    使用免费且全球可用的 Sentinel-1 和 Sentinel-2 卫星图像以及少量粗糙人口普查区域的集总人口计数进行校准，我们开发了一种名为 POPCORN 的人口映射方法，其数据需求最小，却超越了现有方案的映射准确性，能够生成最新和高分辨率的人口地图，以民主化地为需要更新的地区提供资源。

    Nov, 2023

  • 逐幢建筑绘制全球人口地图

    利用机器学习的计算机视觉方法可从卫星图像中创建全球范围内的人口地图，该方法精度高，适用于全球部署，能够检测城市化地区，有助于基础设施规划、疫苗接种计划、灾难响应和高精度洪水风险分析等。

    Dec, 2017

  • 卫星图像人口估计的深度学习方法

    利用深度学习模型对美国每个 0.01 平方度单元格的高分辨率人口估计进行了研究，并比较了直接调查和解聚群体技术的优劣。

    Aug, 2017

  • 利用高分辨率卫星图像和公平的现实数据对非正规定居点进行人口地图绘制

    本论文提出了一种通用框架，利用高分辨率卫星图像对低收入城区中密集型非正式定居点 —— 所谓的 “贫民窟”—— 的人口进行估算，并借助本地社区的合作来获得公正的基础数据，以让机器学习应用更加包容、公平和具有问责性。

    Sep, 2020

  • 马达加斯加可持续的人口普查独立估算

    本研究通过使用遥感技术和微调查数据，估算莫桑比克两个示范区内的人口数量，并评估使用公共数据集进行人口估算的可行性。同时，使用现有的建筑足迹数据集进行转移学习，并结合额外的 “点” 标注来提升人口估算精度，结果显示使用该方法计算的建筑足迹面积可以显著提升人口预测精度。

    Apr, 2021

  • 利用卫星图像进行的深度学习方法：印度农村缺失人口测绘

    使用多种卫星图像输入的两个卷积神经网络结构有效地结合了来自印度乡村地区的卫星图像和 2011 年人口普查的人口标签，以准确预测一区域的人口密度，性能优于以往研究以及全球人口分布的标准 LandScan。

    May, 2019

  • PD-SEG：利用深度分割网络实现人口分解以改善建筑定居区掩模

    通过使用深度分割网络和卫星图像，利用准确的建筑定居面具，我们以 30 米乘 30 米的分辨率准确估计人口数量，并利用兴趣点（POI）数据排除非居民区。

    Jul, 2023

  • 利用遥感数据进行空气污染评估

    使用机器学习模型，特别是随机森林模型，在 2019 年对伊比利亚半岛的五种选择性污染物进行了浓度预测，并使用卫星测量、气象变量、土地利用分类、时间变量和空间变量作为模型特征进行评估。

    Feb, 2024

  • 一种可扩展的环境空气污染浓度估算框架

    通过机器学习填补缺失的空气污染浓度数据，我们提供了英国 2018 年每小时 1kmx1km 的全面数据集，对空气污染的浓度进行预测、估计和捕捉，使相关利益相关方能以更高分辨率进行研究。

    Jan, 2024

  • Synthpop++: 一个生成国家级合成人口的混合框架

    该研究介绍了一种新型的混合框架 SynthPop++，该框架可以将来自多个现实调查的数据（具有不同且部分重叠的属性集）组合起来，生成具有真实比例的合成人口，该方法可以用于在印度进行感染病例的代理建模。实验结果表明，我们的合成人口可以在城市、区域和国家级别产生具有真实规模和详细数据的人口数据。

    Apr, 2023