Analysis of the usefulness land use and land cover maps for estimating the population of urban areas – valorisation of multi-variant population maps based on the GUS kilometre network

• Autorzy: Pirowski Tomasz , Timek Małgorzata

Identyfikatory

DOI

10.4467/21995923GP.19.004.10888

Warianty tytułu

PL

Analiza przydatności map pokrycia i użytkowania terenu do szacowania liczby ludności obszarów miejskich – waloryzacja wielowariantowych map ludności w oparciu o siatkę kilometrową GUS

• Języki publikacji: EN

Abstrakty

EN

The paper is a continuation and summary of a series of publications related to the dasymetric estimation of the distribution of the population of Krakow. The conversion of the population from the original census units is based on the development data from three sources, the Corine Land Cover project (CLC), the Urban Atlas project (UA) and the object classification (OBIA) of the RapidEye data. The experiment was conducted using archival statistical data from 2009 from 141 urban units (u.u.) of the city. In the first two parts of the cycle (Pirowski and Timek, 2018; Pirowski et al., 2018) population conversion was presented on the basis of CLC, UA and OBIA maps, obtaining a total of 12 maps of Krakow’s population. The obtained error distributions were presented and the calculated weights of population density for each category of residential buildings were discussed. In the third part of the cycle (Pirowski and Berka, 2019) the results were analyzed in detail by reference to the reference, high-resolution population map of the Bronowice district (north-western part of the city). In this publication, ending the cycle, population maps were verified on the basis of a kilometre grid of the Central Statistical Office (GUS), which is an aggregation of data from the National Census of Population and Housing 2011, made available by the Office in 2017. The results of high-resolution verification carried out in the Bronowice district were compared with the data of the CSO (GUS). In the GUS grid the best results were obtained for surface and weight UA methods (RMSE 908–917 people; MAPE 42-46%). The estimation of population distribution using OBIA data (RMSE 1115–2073 people; MAPE 121–184%) was found to be incorrect. After the correction of OBIA by UA data, a significant improvement in the results for surface-weighted methods was obtained (RMSE 930–1067 people; MAPE 53–68%), however, the error rate was still higher than for UA itself, which eliminates the OBIA method from practical applications in this area. A correlation was found between the RMSE and MAPE errors recorded in UC at the stage of weight selection and the RMSE and MAPE errors recorded in the GUS grid, respectively R2(RMSE)=91%, R2(MAPE)=65%. Therefore, the correlation detected indicates that the low errors obtained at the selection stage translate into reliable population estimates. The proposed weighting methodology limits the subjectivity of the method, based on the minimisation of RMSE and MAPE in the original census units. The disadvantage of the method is that it is necessary to define the boundary conditions for the selection of weights, in case of obtaining unreal weights and the possibility of occurrence of equifinality phenomenon, difficult to detect in the absence of additional reference data.

PL

Artykuł jest kontynuacją i podsumowaniem cyklu publikacji związanych z dazymetrycznym szacowaniem rozmieszczenia ludności Krakowa. Przeliczanie ludności z pierwotnych jednostek spisowych oparto na danych o zabudowie z trzech źródeł, z projektu Corine Land Cover (CLC), z projektu Urban Atlas (UA) oraz z klasyfikacji obiektowej (OBIA) danych RapidEye. Eksperyment przeprowadzono wykorzystując archiwalne dane statystyczne z roku 2009 ze 141 jednostek urbanistycznych (j.u.) miasta. W pierwszych dwóch częściach cyklu (Pirowski i Timek, 2018; Pirowski i in., 2018) zaprezentowano przeliczanie populacji na bazie map CLC, UA oraz OBIA, łącznie uzyskując 12 map zaludnienia Krakowa. Przedstawiono uzyskane rozkłady błędów, poddano dyskusji obliczone wagi zagęszczenia ludności dla każdej kategorii zabudowy mieszkalnej. W trzeciej części cyklu (Pirowski i Berka, 2019) opracowane wyniki poddane zostały szczegółowej analizie poprzez odniesienie się do referencyjnej, wysokorozdzielczej mapy zaludnienia dzielnicy Bronowice (północno-zachodni obszar miasta). W niniejszej publikacji, kończącej cykl, zweryfikowano mapy zaludnienia w oparciu o siatkę kilometrową GUS, będącą agregacją danych Narodowego Spisu Powszechnego Ludności i Mieszkań z 2011, udostępnioną przez Urząd w 2017 roku. Porównano wyniki weryfikacji wysokorozdzielczej prowadzonej na dzielnicy Bronowice z weryfikacją na danych GUS. W siatce GUS uzyskano najlepsze wyniki dla metod powierzchniowo-wagowych UA (RMSE 908–917 osób; MAPE 42–46%). Za błędne uznano szacowanie rozmieszczenia ludności przy użyciu danych OBIA (RMSE 1115–2073 os.; MAPE 121–184%). Po korek¬cie OBIA poprzez dane UA uzyskano znaczącą poprawę wyników dla metod powierzchniowo-wagowych (RMSE 930–1067 osób; MAPE 53–68%), jednak poziom błędów był nadal wyższy niż dla samej UA, co eliminuje metodę OBIA z zastosowań praktycznych w tym obszarze. Stwierdzono zależność pomiędzy notowanymi błędami RMSE i MAPE w j.u. na etapie doboru wag a notowanymi błędami RMSE i MAPE w siatce GUS, odpowiednio R2(RMSE) = 91%, R2(MAPE) = 65%. Zatem wykryta korelacja wskazuje, że niskie błędy uzyskane na etapie doboru wag przekładają się na wiarygodne szacowanie liczby ludności. Proponowana metodyka doboru wag ogranicza subiektywizm metody, opierając się na minimalizacji RMSE i MAPE w pierwotnych jednostkach spisowych. Wadą metody jest konieczność definiowania warunków brzegowych doboru wag, w przypadku uzyskiwania nierzeczywistych wag oraz możliwość wystąpienia ekwifinalności, trudnej do wykrycia przy braku dodatkowych danych referencyjnych.

Słowa kluczowe

EN

Census data of the Central Statistical Office; dasymetric modeling; error rate correlation; LULC

PL

dane spisowe GUS; modelowanie dazymetryczne; mapy pokrycia i użytkowania terenu; korelacja poziomu błędów

• Wydawca: Polska Akademia Umiejętności
• Czasopismo: Geoinformatica Polonica
• Rocznik: 2019
• Tom: T. 18
• Strony: 57--69
• Opis fizyczny: Bibliogr. 26 poz., rys., tab.

Twórcy

autor

Pirowski Tomasz

• AGH University of Science and Technology, Faculty of Mining Surveying and Environmental Engineering

autor

Timek Małgorzata

• AGH University of Science and Technology, Faculty of Mining Surveying and Environmental Engineering

Bibliografia

• 1. Azar, D., Graesser, J., Engstrom, R., Comenetz, J., Leddy JR, R.M., Schechtman, N.G. and Andrews, T. (2010). Spatial refinement of census population distribution using remotely sensed estimates of impervious surfaces in Haiti. International Journal of Remote Sensing, 31 (21): 5635–5655, doi:10.1080/01431161.2010.496799
• 2. Batista F., Poelman S.H. (2016). Mapping population density in Functional Urban Areas, A method to downscale population statistics to Urban Atlas polygons, JRC Technical Raport
• 3. Bielecka E. (2005). A Dasymetric population density map of Poland. Materiały XXII Międzynarodowego Kongresu Kartograficznego, 11–16 lipca La Coruna, Hiszpania
• 4. Całka B., Bielecka E., Zdunkiewicz K. (2016). Redistribution population data across a regular spatial grid according to buildings characteristics, Geodesy and Cartography; Vol. 65, no. 2, pp. 149–162
• 5. Chen, K. (2002). An approach to linking remotely sensed data and areal census data. International Journal of Remote Sensing, 23(1), pp. 37–48
• 6. Eicher, C.L., Brewer C.A. (2001). Dasymetric Mapping and Areal Interpolation: Implementation and Evaluation. Cartography and Geographic Information Science, Vol. 28, No. 2, April, pp. 125–138(14)
• 7. Gallego F.J., Peedell S. (2001). Using CORINE Land Cover to map population density. Towards agri-environmental indicators. EEA Topic report 6/2001, 94–105
• 8. Goleń i Ostrowski (1994). Metoda dazymetryczna – rys historyczny, Polski Przegląd Kartograficzny 26(1): 3–16
• 9. Kunze C., Hecht R. (2015). Semantic enrichment of building data with volunteered geographic information to improve mappings of dwelling units and population, Computers Environment and Urban Systems, vol. 53, DOI: 10.1016/ j.compenvurbsys.2015.04.002
• 10. Liu, X. (2004). Dasymetric mapping with image texture. ASPRS annual conference proceedings, Denver, Colorado, May
• 11. Liu X. (2005). Uncertainty assessment in dasymmetric mapping. ICC2005: International Cartographic Conference, La Coruña, España. 9–16 de Julio
• 12. Longley P.A., Goodchild M.F., Maguire D.J., Rhind D.W. (2006). GIS. Teoria i praktyka. Wydawnictwo Naukowe PWN
• 13. Nagle N., N., Buttenfield B.P., Leyk S., Speilman S. (2014). Dasymetric Modeling and Uncertainty, Ann Assoc Am Geogr. Jan 1; 104(1): 80–95. doi: 10.1080/00045608.2013.843439
• 14. Pirowski T., Bartos K. (2018). Detailed mapping of the distribution of a city population based on information from the national database on buildings. Geodetski Vestnik. ISSN 0351-0271. – vol. 62, no. 3, DOI: https://doi.org/10.15292/geodetski-vestnik.2018.03.458-471
• 15. Pirowski T., Berka K. (2019). Analysis of land use and land cover maps suitability for estimating population density of urban areas – exclusion of the equifinality phenomenon on population maps developed from CLC, UA and OBIA data; in print
• 16. Pirowski T., Drzewiecki W. (2012). Mapa gęstości zaludnienia Krakowa, propozycja metodyki opracowania oraz przykładowe zastosowania. Roczniki Geomatyki, Tom 10, zeszyt 3
• 17. Pirowski T., Pomietłowska J. (2017). Distribution of Krakow’s Population by Dasymetric Modeling Method Using Urban Atlas and Publicly Available Statistical Data, Geomatics and Environmental Engineering, vol. 11/4, 83–95
• 18. Pirowski T., Timek M. (2018). Analysis of land use and land cover maps suitability for modeling population density of urban areas – redistribution to new spatial unit based on CLC and UA databases, Geoinformatica Polonica, ISSN 1642-2511. – vol. 17, s. 53–64, DOI 10.4467/21995923GP.18.004.9162
• 19. Pirowski T., Wietrzykowska K., Timek M. (2018). Analysis of land use and land cover maps suitability for modeling population density of urban areas – redistribution to new spatial unit based on the object classification of RapidEye data, Geoinformatica Polonica, ISSN 1642–2511. – vol. 17, s. 65–75, DOI 10.4467/21995923GP.18.004.9163
• 20. Robinson A.H., Sale R.D., Morrison J.L. Muehrcke P.C. (1998). Podstawy kartografii, PWN, Warszawa
• 21. Rose A.N., Nagle N.N. (2017). Validation of spatiodemographic estimates produced through data fusion of small area census records and household microdata. Computers, Environment and Urban Systems, Vol. 63, s. 38–49
• 22. Wang L., Wu C. (2010). Population estimation using remote sensing and GIS technologies. International Journal of Remote Sensing. Volume 31 – Issue 21. https://doi.org/10.1080/01431161.2010.496809
• 23. Weber E.M., Seaman V.Y., Stewart R.N., Bird T.J., Tatem A.J., McKee J.J., Bhaduri B.L., Moehl J.J., Reith A.E. (2018). Census-independent population mapping in northern Nigeria. Remote Sensing of Environment, Volume 204, January, pp. 786–798
• 24. Wei C., Blaschke T. (2018). Pixel-Wise vs. Object-Based Impervious Surface Analysis from Remote Sensing: Correlations with Land Surface Temperature and Population Density. Urban Sci. 2, 2; doi:10.3390/urbansci2010002
• 25. Wu, S.-S., Qiu, X. and Wang, L. (2005). Population Estimation Methods in GIS and Remote Sensing: a review. GIScience and Remote sensing, 42 (1):58–74; doi: 10.2747/1548-1603.42.1.80
• 26. Zandbergen, P., Ignizio, D. (2010). Comparison of dasymetric mapping techniques for small-area population estimates. Cartography and Geographic Information Science, 37 (3):199–214. DOI:10.1559/15230401079219498569

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).