文献

J-GLOBAL ID：202002236251120155   整理番号：20A0957700

多源地理空間データを用いた住居地理オブジェクトを用いた人口マッピングのための郡レベルの国勢調査データの分離【JST・京大機械翻訳】

Disaggregating County-Level Census Data for Population Mapping Using Residential Geo-Objects With Multisource Geo-Spatial Data

著者 (8件)： Wu Tianjun (School of Geology Engineering and Geomatics, Chang’an University, Xi’an, China) ,  Luo Jiancheng (State Key Laboratory of Remote Sensing Science of the Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Dong Wen (State Key Laboratory of Remote Sensing Science of the Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Gao Lijing (State Key Laboratory of Remote Sensing Science of the Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Hu Xiaodong (State Key Laboratory of Remote Sensing Science of the Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Wu Zhifeng (School of Geographical Sciences, Guangzhou University in Guangzhou, Guangdong, China) ,  Sun Yingwei (State Key Laboratory of Remote Sensing Science of the Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Liu Jinsong (School of Resources and Environmental Sciences, Hebei Normal University, Hebei, China)
資料名： IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing  (IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing)
巻： 13  ページ： 1189-1205  発行年： 2020年 
JST資料番号： W2259A  ISSN： 1939-1404  CODEN： IJSTHZ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 社会経済的データの正確な空間化は,人間の社会的発展状態の空間的および時間的分布を理解するために役に立ち,したがって,将来の科学的意思決定を効果的に支援する。本研究では,社会経済のマクロ経済データの古典的な空間化である人口マッピングに焦点を当てた。粗いグリッドに基づく従来の母集団マッピングまたは郡区のような行政区は,しばしば空間パターンと予測の精度において欠陥を持っている。そこで本論文では,基本的なマッピングユニットとして住宅地理オブジェクトを採用し,高空間分解能(HSR)衛星リモートセンシング画像とマルチソース地理空間データを用いた機械学習(ML)法を用いた空間予測プロセスとして問題を定式化した。人口空間密度の指標は,住宅地理対象地域,建築物存在指数,地形傾斜,夜間光強度,インターネット電子地図からの関心点(POI)と道路網の密度,および道路と河川からの距離のような位置因子を共同して適用して,ランダムフォレストとXGBoostのようなMLアルゴリズムを用いて人口密度の定量的指標との関係を確立した。採掘された非線形回帰関係からの人口密度の予測値をさらに用いて,各ユニットの分解の重みを計算し,次に,人口統計量の総量の制御下で,住宅地の規模での人口分布を得た。郡地域による実験は,この方法論が,より正確でより微細な地理的人口分布パターンを再現することによって,従来の決定論的方法より良い結果を達成する能力を有することを示した。一方,マッピング結果の最適化は,多源地球空間データから利益を得る可能性があり,従って,方法論的枠組みは社会経済データの他の空間化領域に拡張するために推奨できることが分かった。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  意思決定 ,  道路 ,  道路網 ,  宅地 ,  河川 ,  *国勢調査 ,  統計量 ,  母集団 ,  定式化 ,  インターネット ,  機械学習
準シソーラス用語： 社会経済 ,  ランダムフォレスト , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 地理空間データ ,  住居 ,  地理 ,  オブジェクト ,  人口 ,  マッピング ,  国勢調査