框架整合移动和遥感数据以绘制人口地图

纽约州立大学布法罗分校地理系的研究团队开发了一个创新框架，使用 34 个模型的组合来绘制精细分辨率的月度人口分布图。通过整合手机数据、建筑面积和详细的住宅分类，他们创建了高度精确的人口地图。

最成功的模型采用了最小二乘 (OLS) 回归，该模型结合了手机位置数据和七类建筑分类，例如独户住宅和混合用途住宅建筑。该模型表现出较高的准确度 (R² = 0.82)，并有效捕捉了每月人口变化。

这种方法为城市规划人员和研究人员提供了一种实用且可复制的方法来详细追踪人口动态。该研究于 2024 年 8 月 23 日发表在《遥感杂志》上。

该框架利用遥感正射影像、GIS 税收地块数据和 SafeGraph 家庭面板数据。LiDAR 和 Landsat 8 等遥感数据源用于绘制建筑面积和植被覆盖图，从而增强空间细节。通过比较不同的模型，该研究确定建筑面积是人口分布的一个关键变量。还测试了机器学习模型，以进一步提高预测人口趋势的准确性。

“该框架为跟踪城市人口动态提供了一种新颖的解决方案。通过将移动数据与遥感相结合，我们现在可以创建更准确、更及时的月度人口地图，这对于城市规划和灾害管理至关重要，”该研究的共同作者、纽约州立大学布法罗分校地理系教授 Le Wang 表示。

研究采用两步混合法，首先将手机数据与人口相关变量相结合，更新普查区块组(CBG)层面的人口估计值，然后利用统计模型和机器学习技术创建加权层，将人口数据细化至普查区块(CB)层面。模型验证采用随机抽样，准确率较高，R²值为0.82。

这种结合遥感和手机数据的混合方法可用于跟踪各个城市的人口变化。未来的应用可以将模型扩展到更大的区域，并集成其他动态数据源，例如实时交通或公共服务数据，以进一步提高预测准确性和可扩展性。这可能是城市管理、应急响应和政策制定的宝贵工具，可提供更详细和最新的人口见解。