GIScience & Remote Sensing

Transcrição

1 Analysis of urban growth and estimating population density using satellite images of nighttime lights and land-use and population data Hasi Bagan & Yoshiki Yamagata Ana Carolina de Faria Santos Análise Espacial de Dados Geográficos SER301 Dr. Antonio Miguel Vieira Monteiro e Dr. Eduardo G. Camargo Bagan, H. & Yamagata, Y. Analysis of urban growth and estimating population density using satellite images of nighttime lights and land-use and population data, GIScience & Remote Sensing, v. 52, n. 6, p

2 CRESCIMENTO URBANO Aumento da população Aumento da cobertura urbana Aumento da urbanização Distribuição espacial da população crescimento urbano Luzes Noturnas métrica extensão urbana Correlação: Atividade Urbana Densidade Populacional Atividades Socioeconômicas INTRODUÇÃO 01

3 MODELAGEM ESPACIAL Seria possível relacionar densidade populacional, Uso Urbano e Luzes Noturnas para mapear o crescimento urbano e desenvolver estratégias efetivas para o planejamento urbano? Análise Espaço-Temporal grade celular Análise de regressões múltiplas Modelagem Espacial Regressão Simples (OLS) Regressão Geograficamente Ponderada (GWR) INTRODUÇÃO 02

4 OBJETIVOS Investigar o crescimento urbano através da combinação de dados de: Luzes Noturnas; Censo Populacional; e Uso da Terra 1 Examinar as relações entre a grade destes dados; 2 Usar o modelo de Regressão Simples (OLS) para estimar a distribuição da densidade populacional na região de Hokkaido; 3 Usar os modelos de regressão GWR e OLS, na cidade de Sapporo, para comparar quantitativamente a densidade populacional modelada com os dados do censo populacional. INTRODUÇÃO 03

5 ÁREA DE ESTUDO INTRODUÇÃO 04

6 DADOS DE ENTRADA Statistical Information Institute for Consulting and Analysis Basic Grid Square population census 1990 e 2005 Geospatial Information Authority of Japan Mapa de Uso da Terra 1991 e classes 5 Classes DMSP/OLS: Média anual de Luzes Noturnas estáveis 1992 e 2006 BENNETT, M.M.; SMITH, L.C. Advances in using multitemporal night-time lights satellite imagery to detect, estimate, and monitor socioeconomic dynamics. Remote Sensing of Environment, n. 192, p , MÉTODOS 05

7 MÉTODOS ESTATÍSTICOS OLS Resíduo padronizado Comparação com GWR: R² ajustado Akaike Information Criterion (AICc). Huilei, L. et al., Urbanization impact on landscape patterns in Beijing City, China: A spatial heterogeneity perspective. Ecological Indicators, v. 82, p , MÉTODOS 06

8 MÉTODOS ESTATÍSTICOS GWR Captura a variação espacial calibrando a regressão para cada ponto observado Parâmetro local estimado Matriz de Proximidade Espacial Largura de banda (adaptavel) de Kernel Função Gaussiana de Kernel Distância Euclidiana MÉTODOS 07

9 MUDANÇA DA ÁREA URBANA E DA DENSIDADE POPULACIONAL Proporção de Área Urbana (2006) Densidade Populacional (2005) Grade 1 km² RESULTADOS 08

10 MUDANÇA DA ÁREA URBANA E DA DENSIDADE POPULACIONAL Distribuição espacial semelhante Crescimento Populacional lento Migração interna Concentração das industrias em grandes centros RESULTADOS 09

11 RELAÇÃO ENTRE CENSO POPULACIONAL, DMSP E USO DA TERRA RESULTADOS 10

12 CORRELAÇÃO ENTRE OS DADOS RESULTADOS 11

13 ESTIMANDO DENSIDADE POPULACIONAL Região de Hokkaido representativa do país Variáveis que refletem o aspectos socioeconômicos e físicos da expansão urbana Variáveis Dependente: Censo Populacional Variáveis Independentes: Valores de ND 31 e Área de Uso Urbano RESULTADOS 12

14 ESTIMANDO DENSIDADE POPULACIONAL Uso de 3D e métodos para minimizar a saturação R² ajustado = 0,8041 Variância distribuída de forma aleatória Saturação nos grandes centro RESULTADOS 13

15 COMPARAÇÃO OLS E GWR Cidade de Sapporo mesmos dados e treinamento GWR R² ajustado = 0,8833 AICc = 21, 917 OLS R² ajustado = 0,8739 AICc = 21,990 Ganho de 1% Modelo GWR aplicado a Região de Hokkaido FALHA Multicolinearidade entre as variáveis Examinar a dependência e a heterogeneidade espacial RESULTADOS 14

16 CONSIDERAÇÕES FINAIS Expansão do Uso Urbano Aumento populacional Aumento dos valores de ND de Luzes Noturnas Alta correlação usos para estimar densidade populacional Modelo OLS estabilidade e boa capacidade de predição Modelo GWR melhor performance apenas a nível local Aplicável a outros países Uso de dados de grade Análise Exploratória Testes Estatísticos Dependência Espacial Análise Temporal CONCLUSÃO 15

17 OBRIGADA! Ana Carolina de Faria Santos Análise Espacial de Dados Geográficos SER301 Dr. Antonio Miguel Vieira Monteiro e Dr. Eduardo G. Camargo Bagan, H. & Yamagata, Y. Analysis of urban growth and estimating population density using satellite images of nighttime lights and land-use and population data, GIScience & Remote Sensing, v. 52, n. 6, p