助力发展项目的人口地图

助力发展项目的人口地图
本内容由人工智能自动翻译。

人是所有发展工作的核心:无论我们采取行动预防和应对灾害、保护脆弱社区,还是为基础设施、教育或卫生项目提供资金,我们的最终目标始终是服务于人。尽可能准确地识别、了解并定位受益群体,是这一过程中的关键第一步,也是确保我们以最大影响力向最需要的人提供服务的唯一途径。

在世界银行内部,许多人热衷于利用空间数据促进发展,这体现了空间数据集在支持关键决策方面的重要性。为更具战略性地利用空间数据,我们最近在世行多个部门及一些合作机构中开展了一项非正式调查,以了解哪些类型的空间数据与发展专业人士最为相关。

调查发现,人口空间分布是世行工作人员所需的一项关键数据层。调查结果显示,尽管国家层面的数据很有用,但对大多数受访者而言,细化至城市层级的次国家级行政边界、贸易与交通基础设施、人口分布以及社会经济数据同样至关重要。

目前也在开展类似调查,以评估其他公共部门和私营部门利益相关方的需求。例如,世界银行集团近期与 欧洲航天局 合作发起了 开放地理空间数据助力能源普及调查, 旨在确定能源普及领域的地理空间数据需求。初步结果强调,开放获取的高分辨率人口位置和密度数据,对于合理规划和确定工作(及投资)优先次序至关重要。

在这一背景下,有一项举措有望满足对更优质空间数据的需求: WorldPop。几周前,南安普敦大学副教授、WorldPop 创始人 Andy Tatem 到访世行,分享其团队的工作。WorldPop 通过建模估算可能的人口位置,以 100 平方米的空间分辨率,将人口普查人口数分解至次国家级行政边界内。WorldPop 最初为抗击疟疾而开发,主要由盖茨基金会资助。

为弥合中低收入国家的数据差距,WorldPop 一直与统计机构、卫生部门等合作,获取精度最高且与边界匹配的人口普查数据,并开发了一套方法,将辅助数据源整合起来,以填补人口普查数据中的空白。同时,他们将新技术和数据源纳入模型,并免费公开所有数据和方法。这种良好实践符合世界银行倡导的现代开放数据原则。

WorldPop 使用的模型——随机森林分类与回归——采用“机器学习”方法,能够稳健应对异常值和噪声。此外,该模型还可提供有用的内部误差、强度、相关性和变量重要性估算,内置交叉验证,并且易于并行化。

越南河内区级人口密度(地图 1)与 WorldPop 使用的 100 米分辨率人口密度(地图 2)。
第二幅地图更详细地呈现了人口密度,包括各区内部的密度差异。

总体而言,可以说 WorldPop 汇集了许多已成为发展专业人士工作必备的要素:高分辨率空间分布、严谨的方法以及开源文档。对于世界银行的城市发展专家而言,将全球人口分布地图与建成区地图协调起来,首次能够进行国际间的国家城市人口比较,而无需依赖各国不同的人口普查定义、人口计数或密度测量方法。

更广泛地说,拥有一幅全球人口分布地图,将使我们的所有团队和发展合作伙伴能够更有效地规划、确定项目对象并监测项目,同时确保我们惠及正确的人群——无论他们身在何处。

本文与 世界银行“声音”博客合作发布。本文的发布并不意味着世界经济论坛认可其中观点。

关注议程动态, 订阅我们的每周通讯。

作者:Tatiana Peralta-Quiros 是世界银行城市发展与韧性部门的初级专业助理。

图片:一名乘客在拥挤的火车站入口处等候时与孩子玩耍。路透社/Anindito Mukherjee。

分享:

授权与转载
世界经济论坛发布的文章,可依据《知识共享署名-非商业性使用-禁止演绎4.0国际公共许可协议》以及我方《使用条款》进行转载。 本文所表达的观点仅代表作者个人立场,并不代表世界经济论坛的观点。