最新！《JAG》发文使用地理集成学习揭示人口的

《JAG》发文使用地理集成学习揭示人口的近实时空间动态 本研究提出了一种创新的人口空间化框架，以解决已识别的挑战，旨在生成全面的大规模时间序列网格人口地图。我们在中国的案例研究中实施了该框架，展示了其在月度和每小时尺度上准确描绘人口空间动态的能力。本研究旨在探讨三个关键问题：（1）我们如何将多种机器学习模型的优势与地理敏感的集成方法相结合，以最大化在不同地理环境中的收益？（2）我们如何减轻数字足迹数据中幅度波动的影响，以增强框架的时间可推广性，从而促进生成具有更细粒度时间分辨率的动态人口地图？（3）生成的地图能够为不同空间–时间尺度的人口分布动态提供什么洞察？ 本研究提出了一种创新的高时间分辨率网格人口制图框架，利用开源地理空间数据、自动化机器学习和地理集成学习技术。为了遵循人口空间化的基本原则，并解决以往研究中的不足，该框架包括三个主要步骤：（1）人类足迹区划分；（2）利用自动化机器学习（AutoML）框架和地理集成学习进行人口预测；（3）分层空间重分配，并通过皮肯菲拉克修正增强精度。通过该框架生成的2016年中国人口地图展现了显著的准确性（均方根偏差RMSD = 325），超越了现有的数据集如LandScan、WorldPop、GPW和GHSL。除了提升的准确性外，生成的每小时时间序列网格人口地图有效捕捉了由于人类流动导致的人口分布变化，涵盖了不同时间尺度。这项研究强调了将机器学习、空间统计技术和地理空间大数据纳入人口空间化的重要性，有助于深入理解人口分布和空间异质性，这对于城市规划、环境管理和公共卫生至关重要。