Avaliação das Grades Populacionais Globais para Representar a Distribuição da População Residente na Amazônia Brasileira: o Caso do Baixo Tocantins (PA)
Barra lateral de artigos
Conteúdo do artigo principal
Resumo
Este trabalho avaliou quatro Grades Populacionais Globais (GPWv4, GHS-POP, HRSL e WorldPop) para representar a distribuição da população residente na Amazônia brasileira, com foco na concordância com dados populacionais e na aderência a um proxy de densidade de endereços de domicílios. A área de estudo é a região do Baixo Tocantins, Pará, por sua diversidade de usos e coberturas da terra, frequência de remanescentes florestais e população rural dispersa por ambientes de ilhas e terra firme. As Grades Globais para 2020 foram avaliadas através de: i) análise de concordância com os dados de população residente, por município e setor censitário, provenientes de estimativa municipal para 2020 e Censo Demográfico de 2022, e ii) análise de aderência às estimativas de domicílios, com referência aos dados do Cadastro Nacional de Endereços para Fins Estatísticos (CNEFE), a partir de uma proxy de densidade de domicílios. Erros absolutos percentuais médios avaliaram as estimativas das Grades e os dados oficiais. Os maiores erros de concordância nos dados populacionais foram registrados para as grades GPWv4 e WordPop. WorldPop e GHS-POP subestimam a ocorrência de domicílios nas áreas de ilhas e margens de rios. A grade HRSL apresentou a maior concordância em relação aos dados populacionais e maior aderência às estimativas de domicílios em comparação ao CNEFE. Assim, na ausência de dados populacionais oficiais desagregados recomenda-se a grade HRSL como opção preferencial para estudos que envolvam a distribuição da população na Amazônia brasileira.
Downloads
Detalhes do artigo
Seção
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Atribuição que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (veja "O Efeito do Acesso Aberto").
Como Citar
Referências
Amaral, S., Gavlak, A. A., Escada, M. I. S. & Monteiro, A. M. V. (2012). Using remote sensing and census tract data to improve representation of population spatial distribution: case studies in the Brazilian Amazon. Population and Environment, 34, 142–170. https://doi.org/10.1007/s11111-012-0168-2.
Archila Bustos, M. F., Hall, O., Niedomysl, T. & Ernstson, U. (2020). A pixel level evaluation of five multitemporal global gridded population datasets: a case study in Sweden, 1990–2015. Population and Environment, 42, 255-277. https://doi.org/10.1007/s11111-020-00360-8.
Bai, Z., Wang, J., Wang, M., Gao, M., & Sun, J. (2018). Accuracy assessment of multi-source gridded population distribution datasets in China. Sustainability, 10(5), 1363. https://doi.org/10.3390/su10051363
Baston, D. (2023). exactextractr version (v0.10.0) [R package]. GitHub. https://github.com/isciences/exactextract.
Bondarenko, M., Kerr, D., Sorichetta, A. & Tatem, A. J. (2020). Census/projection-disaggregated gridded population datasets, adjusted to match the corresponding UNPD 2020 estimates, for 183 countries in 2020 using Built-Settlement Growth Model (BSGM) outputs [Data set]. WorldPop: University of Southampton, UK. https://hub.worldpop.org/geodata/summary?id=49921
Breusch, T .S. & Pagan, A. R. (1979). A Simple Test for Heteroscedasticity and Random Coefficient Variation. Econometrica, 47(5), 1287–1294. https://doi.org/10.2307/1911963
Calka, B., & Bielecka, E. (2020). GHS-POP accuracy assessment: Poland and Portugal case study. Remote Sensing, 12(7), 1105. https://doi.org/10.3390/rs12071105
Campos, J. (2017). Estimativas populacionais a partir de dados orbitais de média resolução espacial: aplicações em municípios da Região Metropolitana de Belo Horizonte. [Tese de doutorado, Universidade Federal de Minas Gerais] Repositório digital de teses e dissertações da UFMG. https://repositorio.ufmg.br/bitstream/1843/FACE-B27P7Y/1/tese___j_rvis_campos.pdf.
Cardoso, A. C. D., Dal’Asta, A. P. & Monteiro, A. M. V. (2023). O que é o urbano na Amazônia contemporânea? Implicações para a vigilância em saúde no bioma. Cadernos de Saúde Pública, 39(9), e00129723. https://doi.org/10.1590/0102-311XPT129723
Carioli, A., Schiavina, M., Freire, S. & MacManus, K. (2023). GHS-POP R2023A - GHS population grid multitemporal (1975-2030). European Commission, Joint Research Centre (JRC) [Dataset]. https://doi.org/10.2905/2FF68A52-5B5B-4A22-8F40-C41DA8332CFE
Center for International Earth Science Information Network [CIESIN], Columbia University. (2018). Documentation for the Gridded Population of the World, Version 4 (GPWv4), Revision 11 Data Sets. Palisades, NY: NASA Socioeconomic Data and Applications Center (SEDAC). https://doi.org/10.7927/H45Q4T5F.
Chen, R., Yan, H., Liu, F., Du, W., & Yang, Y. (2020). Multiple Global Population Datasets: Differences and Spatial Distribution Characteristics. ISPRS International Journal of Geo-Information, 9(11), 637. https://doi.org/10.3390/ijgi9110637.
Dahmm, H. & Rabiee, M. (2020). Leaving no one off the map: A guide for gridded population data for sustainable development. Thematic Research Network on Data and Statistics (TReNDS) of the UN Sustainable Development Solutions Network (SDSN), in support of the POPGRID Data Collaborative. https://www.popgrid.org/sites/default/files/documents/Leaving_no_one_off_the_map.pdf
Doxsey-Whitfield, E., MacManus, K., Adamo, S. B., Pistolesi, L., Squires, J., Borkovska, O. & Baptista, S. R. (2015). Taking Advantage of the Improved Availability of Census Data: A First Look at the Gridded Population of the World, Version 4. Papers in Applied Geography, 1(3), 226-234. https://doi.org/10.1080/23754931.2015.1014272
Elvidge, C. D., Baugh, K. E., Kihn, E. A., Kroehl, H. W., Davis, E. R. & Davis, C. W. (1997). Relation between satellite observed visible-near infrared emissions, population, economic activity and electric power consumption. International Journal of Remote Sensing, 18(6), 1373-1379. https://doi.org/10.1080/014311697218485
Facebook Connectivity Lab & Center for International Earth Science Information Network [CIESIN] - Columbia University. (2018). High Resolution Settlement Layer (HRSL) - Source imagery for HRSL © 2016 DigitalGlobe - Brazil Population Density Maps and Demographic Estimates (2015-2020) [Data set]. https://data.humdata.org/dataset/brazil-high-resolution-population-density-maps-demographic-estimates.
Fearnside, P. M (2006). Desmatamento na Amazônia: dinâmica, impactos e controle. Acta Amazonica, Manaus, 36(3), 395-400. https://doi.org/10.1590/S0044-59672006000300018
Gonçalves, G. C., Oliveira, L. M. de, Dal’Asta, A. P. & Amaral, S. (2021). Geoinformação Para a Visibilidade das Áreas Urbanas de Cidades Amazônicas. Revista Geoaraguaia, 11(Especial), 149-165. https://periodicoscientificos.ufmt.br/ojs/index.php/geo/article/view/12742.
Hallisey, E., Tai, E., Berens, A., Wilt, G., Peipins, L., Lewis, B., Graham, S., Flanagan, B. & Lunsford, N. (2017). Transforming Geographic Scale: A Comparison of Combined Population and Areal Weighting to Other Interpolation Methods. International Journal of Health Geographics, 16(29). https://doi.org/10.1186/s12942-017-0102-z
Harvey, J. T. (2002). Estimating census district populations from satellite imagery: Some approaches and limitations. International Journal of Remote Sensing, 23(10), 2071-2095. https://doi.org/10.1080/01431160110075901
Instituto Brasileiro de Geografia e Estatística [IBGE]. (2010). Censo Demográfico 2010 [Dataset]. Rio de Janeiro: IBGE. https://censo2010.ibge.gov.br.
Instituto Brasileiro de Geografia e Estatística [IBGE]. (2016). Grade Estatística IBGE 2010. Rio de Janeiro: IBGE. https://biblioteca.ibge.gov.br/visualizacao/livros/liv102043.pdf
Instituto Brasileiro de Geografia e Estatística [IBGE]. (2020). Estimativas de população residente por município, data de referência em 1º de Julho de 2020. Diário Oficial da União em 27 de agosto de 2020. https://www.ibge.gov.br/estatisticas/sociais/populacao/9103-estimativas-de-populacao.html?edicao=28674.
Instituto Brasileiro de Geografia e Estatística [IBGE]. (2022a). Censo Demográfico 2022 [Dataset]. Rio de Janeiro: IBGE. https://censo2022.ibge.gov.br.
Instituto Brasileiro de Geografia e Estatística [IBGE]. (2022b). Malha de setores censitários do Pará - Edição 2022 [Dataset]. Rio de Janeiro: IBGE. https://www.ibge.gov.br/geociencias/downloads-geociencias.html?caminho=organizacao_do_territorio/malhas_territoriais/malhas_de_setores_censitarios__divisoes_intramunicipais/censo_2022_preliminar/setores/shp/UF.
Instituto Brasileiro de Geografia e Estatística [IBGE]. (2022c). Malha territorial municipal brasileira - Edição 2022 [Dataset]. Rio de Janeiro: IBGE. https://www.ibge.gov.br/geociencias/organizacao-do-territorio/malhas-territoriais/15774-malhas.html.
Instituto Brasileiro de Geografia e Estatística [IBGE]. (2023). Cadastro Nacional de Endereços para Fins Estatísticos (CNEFE) do Censo 2022. Rio de Janeiro: IBGE. https://www.ibge.gov.br/estatisticas/sociais/populacao/38734-cadastro-nacional-de-enderecos-para-fins-estatisticos.html.
Instituto Brasileiro de Geografia e Estatística [IBGE]. (2024a). Censo Demográfico 2022 - Coordenadas geográficas dos endereços no Censo Demográfico 2022 : nota metodológica n. 01. Rio de Janeiro: IBGE. https://biblioteca.ibge.gov.br/index.php/biblioteca-catalogo?view=detalhes&id=2102063
Instituto Brasileiro de Geografia e Estatística [IBGE]. (2024b). Censo Demográfico 2022 - Cadastro Nacional de Endereços para Fins Estatísticos: Nota metodológica n. 04. Rio de Janeiro: IBGE. https://biblioteca.ibge.gov.br/index.php/biblioteca-catalogo?view=detalhes&id=2102091
Instituto Nacional de Pesquisas Espaciais [INPE]. (2023). Programa de Monitoramento da Amazônia e Demais Biomas [PRODES]: Desmatamento anual [Dataset]. https://terrabrasilis.dpi.inpe.br/downloads/
Instituto Nacional de Pesquisas Espaciais [INPE] & Empresa Brasileira de Pesquisa Agropecuária [EMBRAPA]. (2020). Uso e cobertura da terra do Bioma Amazônia - TerraClass [Data set]. http://terrabrasilis.dpi.inpe.br/downloads/
Kuffer, M., Owusu, M., Oliveira, L., Sliuzas, R. & van Rijn, F. (2022). The missing millions in maps: Exploring causes of uncertainties in global gridded population datasets. ISPRS International Journal of Geo-Information, 11(7), 403. https://doi.org/10.3390/ijgi11070403
Lei, Z., Xie, Y., Cheng, P. & Yang, H. (2023). From auxiliary data to research prospects, a review of gridded population mapping. Transactions in GIS, 27(1), 3–39. https://doi.org/10.1111/tgis.13020
Leyk, S., Uhl, J. H., Balk, D. & Jones, B. (2018). Assessing the accuracy of multi-temporal built-up land layers across rural-urban trajectories in the United States. Remote Sensing of Environment, 204, 898-917. https://doi.org/10.1016/j.rse.2017.08.035
Leyk, S., Gaughan, A. E., Adamo, S. B., de Sherbinin, A., Balk, D., Freire, S., Rose, A., Stevens, F. R., Blankespoor, B., Frye, C., Comenetz, J., Sorichetta, A., MacManus, K., Pistolesi, L., Levy, M., Tatem, A. J. & Pesaresi, M. (2019). The spatial allocation of population: a review of large-scale gridded population data products and their fitness for use. Earth System Science Data, 11(3), 1385–1409. https://doi.org/10.5194/essd-11-1385-2019
Lloyd, C. T., Sorichetta, A. & Tatem, A. J. (2017). High resolution global gridded data for use in population studies. Scientific Data, 4(1), 170001. https://doi.org/10.1038/sdata.2017.1
Lu, D. & Weng, Q. (2006). Use of impervious surfaces in urban land-use classification. Remote Sensing of Environment, 102(1-2), 146-156. https://doi.org/10.1016/j.rse.2006.02.010
Nagle, N. N., Buttenfield, B. P., Leyk, S. & Spielman, S. (2013). Dasymetric Modeling and Uncertainty. Annals of the American Association of Geographers, 104(1), 80-95. https://doi.org/10.1080/00045608.2013.843439
Nobre, C. A., Obregón, G. O., Marengo, J. A., Fu, R. & Poveda, G. (2009). Characteristics of Amazonian Climate: Main Features. In: Keller, M., Bustamante, M., Gash, J. & Silva Dias, P. (Ed.) Amazonia and Global Change. American Geophysical Union. https://doi.org/10.1029/2009GM000903
Openshaw, S. (1984). The modifiable areal unit problem. Norwich: Geo Books.
Renner, K., Schneiderbauer, S., Pruß, F., Kofler, C., Martin, D. & Cockings, S. (2018). Spatio-temporal population modelling as improved exposure information for risk assessments tested in the Autonomous Province of Bolzano. International Journal of Disaster Risk Reduction, 27, 470–479. https://doi.org/10.1016/j.ijdrr.2017.11.011
Schiavina, M., Melchiorri, M., Pesaresi, M., Politis, P., Carneiro Freire, S. M., Maffenini, L., Florio, P., Ehrlich, D., Goch, K., Carioli, A., Uhl, J., Tommasi, P. & Kemper, T. (2023). GHSL data package 2023 (JRC133256). Publications Office of the European Union. https://doi.org/10.2760/098587
Silva, D. (2023). VaLin-Pop: uma nova grade populacional para a região metropolitana do Vale do Paraíba e Litoral Norte, SP. [Dissertação de Mestrado, Instituto Nacional de Pesquisas Espaciais] Repositório digital de teses e dissertações do INPE. http://mtc-m21d.sid.inpe.br/col/sid.inpe.br/mtc-m21d/2023/10.19.20.37/doc/thisInformationItemHomePage.html
Smith, S. K. & Morrison, P. A. (2005). Small-Area and Business Demography. In: Poston, D. L. & Micklin, M. (Orgs.) Handbook of Population. Handbooks of Sociology and Social Research. Springer, Boston, MA. https://doi.org/10.1007/0-387-23106-4_26
Souza, A. R., Escada, M. I. S., Marujo, R. de F. B. & Monteiro, A. M. V. (2019). Cartografia do Invisível: Revelando a Agricultura de Pequena Escala com Imagens Rapideye na Região do Baixo Tocantins, PA. Revista Do Departamento De Geografia, 38, 137-153. https://doi.org/10.11606/rdg.v38i1.151603
Souza, A. R., Adorno, B. V., Gonçalves, G. C., Bragion, G. da R., Oliveira, K. D., Escada, M. I. S., Reis, M. S., Sant’Anna, S. J. S. & Amaral, S. (2021). Paisagens e uso da terra em núcleos populacionais e estabelecimentos rurais da região do Baixo Tocantins - Pará. São José dos Campos-SP: INPE. 81 p. Relatório Técnico de Atividade de Campo de 2018 e 2019 dos Cursos de Pós-Graduação em Sensoriamento Remoto e em Ciências do Sistema Terrestre do INPE, em parceria com a Universidade Federal do Pará. http://mtc-m21d.sid.inpe.br/col/sid.inpe.br/mtc-m21d/2021/06.18.16.50/doc/thisInformationItemHomePage.html.
Souza, A. R., Amaral, S., Dal’Asta, A. P., Escada, M. I. S. & Monteiro, A. M. V. (2023) Modelos dasimétricos para desagregar dados do Censo Agropecuário. In: Anais do XX Simpósio Brasileiro de Sensoriamento Remoto. São José dos Campos : INPE. http://marte2.sid.inpe.br/col/sid.inpe.br/marte2/2023/05.16.12.12/doc/156100.pdf
Souza, A. R. (2024). Os sistemas do açaí na paisagem amazônica: elementos para análise da economia do açaí da região do Baixo Tocantins-PA. [Tese de Doutorado, Instituto Nacional de Pesquisas Espaciais]. Repositório digital de teses e dissertações do INPE. https://mtc-m21d.sid.inpe.br/col/sid.inpe.br/mtc-m21d/2024/09.03.22.32/doc/publicacao.pdf.
Tiecke, T. G., Liu, X., Zhang, A., Gros, A., Li, N., Yetman, G., Kilic, T., Murray, S., Blankespoor, B., Prydz, E. B. & Dang, H. H. (2017). Mapping the world population one building at a time. arXiv. https://doi.org/10.48550/arXiv.1712.05839.
United Nations [UN] (2015). UN World Population Prospects: Revision 11 [Data Booklet]. https://www.un.org/en/development/desa/publications/world-population-prospects-2015-revision.html.
Weng, Q. & Hu, X. (2008). Medium Spatial Resolution Satellite Imagery for Estimating and Mapping Urban Impervious Surfaces Using LSMA and ANN. IEEE Transactions on Geoscience and Remote Sensing, 46(8), 2397-2406. https://doi.org/10.1109/TGRS.2008.917601
Wickham, J. D., Stehman, S. V., Gass, L., Dewitz, J., Fry, J. A., & Wade, T. G. (2013). Accuracy assessment of NLCD 2006 land cover and impervious surface. Remote Sensing of Environment, 130, 294–304. https://doi.org/10.1016/j.rse.2012.12.001
WorldPop. (n.d.). WorldPop methods. University of Southampton. Retrieved [June 2024], from https://www.worldpop.org/methods/
Xu, Y., Ho, H. C., Knudby, A. & He, M. (2021). Comparative assessment of gridded population data sets for complex topography: A study of Southwest China. Population and Environment, 42, 360–378. https://doi.org/10.1007/s11111-020-00366-2
Yin, X., Li, P., Feng, Z., Yang, Y., You, Z. & Xiao, C. (2021). Which Gridded Population Data Product Is Better? Evidences from Mainland Southeast Asia (MSEA). ISPRS International Journal of Geo-Information, 10(10), 681. https://doi.org/10.3390/ijgi10100681
Zha, Y., Gao, J. & Ni, S. (2003). Use of normalized difference built-up index in automatically mapping urban areas from TM imagery. International Journal of Remote Sensing, 24(3), 583-594. https://doi.org/10.1080/01431160304987
Zhao, T. & Wang, W. (2023). Coordination Dynamics between Population Change and Built-Up Land Expansion in Mainland China during 2000–2020. Sustainability, 15(22), 16059. https://doi.org/10.3390/su152216059
Zhou, Y., Ma, M., Shi, K. & Peng, Z. (2020). Estimating and Interpreting Fine-Scale Gridded Population Using Random Forest Regression and Multisource Data. ISPRS International Journal of Geo-Information, 9(6), 369. https://doi.org/10.3390/ijgi9060369