Este documento propõe uma metodologia para melhorar a precisão da interpolação populacional usando dados pré-classificados de uso do solo. Os autores realizaram uma interpolação ponderada pela área usando dados de cobertura do solo para interpolar a população entre distritos de censos diferentes nos Estados Unidos. Os resultados mostraram que a interpolação com dados auxiliares de uso do solo foi consideravelmente mais precisa do que apenas ponderar pela área.

1. Areal Interpolation of Population Counts using
pre-classified land cover data
Michael Reibel & Aditya Agrawal.
In. Population and Development Review, Vol. 1, No. 2.
(2007), pp. 619-633.
André Augusto Gavlak
Geógrafo
{gavlak@dpi.inpe.br}
Análise Espacial de Dados Geográficos – SER-301

2. PROBLEMA...
A necessidade de se combinar a representação de
informações sóciodemográficas através de unidades
espaciais incompatíveis é um problema comum para
os demógrafos.

3. PROBLEMA...

4. OBJETIVOS
 O estudo propõe uma metodologia melhorar a exatidão
no mapeamento (interpolação) populacional usando
dados pré-classificados de uso do solo, visto que esta
pode ser uma solução para problemas de combinação
de dados espaciais incompatíveis.
+

5. OBJETIVOS
 Realizar uma interpolação ponderada pela área usando
dados de cobertura do solo para interpolar a população
dos distritos de 2000, nos distritos do censo de 1990, no
San Gabriel Valley/USA.

6. INTERPOLAÇÃO PONDERADA PELA ÁREA
 A transferência de informação de um zoneamento de origem, cujas
ns zonas têm população Zs e área As, para um zoneamento de
destino envolve o cálculo da união espacial entre os dois
zoneamentos, da qual resultam nst zonas Zst com área Ast .
 assume que a população se distribui uniformemente (o que não é
garantido) nas zonas de origem e sobre a validade deste
pressuposto assenta a validade dos resultados.
200
50 50
50 50

7. ALTERNATIVA...
 Usar infomações de gradientes de densidade internos da
zona de origem através de dados auxiliares.
200
50 60
30 60
+

8. DADOS
 Dados de cobertura do solo da National Oceanic and
Atmospheric Administration’s (NOAA) Coastal Change
Analysis (C-CAP)1 Program, integrados com US
Geological Survey’s National Land Cover Dataset
(NLCD).

9. METODOLOGIA
 Calculou-se através de Regressão Linear (ordinary least
squares – OLS) o peso de cada tipo de cobertura de solo
na distribuição da população.

10. AUTOCORRELAÇÃO
 “With respect to the regression derive weighting scheme,
the values of the predictor variables (i.e., categorical
urban land cover types) are positively spatially
autocorrelated”

11. REDISTRIBUIÇÃO DA POPULAÇÃO
onde :
 Gs é a população estimada normalizada para a célula do grid,
 Gw é a população ponderada estimada para a célula
 Tg é a população observada do polígono fonte da célula G.
 Tg (chapéu) é a população ajustada derivada do polígono fonte da
célula G aplicando os pesos somados de todas as células no
polígono de origem T

12. POPULAÇÃO DE 2000 ALOCADA EM CÉLULAS
DE 30X30M

13. POPULAÇÃO DE 2000 AGREGADA NA BASE DE
1990

14. DISTRIBUIÇÃO ESPACIAL DA PORCENTAGEM DE
ERRO

15. ERROS
 Testes de autocorrelação espacial revelaram que
os erros estão distribuídos num padrão espacial
disperso (P<=0.01)
 Os erros também revelam que os padrões de erro
estão associados com específicas coberturas do
solo e áreas sócio demográficas

16. ERROS
 “reasonably
symmetrical with
means near zero,
and that they
correspond to
approximate
Gaussian
normality”

17. CONCLUSÕES
 A interpolação usando os dados auxiliares da NLCD são
consideravelmente mais precisos que a simples
ponderação pela área, preservam os dados e são de
fácil estimação.
 Falta maior detalhamento nos procedimentos
metodologicos, principalmente com relação à
manipulação dos dados.

18. OBRIGADO
André Gavlak
gavlak@dpi.inpe.br